Применение искусственного интеллекта для привлечения клиентов в социальных сетях: обзор российского и зарубежного опыта

Обложка

Цитировать

Полный текст

Аннотация

Искусственный интеллект в современных реалиях играет ключевую роль в маркетинге в общем и, безусловно, в привлечении новых пользователей в социальных сетях, в частности. Нейронные сети и другие методы машинного обучения широко применяются в различных рекомендательных системах, однако, их применение для привлечения новых клиентов недостаточно проработано. Как известно, масштабирование любого бизнеса напрямую связано с увеличением числа новых клиентов, что обусловливает значимость изучения вопроса нейромаркетинга. Цель данного исследования – провести сравнительный анализ существующих российских и зарубежных сервисов для привлечения новых пользователей и определить эффективные методы, применяемые для этих целей. 

Об авторах

А. В. Соколов

АНО ВО "Университет Иннополис"; Пермский государственный национальный исследовательский университет

Автор, ответственный за переписку.
Email: asokolov@interprogram.ru
аспирант АНО ВО "Университет Иннополис", ассистент, Физико-математический институт 420500, Россия, г. Иннополис, ул. Университетская, 1; 614068, Россия, г. Пермь, ул. Букирева, 15

А. С. Шуткин

Пермский государственный национальный исследовательский университет

Email: ashutkin@mail.ru
магистрант 2-го года обучения кафедры прикладной математики и информатики 614068, Россия, г. Пермь, ул. Букирева, 15

Е. М. Епифанова

Пермский государственный национальный исследовательский университет

Email: Kateryna.epifanowa@yandex.ru
студентка 5 курса по специальности Перевод и переводоведение 614068, Россия, г. Пермь, ул. Букирева, 15

А. А. Попкова

Пермский государственный национальный исследовательский университет

Email: alina.k-r@mail.ru
студентка 5 курса по специальности Перевод и переводоведение 614068, Россия, г. Пермь, ул. Букирева, 15

А. Л. Бекларян

НИУ ВШЭ

Email: abeklaryan@hse.ru
кандидат технических наук, доцент, Факультет компьютерных наук 101000, г. Москва, ул. Мясницкая, д. 20

М. А. Барулина

Пермский государственный национальный исследовательский университет

Email: mab@psu.ru
доктор физико-математических наук, доцент, Физико-математический институт 614068, Россия, г. Пермь, ул. Букирева, 15

Список литературы

  1. Number of worldwide social network users 2028 | Statista: [сайт]. URL: https://www.statista.com/statistics/278414/number-of-worldwide-social-network-users/ (дата обращения: 10.02.2025).
  2. Соколов А.В., Сычев И.А., Соколова О.Л., Волкова Д.Б., Селетков И.П., Яшичев Д.Л., Ясницкий Л.Н. Теоретические и практические аспекты построения рекомендательных моделей: типология, архитектура и направления проектирования // Вестник Пермского университета. Математика. Механика. Информатика, 2024. Вып. 3(66). С. 64–77. URL: https://www.elibrary.ru/item.asp?edn=ajuxpc (дата обращения: 10.02.2025).
  3. Soumaya Lamrhari, Hamid El Ghazi, Mourad Oubrich, Abdellatif El Faker. A social CRM an-alytic framework for improving customer retention, acquisition, and conver-sion, Technological Forecasting and Social Change. 2022. Vol. 174. URL: https://www.sciencedirect.com/science/article/abs/pii/S0040162521007095 (дата об-ращения: 10.02.2025).
  4. Yassine Himeur, Abdullah Alsalemi, Ayman Al-Kababji, Faycal Bensaali, Abbes Amira, Christos Sardianos, George Dimitrakopoulos, Iraklis Varlamis. A survey of recom-mender systems for energy efficiency in buildings: Principles, challenges and prospects, Information Fusion. 2021. Vol. 72. P. 1–21. URL: https://www. sciencedi-rect.com/science/article/pii/S1566253521000178 (дата обращения: 10.02.2025).
  5. Mian Muhammad Talha, Hikmat Ullah Khan, Saqib Iqbal, Mohammed Alghobiri, Tassawar Iqbal, Muhammad Fayyaz. Deep learning in news recommender systems: A comprehensive survey, challenges and future trends, Neurocomputing. 2023. Vol. 562. URL: https://www.sciencedirect.com/science/article/abs/pii/S092523122 3010044 (дата обращения: 10.02.2025).
  6. Semrush URL: https://www.semrush.com/ (дата обращения: 15.01.2025).
  7. Sprout Social URL: https://sproutsocial.com/ (дата обращения: 15.01.2025).
  8. Brand Analytics URL: https://brandanalytics.ru/en_RU/(дата обращения: 13.01.2025).
  9. LiveDune URL: https://livedune.com/ru (дата обращения: 21.01.2025).
  10. TrendHERO URL: https://trendhero.io/ru/blog/livedune-analogues/ (дата обращения: 21.01.2025).
  11. Metricool URL: https://metricool.com/ (дата обращения: 14.01.2025).
  12. Loomly URL: https://www.loomly.com/ (дата обращения: 14.01.2025).
  13. Hootsuite URL: https://www.hootsuite.com/ (дата обращения: 15.01.2025).
  14. All Ears URL: https://en.allears.ai/ (дата обращения: 13.01.2025).
  15. Outbrain URL: https://www.outbrain.com/ (дата обращения: 13.01.2025).
  16. Buffer URL: https://buffer.com/ (дата обращения: 13.01.2025).
  17. Simplified URL: https://simplified.com/ (дата обращения: 13.01.2025).
  18. Ms. Anshu, Dr. Monika. Sharma AI in SocialMedia Marketing: Opportunities and Chal-lenges // International Journal of Scientific Research in Computer Science, Engineering and Information Technology. 2024. Vol. 10. P. 195–204. DOI: 10.32628/ cseit24105104 EDN: XTOMIB19. Sah V., Akki S.N.R., Shastry H.K. Artificial intelli-gence in social media marketing. AIP Conf. Proc. 20 December 2024; 3217 (1): 020015.
  19. Шевердин А.А. Автоматизация маркетинговых процессов с помощью искусствен-ного интеллекта: Преимущества и вызовы // Вестник науки. 2024. №1(70). URL: https://cyberleninka.ru/article/n/avtomatizatsiya-marketingovyh-protses sov-s-pomoschyu-iskusstvennogo-intellekta-preimuschestva-i-vyzovy (дата обращения: 17.01.2025). EDN: CGSJPV.
  20. Islam M.A., Fakir S.I., Masud S.B., Hossen M.D., Islam M.T., Siddiky M.R. Artificial in-telligence in digital marketing automation: Enhancing personalization, predictive ana-lytics, and ethical integration. Edelweiss Applied Science and Technology. 2024. 8(6). P. 6498–6516.
  21. Durmus Senyapar H.N. Artificial Intelligence in Marketing Communication: A Com-prehensive Exploration of the Integration and Impact of AI. Technium Social Sciences Journal, 2024. 55(1). P. 64–81. doi: 10.47577/tssj.v55i1.10651 EDN: VFWPTG.
  22. Odejide O., Edunjobi T. Ai in project management: exploring theoretical models for de-cision-making and risk management // Engineering Science & Technology Journal. 2024. Vol. 5. P. 1072–1085. doi: 10.51594/estj.v5i3.959 EDN: TIXTZG
  23. Babatunde S., Odejide O., Edunjobi T., Ogundipe D. The role of ai in marketing per-sonalization: a theoretical exploration of consumer engagement strategies // International Journal of Management & Entrepreneurship Research. 2024. Vol. 6. P. 936–949. doi: 10.51594/ijmer.v6i3.964 EDN: LUETQI.
  24. Ghosh S., Ness S., Salunkhe Sh. The Role of AI Enabled Chatbots in Omnichannel Cus-tomer Service // Journal of Engineering Research and Reports. 2024. Vol. 26. P. 327–345. doi: 10.9734/jerr/2024/v26i61184 EDN: AYNEO.I.
  25. Rani Y. A., Balaram A., Sirisha M. R., Nabi S. A., Renuka P., Kiran A. AI Enhanced Customer Service Chatbot // International Conference on Science Technology Engineer-ing and Management (ICSTEM). 2024. P. 1–5.
  26. Ojha A.K. Navigating the Algorithmic Marketplace: How AI is Changing Consumer Psychol-ogy and Brand Loyalty // Journal of Psychology and Political Science. 2023. Vol. 3. P. 25-29. doi: 10.55529/jpps.32.25.29 EDN: DTLRSP.
  27. Schönberger M. Artificial intelligence for small and medium-sized enterprises: Identify-ing key applications and challenges // Journal of Business Management. 2023. Vol. 21. P. 89–112.
  28. Abhulimen A.O., Ejike O.G. Ethical considerations in AI use for SMEs and supply chains: Current challenges and future directions // International Journal of Applied Re-search in Social Sciences. 2024. Vol. 6. P. 1653–1679. doi: 10.51594/ijarss.v6i8. 1391 EDN: MKNTUT.
  29. Shan L. Computing advertising intelligent computing and push based on artificial intel-ligence in the big data era // Heliyon. 2024. Vol. 10. DOI: 10.1016/j. heli-yon.2024.e37252 EDN: VCSMFN.
  30. Okeleke P.A.,Ajiga D., Folorunsho S.O., Ezeigweneme C. Predictive analytics for mar-ket trends using AI: A study in consumer behavior // International Journal of Engineer-ing Research Updates. 2024. № 07(01). P. 36–49.
  31. Priyanga, G. The effects of artificial intelligence on digital marketing. ShodhKosh Journal of Visual and Performing Arts. 2023. 4(1SE). DOI: 10.29121/ sho-dhkosh.v4.i1se.2023.431 EDN: RSBAVU.
  32. Rane N., Paramesha M., Choudhary S., Rane J. Artificial Intelligence, Machine Learn-ing, and Deep Learning for Advanced Business Strategies: a Review // Partners Univer-sal International Innovation Journal. 2024. Vol. 2. P. 147–171.
  33. Zhang Yixuan. Utilizing machine learning algorithms for consumer behaviour analysis // Proceedings of the fourth International Conference on Signal Processing and Machine Learning. 2024. P. 213–219.
  34. Krajčovič P. The Impact of Artificial Intelligence on Social Media // Proceedings of the 11th European Conference on Social Media - ECSM. 2024. Vol. 11. P. 103–110.
  35. Swati Sharma, Koneti Chaitanya, Alaulddin B. Jawad, Irudhayamary Premkumar, Juhi Vinod Mehta, Deepak Hajoary. Ethical Considerations in AI-Based Marketing: Balanc-ing Profit and Consumer Trust // Journal of Propulsion Technology. 2023. Vol. 44. P. 1301–1309. doi: 10.52783/tjjpt.v44.i3.474 EDN: OZSGCF.
  36. Quinelato P.D. Consumer manipulation through behavioral advertising: regulatory pro-posal by the Data Services Act // Brazilian Journal of Law, Technology and Innovation. 2024. Vol. 2. P. 1–24. doi: 10.59224/bjlti.v2i1.1-24 EDN: IAQQRI.
  37. Marcello Ienca On Artificial Intelligence and Manipulation // Topoi. 2023. Vol. 42. P. 833–842. doi: 10.1007/s11245-023-09940-3 EDN: MNQQUZ.
  38. Atkinson P., Barker R. AI and the social construction of creativity // Convergence: The Inter-national Journal of Research into New Media Technologies. 2023. Vol. 29. P. 1054–1069.
  39. Eapen T.T., Finkenstadt D.J., Folk J., Venkataswamy L. How Generative AI Can Aug-ment Human Creativity // Harvard Business Review. 2023. Vol. 101. P. 56–64.
  40. Forouzandeh A., Feizi-Derakhshi M.-R., Gholami-Dastgerdi P. Persian Named Entity Recognition by Gray Wolf Optimization Algorithm, Scientific Programming, 2022. P. 12. URL: https://onlinelibrary.wiley.com/doi/ (дата обращения: 10.02.2025). doi: 10.1155/2022/6368709 EDN: LIBXYG.
  41. F. K. Sufi, I. Khalil. Automated Disaster Monitoring From Social Media Posts Using AI-Based Location Intelligence and Sentiment Analysis, IEEE Transactions on Compu-tational Social Systems. Vol. 11, № 4. P. 4614–4624. Aug. 2024. URL: https://ieeexplore.ieee.org/document/9737676/ (дата обращения: 10.02.2025).
  42. Zhao Y. Exploring Redditors' Topics with Natural Language Processing, Polytechnic University of Valencia Congress, CARMA 2022. № 4. P 32. URL: http://ocs.editorial.upv.es/index.php/CARMA/CARMA2022/paper/view/15022 (дата обращения: 10.02.2025).
  43. Molenaar A, Lukose D, Brennan L, Jenkins EL, McCaffrey TA. Using Natural Language Processing to Explore Social Media Opinions on Food Security: Sentiment Analysis and Topic Modeling Study, J Med Internet Res, 2024. P. 26. URL: https://www.jmir.org/2024/1/e47826 (дата обращения: 10.02.2025). doi: 10.2196/47826 EDN: YACOPP.
  44. Itoo R.A., Shaikh Y., Tanwani S. Classifying Opinions and Sentiments on Social Net-work-ing Sites using Machine Learning Classifiers, Ijraset, 2024. P. 13. URL: https://www.ijraset.com/best-journal/classifying-opinions-and-sentiments-on-social-networking-sites-using-machine-learning-classifiers (дата обращения: 10.02.2025). doi: 10.22214/ijraset.2024.58664 EDN: YUTCRS.
  45. Khan L., Amjad A., Afaq K.M., Chang H.-T. Deep Sentiment Analysis Using CNN-LSTM Architecture of English and Roman Urdu Text Shared in Social Media, Applied Sciences. 2022. № 5. Р. 12. URL: https://www.mdpi.com/2076-3417/12/5/2694 (дата обращения: 10.02.2025).
  46. Alhassun A.S., Rassam M.A. A Combined Text-Based and Metadata-Based Deep-Learning Framework for the Detection of Spam Accounts on the Social Media Platform Twitter Processes. 2022. Vol. 10(3). P. 439. URL: https:// www.mdpi.com/2227-9717/10/3/439 (дата обращения: 10.02.2025).
  47. Kaddoura S., Chandrasekaran G., Elena Popescu D., Duraisamy J. H. A systematic liter-ature review on spam content detection and classification, PeerJ Computer Science. 2022. Vol. 8. P. 830. URL: https://peerj.com/articles/cs-830/ (дата обращения: 10.02.2025).
  48. Zhang J., Yang J., Yu J., Fan J. Semisupervised image classification by mutual learning of multiple self-supervised models, Int J Intell Syst. 2022. Vol. 37. P. 3117–3141. URL: https://onlinelibrary.wiley.com/doi/ (дата обращения: 10.02.2025). doi: 10.1002/int.22814 EDN: NNAWGC.
  49. Joo J., Steinert-Threlkeld Z. C. Image as Data: Automated Content Analysis for Visual Presentations of Political Actors and Events, Computational Communication Research, 2022. URL: https://www.aup-online.com/content/journals/10.5117/ CCR2022.1.001.JOO (дата обращения: 10.02.2025).
  50. Naznin F., Kakoti Mahanta A. Grouping of Twitter users according to contents of their tweets, Indonesian Journal of Electrical Engineering and Computer Science. 2023. Vol. 31, № 2. P. 876–884. Aug. 2023. ISSN 2502-4760. URL: https://ijeecs.iaescore.com/index.php/IJEECS/article/view/30731 (дата обращения: 10.02.2025). doi: 10.11591/ijeecs.v31.i2.pp876-884 EDN: YGYCUA.
  51. Sharma A., Shafiq M.O. A Comprehensive Artificial Intelligence Based User Intention Assessment Model from Online Reviews and Social Media, Applied Artificial Intelli-gence. 2022. Vol. 36(1). URL: https://www.tandfonline.com/doi/citedby/ (дата обра-щения: 10.02.2025). doi: 10.1080/08839514.2021.2014193 EDN: OFVRFQ.
  52. Orama J. A., Huertas A., Borràs J., Moreno A., Anton Clavé S. Identification of Mobili-ty Patterns of Clusters of City Visitors: An Application of Artificial Intelligence Tech-niques to Social Media Data, Applied Sciences. 2022. Vol. 12(12). P. 5834. URL: https://www.mdpi.com/2076-3417/12/12/5834 (дата обращения: 10.02.2025). doi: 10.3390/app12125834 EDN: NQGGXU.
  53. C.R., Kodabagi M.M. Connecting user profiles social networks using proximity-based clustering // Malaysian Journal of Computer Science. 2022. P. 1–15. URL: https://ejour-nal.um.edu.my/index.php/MJCS/article/view/40401 (дата обращения: 10.02.2025).
  54. Escobedo F., Garay Canales H.B., Aguirre Reyes, E.M., Lamadrid Vela C.A., Montoya Perez O.N., Caballero Jimenez G.E. Dep Attentional Implanted Graph Clustering Algo-rithm for the Visualization and Analysis of Social Networks // Journal of Internet Ser-vices and Information Security. 2024. Vol. 14, Issue 1. P. 153–164. URL: https://jisis.org/article/2024.I1.010/71006/ (дата обращения: 10.02.2025). doi: 10.58346/jisis.2024.i1.010 EDN: JQSFJC.
  55. Chebil M., Jallouli R., Bach Tobji M.A. Clustering Social Media Data for Marketing Strategies: Literature Review Using Topic Modelling Techniques // Journal of Tele-communications and the Digital Economy. 2024. Vol. 12(1). P. 510–537. URL: https://jtde.telsoc.org/index.php/jtde/article/view/889 (дата обращения: 10.02.2025).
  56. Li S.-C., Chen Y.-C., Chen Y.-W., Huang Y. Predicting Advertisement Revenue of So-cial-Media-Driven Content Websites: Toward More Efficient and Sustainable Social Media Posting, Sustainability. 2022. Vol. 14(7). P. 4225. URL: https://www.mdpi.com/2071-1050/14/7/4225 (дата обращения: 10.02.2025). doi: 10.3390/su14074225 EDN: YFHLUX.
  57. J. R. Sánchez et al. On the Power of Social Networks to Analyze Threatening Trends, in IEEE Internet Computing. 2022. Vol. 26. 1 March–April, № 2. P. 19–26. URL: https://ieeexplore.ieee.org/document/9721598 (дата обращения: 10.02.2025).
  58. Xu Z., Qian M. Predicting Popularity of Viral Content in Social Media through a Tem-poral-Spatial Cascade Convolutional Learning Framework, Mathematics. 2023. 11(14):3059. URL: https://www.mdpi.com/2227-7390/11/14/3059 (дата обраще-ния: 10.02.2025). doi: 10.3390/math11143059 EDN: SXZZHY.
  59. Gao B., Wang Y., Xie H., Hu Y., Hu Y. Artificial Intelligence in Advertising: Ad-vancements, Challenges, and Ethical Considerations in Targeting, Personalization, Con-tent Creation, and Ad Optimization, Sage Open. 2023. Vol. 13(4). URL: https://journals.sagepub.com/doi/ (дата обращения: 10.02.2025). DOI: 10.1177/ 21582440231210759 EDN: WHNSNE.
  60. Adam A., Setiawan E. Social Media Sentiment Analysis using Convolutional Neural Network (CNN) dan Gated Recurrent Unit (GRU) // Jurnal Ilmiah Teknik Elektro Komputer dan Informatika. 2023. Vol. 9. P. 119–131. 62. URL: https://www. re-searchgate.net/publication/370262265_Social_Media_Sentiment_Analysis_using_ Convolutional_Neural_Network_CNN_dan_Gated_Recurrent_Unit _GRU (дата обра-щения: 10.02.2025).
  61. Zhe C., Srijinda P. The impact of AI-generated content on content consumption habits of Chinese social media users through Xiaohongshu application // Edelweiss Applied Science and Technology. 2024. Vol. 8(6). P. 1504–1516, URL: https://learning-gate.com/index.php/2576-8484/article/view/2268 (дата обращения: 10.02.2025). doi: 10.55214/25768484.v8i6.2268 EDN: RHMMOK.
  62. Bender S.M. Coexistence and creativity: screen media education in the age of artificial intelligence content generators, Media Practice and Education. 2023. Vol. 24(4). P. 351–366. URL: https://www.tandfonline.com/doi/citedby/?scroll=top&need Ac-cess=true (дата обращения: 10.02.2025). doi: 10.1080/25741136.2023.2204203 EDN: PBVLRC.
  63. Leung R. Using AI-ML to Augment the Capabilities of Social Media for Telehealth and Remote Patient Monitoring, Healthcare. 2023. Vol. 11(12). P. 1704. URL: https://www.mdpi.com/2227-9032/11/12/1704 (дата обращения: 10.02.2025). doi: 10.3390/healthcare11121704 EDN: DFEMXY.
  64. Krishna R., Lee D., Fei-Fei L., Bernstein M.S. Socially situated artificial intelligence en-ables learning from human interaction // Proc. Natl. Acad. Sci. U.S.A. 119 (39), (2022). URL: https://www.pnas.org/doi/full/10.1073/pnas.2115730119 (дата обращения: 10.02.2025).
  65. Pandey K.K., Thorat M., Joshi A., D, S., Hussein A., Alazzam M.B. Natural Lan-guage Processing for Sentiment Analysis in Social Media Marketing. 2023 // third International Conference on Advance Computing and Innovative Technologies in Engineering (ICACITE), Greater Noida, India. 2023. P. 326–330. URL: https://ieeexplore.ieee.org/document/10182590 (дата обращения: 10.02.2025).
  66. Reddy r.D.V.K., Likhitha N., Navya Sri M. Enhancing Social Media Marketing with Ma-chine Learning Based Ads Classification, IJSREM. 2024. P. 9. URL: https://ijsrem.com/download/enhancing-social-media-marketing-with-machine-learning-based-ads-classification/ (дата обращения: 10.02.2025).
  67. Ebrahimi P., Basirat M., Yousefi A., Nekmahmud M., Gholampour A., Fekete-Farkas M. Social Networks Marketing and Consumer Purchase Behavior: The Combination of SEM and Unsupervised Machine Learning Approaches, Big Data and Cognitive Com-puting. 2022. Vol. 6(2). P. 35. URL: https://www.mdpi.com/2504-2289/6/2/35 (дата обращения: 10.02.2025). doi: 10.3390/bdcc6020035 EDN: IZWBOR.
  68. Jokandan S.M.E., Bayat P., Farrokhbakht Foumani M. Targeted Advertising in Social Media Platforms Using Hybrid Convolutional Learning Method besides Efficient Fea-ture Weights // Journal of Electrical and Computer Engineering. 2022. P. 17. URL: https://onlinelibrary.wiley.com/doi/10.1155/2022/6159650 (дата обращения: 10.02.2025).
  69. Kshetri N., Dwivedi Y.K., Davenport T.H., Panteli N. Generative artificial intelligence in marketing: Applications, opportunities, challenges, and research agenda // International Journal of Information Management. 2024. Vol. 75.
  70. URL: https://www.sciencedirect.com/science/article/pii/S026840122300097X (дата обращения: 10.02.2025).
  71. Murphy L., Perales F., Gopal A., Gyurdieva Y., Gueorguiev V., Shandilya P. Time for marketing to embrace reinforcement learning // Journal of Digital & Social Media Mar-keting. 2022. Vol. 10, № 2. URL: https://hstalks.com/article/7309/time-for-marketing-to-embrace-reinforcement-learni/?business (дата обращения: 10.02.2025). doi: 10.69554/moyx6262 EDN: HGAHHF.
  72. Шитько А.М. Проектирование микросервисной архитектуры программного обес-печения / Труды БГТУ. Серия 3: Физико-математические науки и информатика. 2017. № 9(200). С. 122–125. URL: https://cyberleninka.ru/article/n/ proektirovanie-mikroservisnoy-arhitektury-programmnogo-obespecheniya (дата обращения: 07.02.2025). EDN: ZWZZPR.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».