فهرست نشریات علمی دسترسی آزاد ایران

صنعت مد با چالش تولید محتوای دیجیتال اثربخش در فضایی پر از اطلاعات روبروست؛ چالشی که تصمیم‌گیری شهودی را ناکارآمد ساخته است. پژوهش حاضر با هدف طراحی الگویی داده‌محور برای پیش‌بینی اثربخشی محتوا در لینکدین، از رویکرد ترکیبی توالی تبیینی بهره گرفته است. ابتدا با مشارکت ده متخصص بازاریابی دیجیتال و کاربرد روش تحلیل سلسله‌مراتبی (AHP)، شاخص موزون محبوبیت تعریف شد که در آن، نظرات (443/0)، بازنشرها (371/0) و لایک‌ها (186/0) با اهمیت متفاوت لحاظ گردیدند. سپس، 11,950 پست عمومی لینکدین مرتبط با صنعت مد، با رعایت ملاحظات اخلاقی و ناشناس‌سازی داده‌ها، مورد تحلیل قرار گرفت. کاربرد تکنیک‌های پردازش زبان طبیعی نشان داد که علی‌رغم غلبه محتوای مثبت (3/54 درصد)، بیش از 91 درصد پست‌ها در سطح محبوبیت ضعیف قرار دارند، یافته‌ای که پارادوکس “مثبت‌گرایی بدون اثربخشی” را آشکار می‌سازد. تحلیل واژگانی، اهمیت برجسته کلمات مرتبط با برندهای معتبر، فرصت‌های شغلی و نوآوری را در جلب توجه مخاطبان نمایان ساخت. در مرحله مدل‌سازی، الگوریتم جنگل تصادفی با قابلیت استخراج قواعد تفسیرپذیر، به عنوان مدل بهینه شناخته شد، اما علی‌رغم دقت کلی ظاهری 92 درصد، تحلیل عمیق‌تر نشان داد که مدل در پیش‌بینی محتوای موفق (کلاس‌های اقلیت) با چالش روبروست و بازخوانی آن برای طبقات “خوب” و “عالی” تنها 4 درصد است. با وجود این محدودیت، قواعد استخراج‌شده، الگوی عملی ترکیب اعتبار برند، ارزش ملموس و لحن مثبت را برای تولید محتوای اثربخش ارائه می‌دهند. این پژوهش با پیوند دانش کیفی خبرگان و قدرت تحلیلی یادگیری ماشین، چارچوبی عملیاتی برای گذار از تصمیم‌گیری شهودی به تصمیمات مبتنی بر شواهد در بازاریابی محتوایی صنعت مد فراهم می‌آورد.