РОЗВИТОК МЕТОДІВ ДОСЛІДЖЕННЯ В МАРКЕТИНГУ В УМОВАХ ФОРМУВАННЯ ПАРАДИГМИ ЦИФРОВОГО МАРКЕТИНГУ

Завалій Т.О.
Державний університет «Житомирська політехніка»
https://orcid.org/0000-0002-6315-5646
Легенчук С.Ф.
Державний університет «Житомирська політехніка»
https://orcid.org/0000-0002-3975-1210
DOI: https://doi.org/10.30838/EP.204.101-109

ЗАВАНТАЖИТИ СТАТТЮ

АНОТАЦІЯ

Досліджено проблеми розробки й застосування методів збору й обробки маркетингових даних за допомо-гою сучасних обчислювальних методів / інструментів для вирішення теоретичних і методологічних питань у цифровому маркетингу. Проаналізовано передумови розвитку методології маркетингу як наукової сфери діяль-ності в умовах переходу до Індустрії 4.0. Розкрито сутність обчислювальної соціальної науки й проаналізовано причини її виникнення у контексті розвитку соціальних наук. Обґрунтовано доцільність застосування обчислю-вальних методів у маркетингових наукових дослідженнях для формування нової системи маркетингових науко-вих знань, відповідної сучасному рівню розвитку цифрового маркетингового середовища. Ідентифіковано пере-ваги використання обчислювальних методів для розвитку цифрового маркетингу. Виявлено структурні зміни методологічної компоненти в процесі переходу до нової парадигми маркетингу.

КЛЮЧОВІ СЛОВА

парадигма цифрового маркетингу, методи маркетингу як науки, обчислювальна соціальна наука, обчислювальні методи, маркетингові дані

ПОСИЛАННЯ

1. Achrol, R.S., & Kotler, P. (2011). Frontiers of the marketing paradigm in the third millennium. Journal of the Academy of Marketing Science, Vol. 40(1). Pp. 35-52.
DOI: https://doi.org/10.1007/s11747-011-0255-4
2. Anderson, P.F. (1983). Marketing, scientific progress, and scientific method. Journal of Marketing, Vol. 47(4). Pp. 18-31.
3. Arndt, J. (1985). On making marketing science more scientific: role of orientations, paradigms, metaphors, and puzzle solving. Journal of Marketing. No. 49(3). Pp. 11-23.
4. Berente, N., Seidel, S., & Safadi, H. (2018). Research Commentary - Data-Driven computationally intensive theory development. Information Systems Research, Vol. 30(1). Pp. 50-64.
Link: https://surl.li/efmkvx
5. Chang, R.M., Kauffman, R.J., & Kwon, Y. (2013). Understanding the Paradigm Shift to Computational Social Science in the Presence of Big Data. Decision Support Systems, Vol. 63. Pp. 67-80.
6. Chintagunta, P., Hanssens, D.M., & Hause,r J.R. (2016). Editorial-marketing science and Big Data. Marketing Science, Vol. 35(3). Pp. 341-342.
7. Deshpande, R. (1983). «Paradigms Lost»: On theory and method in research in marketing. Journal of Marketing, Vol. 47(4). Pp. 101-110.
8. Edelmann, A., Wolff, T., Montagne, D., & Bail, C.A. (2020). Computational social science and sociology. Annual Review of Sociology, Vol. 46(1). Pp. 61-81.
DOI: https://doi.org/10.1146/annurev-soc-121919-054621
9. Huh, J., Nelson, M.R., & Russell, C.A. (2024). Introduction to computational advertising research methodology themed issue. Journal of Advertising, Vol. 53(5). Pp. 639-643.
DOI: https://doi.org/10.1080/00913367.2024.2406187
10. İzmir, O. (2023). From marketing as a thought to marketing as a science: The scope, properties and methodology of marketing science. Sinop Üniversitesi Sosyal Bilimler Dergisi, Vol. 7(1). Pp. 536-569.
DOI: https://doi.org/10.30561/sinopusd.1277571
11. Kuhn, T.S. (1996). The structure of scientific revolutions. 3rd ed. Chicago: The University of Chicago Press, 212 p.
12. Lazer, D., Pentland, A., Adamic, L., Aral, S., etc. (2009). Computational social science. Science, Vol. 323(5915). Pp. 721-723
13. Macy, M.W. (2024). Computational Social Science: a complex contagion. Translational systems sciences. Springer, Vol. 40. Pp. 53-64.
DOI: https://doi.org/10.1007/978-981-99-9432-8_4
14. Reidenbach, R.E., & Robin, D.P. (1991). Epistemological structures in marketing: Paradigms, metaphors, and marketing ethics. Business Ethics Quarterly, Vol. 1(2). Pp. 185-200.
15. Rust, R.T., & Huang, M. (2014). The service revolution and the transformation of marketing science. Marketing Science, Vol. 33(2). Pp. 206-221.
16. Saura, J.R. (2020). Using data sciences in digital marketing: framework, methods, and performance metrics. Journal of Innovation & Knowledge, Vol. 6(2). Pp. 92-102.
DOI: https://doi.org/10.1016/J.JIK.2020.08.001
17. Takikawa, H., & Fujihara, S. (2024). Methodological contributions of computational social science to sociology. Translational systems sciences. Springer, Pp. 23-51.
DOI: https://doi.org/10.1007/978-981-99-9432-8_3
18. Theocharis, Y., & Jungherr, A. (2020). Computational social science and the study of political communication. Political Communication, Vol. 38(1-2). Pp. 1-22.
Link: https://surl.lu/watzvs
19. Van Atteveldt, W., & Peng, T.Q. (2018). When communication meets computation: opportunities, challenges, and pitfalls in computational communication science. Communication Methods and Measures, Vol. 12(2-3). Pp. 81-92.
DOI: https://doi.org/10.1080/19312458.2018.1458084