Предиктивная аналитика взаимоотношений с клиентами как метод адаптации компании к изменениям и повышения ценности предложения

Абрамов В.И.1, Чуркин Д.А.1
1 Национальный исследовательский ядерный университет МИФИ

Статья в журнале

Экономика, предпринимательство и право
Том 12, Номер 6 (Июнь 2022)

Цитировать:
Абрамов В.И., Чуркин Д.А. Предиктивная аналитика взаимоотношений с клиентами как метод адаптации компании к изменениям и повышения ценности предложения // Экономика, предпринимательство и право. – 2022. – Том 12. – № 6. – doi: 10.18334/epp.12.6.114842.

Аннотация:
В рамках проведенного исследования рассмотрены перспективы использования предиктивной аналитики как метода повышения ценности предоставляемого компанией предложения для обеспечения адаптации к внешним изменениям. Теоретический анализ подкреплен примерами успешного применения предиктивного анализа на базе данных о клиентах, накопленных при помощи специализированных цифровых инструментов. Представлено обобщение концепций клиентоцентричности, цифровой трансформации и предиктивной аналитики. В работе доказывается, что совокупное использование этих трех подходов обеспечивает достижение синергетического эффекта и дополнительных преимуществ. Данная работа может представлять интерес для исследователей, в сферу интересов которых входят современные тенденции в управлении, удовлетворение потребностей клиентов и эффективность проведения цифровизации компаний. Также результаты исследования могут быть полезны для управленцев-практиков, разрабатывающих и воплощающих в реальность стратегии предприятия в сфере клиентского сервиса и цифровой трансформации.

Ключевые слова: CRM, предиктивная аналитика, клиентоцентричность, цифровизация, цифровая трансформация

JEL-классификация: M11, M21, O31, O33



Введение

В условиях шестого технологического уклада и всё большего проявления особенностей BANI-мира (акроним от английских слов хрупкий, тревожный, нелинейный и непонятный) требуются новые подходы в управлении. При сложившейся геополитической ситуации и особенно при санкционном давлении на Россию осуществление политики импортозамещения направлено на развитие экономической деятельности и повышение инновационной активности предприятий [1]. Управление в быстро изменяющейся среде требует нового способа мышления и соответствующих ему действий. Сегодня для компаний для повышения жизнестойкости и развития на рынках с растущим уровнем конкуренции и с более коротким жизненным циклом продуктов важны инновации. Результаты исследований показывают, что стратегия инноваций приводит к более высокой производительности в нестабильных средах [2]. В работе [3] рассмотрен субъектный характер инновационного потенциала, проанализированы его особенности, связанные с парадигмой личности, что важно для понимания инновационного развития организаций. Компаниям важно научиться использовать открывающиеся благодаря цифровым технологиям возможности для своего развития, для чего необходимо развивать адаптивность и устойчивость к изменениям. Актуальность темы исследования обусловлена тем, что современные экономические реалии ставят перед бизнесом принципиально новые конкурентные задачи. Клиентоцентричность является глобальным трендом и важнейшей философией, обеспечивающей выживание, устойчивость и рост компаний. Лояльность и доверие клиента в современных условиях является важным активом компании. Симбиоз концепций Качество 4.0. и Индустрия 4.0. определяет глобальную экономическую конъюнктуру, и в этих условиях эффективное управление брендом невозможно без системной работы по адаптации компании к изменениям и по повышению ценности предложения.

Компаниям, которые ставят удовлетворение потребностей клиентов на первое место, требуется непрерывное и постоянное совершенствование своей собственной квалификации и навыков. В условиях растущей конкуренции повышается интерес к методам реляционного маркетинга, которые концентрируют ресурсы и усилия организации по выстраиванию долгосрочных отношений с постоянными клиентами и партнерами. Внедрение инноваций позволяет разрабатывать более ценные продукты и услуги, тем самым создавая новые источники дохода, повышая общую эффективность взаимодействий. Под инновациями в данном случае может пониматься пересмотр логики деятельности с использованием прогрессивных методов и технологий для реализации целей компании.

Тенденция заключается в построении долгосрочных отношений с клиентами c использованием цифровых технологий. Лояльность и доверие клиента в современных условиях превращается в важный актив компании. Одновременно с этим рост неопределенности, повышение частоты возникновения флуктуаций [4], как при эпидемии covid-19 или в виде санкционных войн, обуславливает необходимость развития большей адаптивности, что предполагает пересмотр существующих бизнес-моделей. Перечисленные концепции являются объективными источниками повышения важности предиктивной аналитики в сфере взаимоотношений с клиентами. Следует отметить, что для российских компаний рост уровня цифровой зрелости представляет собой ответственную задачу, ведь на практике для использования возможностей новых цифровых технологий требуются качественно новые знания и навыки [5].

Говоря о разработке темы исследования, следует отметить, что предиктивная аналитика и управление взаимоотношениями с клиентами - сравнительно новые области знаний, которые получили широкое распространения в бизнесе одновременно со взрывным ростом его цифровизации, так как появились системы, позволяющие аккумулировать и обрабатывать необходимые данные о контактах с клиентами. В рамках исследования были проанализированы публикации на темы современных тенденций в бизнесе, управлении клиентском опытом, предиктивной аналитике, цифровой трансформации.

Основные источники информации посвящены тенденциям конъюнктуры российских и мировых рынков; клиентскому опыту и управлению взаимоотношениями с клиентами; теории и практике использования предиктивной аналитики в различных сферах.

В первой группе работ анализируются масштабные общемировые экономические, социальные, культурные и технологические тенденции, поправка на которые необходима при проведении современного исследования, предметом анализа которого являются бизнес-структуры. В указанных источниках рассматривается также и специфика российских условий. Наиболее важный и общий вывод из работ данной группы - это безусловное возрастание скорости изменений, объективной необходимости цифровизации и важности адаптивности. Так в работе [4] автор высказывается о цифровой трансформации как о единственно возможном средстве выживания компании в среднесрочной перспективе. В докладе ВШЭ [6] рассмотрены средства, подходы, проблемы и практические результаты цифровизации. В исследовании Бостон консалтинг групп [7], касающемся рынка труда, исследуются текущие изменения и тенденции изменения требований к человеческому капиталу. В статье [8] выявляется и оценивается влияние семи наиболее главных тенденций в бизнес-структурах.

Авторами работ из второй группы работ проанализирована и доказана эффективность клиентоцетричности. В работах приводятся сравнительные анализы финансовых результатов компаний, использующих и не использующих данный подход. Также рассматриваются конкретные аспекты субъективной ценности предложения, выявляются ее составляющие, предлагаются способы максимизации. В работе [9] автором доказывается, что “проблемный” клиент в долгосрочной перспективе приносит компании большую пользу, так как позволяет ”расшивать” узкие места и на основе частной обратной связи проводить трансформацию. В статье [10] автор обращает внимание на то, что важна не только простота взаимодействия с компанией, но и его эмоциональная окраска. В статьях [11] и [12] анализируется концепция перманентного улучшения предоставляемого совокупного опыта как способа для перестройки компании.

Исследователями-авторами источников из третьей группы рассматриваются теоретические основы предиктивной аналитики: принципы, условия использования, средства, потенциальные риски и выгоды. Помимо анализа теории разбираются конкретные реализованные примеры применения: обстоятельства, ход применения, достигнутые результаты. Так, например, в статье [13] исследованы основные подходы к определению понятия и сущности предиктивной аналитики, упорядочены типы данных, используемых в предиктивном анализе. Представлены выводы, которые включают в себя рамки для анализа пространства возможностей и проблем, стоящих перед предиктивными системами анализа. В работе [14] рассмотрены основные инструменты предиктивного анализа и представлены технические решения, а также возможности предиктивного анализа. В статье [15] анализируется влияние использования СRM-систем на устойчивость бизнес-моделей, прогнозируются перспективы их использования. В работе [16] приводится методология принятия решений на основе технологии больших данных, используя практические примеры, доказывает эффективность данного подхода. Статья [17] посвящена схожей тематике с рассмотрением кейса повышения своевременности совершения платежей клиентами на основании принятия решений с использованием накопленных данных.

Все три указанные выше группы статей посвящены актуальной тематике, а данная работа представляет собой синтез трех указанных направлений, анализируя использование в современных условиях предиктивной аналитики взаимоотношений с клиентами для оперативной адаптации к изменениям.

Целью данной работы является обоснование важности предиктивной аналитики как метода повышения ценности, предоставляемого компанией предложения для адаптации к внешним изменениям.

Научная новизна проведенного исследования заключается в анализе применения предиктивной аналитики взаимоотношений с клиентами в наиболее актуальных условиях. Возможности повышения эффективности деятельности на основе предиктивного анализа данных о клиентах рассмотрены как в плоскости теоретических выгод, так и на конкретных примерах. С точки зрения вклада работы в дальнейшую научную проработку темы предиктивной аналитики взаимоотношений с клиентами в динамичном конкурентном мире можно сказать, что она является обобщением и систематизацией исследований, как правило, не связанных между собой тем. В научной литературе методы предиктивной аналитики, а также современные бизнес-тенденции, концепция ценности, предоставляемой клиенту, рассматриваются обособленно, как не взаимосвязанные концепции и явления. Однако, на стыке данных тем возникает своеобразная синергия за счет получения определенной пользы как от применения предиктивного анализа, так и от цифровизации и клиентоцентричности совокупно.

Основной авторской гипотезой данной работы является возможность выявления наиболее перспективных с экономической точки зрения подходов предиктивной аналитики взаимоотношений с клиентами в динамичном конкурентном мире для использования в практической деятельности компаний.

Методология исследования основана на системном подходе, применяемом при анализе сложных экономических систем, и использует общенаучные методы познания: анализ, сравнение, логические рассуждении, сбор фактов, синтез, а также структурный подход.

Основная часть

Цифровая трансформация бизнес-моделей компаний, проводимая по логике “от нужд клиента”, как известных, так и предугадываемых, становится объективной необходимостью [14]. Происходящие тектонические сдвиги в технологиях, геополитике и демографии вызывают структурные изменения большинства существующих рынков, а также образуют новые. Под влиянием подобных флуктуаций происходит вынужденное комплексное переосмысление деятельности. Примером может служить массовая диджитализация, т. е. перевод всей информации и всех форм работы и общения в цифровую форму в период действия ограничений, противодействующих коронавирусу. Данное масштабное событие существенно подтолкнуло и до этого набирающую обороты тенденцию выхода в онлайн. Малый и средний бизнес в условиях сильной неопределенности дальнейшей траектории технико-экономической волны выступает своеобразной лакмусовой бумажкой, так как обладает существенно большей быстротой реакции. Предопределение и сценарный анализ позволяют своевременно реагировать на запросы клиентов. Так, наиболее прогрессивные компании уже прорабатывали возможности получения клиентом продукта без физического взаимодействия до возникновения пандемии

Когда объективная потребность обусловлена и определяется адаптацией, применение цифровых решений не будет являться черным ящиком. Проекты по реализации таких решений имеют предсказуемые последствия (рис. 1) [6], то есть менеджеры имеют довольно надежное представление о перспективах и рисках. Проведенное исследование [6] включало интервью со 100 компаниями разного уровня, сферы деятельности и местом расположения. В ходе прямого опроса учитывались экспертные оценки экспертов в сфере цифровых технологий. Категории респондентов: а) по размеру компании: малый бизнес – 56%; средний бизнес – 19%; крупный бизнес – 25%; б) по отраслевой принадлежности: промышленное производство – 53%; розничная торговля – 18%; инфраструктура (связь, транспорт, энергетика) – 17%; банки, финансовый̆ сектор – 12%. Компаниям было предложено оценить по каждому из реализованных проектов, отвечало ли их воздействие ожиданиям. В 2/3 случаях (68%) воздействие проектов на конкретные потребности внедрения цифровых решений компаний оценивается как удовлетворяющее ожиданиям компании. В 13% случаев эффект был даже несколько выше, чем ожидали руководители компаний, а в 5% случаев – намного выше ожидаемого. Суммарно в 13% случаях эффект был ниже, чем ожидалось, в т.ч. в 3% эффект был практически нулевой. В крупных компаниях эффект от проектов в большей степени соответствовал ожидаемому уровню (86%) – видимо, сказывается опыт планирования и реализации подобных проектов. Малые предприятия отличаются тем, что на них приходится несколько более высокая средняя доля оценок, результаты которых несколько превышают ожидаемые (18%).

Рисунок 1. Распределение ответов на вопрос: «Как в компании оценивается полученный общий эффект от реализации проекта по внедрению цифровых решений в сравнении с ожидаемым?» Источник:

[6, c 55]

Комплексная цифровизация [15] в сфере взаимодействия с клиентами позволяет превентивно удовлетворять потенциальные нужды клиентов, оперативно тестировать гипотезы и продукты.

Сосредоточение внимания на потребностях клиентов требует постоянного и непрерывного улучшения оказываемых услуг С усилением конкуренции растет интерес к методам маркетинга отношений, которые направляют ресурсы и усилия организации на построение долгосрочных отношений с постоянными клиентами и партнерами. Внедрение инноваций позволяет разрабатывать более ценные продукты и услуги, тем самым создавая новые источники дохода, повышая общую эффективность взаимодействия. Под инновациями в данном случае может пониматься пересмотр логики деятельности с использованием прогрессивных методов и технологий для реализации целей компании.

Среди технологических инициатив в сфере управления взаимосвязями компании важное влияние имеют CRM-системы. CRM-решения актуальны для всех типов секторов: B2B, B2С, B2G, G2C. За последние 5 лет доля пользователей этих систем выросла соответственно в 2 и 1,5 раза [4, c 73]. CRM-системы позволяют взглянуть на взаимодействие с клиентом более системно и развивать их для максимизации взаимной выгоды. Риск потери существующих клиентов c использованием CRM-систем становится более контролируемым и поддающимся оценке. CRM – это не просто технологическое решение для сбора и анализа данных, а более широкий комплексный подход к привлечению и удержанию потребителей за счет построения ценных долгосрочных отношений и управление комплексным восприятием бренда и эмоциями потребителей для их мотивации к определенному взаимодействию с компанией.

Цифровые системы управления взаимодействиями с клиентами, оперирующие большими данными, повышают качество управленческих решений и устойчивость новых адаптированных бизнес-моделей. Качество управленческих решений в данном контексте оценивается не только с позиции экономической отдачи. Так, например, улучшение сервиса или экологичности даже без сопутствующего оперативно значимого роста чистой прибыли при определенных условиях также будет свидетельствовать о качественности принятого решения.

Моделирование и прогнозирование поведения и предпочтений пользователя при принятии решений строится не только на собранных компанией при непосредственном взаимодействии данных [17], но и на основе анализа любого доступного “цифрового следа”. Подобная предиктивная аналитика поведений клиентов позволяет оптимизировать распределение человеческого и финансового капитала и направлять его в наиболее перспективные направления. СRM-системы при построении таких прогнозов позволяют учитывать большой объем собранных данных, в том числе и обратную связь о текущем качестве услуг.

Маркетинг движется в сторону индивидуализации и кастомизации [7, c.7] каждого предложения, а также к омниканальности взаимодействия. Никация, как процесс достижения взаимопонимания взаимодействующих субъектов несмотря на культурный контекст и различие опыта, является особо важной частью построения взаимодействия c потребителями на ряде рынков. Целевые ценностные предложения возможны только при наличии достаточного объема данных [16] о поведении и особенностях потребителей. CRM-системы позволяют системно анализировать информацию о клиенте и взаимодействии с ним. Накопленный опыт позволяет предугадывать потенциальные реакции клиентов.

Предиктивная аналитика взаимоотношений с клиентами позволяет трансформировать компанию в направлении улучшения предоставляемого компанией пользовательского опыта: его удобства или силы эмоциональной окраски. Простота взаимодействия для клиента оценивается на всех этапах: от привлечения до замены продукта другим по истечению срока использования.

Среди прочего качество информации о ценности предложения позволяет снизить издержки потребителя, сопутствующие выбору и приобретению, что повышает важность работы над цифровым контентом и консультацией. Доступность, достоверность и полнота информации о предложении особенно актуальны ввиду снижения [8] доли спонтанных эмоциональных покупок и увеличения взвешенности выбора потребителей. Особенно велика взвешенность выбора в B2B и B2G рынках. Знания являются важнейшим ресурсом в эпоху информационной экономики. Предоставляя клиенту знания, компания демонстрирует ему свою заботу о его нуждах.

Помимо удобства важную роль играет также и эмоциональность взаимодействия (рис 2). Опыт использования марки определяется в спектре от более удобного до более запоминающегося, и бренды конкурируют в том или ином направлении.

Рисунок 2. Матрица пользовательского опыта. Источник: [10].

Глубокое понимание и предвидение потребностей покупателя способствует улучшению бизнес-результатов. СRM является сочетанием практик, цифровых инструментов и мягких навыков, ориентированных на создание, накопление и передачу знаний, связанных с клиентами. Предиктивная аналитика, проводимая на накопленных CRM больших данных, позволяет повышать беспроблемное взаимодействие с компанией. Предиктивный̆ анализ [13, с. 97] — это все то, что позволяет идентифицировать и интерпретировать закономерности, обнаруживаемые в огромном количестве исторических и текущих данных. Предиктивная аналитика помогает предугадать контекст потребностей и желаний клиентов и определить лучший способ доставки информации через физические и цифровые точки соприкосновения, выстраивая при этом уникальный персонализированный подход. Прорывные технологии искусственного интеллекта, машинного обучения и больших данных обладают наибольшим потенциалом применения для предугадывания клиентских реакций.

Предиктивная аналитика, основывающаяся на данных, аккумулированных CRM, позволяет предсказывать важные показатели: количество заказов, требуемое число сотрудников, количество необходимых встреч, прибыльность тех или иных сегментов и т. д. В сфере маркетинга аналитика может сэкономить компаниям средства, отшлифовывая маркетинговые усилия и при этом косвенно влияя на отсев компаний, отсеивая кампании, которые не находят отклика у покупателей. Аналитика может увеличить конверсию при помощи персонализированного, хорошо таргетированного маркетинга.

Так, например, при наличии некоторого числа формально одинаковых заявок на продукт можно организовать очередность их обработки в зависимости от накопленной информации о клиентах: частоты и объемов их заказов, канала, по которому получена заявка, характеристики представителя контрагента (роль в принятии конечного решения), отрасли деятельности заказчика. Путем объединения этих данных производится ранжирование в соответствии с вероятностью дальнейшей покупки и затем, в зависимости от этого, выбирается способ маркетинговой коммуникации. Рассмотрим пример применения данного подхода сервисом бронирования авиабилетов и отелей Kiwi.com (рис.3) [18]. Стратегия коммуникации для каждого сегмента вырабатывалась отдельно. Для клиентов с высокой вероятностью покупки работал ретаргетинг, т. е. перенацеливание, релевантное их недавним интересам, для того чтобы подтолкнуть их к размещению заказа. Клиенты со средней вероятностью покупки получали пуш-уведомления с предложением скидки, стимулирующей к покупке. Для группы посетителей с низкой вероятностью покупки была разработана малобюджетная кампания с целью привлечь их дальнейшее внимание.

Рисунок 3. Маркетинговое взаимодействие на основе предиктивной сегментации Kiwi.com. Источник: [18].

Применение предиктивной аналитики взаимоотношений с клиентом в данном случае дало +15% возврата на вложения в рекламу, +34% к конверсии и -16% к стоимости продажи. При подобном подходе может существовать несколько срезов сегментирования клиентов, например, в добавление к указанному, классификация по вероятности ухода к конкурентам.

Другие примеры использования предиктивной аналитики в отношениях с клиентами можно найти в рекомендациях на стриминговых сервисах Netflix и Кинопоиск, маркетплейсах Amazon, Lamoda, Ozon, Литрес.

Использование данных о клиенте присутствует в кейсе напоминающих рассылок клиентам IKEA, не закончившим оформление заказа на сайте. За посещение каталога пользователю начислялся 1 балл, за посещение карточки товара — 2 балла, за добавление товара в корзину — 5 баллов, а за переход к оформлению заказа — 15 баллов. Чем выше суммарный балл клиента, тем больше вероятность совершения покупки в IKEA, а не у конкурентов. Среди таких людей были выделены потенциальные покупатели наиболее дорогих товаров. По сравнению с контрольной группой конверсия в покупку увеличилась на 7,5%, а затраты на ретаргетинг снизились на 2%, потому что теперь клиентов «догоняют» баннеры с персональными предложениями — вместо одинаковой рекламы, которая показывается всем потенциальным клиентам.

Pelikan Travel, крупнейшее агентство по бронированию авиабилетов в Словакии, поставило перед собой задачу увеличить RPV (revenue per visitor — выручка на одного посетителя). Для этого нужно было понять, как динамическое ценообразование влияет на число покупок страховки для выезжающих за рубеж и страховки от задержки и отмены рейса. Для тестирования гипотезы было привлечено 20% ежемесячных клиентов. Группе пользователей показывалась увеличенная на 3–7% цена, другим - уменьшенная на те же 3–7%. Оказалось, что и увеличение, и уменьшение цены снижает конверсию в заказ из корзины на 1%. При этом если страховка продается дороже, даже с меньшей конверсией, компания зарабатывает больше. Тестовый период длился три недели и принес Pelikan Travel дополнительные €5 тысяч на тестируемой группе в сравнении с остальными пользователями. Когда эксперимент с динамическим ценообразованием развернули на всю аудиторию, выручка в следующие месяцы увеличилась на €40 тысяч.

Также при помощи предиктивной аналитики может подбираться наиболее эффективный способ взаимодействия с клиентом, например время и канал отправки сообщений.

Заключение

Темпы изменений конъюнктуры большинства рынков под влиянием различных обстоятельств неуклонно возрастают. В данных динамичных условиях повышается значимость умения адаптироваться под актуальную ситуацию. Помимо реагирования постфактум особо эффективными и востребованными становятся методы предиктивного анализа, позволяющие вырабатывать превентивные меры и обоснованные сценарии развития.

Клиентоцентричность становится общепринятой стратегией, обеспечивающей выживание на конкурентных рынках. Конкуренция компаний происходит в срезе удобства и эмоциональности взаимодействия.

Техническим средством, позволяющим управлять взаимоотношениями с клиентами, являются CRM-системы. Накопленные при использовании систем управления взаимоотношениями с клиентами данные могут результативно использоваться для предиктивного анализа предпочтений клиента, его реакции на конкретные изменения. Подобный анализ будущего позволяет улучшать эффективность принимаемых управленческих решений, поднимая ценность предоставляемого компанией предложения.


Источники:

1. Абрамов В. И., Маркина Ю. В., Камынин Д. А. Реализация политики импортозамещения как фактор активизации инновационных процессов // Экономика и предпринимательство. – 2017. – № 12-1(89). – c. 134–137.
2. Covin J. G., Selvin D.P. Strategic management of small firms in hostile and benign environments // Strategic Management Journal. – 1989. – № 10 (1). – p. 75–87.
3. Абрамов В. И. Генезис инновационного потенциала // Теория и практика общественного развития. – 2012. – № 10. – c. 231–234.
4. Коровкин В. Цифровая трансформация в эпоху «черных лебедей». Harvard Business Review Russia. 2022. [Электронный ресурс]. URL: https://hbr-russia.ru/innovatsii/upravlenie-innovatsiyami/tsifrovaya-transformatsiya-v-epokhu-chernykh-lebedey/ (дата обращения: 17.05.2022).
5. Абрамов В. И., Борзов А. В., Семенков К. Ю. Теоретико-методологический анализ моделей цифровой зрелости для российских компаний // Известия высших учебных заведений. Серия «Экономика, финансы и управление производством». – 2021. – № 04(50). – c. 42–51. – doi: 10.6060/ivecofin.2021504.566.
6. Доклад: «Цифровая экономика: глобальные тренды и практика российского бизнеса»ю Высшая школа экономики. 121 c. [Электронный ресурс]. URL: https://imi.hse.ru/pr2017_1 (дата обращения: 17.04.2022).
7. BCG Россия. От кадров к талантам. 2020. 70 с. [Электронный ресурс]. URL: https://d-russia.ru/wp-content/uploads/2017/11/Skills_Outline_web_ tcm26-175469.pdf (дата обращения: 17.05.2022).
8. Тынянских А. Как COVID-19 изменил бизнес: семь главных трендов. Harvard Business Review, 2021. [Электронный ресурс]. URL: https://hbr-russia.ru/biznes-i-obshchestvo/uroki-stoikosti-2020/834634/ (дата обращения: 31.05.2022).
9. Yonathan A. Theory of the Nudnik: The Future of Consumer Activism and What We Can Do to Stop It // Vanderbilt Law Review. – 2020. – № 73. – p. 930–987.
10. Буойе А. «Удобный или запоминающийся?»: каким должен быть пользовательский опыт бренда. 2022. [Электронный ресурс]. URL: https://hbr-russia.ru/marketing/marketingovaya-strategiya/881979/ (дата обращения: 17.05.2022).
11. Чуркин Д. А., Абрамов В. И. Совокупная ценность предложения как вектор трансформации цифровой бизнес-модели компании // Актуальные вопросы современной экономики. – 2022. – № 1. – c. 241-249.
12. Абрамов В. И., Чуркин Д. А. Управление субъективной потребительской ценностью товара/услуги как способ повышения конкурентоспособности в условиях клиентоориентированной экономики // Теоретические и прикладные вопросы экономики, управления и образования: Сборник статей II Международной научно-практической конференции. Пенза: ПГАУ. 2021. – c. 15-19.
13. Абрамов В. И., Акулова Н. Л. Предиктивный анализ клиентов на основе CRM // Оригинальные исследования. – 2020. – № 10(6). – c. 96–102.
14. Носырева А. А., Абрамов В. И. Предиктивная аналитика - основа для цифровой трансформации компаний // Актуальные проблемы экономики, учета, аудита и анализа в современных условиях: Сборник научных статей Международной научно-практической конференции. Научное издание, Курск: Курский государственный университет. 2021. – c. 179–182.
15. Gil-Gomez H., Guerola-Navarro V., Oltra-Badenes R., Lozano-Quilis J.A. Customer relationship management: digital transformation and sustainable business model innovation // Economic Research. – 2020. – p. 1-18. – doi: 10.1080/1331677X.2019.1676283.
16. Солодченко Е. Е., Еделькина А. Принятие решений на основе data-driven подхода // Инновации. Наука. Образование. – 2021. – № 37. – c. 1038-1043.
17. Bahrami Mohsen Using Behavioral Analytics to Predict CustomerInvoice Payment. Big Data. 2020. [Электронный ресурс]. URL: https://www.liebertpub.com/doi/full/10.1089/big.2018.0116 (дата обращения: 17.05.2022).
18. Костин П. ML и предиктивный маркетинг: 3 кейса, с которых стоит взять пример. 2020. [Электронный ресурс]. URL: https://rb.ru/opinion/ml-for-marketing/ (дата обращения: 17.05.2022).

Страница обновлена: 01.06.2022 в 23:31:40