AI Model to Calculate Products’ Rates Based on Customer's Reviews | ||
| المجلة الدولية للسياسات العامة في مصر | ||
| Volume 2, Issue 2, April 2023, Pages 211-229 PDF (641.93 K) | ||
| Document Type: المقالة الأصلية | ||
| DOI: 10.21608/ijppe.2023.296591 | ||
| Authors | ||
| عمرو العراقي* 1; صهيب الجنيدي2 | ||
| 1الجامعة الأمريكية بالقاهرة | ||
| 2جامعة القاهرة | ||
| Abstract | ||
| زاد حجم التجارة الإلكترونية والتسوق عبر الإنترنت مؤخرًا، خاصة في ظل تأثير كوفيد-19، مما جعل مراجعات العملاء والمحتوى الذي ينشؤه المستخدمون حول المنتجات أحد أهم العوامل التي يعتمد عليها المستهلكون الجدد قبل اتخاذ قرارات شراء جديدة. وكشف مسح أجراه Zhong-Gang et al. (2015) أن نحو 60٪ من المستهلكين يتصفحون مراجعات المنتجات عبر الإنترنت مرة واحدة على الأقل في الأسبوع، ويعتقد 93٪ منهم أن هذه المراجعات تساعدهم على تحسين الدقة في قرارات الشراء. لذلك، تسعى الورقة البحثية إلى تطوير نموذج ذكاء اصطناعي، يحسب تقييم المنتج بناءً على احتمالية وجود ردود فعل سلبية في المراجعة النصية المكتوبة من قبل العملاء، وتطبيق هذا النموذج على مجموعة بيانات تم الحصول عليها من موقع Kaggle، تتضمن مراجعات نصية لعملاء حول منتجات ملابس نسائية؛ وذلك لمقارنة نتائج النموذج مع تقييم العملاء الفعلي المدرج ضمن قاعدة البيانات نفسها. وتنطلق هذه الورقة البحثية من فرضية أن المراجعات النصية للمستهلكين على المنتجات أو الخدمات أكثر دقة من التقييمات العددية؛ حيث إنه من الممكن أن تتأثر التقييمات العددية بالشعور العاطفي للمستهلكين حيال المنتج، حيث قد يكونون غاضبين للغاية، مما يؤثر على دقة الرقم الذي يحددونه عبر التقييمات العددية، في حين أن المراجعات النصية تعطي المستهلكين الفرصة لشرح انطباعاتهم عن المنتج، وتحديد الجوانب الإيجابية والسلبية له. غالبًا ما يكون لدى المستهلكين شكاوى حول جانب معين من المنتج، مثل: التغليف، وتأخر التسليم، أو مشكلات أخرى قد لا تكون مرتبطة بالمنتج نفسه أو سماته الأساسية، ولكن على الرغم من ذلك، يكون تقييمهم العددي للمنتج مُتدَنيًا؛ ما يجعل تقييم المستهلكين العددي بمفرده غير عادل، ولا يعكس ميزات المنتج، وعيوبه. يساعد النموذج المقترح في هذا البحث، على تقديم منهجية أكثر دقة عند تقييم المنتجات والخدمات المقدمة للمستهلكين، سواء عن بعد أو بشكل مباشر، كما يقدم وسيلة تقييم أكثر دقة وإنصافًا وموثوقية؛ لمساعدة العملاء الجدد على اتخاذ قرارات شراء أفضل. | ||
| Keywords | ||
| الذكاء الاصطناعي; التعلُّم العميق; تصنيف المحتوى النصي; تقييمات العملاء | ||
| References | ||
|
| ||
|
Statistics Article View: 463 PDF Download: 614 |
||
