Коммерческая деятельность всегда испытывала воздействие конкурентной среды, и онлайн-торговля является следующей ступенью развития и определяющим трендом на ближайшее время. Произошедшие под влиянием COVID-19 изменения в бизнес-ландшафте ставят перед маркетологами и предпринимателями новые задачи. Необходимо использовать вынужденный резкий рост онлайн-взаимодействия с потребителями. Курс на цифровую экономику обуславливает применение научных, математических методов для оптимизации целевых показателей экономической деятельности. Такие глобальные перемены в бизнес-взаимодействии порождают инновационные инструменты для оценки результатов коммерции и трансформируют прежние методики для соответствия новым реалиям рынка. Это является базовым условием устойчивости ведения бизнеса в любой отрасли. Настоящее исследование посвящено разработке теоретического описания процесса многоступенчатого взаимодействия с потребительским пулом. Для решения задачи формализации данного процесса разработана математическая модель, основу которой составляет информационное цифровое взаимодействие от этапа определения целевой аудитории до полного завершения коммерческой сделки.
В предлагаемой статье изложены результаты работы по моделированию sales funnel как основы программного обеспечения современного аналитика рынка с применением кросс-системного подхода. В отличие от классической sales funnel, представленные алгоритмы позволяют использовать многомерную conversion funnel не только для оценки результатов работы бизнеса за отчетный период: благодаря потоку аргументов модели в режиме реального времени становится возможным оптимизировать коммерческий процесс за счет перехода к концепции опережающих экономических показателей.
На практике это означает возможность реализации на цифровых платформах эффективного планирования коммерческой деятельности. Аргументами математической модели служат интернет-статистика, динамика потребительских предпочтений, история бизнес-процесса, аккумулированная в системе больших данных. При этом задействованы средства queuing theory, дифференциального исчисления, экономико-математического моделирования с опорой на такие показатели, как KPI (Key Performance Indicators), CTR (click-through rate), CR (Conversion rate). Это позволило сформулировать концепцию цифрового двойника коммерческого процесса. Нами разработаны математические формализмы, удобные для практических приложений. Это позволяет обеспечить приемлемую для программирования на ЭВМ реализацию алгоритмов, описывающих conversion funnel.
1. Васильева Е.В., Лосева В.В. (2019). Воронка онлайн-продаж как аналитический инструмент управления эффективностью бизнеса // Управление. № 3. С. 63–74. DOI: 10.26425/2309-3633-2019-3-63-74.
2. Колосова В.В. (2019). Механизм построения эффективной маркетинговой стратегии на основе применения цифровой воронки продаж // Вестник Московского государственного областного университета. Экономика. № 1. С. 43–51. DOI: 10.18384/2310-6646-2019-1-43-51.
3. Курочкина А.А., Лукина О.В., Сергеев С.М. (2018a). Планирование ресурсной загрузки самых посещаемых мегаполисов мира // Наука и бизнес: пути развития. № 3(81). С. 123–127.
4. Курочкина А.А., Лукина О.В., Сергеев С.М. (2018b). Применение цифровых технологий в решении экологических проблем мегаполиса // Перспективы науки. № 9(108). С. 194–197.
5. Манн И.Б. (2019). Маркетинг на 100%. Ремикс. М.: МИФ.
6. Репьев А.П. (2015). Как продавать продукты трудного выбора. М.: Литагент Библос.
7. Смит К. (2018). Конверсия: Как превратить лиды в продажи. М.: Альпина Паблишер.
8. Фридман Г.Дж. (2018). Нет, спасибо, я просто смотрю. Как посетителя превратить в покупателя. М.: Олимп-Бизнес.
9. Borisoglebskaya L.N., Sergeev S.M. (2018). Model of assessment of the degree of interest in business interaction with the university // Journal of Applied Economic Sciences. Vol. 12. No. 8. P. 2423‑2448.
10. Burlankov P.S., Dolbik-Vorobey T.A., Kremer N.Sh., Ostrovskaya N.V., Zhukova G.S. (2020). Digital technologies for implementing corporate social responsibility // Bulletin of National Academy of Sciences of the Republic of Kazakhstan. ISSN 1991‑3494. Vol. 2. Nо. 384(2020). Р. 99–105.
11. Iliashenko O., Krasnov S., Sergeev S. (2018). Calculation of high-rise construction limitations for non-resident housing fund in megacities. E3S Web of Conferences. Vol. 33. 2018. March 6. Paper number 030062017 International Scientific Conference on High-Rise Construction, HRC 2017. Р. 03006.
12. Kalinina O., Kapustina I., Buniak V., Golubnichaya G. (2019). Economic features of investment nature of energy-saving projects in Russia // E3S Web of Conferences. Р. 02089.
13. Peterson A.F. (1959). Pharmaceutical selling, “detailing,” and sales training. Scarsdale, NY, Heathcote-Woodbridge.
14. Sergeev S.M. (2015). Cross-systems method of approach to energy economy higher educational institutions // Economics. Society: Selected papers of the International Scientific School “Paradigma” (Summer-2015, Varna, Bulgaria) / E. Sibirskaya (ed.). Yelm, WA, USA.
15. Sergeev S.M. (2016). Cross-system way of looking to business with limited resources // Economics. Society: Selected papers of the International Scientific School “Paradigma” (Winter-2016, Varna, Bulgaria) / O. Kravets (ed.). Yelm, WA, USA.
16. Sergeev S.M. (2018). Expansion of DEA methodology on the multimodal conception for the 3PL // Modern informatization problems in simulation and social technologies. Proceedings of the XXIIIth International Open Science Conference / O. Kravets (ed.). Yelm, USA. P. 169‑176.
17. Sergeev S.M., Sidnenko T.I., Sidnenko D.B. (2016). Distribution centers for agriculture, their modeling // Economics. Society: International Scientific School “Paradigma” (Summer-2016 Selected Papers). Yelm, WA, USA. P. 92–97.
18. Sergeev S., Kirillova T., Krasyuk I. (2019). Modelling of sustainable development of megacities under limited resources // TPACEE-2018. 2019 E3S Web of Conferences 91. P. 05007.