Keywords
алгоритмы искусственного интеллекта;
маркетинг в социальных сетях;
машинное обучение;
анализ цифрового поведения;
персонализация;
How to Cite
Abstract
В этом исследовании изучается растущее влияние алгоритмов таргетированной рекламы на базе ИИ в экосистемах социальных сетей и дается комплексная оценка их эффективности с помощью междисциплинарной аналитической структуры. Объединяя идеи из вычислительной рекламы, исследований цифрового поведения, алгоритмического управления и маркетинговой аналитики, исследование изучает, как механизмы, управляемые ИИ, такие как профилирование пользователей, поведенческое прогнозирование, персонализация в реальном времени и контекстуальный вывод, меняют
архитектуру онлайн-убеждения. Анализ опирается на эмпирические результаты, метрики эффективности и сравнительные алгоритмические структуры для оценки того, насколько точно таргетированная реклама влияет на показатели вовлеченности, результаты конверсии и удержание аудитории.
References
1. Chen Y., Wang D., Yuan Y. Computational advertising: Challenges and opportunities // Marketing Science. – New York: INFORMS, 2019. – Vol. 38(6). – Pp. 849–875.
2. Kahneman D. Thinking, Fast and Slow. – New York: Farrar, Straus and Giroux, 2011. – 512 p.
3. Thaler R., Sunstein C. Nudge: Improving Decisions about Health, Wealth, and Happiness. – Yale University Press, 2008. – 293 p.
4. Zuboff S. The Age of Surveillance Capitalism. – London: Profile Books, 2019. – 691 p.
5. Diakopoulos N. Algorithmic accountability in journalism // Digital Journalism. – London: Routledge, 2016. – Vol. 3(3). – Pp. 398–415.
This work is licensed under a Creative Commons Attribution 4.0 International License.