Оптимизация маркетинговых стратегий электронной коммерции в цифровой экономике: подход на основе больших данных с применением генетических алгоритмов

Более умные покупки в интернете для всех

То, как мы покупаем онлайн, быстро меняется, как и тактики компаний, стремящихся привлечь наше внимание. В этом исследовании рассматривается, как бизнес в сфере электронной коммерции может уйти от домыслов и погони за трендами, используя данные и умные методы компьютерного поиска для разработки маркетинга, который кажется более релевантным и менее расточительным. Выводы важны не только для маркетологов, но и для всех, кто делает покупки в интернете и задаётся вопросом, почему одни сайты кажутся полезными, а другие — спамными или навязчивыми.

От загруженных цифровых витрин к персонализированным предложениям

Современная цифровая экономика позволяет практически любой компании продавать всем, у кого есть смартфон, но эта свобода также порождает шум и путаницу. Многие фирмы всё ещё используют универсальные рекламные сообщения, копируют кампании конкурентов и недоинвестируют в обслуживание клиентов, что подрывает доверие и загромождает наши экраны промо-материалами, которые промахиваются мимо цели. Авторы утверждают, что для успешной работы в такой среде нужны маркетинговые стратегии, действительно ориентированные на клиента, опирающиеся на большие массивы данных о том, что люди просматривают, покупают и на что реагируют, а не на интуицию или устаревшую массовую рекламу.

Давая алгоритмам возможность исследовать лучшие маркетинговые решения

Чтобы решить эту задачу, исследование обращается к генетическим алгоритмам — семейству вычислительных методов, вдохновлённых естественным отбором. Вместо того чтобы люди вручную подстраивали несколько параметров кампании, алгоритм генерирует множество различных комбинаций маркетинговых вариантов, тестирует эффективность каждой комбинации, сохраняет лучшие и затем «смешивает и мутирует» их для создания новых опций. За несколько раундов слабые идеи отбрасываются, а сильные выживают. В рамках этого исследования алгоритм работает с тремя ключевыми элементами, важными для покупателей: как организованы и представлены товары, как контент адаптируется под каждого человека и как используются социальные сети для распространения информации и построения отношений.

Применение подхода в реальных компаниях

Фреймворк был опробован в трёх китайских компаниях электронной коммерции разного размера с использованием как опросов сотрудников маркетинга, так и подробных операционных записей. До и после внедрения новой системы исследователи отслеживали удовлетворённость клиентов, восприятие силы рекламных стратегий и надёжность исполнения промо-кампаний. Они также применяли специфические показатели, отражающие обоснованность общей маркетинговой программы компании и полноту выполнения планов продвижения.

Явные улучшения в опыте клиентов и надёжности

Во всех трёх компаниях данные показали заметные улучшения после применения генетического алгоритма. Удовлетворённость клиентов выросла на 21 процент, что указывает на то, что покупатели чувствовали себя лучше обслуженными благодаря новому сочетанию предложений, сообщений и каналов. Оценки эффективности рекламы повысились примерно на треть балла по стандартизированной шкале, а надёжность промо-кампаний улучшилась примерно на ту же величину — меньше промахов и более последовательная доставка обещанного. Общая качество маркетинговой программы и завершённость планов продвижения переместились с посредственных значений ближе к верхней части шкалы, и эти улучшения были заметны как в небольших, так и в крупных организациях.

Что это значит для онлайн-покупателей и продавцов

Для обычных пользователей вывод исследования заключается в том, что более умные, управляемые данными инструменты могут превратить онлайн-маркетинг из грубого инструмента в нечто больше похожее на хорошо подобранную рекомендательную службу — с меньшим количеством нерелевантной рекламы и более своевременными, полезными предложениями. Для бизнеса послание таково: продвинутая оптимизация не обязательно должна быть привилегией технологических гигантов; при наличии правильных данных и соблюдении приватности и справедливости даже компании среднего размера могут использовать эти методы, чтобы точнее настраивать кампании, укреплять доверие и эффективнее конкурировать в переполненном мире цифровой торговли.

Цитирование: Yang, J., Peng, B. Optimizing e-commerce marketing strategies in the digital economy: a big data approach enhanced by genetic algorithms. Humanit Soc Sci Commun 13, 691 (2026). https://doi.org/10.1057/s41599-026-06654-w

Ключевые слова: маркетинг электронной коммерции, цифровая экономика, анализ больших данных, генетические алгоритмы, удовлетворённость клиентов