Цифровые маркетинговые коммуникации на основе интеллектуального анализа данных



В статье рассматриваются точности цифрового маркетинга и предлагаются интеллектуальные алгоритмы, основанные на анализе данных, которых повышают эффективность маркетинговой коммуникации.

Ключевые слова: цифровой маркетинг, анализ данных, искусственный интеллект, маркетинговые коммуникации.

Крупные предприятия активно разрабатывают маркетинговые стратегии. В настоящее время основные интернет-платформы также конкурируют и активно применяют стратегии цифровой маркетинговой коммуникации, чтобы влиять на покупательское поведение этого поколения и активно общаться с потребителями с помощью цифровых медиа-взаимодействий, таких как короткие видеоролики и социальные сети [1]. Добавляя чат-роботов и внедряя интеллектуальные алгоритмы, каждая платформа активно общается с целевыми потребителями, разрабатывает маркетинговую стратегию компании, а также собирает и анализирует данные с потребителями до и после покупки, чтобы помочь платформе сформулировать разумные и эффективные планы цифрового маркетинга.

Исследования цифрового маркетинга постепенно углубляются. Некоторые исследователи включили потребительскую идентичность в поддержку принятия решения о покупке, неосознанно создавали потребительский спрос через социальные платформы и формировали вмешательство социально-психологического механизма, который может использовать потенциальное потребление потребителей и предоставлять целевые предложения по продажам для производителей [2].

В процессе цифрового маркетинга интеграция компьютерных и коммуникационных технологий, инновационное внедрение цифровых инструментов, проведение интерактивных исследований в области цифрового маркетинга и обеспечение поддержки производителей рыночных решений посредством маркетинга, управляемого данными, являются новым направлением будущего развития [3].

На промышленном рынке в некоторых исследованиях предложен метод оценки маркетинговой эффективности промышленных предприятий посредством корреляционного анализа, оптимизации эффективности коммуникации с помощью цифрового маркетинга и увеличения возможностей продаж на промышленном рынке посредством статистического анализа данных.

В процессе бренд-маркетинговой коммуникации с помощью алгоритма искусственного интеллекта собирается большое количество данных на основе личных эмоций потребителей, а механизм эмпатии в сетевой среде заключается в построении коммуникационного моста между потребителями и производителями и повышении узнаваемости бренда. В процессе развития цифрового маркетинга, искусственного интеллекта и технологии больших данных тенденция развития цифрового маркетинга состоит в эффективной оценке маркетингового эффекта и настройке маркетинга для вас. По сравнению с традиционным способом, цифровой маркетинг воплощает в себе высокую эффективность, измеримость и гибкость [4].

С распространением цифровых технологий в сочетании с анализом алгоритмов ИИ и средой больших данных можно улучшить процесс принятия стратегических решений предприятиями, а риски и возможности бизнес-операций можно обнаружить на раннем этапе. С помощью моделирования технологии структурных уравнений анкетного опроса установлено, что большие данные и алгоритм ИИ оказывают положительное влияние на маркетинговую деятельность цифрового маркетинга [5].

Сетевой маркетинг и цифровой маркетинг дополняют друг друга в современном корпоративном маркетинге, и текущий рынок моды постепенно мигрирует из офлайна в онлайн, создавая имидж корпоративного бренда онлайн и оффлайн [6]. В среде цифрового маркетинга в этой статье сочетаются алгоритм логистической регрессии общего алгоритма искусственного интеллекта и алгоритм XGBoost для улучшения и предлагается алгоритм байесовской оптимизации для улучшения процесса оптимизации параметров алгоритма XGBoost.

Маркетинговая модель [7] прошла три исторических периода, а именно, традиционная модель маркетинга, модель сетевого маркетинга и модель цифрового маркетинга. Эти модели маркетингового метода различаются по категории и методологии. Изменения на каждом этапе вызваны изменениями в технологии совершения покупок потребителями и результатами научно-технического прогресса.

Цифровой маркетинг представляет собой сочетание компьютерных, коммуникационных, цифровых мультимедийных и других технологий для достижения цели традиционного маркетинга, а его сущностью является метод маркетинга, полученный из традиционных методов маркетинга [8]. Стремление к цифровому маркетингу состоит в том, чтобы эффективно извлекать информацию о целевых клиентах из массивных данных и максимально использовать компьютерные технологии для эффективного открытия рынка и удовлетворения потребностей потребителей. Цифровой маркетинг действует как мост, снижает затраты на маркетинг и воплощает в себе индивидуализированную, целенаправленную и эффективную коммуникацию. благодаря многоканальному сотрудничеству цифровых маркетинговых коммуникаций он может эффективно взаимодействовать с потребителями, повышать эффективность коммуникации между потребителями и производителями и повышать цифровую трансформацию предприятий.

Понимая потребности потребителей, Питер Друкер, известный гуру менеджмента, отметил, что конечная цель маркетинга — получить представление о бизнесе и понять потребности пользователей. С развитием технологий искусственного интеллекта и больших данных предприятия могут понять фактические потребности пользователей, улучшить качество обслуживания предприятий и создать имидж бренда предприятий с помощью технических средств [9].

С помощью технологии больших данных мы анализируем поведение потребления и покупки каждого пользователя, составляем «портрет» пользователей, выделяем клиентов и предоставляем дифференцированные и ценные целевые услуги. Например, Иван купил пару кроссовок онлайн, и записи о его покупках были записаны в базу данных. Затем он предлагал Ивану всевозможные носки, спортивную одежду, товары для бега и знания о фитнесе. С помощью данных, записанных пользователями за ежедневное онлайн-потребление, покупки и просмотр, в сочетании с искусственными интеллектуальные алгоритмы и другие технологии, исследуется потребительская логика покупательского поведения потребителей, что обеспечивает основу для принятия решений для цифрового маркетинга и способствует рыночным сделкам [10].

Ежедневные данные о поведении пользователей с помощью технических средств анализируются, прогнозируется будущий путь потребления поведения, постепенно обогащаются «портреты» персонажей, культурные ценности, вызвали признание потребителей, повысили эффективность маркетинга и достигли маркетинговых эффектов.

Мобильный Интернет способствует быстрому росту цифрового маркетинга. Массивные данные, генерируемые основными интернет-платформами каждый день, являются реальным содержанием фактического участия общественности. Предприятия очень заинтересованы в эффективном использовании данных основных интернет-платформ и проведении целевых маркетинговых коммуникаций. Для достижения точного маркетинга принятие решений будет все больше и больше основываться на данных и анализе, а предприятия будут оптимизировать свою деятельность на основе анализа данных [11].

Суть машинного обучения состоит в подсчете и поиске похожих данных с определенными статистическими законами, а его цель — найти оптимизированную модель из обычного пространства данных [12]. Критерии оценки и эффективность маркетинговой коммуникации являются важной основой для измерения качества модели. В сочетании с конкретными потребностями выбираются индикаторы оценки и эталонные параметры эффективности связи, подходящие для решения этой проблемы. Интеллектуальный алгоритм может повысить точность цифрового маркетинга, улучшить систему персонализации и рекомендаций, оптимизировать платную рекламу, оптимизировать время и канал маркетингового продвижения, улучшить автоматизацию маркетингового процесса, а также понимать и прогнозировать поведение пользователей и т. д.

Литература:

1. A. Munsch, «Millennial and generation Z digital marketing communication and advertising effectiveness: a qualitative exploration» Journal of Global Scholars of Marketing Science, vol. 31, no. 1, pp. 10–29, 2021
2. G. V. Dovzhik, V. N. Dovzhik, and O. V. Kurasova, Empathy and Identification as an Online Technology of Blogger’s Communication in Digital Marketing, Springer International Publishing, Heidelberg, Germany, 2021.
3. A. S. Krishen, Y. K. Dwivedi, N. Bindu, and K. S. Kumar, «A broad overview of interactive digital marketing: a bibliometric network analysis» Journal of Business Research, vol. 131, no. 2, pp. 183–195, 2021.
4. L. Amorim and B. Sousa, «Digital marketing and tourism trends: an exploratory study in the context of barcelos (Portugal) » African Journal of Hospitality Tourism and Leisure, vol. 9, no. 6, pp. 1–10, 2021.
5. T. Saheb and B. Amini, The Impact of Artificial Intelligence Analytics in Enhancing Digital Marketing: The Role of Open Big Data and Ai Analytics Competencies, Research Square, Durham, NC, USA, 2021.
6. V. Bilyk, O. Serhiienko, and I. Krupenna, Digital Marketing Tools in >e Conditions of Transformation of Communications of >e Modern Organization, vol. 825, Ecovis, Berlin, Germany, 2020.
7. M. A. Nindyta, S. Hesti, R. Briandana, and P. M. Kurniasari, «Digital marketing communication strategies: the case of Indonesian new’s portals» International Journal of Economics and Business Administration, vol. VIII, no. 3, pp. 307–316, 2020.
8. D. Munandar, «The model of digital marketing communication strategy, customer relationship management and product quality to encourage purchase decision» Journal of Advanced Research in Dynamical and Control Systems, vol. 12, no. 4, pp. 486–492, 2020.
9. H. Wang, N. A. Dembsey, B. J. Meacham, S. Liu, and A. Simeoni, «Comparison of sensitivity matrix method, power functionbased response surface method, and artificial neural network in the analysis of building fire egress performance», Journal of Building Engineering, vol. 43, no. 2, Article ID 102860, 2021.
10. Y. Li, X. Chen, T. Mao, and G. Huang, «User portrait for archival talents based on recruitment» in Proceedings of the 2021 IEEE 6th International Conference on Cloud Computing and Big Data Analytics (ICCCBDA), April 2021.
11. X. Chi, Z.-P. Fan, and X. Wang, «Pricing mode selection for the online short video platform» Soft Computing, vol. 25, no. 7, pp. 5105–5120, 2021.
12. H. Wang, «Multi-sensor fusion module for perceptual target recognition for intelligent machine learning visual feature extraction» IEEE Sensors Journal, vol. 21, no. 99, p. 1, 2021.