KECERDASAN BUATAN DALAM PEMASARAN: TINJAUAN SISTEMATIS PEMASARAN MASA DEPAN

Abstract

Abstrak

Teknologi disruptif seperti internet of things, analitik big data, blockchain, dan kecerdasan buatan telah mengubah cara operasi bisnis. Dari semua teknologi disruptif tersebut, kecerdasan buatan (AI) adalah disruptor teknologi terbaru dan memiliki potensi transformasi pemasaran yang besar. Para praktisi di seluruh dunia berusaha mencari solusi AI terbaik yang sesuai untuk fungsi pemasaran mereka. Namun, tinjauan literatur sistematis dapat menyoroti pentingnya kecerdasan buatan (AI) dalam pemasaran dan mencatat arah penelitian masa depan. Penelitian ini bertujuan untuk menyajikan tinjauan komprehensif tentang AI dalam pemasaran menggunakan analisis bibliometrik, konseptual, dan jaringan intelektual dari literatur yang ada yang diterbitkan antara tahun 1982 dan 2020. Tinjauan komprehensif dari seribu lima ratus delapan puluh makalah membantu mengidentifikasi kinerja pelaku ilmiah seperti penulis yang paling relevan dan sumber-sumber yang paling relevan. Selain itu, analisis ko-sitasi dan ko-kejadian menawarkan jaringan konseptual dan intelektual. Pengelompokan data menggunakan algoritma Louvain membantu mengidentifikasi sub-tema penelitian dan arah penelitian masa depan untuk mengembangkan AI dalam pemasaran.

Abstract

Disruptive technologies, such as the internet of things, big data analytics, blockchain, and artificial intelligence, have revolutionized business operations. Among these disruptive technologies, artificial intelligence (AI) stands out as the most recent and significant disruptor with enormous potential for transforming marketing practices. Globally, professionals are actively seeking the most suitable AI solutions for their marketing endeavors. Conducting a systematic literature review can shed light on the crucial role of artificial intelligence (AI) in marketing and pave the way for future research initiatives.

The objective of this current study is to provide a comprehensive examination of AI's impact on marketing by employing bibliometric, conceptual, and intellectual network analyses on existing literature spanning from 1982 to 2020. Through a thorough review of 1580 papers, the research successfully identified key contributors, such as the most relevant authors and sources, shaping the field. Moreover, co-citation and co-occurrence analyses allowed for the exploration of conceptual and intellectual connections within the domain. Employing the Louvain algorithm for data clustering facilitated the identification of research sub-themes and potential future directions for advancing AI in marketing.