АДАПТИВНЕ МАРКЕТИНГОВЕ УПРАВЛІННЯ В УМОВАХ МІНЛИВОЇ КОН'ЮНКТУРИ РИНКУ НА ОСНОВІ SMART-СТАТИСТИКИ

Захожай В.Б.
Національна академія статистики, обліку та аудиту
https://orcid.org/0000-0002-4646-5108
Гурова Ю.С.
Київський національний економічний університет імені Вадима Гетьмана
https://orcid.org/0000-0002-4483-9938
DOI: https://doi.org/10.30838/EP.216.135-144

ЗАВАНТАЖИТИ СТАТТЮ

АНОТАЦІЯ

Метою статті є обґрунтування адаптивного маркетингового управління за умов мінливої кон’юнктури ринку та його інформаційно-аналітичного забезпечення на основі Smart-статистики. Використано методи логічного узагальнення, системного і порівняльного аналізу та структурно-логічного моделювання. Розроблено шестирівневу систему оцінювання ринкової кон’юнктури, що поєднує чинники, індикатори, показники, аналі-тичні метрики, сигнали та маркетингові рішення. Запропоновано модель Smart-статистичного забезпечення і матрицю трансформації сигналів у рішення на оперативному, тактичному та стратегічному рівнях. Резуль-тати сприяють ранньому виявленню ринкових змін і підвищенню обґрунтованості маркетингових рішень.

КЛЮЧОВІ СЛОВА

Smart-статистика; адаптивне маркетингове управління; мінлива кон’юнктура ринку; система індикаторів; кон’юнктурні сигнали; маркетингова аналітика; прогнозування; маркетингові рішення

ПОСИЛАННЯ

1. OECD Digital Economy Outlook 2024 (Volume 1): Embracing the Technology Frontier. OECD Publishing, Paris, 2024.
DOI: https://doi.org/10.1787/a1689dc5-en
2. Digital Economy Report 2024: Shaping an Environmentally Sustainable and Inclusive Digital Future. United Nations, Geneva, 2024.
Link: https://unctad.org/publication/digital-economy-report-2024
3. Verhoef P. C., Broekhuizen T., Bart, Y., Bhattacharya A., Dong J. Q., Fabian N., Haenlein, M. (2021). Digital transformation: A multidisciplinary reflection and research agenda. Journal of Business Research, 2021. No. 122. Pp. 889–901.
DOI: https://doi.org/10.1016/j.jbusres.2019.09.022
4. Kotler P., Kartajaya H., Setiawan I. (2021). Marketing 5.0: Technology for Humanity. Wiley.
DOI: https://doi.org/10.1002/9781119668510
5. Осауленко О. Г., Горобець О. О. Імплементація інструментарію Smart-статистики в офіційну статистику. Статистика України. 2023. № 1. С. 7–18.
DOI: https://doi.org/10.31767/su.1(100)2023.01.01
6. Wedel M., Kannan P. K. (2016). Marketing analytics for data-rich environments. Journal of Marketing. 2016. Vol. 80. No. 6. Pp. 97–121.
DOI: https://doi.org/10.1509/jm.15.0413
7. Davenport T. H., Guha A., Grewal D., Bressgott T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science. 2020 Vol. 48. No. 1. Pp. 24–42.
DOI: https://doi.org/10.1007/s11747-019-00696-0
8. Huang M.-H., Rust R. T. A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science. 2021. Vol. 49. No. 1. Pp. 30-50.
DOI: https://doi.org/10.1007/s11747-020-00749-9
9. Rust R. T. The future of marketing. International Journal of Research in Marketing. 2020. Vol. 37. No. 1. Pp. 15–26.
DOI: https://doi.org/10.1016/j.ijresmar.2019.08.002
10. Kumar V., Reinartz W. Creating enduring customer value. Journal of Marketing. 2016. Vol. 80. No. 6. Pp. 36–68.
DOI: https://doi.org/10.1509/JM.15.0414
11. Chaffey D., Smith P. R. Digital Marketing Excellence: Planning, Optimizing and Integrating Online Marketing (6th ed.). Routledge. 2022.
DOI: https://doi.org/10.4324/9781003009498
12. Осауленко О. Г., Моторин Р. М., Горобець О. О. Від цифрової нерівності до Data Justice: феномен Data Poverty у вимірах статистики та Data Science. Науковий вісник Національної академії статистики, обліку та аудиту : зб. наук. праць. Спец. вип. 2025. С. 25–45.
DOI: https://doi.org/10.31767/nasoa.1-2-2025.02
13. Осауленко О. Г., Горобець О. О. Інтеграція технологій великих даних і штучного інтелекту в цифровій екосистемі суспільства: від концепції до впровадження в офіційну статистику. Економіка України. 2025. Т. 68, № 8(765). С. 76–86.
DOI: https://doi.org/10.15407/economyukr.2025.08.076
14. Kitchin R. The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences. SAGE Publications. 2014.
DOI: https://doi.org/10.4135/9781473909472
15. Reimann C., Carvalho F., Duarte M. The influence of dynamic and adaptive marketing capabilities on the performance of Portuguese SMEs in the B2B international market. Sustainability. 2021. Vol. 13. No. 2. Art. 579.
DOI: https://doi.org/10.3390/su13020579
16. Massiera P. How do adaptive market experimentation, open marketing and strategic flexibility contribute to small firms' business model innovation in the context of a crisis? Journal of Small Business and Enterprise Development. 2024. Vol. 31. No. 7. Pp. 1302–1326.
DOI: https://doi.org/10.1108/JSBED-06-2023-0249
17. Muth M., Lingenfelder M., Nufer G. The application of machine learning for demand prediction under macroeconomic volatility: A systematic literature review. Management Review Quarterly. 2025. Vol. 75. No. 3. Pp. 2759–2802.
DOI: https://doi.org/10.1007/s11301-024-00447-8
18. James G., Witten D., Hastie T., Tibshirani R. An Introduction to Statistical Learning (2nd ed.). Springer. 2021.
DOI: https://doi.org/10.1007/978-1-0716-1418-1
19. Géron A. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow (3rd ed.). O’Reilly Media. 2022.
Link: https://shashwatwork.github.io/assets/files/ml_ebook.pdf