Assessment of the impact of artificial intelligence on the economic efficiency of marketing companies

Cover Page

Cite item

Full Text

Abstract

the purpose of the study is to develop and validate a process-level model for assessing the impact of artificial intelligence tools on the economic efficiency of marketing companies. Methods: the research applies economic–mathematical modeling with operationalization through revenue, costs, service quality, automation share, and human capital; process mapping of marketing workflows; scenario analysis of alternative automation levels; and sensitivity checks to input assumptions. Findings: the simulations indicate quality improvement and a reduction in variable costs under AI integration, yielding higher profit under feasible parameter ranges; efficiency depends on the automation share; an interior automation level maximizes economic outcomes given data quality and resource constraints. Conclusions: the proposed model serves as a decision-support instrument for planning AI adoption in marketing agencies; practical use requires calibration to a firm’s service portfolio and available data; further development will address heterogeneity across service lines and the long-run effects mediated by intangible assets.

About the authors

A. P Deriglazov

ITMO University

Email: alexanderiglazov@gmail.com
ORCID iD: 0009-0002-0849-8360

E. A Pavlova

ITMO University

Email: eapavlova@itmo.ru
ORCID iD: 0000-0001-6492-7102

References

  1. Валлерстайн И. Анализ мировых систем и ситуация в современном мире: пер. с англ. П.М. Кудюкина / под общ. ред. Б.Ю. Кагарлицкого. СПб.: Университетская книга, 2001. 416 с. ISBN 5-94483-042-5.
  2. Кастельс М. Информационная эпоха: экономика, общество и культура: пер. с англ. под науч. ред. О.И. Шкаратана. М.: ГУ ВШЭ, 2000. 608 с.
  3. Кирилюс А.Г., Горбунова В.Б. Модели и инструменты цифровой трансформации бизнеса // Вестник молодёжной науки. 2022. № 1 (33). С. 1–15. Режим доступа: https://cyberleninka.ru/article/n/modeli-i-instrumenty-tsifrovoy-transformatsii-biznesa (дата обращения: 12.05.2024)
  4. Селигмен Б., Йозеф А. Шумпетер и его новатор // Основные течения современной экономической мысли. М.: Прогресс, 1968. С. 1 – 600.
  5. Fisher A.G.B. Production, primary, secondary and tertiary // Economic Record. 1939. Vol. 15. № 1. P. 24 – 38.
  6. OECD. OECD Digital Economy Outlook 2024 (Volume 1): Embracing the Technology Frontier. Paris: OECD Publishing, 2024. – Режим доступа: https://doi.org/10.1787/a1689dc5-en (дата обращения: 15.06.2025)
  7. World Intellectual Property Organization. Global Innovation Index 2024 / World Intellectual Property Organization. 2024. Режим доступа: https://www.wipo.int/publications/en/details.jsp?id=4758&plang=EN (дата обращения: 02.02.2025)
  8. AdIndex. Агентства [Электронный ресурс]. Режим доступа: https://adindex.ru/news/agencies/2023/12/1/317643.phtml (дата обращения: 15.06.2025)
  9. AllAdvertising. Официальный сайт [Электронный ресурс]. Режим доступа: https://alladvertising.ru/about/ (дата обращения: 15.06.2025)
  10. ЕМИСС. Государственная статистика. Количество компаний – разработчиков ИИ-решений, получивших государственную поддержку в рамках федерального проекта «Искусственный интеллект» (индикатор 62081) [Электронный ресурс]. Режим доступа: https://www.fedstat.ru/indicator/62081 (дата обращения: 15.06.2025)
  11. ЕМИСС. Государственная статистика. Количество отраслей экономики, для которых обеспечена отработка навыков противодействия компьютерным атакам с использованием цифровых двойников организаций (индикатор D4, 61623) [Электронный ресурс]. Режим доступа: https://www.fedstat.ru/indicator/61623 (дата обращения: 15.06.2025)
  12. НАФИ. Только треть российских компаний использует машинное обучение [Электронный ресурс]. Режим доступа: https://nafi.ru/analytics/tolko-tret-rossiyskikh-kompaniy-ispolzuet-mashinnoe-obuchenie/ (дата обращения: 15.06.2025)
  13. Российский научный фонд. Искусственный интеллект помог разработать новые препараты от устойчивых к антибиотикам бактерий [Электронный ресурс]. Режим доступа: https://rscf.ru/news/presidential-program/iskusstvennyy-intellekt-pomog-razrabotat-novye-preparaty-ot-ustoychivy33kh-k-antibiotikam-bakteriy-ob-/ (дата обращения: 15.06.2025)
  14. Acemoglu D. The simple macroeconomics of artificial intelligence // NBER Working Paper No. 32487. Cambridge, MA: NBER, 2024. Режим доступа: https://www.nber.org/papers/w32487
  15. Brynjolfsson E., Li D., Raymond L. Generative AI at work // Quarterly Journal of Economics. 2025. № 140 (2). P. 889 – 942. https://doi.org/10.1093/qje/qjae014
  16. Brynjolfsson E., Rock D., Syverson C. The productivity J-curve: how intangibles complement general purpose technologies // American Economic Journal: Macroeconomics. 2021. Vol. 13 (1). P. 333 – 372. https://doi.org/10.1257/mac.20180386
  17. Cockburn I.M., Henderson R., Stern S. The impact of artificial intelligence on innovation // NBER Working Paper No. 24449. Cambridge, MA: NBER, 2018. Режим доступа: https://www.nber.org/papers/w24449
  18. Davenport T., Guha A., Grewal D., Bressgott T. How artificial intelligence will change the future of marketing // Journal of the Academy of Marketing Science. 2020. Vol. 48 (1). P. 24 – 42. https://doi.org/10.1007/s11747-019-00696-0
  19. Deloitte. Тенденции развития роботизации в РФ: RPA. 2020 [Электронный ресурс]. Режим доступа: https://www.deloitte.com/content/dam/Deloitte/ru/Documents/tax/deloitte-rpa-survey.pdf (дата обращения: 15.06.2025)
  20. Huang, M.-H., Rust, R. T. Artificial intelligence in service // Journal of Service Research. 2018. Vol. 21(2). P. 155 – 172. https://doi.org/10.1177/1094670517752459
  21. NEW DIGITAL (New Light Digital). Чем занимаются маркетинговые агентства? [Электронный ресурс]. Режим доступа: https://newlightdigital.com/ru/blog/chem-zanimayutsya-marketingovye-agents/ (дата обращения: 15.06.2025)
  22. Noy S., Zhang W. Experimental evidence on the productivity effects of generative artificial intelligence // Science. 2023. № 381 (6654). P. 187 – 192. https://doi.org/10.1126/science.adh2586
  23. Statista. Healthcare IoT – Worldwide. 2023 [Электронный ресурс]. Режим доступа: https://www.statista.com/outlook/tmo/internet-of-things/healthcare-iot/worldwide (дата обращения: 15.06.2025)
  24. Wedel M., Kannan P.K. Marketing analytics for data-rich environments // Journal of Marketing. 2016. Vol. 80 (6). P. 97 – 121. https://doi.org/10.1509/jm.15.0413

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a 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».