بهینه سازی بازاریابی ویروسی در کسب و کارهای آنلاین با استفاده از درخت تصمیم مبتنی بر الگوریتم ژنتیک

هدف پژوهش حاضر شناسایی مولفه ها و توسعه یک الگو جهت ارایه قوانین بهینه بازاریابی ویروسی در کسب و کارهای آنلاین می باشد. یک پژوهش کاربردی و از نظر روش، آمیخته (کمی و کیفی) می باشد. جامعه آماری پژوهش در بخش کیفی شامل 15 نفر در نسلهای سه گانه X، Y و Z (نسل بازاریابی ملینیوم) و در بخش کمی شامل 460 نفر از خریداران آنلاین می باشد. ابزار گردآوری  داده ها در بخش کیفی تکنیک فرافکنی می باشد و از مصاحبه عمیق استفاده شده است. با استفاده از نرم افزار MAXQDA مصاحبه ها تحلیل و جمع بندی شده که از این طریق شش مولفه شناسایی گردید و سپس در بخش کمی از 12 خبره برای تعیین شاخص لاوشه استفاده شد و در ادامه تحلیل عاملی اکتشافی به وسیله نرم افزار SPSS انجام گرفت. از آن جا که انتخاب موثرترین مولفه های جدید بازاریابی ویروسی می تواند تاثیر زیادی در دقت مدل بازاریابی ویروسی در کسب وکارهای آنلاین داشته باشد، جهت شناسایی تاثیرگذارترین مولفه ها از الگوریتم فراابتکاری ژنتیک استفاده شد که نرم افزارهای به کارگرفته شده در این بخش WEKAو RAPIDMINERمی باشد. در نهایت با استفاده از روش درخت تصمیم قوانین بهینه سازی بازاریابی ویروسی شناسایی گردید. یافته ها ابتدا در بخش کیفی حاکی از آن است که ترغیب آنلاین، اعتماد آنلاین، پشتیبانی آنلاین، خدمات آنلاین، جذابیت آنلاین و ریسک پذیری آنلاین بعنوان مولفه های بازاریابی ویروسی می باشند. در ادامه در بخش کمی و الگوریتم ژنتیک نشان داد که مولفه ی ریسک پذیری آنلاین نمی تواند به عنوان مولفه اثرگذار جهت مدل سازی و استخراج قوانین بازاریابی ویروسی به کار گرفته شود، بنابراین از میان شش مولفه حذف گردید