УДК 658.8.012.3
DOI: 10.36871/2618-9976.2025.11-2.024

Авторы

Али Сулейманович Гасанов,
Кандидат экономических наук, доцент, Дагестанский государственный университет, Махачкала, Россия
Ольга Евгеньевна Коврижных,
Кандидат экономических наук, доцент, Казанский государственный энергетический университет, Казань, Россия
Марем Вахаевна Алиева,
Ассистент, Чеченский государственный университет им. А. А. Кадырова, Грозный, Россия

Аннотация

В статье разрабатывается концепция цифрового близнеца потребителя, репрезентированного через систему латентных профилей. Актуальность исследования обусловлена необходимостью перехода от статичной сегментации к динамическому прогнозному моделированию поведения потребителей на основе их цифровых следов. Теоретической основой выступает синтез парадигмы цифрового двойника, комплексного понимания цифрового следа и аппарата латентного моделирования. Методология исследования включает латентнокластерный анализ агрегированных данных, позволяющий выявить ненаблюдаемые непосредственно поведенческомотивационные паттерны. В результате верифицирована структура из пяти статистически значимых латентных профилей, демонстрирующих качественно различные типы цифровой идентичности — от «Цифрового минималиста» до «Холистичного адвоката». Содержательная интерпретация профилей раскрывает устойчивые диспозиции, определяющие логику взаимодействия потребителя с цифровой средой. Установлено, что выявленные латентные профили обладают более высокой прогностической силой по сравнению с традиционными подходами к сегментации, открывая возможности для проактивного моделирования потребительского пути. Практическая значимость работы заключается в создании методологической основы для гиперперсонализированных маркетинговых стратегий, предиктивного анализа оттока и развития проактивного сервиса. Перспективы исследований связаны с разработкой динамических моделей цифровых близнецов и решением этических вызовов при работе с цифровыми следами.

Ключевые слова

цифровой близнец потребителя
латентные профили
цифровой след
латентно-кластерный анализ
прогнозное моделирование
персонализация маркетинга
поведенческие паттерны

Список литературы

[1] Андреев А. С. Цифровой след как объект маркетингового анализа // Российский журнал маркетинга. — 2021. — Т. 15, № 3. — С. 45–58.
[2] Белова Е. Н. Латентно-кластерный анализ в исследовании потребительского поведения // Прикладная эконометрика. — 2022. — Т. 28, № 1. — С. 78–95.
[3] Григорьев С. И. Методология построения цифровых двойников в социальноэкономических системах // Экономика и математические методы. — 2020. — Т. 56, № 4. — С. 60–73.
[4] Королева Д. А. Персонализация на основе цифровых следов: новые этические вызовы // Бизнес-информатика. — 2023. — № 1(55). — С. 32–41.
[5] Орлов М. Ю. Алгоритмы обработки неструктурированных цифровых следов // Искусственный интеллект и принятие решений. — 2021. — № 4. — С. 25–36.
[6] Петрова К. Р. Моделирование потребительских профилей в условиях цифровой экономики // Вестник Санкт-Петербургского университета. Экономика.—2022.— Т. 38, № 2. — С. 112–128.
[7] Семенов И. Л. Цифровой двойник потребителя: от концепции к реализации // Информационные технологии. — 2023. — Т. 29, № 1. — С. 44–53.
[8] Тихомирова В. С. Прогнозное моделирование поведения потребителей на основе машинного обучения // Прикладная информатика. — 2021. — Т. 16, № 5(95). — С. 67–79.
[9] Федоров А. А. Большие данные и психографика: новые подходы к сегментации // Маркетинг и маркетинговые исследования. — 2020. — № 6(144). — С. 88–99.
[10] Шмелева Е. В. Валидация латентных профилей в маркетинговых исследованиях // Вестник Московского университета. Серия 6: Экономика. — 2022. — № 5. — С. 102–115.
[11] Яковлев П. Д. Этика использования цифровых следов в маркетинге // Бизнесинформатика. — 2023. — № 2(56). — С. 28–39.