УДК 338.48
DOI: 10.36871/26189976.2026.06-3.003
Авторы
Шагабан Муссаевич Тоторкулов,
ФГОУ ВО «Северо-Кавказская государственная академия» Минобрнауки России, Черкесск, Россия
Ибрагим Магомедович Хубиев,
ФГОУ ВО «Северо-Кавказская государственная академия» Минобрнауки России, Черкесск, Россия
Залина Сайдемиевна Кагерманова,
Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия
Аннотация
В статье исследуются теоретические и прикладные аспекты использования больших данных для персонализации туристического продукта в условиях цифровой трансформации индустрии гостеприимства. Актуальность исследования обусловлена фундаментальным сдвигом в структуре туристического спроса: современный потребитель ожидает не стандартизированного пакета услуг, а уникального, адаптированного под его индивидуальные предпочтения опыта, что требует от участников туристического рынка перехода от массового предложения к персонализированному. Традиционные методы сегментации туристов, основанные на демографических и социоэкономических признаках, демонстрируют недостаточную эффективность, поскольку не позволяют уловить динамические изменения потребительских предпочтений и ситуативные факторы, влияющие на принятие решений о путешествии. Цель работы — систематизация современных подходов к использованию больших данных для персонализации туристического продукта, анализ методов сбора и обработки данных, а также разработка концептуальной модели персонализации на основе многоканальной аналитики потребительского поведения.
Ключевые слова
большие данные,
персонализация,
туристический продукт,
геоаналитика,
транзакционные данные.
Список литературы
[1] Карпенко В.М. Эконометрическое моделирование внутренних туристических потоков в Китае / В. М. Карпенко, Чжан Нин // Труды БГТУ. Сер. 5, Экономика и управление. — 2025. — № 1 (292). — С. 51–57.
[2] Колбовский Е.Ю. Изучение туристско-рекреационного воздействия на макрорегион «Москва — Санкт-Петербург»: многомасштабная оценка с использованием больших данных / Е. Ю. Колбовский, О. А. Климанова // Известия Российской академии наук. Серия географическая. — 2024. — Т. 88, № 2. — С. 196–213.
[3] Кошелева А.И. Особенности математического инструментария, используемого для построения моделей прогнозирования туристических потоков / А. И. Кошелева, О. А. Артемьева, К. В. Левченко // Экономика, финансы и управление. — 2021. — № 4 (50). — С. 145–153. — URL: http://ecofin-isuct.ru/article/view/4011
[4] Кумова Д.М. Использование платформ на базе искусственного интеллекта в сфере туризма / Д. М. Кумова // Сервис в России и за рубежом. — 2021. — Т. 15, № 3 (95). — С. 18–26.
[5] Моделирование туристских потоков: обзор современных методов / Экофин. — 2021. — № 04(50).
[6] Моделирование туристских потоков: обзор современных методов // Экономика, финансы и управление. — 2021. — № 4 (50). — С. 144–152. — URL: http://ecofinisuct.ru/article/download/3930/2375.
[7] Радченко Т.А. Развитие туристской отрасли: геопространственные данные как инструмент принятия решений / Т. А. Радченко, К. А. Банникова, Н. М. Кочеткова // Вопросы государственного и муниципального управления. — 2022. — № 3. — С. 193–218.
[8] Терехов А.М. Основы статистического анализа в индустрии туризма. Практический курс : учебное пособие для вузов / А. М. Терехов, П. Г. Николенко, М. В. Ефремова. — Москва : Юрайт, 2024. — 154 с.
[9] Токарева М.М. О рекомендательной маршрутной системе, основанной на оценке предпочтений пользователя / М. М. Токарева, Л. Л. Волкова, А. П. О. Абдуллаев // Материалы конференции. — Москва : НИУ ВШЭ, МГТУ им. Н.Э. Баумана, 2020.
[10] Феоктистов Е.Ф. Сравнительный анализ СУБД для туристической социальной сети / Е. Ф. Феоктистов // Программные продукты и системы. — 2020. — Т. 33, № 4. — С. 714–719.
