امروزه ، شرکت ها و بنگاه های اقتصادی بیشتر و بیشتر تمایل به سوءاستفاده از اقدامات گسترده رسانه های اجتماعی بر روی خط ، مانند فیس بوک ، توییتر و اینستاگرام دارند. در واقع ، چندین کمپین تبلیغاتی و بازاریابی با اتخاذ همزمان چندین کانال رسانه های اجتماعی انجام می شود. این کمپین ها خیلی سریع به طیف گسترده ای از دسته های مختلف کاربران می رسند ، زیرا بسیاری از افراد بیشترین وقت خود را در طول روز در رسانه های اجتماعی آنلاین می گذرانند.
در این کار ، یک سیستم پشتیبانی تصمیم گیری (DSS) ارائه شده است ، که قادر است از شرکتها و بنگاههای اقتصادی در مدیریت کمپینهای تبلیغاتی و بازاریابی در کانالهای چند رسانه ای اجتماعی پشتیبانی کند. DSS پیشنهادی با جمع آوری نظرات کاربران رسانه های اجتماعی در مورد تبلیغات ، محصولات و خدمات ، به طور مداوم چندین کانال اجتماعی را رصد می کند. سپس ، از طریق تجزیه و تحلیل این داده ها ، DSS اعتبار برندهای مربوط به شرکت های خاص را تخمین زده و بازخوردهای مربوط به یک کمپین بازاریابی دیجیتال را ارائه می دهد.
هسته اصلی DSS پیشنهادی ، یک موتور آنالیز Sentiment (SAE) است که قادر است احساسات کاربران را از نظر قطبیت مثبت ، منفی یا خنثی برآورد کند ، که در یک اظهار نظر بیان شده است. SAE مبتنی بر یک مدل طبقه بندی متن یادگیری ماشینی است ، که در ابتدا با استفاده از جریان های داده واقعی که از سیستم عامل های مختلف رسانه های اجتماعی ویژه در بررسی کاربران (به عنوان مثال ، TripAdvisor) تهیه می شوند ، آموزش داده می شود. سپس ، نظارت و طبقه بندی احساسات بر روی نظرات به طور مداوم از مجموعه ای از صفحات عمومی و کانال های سیستم عامل های شبکه های اجتماعی در دسترس عمومی (به عنوان مثال ، فیس بوک ، توییتر و اینستاگرام) استخراج می شود. این رویکرد به عنوان تحلیل احساسات متقابل برچسب گذاری شده است.
پس از برخی بحث ها در مورد طراحی و اجرای DSS پیشنهادی ، نتایج در مورد آزمایش DSS پیشنهادی در دو سناریو ، یعنی رستوران ها و مغازه های الکترونیکی مصرفی نشان داده شده است. به طور خاص ، ابتدا کاربرد مدلهای تحلیل احساسات مؤثر ، که با تکیه بر بررسیهای کاربران ایجاد شده است ، مورد بحث قرار می گیرد: مدلها به دقت بیشتری از ۹۰٪ دست می یابند. سپس ، چنین مدل هایی در DSS پیشنهادی تعبیه شده اند. سرانجام ، نتایج یک کمپین شنوایی اجتماعی ارائه می شود. این کارزار با تلفیق جریانهای داده از کانالهای اجتماعی واقعی شرکتهای محبوب متعلق به سناریوهای منتخب انجام شد.