CC BY
134
РАЗВИТИЕ БЕНЧМАРКИНГА В ЭЛЕКТРОННОЙ КОММЕРЦИИ НА ОСНОВЕ ВЗАИМОДЕЙСТВИЯ «ПРОДАВЕЦ - ПОТРЕБИТЕЛЬ»
Нуштаев А.И., аспирант ФГУП «СТАНДАРТИНФОРМ»
В данной статье рассмотрены особенности Интернет-маркетинга, его цели и задачи на современном этапе; проведен анализ основных методов стимулирования сбыта и выполнена оценка возможности их применения предприятиями электронной торговли; рассмотрены модели бенчмаркинга предприятий электронной коммерции на основе взаимодействия «продавец - потребитель»; обоснован вывод о необходимости дальнейшего развития моделей и методов сегментирования клиентской среды с учетом использования латентных характеристик.
Ключевые слова: предприятие, бенчмаркинг, электронная коммерция, продавец, клиент, сегмент, маркетинг.
DEVELOPMENT OF BENCHMARKING DIGITAL COMMERCE BASED ON «SELLER-BUYER» INTERACTION
Nushtaev A., the post-graduate student «STANDARTINFORM»
The article considers features of online-marketing, its tasks and goals in the modern stage; conducts analysis of main methods for sales stimulation as well as implements assessment of their applicability by enterprises engaged in digital commerce In addition to that the article considers benchmarking models based on «seller-buyer» interaction, It also substantiates a conclusion that it is necessary to further develop models and methods of customer environment segmentation with regard to use of latent characteristics,
Keywords: enterprise, benchmarking, digital commerce, seller, client, segment, marketing
В настоящее время все больше компаний заменяют традиционные каналы распространения информации Интернетом. Средний срок работы Интернет-торговли достаточно мал - три года. Это связано с высокой динамичностью данного сегмента электронной коммерции, когда достаточно большое количество ресурсов создается и активно продвигается, не меньшее - прекращает свое существование. Основная причина - достаточно высокая стоимость входа на данный рынок при первоначально кажущейся низкой цене и простоте.
Интернет-технологии естественно входят в бизнес-процессы, обеспечивают взаимосвязи компании с другими организациями в разнообразных вопросах коммерческой деятельности. Это позволяет достичь новых уровней конкурентоспособности и эффективности, но и связано с необходимостью решения ряда управленческих проблем [1, с. 112]:
1) электронная коммерция требует изменения образа мышления, что непосредственно связано с возможными изменениями в организационной структуре (подсистеме) компании (Орг П/С), в подразделениях поддержки принятия решений (П/С ПР), разработкой и внедрением других (инновационных) методов управления, для реализации которых должен быть востребован механизм бенчмаркинга;
2) поиск удачной модели Интернет - бизнеса, что подразумевает применение новых стратегий распределения заказов, организации рекламы и обслуживания клиентов, а также совершенствования внутренних бизнес-процессов, менеджмента компании (рис. 1).
Рис. 1. Декомпозиция контуров управления электронной коммерцией
Данная структура обладает основными свойствами системы (целостности, иерархичности, интегративности (эмерджентности), коммуникативности). Таким образом, следует рассматривать Интернет-технологии через призму социально-экономической системы общества, которая состоит не только из людей, действий (процессов), но и из коммуникаций [2, с. 127].
Интернет меняет облик и стиль ведения бизнеса и радикально снижает его затраты. С целью разработки стратегии компании, планирования и организации коммерческих коммуникаций, выявления областей совмещения и координации интересов компании и клиентов, адекватного развития отношений с клиентами руководители предприятий все чаще обращаются к Интернет-маркетингу.
Интернет-маркетинг - это комплекс специальных методов, позволяющих владельцам корпоративных web-ресурсов продвигать свой сайт в Интернете, развивая за счет этого торговую марку своего предприятия и извлекая, применяя сетевые технологии, дополнительную прибыль [3, с. 101].
Среди задач бенчмаркинговых исследований, осуществляемых в целях изучения конкурентов, необходимо отметить следующие:
- изучение и анализ динамики изменения рыночных позиций конкурентов в поисковых системах Интернета во всех сегментах целевого рынка;
- анализ посещаемости сайтов конкурентов;
- сбор информации о товарах и услугах конкурентов, их качестве и цене;
- анализ ценовой и ассортиментной политики конкурентов;
- анализ рекламной политики конкурентов в сети (баннеров, поисковой рекламы, характер использования других видов рекламы);
- SWOT-анализ полученной информации [3, с. 105].
Для стимулирования сбыта известно множество способов, часть из которых может быть использована в электронной торговле (см. таблицу 1). В частности, правильно организованный сэмплинг позволяет повысить продажи товара на 200% и более в розничной торговле [4], однако в е-торговле он не находит широкого применения. Трайвертайзинг - наиболее популярный прием, особенно при продаже компьютерной и медийной аппаратуры, которую клиенты всегда стремятся опробовать в действии. Задача компании в этом случае сделать все, чтобы тестеру понравился продукт, и он оставил о нем положительный отзыв или рекомендовал друзьям. Скидки и лотереи малоэффективны для электронных продаж, но могут быть использованы на товар, устаревших моделей для определенных возрастных групп покупателей, например, пенсионеров.
Сформулируем предложения по росту интенсивности продаж:
а) совершенствование тактики кросс-продаж, что в конечном итоге увеличивает жизненную ценность клиента, используя для этого мультиканальный маркетинг, предлагая клиенту заполнить товарную анкету, чтобы определить его расположенность к покупкам товаров из других сегментов;
Таблица 1. Способы стимулирования сбыта
Наименование способа Розничная торговля Электронная торговля
Сэмплинг - бесплатная раздача образцов Гипермаркеты, магазины Нет
Трайвертайзинг - товар выдается покупателю на пробу бесплатно (программное обеспечение, например на 30 дней) Медиа продукты, программы Возможно
Трансъюмеризм - клиент на время арендует товар (предметы туалета, одежды, автомобили) Да да
Скидки, распродажи уцененного товара Да Да
Конкурсы и лотереи Да Скорее нет
Акции (подарок в придачу) при покупке определенного количества товара, следующий получаете бесплатно Да Возможно
Гарантия возврата денег, особенно при продажах новой продукции Да Возможно
Поощрение продавцов, оклад которых на прямую зависит от количества реализованного товара Да Да
б) мультиканальный триггер-маркетинг (или событийный маркетинг - англ. Event Based Marketing (EBM)) - система правил и триггеров (переключателей), применяемых для обнаружения, анализа и интерпретации событий) основывается на отслеживании, на основе проведенного бенчмаркитингового исследования, покупательского поведения, внешних факторов (таких, как времена года или срок службы товара, что определяется как «внешние триггеры»). Цель - создание предложения для клиентов определенного сегмента рынка (например, для лиц определенных возрастных групп, для определенного продукта и т.п.) на строго индивидуальной основе в нужное время. В рамках триггер - маркетинговых кампаний используются как традиционные печатные формы коммуникации с покупателями, так и онлайновые инструменты, способные стимулировать конкретную реакцию/отклик;
в) e-mail - маркетинг, представляющий собой распространение сообщений по подписке лицам, добровольно пожелавшим получать определенную информацию. При этом обеспечивается личное обращение к клиенту (возможно и потенциальному), гибкость и оперативность рассылок, обратная связь с клиентом, аналитика обращений, высокий возврат инвестиций (ROI), т.к. проведение рассылок не требует серьезных финансовых вложений, а при правильном выборе целевой аудитории возможно получение существенной прибыли. Одновременно решаются три задачи: использование online коммуникаций для привлечения посетителей на web - сайт; осуществление доставки посетителям эффективных сообщений, формируя поведение клиентов; интеграция всех каналов связи для достижения маркетинговых целей [5, р. 75];
г) развитие методов кросс - продаж. Для этого нужно отследить и зафиксировать недавно сделанную покупку конкретного покупателя, определить параметры возникновения триггеров или заняться таргетинговым исследованием покупателей, отследив его поведение и переходы по ресурсам, и предложить покупателю на строго-индивидуальной основе продукцию, которая будет дополнять недавно сделанную покупку;
д) применительно для модели В2В стимулирование продаж возможно за счет сезонных скидок, что сказывается и на имидже компании и способствует дальнейшему росту лояльности клиента [6].
Основные угрозы информационной безопасности электронной коммерции связаны [7, с. 259]:
- с умышленными посягательствами на интересы субъектов электронной коммерции;
- неумышленными действиями обслуживающего персонала (ошибки, упущения и т.д.);
- воздействием технических факторов, способных привести к искажению и разрушению информации (сбои электроснабжения, программные сбои);
- воздействием техногенных факторов (стихийные бедствия, пожары, аварии и т.д.).
Развитие Интернет-технологий привело к обострению борьбы за новых выгодных клиентов; появлению новых каналов привлечения и обслуживания клиентов, а также появлению более требовательных потребителей, обладающих возможностью более широкого выбора. Управление взаимоотношениями с клиентами, привлечение новых клиентов, нацеленное на оптимизацию их ценности
для компании в долгосрочной перспективе, возможно на основе использования новых информационных технологий. Так, технология анализа клиентских сред (Customer Environment Analysis technology) - это цепочка процедур обработки данных, ведущая от исходного протокола действий клиентов к решению широкого спектра задач маркетинга и управления взаимоотношениями с клиентами [8]. К числу этих задач относятся:
• выявление и интерпретация типов поведения клиентов;
• сегментация клиентской базы;
• выявление целевых групп клиентов;
• структуризация ассортимента в соответствии с объектив-
ными предпочтениями клиентов;
• прогнозирование возможного оттока клиентов или их потенциально опасного для компании поведения.
Формула успеха CRM такова: можно представить, как
R = NVL , где R - доход, N - количество клиентов, V - ценность клиентов, L - приверженность клиентов.
В условиях возросших требований к клиент-ориентированности бизнеса на первый план выходят модели, учитывающие, помимо продуктовой составляющей, еще и клиентские отношения. Среди указанных моделей целесообразно выделить модель С3ЕВ [9]. Она декларирует результативность для потребителя (1-е С -Customer). Пока мы не будем знать, какой продукт стремятся получить клиенты за счет контакта с конкретной компанией, бизнес не имеет перспективы. Второе С (Capabilities) подразумевает возможности компании: совокупность бизнес-процессов, систем и технологий, информационных потоков, организационных структур, которые позволяют получить желаемый для потребителя результат. Третье С (Cashflow) - денежные потоки, характеризующие реализуемость возможностей компании произвести желаемый для потребителя результат. Следующим элементом является Е (Experience) -потребительский опыт как совокупность индивидуальных взаимодействий между клиентом и компанией. Это плоскость, на которой создаются (или нет) ценности. Последним элементом в модели является В (Brand) - настоящий бренд, существующий в сознании клиента, который формируется благодаря многократному повторению потребительского опыта.
В условиях, когда потребители могут получить практически все, что им необходимо, им предоставляется гораздо больший выбор продуктов, чем это было раньше. С мнением потребителей активно считаются (и не только в рамках стратегии CRM, с ее концепцией возможностей, маркетинга и услуг). Для ряда компаний потребительский опыт воспринимается как конкурентный дифференциатор, который соотносится с возможностями компании, в том числе и рекламными.
Клиент должен быть обеспечен одинаковым качеством обслуживания вне зависимости от формы и канала взаимодействия за счет согласованного взаимодействия всех сотрудников компании (специалистов по маркетингу, продажам, сервисному обслуживанию и т.д.).
Технологии работы с клиентскими базами должны позволять анализировать данные о клиентах и их предпочтениях, выполнять адресные рассылки с предложениями на новые товары и услуги по выбранной группе заинтересованных клиентов, измерять процент
отклика клиентов на предложения, сегментировать клиентов по различным признакам. Например, RFM сегментация учитывает R
- давность (recency) последнего заказа, F - общее количество заказов (frequency), M - общее количество денег (monetary), потраченных клиентом за всю историю. Зона больших значений вероятности отклика (вероятности повторного заказа) при малых значениях R - это зона активных клиентов, которые приносят максимальную прибыль (рис. 2). Зона малых значений вероятности отклика и больших значений R - это зона «спящих» клиентов, которые «доживают» свою историю взаимодействия с компанией. Между этими двумя сегментами располагается переходный сегмент, образующий «серую зону», когда нельзя четко отнести клиента ни в число активных, ни в число спящих. Задача состоит в сокращении средней зоны (переходного сегмента), например, за счет активизации процесса продаж. Для аналитического вычисления размеров клиентских сегментов применяются статистические методы [10]. Конечная цель сегментирования - это увеличение прибыли предприятия (компании) за счет повышения конкуренции в выбранном сегменте, поэтому формирование конкретного сегмента потребителей рынка (клиентов) ответственный этап маркетинговой деятельности для организации, выходящей на рынок или уже функционирующей на нем.
Рис. 2. Сегментирование клиентов в зависимости от давности последнего заказа
Методы кластеризации широко применяются в подобных задачах. Цель кластеризации - разбить выборку на такое число кластеров, чтобы каждый кластер состоял из объектов, близких по метрике р( x, X ) , а объекты разных кластеров существенно отличались. При этом каждому объекту Xi Е X ставится в соответствие номер кластера yi . При этом может решаться задача поиска оптимального числа кластеров в зависимости от выбранного критерия качества. К недостаткам методов кластеризации можно отнести неоднозначность задачи кластеризации из-за неясности и значительной субъективности в выборе наилучшего критерия, неопределенности в количестве кластеров, которое определяется только по результатам работы алгоритма и в значительной степени определяется выбором метрики (меры близости) при формировании кластеров [11]. Алгоритмы кластеризации, как правило, узко специализированы. Так, алгоритм FOREL обеспечивает объединение в один кластер элементов в областях их наибольшего сгущения, а сами области имеют форму сфер. ЕМ-алгоритм (англ. Expectation -maximization) основывается на гипотезе байесовского подхода к разделению смесей вероятностных распределений. Каждая итерация алгоритма состоит из двух шагов. На E-шаге (expectation) вычисляется ожидаемое значение функции правдоподобия, при этом скрытые переменные рассматриваются как наблюдаемые. На M-шаге (maximization) вычисляется оценка максимального правдоподобия, увеличивая ожидаемое правдоподобие, вычисляемое на E-шаге. Затем это значение используется для E-шага на следующей итерации. Алгоритм выполняется до сходимости.
Иерархические алгоритмы кластеризации строят не одно разбиение выборки, а систему вложенных разбиений. Алгоритмы бик-
ластеризации, в которых сходство кластеров задается объектно-признаковым описанием. Алгоритмы на основе искусственных нейросетей с архитектурой Кохоненна, представляющих собой самоорганизующуюся сеть, в которой группировка респондентов основывается на учете похожих элементов. В отличие от классического кластерного анализа здесь игнорируются случайные «выбросы», а каждая успешная итерация на следующем цикле учитывается с меньшим весом, обеспечивая стабилизацию расчетов для окончательного формирования сегмента.
Методы коллаборативной фильтрации дают автоматические прогнозы относительно интересов пользователя по собранной информации о предпочтениях множества пользователей. Данные методы представляют интерес в сетевых процедурах, т.к. позволяют автоматически или полуавтоматически принимать решения на основе модели предпочтений и интересов пользователя. Данные методы актуальны в условиях роста информационных потоков, когда предпочтение может строиться на опыте единомышленников. Кол-лаборативная фильтрация позволяет восстановить паритет в осведомленности потребителя и производителя о качестве товара, блокируя тенденцию ухудшающего отбора, которая, как известно, развивается в условиях информационной асимметрии [12]. Примером Интернет - проекта, построенного на идее коллаборативной фильтрации, является сайт Last.fm, на котором осуществляется сбор информации о музыке, которую слушает пользователь, ее каталогизация в индивидуальных и общих хит - парадах. Данный ресурс за счет своей высокой востребованности постепенно перерос в социальную сеть.
Формально такую рекомендательную систему можно описать аппаратом теории множеств [13, с. 108], когда существует множество пользователей { , р 2,..., Рп } и множество объектов
{^1 ,^2 г..£т } . Каждый пользователь имеет список оцениваемых объектов. Оценки обычно имеют различные шкалы от 1 до 10, от 1
до 5 и т.д. Пользователь р^ , желающий получить рекомендацию,
получает список пользователей, близких с ним по предпочтениям. Алгоритм сводится к определению схожести между двумя пользователями и вычислению прогноза путем взятия среднего взвешенного ото всех оценок пользователя по прогнозируемому объекту. Можно сгенерировать число популярных рекомендаций для пользователя рI , когда в качестве популярных избираются объекты, которые чаще всего оценивались ближайшими по предпочтениям
пользователями к р^ . Исходя из информации об объектах и пользователях, можно получать подсказки (советы) по выбору интересных объектов.
Латентные модели. В условиях информационного общества, когда лавинообразно растут массивы и потоки информации, увеличиваются объемы латентной (скрытой, неявной) информации. Известно, что во время прямого общения с человеком мы получаем значительно больше информации, чем в полученном от него письме.
При сетевом общении «за кадром» остаются настроение собеседника, его жесты, которыми он может сопровождать свою речь при непосредственном разговоре, специфика обстановки, которая могла послужить причиной особых откровений вашего собеседника.
К латентной информации обычно относят то, что нельзя представить однозначно, достоверно и явно. К ней можно отнести: уровень культуры собеседника; замысел конкурента; причины нарушений в сроках поставок; неявная связь событий; эмоциональный потенциал компании; мотивации и интересы сотрудников; самооценка сотрудников успешности рисковых действий.
Наличие латентной информации порождает проблемы в создании механизма контроля принимаемых управленческих решений, особенно если этот контроль связан с необходимостью обработки информации, не поддающейся простому количественному учету. Сложность этой задачи растет с увеличением объемов информации, размеров сетевой среды, и, как следствие, числа участников электронного общения.
При формировании латентных моделей основным этапом является формирование латентной номинальной переменной, кото-
Рис. 3. Алгоритм формирования решения клиента о совершении повторной покупки
рая является неизмеримой и конструируется на основании актуальных переменных (измеримых). Такую латентную переменную называют фактором, переходя к процедурам конфирматорного факторного анализа (КФА), когда наличие факторов и их структура предполагается заранее (до осуществления самого анализа), при этом латентные переменные необязательно могут коррелировать-ся друг с другом. КФА выступает как средство проверки соответствия сформулированной гипотезы полученным эмпирическим данным. Алгоритм анализа латентных классов включает: 1) этап деления множества объектов на п классов; 2) этап построения функций принадлежности объектов к каждому из п классов; 3) отнесение объектов к тому классу, к которому он наиболее соответствует, используя вероятностную меру. Этапы 2 и 3 повторяются до достижения сходимости (по заданному показателю, например, погрешности оценивания результата). К достоинствам данного алгоритма можно отнести применимость его при сегментировании новых объектов, возможность использования стандартных метрик, а к недостаткам, возможность получения ложных решений из-за попадания на локальные экстремумы в ходе оптимизации.
Методы архетиповой сегментации. Архетипы - это врожденные идеи или воспоминания, в результате которых человек воспринимает, переживает и реагирует на события определенным образом. Это своего рода «фильтры» для входящей информации, активность которых зависит от таких факторов, как социальная среда, уровень доходов, потребительского поведения индивида и ряда других. Сегментирование рынка на основе развития идей архетипов предполагает применение индивидуальных методик для каждого сегмента, исходя из индивидуальных особенностей соответствующего архетипа: линии поведения, предлагаемого товара (потенциала торгового бренда), социально-экономических особенностей местного рынка.
Модель принятия решения о повторной покупке представлена в виде схемы на рис. 3. Способы удержания клиентов базируются на основе рассмотренных выше моделях сегментации рынка, выявления архетипа клиента, каждый из которых рассматривается с учетом его психологических особенностей.
Принятию решения о покупке предшествует этап поиска дополнительной информации. Потребитель специально разыскивает
соответствующую рекламу, звонит друзьям, ищет информацию в Интернете, заходит в магазины, чтобы узнать о товаре как можно больше. Все источники информации разделяются на четыре группы [14, с. 221]:
а) личные: семья, друзья, соседи, знакомые;
б) коммерческие: реклама, web-сайты, дилеры, упаковка, экспозиции в магазине, выставки;
в) общественные: средства массовой информации, потребительские организации;
г) личный опыт: осмотр, тестирование, использование подобного товара.
С развитием Интернета процесс поиска информации изменился. В настоящее время на рынке существуют традиционные потребители (не совершают покупки в Сети), киберпотребители (совершают в Сети основную часть своих покупок) и гибридные потребители (совершают покупки любым способом).
На рис. 4. показан процесс принятия решений в ходе покупки персонального компьютера (ПК), полный набор которых - это множество товаров, представленных на рынке. Покупателю известны лишь некоторые из них, составляющих его набор осведомленности. Тот набор, которые удовлетворяют требованиям покупателя, составляют множество набора рассмотрения. Дополнительная информация помогает ему отсеять еще ряд марок и получить набор решения - марки ПК, удовлетворяющие всем требованиям потребителя. Затем покупатель выбирает одну из них.
Основываясь на идеях бенчмаркинга, производителю требуется определить, какие марки входят в потребительский набор выбора, выявить информационные источники покупателей и установить их относительную ценность. Ответы на эти вопросы помогут компании поддерживать эффективные коммуникации с целевым рынком.
Таким образом, дальнейшее развитие моделей и методов сегментирования клиентской среды, по мнению автора, должно основываться на развитии латентных характеристик, учитывая индивидуальность потребителей товаров, развивая в сетевых экономических структурах маркетинг рекомендаций, а также специальным образом сформированную информацию, распространяемую по сети подобно вирусу (viral marketing) в виде рекомендаций для потенциальных потребителей.
Рис. 4. Последовательность шагов принятия решений на фоне сокращения множества возможных вариантов
Литература:
1. Лодон Дж., Лодон К. Управление информационными системами. - 7-е изд., сер. «Классика MBA» / Пер. с англ. под ред. Д.Р. Трутнева. - СПб.: Питер, 2005. - 912 с.
2. Луман Н. Глоссарий // Социологический журнал. 1995. № 3. - С. 125-127.
3. Назарова Н.А. Анализ существующего понятийно-категориального аппарата интернет-маркетинга // Известия Российского государственного педагогического университета им. А.И.Герцена, 2009. - № 96. - С. 100-107.
4. Гладченко А. 10 способов стимулирования сбыта [Электрон. ресурс]. http://www.b2bis.ru/articles/biznes-praktika/4959
5. Smith P.R., Chaffey D. E-Marketing Excellence: at the Heart of E-Business, 2nd edition. Butterworth Heinemann, Oxford, 2005. -360 р.
6. Варианты способов стимулирования сбыта на В2В рынке-.[Электрон. ресурс]: http://www.ainursafin.com/.
7. Сибирская Е.В., Старцева О.А. Электронная коммерция: Учебное пособие. - М.: ФОРУМ, 2012. - 288 с.
8. Технология анализ клиентских сред. [Электронный ресурс]: http://www.forecsys.com/ru/site/tech/cea/
9. Факторы успеха бизнеса, ориентированного на CRM/ Вебсайт Интегратора CRM/ERP проектов “БМикро”. [Электрон. ресурс}: http://b-data.ru
10. Полежаев И.Е. Метод сегментации клиентских баз данных на основе жизненного цикла клиента.[Электрон. ресурс]: http:// zhurnal.ape.relarn.ru/articles/2006/200.pdf
11. Луценко Е.В., Коржаков В.Е. Метод когнитивной кластеризации или кластеризации на основе знаний // Научный журнал КубГАУ, 2011. - № 71(07). - С. 1-48.
12. Долгин А.Б. Манифест новой экономики. Вторая невидимая рука рынка// Вебсайт Либрусек. [Электрон. ресурс]: http:// lib.rus.ec/b/327002/read
13. Понизовкин Д.М. Построение оптимального графа связей в системах коллаборативной фильтрации // Программные системы: теория и приложения. 2011. № 4(8). - С. 107-114.
14. Котлер Ф., Келлер К.Л. Маркетинг менеджмент. 12-е изд. -СПб.: Питер, 2012. - 816 с.
МОДЕЛИ ПРОСТРАНСТВЕННОГО ВЛИЯНИЯ КАК ОСНОВА ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОГО ИНСТРУМЕНТАРИЯ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ ПО СТРУКТУРИЗАЦИИ И ОРГАНИЗАЦИИ ЭКОНОМИЧЕСКОГО ПРОСТРАНСТВА ПРОИЗВОДСТВЕННЫХ КОМПЛЕКСОВ
Гнатюк А.Б., ФГБОУ ВПО «Ивановский филиал Владимирского юридического института ФСИН России»
Рассматривается концепция построения системы оценки свойств территории с помощью моделей пространственного влияния объектов, принадлежащих этой территории. За счет этого снимаются ограничения по степени детализации учитываемых объектов и факторов, что повышает корректность экономического анализа пространства на микро- и мезоуровнях. Рассмотренные модели и методы представляют необходимую и достаточную теоретическую базу для создания инструментальных средств анализа взаимодействия предприятий, внешней среды и инфраструктуры. Представлена структура информационно-аналитической системы поддержки принятия решений, состоящая из инструментальной ГИС и модуля пространственного моделирования.
Ключевые слова: пространственная экономика, модели пространственного влияния объектов, анализ на микро- и мезоуровнях, система поддержки принятия решений, инструментальная ГИС, пространственное моделирование.
MODEL OF THE SPATIAL IMPACT AS THE BASIS OF INFORMATION-ANALYTICAL TOOLS FOR DECISION SUPPORT SYSTEMS OF ORGANIZATION AND MANAGEMENT OF ECONOMIC SPACE OF INDUSTRIAL COMPLEXES
Gnatyuk A., Inanovo Branch of Vladimir Juridical Institute, FGBOU VPO
The concept of building a system of territory properties evaluation by means of modeling the spatial influence of objects belonging to this territory is considered. Due to this method no limit on the detail level of objects and the factors taken into account, which improves the correctness of the territory economic analysis at the micro and meso levels. These models and methods are necessary and sufficient theoretical basis for the creation of tools of analysis of interaction between enterprises, the environment and infrastructure. The structure of the information-analytical decision support system consisting of a tool GIS and spatial modeling module.
Keywords: spatial economics, models of spatial influence of objects, analysis of micro- and mezo levels, decision support system, GIS, spatial modeling.
Учет территориального или пространственного фактора является необходимым условием для комплексного и всестороннего анализа состояния и прогнозировании развития экономики различных по масштабам производственных комплексов. Потребность в этом обусловило развитие двух взаимосвязанных направлений: экономической географии [1] и региональной или пространственной экономики [2]. Объектом исследования этих научных направлений, как правило, являются большие территории и регионы, имеющие определенные социально-экономические и природные особенности или представляющие собой административные образования. Поэтому в основном решаются макроэкономические задачи [3]. При этом используются такие обобщенные показатели, как средняя плотность населения, усредненные показатели инфраструктурной обеспеченности, природно-климатические условия и т.д. На уровне элементов пространства используются такие организации хозяйства и населения, как: локалитет - местность с каким-либо объектом, промышленный узел, транспортный узел, территориально-производственный комплекс, агломерация, городской или сельский населенный пункт. В тоже время актуальным является учет
свойств территории или пространства на микро- и мезоуровнях.
Существующие системы экономического управления предприятиями и производственными комплексами в основном рассматривают логистические связи поставок сырья и сбыта продукции и учитывают пространственный (территориальный) фактор лишь косвенно. Но в связи с ужесточившимися требованиями к экономике предприятия, удорожанием ресурсов, ростом стоимости инфраструктурно обустроенной земли все более актуальным становится учет пространственного или территориального фактора, особенно для предприятий ресурсоемких отраслей, таких как объекты энергетики и стройиндустрии. Сложность таких задач заключается в очевидном противоречии. С одной стороны, производственные комплексы необходимо размещать вблизи потребителей и поставщиков, источников трудовых ресурсов, объектов городской инфраструктуры, а с другой - деятельность предприятий ухудшает экологическую обстановку, его объекты занимают участки земли с высокой стоимостью, возникают сложности с подъездными путями и т.д. К задачам, связанным с организацией экономического пространства предприятий, относятся, например, такие как вынос пред-
