Научный журнал Байкальского государственного университета
Baikal Research Journal
ISSN 2411-6262
Издается с 2010 года
Menu
РусскийEnglish

Информация о статье

Название статьи:

Формирование стратегии удержания клиентов В2В-сектора с использованием AL-инструментов

Авторы:
Пешкова О.В., старший преподаватель, кафедра математических методов и цифровых технологий, Институт культуры, социальных коммуникаций и информационных технологий, https://orcid.org/0009-0008-1585-5358, SPIN-код: 2530-8586, Байкальский государственной университет, 664003, Российская Федерация, г. Иркутск, ул. Ленина, 11, PeshkovaOV@bgu.ru,

Хитрова Т.И., кандидат экономических наук, доцент, кафедра математических методов и цифровых технологий, Институт культуры, социальных коммуникаций и информационных технологий, https://orcid.org/0000-0003-4488-8227, SPIN-код: 2534-1670, Байкальский государственной университет, 664003, Российская Федерация, г. Иркутск, ул. Ленина, 11, HitrovaTI@bgu.ru,

Федькин А.Е., магистрант, кафедра математических методов и цифровых технологий, Институт культуры, социальных коммуникаций и информационных технологий, Байкальский государственной университет, 664003, Российская Федерация, г. Иркутск, ул. Ленина, 11, Artem_fedkin@mail.ru
В рубрике:
5.2.3. РЕГИОНАЛЬНАЯ И ОТРАСЛЕВАЯ ЭКОНОМИКА
Год: 2026 Том: 17 Номер журнала: 2
Страницы: 509-520
Тип статьи: Научная статья
УДК: 004.9
DOI: 10.17150/2411-6262.2026.17(2).509-520; EDN: JPDMVD
Аннотация:
Рассматриваются проблемы формирования системы долгосрочных отношении компаний B2B-сектора с клиентами. Эти проблемы обусловлены специфическими особенностями сектора, существенно осложняющими задачу анализа поведенческих настроений и выявления причин снижения активности. Базовым индикатором устойчивого развития бизнеса является показатель пожизненной ценности клиента, определяемый уровнем удержания клиентов и уровнем клиентского оттока. Управление этими индикаторами является сущностью персонализированной стратегии отношений клиентов и бизнеса. Снижение уровня реального оттока клиентов требует решения двух задач: оценки вероятности ухода клиента и разработки мер по удержанию клиентов. Предиктивные модели машинного обучения (ML) позволяют моделировать поведение клиентов, прогнозировать их предпочтения на основе исторических данных и текущих трендов, способны выявлять зависимости, работать с большим числом признаков и давать более точный прогноз и генерировать предложения, которые повышают вероятность удержания клиента. Удержание клиентов рассматривается как процесс, выраженный в совокупности стратегий, инструментов и практик, базирующийся на применении алгоритмов машинного обучения. Целесообразность выбора ML-модели определяется спецификой целевой переменной. Для обучения модели оттока используют данные из CRM-системы компании и других каналов взаимодействия с клиентами. Результаты работы модели позволяют сформировать эффективную стратегию удержания, обеспечивающую максимизацию показателя пожизненной ценности клиента.
Ключевые слова: пожизненная ценность клиента, отток клиентов, маркетинговая персонализированная стратегия, предиктивная аналитика, методы машинного обучения, процесс удержания клиентов
Скачиваний - 62
География скачиваний
Скачать полный текст статьи
Список цитируемой литературы:
  • Бахшиев Р.Т. Персонализация в цифровой рекламе: как технологии искусственного интеллекта изменяют подходы к сегментации и удержанию аудитории / Р.Т. Бахшиев. - DOI 10.32743/UniLaw.2025.124.2.19114. - EDN NEZZHU // Universum: экономика и юриспруденция. - 2025. - № 2 (124). - С. 15-22.
  • Любинский М.С. Применение машинного обучения для прогнозирования оттока клиентов в crm-системах / М.С. Любинский. - EDN OTRVHG // Вестник науки. - Т. 3, № 4 (85). - С. 808-812.
  • Чудинова Д.С. Применение искусственного интеллекта в управлении жизненным циклом клиента: модели сегментации, персонализации и удержания / Д.С. Чудинова. - EDN SUUMCL // Парадигма. - 2025. - № 6-2. - С. 207-214.
  • Актуальный подход к сегментации клиентской базы для цифровых B2C И B2B компаний / П.И. Домнин, С.А. Казярян, А.Г. Кинжигалиев, Т.Е. Соколова. - EDN FXXZYI // Вестник Академии знаний. - 2024. - № 3 (62). - С. 174-179.
  • Перфильев И.В. Роль многосторонних платформ в функционировании цифровых экосистем / И.В. Перфильев, Е.С. Балашова. - DOI 10.17150/2411-6262.2025.16(2).679-688. - EDN QQNQAB // Baikal Research Journal. - 2025. - Т. 16, № 2. - С. 679-688.
  • Рубанова М.И. Особенности и возможности маркетинга на рынке B2B: ценностный подход / М.И. Рубанова, Ю.В. Подопригора. - DOI 10.35266/2949-3455-2024-2-6. - EDN SKUNJL // Вестник Сургутского государственного университета. - 2024. - Т. 12, № 2. - С. 53-61.
  • Сугоняев А.И. Влияние искусственного интеллекта на клиентоориентированный подход в маркетинге / А.И. Сугоняев, М.В. Россинская. - EDN FUDAUT // Russian Economic Bulletin. - 2024. - Т. 7, № 1. - С. 319-323.
  • Русских Т.Н. Применение методов машинного обучения к решению задачи прогнозирования оттока клиентов / Т.Н. Русских, Д. Ивашечкин. - EDN ILCCHW // Тренды развития современного общества: управленческие, правовые, экономические и социальные аспекты : cб. науч. ст. 13-й Всерос. науч.-практ. конф., Курск, 21-22 сент. 2023 г. / отв. ред. А.А. Горохов. - Курск, 2023. - С. 347-349.
  • Голота Е.П. Удержание клиентов с применением ИИ-технологий (на примере алгоритмического прогнозирования и реанимационных кампаний) / Е.П. Голота, Е.В. Мищенко, А.Ю. Никитин. - DOI 10.47576/2949-1878.2025.9.9.024. - EDN PEPGCE // Журнал прикладных исследований. - 2025. - № 9. - С. 172-179.
  • Рогаткин А.В. Внедрение системы управления взаимоотношениями с клиентами (CRM) на основе машинного обучения для повышения лояльности и удовлетворенности клиентов / А.В. Рогаткин. - DOI 10.34670/AR.2024.25.12.065. - EDN NHBAZO // Экономика: вчера, сегодня, завтра. - 2024. - Т. 14, № 11-1. - С. 594-602.
  • Камалходжаева Н. Исследование и анализ алгоритмов машинного обучения для прогнозирования оттока клиентов в телекоммуникационной компании / Н. Камалходжаева, А.Н. Шиков. - DOI 10.23670/IRJ.2022.121.7.014. - EDN VHOLBC // Международный научно-исследовательский журнал. - 2022. - № 7-1 (121). - С. 107-110.
  • Арабов М.К. Применение методов машинного обучения для прогнозирования оттока абонентов в телекоммуникационной отрасли / М. К. Арабов. - EDN KPWACU // Fundamental science and technology : материалы XV Междунар. науч.-практ. конф., Уфа, 21 мая 2024 г. - Уфа, 2024. - С. 173-178.
  • Зеленков Ю.А. Прогнозирование оттока клиентов на основе паттернов изменения их поведения / Ю.А. Зеленков, А.С. Сучкова. - DOI 10.17323/2587-814X.2023.1.7.17. - EDN IGYGEF // Бизнес-информатика. - 2023. - Т. 17, № 1. - С. 7-17.
  • Марков А.Б. Прогнозирование методами машинного обучения оттока клиентов компании, занимающейся онлайн торговлей / А.Б. Марков. - EDN NASYEX // Хроники цифровых трансформаций : cб. науч. тезисов и статей. - Волгоград, 2022. - Вып. 2. - С. 55-59.
  • Федотов А.Н. Особенности организации маркетинга сетевого продуктового ритейла в условиях новых торговых форматов / А.Н. Федотов. - DOI 10.17150/2411- 6262.2021.12(1).10. - EDN LDDTEB // Baikal Research Journal. - 2021. - Т. 12, № 1. - C. 10.
  • Нижельская Д.С. Сравнение методов машинного обучения для прогнозирования оттока клиентов банка / Д.С. Нижельская, Л.В. Сахарова. - EDN ELWSAB // Проблемы проектирования, применения и безопасности информационных систем в условиях цифровой экономики : материалы XXIII Междунар. науч.-практ. конф., Ростов-на-Дону, 25-26 нояб. 2024 г. - Ростов-на-Дону, 2024. - С. 299-306.
  • Метод прогнозирования оттока клиентов банка на основе ансамблевой модели машинного обучения / А.Ю. Пучков, М.И. Дли, М.А. Василькова, Н.Н. Прокимнов. - DOI 10.37791/2687-0649-2024-19-1-5-27. - EDN GELUMA // Прикладная информатика. - 2024. - Т. 19, № 1 (109). - С. 5-27.
  • Силенко А.Н. Сравнение эффективности традиционных и нейросетевых подходов в банковской практике / А.Н. Силенко, А.И. Туйгунов, В.С. Теслюк. - DOI 10.26118/2782-4586.2025.75.72.029. - EDN KOOXXR // Журнал монетарной экономики и менеджмента. - 2025. - № 9. - С. 412-419.
  • Мадияров К.Г. Оценка точности и производительности моделей машинного обучения для прогнозирования оттока клиентов страховой компании / К.Г. Мадияров. - DOI 10.26102/2310-6018/2025.51.4.015. - EDN DFETSK // Моделирование, оптимизация и информационные технологии. - 2025. - Т. 13, № 4 (51). - C. 7.
  • Гринберг П. CRM со скоростью света: привлечение и удержание клиентов в реальном времени через Интернет / П. Гринберг. - Санкт-Петербург : Символ Плюс, 2006. - 528 с.
  • Хитрова Т.И. Модификация маркетинговой информационной системы на основе интеллектуальных компонент / Т.И. Хитрова, Д.В. Черников. - DOI 10.17150/2411-6262.2015.6(4).19. - EDN KAHUHF // Baikal Research Journal. - 2015. - Т. 6, № 4. - C. 19.