Персонализация предложения как инструмент повышения эффективности затрат на маркетинг

Белопросов Савелий Алексеевич


	1		Введение
	2		Обзор литературы
	3		Таблица 1. Элементы комплексов 4Р и 4С Таблица 2. Элементы Р и С комплексов маркетинга
	4		Управление ассортиментом
	5		Нахождение типовых продуктовых наборов
	6		Рисунок. Частота приобретения различных категорий товаров
	7		Таблица 3. Взаимозависимость различных категорий товаров Применение ценовых орбит потребления
	8		Таблица 4. Фрагмент разметки матрицы ассортимента
	9		Таблица 5. Фрагмент разметки матрицы ассортимента: ожидаемая и фактическая орбита Таблица 6. Фрагмент матрицы
	10		Таблица 7. Расчет дополнительных показателей Таблица 8. Фрагмент финальной версии матрицы
	11		Таблица 9. Кластеры лояльности
	12		Таблица 10. Наименее популярные у лояльных покупателей категории Таблица 11. Разрыв проникновения между основными и лояльными покупателями в ряде категорий, %
	13		Заключение Литература

Ретроспективные исследования Big data

Мышление потребителя Исследование предпочтений

Ключевые слова: персонализация предложения, машинное обучение, потребительский кластер, лояльность потребителей, затраты на маркетинг

Аннотация

Статья показывает, как концепция персонализации предложения позволяет увеличить эффективность расходов на маркетинг, на примере стартапа — компании, доставляющей продукты и товары для дома. Акцент сделан на особенностях обработки данных с учетом категоризации товаров. Автором применяются метод машинного обучения Apriori для поиска ассоциативных правил и концепция ценовых орбит потребления, предлагаются рекомендации по взаимодействию с несколькими кластерами потребителей.

Журнал: «Маркетинг и маркетинговые исследования» — №4, 2020 (© Издательский дом Гребенников)

Объем в страницах: 14

Кол-во знаков: около 28,652

Библиографическая ссылка: печать / интернет

* Деятельность Meta (соцсети Facebook и Instagram) запрещена в России как экстремистская.

1. Балдин К.А. Как пользовательские данные позволяют лучше узнать потребителя, избежать нерелевантных коммуникаций и повысить лояльность целевой аудитории // Интернет-маркетинг. — 2016. — №6(96). — С. 346–353.

2. Бутковская Г.В., Старостин В.С., Чернова В.Ю. Роль персонифицированного подхода в формировании потребительского спроса в ретейле // Бизнес. Образование. Право. Вестник Волгоградского института бизнеса. — 2017. — №2(39). — С. 126–130.

3. Захарченко А.C. Управление отношениями с потребителями на основе технологий нейромаркетинга и «больших данных» // Маркетинговые коммуникации. — 2016. — №2(92). — С. 88–94.

4. Ищенко Н. Еда из интернета // Ведомости. — 2018. — №246. — С.15.

5. Котляров И.Д. Комплекс интернет-маркетинга: новый подход // Интернет-маркетинг. — 2015. — №6(90). — С. 338–343.

6. Котляров И.Д. Тенденции эволюции электронной коммерции // Интернет-маркетинг. — 2012. — №4(70). — С. 252–258.

7. Котляров И.Д. Услуга или манипулирование: взаимодействие интернет-магазинов с потребителями // Интернет-маркетинг. — 2013. — №6(78). — С. 358–364.

8. Куярова Л.А. Управление брендом: Учебное пособие. — M.: Издательский дом МГУ, 2013. — 256 с.

9. Мешечкина Р.П., Шиленко С.И. Актуализация программ лояльности с целью стимулирования покупательских предпочтений в интернет-торговле // Вестник Белгородского университета кооперации, экономики и права. — 2017. — №3(64). — С. 19–30.

10. Орлов В.Ю. Развитие облачных систем лояльности в России // Маркетинг и маркетинговые исследования. — 2017. — №3(129). — С. 162–167.

11. Осадчая Т.Г. Особенности маркетинговой деятельности в условиях виртуализации современной экономики // Вестник Тамбовского университета. — Серия «Гуманитарные науки». — 2012. — №5(109). — С. 112–118.

12. Черенков А.А. Data science в действии: рекомендательная функция для отдела продаж в секторе b-2-b // Маркетинг и маркетинговые исследования. — 2016. — №6(126). — С. 470–477.

13. Яшенкова Н.А. Новые инструменты интернет-маркетинга: товарные и персональные рекомендации // Интернет-маркетинг. — 2016. — №2(92). — С. 108–117.

14. Anshari M., Almunawar M., Arif M., Lim S., Al-Mudimigh A. (2019). «Customer relationship management and big data enabled: personalization & customization of services». Applied Computing and Informatics, Vol. 15(2), рр. 94–101.

15. Bauer J., Jannach D. (2018). «Optimal pricing in e-commerce based on sparse and noisy data». Decision Support Systems, Vol. 106, рр. 53–63.

16. Bester H. (1998). «Quality uncertainty mitigates product differentiation». The RAND Journal of Economics, Vol. 29(4), рр. 828–844.

17. Çifci S., Ekinci Y., Whyatt G., Japutra A., Molinillo S., Siala H. (2016). «A cross validation of consumer-based brand equity models: driving customer equity in retail brands». Journal of Business Research, Vol. 69(9), рр. 3740–3747.

18. Friedrichsen J., König T., Schmaker R. (2016–2018). Social Image Concerns and Welfare Take-Up. Berlin: WZB Berlin Social Science Center.

19. Grewal D., Roggeveen A., Nordfält J. (2017). «The future of retailing». Journal of Retailing, Vol. 93(1), рр. 1–6.

20. Kumar V. (2018). «Transformative marketing: the next 20 years». Journal of Marketing, Vol. 82(4), рр. 1–12.

21. Maheswari K., Kalaimathi S. (2018). «Finding frequent item set using apriori algorithm for online shopping (Ekart)». IJESC, Vol. 8(3), рр. 57–60.

22. Richard M., Habibi M. (2016). «Advanced modeling of online consumer behavior: the moderating roles of hedonism and culture». Journal of Business Research, Vol. 69(3), рр. 1103–1119.

23. Xu Z., Dukes A. (2017). Personalized Pricing with Superior Information on Consumer Preferences. — Подробнее .

24. Zhang Y. (2015). «The impact of brand image on consumer behavior: a literature review». Open Journal of Business and Management, Vol. 3(1), рр. 58–62.

Белопросов Савелий Алексеевич

Независимый аналитик.

г. Москва

Электронная библиотека