Цель исследования: определение областей, задач и демонстрация возможностей применения технологий обработки естественного языка (Natural Language Processing - NLP) для аналитики неструктурированных маркетинговых данных.
Методология исследования: теоретическое исследование построено на систематическом анализе и критическом обзоре литературы для определения областей применения NLP и решаемых типовых задач. В основе методологии эмпирического исследования лежат процедура парсинга данных и использование технологий NLP для анализа извлеченных данных.
Результаты исследования: систематизированы области, традиционные и новые задачи применения NLP в маркетинге. Доказано, что оно носит стратегический характер, поскольку обеспечивает компанию новыми знаниями на базе обработки неструктурированных текстовых данных и создает преимущества построения «Клиентской базы 360». Последняя предоставляет полную информацию о клиентах в разрезе не только описательных и поведенческих характеристик, но и контекстных переменных, характеризующих обстоятельства формирования покупательского опыта для использования в стратегиях персонализации. Показано, как меняется методология маркетинговых исследований под воздействием NLP на примере исследования рынка пластической хирургии для построения контент-стратегии в социальных сетях.
Оригинальность и значимость результатов: впервые в России представлен полный обзор технологий NLP в маркетинге, сфер применения и решаемых задач, а также специфики методологии проведения маркетинговых исследований с использованием NLP; продемонстрированы возможности NLP на стадиях процесса принятия решения в дополнение к традиционным методам анализа данных.
Идентификаторы и классификаторы
- SCI
- Экономика
Цифровизация всех сфер жизни общества, обусловленная повсеместным распространением Интернета и взрывным развитием информационных технологий, выражается в массовом использовании потребителями мобильных электронных дивайсов и приложений для постоянного пребывания в цифровой среде.
Список литературы
1. Батищев А. В., Мамедов Р. С., Кондратенко Н. А., Волков А. В. 2023. Достижение бизнес-целей посредством использования NLP. Естественно-гуманитарные исследования 6 (50): 596-600. EDN: PGNTXJ
2. Ганебных Е. В., Савельева Н. К., Созинова А. А., Фокина О. В., Алцыбеева И. Г. 2024. Методы машинного обучения (токенизация) в маркетинговых исследованиях. Вестник университета 4: 61-72.
3. Герасименко Е. М., Кравченко Ю. А., Шаненко Д. А. 2024. Алгоритм поиска и приобретения знаний на основе технологий обработки и анализа текстов на естественном языке. Известия ЮФУ. Технические науки 5 (241): 88-102. EDN: GMUMBY
4. Голубев А. В., Парыгин Д. С., Финогеев А. Г. 2018. Подход к интегрированной обработке открытых данных об инфраструктуре города. Системы управления, связи и безопасности 2: 84-107. EDN: XQDBWP
5. Конникова О. А., Юлдашева О. У. 2021. Феномен естественной цифровой информации и его роль в процессе проведения современных маркетинговых исследований. Маркетинг и маркетинговые исследования 1: 4-16.
6. Лекун Я. 2021. Как учится машина. Революция в области нейронных сетей и глубокого обучения. (Библиотека Сбера: Искусственный интеллект). М.: Интеллектуальная литература.
7. Логинова Ю. В., Логинов И. В. 2024. Применение семантического анализа в стратегическом маркетинге при использовании инструмента интеллект-карт. Вестник Тюменского государственного университета. Социально-экономические и правовые исследования 10 (37): 103-123. EDN: NRQTRZ
8. Самигулин Т. Р., Джурабаев А. Э. У. 2021. Анализ тональности текста методами машинного обучения. Научный результат. Информационные технологии 6 (1): 55-62. EDN: ZQHRSN
9. Сивков Е. 2018. Кейс “Сбербанка”: искусственный интеллект для контакт-центра [Электронный ресурс]. https://vc.ru/services/51494-keis-sberbanka-iskusstvennyi-intellekt-dlya-kontakt-centra (дата обращения: 11.02.2025).
10. Cnews. 2021. “Тинькофф” запустил сервис речевой аналитики для бизнеса. [Электронный ресурс]. https://www.cnews.ru/news/line/2021-04-02_tinkoff_zapustil_servis (дата обращения: 05.02.2025).
11. Третьяк О. А. 2024. Форсайт маркетинга: траектории дальнейшего развития. В кн.: Маркетинговые модели, практики и тренды: вызовы и перспективы региона Большой Евразии; 11-15. СПб.: Издательство СПбГЭУ. EDN: EIIZVU
12. Abram M. D., Mancini K. T., Parker R. D. 2020. Methods to integrate natural language processing into qualitative research. International Journal of Qualitative Methods 19: 1-6. EDN: EHTCXU
13. Amado A., Cortez P., Rita P., Moro S. 2018. Research trends on Big Data in marketing: A text mining and topic modeling based literature analysis. European Research on Management and Business Economics 24: 1-7.
14. Appel G., Grewal L., Hadi R., Stephen A.T. 2019. The future of social media in marketing. Journal of the Academy of Marketing Science 48 (1): 79-95.
15. Arazzi M., Murer D., Nicolazzo S., Nocera A. 2023. How COVID-19 affects user interaction with online streaming service providers on twitter. Social Network Analysis and Mining 13 (134). DOI: 10.1007/s13278-023-01143-3 EDN: GUKRUK
16. Balducci B., Marinova D. 2018. Unstructured data in marketing. Journal of the Academy of Marketing Science 46 (4): 557-590. EDN: UOMVYK
17. Ballestar M. T., Llaguno M. M., Sainz J. 2022. An artificial intelligence analysis of climate-change influencers’ marketing on Twitter. Psychology & Marketing 39 (12): 2273-2283. EDN: NQUAPR
18. Blei D. M., Ng A. Y., Jordan M. I. 2003. Latent Dirichlet allocation. Journal of Machine Learning Research 3: 993-1022.
19. Chen J., Zhang A., Li M., Smola A., Yang D. 2023. A cheaper and better diffusion language model with soft-masked noise. In: Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing; 4765-4775. Springer-Verlag New York.
20. Cheng L.-C., Huang H.-Y., Huang Y.-W. 2024. Multi-task Chinese aspect-based sentiment analysis framework for service improvement: A case study on BNB reviews. Electronic Commerce Research. DOI: 10.1007/s10660-024-09871-0
21. Du R.-Y., Hsieh T.-Y. 2023. Leveraging online search data as a source of marketing insights. Foundations and Trends in Marketing 17 (4): 227-291. EDN: CMCFVW
22. Elkhatibi Y., Benabdelouhed R. 2024. Digital revolution: How AI is transforming content marketing international. Journal of Advanced Multidisciplinary Research and Studies 4 (5): 775-777.
23. Gregoriades A., Pampaka M., Herodotou H., Christodoulou E. 2023. Explaining tourist revisit intention using natural language processing and classification techniques. Journal of Big Data 10 (1). DOI: 10.1186/s40537-023-00740-5
24. Grewal D., Herhausen D., Ludwig S., Ordenes F. V. 2022. The future of digital communication research: Considering dynamics and multimodality. Journal of Retailing 98: 224-240.
25. Grewal D., Satornino C. B., Davenport D., Guha A. 2024. How generative AI Is shaping the future of marketing. Journal of the Academy of Marketing Science. DOI: 10.1007/s11747-024-01064-3
26. Guo B., Ouyang Y., Guo T., Cao L., Yu Z. 2019. Enhancing mobile app user understanding and marketing with heterogeneous crowdsourced data: A review. IEEE Access 7: 68557-68571.
27. Hartmann J., Netzer O. 2023. Natural language processing in marketing. Artificial Intelligence in Marketing 13: 191-215.
28. Huang M.-H., Rust R. T. 2017. Technology-driven service strategy. Journal of the Academy of Marketing Science 45 (6): 906-924. EDN: SXNCDA
29. Huang M.-H., Rust R. T. 2020. A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science 49 (1): 30-50.
30. Huang S. 2024. Exploring the influence of natural language processing technology on marketing strategy innovation management in emerging markets for multinational corporations. Journal of Logistics, Informatics and Service Science 11 (3): 399-411.
31. Knott A., Pedreschi D., Jitsuzumi T., Leavy S., Eyers D. 2024. AI content detection in the emerging information ecosystem: new obligations for media and tech companies. Ethics and information technology 26 (63). DOI: 10.1007/s10676-024-09795-1 EDN: NQILAS
32. Krishnaveni V. 2022. Natural language processing for branding. marketing analytics. In book: Marketing Analytics; 191-222. Apple Academic Press.
33. Kumar P., Chaubey A., Dhole A. 2024. Advancements and methodologies in natural language processing and machine learning: A comprehensive review. International Journal for Research in Applied Science and Engineering Technology 12 (4): 1495-1500. EDN: KMYPFW
34. Kumar R., Mukherjee S., Rana N. P. 2023. Exploring latent characteristics of fake reviews and their intermediary role in persuading buying decisions. Information Systems Frontiers 26 (3): 1091-1108. EDN: JKOCYI
35. Kumar V., Ashraf A., Nadeem W. 2024. AI-powered marketing: What, where, and how? International Journal of Information Management 77: 102783.
36. Kumari S., Malladhi A. 2023. OCR and AI augmented CRM systems: A novel approach to customer data mining and analysis for digital transformation. International Journal of Science and Research 12 (4): 1524-1530. EDN: ONNVVA
37. Laney D. 2001. 3D data management: Controlling data volume, velocity, and variety. Application Delivery Strategies 949 (February).
38. Le T., Ho T., Nguyen V.-H., Le H/-S. 2024. How to deeply understand the voice of the customer? A proposal for a synthesis of techniques for analyzing online reviews in the hospitality industry. Journal of Hospitality and Tourism Insights 7 (3): 1435-1455.
39. Liu-Thompkins Y., Okazaki S., Li H. 2022. Artificial empathy in marketing interactions: Bridging the human-AI gap in affective and social customer experience. Journal of the Academy of Marketing Science 50 (6): 1198-1218. EDN: RZWYIU
40. Malik N., Bilal M. 2023. Natural Language processing for analyzing online customer reviews: A survey, taxonomy, and open research challenges. Preprint (December 28). DOI: 10.20944/preprints202312.2210.v1
41. Malick R., CIO. 2023. 90% your data is unstructured. [Electronic resource]. https://blog.box.com/90-your-data-unstructured-and-its-full-untapped-value (accessed: 14.02.2025).
42. McClelland J., Rumelhart D., PDP Research Group. 1986. Parallel Distributed Processing, Volume 2: Explorations in the Microstructure of Cognition: Psychological and Biological Models. The MIT Press.
43. Mustak M., Salminen J., Plé L., Wirtz J. 2021. Artificial intelligence in marketing: Topic modeling, scientometric analysis, and research agenda. Journal of Business Research 124: 389-404. EDN: FRWJQS
44. McNulty E. 2014. Understanding Big Data: The Seven V’s. Dataconomy. [Electronic resource]. http://dataconomy.com/2014/05/seven-vs-big-data/ (accessed: 10.02.2025).
45. Nyikana W., Iyamu T. 2023 The logical differentiation between small data and big data. SA Journal of Information Management 25 (1). DOI: 10.4102/sajim.v25i1.1701
46. Okorie G. N., Udeh C. A., Adaga E. M., DaraOjimba O. D., Oriekhoe O. I. 2024. Digital marketing in the age of IoT: A review of trends and impacts. International Journal of Management & Entrepreneurship Research 6 (1): 104-131. EDN: WZZPND
47. Pang B., Lee L. 2008. Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval 2 (1-2): 1-135.
48. Pynadath F., Rofin T. M., Thomas S. 2024. Evolution of customer relationship management to data mining-based customer relationship management: A scientometric analysis. Quality & Quantity 57 (4). DOI: 10.1007/s11135-022-01500-y EDN: PSNUSK
49. Qin Y. 2024. Analysis and application of big data in social media marketing. International Journal of Global Economics and Management 2 (2): 266-272. EDN: SAJEQS
50. Rabiner L., Schafer R. 2010. Theory and Applications of Digital Speech Processing. Prentice Hall.
51. Ramaswamy S., DeClerck N. 2018. Customer Perception Analysis using Deep Learning and NLP. In: Procedia Computer Science 140 (2018); 170-178.
52. Rosario A., Dias J. 2023. How has data-driven marketing evolved: Challenges and opportunities with emerging technologies. International Journal of Information Management Data Insights 3: 100203.
53. Son H., Park Y. 2024. A deep understanding of influencer marketing in the tourism industry: A structural analysis of unstructured text. Current Issues in Tourism: 1-11. DOI: 10.1080/13683500.2024.2368152
54. Stieglitz S., Dang-Xuan L. 2013. Emotions and information diffusion in social media - Sentiment of microblogs and sharing behavior. Journal of Management Information Systems 29 (4): 217-248.
55. Tufte E. R. 1998. Envisioning Information. Graphics Press: Cheshire, Connecticut.
56. Virvou M. 2023. Artificial intelligence and user experience in reciprocity: Contributions and state of the art. Intelligent Decision Technologies 17 (1):73-125. EDN: MNQZFB
57. Zhang J., Liu-Thompkins Н. 2023. Personalized email marketing in loyalty programs: The role of multidimensional construal levels. Journal of the Academy of Marketing Science 52 (1): 196-216.
Выпуск
Другие статьи выпуска
Цель исследования: обзор и анализ существующего спектра технологий искусственного интеллекта в контексте цифрового маркетинга, а также эмпирическая оценка их эффективности на примере реального кейса.
Методология исследования: методология включает в себя теоретические методы исследований, такие как критический анализ отечественной и зарубежной научной литературы по теме исследования и классификацию существующих нейросетей по прикладному применению в маркетинге. Эмпирическим методом исследования является кейс-стади, в качестве объекта которого выбран интернет-магазин минеральных вод. Сбор данных охватывает разработку, реализацию и сравнительный анализ публикаций, сгенерированных с помощью искусственного интеллекта, относительно материалов, созданных традиционным методом. Проводится анализ эффективности таргетированной рекламы с использованием искусственного интеллекта на примере трех сообществ с разной целевой аудиторией и трех тематических лендингов интернет-магазина.
Результаты исследования: в применении ИИ для создания рекламных креативов и маркетинговых коммуникаций нет однозначного вывода о достигнутой эффективности (в одних случаях результаты могут превзойти классические методы, но в других быть менее успешными). Однако использование ИИ может сократить время и расходы на создание контента, требуя контроля и поддержки высококвалифицированных специалистов и экспертов в области контент-маркетинга.
Оригинальность и значимость результатов: в работе собраны, проанализированы и классифицированы данные о существующих моделях искусственного интеллекта и приведены примеры их прикладного использования в цифровом маркетинге. Авторы исследуют возможность эффективного применения искусственного интеллекта в контент-маркетинге, а также обсуждают вопросы развития данной технологии.
Цель исследования: систематизация современных подходов и направлений развития маркетинга, а также выявление ключевых векторов трансформации маркетинговых практик в условиях структурных изменений внешней среды.
Методология исследования: работа построена на теоретическом анализе ключевой научной литературы, посвященной развитию маркетинговых концепций и трансформации практик, а также на конкретных примерах реализации данных маркетинговых практик компаний на российском рынке. Проведен углубленный сравнительный анализ исследований зарубежных и российских авторов начиная с 2000-х гг. с целью выявления основных тенденций и подходов к развитию маркетинга с течением времени. Авторы опираются на реализацию подхода от абстрактного к конкретному и восхождения к абстрактному в попытке установления соответствия между этапами изменения концепции маркетинга и маркетинговыми практиками, преимущественно рассматривая опыт российского рынка.
Результаты исследования: выявлены и систематизированы ключевые направления развития, основные этапы и траектории дальнейшего движения маркетинговых практик, включая цифровизацию, акцент на локализацию решений, усиление взаимодействия с государственными структурами, адаптацию к изменениям в цепочках создания ценности и переход от клиентоориентированного подхода к человекоцентричности, что позволяет сформировать основу для проведения дальнейшего эмпирического исследования, посвященного трансформации маркетинга и его инструментария в будущем.
Оригинальность и значимость результатов: динамический контекст рассмотрения концепций маркетинга формирует теоретическую базу и методологическую основу для классификации существующих маркетинговых практик, позволяет проводить их оценку на основе установления соответствия определенному этапу эволюционного развития концепции. Исследование вносит вклад в развитие научных подходов к изучению маркетинга в условиях глобальных вызовов. В дальнейшем использование эмпирических данных о практике российских промышленных предприятий позволит глубже понять адаптационные процессы, оказывающие влияние на происходящую трансформацию в маркетинговой деятельности.
Цель исследования: разработка и апробация инструментария, позволяющего синтезировать идеи по созданию новых продуктов на долгосрочную перспективу с учетом объективных данных об актуальных тенденциях развития технологий.
Методология исследования: синтез методов форсайта, таких как анализ слабых сигналов и трендов, экспертиза, библиометрический, семантический, патентный анализ, мозговой штурм и технологические дорожные карты, обеспечивающих доказательность, креативность и экспертизу.
Результаты исследования: разработан и апробирован методический инструментарий генерации идей по созданию новых продуктов, основанный на применении методов форсайта.
Оригинальность и значимость результатов: предложенный методический подход, базирующийся на комбинации методов форсайта, расширяет спектр инструментов маркетинга, позволяя компаниям генерировать идеи по созданию продуктов, основываясь на понимании не только потребительских предпочтений, но и тенденций технологического развития. Его применение нацелено на обеспечение устойчивой конкурентоспособности организации через опережающее развитие технологических компетенций.
Цель исследования: объяснение изменения баланса стимулов, оказывающих влияние на принятие маркетинговых решений производителями потребительских благ.
Методология исследования: обобщение практического опыта работы в сфере корпоративного стратегического маркетинга и его сопоставление с результатами исследований цифровых платформ, их маркетинговых инструментов и мотивов коммерческих решений c использованием подходов метаанализа и теоретического моделирования.
Результаты исследования: определены ключевые аспекты трансформации маркетинговых практик производителей потребительских благ за счет роста масштабов и роли маркетплейсов. Продемонстрирована важная проблема обеспечения эффективности цифрового маркетинга - смягчение разрыва между мотивами и инструментами принятия решений со стороны производителей товаров и поставщиков цифровой рекламы. Показано влияние действующей в России нормативно-правовой базы на стратегическое взаимодействие между производителями и поставщиками цифровой рекламы.
Оригинальность и значимость результатов: проблемы маркетинга рассмотрены с учетом всей цепочки создания стоимости, где все большую роль играют маркетплейсы и поисковые цифровые платформы, а не производители. Впервые показана связь цифровизации с перераспределением полномочий в подразделениях компаний в цепочке создания стоимости, а также влияние на него особенностей российского антимонопольного законодательства и законодательства о торговле.
Цель исследования: выявление ключевых изменений в потребительском поведении городского населения России в период внешних шоков.
Методология исследования: эмпирическая часть работы основана на анализе маркетинговых данных в рамках исследования «РосИндекс» (Russian Target Group Index) компании IPSOS за 2020-2023 гг.
Результаты исследования: в период с 2020 по 2023 г. россияне столкнулись с двумя внешними шоками - пандемией COVID-19 и началом СВО, которые имеют неэкономическое происхождение, но оказали системное воздействие на экономику, порождая сложные кумулятивные эффекты. Влияние пандемии COVID-19 на потребительское поведение оказалось сильнее, чем начало СВО. Угрозы снижения заработной платы и потери работы были характерны для пандемии COVID-19. В течение проведения СВО россияне чувствуют себя увереннее в плане занятости и источников дохода. В рассматриваемый период преобладала сберегательная модель потребительского поведения.
Оригинальность и значимость результатов: в исследовании сочетаются когнитивное и поведенческое измерения ответных реакций потребителей на внешние шоки; фиксируются сходства и различия в восприятии и практиках потребителей в условиях двух внешних неэкономических шоков в разных сферах потребления.
Цель исследования: проанализировать глобальные тренды, оказывающие влияние на маркетинг и его ключевые составляющие, и предложить методологический инструментарий на базе форсайта, позволяющий пересмотреть основы маркетинга с учетом новых реалий.
Методология исследования: основываясь на комплексе современных концепций и подходов к маркетингу, включая концепцию Маркетинга 6.0 Ф. Котлера, автор предлагает методологический подход, дающий возможность применить инструменты форсайта для более глубокого и комплексного анализа целей и задач маркетинга, определения текущих и перспективных трендов, работы с целевой аудиторией, каналами, формированием уникального ценностного предложения. Использована эмпирическая база Ассоциации менеджеров (включая директоров по маркетингу российских компаний) для установления набора компетенций маркетолога будущего.
Результаты исследования: анализ мировых трендов, в том числе в области экономики, политики, экологии, энергетики, общественного развития и науки, показал их влияние на основные составляющие маркетинга (концепцию маркетинга 7P). Установлено, что в каждой из категорий 7P могут быть применены инструменты форсайта. Приведены результаты анализа в рамках форсайта управленческих профессий о компетенциях, определяющих портрет эффективного директора по маркетингу на горизонте пяти лет, осуществленного совместно с Ассоциацией менеджеров.
Оригинальность и значимость результатов: на основе анализа ведущих мировых и отечественных исследований в области форсайта маркетинга, стратегического прогнозирования и планирования выявлено более 30 трендов, оказывающих влияние на будущее развития маркетинга, в том числе в эпоху турбулентности и фундаментальных трансформаций экономики, промышленности, общества. Новизна и ценность приведенных результатов анализа заключаются в их комплексном, системном представлении, позволяющем читателю получить синергетический ландшафт трендов. Разработана авторская методика пересмотра основ маркетинга и определения будущих траекторий его развития, которая может как использоваться для получения более структурированного представления о маркетинге в текущих реалиях, так и служить основой для исследования зарождающихся трендов и учета слабых сигналов, формируемых в средне- и долгосрочной перспективе.
Цель исследования: выделение актуальных проблем развития маркетинга и определение возможных путей их решения.
Методология исследования: бенчмаркинг развития маркетинга в офлайн- и онлайн-средах на основе сопоставления актуальных трендов и задач цифровой трансформации.
Результаты исследования: сформулированы и детализированы актуальные проблемы в области научной, учебной и практической маркетинговой деятельности, а также установлены структурные диспропорции в развитии теории и практики маркетинга. Показана взаимосвязь данных проблем. Предложены рекомендации по наращиванию инструментария стратегического маркетинга, сокращению разрыва между инновационными и эволюционными решениями в пользу последних, более корректному выделению целевой аудитории и повышению конверсии, микшированию компетенций маркетинга с другими областями знаний, созданию маркетинговых команд и модернизации процесса подготовки маркетологов.
Оригинальность и значимость результатов: в работе предложены направления и технологии разрешения рассмотренных проблем развития маркетинга на основе корректировки целеполагания в маркетинге, что создает дополнительный импульс для появления новых маркетинговых парадигм и концепций, исключающих стимулирование нерационального потребления.
Цель исследования: обоснование методологических подходов к исследованию современных трансформаций рыночных отношений и маркетинга.
Методология исследования: сравнительный анализ и оценка трансформационных процессов в области офлайн- и онлайн-маркетинга, взаимодействия реального бизнеса и цифровых платформ с учетом особенностей рыночной среды в российской экономике.
Результаты исследования: охарактеризованы ключевые процессы трансформации рыночных отношений, а также их проявления в современной экономике России и связанные с ними вызовы для российских компаний. Обоснованы методологические подходы к исследованию траекторий развития маркетинга.
Оригинальность и значимость результатов: в контексте оценки происходящих изменений рыночной среды рассматриваются вопросы методологического характера, необходимые для обоснования принципов исследования инновационных стратегий и инструментов маркетинга для развития отечественного предпринимательства.
Цель исследования: обоснование необходимости разработки новой концептуальной основы маркетинга (смены парадигмы) в условиях структурных изменений внешней среды, воспроизведение контуров формирующейся парадигмы.
Методология исследования: работа основана на многолетнем опыте исследований и преподавания автора в области адаптации маркетинговой концепции к изменениям окружающей среды в российских условиях и систематизации ключевых изменений, наблюдаемых как в соотношении спроса и предложения на российском рынке, так и в маркетинговых практиках. Исследование носит методологический характер и отражает результаты в том числе двух круглых столов, которые проводились по инициативе автора и при поддержке организаторов первой и второй Евразийских конференций по маркетингу. Автор опирается на реализацию подхода от абстрактного к конкретному и восхождения к абстрактному в попытке установления соответствия между этапами изменения концепции маркетинга и маркетинговыми практиками.
Результаты исследования: предложено авторское видение контуров новой парадигмы маркетинга и оснований для разработки критериев оценки маркетинговых практик в динамическом контексте с учетом новых ориентиров модели управления. Обоснована необходимость смены парадигмы и перехода к следующей ступени развития маркетинга в анализе как концепций, так и практик маркетинга.
Оригинальность и значимость результатов: динамический контекст рассмотрения концепций маркетинга формирует теоретическую базу и методологическую основу для классификации существующих маркетинговых практик, позволяет проводить их оценку на основе установления соответствия определенному этапу эволюционного развития концепции. Исследование вносит вклад в развитие научных подходов к изучению маркетинга в условиях глобальных вызовов и современных акцентов на человекоцентричность. Автор настоятельно призывает к продолжению дискуссии на страницах журнала и за его пределами на эту назревшую тему, популяризации новых практик, порожденных сегодняшним процессом поиска устойчивого развития в крайне турбулентных условиях.
Издательство
- Издательство
- СПБГУ
- Регион
- Россия, Санкт-Петербург
- Почтовый адрес
- Россия, 199034, Санкт-Петербург, Университетская наб., д. 7–9
- Юр. адрес
- 199034, г Санкт-Петербург, Василеостровский р-н, Университетская наб, д 7/9
- ФИО
- Кропачев Николай Михайлович (РЕКТОР)
- E-mail адрес
- spbu@spbu.ru
- Контактный телефон
- +7 (812) 3282000
- Сайт
- https://spbu.ru/