Главная страница
russian   english
16+
<< назад

Название статьи

МОДЕЛИРОВАНИЕ СЕГМЕНТИРОВАНИЯ ЦЕЛЕВОЙ АУДИТОРИИ ОНЛАЙН-ШКОЛЫ


Тип статьи
научная статья
Коды УДК
51-77
Страницы
15-21
Ключевые слова
онлайн-школа, сегменты целевой аудитории, рекламная кампания, узнаваемость бренда

Авторы
Камскова И.Д.

Место работы
Камскова И.Д.
Нижегородский государственный университет им. Н.И. Лобачевского


Аннотация
Представлена модель распределения целевой аудитории онлайн-школы по сегментам. Целью работы является анализ распределения целевой аудитории по сегментам с использованием разработанной математической модели рекламной кампании и выявление основных показателей рекламной кампании, влияющих на данное распределение, а также наиболее эффективной маркетинговой стратегии. Сегментирование осуществляется для таргетированной рекламы, которая проводится с целью повышения «узнаваемости бренда» онлайн-школы. В качестве показателя, влияющего на перераспределение целевой аудитории по сегментам, выступает коэффициент знаний, который изменяет уровень узнаваемости бренда у сегментов целевой аудитории; продолжительность рекламной кампании; количество рекламных сообщений, посылаемых каждому сегменту целевой аудитории. Критерием эффективности в данной модели Y’ является достижение определенного размера ядра и дружественных сегментов целевой аудитории с учетом их весовых коэффициентов. Теоретические результаты апробированы путем проведения компьютерного эксперимента методом имитационного моделирования. По результатам проведенных экспериментов можно сделать вывод, что максимальная эффективность рекламной кампании Y’ = 0.2237 достигается при минимальном количестве 3 000 отправляемых сообщений ежедневно в каждый сегмент целевой аудитории в течение 28 дней. Однако при такой стратегии сроки и бюджет рекламной кампании увеличиваются вдвое по сравнению с первоначальными результатами. Стратегия, при которой в каждый сегмент целевой аудитории отправляется ежедневно большее количество сообщений (5 000) в течение 14 дней, также эффективна: Y’ = 0.2018. При таких параметрах затраты на рекламу и сроки проведения рекламной кампании меньше, чем при самой эффективной стратегии. Уменьшение количества отправляемых сообщений снижает уровень затрат, но эффективность далека от планируемой, проведение такой рекламной кампании не приведет к желаемым результатам.

Загрузить статью

Библиографический список
1 . Камскова И.Д., Столярова Д.Д. Моделирование распределения целевой аудитории онлайн-школы по сегментам // Математическое и компьютерное моделирование и бизнес-анализ в условиях цифровизации экономики: Сборник научных статей по итогам I Всероссийского научно-практического семинара. Нижний Новгород, 2022. С. 37-43.
2 . Камскова И.Д. Особенности ведения бизнеса в социальных сетях на современном этапе // Инновационные технологии управления: Сборник статей по материалам VII Всероссийской научно-практической конференции. Мининский университет, 2020. С. 21-24.
3 . Хопкинс К. Реклама. Научный подход. М.: Альфа-Пресс, 2000.
4 . Шматов Г.А. Теория медиапланирования. Екатеринбург: Гуманитарный университет, 2012.
5 . Шматов Г.А. Научный метод в рекламе и медиапланировании // Маркетинг в России и за рубежом. 2014. № 2. URL: https://dis.ru/library/544/35769. (дата обращения: 01.06.2022).
6 . Шматов Г.А. Вычисление и оптимизация эффективного охвата мультимедийной рекламы // Вестник УрФУ. Серия: Экономика и управление. № 3. С. 474-495.
7 . Кузьмин А. Оптимизация медиаплана с помощью математического моделирования // Интернет-журнал «Энциклопедия маркетинга». URL: https://www.marketing.spb.ru/lib-special/case/math_model.htm. (дата обращения: 01.06.2022).
8 . Тихонов Д.В. Моделирование параметров медиаплана при использовании мультимедийного подхода: Дис. … к.э.н. СПб., 2011. 199 с.
9 . Наумов М.Ю. Применение эконометрической модели marketing mix для количественного анализа закономерностей в динамике продаж торговой компании // Вестник Алтайской академии экономики и права. 2022. № 4-1. С. 99-104.
10 . Азаренко Д.А. Развитие элементов комплекса маркетинга (маркетинг-микс) в организациях интернет-торговли в России // Ученые записки Российской академии предпринимательства. 2019. Т. 18. № 2. С. 76-84.
11 . Mhitarean-Cuvsinov E. Marketing Mix Modelling from the multiple regression perspective. Master Thesis / KTH Royal Institute of Technology. May 18, 2017. Р. 13-20.
12 . Лившин Д.А., Воронова Л.И. Математическое моделирование в маркетинге при построении рекламных кампаний // Современные наукоемкие технологии. № 5-2. С. 207-209. URL: http://www.top-technologies.ru/ru/article/view?id=34077 (дата обращения: 1.06.2022).
13 . 23 метрики и KPI в контекстной рекламе: как отслеживать и считать // Электронный ресурс CPAGRAM - Медиа о арбитраже трафика и CPA маркетинге. URL: https://cpagram.ru/23-metriki-i-kpi-v-kontekstnoj-reklame-kak-otslezhivat-i-schitat (дата обращения: 01.06.2022).
14 . Боргоякова Т.Г., Лозицкая Е.В. Математическое моделирование: определение, применяемость при построении моделей образовательного процесса // Вестник евразийской науки. № 2 (39). URL: https://cyberleninka.ru/article/n/matematicheskoe-modelirovanie-opredelenie-primenyaemost-pri-postroenii-modeley-obrazovatelnogo-protsessa (дата обращения: 1.06.2022).
15 . Черноног В.С. Математическая модель маркетинговой кампании, использующей несколько коммуникационных каналов // Молодой ученый. № 13 (93). С. 54-59. URL: https://moluch.ru/archive/93/20579 (дата обращения: 1.06.2022).
16 . Olariu I. Integration of mathematical models in marketing theory and practice // Studies and Scientific Researches. Economics Edition. 2011-2012. № 16-17. P. 153-157.
17 . Zhigljavsky A. Statistical modelling in market research // In: M. Lovric (ed.) International Encyclopedia of Statistical Science. Springer, 2011.
18 . Ingene C.A., Parry M.E. Mathematical models of distribution channels. Springer, 2004.