ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

РОЗДІЛИ САЙТУ

AI-driven оцінка ефективності маркетингового мережевого комплексу стартапів
Сергієнко О. А., Тонєва К. В., Швець А. Д.

Сергієнко О. А., Тонєва К. В., Швець А. Д. AI-driven оцінка ефективності маркетингового мережевого комплексу стартапів. Бізнес Інформ. 2026. №1. C. 611–620.
https://doi.org/10.32983/2222-4459-2026-1-611-620

Розділ: Менеджмент і маркетинг

Стаття написана українською мовою
Завантажень/переглядів: 0

Завантажити статтю (pdf) -

УДК 339.138:004.8:330.43:334.012.64

Анотація:
Сучасний етап розвитку цифрової економіки вимагає від стартапів максимальної оптимізації витрат та ефективного використання наявних фінансових ресурсів. В умовах жорсткої конкуренції цифровий маркетинг стає основним рушієм масштабування бізнесу, однак традиційні лінійні моделі атрибуції (First-Touch, Last-Touch, Linear) не здатні об’єктивно відобразити складну, багатофакторну та нелінійну динаміку взаємодії споживача з брендом. Вони або переоцінюють кінцеві точки контакту, або недооцінюють канали, які формують початкову зацікавленість, що призводить до вкрай неефективного та ризикованого розподілу маркетингового бюджету стартапу. Метою статті є розробка та емпірична валідація інноваційного методологічного підходу на основі технологій штучного інтелекту (ШІ) для кількісної оцінки центральності та істинного внеску окремих вузлів (каналів) маркетингового мережевого комплексу стартапів задля прескриптивної оптимізації їхньої інвестиційної стратегії. Для досягнення поставленої мети застосовано методи глибокого машинного навчання (зокрема нейронні мережі довгої короткочасної пам'яті (LSTM) з механізмами уваги) для високоточного моделювання часових послідовностей точок контакту клієнта, а також математичний інструментарій теорії кооперативних ігор, а саме значень Шеплі (Shapley Value) для справедливого розподілу цінності конверсії між усіма каналами-учасниками коаліції. У результаті дослідження розроблено та протестовано багатокритеріальну модель атрибуції AI-Shapley MTA. Емпіричне моделювання підтвердило її суттєву перевагу над традиційними евристичними методами (точність атрибуції зросла з 76,5 % до 81,9 %). Використання вектора Шеплі дозволило визначити істинну мережеву центральність кожного маркетингового каналу (CCI), виступаючи як ефективний детектор синергії і заміщення. Зокрема, виявлено критичну недооцінку органічного пошуку в традиційних моделях і високий ступінь зниження конверсій через платні соціальні мережі. На основі отриманих результатів сформовано комплексну систему інтегральних адаптивних метрик (С-KPI), яка включає Коефіцієнт центральності каналу (CCI), Прогностичну точність кампанії (PAC), Індекс адаптивної ефективності (AEI) та Оптимізований ROI з урахуванням довгострокової довічної цінності клієнта (LTV). Висновки підтверджують, що впровадження розробленої AI-driven оцінки докорінно трансформує маркетинговий апарат стартапу, забезпечуючи перехід від інтуїтивного розподілу коштів до керованої даними прескриптивної оптимізації. Запропонована методологія здатна підвищити загальний ROI маркетингових зусиль на 10–20 % та значно мінімізувати фінансові ризики. Перспективи подальших розвідок у цьому напрямку охоплюють дослідження методів федеративного навчання для забезпечення конфіденційності даних під час застосування ШІ-аналітики.

Ключові слова: штучний інтелект, маркетингова стратегія, стартап, ефективність маркетингу, багатоканальна атрибуція, оптимізація бюджету, глибоке навчання, значення Шеплі.

Рис.: 1. Табл.: 2. Формул: 3. Бібл.: 10.

Сергієнко Олена Андріанівна – доктор економічних наук, професор, професор, кафедра підприємництва, торгівлі і логістики, Національний технічний університет «Харківський політехнічний інститут» (вул. Кирпичова, 2, Харків, 61002, Україна)
Email: [email protected]
Тонєва Кристина Валеріївна – кандидат економічних наук, доцент, доцент, кафедра менеджменту, логістики та інновацій, Харківський національний економічний університет ім. С. Кузнеця (пр. Науки, 9а, Харків, 61166, Україна)
Email: [email protected]
Швець Анастасія Дмитрівна – аспірант, кафедра підприємництва, торгівлі та логістики, Національний технічний університет «Харківський політехнічний інститут» (вул. Кирпичова, 2, Харків, 61002, Україна)
Email: [email protected]

Список використаних у статті джерел

Abdullah S. A. Artificial intelligence (AI) techniques: a game-changer in Digital marketing for shop // arXiv preprint arXiv:2508.11705. 2025. URL: https://arxiv.org/abs/2508.11705
Baghcheband H., Soares C., Reis L. P. Shapley value-based data valuation for machine learning data markets. Discov Appl Sci. 2025. Vol. 7. P. 1431. DOI: https://doi.org/10.1007/s42452-025-07328-z
Chu X., Jiang X., Qiu R., Gao J., Zhao J. MODEL SHAPLEY: Find Your Ideal Parameter Player via One Gradient Backpropagation // OpenReview. 2025. URL: https://openreview.net/pdf?id=9ccmoYhZue
Garg S., Asif S., Yadav S., Kaushik T. The influence of online marketing on start-ups. International Journal of Health Sciences. 2022. Vol. 6, no. S5. P. 5414–5427. DOI: https://doi.org/10.53730/ijhs.v6nS5.9827
Gulter E., Cevher M. F. Evolution of Digital Marketing Campaigns with Artificial Intelligence and Machine Learning: Analysing Success Prediction Capabilities. Business & Management Studies: An International Journal. 2025. Vol. 13, no. 2. P. 478–493. DOI: https://doi.org/10.15295/bmij.v13i2.2498
Lakshman Bhargav Sunkara V. KPIs for AI Agents and Generative AI: A Rigorous Framework for Evaluation and Accountability. International Journal of Scientific Research and Modern Technology. 2024. Vol. 3, no. 4. P. 22–29. DOI: https://doi.org/10.38124/ijsrmt.v3i4.572
Langen H., Huber M. How causal machine learning can leverage marketing strategies: Assessing and improving the performance of a coupon campaign. PLoS ONE. 2023. Vol. 18, no. 1. P. e0278937. DOI: https://doi.org/10.1371/journal.pone.0278937
Nedunchezhian A. Machine Learning in Digital Marketing: A New Era of Targeted Advertisement Creation. International Journal on Science and Technology. 2025. Vol. 16, no. 2. P. 1.
Norouzi V. Predicting e-commerce CLV with neural networks: The role of NPS, ATV, and CES. Journal of Economy and Technology. 2024. Vol. 2. DOI: https://doi.org/10.1016/j.ject.2024.04.004
Maslej N., Fattorini L., Perrault R. et al. The AI Index 2025 Annual Report. Stanford : Institute for Human-Centered AI, Stanford University, 2025. DOI: https://doi.org/10.48550/arXiv.2504.07139

ДЛЯ АВТОРІВ

Ліцензійний договір

Умови публікації

Вимоги до статей

Положення про рецензування

Договір публікації

Номер в роботі

Питання, які задаються найчастіше

ІНФОРМАЦІЯ

План наукових конференцій

НАШІ ПАРТНЕРИ

Журнал «Проблеми економіки»

Матеріали на сайті розміщені на умовах ліцензії Creative Commons Attribution 4.0 International CC BY-SA.

Написати вебмастеру