УДК 339.138
DOI: 10.36871/ek.up.p.r.2025.12.24.015

Авторы

Наталья Александровна Титова,
Новосибирский государственный университет экономики и управления (НИНХ), Новосибирск, Россия

Аннотация

В статье рассматриваются современные подходы к анализу целевой аудитории с целью разработки персонализированного контента, основанные на синтезе классических моделей и технологий искусственного интеллекта (ИИ). Автор анализирует традиционные методы анализа целевой аудитории — Jobs To Be Done-концепцию (JTBD), лестницу Бена Ханта, а также исследует возможности интеграции этих подходов с аналитическими и генеративными инструментами ИИ. Особое внимание уделяется алгоритмам формирования промтов для нейросетей, позволяющим получать глубокие инсайты о мотивах, барьерах и паттернах поведения различных сегментов аудитории. На практических примерах демонстрируется, как сочетание классических методов и ИИ-аналитики обеспечивает более точное выявление потребностей, разработку релевантных контент-идей и формирование эффективных контент-стратегий. Подчёркивается, что только комплексный подход, объединяющий экспертные знания и возможности искусственного интеллекта, позволяет создавать аутентичный, ценный и персонализированный контент, способствующий формированию лояльности и эмоциональной привязанности к бренду.

Ключевые слова

методы анализа целевой аудитории, контент-стратегия, искусственный интеллект, персонализация контента, Jobs To Be Done-концепция, лестница Бена Ханта, промпты для нейросетей, генеративный искусственный интеллект, каналы дистрибуции контента.

Список литературы

  1. Алексеев С.В., Наумов Е. И. Сегментация целевой аудитории: взаимодействие с контентом на рекламных площадках и в социальных медиа // Человек — Семья — Общество — Государство — Бизнес: формирование образа будущего России: материалы Всероссийской (национальной) научно-практической конференции. — Москва: Московский университет им. С.Ю.Витте, 2024. — С. 229–238
  2. Белоедова А.В., Романова В. П. Искусственный интеллект в рекламе: технологические и правовые вызовы // Вопросы журналистики, педагогики, языкознания. — 2024. — Т. 43, № 3. — С. 255–265. — DOI 10.52575/2712– 7451–2024–43–3–255–265. — EDN SKBEVK
  3. Дулепинская Д. А. Способы разграничения целевых аудиторий и каналы коммуникации с ними // Вестник науки. — 2023. — Т. 4, № 9 (66). — С. 23–27
  4. Кузнецова А. Д. Сущность, этапы и методы анализа целевой аудитории // Научный аспект. — 2021. — Т. 6, № 2. — С. 634–636. — EDN LWPLLP
  5. Мелехова А. С. Контент-стратегия как эффективный инструмент бренд-коммуникации в условиях экономических вызовов // Вестник Российского экономического университета имени Г.В. Плеханова. — 2022. — Т. 19, № 5(125). — С. 228–238. — DOI 10.21686/2413–2829–2022– 5–228–238. — EDN OLKVTB
  6. Розенберг Н.В., Питерова А.Ю. Методы анализа целевой аудитории в digital-маркетинге: от сегментации до CJM // Неофилология. — 2025. — Т. 11, № 2. — С. 360–372
  7. Титова Н. А. Контент-стратегия предприятия: особенности формирования и реализации // Экономика и предпринимательство. — 2023. — № 9(158). — С. 836– 842. — DOI 10.34925/EIP.2023.158.09.158. — EDN IQNXXN
  8. Харламова И. Ю. Интегрированный подход к маркетинговым коммуникациям // Современные тенденции в экономике и управлении: новый взгляд.—2010.—№ 6.—С. 110–114.— EDN RTKBST
  9. Шендрик В. В. Применение искусственного интеллекта для персонализации пользовательского контента в маркетинговых предложениях компании // Путеводитель предпринимателя.— 2024. — Т. 17, № 1. — С. 63–71
  10. Мишурко Алена. SMM, маркетинг, соц сети и фриланс [Электронный ресурс]. — URL: https://course.bi-step.ru/ (дата обращения: 09.04.2026) 11. Deloitte sees enterprises adopting AI without revenue lift // The Register [Электронный ресурс].— URL: https://www.theregister.com/2026/01/21/ deloitte_enterprises_adopting_ai_revenue_lift/ (дата обращения: 09.04.2026)