Модель многокритериальной оптимизации процессов омниканального маркетинга

В исследовании представлены подходы к многокритериальной оптимизации в информационных процессах на примере омниканального маркетинга. Цель статьи – создание и формализация модели многокритериальной оптимизации информационных процессов для управления ресурсами маркетинговых кампаний в условиях омниканального продвижения. Рассмотрены методы интеграции различных каналов продвижения для обеспечения согласованного клиентского опыта и улучшения показателей эффективности маркетинговых кампаний. Разработана концептуальная модель, учитывающая множество кампаний, каналов, этапов клиентского пути и ключевых показателей эффективности (KPI). Анализируется влияние синергетических эффектов и ресурсных ограничений на стратегическое планирование. Представлены результаты построения математической модели, позволяющей повысить маркетинговый эффект и снизить финансовые затраты. Описывается структура математической модели многокритериальной оптимизации. Рассматривается представление маркетинговой кампании в контексте математической модели. Рассматривается диаграмма взаимодействия рассматриваемых подмножеств. Полученные результаты в рамках оценки эффективности модели в реальных условиях демонстрируют перспективы повышения рентабельности маркетинговых стратегий с учетом текущих ограничений. Приводится описание прикладного контекста, ключевых метрик и методов оценки. Предложены рекомендации по внедрению модели в деятельность предприятий для оптимизации информационных процессов управления омниканальными кампаниями. Представлены перспективы применения полученных результатов в дальнейших исследованиях, в рамках которых описанная математическая модель многокритериальной оптимизации наряду с методом обработки и аннотирования маркетинговой информации послужат основой функционирования автоматизированной информационной системы поддержки принятия решений в области омниканального маркетинга.

1. Мовсисян Л.К., Нижегородов К.С., Кузнецова К.А., Мовсисян Л.К. Модель интеллектуальной поддержки принятия управленческих решений в сфере интернет-маркетинга. Вестник Воронежского института ФСИН России. 2024;(1):101–108.

2. Мовсисян Л.К., Смоленцева Т.Е., Калач А.В. Поддержка принятия решений в процессах управления организационными системами. В сборнике: Актуальные проблемы прикладной математики, информатики и механики: сборник трудов Международной научной конференции, 04–06 декабря 2023 года, Воронеж, Россия. Воронеж: Научно-исследовательские публикации; 2024. С. 1583–1588.

3. Бронников М.А. Применение искусственного интеллекта в маркетинге. Экономика и социум. 2022;(6-1):449–453.

4. Иванченко О.В. Интеллектуальный анализ данных и бизнес-аналитика в управлении бизнесом и маркетинге. Вестник Ростовского государственного экономического университета (РИНХ). 2022;(4):125–130. https://doi.org/10.54220/v.rsue.1991-0533.2023.80.4.018

5. Raisch S., Fomina K. Combining Human and Artificial Intelligence: Hybrid Problem-Solving in Organizations. Academy of Management Review. 2024;50(2). https://doi.org/10.5465/amr.2021.0421

6. Bala M., Verma D. A Critical Review of Digital Marketing. International Journal of Management, IT & Engineering. 2018;8(10):321–339.

7. Quinn L., Dibb S., Simkin L., Canhoto A.I., Analogbei M. Troubled waters: the transformation of marketing in a digital world. European Journal of Marketing. 2016;50(12):2103–2133.

8. Petit O., Velasco C., Spence Ch. Digital Sensory Marketing: Integrating New Technologies into Multisensory Online Experience. Journal of Interactive Marketing. 2019;45(C):42–61. https://doi.org/10.1016/j.intmar.2018.07.004

9. Movsisian L.K., Smolentseva T.E. Application of Intelligent Decision-Making Support Model in the Processes of Omnichannel Marketing. In: 2024 International Russian Smart Industry Conference (SmartIndustryCon), 25–29 March 2024, Sochi, Russia. IEEE; 2024. P. 676–681. https://doi.org/10.1109/SmartIndustryCon61328.2024.10515670

10. Kumar V. Evolution of Marketing as a Discipline: What Has Happened and What to Look Out For. Journal of Marketing. 2015;79(1):1–9. https://doi.org/10.1509/jm.79.1.1

11. Новиков Д.А. Теория управления организационными системами. Москва: Ленанд; 2022. 500 с.

12. Мовсисян Л.К., Калач А.В. Применение финансового механизма в системе поддержки принятия решений в организации для омниканального продвижения товаров и услуг. Вестник Воронежского института ФСИН России. 2023;(3):129–134.

13. Лукина О.В., Курочкина А.А., Назаров П.В. Омниканальный маркетинг как инструмент развития малого и среднего бизнеса в индустрии торговли. Ученые записки Международного банковского института. 2021;(1):75–84.

14. Timoumi A., Gangwar M., Mantrala M.K. Cross-Channel Effects of Omnichannel Retail Marketing Strategies: A Review of Extant Data-Driven Research. Journal of Retailing. 2022;98(1). https://doi.org/10.1016/j.jretai.2022.02.008

15. Wedel M., Kannan P.K. Marketing Analytics for Data-Rich Environments. Journal of Marketing. 2016;80(6):97–121. https://doi.org/10.1509/jm.15.0413

16. Trom L., Cronje J. Analysis of Data Governance Implications on Big Data. In: Advances in Information and Communication: Proceedings of the 2019 Future of Information and Communication Conference (FICC): Volume 1, 14–15 March 2019, San Francisco, CA, USA. Cham: Springer; 2020. P. 645–654. https://doi.org/10.1007/978-3-030-12388-8_45

17. Mathes Ch.A. Big Data Has Unique Needs for Information Governance and Data Quality. Journal of Management Science and Business Intelligence. 2016;1(1):12–20. https://doi.org/10.5281/zenodo.376753

18. Chintagunta P., Hanssens D.M., Hauser J.R. Editorial-Marketing Science and Big Data. Marketing Science. 2016;35(3):341–342. https://doi.org/10.1287/mksc.2016.0996