Оптимизация процессов инфлюенс-маркетинга с использованием искусственного интеллекта

Обложка

Цитировать

Полный текст

Аннотация

целью исследования является обоснование современных тенденций повышения эффективности и оптимизация процессов инфлюенс-маркетинга с использованием современных AI-технологий. Методы: в качестве методов в представленном исследовании применяются анализ научных источников, литературного обзора, а также методы визуализации (графический и табличный анализ). Результаты (Findings): в исследовании предложена концептуальная теоретическая модель инфлюенс-маркетинга, которая отражает усредненные этапы подготовки и проведения рекламных кампаний с лидерами мнений. На ее основе обоснованы пути и направления по оптимизации процессов инфлюенс-маркетинга с помощью AI-технологий. Рассмотрены инструменты автоматизированного выбора инфлюенсеров, персонализации таргетинга, прогнозирования эффективности кампаний, генерации контента и другие. Представлены общие идеи о влиянии AI на эффективность маркетинговых стратегий при работе с инфлюенсерами. Выводы: предложенный подход к инфлюенс-маркетингу вкупе с перспективами и преимуществами интеграции AI в его процессы позволяет компаниям комплексно решать типовые задачи выбора лидеров мнений и управления контентом, повышать точность прогнозирования, снижать издержки – финансовые и временные потери. Исследование вносит вклад в развитие маркетинговых коммуникаций в условиях динамичной цифровой среды.

Об авторах

Е. В Мищенко

Ассоциация Цифрового маркетинга и электронной коммерции, Российско-армянский университет, Армения

Email: em@ecdma.org
ORCID iD: 0009-0008-1464-5455

А. Б Хмельницкая

Независимый исследователь

Email: Anastasia.khmelnitskaia@gmail.com
ORCID iD: 0009-0002-2976-4445

А. Г Шахбандарян

Empy.ai

Email: aram@empy.ai
ORCID iD: 0009-0009-1151-7615

М. М Шарапов

Независимый исследователь

Email: https://orcid.org/0009-0002-0380-55367070990@gmail.com
ORCID iD: 0009-0002-0380-5536

И. Д Мудрова

Независимый исследователь

Email: inessa.mudrova@mail.ru
ORCID iD: 0009-0000-6827-4065

Список литературы

  1. Борисова И.В. Инфлюенс-маркетинг в интернет-дискурсе: прагмалингвистический аспект // Мир науки, культуры, образования. 2022. № 5 (96). С. 262 – 265.
  2. Жигулев П.А. Новые инструменты Influence маркетинга и их применение в деятельности бизнеса // Практический маркетинг. 2024. № 3. С. 21 – 26.
  3. Измайлов М.К. Применение искусственного интеллекта для оптимизации рутинных административных задач: возможности, проблемы и перспективы // Вестник Пермского университета. Серия: Экономика. 2024. Т. 19. № 4. С. 395 – 408.
  4. Маркетинг влияния (Influence Marketing). URL: https://clck.ru/3G4QAL (дата обращения: 27.09.2024)
  5. Миргородская О.Н., Иванченко О.В. Использование технологий искусственного интеллекта в маркетинговой деятельности зарубежных и российских ритейл-компаний // Вестник Ростовского государственного экономического университета (РИНХ). 2021. № 3 (75). С. 87 – 96.
  6. Писарева Е.В. Инфлюенс-маркетинг как инструмент эффективной коммуникации в цифровой среде // Beneficium. 2023. № 4 (49). С. 85 – 91.
  7. Рынок инфлюенс-маркетинга увеличился примерно на треть. URL: https://adindex.ru/news/researches/2023/12/22/319440.phtml (дата обращения: 25.09.2024)
  8. Рынок рекламы у блогеров в 2024 году вырастет до 40-50 млрд рублей. URL: https://www.vedomosti.ru/media/articles/2024/10/30/1071825-rinok-reklami-blogerov-virastet (дата обращения: 25.09.2024)
  9. Соколюк М.С. Инструменты Influence маркетинга внутри маркетплейсов: зарубежный опыт // Практический маркетинг. 2022. № 8 (305). С. 12 – 17.
  10. Ткачев В.В. Виртуальный инфлюенсер как амбассадор бренда университета // Международный журнал гуманитарных и естественных наук. 2023. № 2-1 (77). С. 252 – 255.
  11. Чибисова Е.А., Кулюдина А.С. Инфлюенс-маркетинг: преимущества, риски, рекомендации // Российская школа связей с общественностью. 2024. № 35. С. 136 – 151.
  12. Farseev A., Yang Q., Ongpin M., Gossoudarev I., Chu-Farseeva Y.-Y., Nikolenko S. SOMONITOR: Combining Explainable AI & Large Language Models for Marketing Analytics. URL: https://doi.org/10.48550/arXiv.2407.13117 (дата обращения: 28.09.2024)
  13. GVR Report cover. Influencer Marketing Platform Market Size, Share & Trends Analysis Report By Application, By Organization Size (Large Enterprises, SME’s), By End-use, By Region, And Segment Forecasts, 2025-2030. URL: https://www.grandviewresearch.com/industry-analysis/influencer-marketing-platform-market (дата обращения: 20.09.2024)
  14. Influencer marketing market size worldwide from 2016 to 2024. URL: https://www.statista.com/statistics/1092819/global-influencer-market-size/ (дата обращения: 20.09.2024)
  15. Liu X., Sun A., An P., Ma T., Zhao J. Influencer: Empowering Everyday Users in Creating Promotional Posts via AI-infused Exploration and Customization. URL: https://doi.org/10.48550/arXiv.2407.14928 (дата обращения: 27.09.2024)
  16. Tiukhova E., Penaloza E., ?skarsd?ttir M., Baesens B., Snoeck M., Bravo C. INFLECT-DGNN: Influencer Prediction with Dynamic Graph Neural Networks // IEEE Access. 2024. Vol. 12. P. 115026 – 115041. URL: https://doi.org/10.1109/ACCESS.2024.3443533 (дата обращения: 27.09.2024)
  17. Vidrih M., Mayahi S. Generative AI-Driven Storytelling: A New Era for Marketing. URL: https://doi.org/10.48550/arXiv.2309.09048 (дата обращения: 23.09.2024)
  18. Wei C., Zelditch B., Chen J., Ribeiro A.A.S.T., Tay J.K., Elizondo B.O., Selvaraj K., Gupta A., De Almeida L. B. Neural Optimization with Adaptive Heuristics for Intelligent Marketing System // KDD '24: Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. 2024. P. 5938 –5 959. URL: https://doi.org/10.1145/3637528.3671591 (дата обращения: 24.09.2024)
  19. Zhang X., Chen X., Liu Y., Wang J., Hu Z., Yan R. SAGraph: A Large-scale Text-Rich Social Graph Dataset for Advertising Campaigns. URL: https://doi.org/10.48550/arXiv.2403.15105 (дата обращения: 25.09.2024)

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).