دانشگاه ولی‌عصر رفسنجان مطالعات مدیریت گردشگری عصر هوشمند 3092-6793 مقالات آماده انتشار 2026 03 30 Clustering Users of Social Media Networks in Customer Engagement and Brand Intention (Case Study: TripAdvisor) خوشه بندی کاربران شبکه‌های اجتماعی گردشگری در درگیری مشتری و قصد استفاده از برند (مورد مطالعه: TripAdvisor) 735011 10.22072/tmsse.2026.2077751.1095 FA سید رسول حسینی گروه مدیریت، واحد تربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران 0000-0003-0382-055X سید محمد تفرشی استادیار، گروه مدیریت، واحد تربت حیدریه، دانشگاه.آزاد اسلامی، تربت حیدریه ، ایران. 0000-0001-8860-1748 بیتا دلبری دکتری تخصصی مدیریت بازرگانی، گروه مدیریت، واحد تربت حیدریه، دانشگاه.آزاد اسلامی، تربت حیدریه ، ایران. 0009-0005-4716-9078 Journal Article 2025 11 14 Consumers heavily rely on social media networks for making travel decisions and actively engage with tourism brands on social media platforms. With the advancement of information technology and the emergence of social media networks, analyzing and understanding these networks and their components have become a priority for stakeholders. One of the key topics users of social media networks utilize them for is making travel decisions. Given the vast and growing number of these networks and internet websites, categorizing them from the perspective of service providers is essential for offering incentives and future collaboration. This research analyzes one of the most significant social media networks related to travel and tourism, namely TripAdvisor, using data collected from the user community. Based on the desired indicators of customers and users, clustering has been performed. The clustering process employs the Self-Organizing Map (SOM) artificial neural network in a two-stage approach with the k-means algorithm, facilitating the analysis of the resulting clusters. While various validation indices are commonly used nowadays to determine the optimal number of clusters, this study combines a multi-indicator decision-making approach and the aggregation of different indices to present an optimized model with a compensatory approach towards the indicators مصرف کنندگان برای اتخاذ تصمیمات سفر، به شبکه های اجتماعی متکی هستند و به طور فعال در روابط با برندهای گردشگری در رسانه های اجتماعی شرکت می کنند. با گسترش فناوری اطلاعات و ظهور شبکه‌های اجتماعی، برنامه‌ریزی و تحلیل این شبکه‌ها و اجزای آن‌ها به اولویت سازمان‌های ذینفع تبدیل شده است. یکی از مهم‌ترین موضوعاتی که کاربران شبکه‌های اجتماعی از آن در این شبکه‌ها استفاده می‌کنند اتخاذ تصمیمات سفر است با توجه به تعداد انبوه و در حال رشد این شبکه‌ها و وب-سایت‌های اینترنتی، دسته‌بندی آنها از دید تأمین‌کننده به منظور ارائه امتیازات و آینده‌نگری در همکاری ضروری است. این پژوهش، با استفاده از داده‌های جمع‌آوری شده از کاربران جامعه آماری، یکی از مهمترین شبکه‌های اجتماعی مرتبط با سفر و توریست که tripadvisor نام دارد مورد تحلیل قرار گرفته و بر اساس شاخص‌های مورد نظر مشتریان و کاربران، خوشه‌بندی انجام شده است. در این پژوهش فرآیند خوشه‌بندی با استفاده از شبکه عصبی مصنوعی SOM و در قالب روش دو مرحله‌ای آن با الگوریتم k-means انجام شده است که تحلیل خوشه‌های حاصل از شبکه عصبی را تسهیل می‌کند. هرچند امروزه به منظور تعیین بهترین تعداد خوشه‌ها، شاخص‌های اعتبارسنجی مختلفی رواج پیدا کرده است اما در این پژوهش با ترکیب روش تصمیم‌گیری چندشاخصه در مدل و تجمیع شاخص‌های مختلف، به ارائه یک مدل بهینه‌یابی با رویکرد جبرانی نسبت به شاخص‌ها پرداخته شده است.