Название статьи:
Формирование стратегии удержания клиентов В2В-сектора с использованием AL-инструментов
Авторы: Пешкова О.В., старший преподаватель кафедры математических методов и цифровых технологий, Институт культуры, социальных коммуникаций и информационных технологий, https://orcid.org/0009-0008-1585-5358, SPIN-код: 2530-8586, Байкальский государственный 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 государственный 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 государственный 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: 23-
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
Извините, полный текст статьи временно недоступен