Застосування кластерного аналізу для просування бізнесу у соціальних мережах

Шевченко, Світлана Миколаївна та Жданова, Юлія Дмитрівна та Шевцова, Т.І. (2023) Застосування кластерного аналізу для просування бізнесу у соціальних мережах Вісник Херсонського національного технічного університету (4(87)). с. 271-281. ISSN 2078 – 4481

Текст Shevchenko_S_Zhdanovа_Y_Shevtsova_T_KhNTU_4_87_2023.pdf - Опублікована версія Download (649kB)

Анотація

Використання соціальних мереж для досягнення бізнес-цілей, зокрема просування своїх послуг (товарів), є затребуваним у сучасному світі. У 2022 році понад 4,59 мільярдів людей (Statista) користувалися соціальними мережами. Враховуючи таку колосальну аудиторію активних користувачів, маркетологи вбачають важливим та значущим використання соціальних мереж для бізнес-діяльності своєї компанії. Це спонукає до дослідження методів та інструментарію просування продукції в Іnternet. Огляд наукової та методичної літератури дозволив виділити існуючі методи просування бізнесу: Owned Media; Paid Media; Earned Media; Social Media, основним недоліком яких є негативні коментарі користувачів, що шкодить репутації компанії. У даній статті розглядається можливість застосування методів кластерного аналізу для просування бізнесу у соціальних мережах. Визначено поняття кластерний аналіз, описано найпопулярніші методи кластерного аналізу, представлено типовий механізм його проведення. За основу у дослідженні взято блок-схеми проведення кластеризації методом ближнього сусіда та методом k-means. Виявлені у кожному з них переваги та недоліки. Як приклад проведено розподіл споживачів послуг ТОВ «ЕПАМ СИСТЕМЗ», що надається за одну добу, в залежності від попиту на послуги компанії з урахуванням вікового критерію. Результати показали, які послуги і для якого віку є більш привабливими, що допоможе ефективніше проводити заходи стимулювання обсягів продажів ІТ-послуг у соціальних мережах, що призведе до зростання обсягів прибутку організації у майбутньому. Результати дослідження можна впровадити в навчальний процес студентів економічного профілю та студентів галузі 12 Інформаційні технології.

Тип елементу :	Стаття
Ключові слова:	соціальні мережі; система просування; потреби споживачів послуг; кластерний аналіз; алгоритм найближчого сусіда; алгоритм k-means
Типологія:	Це архівна тематика Київського університету імені Бориса Грінченка > Статті у наукометричних базах > Index Copernicus Це архівна тематика Київського університету імені Бориса Грінченка > Статті у журналах > Фахові (входять до переліку фахових, затверджений МОН)
Підрозділи:	Це архівні підрозділи Київського університету імені Бориса Грінченка > Факультет інформаційних технологій та математики > Кафедра інформаційної та кібернетичної безпеки імені професора Володимира Бурячка
Користувач, що депонує:	Ю. Д. Жданова
Дата внесення:	04 Квіт 2024 07:26
Останні зміни:	10 Квіт 2024 10:35
URI:	https://elibrary.kubg.edu.ua/id/eprint/48539

Actions (login required)

Перегляд елементу