Zobraziť v EDS

ADVANCED METHODS FOR TARGET AUDIENCE IDENTIFICATION: ENHANCING MARKETING STRATEGIES THROUGH MACHINE LEARNING AND DATA ANALYTICS.

Uložené v:
Podrobná bibliografia
Názov: ADVANCED METHODS FOR TARGET AUDIENCE IDENTIFICATION: ENHANCING MARKETING STRATEGIES THROUGH MACHINE LEARNING AND DATA ANALYTICS.
Alternate Title: ZAAWANSOWANE METODY IDENTYFIKACJI ODBIORCÓW DOCELOWYCH: ULEPSZANIE STRATEGII MARKETINGOWYCH POPRZEZ UCZENIE MASZYNOWE I ANALIZĘ DANYCH. (Polish)
Autori: BOGACKI, SYLWESTER, SMUTEK, TOMASZ, CHMIELOWSKA-MARMUCKA, AGNIESZKA, RYMARCZYK, PAWEŁ, RUTKOWSKI, MAREK
Zdroj: Journal of Modern Science; 2024 Special Issue, Vol. 57, p417-435, 19p
Predmety: CONSUMER behavior, DETECTION algorithms, DATA analytics, MACHINE learning, MARKETING strategy
Abstract (English): Purpose: This article presents a novel approach that leverages advanced data analytics and machine learning techniques to enhance marketing strategies. By precisely targeting and segmenting audience groups based on their descriptive profiles, the study aims to significantly improve the efficacy of marketing campaigns. Methods: The study employs several clustering and community detection algorithms, including Louvain Community, Greedy Modularity, and Label Propagation. These methods are applied to diverse datasets to identify distinct groups within the audience that exhibit specific behavioral and preference patterns. The approach emphasizes data-driven decision-making, which involves making decisions based on the analysis of data rather than intuition or observation, to optimize marketing outcomes. Results: demonstrate that employing advanced clustering techniques can significantly refine the segmentation process, leading to more targeted marketing efforts. These methods successfully identified nuanced sub-groups within the datasets, which corresponded closely with customer behaviors and preferences variations, thereby allowing for more tailored marketing strategies. Discussion: The study's findings underscore the imperative for marketers to embrace sophisticated analytical techniques. Machine learning has the potential to transform marketing strategies by providing deeper insights into customer segmentation. This research highlights the importance of staying ahead of the curve in the face of the complexities of consumer markets and evolving business environments. [ABSTRACT FROM AUTHOR]
Abstract (Polish): Cel: Artykuł bada zastosowanie zaawansowanych technik analityki danych i metod uczenia maszynowego w celu poprawy strategii marketingowych poprzez dokładne targetowanie i segmentację grup odbiorców na podstawie ich opisów profilowych. Metody: Badanie wykorzystuje kilka algorytmów klasteryzacji i wykrywania wspólnot, w tym Louvain Community, Greedy Modularity i Label Propagation. Metody te stosowane są do różnorodnych zbiorów danych, aby zidentyfikować wyraźne grupy wśród odbiorców, które wykazują specyficzne wzorce zachowań i preferencji. Podejście to kładzie nacisk na podejmowanie decyzji opartych na danych w celu optymalizacji wyników marketingowych. Wyniki: Wyniki pokazują, że zastosowanie zaawansowanych technik klasteryzacji może znacząco usprawnić proces segmentacji, prowadząc do bardziej ukierunkowanych wysiłków marketingowych. Metody te z powodzeniem zidentyfikowały subtelne sub-grupy w zbiorach danych, które ściśle odpowiadają różnicom w zachowaniach i preferencjach klientów, co pozwala na bardziej spersonalizowane strategie marketingowe. Omówienie: Wyniki podkreślają potencjał uczenia maszynowego w transformacji strategii marketingowych, dostarczając głębszych wglądów w segmentację klientów. Badanie podkreśla znaczenie przyjęcia zaawansowanych technik analitycznych, aby nadążyć za złożonościami rynków konsumenckich i ewoluującymi środowiskami biznesowymi. [ABSTRACT FROM AUTHOR]
Copyright of Journal of Modern Science is the property of Alcide De Gasperi University of Euroregional Economy and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)
Databáza: Complementary Index
FullText Text:
  Availability: 0
CustomLinks:
  – Url: https://www.webofscience.com/api/gateway?GWVersion=2&SrcApp=EBSCO&SrcAuth=EBSCO&DestApp=WOS&ServiceName=TransferToWoS&DestLinkType=GeneralSearchSummary&Func=Links&author=BOGACKI%20SYLWESTER
    Name: ISI
    Category: fullText
    Text: Nájsť tento článok vo Web of Science
    Icon: https://imagesrvr.epnet.com/ls/20docs.gif
    MouseOverText: Nájsť tento článok vo Web of Science
Header DbId: edb
DbLabel: Complementary Index
An: 182810043
RelevancyScore: 993
AccessLevel: 6
PubType: Academic Journal
PubTypeId: academicJournal
PreciseRelevancyScore: 993.269470214844
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: ADVANCED METHODS FOR TARGET AUDIENCE IDENTIFICATION: ENHANCING MARKETING STRATEGIES THROUGH MACHINE LEARNING AND DATA ANALYTICS.
– Name: TitleAlt
  Label: Alternate Title
  Group: TiAlt
  Data: ZAAWANSOWANE METODY IDENTYFIKACJI ODBIORCÓW DOCELOWYCH: ULEPSZANIE STRATEGII MARKETINGOWYCH POPRZEZ UCZENIE MASZYNOWE I ANALIZĘ DANYCH. (Polish)
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22BOGACKI%2C+SYLWESTER%22">BOGACKI, SYLWESTER</searchLink><br /><searchLink fieldCode="AR" term="%22SMUTEK%2C+TOMASZ%22">SMUTEK, TOMASZ</searchLink><br /><searchLink fieldCode="AR" term="%22CHMIELOWSKA-MARMUCKA%2C+AGNIESZKA%22">CHMIELOWSKA-MARMUCKA, AGNIESZKA</searchLink><br /><searchLink fieldCode="AR" term="%22RYMARCZYK%2C+PAWEŁ%22">RYMARCZYK, PAWEŁ</searchLink><br /><searchLink fieldCode="AR" term="%22RUTKOWSKI%2C+MAREK%22">RUTKOWSKI, MAREK</searchLink>
– Name: TitleSource
  Label: Source
  Group: Src
  Data: Journal of Modern Science; 2024 Special Issue, Vol. 57, p417-435, 19p
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22CONSUMER+behavior%22">CONSUMER behavior</searchLink><br /><searchLink fieldCode="DE" term="%22DETECTION+algorithms%22">DETECTION algorithms</searchLink><br /><searchLink fieldCode="DE" term="%22DATA+analytics%22">DATA analytics</searchLink><br /><searchLink fieldCode="DE" term="%22MACHINE+learning%22">MACHINE learning</searchLink><br /><searchLink fieldCode="DE" term="%22MARKETING+strategy%22">MARKETING strategy</searchLink>
– Name: AbstractNonEng
  Label: Abstract (English)
  Group: Ab
  Data: Purpose: This article presents a novel approach that leverages advanced data analytics and machine learning techniques to enhance marketing strategies. By precisely targeting and segmenting audience groups based on their descriptive profiles, the study aims to significantly improve the efficacy of marketing campaigns. Methods: The study employs several clustering and community detection algorithms, including Louvain Community, Greedy Modularity, and Label Propagation. These methods are applied to diverse datasets to identify distinct groups within the audience that exhibit specific behavioral and preference patterns. The approach emphasizes data-driven decision-making, which involves making decisions based on the analysis of data rather than intuition or observation, to optimize marketing outcomes. Results: demonstrate that employing advanced clustering techniques can significantly refine the segmentation process, leading to more targeted marketing efforts. These methods successfully identified nuanced sub-groups within the datasets, which corresponded closely with customer behaviors and preferences variations, thereby allowing for more tailored marketing strategies. Discussion: The study's findings underscore the imperative for marketers to embrace sophisticated analytical techniques. Machine learning has the potential to transform marketing strategies by providing deeper insights into customer segmentation. This research highlights the importance of staying ahead of the curve in the face of the complexities of consumer markets and evolving business environments. [ABSTRACT FROM AUTHOR]
– Name: AbstractNonEng
  Label: Abstract (Polish)
  Group: Ab
  Data: Cel: Artykuł bada zastosowanie zaawansowanych technik analityki danych i metod uczenia maszynowego w celu poprawy strategii marketingowych poprzez dokładne targetowanie i segmentację grup odbiorców na podstawie ich opisów profilowych. Metody: Badanie wykorzystuje kilka algorytmów klasteryzacji i wykrywania wspólnot, w tym Louvain Community, Greedy Modularity i Label Propagation. Metody te stosowane są do różnorodnych zbiorów danych, aby zidentyfikować wyraźne grupy wśród odbiorców, które wykazują specyficzne wzorce zachowań i preferencji. Podejście to kładzie nacisk na podejmowanie decyzji opartych na danych w celu optymalizacji wyników marketingowych. Wyniki: Wyniki pokazują, że zastosowanie zaawansowanych technik klasteryzacji może znacząco usprawnić proces segmentacji, prowadząc do bardziej ukierunkowanych wysiłków marketingowych. Metody te z powodzeniem zidentyfikowały subtelne sub-grupy w zbiorach danych, które ściśle odpowiadają różnicom w zachowaniach i preferencjach klientów, co pozwala na bardziej spersonalizowane strategie marketingowe. Omówienie: Wyniki podkreślają potencjał uczenia maszynowego w transformacji strategii marketingowych, dostarczając głębszych wglądów w segmentację klientów. Badanie podkreśla znaczenie przyjęcia zaawansowanych technik analitycznych, aby nadążyć za złożonościami rynków konsumenckich i ewoluującymi środowiskami biznesowymi. [ABSTRACT FROM AUTHOR]
– Name: Abstract
  Label:
  Group: Ab
  Data: <i>Copyright of Journal of Modern Science is the property of Alcide De Gasperi University of Euroregional Economy and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract.</i> (Copyright applies to all Abstracts.)
PLink https://erproxy.cvtisr.sk/sfx/access?url=https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edb&AN=182810043
RecordInfo BibRecord:
  BibEntity:
    Identifiers:
      – Type: doi
        Value: 10.13166/jms/191180
    Languages:
      – Code: eng
        Text: English
    PhysicalDescription:
      Pagination:
        PageCount: 19
        StartPage: 417
    Subjects:
      – SubjectFull: CONSUMER behavior
        Type: general
      – SubjectFull: DETECTION algorithms
        Type: general
      – SubjectFull: DATA analytics
        Type: general
      – SubjectFull: MACHINE learning
        Type: general
      – SubjectFull: MARKETING strategy
        Type: general
    Titles:
      – TitleFull: ADVANCED METHODS FOR TARGET AUDIENCE IDENTIFICATION: ENHANCING MARKETING STRATEGIES THROUGH MACHINE LEARNING AND DATA ANALYTICS.
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: BOGACKI, SYLWESTER
      – PersonEntity:
          Name:
            NameFull: SMUTEK, TOMASZ
      – PersonEntity:
          Name:
            NameFull: CHMIELOWSKA-MARMUCKA, AGNIESZKA
      – PersonEntity:
          Name:
            NameFull: RYMARCZYK, PAWEŁ
      – PersonEntity:
          Name:
            NameFull: RUTKOWSKI, MAREK
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 02
              M: 07
              Text: 2024 Special Issue
              Type: published
              Y: 2024
          Identifiers:
            – Type: issn-print
              Value: 17342031
          Numbering:
            – Type: volume
              Value: 57
          Titles:
            – TitleFull: Journal of Modern Science
              Type: main
ResultId 1