Megkülönböztető stratégia az e-kereskedelem területén, reflektorfényben az AI technológia

Article Sidebar

PDF
Megjelent: jún. 8, 2026
DOI: https://doi.org/10.14232/jtgf.2026.2.55-61
Kulcsszavak:
e-kereskedelem, mesterséges intelligencia, online kereskedelem, versenyelőny, omnichannel marketing, keresőoptimalizálás

Main Article Content

Oláh Bertold
Debreceni Egyetem Gazdálkodás- és Szervezéstudományok Doktori Iskola
https://orcid.org/0000-0001-5986-5998
Balogh Péter
Debreceni Egyetem Gazdaságtudományi Kar
https://orcid.org/0000-0002-8611-0221

Absztrakt

Az e-kereskedelem területén a mesterséges intelligencia (AI) technológiák alkalmazása jelentős versenyelőnyt biztosít a vállalkozások számára. A dolgozat bemutatja, hogyan formálta át a digitális fejlődés a vásárlási szokásokat, különös tekintettel a világjárványra, amely felgyorsította az online kereskedelem térnyerését. A mesterséges intelligencia szerepe kiemelkedő az e-kereskedelemben, hiszen lehetővé teszi az automatizált ügyfélszolgálatot, a célzott marketinget, az ár optimalizálását, valamint a kereslet és értékesítés előrejelzését. A dolgozat kitér a mesterséges intelligencia által nyújtott megkülönböztető stratégiákra, például az omnichannel marketingre és az AI alapú keresőoptimalizálásra, amelyek növelik a felhasználói élményt és a vállalati hatékonyságot. A konklúzió hangsúlyozza, hogy az AI technológiák egyre nagyobb szerepet kapnak az e-kereskedelem fejlődésében, és alapvető eszközzé válnak a cégek sikerének biztosításában.

Letöltések

Letölthető adat még nem áll rendelkezésre.

Article Details

Hogyan kell idézni
Oláh, Bertold, és Péter Balogh. 2026. „Megkülönböztető stratégia Az E-Kereskedelem területén, reflektorfényben Az AI technológia”. Jelenkori Társadalmi és Gazdasági Folyamatok 21 (2):55-61. https://doi.org/10.14232/jtgf.2026.2.55-61.
Folyóirat szám
Évf. 21 szám 2 (2026)
Rovat
Gazdaság, vállalatok és digitális innováció
Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Hivatkozások

Berners-Lee, T. (1999). Weaving the web: The original design and ultimate destiny of the World Wide Web. Harper.

Bhatti, A., Akram, H., Basit, H. M., Khan, A. U., & Raza, S. M. (2020). E-commerce trends during COVID-19 pandemic. International Journal of Future Generation Communication and Networking, 13(2), 1449–1452.

Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W. W. Norton & Company.

Chen, Y., Mislove, A., & Wilson, C. (2016). An empirical analysis of algorithmic pricing on Amazon Marketplace. In Proceedings of the 25th International World Wide Web Conference. https://doi.org/10.1145/2872427.2883089

Choi, T. M., Wallace, S. W., & Wang, Y. (2018). Big data analytics in operations management. Production and Operations Management, 27(10), 1868–1883. https://doi.org/10.1111/poms.12838

Davenport, T. H., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24–42. https://doi.org/10.1007/s11747-019-00696-0

Evans, D. S., & Schmalensee, R. (2016). Matchmakers: The new economics of multisided platforms. Harvard Business Review Press. https://doi.org/10.2139/ssrn.2793021

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.

Hochreiter, S., & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780. https://doi.org/10.1162/neco.1997.9.8.1735

Huang, M. H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30–50. https://doi.org/10.1007/s11747-020-00749-9

Kannan, P. K., & Li, H. A. (2017). Digital marketing: A framework. International Journal of Research in Marketing, 34(1), 22–45. https://doi.org/10.1016/j.ijresmar.2016.11.006

Laudon, K. C., & Traver, C. G. (2021). E-commerce 2021: Business, technology, society. Pearson.

McKinsey & Company. (2021). The value of getting personalization right—or wrong—is multiplying. https://www.mckinsey.com

OECD. (2021). E-commerce in the time of COVID-19. OECD Publishing.

Ricci, F., Rokach, L., & Shapira, B. (2015). Recommender systems handbook. Springer. https://doi.org/10.1007/978-1-4899-7637-6

Statista. (2023). E-commerce statistics and trends. https://www.statista.com

The Economic Times. (2021). Benefits of online shopping. https://economictimes.indiatimes.com

Turban, E., Outland, J., King, D., Lee, J. K., Liang, T. P., & Turban, D. C. (2018). Electronic commerce 2018: A managerial and social networks perspective. Springer. https://doi.org/10.1007/978-3-319-58715-8

Varian, H. R. (2019). Artificial intelligence, economics, and industrial organization (NBER Working Paper No. 24839). https://doi.org/10.3386/w24839

Verhoef, P. C., Kannan, P. K., & Inman, J. J. (2015). From multi-channel to omni-channel retailing. Journal of Retailing, 91(2), 174–181. https://doi.org/10.1016/j.jretai.2015.02.005

Wedel, M., & Kannan, P. K. (2016). Marketing analytics for data-rich environments. Journal of Marketing, 80(6), 97–121. https://doi.org/10.1509/jm.15.0413