همایش آروین البرز MANJR 1 4 2025 10 07 Using AI-Based Recommender Systems to Improve Online Shopping Experience and Increase Customer Satisfaction in International Markets به‌کارگیری سیستم‌های توصیه‌گر مبتنی بر هوش مصنوعی در ارتقای تجربه خرید آنلاین و افزایش رضایت مشتریان در بازارهای بین‌المللی 76 91 10.22051/jera.2021.31891.2698 FA لیلا کارشناسی ارشد مدیریت بازرگانی گرایش بازرگانی بین الملل، دانشگاه غیرانتفاعی تابران، مشهد، ایران. 2025 10 01 With the rapid growth of e-commerce and increasing competition in international markets, providing a personalized shopping experience has become one of the key factors for the success of businesses. Artificial intelligence-based recommender systems, using data mining, machine learning, and natural language processing, have the ability to analyze customer behavior and provide targeted recommendations that can lead to increased engagement, reduced decision-making time, and improved customer loyalty. The purpose of this study is to investigate the impact of using intelligent recommender systems on improving the online shopping experience and increasing customer satisfaction in international markets. The method of this study is based on a systematic literature review and qualitative analysis of the findings of domestic and foreign research conducted in the field of design and evaluation of the efficiency of recommender systems. The data includes the results of reputable studies between 2008 and 2025 and are analyzed in a comparative manner based on classification models (content-based, collaborative filtering, and hybrid), advantages, and challenges. The findings show that these systems can significantly increase visitor-to-customer conversion rates, reduce cart abandonment rates, and improve profitability by offering relevant and complementary products. At the same time, challenges such as data privacy, poor data quality, user resistance to change, and development costs are considered to be the main obstacles to the successful implementation of this technology. The results also indicate that combining advanced algorithms with personalization approaches and the use of real-time feedback technology can significantly increase the accuracy and efficiency of recommendations. In conclusion, this research emphasizes that recommender systems are not only a tool for immediate sales and customer satisfaction improvements, but also a strategic asset for creating sustainable competitive advantage in global markets. It is suggested that businesses increase the efficiency of these systems by investing in developing safer algorithms, educating users, utilizing rich and integrated data, and innovative research to create a differentiated and sustainable shopping experience. با رشد سریع تجارت الکترونیک و افزایش رقابت در بازارهای بین‌المللی، ارائه تجربه خرید شخصی‌سازی‌شده به یکی از عوامل کلیدی موفقیت کسب‌وکارها تبدیل شده است. سیستم‌های توصیه‌گر مبتنی بر هوش مصنوعی، با بهره‌گیری از داده‌کاوی، یادگیری ماشین و پردازش زبان طبیعی، توانایی تحلیل رفتار مشتریان و ارائه پیشنهادات هدفمند را دارند که می‌تواند منجر به افزایش تعامل، کاهش زمان تصمیم‌گیری و ارتقای وفاداری مشتریان شود. هدف این پژوهش، بررسی تأثیر به‌کارگیری سیستم‌های توصیه‌گر هوشمند بر بهبود تجربه خرید آنلاین و افزایش رضایت مخاطبان در بازارهای بین‌المللی است. روش این مطالعه مبتنی بر مرور نظام‌مند ادبیات و تحلیل کیفی یافته‌های پژوهش‌های داخلی و خارجی است که در حوزه طراحی و ارزیابی کارایی سیستم‌های توصیه‌گر انجام شده‌اند. داده‌ها شامل نتایج مطالعات معتبر بین سال‌های 2008 تا 2025 بوده و بر اساس مدل‌های دسته‌بندی (مبتنی بر محتوا، فیلترینگ مشارکتی و هیبریدی)، مزایا و چالش‌ها به‌صورت مقایسه‌ای تحلیل شده‌اند. یافته‌ها نشان می‌دهد که این سیستم‌ها با ارائه محصولات مرتبط و مکمل، می‌توانند به‌طور چشمگیری نرخ تبدیل بازدیدکننده به مشتری را افزایش دهند، نرخ ترک سبدهای خرید را کاهش دهند و سودآوری را بهبود بخشند. در عین حال، چالش‌هایی مانند حفظ حریم خصوصی داده‌ها، کیفیت پایین داده‌ها، مقاومت کاربران در برابر تغییر و هزینه‌های توسعه از موانع اصلی پیاده‌سازی موفق این فناوری به شمار می‌روند. نتایج همچنین حاکی از آن است که ترکیب الگوریتم‌های پیشرفته با رویکردهای شخصی‌سازی و استفاده از فناوری بازخورد بلادرنگ، می‌تواند دقت و کارایی توصیه‌ها را به‌طور قابل توجهی افزایش دهد. در نتیجه‌گیری، این تحقیق تأکید می‌کند که سیستم‌های توصیه‌گر نه‌تنها ابزاری برای بهبود فوری فروش و رضایت مشتری هستند، بلکه یک دارایی استراتژیک برای ایجاد مزیت رقابتی پایدار در بازارهای جهانی محسوب می‌شوند. پیشنهاد می‌شود کسب‌وکارها با سرمایه‌گذاری بر توسعه الگوریتم‌های ایمن‌تر، آموزش کاربران، بهره‌گیری از داده‌های غنی و یکپارچه و تحقیقات نوآورانه، بهره‌وری این سیستم‌ها را در راستای خلق تجربه خرید متمایز و پایدار افزایش دهند. /downloadfilepdf/315330