Search

Issue
Title
Authors
No 5 (2025)
Creating a marketing strategy for an enterprise in a digital environment
Matuzenko E.V., Kadatskaya D.V., Lavrova Y.S.
PDF
(Rus) PDF
() PDF
() PDF
() PDF
() PDF
()
No 5 (2025)
Customer feedback as a learning source for AI marketing: utilizing NPS and reviews
Mishchenko E.V., Kozubskaya Y.S., Danilina Y.V., Makarov V.V.
PDF
(Rus) PDF
() PDF
() PDF
() PDF
() PDF
()
No 4 (2025)
The main trends and prospects of using digital technologies in healthcare
Senik N.A., Melkonyan G.G.
PDF
(Rus) PDF
() PDF
() PDF
() PDF
() PDF
()
No 4 (2025)
Approaches to customer data management in digital retail platforms
Maximova N.P.
PDF
(Rus) PDF
() PDF
() PDF
() PDF
() PDF
()
No 4 (2025)
Approaches to solvency management in order to ensure the economic security of the organization
Gazizullina L.Z., Kuts A.A., Miftakhova S.D.
PDF
(Rus) PDF
() PDF
() PDF
() PDF
() PDF
()
No 4 (2025)
Optimization of managerial decision-making through business analytics
Maleka A.V.
PDF
(Rus) PDF
() PDF
() PDF
() PDF
() PDF
()
No 2 (2025)
К вопросу о применении Python и больших данных в задачах оптимизации инфлюенс-маркетинга компании: разработка индекса полезности инфлюенсера Аннотация: целью исследования является разработка авторского подхода к оптимизации инфлюенс-маркетинга на основе авторского индекса полезности блогера (BVI) и современных технологий анализа больших данных (Python, LLM). Методы: в исследовании используются методы сбора и обработки больших объёмов данных из социальных сетей посредством Python (Pandas, API-запросы), алгоритмы многопоточного и асинхронного анализа данных, а также функции больших языковых моделей (LLM) для структурирования и интерпретации полученных результатов. Кроме них применялись общенаучные методы, сравнительный, описательный и обобщающий анализ. Результаты (Findings): предложен индекс полезности блогера (BVI), который позволяет выявлять наиболее релевантных инфлюенсеров с учётом пересечения их аудиторий и целевой аудитории компании. Разработан программный код на Python, который автоматически рассчитывает BVI, формирует базу потенциально эффективных каналов и позволяет оценивать варианты сотрудничества. Показано, что использование больших данных, LLM и современных цифровых технологий для аналитики в инфлюенс-маркетинге обеспечивают расширение возможностей в поддержке принятия решений. Выводы: полученные данные подтверждают эффективность разработанного индекса BVI и подходов к его вычислению, т.к. позволяет улучшить процесс для выбора блогеров, существенно сократить время- и трудо- затраты в инфлюенс-маркетинге. Предложенный подход с применением больших данных, Python и LLM расширяет возможности маркетинговых исследований, поскольку служит базисом для принятия экономически обоснованных решений с последующим ростом эффективности маркетинговых кампаний. Ключевые слова: инфлюенс-маркетинг, индекс полезности блогера (BVI), аналитика, нейросети, большие данные, большие языковые модели (LLM), Python, оптимизация маркетинга, аудитория Для цитирования: Коновалик Е.А. К вопросу о применении больших данных в задачах оптимизации инфлюенс-маркетинга компании: разработка индекса полезности инфлюенсера // Modern Economy Success. 2025. № 2. С. 360 – 377. 1 Yauheni Kanavalik, 1 EPAM Systems On the application of big data in optimizing a company’s influencer marketing: development of an influencer utility index
Yauheni K.A.
PDF
(Rus) PDF
() PDF
() PDF
() PDF
() PDF
()
1 - 7 of 7 Items

Search tips:

  • Search terms are case-insensitive
  • Common words are ignored
  • By default only articles containing all terms in the query are returned (i.e., AND is implied)
  • Combine multiple words with OR to find articles containing either term; e.g., education OR research
  • Use parentheses to create more complex queries; e.g., archive ((journal OR conference) NOT theses)
  • Search for an exact phrase by putting it in quotes; e.g., "open access publishing"
  • Exclude a word by prefixing it with - or NOT; e.g. online -politics or online NOT politics
  • Use * in a term as a wildcard to match any sequence of characters; e.g., soci* morality would match documents containing "sociological" or "societal"

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).