Владислав Анатольевич КОЛЕСНИКОВаспирант базовой кафедры цифровой экономики института развития информационного общества, Российский экономический университет им. Г.В. Плеханова, Москва, Российская Федерация Kolesnikov.Vladislav@gmail.com ORCID id: отсутствует SPIN-код: отсутствует
Сергей Антонович ТИХОНОВаспирант базовой кафедры цифровой экономики института развития информационного общества, Российский экономический университет им. Г.В. Плеханова, Москва, Российская Федерация Serg.tikhonoff@yandex.ru ORCID id: отсутствует SPIN-код: отсутствует
Предмет. В условиях широкого внедрения цифровых технологий существенно повышается роль клиентского опыта в обеспечении эффективности деятельности организаций. Формирование клиентского опыта является сложным динамическим процессом, включающим взаимодействие потребителя с организацией по различным информационным каналам. Анализ этого процесса с использованием моделей искусственного интеллекта позволяет выявлять проблемные точки в таком взаимодействии и повышать качество обслуживания за счет комбинирования количественных и качественных методов анализа. Цели. Создание методики построения карты клиентского пути при наличии многоканального взаимодействия с потребителем, основанной на использовании как классических методов анализа клиентского опыта, так и цифровых, включающих в том числе технологии искусственного интеллекта. Основой для данной методики является комплексный анализ данных из CRM-систем, аналитических платформ и инструментов веб-аналитики с применением технологий искусственного интеллекта. Методология. В исследовании приведен полный анализ ранее разработанных методов составления карт клиентского пути, выделяющий как общие моменты, так и уникальные особенности каждого метода. В рамках данной работы предоставлено новое определение карт клиентского пути, учитывающее преимущества и недостатки ранее сформированных определений, а также метод составления таких карт, объединяющий классический и цифровой подходы. Результаты. Разработана методика построения карт клиентского пути для разностороннего и непрерывного анализа клиентского опыта, позволяющая выделять проблемные точки в процессе взаимодействия с потребителем. Предложен подход к автоматизации мониторинга клиентского опыта и организации непрерывности в обновлении карты клиентского пути. Разработаны методы анализа данных о взаимодействии пользователя с системой, включающие использование карт клиентского пути, которые позволяют выделить проблемные точки в процессе взаимодействия с потребителем. Предложен подход к интеграции различных каналов взаимодействия, таких как мобильное приложение, почта и телефонные обращения для создания единой картины клиентского опыта. Выводы. Проведенный анализ исследований показывает неполноту существующих подходов, что подчеркивает новизну исследования. Метод, полученный в ходе исследования, реализован в системе анализа клиентского опыта в отрасли ЖКХ, что подчеркивает его практическую значимость и актуальность.
Ключевые слова: клиентский опыт, карты клиентского пути, взаимодействие с потребителем, модернизация бизнес-процессов, точки контакта
Список литературы:
Гринчар Н.Н., Ваняшина Л.А. Особенности разработки продукта с применением карты клиентского пути (CJM) // Международный журнал информационных технологий и энергоэффективности. 2023. Т. 8. № 2. С. 4–8. EDN: WECZVU
Бурдюгова О.В., Головачева А.С. Совершенствование маркетинговых технологий в управлении организацией сферы услуг // Экономика и управление: проблемы, решения. 2024. Т. 7. № 4. С. 141–149. DOI: 10.36871/ek.up.p.r.2024.04.07.021 EDN: UTSIYN
Изакова Н.Б., Неганов А.Д. Карта пути клиента как инструмент формирования положительного потребительского опыта // Деловой вестник предпринимателя. 2023. № 3. С. 9–11. EDN: IGLTYA
Вовк К.В., Денисова А.Д. Формирование взаимодействия компании с потребителем // Тенденции развития науки и образования. 2024. № 112. С. 21–24. DOI: 10.18411/trnio-08-2024-112 EDN: HSOSSL
Троицкая Н.Д. Путешествие между каналами: формирование клиентского опыта в цифровой среде // Идеи и идеалы. 2024. Т. 16. № 3. Ч. 2. С. 333–347. DOI: 10.17212/2075-0862-2024-16.3.2-333-347 EDN: MAEYAD
Машкова О.Н., Алексеев К.Н. Customer Journey Map: Как понять что нужно потребителю // Инновационная экономика и современный менеджмент. 2019. № 4. С. 54–59. EDN: MSEJSO
Калабихина И.Е., Чесноков А.А. Использование контент-анализа коммуникаций в онлайн-консультанте для улучшения клиентского опыта // Государственное управление. Электронный вестник. 2020. № 80. С. 151–174. DOI: 10.24411/2070-1381-2020-10068 EDN: SZLLWC
Собиров Б.Ш. Клиентский опыт бизнеса: новые формы в условиях цифровых экосистем // Modern Science. 2021. № 4-3. С. 154–157. EDN: GNSKXA
Радов К.С., Тугарин С.В., Коровина А.А., Кузнецов М.О. Интеллектуальная трансформация глобальной промышленной системы и ее развитие в экономическом аспекте // Московский экономический журнал. 2021. № 9. DOI: 10.24411/2413-046X-2021-10561 EDN: VXDQIH
Попов А.А., Морозов Е.И., Шамлицкий А.Я. Интеграция Process Mining и активных цифровых двойников для оптимизации логистических процессов // Естественные и технические науки. 2024. № 12. С. 250–253. EDN: PGQVJE
Морозова О.А. Цифровой двойник клиента как перспективный технологический тренд в банкинге // Сберегательное дело за рубежом. 2022. № 1. С. 13–17. DOI: 10.36992/75692_2022_1_13 EDN: XXSZLP
Бова Р.Ю. Применение графовых нейронных сетей для построения цифрового двойника клиента в сфере ипотечного жилищного кредитования // Дискуссия. 2024. № 5. С. 29–35. DOI: 10.46320/2077-7639-2024-5-126-29-35 EDN: HBIZIY
Минаева Е.А. Цифровой двойник клиента // Международный журнал информационных технологий и энергоэффективности. 2024. Т. 9. № 3. С. 53–59. EDN: UWUIPW
Махров Т.А., Быков М.В. Автоматизация процесса анализа тональности отзывов для решения прикладных экономических задач // Экономика и предпринимательство. 2023. № 5. С. 1289–1293. DOI: 10.34925/EIP.2023.154.5.259 EDN: BEDOJL
Бурякова О.С., Решетникова И.В., Черкесова Л.В. Система интеллектуального распознавания эмоций на основе технологии сверточных нейронных сетей // Современные наукоемкие технологии. 2022. № 9. С. 44–52. DOI: 10.17513/snt.39307 EDN: SIBSTV
Homburg C., Jozić D., Kuehnl C. Customer experience management: toward implementing an evolving marketing concept. Journal of the Academy of Marketing Science, 2017, vol. 45, pp. 377–401. DOI: 10.1007/s11747-015-0460-7
Reichheld F.F. The One Number You Need to Grow. Harvard Business Review, 2003, vol. 81, no. 12, pp. 46–54. URL: Link
Morgan N.A., Rego L.L. The Value of Different Customer Satisfaction and Loyalty Metrics in Predicting Business Performance. Marketing Science, 2006, vol. 25, no. 5, pp. 426–439. DOI: 10.1287/mksc.1050.0183
De Haan E., Verhoef P.C., Wiesel T. The Predictive Ability of Different Customer Feedback Metrics for Retention. International Journal of Research in Marketing, 2015, vol. 52, no. 3, pp. 341–356. DOI: 10.1509/jmr.12.0395
Ghiassi M., Skinner J., Zimbra D. Twitter brand sentiment analysis: A hybrid system using n-gram analysis and dynamic artificial neural network. Expert Systems with Applications, 2013, vol. 40, no. 16, pp. 6266–6282. DOI: 10.1016/j.eswa.2013.05.057
Дубов Ю.А., Травкин С.И., Якимец В.Н. Многокритериальные модели формирования и выбора вариантов систем. М.: Наука, 1986. 296 с.
