نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد علوم شناختی، گروه رسانه موسسه آموزش عالی علوم شناختی، تهران، ایران

2 فارغ التحصیل کارشناسی ارشد مدیریت فناوری اطلاعات، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

چکیده

با توجه به اثر تبلیغات بازرگانی بر میزان فروش محصولات شرکت‌های تجاری، تنظیم هدفمند و حرفه‌ای این تبلیغات به دغدغۀ کارشناسان تبلیغاتی شرکت‌ها تبدیل شده‌ است. شعارها، استعاره‌ها و قالب‌های ادبی- هنری مورداستفاده در تبلیغات، شکلی کاملاً حرفه‌ای به خود گرفته و میزان تاثیر گذاری آنها بر مخاطبان در محاورات و گفت‌و‌گوهای روزمره، مورد بحث کارشناسان قرار گرفته است. یکی از بسترهای مهم برای سنجشِ بخشی از این تأثیرات، پیام‌های ردوبدل‌شده در میان کاربران شبکه‌های اجتماعی است. این پژوهش درصدد است استفادۀ کاربران شبکه‌های اجتماعی از محتوای کلامی به‌کاررفته در تبلیغات بازرگانی- در حوزه‌های غیربازرگانی را- تبیین کرده و برخی از ابعاد آن را روشن کند. در این پژوهش، محتوای هشت پیام بازرگانی تلویزیونی در شبکۀ اجتماعی توییتر به روش شبکه‌نگاری و روش‌های تحلیل کلان‌داده، بررسی شده ‌است. از جمله یافته‌های این پژوهش، کشف حوزه‌های غیربازرگانی پرکاربرد محتوای موردمطالعه، قسمت‌های موردتوجه کاربران در تبلیغات بازرگانی و رویکرد هیجانی کاربران نسبت به آنها بوده ‌است. نتایج نشان می‌دهد علاوه ‌بر استفاده از محتوای تبلیغات بازرگانی در محاورات ارتباطی شبکه‌های اجتماعی، الگوهای کلامی و غیرکلامی مؤثری در متن پیام‌های مخاطبان ایجاد شده است.

کلیدواژه‌ها

عنوان مقاله [English]

The Explanation of Twitter’s Messages Susceptibility from the Content of Commercial Ads

نویسندگان [English]

  • Mohammad Mortezazadeh 1
  • Saied Rahmat allah Motevalli Emami 2

1 M.A. in student of Cognitive Sciences, Faculty of Media, Institute of Higher Education of Cognitive Sciences, Tehran, Iran(Corresponding Author).

2 M.A. in Information Technology Management, Faculty of Management and Economics, Islamic Azad University, Science and Research Branch, Tehran, Iran

چکیده [English]

By considering the impact of commercial ads on the scale of product sale in trade companies, setting up targeted professional ads has become the obsession of advertising experts of companies. Art & literary formats plus metaphors & slogans in advertising, have completely become professional, that is why the experts are discussing the scale they have impressed the daily life of people. One of the important platforms for evaluating the effect of these impacts, are social networks, where people exchange the content.
This research is trying to explain & clarify the dimensions of usage by users from social networks in regard to applying verbal content from commercial ads in non-commercial fields. In this research the content of 8 TVC’s in Twitter, has been surveyed by analyzing Meta-Data & Netnography. The discovery of non-commercial fields with vast application in relation to the content being studied is among the findings of this research. The parts of ads in which gained more attention are those stimulating the emotion of users. In addition to using the content of ads in social networks chats, the outcome of the research unveils the effective verbal & non-verbal patterns in the user’s messages.

کلیدواژه‌ها [English]

  • Commercial advertising
  • Big Data Analysis
  • Social Networks
  • Twitter
حکیم‌آرا، محمدعلی (1377). «تبلیغ و کارآیی آن». نشریة سروش. شمارة 898. 8-7
رسولی، محمدرضا؛ و کیانی‌منش، کامران (1389). «بررسی اثربخشی تبلیغات بازرگانی تلویزیونی بین شهروندان تهرانی». کتاب ماه علوم اجتماعی. س4. ش30. 95-86.
سجاد، بدری (1396). «تحلیل عملکرد نقش ترغیبی زبان در آگهی‌های بازرگانی». نشریة علم زبان. س6. ش9. 54-33.
سجادیان، فاطمه؛ و سوری، محمد احسان؛ شیخ، رضا (1395). «تأثیر بازاریابی ویروسی بر عملکرد مشتریان: نتنوگرافی یک موج هشتگی در توییتر». نخستین کنفرانس بینالمللی و دومین کنفرانس ملی هزارة سوم و علوم انسانی. برگرفته از:
https://search.ricest.ac.ir/DL/Digitization/TempDownload/AllPage576280834Limit.pdf.
سنگ‌سیاهی، میترا (1392). «بررسی تأثیر تبلیغات بازرگانی تلویزیونی بر نگرش دانش‌آموزان دبستانی تهران». پایان‌نامة کارشناسی ارشد. دانشکدة علوم اجتماعی و اقتصادی. دانشگاه الزهرا. برگرفته از:
https://ganj.irandoc.ac.ir//#/articles/90fc64576cc9e17b5ae1835cc09ec1ea/fulltext.
شیخ، رضا؛ و شامبیاتی، هانیه؛ وکیلی، گلاله (1396). «نتنوگرافی بر مبنای اطلاعات ناقص رویکردی جدید در تحلیل کامنت‌های کاربران اینترنتی». نشریة مدیریت فناوری اطلاعات. س9. ش31. 354- 333.
صمیمی، شهرزاد؛ و ظفرمند، سیدجواد (1394). «ابعاد فرهنگی در تبلیغات بازرگانی: مطالعة تبلیغات تلویزیونی شبکه‌های سراسری ایران». نشریة نامة هنرهای تجسمی و کاربردی. س8. ش15. 92-81.
فخرایی، تژامیر (1379). «آوای خاموش در گفتمان تبلیغ». مجموعهمقالات نخستین همایش و نمایشگاه صنعت تبلیغات در ایران. ادارة کل تبلیغات وزارت فرهنگ و ارشاد اسلامی. چ1. 193- 192.
Bowler, Jr: & Gary, M (2010). Netnography A Method Specifically Designed to Study Cultures and Communities Online. The Qualitative Report. 15(5). 1270-1275.
Hill, Shawndra: & Nalavade, Aman: Benton, Adrian (2012). Social TV: Real-time social media response to TV advertising. Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 1-9.
Kozinets, R.V (2002). The Field Behind the Screen: Using Netnography for Marketing Research in Online Communities. Journal of Marketing Research. (8)2. 189-203.
Kozinets, R. V (2002). The Field Behind the Screen: Using Netnography for Marketing Research in Online Communities. Journal of Marketing Research. 39 (1). 61-72.
Langer, R: & Beckman, S.C (2005). Sensitive research topics: netnography revisited. QualitativeMarket Research: An International Journal. 8(2). 189-203.
Rageh, A: & Melewar, T. C: Woodside, A (2010). A netnography study to uncover the underlying dimensions of customer experience with resort brands.
Retrieved from the Web Jan 01. 2010.
https://bura.brunel.ac.uk/bitstream/2438/4277/1/Netnography%20paper%20for%20JCR.pdf.
Rollins, M., Nickell, D: & Wei, J (2014). Understanding salespeople’s learning experiences through blogging: A social learning approach.Industrial Marketing Management. 43(6). 1063-1069.
Xun, J: & Reynolds, J (2010). Applying netnography to market research: The case of the online forum. Journal of Targeting. Measurement and Analysis for Marketing. 18(1). 17-31.
Plutchik, R (1980). Rule-based Emotion Detection on Social Media: Putting Tweets on Plutchik’s Wheel - Scientific Figure on ResearchGate. Retrieved from the Web Aug 20. 2020.
https://www.researchgate.net/figure/Plutchiks-wheel-of-emotions-Plutchik-1980_fig1_269636103