УДК 339.13:004.738.5
DOI: 10.36871/ek.up.p.r.2025.10.13.033
Авторы
Ирина Романовна Топунова,
Государственный университет управления, Москва, Россия
Алина Сергеевна Топунова,
Финансовый университет при Правительстве Российской Федерации, Москва, Россия
Аннотация
Современная электронная коммерция формирует высокоадаптивную среду, в которой поведение потребителей всё чаще определяется цифровыми следами — данными, оставляемыми пользователями при взаимодействии с онлайн-платформами. В условиях растущей конкуренции, алгоритмической персонализации и глобального сдвига в сторону e-commerce, прогнозирование изменений в потребительском поведении становится стратегическим ресурсом для бизнеса и государства. Настоящее исследование направлено на систематизацию подходов к анализу цифровых следов и построению моделей предсказания поведенческих трендов в электронной торговле. Рассмотрены методы обработки больших данных (big data), машинного обучения, поведенческого таргетинга и когнитивной аналитики, позволяющие оценивать мотивации, предпочтения, намерения и вероятности конверсии. Представлена концептуальная модель прогнозирования, основанная на анализе траекторий цифровой активности и событийных паттернов. Выводы исследования могут быть применимы для стратегического маркетинга, повышения UX-дизайна платформ и регулирования цифрового потребления.
Ключевые слова
электронная коммерция, цифровые следы, потребительское поведение, прогнозирование, big data, машинное обучение, поведенческая аналитика, рекомендательные системы, цифровой маркетинг, персонализация
