Key points are not available for this paper at this time.
Dieser Artikel wendet systematisch maschinelles Lernen und Datenumhüllungsanalyse (DEA) an, um Twitter-Nachrichten, Twitter-Metriken und finanzielle Kennzahlen von Organisationen zu analysieren, um Einblicke in eine wirkungsvolle Messaging-Typologie in sozialen Netzwerken zu gewinnen. Automatisiertes maschinelles Lernen wird für die Klassifizierung von Tweets ausgewählter US-Möbel-Einzelhändler eingesetzt, während verschiedene DEA-Modelle verwendet werden, um mehrere Eingangsmetriken zu analysieren und ein Effizienzranking für die ausgewählten Marken zu erhalten. Basierend auf diesen Analysen diskutiert der Artikel die Auswirkungen der Ergebnisse für Marketingverantwortliche kleiner und mittlerer Unternehmen auf Branchenebene. Empfehlungen für die praktische Umsetzung in der Branche werden ebenfalls gegeben, zusätzlich zu den Richtungen bezüglich zukünftiger Forschung.
Kongar et al. (Do,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: