2071-3762 Практический маркетинг PRACTICAL MARKETING ООО «Агентство БиСиАй Маркетинг» 10.24412/2071-3762-2026-7349-105-111 GURFES https://bci-marketing.ru/soderzhaniya-zhurnalov/349 БОЛЬШИЕ ДАННЫЕ В СЕГМЕНТАЦИИ ПОТРЕБИТЕЛЕЙ И ПРОГНОЗИРОВАНИИ СПРОСА Big Data in Consumer Segmentation and Demand Forecasting Бондаренко Майя Павловна Бондаренко Майя Павловна Bondarenko Mayya Pavlovna mpbondarenko@fa.ru 0009-0001-5501-355X Черепанин Федор Андреевич Черепанин Федор Андреевич Cherepanin Fedor Andreevich cherep2404@mail.ru 0009-0003-1995-9983 Финансовый университет при Правительстве РФ (Москва, Россия) Financial University under the Government of the Russian Federation (Moscow, Russia) 10 08 2026 2026 7 105 111 27 05 2026 15 07 2026 https://bci-marketing.ru/soderzhaniya-zhurnalov/349

Цель исследования заключается в разработке методического подхода к применению больших данных для сегментации потребителей и прогнозирования спроса в системе маркетингового анализа. Методы исследования включают анализ научной литературы, систематизацию цифровых источников потребительских данных, сравнительный анализ методов сегментации, а также моделирование интегрального показателя прогнозной ценности потребительского сегмента. Проведенный анализ показал, что цифровые данные целесообразно использовать не только для описания уже сложившихся групп покупателей, но и для оценки их возможного вклада в следующий спрос. В статье предложена модель применения больших данных, в основе которой предложен индекс SDPI. Именно благодаря его использованию становится возможным ранжирование клиентских групп и непосредственное прогнозирование спроса. Практическая значимость исследования заключается в возможности использования предложенного подхода компаниями для повышения точности маркетинговых решений, персонализации предложений и снижения рисков товарного планирования.

The aim of the study is to develop a methodological approach to using big data for consumer segmentation and demand forecasting in a marketing analysis system. The research methods include analyzing scientific literature, systematizing digital sources of consumer data, conducting a comparative analysis of segmentation methods, and modeling an integral indicator of the predictive value of a consumer segment. The analysis showed that digital data can be effectively used not only to describe existing groups of customers but also to assess their potential contribution to future demand. The article proposes a model for using big data, which is based on the SDPI index. It is precisely thanks to its use that it becomes possible to rank customer groups and directly predict demand. The practical significance of the study lies in the fact that companies can use the proposed approach to improve the accuracy of marketing decisions, personalize offers, and reduce the risks associated with product planning.

 Ключевые слова большие данные сегментация потребителей прогнозирование спроса маркетинговая аналитика цифровой профиль потребителя поведенческая аналитика машинное обучение персонализация потребительский спрос цифровой маркетинг Keywords big data consumer segmentation demand forecasting marketing analytics consumer digital profile behavioral analytics machine learning personalization consumer demand digital marketing Яковлев, В. С. Использование цифровых технологий при проведении маркетингового анализа и сегментации рынка / В. С. Яковлев // Актуальные проблемы экономики и менеджмента. – 2022. – № 3(35). – С. 104–112. Богданова, М. В. Использование больших данных в маркетинге / М. В. Богданова, В. Г. Богданова // Инновационные, информационные и коммуникационные технологии : сборник трудов XXII Международной научно-практической конференции, Сочи, 01–10 октября 2022 года / под редакцией С. У. Увайсова. – Москва : Ассоциация выпускников и сотрудников ВВИА им. проф. Н. Е. Жуковского, 2022. – С. 143–147. Бондаренко, М. П. Использование цифровых технологий для повышения качества обслуживания в авторизованных сервисных центрах / М. П. Бондаренко // Экономика: вчера, сегодня, завтра. – 2024. – Т. 14, № 11А. – С. 532–541. – DOI 10.3467/DFgR.2024.21.83.059. Чумаченко, Д. С. Большие данные в прогнозировании поведения и маркетинговых исследований потребителей / Д. С. Чумаченко, М. А. Алябьева, А. В. Осипова // Инновационные технологии, менеджмент и маркетинг : сборник трудов. – Оренбург : Оренбургский государственный университет «ОАО», 2025. – С. 161–163. Бондаренко, М. П. Использование больших данных для повышения качества обслуживания и прогноза потребителей / Е. М. Бондаренко, В. Л. Соловьев, А. Л. Кенгурилов // Маркетинг. – 2026. – № 4(346). – С. 21–25. – DOI 10.24412/2071-3762-2026-4346-21-25. Азарян, Е. М. Цифровые технологии в маркетинге : учебное пособие / Е. М. Азарян, О. В. Мелентьева, А. А. Бондарь. – Москва : Академия «Маркетинг», 2025. – 204 с. – ISBN 978-5-90831-12-7. Wedel M., Kamakura W. A. Market Segmentation: Conceptual and Methodological Foundations. 2nd ed. – Boston: Kluwer Academic Publishers, 2000. – 382 p. – DOI 10.1007/978-1-4615-4651-1. Van den Poel D., Larivière B. Customer Attrition Analysis for Financial Services Using Proportional Hazard Models // European Journal of Operational Research. – 2004. – Vol. 157, No. 1. – P. 196–217. – DOI 10.1016/S0377-2217(03)00019-7. Verbeke W., Martens D., Mues C., Baesens B. Building Comprehensible Customer Churn Prediction Models with Advanced Rule Induction Techniques // Expert Systems with Applications. – 2011. – Vol. 38, No. 3. – P. 2354–2364. – DOI 10.1016/j.eswa.2010.08.023.