Рамочная модель AIM2 для умных маркетинговых инноваций с использованием ИИ‑аналитики потребителей на основе SOR‑нейронных сетей и XGBoost в саудовской рознице

Почему данные о ваших покупках в продуктовых магазинах важны

Каждый раз, когда вы совершаете покупку — будь то хлеб и молоко в ближайшем магазине или заказ продуктов на выходные в онлайн‑корзине — вы оставляете цифровые следы. В этой статье показано, как эти следы можно превратить в более умный и справедливый маркетинг в быстрорастущем секторе розничной торговли Саудовской Аравии. Смешивая передовые методы искусственного интеллекта с классической психологической моделью реакции человека на окружение, авторы предлагают способ, с помощью которого супермаркеты могут предлагать действительно полезные, а не навязчивые предложения, одновременно поддерживая национальные цели цифровой трансформации в рамках Vision 2030.

От простых объявлений к интеллектуальным диалогам

Раньше розничный маркетинг сводился к одному большому сообщению для всех: тот же ТВ‑ролик, та же листовка, та же скидка. С переходом покупок в онлайн и на мобильные устройства этот мир изменился. Теперь магазины могут видеть, какие товары часто покупают вместе, как часто посещают покупатели и насколько они чувствительны к изменению цен. Авторы утверждают, что этот поток информации требует не только изящной математики; он должен основываться на том, как люди реально думают и чувствуют. Они опираются на идею «Стимул–Организм–Реакция» из психологии, согласно которой то, что мы видим (стимул), формирует наши ощущения и мысли (организм), а затем определяет наши действия (реакция). В розничном контексте это означает, что цифровые предложения и цены должны проектироваться с учётом доверия клиентов, воспринимаемой ценности и удовлетворённости — а не только ради краткосрочных продаж.

Трёхслойный двигатель для современной розницы

Ядро статьи — новая рамочная модель под названием AIM2, сокращение от AI‑Integrated Marketing Innovation Model (интегрированная модель маркетинговых инноваций на базе ИИ). AIM2 построена как трёхэтажный механизм. На нижнем уровне мощные алгоритмы просеивают сырые данные о продажах из Tamimi Markets, крупной саудовской сети продуктовых магазинов. Это включает методы кластеризации, которые группируют покупателей по бюджетным, средним и премиальным сегментам; инструменты майнинга закономерностей, выявляющие, какие товары часто покупают вместе; нейронные сети, изучающие паттерны спроса во времени; и алгоритм XGBoost, древовидный метод, подходящий для шумных реальных данных. Средний уровень переводит выходы алгоритмов в конкретные действия, которые видят клиенты — например, рекомендованные наборы товаров или скидки с ограничением по времени. Верхний уровень отслеживает, как эти действия влияют на такие ощущения, как доверие и удовлетворённость, и на поведение — повторные визиты и лояльность — замыкая петлю между данными и человеческим опытом.

Что данные показали о саудовских покупателях

Анализ нескольких месяцев реальных транзакций показал, что покупатели в саудовских продуктовых магазинах естественно делятся на три основные модели расходов. Бюджетные покупатели посещают магазины реже, тратят меньшие суммы и сильно реагируют на изменения цен и промоакции. Покупатели среднего сегмента более сбалансированы, а премиальные покупатели формируют более разнообразные корзины, тратят больше за визит и меньше чувствительны к цене. Система также выявляет стабильные сочетания продуктов — например, сочетания повседневных товаров и более дорогих — которые можно превратить в полезные наборы. В прогнозировании инструменты ИИ значительно превосходят старые подходы: модель XGBoost сокращает ошибки в прогнозах цены и оттока примерно на 14% по сравнению с традиционной регрессией и превосходит простую нейронную сеть по точности примерно на 9%, в то время как последовательностные нейронные сети лучше захватывают сезонные всплески вокруг событий, таких как Рамадан и Ид.

Поддержание справедливости, прозрачности и адаптивности системы

Помимо чистой точности, рамка включает механизмы, направленные на ответственное использование. Авторы проверяют, не обрабатывает ли ИИ по‑разному разные поведенческие группы — например, клиентов с высокой и низкой тратой — с точки зрения прогнозируемых результатов, и отмечают проблемы, когда различия становятся слишком большими. Они также используют инструменты объясняемости, показывающие, какие переменные больше всего влияют на каждое предсказание, что помогает маркетологам понять, почему система считает, что покупатель может уйти или отреагировать на определённую цену. Контур обратной связи отслеживает изменения с течением времени: если поведение клиентов меняется или метрики справедливости дрейфуют, модели переобучаются. Такой дизайн признаёт, что розничная среда и ожидания потребителей — подвижные цели, особенно в стране, активно продвигающей цифровую модернизацию.

Что это значит для повседневных покупок

Для неспециалистов главный посыл таков: более умные алгоритмы могут сделать розницу одновременно эффективнее и более ориентированной на человека — если они связаны с пониманием того, как люди думают и чувствуют. В рамках AIM2 «интеллект» — это не просто угадывание, что вы купите дальше; это уверенность в том, что эти предположения способствуют доверию, удовлетворённости и долгосрочной лояльности, а не раздражению или подозрительности. Результаты исследования в реальном супермаркете в Саудовской Аравии показывают, что такая система может осмысленно сегментировать клиентов, предлагать разумные наборы товаров и улучшать прогнозы спроса и оттока, при этом встроив проверки на справедливость и прозрачность. На практике это может означать приложения для покупок, которые больше похожи на полезного помощника и меньше на навязчивого продавца — что поддержит как лучшее обслуживание покупателей, так и более широкие цифровые и устойчивые цели страны.

Цитирование: Alarfaj, F.K., Badouch, M., Khan, H.U. et al. AIM2 framework for smart marketing innovation using AI driven consumer analytics with SOR neural networks and XGBoost in Saudi retail. Sci Rep 16, 14160 (2026). https://doi.org/10.1038/s41598-026-42787-3

Ключевые слова: маркетинг на основе ИИ, аналитика розницы, поведение потребителей, Saudi Vision 2030, персонализированные покупки