УДК 339.138
DOI: 10.36871/u.i.k.2025.05.01.005

Авторы

Евгений Владимирович Мищенко,
Российско-армянский университет, Ереван, Армения
Кирилл Станиславович Тимофеев,
Mad Lead Printer, Белград, Сербия
Елена Сергеевна Козубская,
Food Solutions KZ, Алма-Ата, Казахстан
Гарик Робертович Егикян,
Email Deliverability в Aether Group, Ереван, Армения

Аннотация

Статья посвящена исследованию особенностей и перспектив применения технологий искусственного интеллекта (ИИ) и машинного обучения (МО) в когортном анализе поведения клиентов. Обосновывается значимость когортного анализа в маркетинговых исследованиях, поскольку он позволяет системно учитывать временной фактор и выявлять сходные по поведенческим характеристикам группы потребителей. Отмечается, что в условиях цифровой трансформации и растущей доступности огромных наборов данных наибольшую актуальность приобретает интеграция ИИ и МО для проведения когортного анализа. Показано, что подобная интеграция предоставляет возможность более точно сегментировать клиентов, автоматизировать процессы сбора и обработки информации, а также осуществлять предиктивный анализ, учитывать при этом сложные и зачастую неявные факторы, влияющие и характеризующие паттерны и закономерности потребительского поведения. Подчеркивается необходимость применения не только количественных, но и качественных данных, которые могут быть получены из социальных сетей. Выявляется, что использование методов обработки текстов расширяет возможности выявления скрытых закономерностей и трендов в поведении потребителей, что оказывается жизнеспособным в повышении эффективности когортного анализа. Особое внимание уделяется роли ИИ-технологий в повышении скорости принятия решений и обеспечении персонализации принятия решений при работе с когортным анализом. По результатам исследования делаются выводы о том, что применение ИИ в когортном анализе обеспечивает повышение эффективности маркетинговой аналитики.

Ключевые слова

когортный анализ, искусственный интеллект, машинное обучение, поведение клиентов, маркетинговая аналитика, персонализация, предиктивный анализ, цифровая трансформация, большие данные, сегментация