ИССЛЕДОВАНИЕ ПРОБЛЕМЫ ПРОГНОЗИРОВАНИЯ ПОВЕДЕНИЯ КЛИЕНТОВ ИНТЕРНЕТ-МАГАЗИНОВ

INVESTIGATION OF THE PROBLEM OF FORECASTING THE BEHAVIOR OF ONLINE STORE CUSTOMERS

Andrey Soldatov

student, Department of Institute of Management and Information Technologies, St. Petersburg University of Management Technologies and Economics,

Russia, St. Petersburg

АННОТАЦИЯ

Определены основные проблемы прогнозирования поведения клиентов интернет-магазинов. Рассмотрены преимущества учета поведенческих особенностей клиентов интернет-магазинов в рамках маркетплейсов. Определены основные методы, используемые маркетплейсами для прогнозирования поведения покупателей.

ABSTRACT

The main problems of forecasting the behavior of online store customers have been identified. The advantages of taking into account the behavioral characteristics of online store customers within the framework of marketplaces are considered. The main methods used by marketplaces to predict customer behavior are identified.

Ключевые слова: поведение клиентов; интернет-магазин; маркетплейс; прогнозирование.

Keywords: customer behavior; online store; marketplace; forecasting.

Постоянная погоня за покупателем привела к перемещению торговых площадок на интернет-ресурсы. Однако преимущество использования интернет-магазинов быстро растаяли вместе с увеличением их числа в сети. На сегодня уже недостаточно использовать интернет-технологии для презентации своих товаров и услуг для поддержки необходимого уровня конкурентоспособности. Новые технологии только расширили спектры возможностей для работы с покупателями, однако их использования и сами технологии в значительной мере усложнились. Владельцы интернет-магазинов сегодня работают над различными схемами взаимодействия с покупателями, улучшением технологий подачи информации и упрощением механизмов поиска и оплаты товаров и услуг.

Корректное прогнозирование объемов будущих заказов позволяет в значительной мере сократить расходы интернет-магазинов на использование складских площадей, утилизацию и хранение товаров, имеющих низкий уровень продаж, но формирующих общий ассортимент. Простейшие технологии прогнозирования спроса не дают объективных данных из-за усложнения механизмов работы и высокого уровня конкуренции на рынке.

В таких условиях наиболее актуальным является изучение поведения клиентов интернет-магазинов для направления их движения от уровня лидов до реальных покупателей.

Целью данной работы является исследование проблемы прогнозирования поведения клиентов интернет-магазинов.

Исследования в этом направлении можно разделить по следующих группам. К первой группе можно отнести изучение структур онлайн-платформ и методов оптимизации их работы с использованием данных о поведенческих особенностях клиентов. Можно отметить работы Е.С. Казанцева [3] и Е.А. Павловой, О.В. Сизовой [5], посвященные также анализу методов исследования особенностей интернет-магазинов и характера поведения клиентов.

Вторая группа касается общих вопросов организации работы с клиентом в сети с учетом особенностей онлайн-торговли. Ярким представителем этого направления является работа Д.В. Махноносова [4], связанная с определением цифрового пути клиента. В данном случае под цифровым путем клиента понимается выявление положительного потребительского опыта, который позволит сформировать необходимые требования к технологиям презентации товара или услуги, механизмами работы с ним и других особенностей для успешного взаимодействия с покупателем.

К третьей группе относятся специализированные исследования, связанные с отдельными аспектами применения полученных данных по поведенческим особенностям покупателей. Например, С.Л. Иманов в своей работе [2] изучает влияние персонализации на поведение потребителей в интернет-магазинах. А также описание методов анализа данных для предсказания покупательского поведения в работе Я.А. Голубева [1].

Изучение возможностей крупных торговых площадок (маркетплейсов) для проведения анализа данных покупателей и определение тенденций их поведения. Примером исследований в этом направлении может стать работа С.А. Саленковой, Р.Р. Пьянова, О.А. Крыжановской [6].

Большое число исследований по данной проблематике отражает скорее не наличие универсальных решений, а высокий интерес к данному вопросу со стороны исследователей.

Поведение покупателя включает некоторых набор эмоциональных, психических и поведенческих реакций, которые в конечном итоге должны привести к покупке. Процесс взаимодействия с покупателем, в отличие от обычного магазина включает целый набор новых характеристик, в том числе и клики на страницах, поиск данных в сети, просмотр рассылки.

Не смотря на существенные отличия общая схема работы с покупателем остается универсальной, изменяются каналы взаимодействия и технологии привлечения.

В результате можно говорить о том, что как и при обычной покупке основные факторы, оказывающие влияние на покупателя определяются:

• семейным положением, в том числе и наличием детей;
• социальным положением, определяющим уровень потребностей клиента;
• родом занятий и образом жизни, позволяющих разделить потребителей по группам на основании наличия знаний в различных областях и стремлений;
• возраст и пол, определяющие попадание в конкретную возрастную группу с определением модели поведения;
• мотивацией и убеждением, которые определяют общие алгоритмы поиска услуги и товара и принципы принятия решения по его приобретению.

Получая полную информацию по этим характеристикам консультант обычного магазина выполняет корректировку стратегии продаж. Работа онлайн-платформы должна также адекватно реагировать на покупателя, однако благодаря распространению информационных технологий эти данные можно получить на основании анализа разных источников данных, в том числе и социальных сетей, групп в мессенджерах и других.

Процесс работы с покупателем интернет-магазина включает все стандартные стадии: осознание, знакомство, симпатия, предпочтение, решение, покупка.

На первом этапе формирования потребности механизмы интернет-магазина должны реагировать персональными рекомендациями. Среди таковых рекомендаций должны быть товары или услуги, которыми интересовался потребитель, а также данные по последним вариантам решения проблемы.

Следующий этап связан с поиском альтернатив для решения проблемы, и механизмы работы с клиентом должны быть готовы к формированию привлекательных решений, ориентированных на решение конкретных задач покупателя. При этом уровень информативности в рамках предложений должен быть достаточным для данной группы покупателей, чтобы возник нужный уровень доверия.

При необходимости ресурсы должны предоставлять специализированные инструменты для анализа предложений, выполнение сравнения вариантов, а также получение помощи от чат-бота.

На следующей стадии происходит сравнение по дополнительным характеристикам и выбор ценовой группы. Представление скидок и программ лояльности для работы с конкретными клиентами, позволяет закрепить решение клиента. Процесс сравнение может продолжаться с точки зрения необходимости приобретения или же выбора поставщика. В результате покупка будет осуществлена если интернет-магазин предлагает также удобные средства для осуществления платежей и выполнения доставки.

Закрепление данных по вновь обретенному клиенту должно осуществляться путем получения дополнительных регистрационных данных, которые могут включать данные о возрасте, поле, социальной группе и другие данные.

На сегодня программы с отслеживанием поведения клиента еще достаточно сложны для прогнозирования в рамках среднего интернет-магазина. Однако наиболее крупные маркетплейсы осуществляют изучение поведения пользователей с задействованием технологии больших данных с последующим анализом информации, касающейся их интересов и предпочтений.

В качестве основных источников данных для анализа поведения клиентов маркетплейсы используют:

• истории покупок пользователей, в том числе и списки желаний в виде выделенных товаров и услуг;
• общие данные по просмотрам в рамках конкретного маркетплейса, времени присутствия на конкретных страницах, клики;
• данные поисковых запросов, которые выполняет пользователь путем парсинга данных посредством использования регистрации через социальные сети;
• демографическую информацию и предпочтения пользователей также путем парсинга данных посредством использования регистрации через социальные сети;
• отзывы и оценки продукции, которые регистрируются на самом маркетплейсе и собираются из внешних источников;
• информация о конкурентах и рыночных тенденциях, которая формируется также путем парсинга данных из разного рода источников.

Работа с разными источниками данных позволяет использовать для планирования деятельности маркетплейсов сложные интеллектуальные технологии. Результатом работы искусственного интеллекта на базе комплекса данных становятся персонализированные предложения, распределение покупателей по специальным категориям с прогнозированием их поведения.

Список литературы:

1. Голубев Я.А. Анализ данных для предсказания покупательского поведения / Я.А. Голубев // Сборник научных трудов вузов России «Проблемы экономики, финансов и управления производством». – 2023. – № 52. – С. 161-163.
2. Иманов С.Л. Влияние персонализации на поведение потребителей в интернет-магазинах / С.Л. Иманов // Экономика и предпринимательство. – 2025. – № 3 (176). – С. 971-975.
3. Казанцев Е.С. Инструменты и методы анализа данных для интернет-магазинов / Е.С. Казанцев // Научно-исследовательский центр «Technical Innovations». – 2024. – № 27. – С. 179-183.
4. Махноносов Д.В. Цифровой путь клиента в системе электронной торговли: поиск стратегических решений / Д.В. Махноносов // Экономический вестник. – 2022. – Т. 1. № 4. – С. 21-27.
5. Павлова Е.А. Анализ и оптимизация on-line продаж торговой организации / Е.А. Павлова, О.В. Сизова // Известия высших учебных заведений. Серия: Экономика, финансы и управление производством. – 2024. – № 4 (62). – С. 88-97.
6. Пьянова Н.В. Маркетплейса: бизнес-модель современной экономики / С.А. Саленкова, Р.Р. Пьянов, О.А. Крыжановская // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. – 2024. – Т. 14. № 2. – С. 175-185.