Современные аспекты и тренды развития клиентской аналитики

Цифровая трансформация, происходящая в данный момент, представляет огромные перспективы как для бизнеса, так и для потребителей в сфере сбора и обработки данных. Текущее развитие систем сбора и обработки данных открывает не просто новые, а прорывные возможности для работы бизнеса в целом и маркетинга в частности, потому что обрабатываются не только структурированные данные, но и неструктурированные данные становятся частью маркетинговой аналитики.Целью данного исследования является выявление существующих аспектов, задач и трендов потребительской аналитики как части маркетинговой аналитики в целом.В современных условиях любая организация использует цифровые инструменты и методы в своей маркетинговой деятельности. Компании получили большие возможности для сбора и обработки данных о потребителях, включая их прямые отзывы. Потребители, в свою очередь, получают все больше и больше ресурсов для прямых контактов с брендами и компаниями. Диалог бизнеса с потребителями оказывает влияние на все сферы бизнес активности и уже стал неотъемлемой частью деятельности компании.Авторы провели литературный обзор 28 научных и бизнес-журналов для определения сути и понятия клиентской аналитики, ее роли в маркетинговой активности через призму маркетинговой аналитики и ее четырех составляющих: аналитики рынка, продукта, конкурентов и потребителей. В современном мире клиентская аналитика, как и базы данных потребителей, является одним из ключевых компонентов маркетинговой активности, создающих большие возможности для значительного улучшения показателей маркетинговой деятельности компании в целом.

Маркетингтік аналитика, мәліметтер базасы негізіндегі маркетинг, клиенттік талдам, клиенттік талдама ресурстары, тұтынушыларды идентификациялау, тұтынушыларды тарту, тұтынушыларды ұстап қалу, тұтынушылардың құндылығын дамыту, маркетинговая аналитика, клиентская аналитика, ресурсы клиентской аналитики, идентификация потребителей, привлечение потребителей, удержание потребителей, развитие ценности потребителей

1. Chen H., Chiang R.H.L. and Storey V.C. (2012). Business intelligence and analytics - From big data to big impact, MIS Quarterly, 36, 1165-1188.

2. Amarouche K., Benbrahim H. and Kassou I. (2015). Product opinion mining for competitive intelligence. Procedia Computer Science, vol. 73, 358-365.

3. France S.L. and Ghose S. (2018). Marketing analytics: Methods, practice, implementation, and links to other fields. Expert Systems with Applications, vol. 119, 456-475.

4. Nguyen Anh Khoa Dam, Thang Le Dinh and William Menvielle. (2019). Marketing Intelligence from Data Mining Perspective - A Literature Review, International Journal of Innovation, Management and Technology, 5 (10).

5. Worldwide Semiannual Digital transformation SpendingGuide, Internationa lData Corporation URL:https:// www.idc.com/getdoc.jsp?containerId=prUS45612419, (date of the application 03.03. 2020)

6. © Cambridge University Press, URL: https:// dictionary.cambridge.org/ru/% D1%81%D0%BB%D0%B E%D0%B2%D0%B0%D1%80%D1%8C/%D0%B0%D0 %BD%D0 %B 3%D0% BB%D0% B8%D0%B9%D1%81% D0%BA%D0%B8%D0%B9/customer-intelligence, (date of the application 26.02. 2020)

7. Philippe Baecke, Dirk Van den Poel. (2012). Including Spatial Interdependence in Customer Acquisition Models: a Cross-Category Comparison. EXPERT SYSTEMS WITH APPLICATIONS, 12105-12113.

8. Navarro-García A. et al., (2016) Market Intelligence Effect on Perceived Psychic Distance, Strategic Behaviors and Export Performance in Industrial SMEs, 3(31), 365-380.

9. Chan Joseph O. (2005). Toward a Unified View of Customer Relationship Management. Journal of American Academy of Business, 37.

10. Liang T.P. and Liu Y.H. (2018). Research Landscape of Business Intelligence and Big Data Analytics: A Bibliometrics Study.

11. Rygielski C., Wang J.C. and Yen D.C. (2002). Data Mining Techniques for Customer Relationship Management, 4(24), 483-502.

12. Fan S., Lau R.Y.K. and Zhao J.L. (2015). Demystifying big data analytics for business intelligence through the lens of marketing mix. Big Data Research, 1(2), 28-32.

13. Doan A., Ramakrishnan R. and Halevy A.Y. (2011). Crowdsourcing Systems on the World-Wide Web, 4(54), 86-96.

14. Park D.H. et al. (2012). A literature review and classification of recommender systems research. Expert Systems with Applications, 11(39), 10059-10072.

15. Sivarajah U. et al. (2017). Critical analysis of Big Data challenges and analytical methods. Journal of Business Research, 70, 263-286.

16. Skorobogatyh I.I., Efimova D.M. (2019). Marketingovye issledovanija i situacionnyj analiz, 39.

17. Jean Paul Isson. (2018). Unstructured Data Analytics, 35,38.

18. Ngai E.W.T., Xiu L. and Chau D.C.K. ( 2009). Application of data mining techniques in customer relationship management: A literature review and classification. Expert Systems with Applications, 2(36), 2592-2602.

19. Amado A. et al. (2018). Research trends on big data in marketing: A text mining and topic modeling based literature analysis. European Research on Management and Business Economics, 1(24), 1-7.

20. Baars H. and Kemper H.G. (2008). Management support with structured and unstructured data - An integrated business intelligence framework. Information Systems Management, 2(25), 132-148.

21. Hosseini S. M. S. , Maleki A. and Gholamian M.R. (2010). Cluster analysis using data mining approach to develop CRM methodology to assess the customer loyalty. Expert Systems with Applications, 7(37), 5259- 5264.

22. Payne A. and Frow P.J. (2005). A Strategic Framework for Customer Relationship Management, 4(69), 167-176.

23. Markey R. (2020). Are you understanding your customers? It is time to start measure and managing their worth. Harvard Business Review, January-February.

24. Solomon J.. “What is Customer Life Time Value (CLTV). Why is it considered an important SaaS Metric”. URL: https://www.chargebee.com/ blog/saas-metric-customer-life-time-cltv. (date of the application 29.03. 2020).

25. Baker L. “Amazon’s Search Engine Ranking Algorithm: What Marketers Need to Know”, URL: https://www.searchenginejournal.com/amazon-search- engine-ranking-algorithm-explained/265173/, (date of the application 05.02. 2020).

26. A conversation with Vanguard chairman emeritus Jack Brennan. Over time, the market will demand this information. Harvard Business Review. January-February 2020.

27. Rhiannon Gainor and France Bouthillier. (2014). Competitive Intelligence Insights for Intelligence Measurement. International Journal of Intelligence and Counter Intelligence, 27, 591.

28. Econsultancy and Adobe. (2019). Report “Digital Trends”, 13-19.