МАРКЕТИНГОВА ІНТЕРНЕТ-СТРАТЕГІЯ УПРАВЛІННЯ ЛОЯЛЬНІСТЮ З ВИКОРИСТАННЯМ ШТУЧНОГО ІНТЕЛЕКТУ

  • Оксана Яшкіна Національний університет «Одеська політехніка»
  • Юлія Блажко Національний університет «Одеська політехніка»
Ключові слова: інтернет стратегія, управління лояльністю, штучний інтелект, рекомендаційна система, кінотеатри

Анотація

Розглянуто класифікацію рекомендаційних систем та проаналізовано потенціал їх застосування для збільшення частки лояльних клієнтів кінотеатрів. Доведено актуальність та необхідність впровадження інструментарію штучного інтелекту у канали комунікацій кінотеатрів. Обґрунтовано ефективність застосування рекомендаційних систем штучного інтелекту у комунікаціях з клієнтами кінотеатрів для збільшення частки лояльних клієнтів. Запропоновано стратегію збільшення частки лояльних клієнтів за допомогою рекомендаційних систем для різних груп клієнтів: потенційних, нових та старих. Для кожної групи клієнтів визначено комплекс заходів з використання різних за суттю рекомендаційних систем. Сформовано системний підхід до визначення комплексу рекомендаційних систем в залежності від типу клієнта кінотеатру.

Посилання

J. A. Konstan. Recommender systems: from algorithms to user experience. User Modeling and User-Adapted Interaction. 2012. Vol. 22. No. 1–2. P. 101–123.

Schafer J. B. Konstan J. A., Riedl J. E-Commerce Recommendation Applications. Data Mining and Knowledge Discovery. 2001. Vol. 5. No. 1–2. P. 115–123.

Sarwar B. Karypis G., Konstan J., Riedl J. Analysis of recommendation algorithms for e-commerce. In Proceedings of the 2nd ACM conference on Electronic. Minnesota, USA, October 17–20, 2000. P. 158–167.

C.C. Aggarwal: Recommender Systems: The Textbook, Springer, 2016. URL: https://link.springer.com/book/10.1007/978-3-319-29659-3

F. Ricci, L. Rokach, B. Shapira (eds.): Recommender Systems Handbook, 2nd ed. Springer, 2015. URL: https://www.cse.iitk.ac.in/users/nsrivast/HCC/Recommender_systems_handbook

R. Banik: Hands-On Recommendation Systems with Python. Packt Publishing, 2018.

Персоналізована рекомендаційна система в LinkedIn URL: https://engineering.linkedin.com/blog/2016/12/personalized-recommendations-in-linkedin-learning

Щербак Д.В., Сирота О.П. Система рекомендації навчальних матеріалів. Вчені записки Таврійського національного університету імені В. І. Вернадського. 2018. Том 29 (68). № 6. С. 26–29.

Персоналізуйте ваш досвід навчання, досягайте бізнес цілей простіше, URL: https://www.pluralsight.com/product/channels

J. A. Konstan. (2012) Recommender systems: from algorithms to user experience. User Modeling and User-Adapted Interaction, Vol. 22, No. 1–2, P. 101–123.

Schafer J. B. Konstan J. A., Riedl J. (2001) E-Commerce Recommendation Applications. Data Mining and Knowledge Discovery, Vol. 5, No. 1–2, P. 115–123.

Sarwar B. Karypis G., Konstan J., Riedl J. (2000) Analysis of recommendation algorithms for e-commerce. In Proceedings of the 2nd ACM conference on Electronic. Minnesota, USA, October 17–20, P. 158–167.

C.C. Aggarwal (2016) Recommender Systems: The Textbook, Springer.

F. Ricci, L. Rokach, B. Shapira (eds.) (2015) Recommender Systems Handbook, 2nd ed. Springer.

R. Banik. (2018) Hands-On Recommendation Systems with Python. Packt Publishing.

Personalizovana rekomendatsiina systema v LinkedIn [Personalized recommendation system in LinkedIn]. Available at: https://engineering.linkedin.com/blog/2016/12/personalized-recommendations-in-linkedin-learning

Shcherbak D.V., Syrota O.P. (2018) Systema rekomendatsii navchalnykh materialiv [System of recommendation of educational materials]. Vcheni zapysky Tavriiskoho natsionalnoho universytetu imeni V. I. Vernadskoho [Scientific Notes of V.I. Vernadsky Taurida National University], vol. 29(68), no 6, pp. 26–29.

Align learning to key business objectives. Available at: https://www.pluralsight.com/product/channels

Переглядів статті: 81
Завантажень PDF: 58
Опубліковано
2022-12-27
Як цитувати
Яшкіна, О., & Блажко, Ю. (2022). МАРКЕТИНГОВА ІНТЕРНЕТ-СТРАТЕГІЯ УПРАВЛІННЯ ЛОЯЛЬНІСТЮ З ВИКОРИСТАННЯМ ШТУЧНОГО ІНТЕЛЕКТУ. Економіка та суспільство, (46). https://doi.org/10.32782/2524-0072/2022-46-9
Розділ
МАРКЕТИНГ