راهبرد اقناعی تبلیغات در رسانه‌های اجتماعیرسانه‌های اجتماعی امروز رشد و توسعه زیادی یافته‌اند و افراد زیادی بصورت روزمره از آنها استفاده می‌کنند،همچنین این رسانه ها نفوذ بسیار زیادی بر مخاطبان خود دارند. برنامه‌های رسانه‌های اجتماعی، در بستر تلفن های همراه نیز، به دلیل ویژگی‌هایی نظیر دسترسی آسان، جذابیت، تعاملی بودن در میان سایر رسانه‌های اجتماعی از رشد و محبوبیت برخوردار است و به لحاظ آگاه سازی و اطلاع رسانی کارکرد مطلوبی نیز دارند.این پژوهش به منظور طراحی راهبرد اقناعی تبلیغات در رسانه‌های اجتماعی مطالعه موردی (اینستاگرام ) طراحی شده است .این تحقیق به لحاظ کاربرد از نوع تحقیق کاربردی، به لحاظ هدف از نوع تحقیق اکتشافی-توصیفی، از لحاظ افق زمانی از نوع مقطعی، و به لحاظ شیوه جمع آوری داده ها در برگیرنده ترکیبی از روش‌های کیفی وکمی است . جامعه آماری این تحقیق را خبرگان و صاحب نظران فضای مجازی تشکیل می دهند.جهت انجام این پژوهش در ابتدا مصاحبه‌ای در قالب پرسشنامه از خبرگان انجام گرفت سپس متن مصاحبه‌ها با روش تحلیل محتوا توسط نرم افزار maxqda کدگذاری شد که در نهایت 58 شاخص مورد انتخاب قرارگرفت در مرحله مربوط به تحلیل کمی داده های حاصل از پرسش نامه بسته، حجم نمونه بر اساس جامعه مورد مطالعه و با استفاده از فرمول کوکران حدود 196 نفر تعیین شد وسپس با روش تحلیل عامل اکتشافی نتایج پژوهش در11 دسته قرار گرفت. با توجه به نتایج بدست آمده عناصر و گویه‌های تحقیق با یکدیگر همبستگی مناسبی دارند.واژه های کلیدی: تحلیل محتوا، تبلیغات، رسانه های اجتماعی، اقناع در تبلیغات، رسانه Manuscript profile

This research highlights the significance of biometric authentication in ensuring secure and reliable identification across various domains. The proposed approach combines fingerprint and eye biometric features, leveraging the "or" relationship to authenticate individuals using either feature when necessary. By incorporating multiple biometric features, the model enhances accuracy and reliability, providing a comprehensive solution for identity verification. The use of a convolutional neural network (CNN) enables high accuracy and effective processing of diverse image types. The results demonstrate remarkable performance, with accuracy rates exceeding 99% in both fingerprint and eye biometric authentication. The model's integration of multiple features and advanced machine learning techniques enhances authentication processes, enabling better management of access control and reducing unauthorized access risks. Future research should explore expanding the range of biometric features and further improving the model's architecture and algorithms to adapt to emerging technologies and security requirements. Overall, this research emphasizes the importance of biometric authentication, presents an effective approach, and paves the way for advancements in the field, enabling organizations to establish robust and secure identification systems. Manuscript profile