CC BY
2
УДК 339.138 1БЬ М31
Вестник СПбГУ Экономика. 2023. Т. 39. Вып. 4
Цифровизация рыночных взаимодействий российских предприятий
В. В. Герасименко, А. Н. Курбацкий, Д. Н. Куркова
Московский государственный университет им. М. В. Ломоносова, Российская Федерация, 119991, Москва, Ленинские горы, 1
Для цитирования: Герасименко, В. В., Курбацкий, А. Н. и Куркова, Д. Н. (2023) 'Цифровизация рыночных взаимодействий российских предприятий', Вестник Санкт-Петербургского университета. Экономика, 39 (4), с. 534-559. https://doi.org/10.21638/spbu05.2023.404
В статье определяются особенности рыночного поведения отечественных компаний в части внедрения ими цифровых технологий в процесс взаимодействия с потребителями, который реализуется через каналы коммуникаций и продаж и характеризуется как омниканальность. Исследовательский вопрос состоит в том, чтобы определить направления и уровень интеграции каналов продаж и выявить, как она связана с применяемой в компании практикой работы с данными. В результате выявлены тенденции, параметры и барьеры внедрения цифровых инструментов в управление взаимодействием с участниками рынка. Представлен системный анализ современных теоретических подходов к формированию рыночных стратегий компаний, систематизированы параметры, влияющие на их разработку, а также факторы, ограничивающие внедрение цифровых технологий в процессы взаимодействия с потребителем в российских компаниях. Прикладное значение имеют результаты авторского эмпирического исследования, позволившего проанализировать уровень взаимодействия с потребителями и проверить связанные с этим практические гипотезы. Для обоснования выводов применены описательные статистики, корреляционный анализ, методы кластеризации, построены регрессионные деревья и логит-модели. Область практического применения результатов исследования — управление каналами продаж и цифровых коммуникаций. Продемонстрировано, что в качестве ключевого препятствия для развития омниканальных стратегий выступают факторы слабо развитой «культуры работы с данными» и связанной с этим недостаточной интеграции каналов продаж и коммуникаций. Показан потенциал цифровизации маркетинга отечественных компаний, направления подготовки квалифицированных специалистов, а также разработки доступных и простых в использовании ИТ-решений.
Ключевые слова: рыночное поведение, маркетинговая стратегия, цифровизация управления, омниканальная сбытовая стратегия, маркетинговые коммуникации.
Введение
В рамках настоящей работы ставится цель исследовать особенности рыночного поведения отечественных компаний в части внедрения цифровых технологий в процесс взаимодействия с потребителями. Цифровизация рыночных взаимодействий предприятий с потребителями — это, по сути, внедрение цифровых технологий в механизм реализации рыночных отношений, который подразумевает
© Санкт-Петербургский государственный университет, 2023
определенные формы обеспечения связи производства и потребления, а также необходимые для этого каналы коммуникаций между участниками рынка, приводящие к продажам и последующему распределению продуктов. Данный процесс трансформируется в современной предпринимательской практике и реализуется через онлайн- и офлайн-каналы коммуникаций и продаж, интеграция которых вызвала к жизни новое понятие «омниканальность» (Rooderkerk and Kök, 2019; Lehrer and Trenz, 2022; Neslin, 2022; Alonso-Garcia et al., 2022).
Современные цифровые методы управления во многом определяют генерацию прибыли компании, создание потребительской ценности и ее доставку целевым клиентам через соответствующие каналы распределения и продвижения, что приводит к существенному развитию бизнеса (Voroncovskij, 2020). Цифровизация кардинально трансформирует бизнес-модели (Sorescu et al., 2011), структуру компаний и ландшафт рынков по всему миру (Gillpatrick, 2019), поэтому должна рассматриваться как неотъемлемая часть корпоративной стратегии (Cenzharik, Kry-lova and Stetsenko, 2020).
Чем прочнее цифровая жизнь сплетается с физической, тем более остро встают вопросы взаимодействия компании с потребителями и разработки подходов к формированию маркетинговых стратегий, которые объединяли бы работу с клиентами как в онлайн-, так и в офлайн-среде (Shen et al., 2018; Nüesch, Alt and Puschmann, 2015). Каналы, управляемые независимо, уже не могут обеспечить эффективность маркетинга (Suarez and Avila, 2019), и напротив, интеграция онлайн-и офлайн-каналов приводит к конкурентному преимуществу за счет их синергии (Herhausen et al., 2015). Это делает актуальной проблему научного исследования новых цифровых стратегий и инструментов взаимодействия компаний с потребителями в различных каналах.
1. Теоретические подходы к исследованию
сбытовой и коммуникационной стратегии предприятий
в условиях цифровизации
Чем более развит рынок с точки зрения цифровых технологий, чем более сравнимыми становятся продукты и услуги, тем прозрачнее цены конкурентов. Поэтому все более значимы для предприятий взаимоотношения с потребителями как механизм отстройки от конкурентов. В настоящее время существует целый арсенал цифровых инструментов по взаимодействию компаний со своими клиентами, что становится областью активных академических исследований. Отмечается, что современный контекст бизнеса — дороговизна привлечения новых клиентов, снижение платежеспособности населения, ограниченный рост на внутренних рынках — требует от компании применения клиентоориентированного и клиентоцентриро-ванного подходов, смещая ее внимание с привлечения клиентов на их удержание (Arenkov, Krylova and Cenzharik, 2017; Blake, 2019; Tuominen et al., 2022). Исходя из этого развитие современных стратегических подходов и инструментов управления направлено на снижение оттока клиентов и увеличение такой метрики эффективности управления, как CLV (Customer Lifetime Value) — пожизненная ценность клиента как способность извлекать прибыль из клиентского капитала (Kumar and Reinartz, 2012).
Борьба за потребителя вынуждает компании быть максимально адаптивными и буквально «следовать» за потребителями, максимально учитывая их предпочтения. Задачи поддержания согласованной ценности бренда во всех точках контакта и формирования долгосрочной лояльности вынуждают компании искать новые подходы к управлению взаимоотношениями со своими клиентами с использованием цифровых инструментов.
При этом на практике взаимодействие компании с потребителями часто носит хаотичный характер: потребители используют разные каналы на каждом этапе процесса принятия решения о покупке (Pires et al., 2022). Сложно и противоречиво происходит переход от мультиканальных методов управления, когда каждый отдельный канал разрабатывается и управляется отдельно внутри предприятия, к омниканаль-ным стратегиям, при которых естественные границы между каналами фактический исчезают как с точки зрения управления внутри компании, так и с точки зрения бес-шовности потребительского опыта (Verhoef, Kannan and Inman, 2015).
В современной российской предпринимательской практике возникают свои особенности в развитии названных процессов. Именно они и находятся в фокусе внимания настоящей статьи.
В связи с актуальностью названных направлений исследуется практика внедрения цифровых инноваций в процесс реализации сбытовых и коммуникационных стратегий, а также те барьеры, которые препятствуют широкому внедрению омниканальных технологий в процесс взаимодействия с потребителями.
В реальной практике возможные направления омниканальных рыночных стратегий могут реализоваться через целый комплекс различных управленческих решений. Чтобы систематизировать и исследовать это многообразие решений в рассматриваемой области, необходимо обосновать методологические принципы их классификации. В современных экономических исследованиях такие концептуальные подходы были предложены Хайнеманном (Heinemann, 2013) и развиты в дальнейшем в исследованиях журнала McKinsey (Briedis et al., 2021).
Хайнеманн предложил выделять три этапа развития (уровня зрелости) формирующихся новых систем управления, которые представляют собой сочетание онлайн- и офлайн-каналов сбыта и коммуникации (Heinemann, 2013). Первый уровень зрелости предполагает проектирование и оценку каналов с точки зрения максимизации потребительской ценности для клиентов с целью их эффективного привлечения и удержания. На этом уровне каждый канал рассматривается в отдельности и работает независимо от других. Следующий этап и, соответственно, уровень развития предполагает определенную степень координации каналов с фокусировкой на клиентском опыте по всем каналам. На этом этапе обеспечивается возможность переключения между каналами в последовательных процессах коммуникации с клиентами. На третьем уровне происходит интеграция каналов и соединение технологий, появляется возможность совершения покупок в физических магазинах и онлайн-покупок в единой безбарьерной системе. С целью обеспечения долгосрочных отношений с клиентами активно применяются цифровые системы управления взаимоотношениями с клиентами (Customer Relationship Management, CRM), происходит синхронизация маркетинга, продаж и обслуживания клиентов, что, по сути, характеризует этот этап как омниканальный (Heinemann, 2013). Развивая этот взгляд на логику трансформации рыночных стратегий, несколько поз-
же эксперты McKinsey сформулировали три уровня стратегий (Briedis et al., 2021). На взгляд авторов статьи, такая классификация представляет интерес для анализа, поскольку дает возможность систематизировать процессы развития омниканаль-ности, происходящие в предпринимательской практике, и выявить их основные проявления. Названные уровни и их характеристики могут быть представлены в следующей системе (см. рис. 1).
Стратегия «Коммерция» — первый шаг компании в интеграции онлайн- и оф-лайн-взаимодействия предприятия со своими клиентами, иногда в бизнес-сообществе ее называют «O + O», что предполагает выравнивание потребительского опыта между покупками онлайн и офлайн.
Стратегия «Персонализации» предполагает бóльшую концентрацию на клиенте, его потребительском опыте. На этом этапе данные со всех каналов собираются автоматизированно и интегрируются в единую базу, активно используется технология look alike, которая позволяет объединять клиентов в сегменты по их поведенческим и описательным характеристикам.
Стратегия «Экосистема» является наиболее сложной в реализации, она принципиально отличается от предыдущих двух тем, что обеспечивает максимально бесшовный потребительский опыт, а предиктивные модели могут учитывать множество деталей поведения каждого отдельного потребителя. Помимо этого продвинутые омниканальные среды представляют собой настоящие экосистемы, объединяющие клиентов в комьюнити — сообщество потребителей.
В описанной теоретической модели представлен развивающийся омниканаль-ный подход к решению, призванному снять противоречия и барьеры между различными каналами продаж и коммуникациями и обеспечивающему построение бесшовной среды, способствующей предоставлению наилучшего потребительского опыта. При этом с учетом возможностей, возникающих в процессе управления, важно отметить, что компания не может браться за реализацию омниканальной стратегии и трансформировать все свои внутренние процессы одномоментно. Отправной точкой в развитии цифровой омниканальной стратегии должен стать анализ того, что уже есть в компании и как это работает, в том числе при создании ценности для клиентов. Поэтому при переходе на каждый следующий уровень стратегии важно убедиться, что процессы на текущем уровне хорошо отлажены, и разумно подходить к инвестированию и перестройке своих бизнес-процессов для следующего этапа (Briedis et al., 2021).
Рассматриваемый омниканальный уровень подразумевает принципиально новый подход и технологическую структуру компании, построенную на принципах цифровой интеграции каналов, их согласованности и безупречного клиентского опыта (Verhoef, Kannan and Inman, 2015). Исходя из этого можно выделить два ключевых условия и, соответственно, две методологические предпосылки, определяющие переход на новый уровень стратегии, а именно:
1) глубину цифровых данных о клиентах и степень их интеграции в управленческий и операционный процесс;
2) оцениваемый на основе больших данных клиентский опыт, позволяющий определить потребительскую ценность и удовлетворенность клиентов.
С учетом важности формирования новых условий исследователи данных процессов (Asare, Majeed and Cole, 2022; Costa Climent, Haftor and Chowdhury, 2022),
Уровень стратегии Путешествие потребителя Необходимые мощности
Фокус стратегии Покупка Вовлечение Каналы сбыта Данные и аналитика
Коммерция Превосходный кросс-канальный опыт покупки в различных магазинах офлайн и онлайн («О + О») Продукт: маркетинговый контент нацелен на продукт и предложение Удобство и надежность: гибкость в разных вариантах доставки и возврата продукта Приложение и лояльность: мобильные приложения и программы лояльности стимулируют к повторным покупкам Кросс-канальная прозрачность: способность предложить покупать онлайн, забирать офлайн Данные, контент-менеджмент и принятие решений преимущественно в соответствии с отдельными каналами
Персонализация Персонализированное, таргетированное и кросс-канальное вовлечение Персонализация: для создания персонализированных предложений используется технология look alike: маркетинг и контент персонализированы Интегрированные покупки: легко переключаться между каналами, получать и возвращать покупки Вовлечение вне процесса покупок: приложение и программа лояльности повышает опыт и поддерживает вовлеченность даже вне процесса покупок Интегрированная инвентаризация и доставка, включая реализацию через все магазины Интегрированные межканальные данные собираются строго автоматизированно
Экосистема Богатая омниканальная платформа, интегрированная с потребительскими потребностями и стилем жизни Предложение 360°: контент динамичный и персонализированный в соответствии с тем, что клиент думает и чувствует сегодня Потребительский опыт: возможность бесшовно взаимодействовать с брендом в процессе через все каналы в любое время и для любых целей Быть принятым сообществом: экосистема бренда дает доступ к новому опыту, контенту и группе единомышленников Полная омниканальная инвентаризация и доставка со способностью оптимизировать стоимость, скорость и потребительский опыт Знание клиента — 360° включая 3rd-party data и динамичные предиктивные модели
Составлено по: (Briedis et al., 2021).
Рис. 1. Уровни маркетинговой стратегии
включая авторов настоящей статьи (Gerasimenko, Andreyuk and Kurkova, 2021), исходят из эмпирически полученных подтверждений того, что с развитием омника-нальности происходит рост воспринимаемой потребительской ценности. В то же время необходимо отметить, что данное утверждение пока не получило достаточно полных эмпирических обоснований и требует дополнительных исследований, в целом, по широте проблемы, выходящих за рамки задач настоящей работы, для авторов которой было важно выделить и попытаться оценить две названные характеристики создаваемой компаниями цифровой среды взаимодействия потребителей и производителей применительно к российским рынкам. Если разместить названные методологические предпосылки на координатной плоскости с соответствующими осями, можно представить графически схему эволюции принципов построения предпринимательских стратегий в условиях растущей цифровизации рыночных отношений (рис. 2).
Потребительский опыт/ценность
«Экосистема»
«Персонализация»
«Коммерция»
Глубина данных о клиентах и их интеграция Рис. 2. Уровни омниканальных стратегий
Горизонтальная ось координат (глубина данных и степень их интеграции в процессах управления) связана с возможностью компании накапливать и обрабатывать данные, собирать единый профиль клиента из всех каналов. В условиях постоянно меняющихся потребительских предпочтений данные о клиентах позволяют компании быть динамичной и являются условием ее эффективности. В пользу такого утверждения можно привести целый ряд аргументов. Интегрированные, проанализированные и визуализированные данные позволяют принимать и корректировать управленческие решения быстрее, создают возможность управления процессом совместного создания ценности, а также ставить четкие управленческие задачи. С помощью данных анализируются поведение потребителей, факторы выбора, что является основанием для более глубокой сегментации (например, на основании RFM-анализа). Использование технологий искусственного интеллекта, машинного обучения, цифровых двойников клиента фТоС) позволяет персонализировать коммуникации и предложения за счет внедрения и тестирования автоматического создания пользовательских потоков, дизайна экрана, контента, а также разрабатывать стратегии управления поведением потребителей. Цифровые технологии предоставляют возможность учитывать данные по сегменту, по всей целевой аудитории, определять персональную историю потребителя, его характеристики и персонализировать коммуникации. Это принципиально отличает омниканаль-
ный подход от всех предыдущих и ставит вопрос управление данными во главу угла всего управленческого процесса.
Вторая, вертикальная, ось координат (рост воспринимаемой потребительской ценности и удовлетворенности потребительским опытом) отображает формирование конкурентоспособности и генерирования долгосрочной прибыли компании за счет удержания потребителей (Cronin et al., 2000; Chaudhuri and Holbrook, 2001), увеличения Customer Lifetime Value (CLV, общая ценность каждого покупателя за все время его взаимодействия с компанией). Восприятие потребителем ценности продукта играет решающую роль в принятии решений о покупке. Далее формируется важная цепочка: удовлетворенность покупкой приводит к формированию лояльности и, что особенно важно, готовности рекомендовать и совершать повторные покупки (Chen and Chen, 2010; Cronin et al., 2000). Это становится особенно значимо сегодня, когда огромное количество компаний борется за внимание и кошелек потребителей, у каждой из них есть широкая сетка коммуникационных возможностей и каждая действуют в условиях высокой неопределенности — постоянно меняющихся потребительских предпочтений и нестабильности внешней среды в целом.
Обобщая сказанное, можно сделать следующий вывод: омниканальность отличает от предыдущих подходов к управлению взаимосвязанное и согласованное объединение множества каналов сбыта и коммуникаций на основе цифровых инноваций в среду взаимодействия, в центре которой находится клиент. В этой среде происходит более эффективный контакт (точки соприкосновения) потребителя и бренда (Verhoef, Kannan and Inman, 2015) благодаря согласованной трансляции ценности и идентичности бренда через все каналы. Поэтому, несмотря на динамичный и неупорядоченный характер потребительского поведения, становится возможным предоставлять потребителю принципиально новый, аутентичный и бесшовный опыт. Однако достижение этих преимуществ невозможно без применения новых технологических подходов к управлению клиентским опытом (Lemon and Verhoef, 2016; Grewal, Roggeveen and Nordfält, 2017), и только тогда потенциально рождается синергетический эффект (Lehrer and Trenz, 2022).
1.1. Факторы, ограничивающие цифровую трансформацию рыночных взаимодействий
Внедрение современных омниканальных подходов в маркетинг компании сулит большие перспективы и одновременно с этим несет уникальные проблемы. Так, с одной стороны, компания может ожидать, что следование омниканальной стратегии повысит ее конкурентоспособность и операционную эффективность (Oh, Teo and Sambamurthy, 2012), будет способствовать экономии затрат, увеличению объема продаж (Cao and Li, 2015), а также повышению удовлетворенности и лояльности клиентов (Amar et al., 2020; Долматова, 2019). С другой стороны, реализация омниканальной стратегии является рискованной инвестицией (Salvietti et al., 2022; Chen, Cheung and Tan, 2018), реализация которой связана с большой напряженностью (Wiener, Hoßbach and Saunders, 2018): она требует колоссальных усилий компаний и перестройки большинства операционных процессов (Kurkova, 2023).
В связи с этим необходимо понять, как в рыночной среде проявляются те ограничения, которые тормозят цифровую трансформацию рыночных взаимодействий компании. Наиболее существенными являются следующие.
Организационные ограничения. Внедрение современных цифровых стратегий, в частности омниканальных, предполагает синхронизацию не только процессов маркетинга, продаж, доставки и сервиса, но и информационной и технологической инфраструктуры, поддерживающей функционирование всей компании. Однако эти различные аспекты находятся на разных организационных уровнях компании, что осложняет процесс внедрения омниканальных стратегий (Suarez and Avila, 2019).
Финансовые ограничения. Одно из важных последствий цифровизации в целом — это рост прозрачности информации и, как следствие, рост ценовой конкуренции. Инвестиции в развитие омниканальных систем значительны, что должно быть учтено в конечной цене продукта или компенсировано за счет роста эффективности бизнес-процессов и масштаба продаж. Однако окупаемость данных инвестиций требует времени и вызывает некоторые сомнения. По мнению экспертов, все еще открытым остается вопрос: могут ли омниканальные компании приносить ценовые премии? (Lehrer and Trenz, 2022)
Институциональные ограничения связаны с масштабами бизнеса. На многих рынках бизнес укрупняется за счет развития цифровых платформ. Рано или поздно все основные игроки внедрят омниканальные стратегии, это перестанет быть конкурентным преимуществом. Поэтому омниканальность будет давать некоторый положительный эффект, но в ограниченном промежутке времени. В будущем компаниям придется предлагать клиенту что-то другое, и, возможно, это будет лежать уже в другом, гуманитарно-ценностном, аспекте.
Методологические ограничения. Не существует пока однозначных управленческих моделей, рамок или методологий, которые помогли бы компаниям проводить цифровую трансформацию и внедрять омниканальные среды (Suarez and Avila, 2019). Как уже отмечалось, предположение о том, что омниканальные решения более удобны и значимы для потребителей, т. е. являются источником создания ценности, пока не получили достаточных эмпирических подтверждений (Costa Cli-ment, Haftor and Chowdhury, 2022). Более того, пока не разработана методология и нет инструментов оценки эффективности омниканальных стратегий (Lehrer and Trenz, 2022), хотя ряд бизнес-экспертов говорит о потенциальной возможности повышения эффективности бизнес-процессов и экономии средств (Briedis et al., 2022). Несмотря на то что компании накапливают много данных о поведении своих клиентов, они все еще имеют, как правило, очень ограниченные представления об их реальных мотивах поведения и, следовательно, различных эффектах применяемых методов управления в каналах продаж.
Этические ограничения. Персонализация строится на данных о клиентах, которые компании накапливают в колоссальном количестве. Потребители все больше привыкают получать релевантную информацию, одновременно растет озабоченность относительно конфиденциальности и безопасности хранения их персональных данных (Bradlow et al., 2017). Слишком персонализированные предложения могут быть рассмотрены как вмешательство в личную жизнь и пространство (Герасименко, 2023).
Технологические ограничения. Омниканальные стратегии предполагают постоянную фокусировку внимания на поведении индивида, способе принятия им потребительских решений, его пути и опыте потребления (Bell, Gallino and Moreno, 2014). Соответственно, персонализация коммуникаций и предложений приспосабливается под него. Между тем в процессе принятия решений о покупке часто участвуют несколько человек. Реальный путь потребителя (Customer Journey) часто сложнее, чем представляют компании, и часть этого пути может быть выполнена другим человеком (муж/жена/ребенок совместно выбирают что-то). Пока омника-нальные системы не умеют связывать несколько клиентских маршрутов в один.
Кадровые ограничения. Любая значительная трансформация, в том числе цифровая, требует денег, времени, человеческих ресурсов, сопровождается потерями. Значительное сопротивление со стороны персонала затягивает ее реализацию во времени и вносит искажения. Омниканальность требует реорганизации персонала, перераспределения его между каналами, перестройки ключевых показателей эффективности (Key Performance Indicators, KPI), особого внимания к вопросам лидерства, мотивации и координации на всех уровнях организации.
Рассмотренные ограничения тормозят цифровую трансформацию многих компаний. Тем не менее российские компании — лидеры цифровой трансформации, такие как «Сбер», «М. Видео», Wildberries, Ozon, «Детский мир» и др., привлекают колоссальные ресурсы и разрабатывают сложные технологические решения, преодолевая названные ограничения на пути цифровизации рыночных взаимодействий.
1.2. Ключевые параметры для разработки омниканальной сбытовой и коммуникационной стратегий компании
Применяемая компанией рыночная стратегия определяется не только конкурентным ландшафтом и уровнем развития современных технологий, но и в первую очередь пониманием задач развития самой компании. Это понимание формирует фокус рыночной политики компании, которая может ставить перед собой разные приоритеты, например расширение числа каналов сбыта с целью большего охвата клиентов, разработку маркетингового контента, нацеленного на привлечение внимания потребителей к своей продукции, создание персонализированных предложений или динамический подход к содержанию персонализированного контента.
Как отмечают исследователи, сегодня усилия многих компаний сосредоточены на обеспечении позитивного потребительского опыта (customer experience), что невозможно без внимательного изучения своих клиентов (Gahler, Klein and Paul, 2022; Gerea, Gonzalez-Lopez and Herskovic, 2021; Herhausen et al., 2019; Homburg, Jozic and Kuehnl, 2017). Эти данные помогают анализировать не только то, как ведут себя потребители, но и их мотивы, ожидания и ту логику, которой они руководствуются при выборе. Все эти данные в дальнейшем становятся основанием для принятия стратегических и тактических управленческих решений в компании. Следовательно, построение системы сбора, накопления и обработки данных становится одной из ключевых задач и важным параметром разработки стратегии.
По мере расширения числа каналов и применения мультиканальных стратегий стали возникать проблемы конфликта стратегий, подсчета эффективности каждо-
го канала и рисков возможной «каннибализации» (Deleersnyde et al., 2002). В качестве решения была предложена стратегия интеграции каналов (Nüesch, Alt and Puschmann, 2015) для устранения недостатков предыдущего подхода. Более поздние исследования показали перспективность такой стратегической переориентации: в частности, продемонстрировано, что интеграция каналов существенно влияет на предпочтения клиентов в отношении каналов (Goraya et al., 2020), а качество интеграции каналов непосредственно влияет на вовлеченность клиентов (Lee and Cheon, 2019). Это позволяет выделить еще один параметр для разработки стратегии — существующую степень интеграции каналов сбыта и коммуникаций.
Для работы с клиентами и обеспечения более высокой оценки потребительского опыта и управления продажами компания может по-разному распределять акценты в работе с клиентами — внедрить целый ряд решений, направленных на удобство и гибкость вариантов доставки и возврата продукта, качество сервиса в каждом канале сбыта и коммуникаций, обеспечение интегрированных покупок через различные каналы компании. Все эти действия ориентированы на создание лояльности покупателей. В научной литературе хорошо исследовано положительное влияние лояльности на важнейшие поведенческие реакции потребителей, а именно — на их намерение покупать и рекомендовать (Cronin et al., 2000; Chaudhuri and Holbrook, 2001). В связи с этим усилия компании во многом направлены на поддержание лояльности через различные программы лояльности и другие формы взаимодействия с целевыми группами. Стимулирование и поддержание лояльности может реализоваться через внедрение карт лояльности, рассылку полезного контента, персонализированное динамическое ценообразование, стимулирование лояльности через предоставление нового опыта в потребительском комьюнити.
Таким образом, задача удержания клиентов сводится к формированию лояльности клиентов к компании и обеспечению позитивного потребительского опыта через множество каналов продаж и коммуникаций. Очевидно, что для этого компании необходимы определенные технологические ресурсы и цифровая инфраструктура, а также развитые практики работы с данными. Обобщение рассмотренных параметров позволяет выделить ключевые вопросы и показатели для исследования, требующие детального изучения:
• фокус сбытовой и коммуникационной политики компании;
• построение системы сбора, накопления и обработки данных;
• степень интеграции каналов продаж и коммуникаций;
• акцент в работе с клиентами;
• применение цифровых технологий программ лояльности.
Названные показатели стали переменными для конструкта авторского эмпирического исследования и определили логику и инструментарий этого исследования.
2. Эмпирическое исследование
Цель и методология. В рамках настоящей работы было проведено исследование, направленное на анализ актуальной практики российских компаний по цифровизации сбытовых и коммуникационных стратегий. В соответствии с этим
сформулирована цель исследования — проанализировать направления и особенности внедрения омниканальных цифровых технологий в маркетинг российских компаний, выявить уровни развития, акценты и приоритеты, а также определить барьеры, препятствующие цифровизации сбытовой и коммуникационной стратегий. Согласно описанным концептуальным условиям развития эффективных форм взаимодействия с потребителями была сделана попытка ответить на вопрос, составляющий предмет данного исследования: определить степень интеграции каналов продаж и того, как она связана с применяемой в компании практикой работы с данными. В контексте этой проблематики авторами была выдвинута первая исследовательская гипотеза о том, что степень интеграции каналов продаж для взаимодействия с потребителями непосредственно связана с практикой работы с данными, существующей в компании.
Вторая исследовательская гипотеза касалась равномерности развития этих процессов в различных сферах российского предпринимательства. Авторы предположили, что при переходе компаний на цифровые методы взаимодействия с потребителями формируются различные по уровню цифровизации стратегий и инструментов группы компаний, которые могут быть выделены в отдельные кластеры.
В качестве метода исследования использовался опрос. С учетом целей исследования, широкой географической распределенности предприятий и наличия возможности для авторов исследования опросить руководителей бизнеса из разных регионов метод опроса представлялся наиболее релевантным. Удалось собрать достаточно большое количество ответов, которые позволили использовать ряд методов статистики и эконометрики с целью изучения связанности выделенных в ходе теоретического анализа переменных и проверки сформулированных в работе гипотез.
Инструментом исследования стала анкета, состоящая из закрытых вопросов единичного выбора, которые соответствовали обоснованным параметрам и показателям внедрения цифровых технологий в рыночные взаимодействия компании с потребителями.
В первой части анкеты содержались вопросы, направленные на выявление используемых компаниями маркетинговых подходов и цифровых инструментов согласно переменным конструкта в рамках предмета исследования. При этом для каждого вопроса были предусмотрены четыре варианта ответов в порядке от более простых до более совершенных форм организации маркетинговой деятельности. К примеру, показатель «построение системы сбора, накопления и обработки данных» выявлялся с помощью вопроса «Как в Вашей компании собираются данные о клиентах?», на который предлагались четыре варианта ответа:
• данные о клиентах не собираются на регулярной основе;
• каждый канал сбыта собирает данные о клиентах отдельно;
• данные о клиентах интегрируются между каналами продаж;
• данные о клиентах компании интегрируются с большими массивами внешних данных (например, используются CDP-решения).
Второй блок вопросов направлен на определение характеристик исследуемых компаний.
3. Характеристика выборки
Для достижения поставленной цели в октябре — ноябре 2022 г. было проведено эмпирическое исследование, в котором приняли участие 159 предпринимателей и руководителей высшего и среднего звена российских компаний из различных регионов. Использовалась «выборка по возможности» как тип невероятностной выборки. Примененная выборка может рассматриваться также как экспертная (выборка типичных случаев), поскольку все ее респонденты являются слушателями либо выпускниками программ МВА экономического факультета МГУ им. М. В. Ломоносова и, следовательно, обладают современными знаниями и компетенциями в области управления бизнесом. Такой тип выборки целесообразен для пилотного тестирования процессов внедрения инновационных цифровых технологий в управление рыночными взаимодействиями, так как позволяет получить основные данные и тенденции, касающиеся предмета исследования.
Характеристики выборки представлены в табл. 1.
Таблица 1. Характеристики выборки
Размер компании (size) Крупные (1-50) Средние Малые
50 % 31 % 19 %
Регион (region) Москва и СПб Города-миллионники Региональные города
70 % 11 % 19 %
Профиль компании (spec) Торговля ИТ-услуги Финансовые услуги Материальное производство Другое
30 % 7 % 13 % 26 % 24 %
Для обоснования выводов были вычислены описательные статистики, проведен корреляционный анализ, применены методы кластеризации, построены регрессионные деревья. Для обработки данных и расчетов применялись пакеты R и Excel.
4. Результаты исследования
Первым результатом, полученным на основании ответов респондентов, стало понимание того, на чем сегодня фокусируется сбытовая и коммуникационная политика представленных компаний (рис. 3). Ответы показали, что большинство — 41 % компаний из числа опрошенных — работают над расширением числа каналов сбыта для большего охвата клиентов, 19 % в приоритет ставят разработку маркетингового контента, нацеленного на продукт, 27 % фокусируются на создании персонализированных предложений и еще 13 % имеют возможность и стремятся применять системный инновационный подход к содержанию персонализированного контента. Таким образом, речь шла в основном о действиях, характеризующих мультиканальные стратегии, соответствующие первому и второму уровням развития описанных стратегий.
Следующим результатом была характеристика приоритетных направлений, на которых компании делают акцент в работе с клиентами (рис. 4). 49 % исследованных компаний в настоящий момент сосредоточили свое внимание на поддержание качества сервиса в каждом канале сбыта и коммуникаций, 21 % — на удобстве и гибкости вариантов доставки и возврата продукта, 26 % занимаются развитием сообщества потребителей для взаимодействия с брендом через все каналы, и 4 % — предоставлением возможности совершать интегрированные покупки для пользователя через все каналы. Так, было показано, что самый большой акцент делается на мультиканальном взаимодействии, хотя уже намечается тренд в направлении развития омниканальных экосистем.
Последующие два вопроса анкеты решали задачу оценить практику компании в работе с данными и по внедрению интеграции каналов продаж (рис. 5 и 6). Анализ работы с данными (рис. 5) показал, что 30 % компаний не собирают данные о клиентах на регулярной основе, что говорит об их относительно недостаточно развитой «культуры работы с данными» (data culture) и может быть технологическим препятствием к развитию этих систем. Под «культурой работы с данными» понимаются «коллективные убеждения и поведение людей в организации, направленные на использование данных для достижения высоких результатов» (Prashanth, 2022). 26 % респондентов сообщили, что в их компаниях данные о клиентах собираются в каждом канале отдельно, 23 % компаний собирают данные и интегрируют между своими каналами продаж. 21 % представителей компаний ответили, что помимо сбора внутренних данных они используют большие массивы внешних данных на основании CDP-решений (CDP, Customer Data Platform, платформа клиентских данных). Отсюда вытекают особенности интеграции каналов продаж (рис. 6). Значительная часть руководителей, 45 %, сказали, что каждый канал их взаимодействия с потребителем работает независимо друг от друга. В 24 % компаний работает кросс-канальное взаимодействие и, например, есть возможность покупать онлайн, забирать покупку офлайн. 20 % компаний отметили, что они предоставляют интегрированную реализацию и доставку товаров через все магазины (есть информация о наличии товаров во всех магазинах и на складах, возможны разные способы оплаты, доставки и возврата). 11 % компаний также используют технологии искусственного интеллекта и машинного обучения для анализа потребительского опыта и повышения взаимодействия клиентов с компанией.
Другим важным результатом исследования, необходимым для понимания реальной эффективности применения цифровых технологий для современных компаний, стали ответы на вопрос о направлениях развития и поддержании лояльности потребителей с помощью цифровых технологий (рис. 7). В ответах на этот вопрос были получены близкие по уровню показатели применения различных цифровых инструментов в маркетинге. 20 % респондентов ответили, что они используют в основном карты лояльности для стимулирования повторных покупок. 26 % стимулируют вовлеченность потребителей через рассылку полезного контента. 37 % компаний поддерживают лояльность своих клиентов, используя персонализированное динамическое ценообразования и еще 17 % концентрируют свои усилия на стремлении предоставлять новый опыт в потребительском комьюнити. Как следует из ответов, приоритетным направлением цифровых взаимодействий
Рис. 3. Фокус компании в отношении сбытовой и коммуникационной политики
Рис. 4. Акцент в работе с клиентами
Рис. 5. Практика сбора данных о клиентах
Рис. 6. Степерь интеграции каналов продаж в компании
Рис. 7. Используемые компаниями цифровые технологии повышения лояльности покупателей
является применение динамического ценообразования, т. е. делается упор на рациональные мотивы потребительского выбора.
Для более детального и дифференцированного понимания полученных результатов на основе статистического анализа были применены методы кластеризации, построены регрессионные деревья. Прежде всего была проведена описательная статистика для всей полученной выборки (табл. 2).
Таблица 2. Структура ответов респондентов, полученных с помощью описательной статистики
Параметр Statistic N Mean St. Dev. Min Pctl (25) Pctl (75) Max
Фокус сбытовой и коммуникационной политики компании focus 159 2,126 1,095 1 1 3 4
Акцент в работе с клиентами accent 159 2,340 1,084 1 2 4 4
Применение цифровых технологий программ лояльности data 159 2,333 1,123 1 1 3 4
Степень интеграции каналов продаж integration 159 1,975 1,055 1 1 3 4
Практика работы с данными loyalty 159 2,535 0,992 1 2 3 4
Для всей выборки (N = 159) была построена корреляционная матрица (рис. 8).
Корреляционный анализ показал наличие значимой положительной связи между показателями «практика работы с данными» (data) и «степень интеграции каналов продаж» (integration) (0,57), «степень интеграции каналов продаж» (integration) и «акцент в работе с клиентами» (accent) (0,32), «практика работы с данными» (data) и «акцент в работе с клиентами» (accent) (0,27), «акцент в работе с клиентами» (accent) и «применение цифровых технологий программ лояльности» (loyalty) (0,18). При этом наиболее сильная связь наблюдается между показателями «практика работы с данными» (data) и «степень интеграции каналов продаж» (integration), что говорит о том, что более развитая практика работы с данными позволила реализовывать более высокую степень интеграции каналов сбыта и коммуникаций через все каналы. Это в целом подтверждает выдвинутую
л
о
Рис. 8. Корреляционная матрица для параметров
в данном исследовании первую гипотезу, хотя значимая связь с применяемыми инструментами лояльности не была выявлена.
Как показал представленный теоретический анализ, именно степень интеграции каналов сбыта и коммуникаций должна значительно влиять на качество потребительского опыта и помогать обеспечивать конкурентные преимущества компании за счет слаженности коммуникаций во всех точках взаимодействия потребителя с брендом компании и предоставления возможности свободного перемещения между различными каналами (бесшовности).
Для дальнейшего анализа были построены регрессионные деревья, которые помогают выявить ключевые факторы и взаимосвязь между показателем «степень интеграции каналов продаж» (integration) и другими параметрами компании (рис. 9).
Рис. 9. Регрессионное дерево для параметра integration
В вершинах дерева указаны средние значения показателя зависимой пре-менной integration для компаний с соответствующими значениями переменных (data < 2,5, loyalty < 3,5). Видно, что для построения дерева при включении всех переменных главную роль для классификации всей совокупности компаний играют такие параметры, как data, loyalty и spec (специализация компании). При этом наивысший средний показатель по интеграции, равный 3,4, получили 17 компаний на правой ветке дерева (data > 2,5 и loyalty > 3,5).
Анализируя то, в каком порядке различные компании распределились по веткам регрессионного дерева, можно отметить, что ИТ-компании распределились в целом равномерно. При этом около 90 % компаний сферы ритейла, участвовавших в исследовании, имеют среднее значение показателя, не превышающее 2,15, тем самым попадают в две самые левые вершины. В то же время компании финансовой сферы показали самый высокий уровень интеграции каналов. Таким образом, обнаружились серьезные различия в зависимости от сфер бизнеса. В рамках рассмотренной группы компаний оказалось, что высокая степень интеграции каналов сбыта и коммуникаций характерна далеко не для для всех компаний из различных сфер — ритейла, ИТ, финансов. Это предположение подтверждается лишь отчасти, причем только за счет компаний финансового сектора.
Анализ результатов также показал, что степень развития практики работы с данными, интеграция данных и внедрение более совершенных форм лояльности в компании выглядит различно и в зависимости от региона деятельности компании. Можно предположить, что это объясняется не столько доступностью технологий, сколько наличием специалистов в этой области. При этом 88 % компаний с высокой степенью интеграции своих каналов продаж и коммуникаций представлены в столичном регионе.
Выявленные различия потребовали более системного количественного исследования. Возникающий при этом вопрос касается однородности либо значительной дифференцированности в развитии различных компаний по пути их продвижении к современным цифровым стратегиям взаимодействия с потребителями. В связи с этим авторами была сформулирована вторая исследовательская гипотеза, предполагающая возможность формирования различных кластеров. Для ответа на этот вопрос необходимо показать, что исследуемые компании, в зависимости от применяемых ими стратегических подходов и цифровых инструментов, могут быть разделены на кластеры. Для проверки этой гипотезы применим кластерный анализ по методу k-средних. Метод силуэта показал, что оптимальное количество кластеров для выборки — два. Удалось изобразить два кластера в плоскости первых двух главных компонент (рис. 10), что позволило подтвердить вторую исслед-довательскую гипотезу в рамках настоящего исследования.
Таблица 3. Важность компонент
Компонента PC1 PC2 PC3 PC4 PC5
Standard deviation 1,3679 1,0268 0,9567 0,8562 0,6527
Proportion of Variance 0,3743 0,2109 0,1830 0,1466 0,0852
Cumulative Proportion 0,3743 0,5851 0,7682 0,9148 1,0000
к = 2
Dim1 (37.4%)
Рис. 10. Кластерный анализ
Главные компоненты формирования кластера являются комбинациями исходных параметров, причем в данном случае некоррелированых, и расположены в порядке убывания доли объясненной дисперсии. Важность компонент представлена в табл. 3.
При этом первые две главные компоненты объясняют около 58 % общего разброса. Доли объясненной дисперсии по каждой компоненте указаны в таблице. Наличие двух кластеров наглядно показывает возможность разделения всего пула компаний, принявших участие в исследовании, на два кластера (описательные статистики каждой группы приведены в табл. 4).
Из сопоставления полученных данных видно, что по всем показателям средние значения в первом кластере выше, чем во втором, что дает основания утверждать, что компании первого кластера используют более совершенные подходы и цифровые инструменты, тем самым реализуя более современные маркетинговые стратегии. Для описания особенностей стратегий и управления компаний для каждого кластера построены корреляционные матрицы (рис. 11).
Из сопоставления корелляционных матриц для каждой группы компаний видна различная связанность переменных. Дополнительно необходимо обратить внимание на появление в первом кластере отрицательных корреляций между data/ accent и integration/accent, хотя они не оказались значимыми, что требует будущего исследования. Для второго кластера корреляционные связи слабо выражены и также проявляется отрицательная связь переменных data/integration с focus/loyalty, то
Рис. 11. Корреляционные матрицы для первого и второго кластеров
Табица 4. Описательные статистики первого и второго кластеров
Параметр Statistic Кластер 1 Кластер 2
N кластер 1 Mean St. Dev. N кластер 2 Mean St. Dev.
Фокус сбытовой и коммуникационной политики компании focus 64 2,297 1,122 95 2,011 1,067
Акцент в работе с клиентами accent 64 2,906 1,065 95 1,958 0,922
Применение цифровых технологий программ лояльности data 64 3,281 0,881 95 1,695 0,759
Степень интеграции каналов продаж integration 64 2,969 0,835 95 1,305 0,527
Практика работы с данными loyalty 64 2,719 1,061 95 2,411 0,928
есть большее значение data соответствует меньшему значению focus и loyalty. Иначе говоря, для второго кластера переход на более совершенные цифровые практики работы с данными и интеграции не только не влечет за собой переход на новый уровень лояльности, но даже имеет значимую отрицательную корреляцию.
В первом кластере значимых отрицательных корреляций нет, но показатели стали менее коррелированы друг с другом по сравнению с общей, объединенной выборкой. Это может говорить, например, о несогласованном использовании различных инструментов реализации омниканальных стратегий.
Для того чтобы подробнее описать характеристики компаний, входящих в каждый из кластеров, были построены логит-модели. Данные модели используются в случае, когда зависимая переменная является дискретной и принимает только несколько значений. В рамках настоящего исследования выбор является упо-
Таблица 5. Логит-модели для первого и второго кластеров
Для кластера 1
Dependent variable:
2 3 4
81геМл 1,315 -0,286 -0,793
(2,014) (1,675) (1,725)
sizeC 0,680 -0,470 -0,794
(1,816) (1,383) (1,443)
гедюпМил -7,551*** 14,489*** 14,583***
(0,000) (0,519) (0,519)
regionP 20,031*** 18,833*** 18,532***
(0,714) (0,685) (0,639)
specMT -7,147*** 16,238*** 16,125***
(0,000) (0,571) (0,571)
specnp 16,542*** 14,247*** 15,777***
(1,044) (0,945) (0,740)
specT -0,078 0,289 -1,280
(1,804) (1,434) (1,431)
specФ 17,231*** 16,748*** 15,989***
(1,174) (0,810) (0,775)
Constant -1,334 1,117 2,106
(2,206) (1,714) (1,693)
Akaike Inf, Crit, 169,034 169,034 169,034
Note: * **■ *** p < 0,1; p < 0,05; p < 0,01
Для кластера 2
Dependent variable:
2 3 4
sizeМл -0,936 0,042 -42,113***
(0,708) (0,801) (0,000)
sizeC 0,070 -0,191 -24,929***
(0,585) (0,829) (0,00000)
regionМил 0,325 0,014 1,424***
(0,767) (1,239) (0,000)
regionP 0,370 0,805 47,323
(0,601) (0,749) (231,757)
spe^T 0,044 -62,250 1,353***
(1,319) (0,000)
specnp 0,787 0,130 53,335
(0,640) (0,879) (463,515)
specT 0,950 0,861 40,847
(0,661) (0,850) (695,271)
specФ 1,060 0,446 -1,266***
(0,989) (1,345) (0,000)
Constant -0,858 -1,673** -101,005
(0,574) (0,769) (231,757)
Akaike Inf, Crit, 238,527 238,527 238,527
Note: * **■ *** p < 0,1; p < 0,05; p < 0,01
рядоченным, при этом каждый последующий вариант ответа на вопросы анкеты предполагал переход к использованию более совершенных технологий и цифровых инструментов маркетинга. Логит-модели были построены относительно референтной категории data (референтная категория 1). Выбор референтной категории обусловлен результатами кореляционного анализа (рис. 8), который показал наличие положительной связи между data и integration для всей выборки. При этом логично предположить, что data (уровень развития практики работы с данными) является категорией более низкого порядка по отношению к категории integration (степень взаимосвязанности каналов продаж и коммуникаций), то есть, если в компании не
развиты процессы работы с данными, интеграция каналов продаж и коммуникаций невозможна априори. В табл. 5 указаны коэффициенты моделей относительно категории data, а звездочками отмечены значимые коэффициенты на соответствующих уровнях значимости.
Анализ характеристик компаний, вошедших в каждый кластер, на основании сопоставления логит-моделей показывает, что с учетом значимости по критерию «наиболее развитой практики работы с данными» в число компаний первого кластера с наибольшей вероятностью попадают организации из сферы финансов, информационных технологий и производства. Во второй кластер с наименьшей вероятностью попадают компании финансовой сферы. Также модели демонстрируют, что во второй кластер с наименьшей вероятностью входят малые и средние по размеру компании с развитыми практиками работы с данными и наоборот. Компании обоих кластеров с наиболее развитой практикой работы с данными располагаются в городах-миллионниках. Отметим, что в первом кластере нельзя провести четких различий для компаний из регионов и городов-миллинников, а компании из Москвы распределились по кластерам примерно одинаково.
5. Выводы по результатам исследования
Проведенный анализ продемонстрировал многообразие применяемых в российском бизнес-пространстве цифровых технологий и инструментов для построения коммуникационной и сбытовой стратегий взаимодействия с потребителями. Около 40 % опрошенных компаний ставят в центр внимания своей стратегии расширение каналов сбыта для большего охвата клиентов, и почти столько же компаний работают над созданием персонализированных предложений или уже применяют динамичный подход к содержанию персонализированного контента. Это подчеркивает большой разброс приоритетов и задач, которые ставят перед собой различные компании. При этом компании, применяющие самые современные подходы, располагаются в основном в столичном регионе, что может быть объяснено наличием в данном регионе соответствующих ресурсов, в том числе высококвалифицированных специалистов, и требует дальнейшего исследования.
Показательными, на взгляд авторов статьи, стали результаты анализа практики работы с данными в российских компаниях и степень интеграции каналов продаж и коммуникаций. Так, почти треть опрошенных компаний не собирают данные о клиентах на регулярной основе. Это, в свою очередь, становится препятствием для реализации компанией ее потенциальных преимуществ, связанных с оптимизацией принятия решений, использованием предиктивных моделей и других современных инструментов, позволяющий повышать производительность бизнеса. 45 % компаний отметили, что каждый канал их сбытовой сети работает независимо от других каналов. Все это сильно ограничивает возможность анализа своих клиентов и в принципе является одним из главных препятствий на пути к созданию экосистем. В то же время около 40 % компаний на российском рынке собирают данные о клиентах на регулярной основе, интегрируют между своими каналами продаж, причем значительная часть из них помимо сбора внутренних данных использует технологии, позволяющие работать с большими массивами внешних данных на основании CDP-решений.
В рамках примененного теоретического подхода компании наиболее инновационного первого кластера можно охарактеризовать как предприятия, придерживающиеся стратегий «персонализация», «персонализации с элементами экосистем-ного подхода» или находящиеся в состоянии перехода от «коммерции» к «персо-нализации». В соответствии с этой классификацией компании второго кластера придерживаются скорее стратегии «моно-/мультканальности» или стратегий с переходом от «мультиканальности» к «коммерции». Была в основном подтверждена гипотеза о том, что степень интеграции каналов продаж связана с практикой работы с данными и, в свою очередь, влияет на применяемые компанией цифровые инструменты для поддержания лояльности клиентов.
Заключение
Задача увеличения потенциала российской экономики сегодня связана с обеспечением конкурентоспособности предприятий в условиях санкций, ограниченных технологических и человеческих ресурсов. Достижение и поддержание конкурентоспособности во многом базируется на возможностях, предоставляемых цифровыми технологиями. В целях ускорения этих процессов необходимо осмысление происходящих в бизнесе трансформаций и обобщения накопленного опыта. Авторы настоящего исследования стремились представить системный взгляд на тенденции, параметры и барьеры цифровизации рыночных стратегий компаний с точки зрения внедрения цифровых инструментов с учетом особенностей российской практики.
Эмпирические результаты свидетельствуют о том, что внедрение цифровых технологий в рыночные взаимодействия российских компаний происходит неравномерно. Удалось выделить два сложившихся кластера компаний, которые характеризуются различным уровнем развития сбытовых и коммуникационных стратегий в зависимости от степени внедрения цифровых инноваций. Представленный в работе теоретический анализ говорит о необходимости поиска путей преодоления существующих различий между кластерами. В прикладном аспекте предложенный в работе подход позволяет компаниям оценить свое текущее положение и стратегию действия относительно представленных трендов, а также определить пробелы и разработать соответствующие действия для перехода на следующий, более высокий технологический уровень управления.
Будущие исследования, связанные с рассматриваемой в статье проблематикой, могут проходить в нескольких направлениях. Прежде всего представляет интерес более детальное исследование факторов, ограничивающих цифровую трансформацию рыночных взаимодействий и поиск путей их преодоления в зависимости от отрасли и специфики бизнеса. К важным направлениям можно отнести разработку методических подходов к внедрению использования цифровых инструментов в управление компанией как с точки зрения взаимодействия с потребителями, так и в более широком контексте, например с поставщиками и партнерами. Отдельного внимания заслуживает исследование практики и культуры работы с данными в компаниях как составляющей функции «данные и аналитика» (D&A, Data and Analitics), что могло бы стать драйвером инноваций и производительности в организации. Исследования в этих областях позволят продвинуться в понимании
перспектив внедрения цифровых технологий в управление с учетом потребностей различных сфер российской экономики.
Литература/References
Alonso-Garcia, J., Pablo-Martí, F., Barriopedro, E. and Cuesta-Valiño, P. (2022) 'Digitalization in B2B marketing: omnichannel management from a PLS-SEM approach', Journal of Business & Industrial Marketing, 38 (2), pp. 1-20, 317-336. https://doi.org/10.1108/JBIM-09-2021-0421 Amar, J., Jacobson, R., Kleinstein, B. and Shi, A. (2020) 'Redefine the omnichannel approach: Focus on what truly matters', McKinsey. Available at: https://www.mckinsey.com/business-functions/operations/our-insights/redefine-the-omnichannel-approach-focus-on-what-truly-matters (accessed: 23.12.2022). Arenkov, I. A., Krylova, Y. V. and Cenzharik, M. K. (2017) 'Client-oriented approach to business process management in the digital economy', Nauchno-tekhnicheskie vedomosti Sankt-Peterburgskogo gosu-darstvennogo politekhnicheskogo universiteta. Ser.: Ekonomicheskie nauki: nauchnoe izdanie, 10 (6), pp. 18-30. (In Russian)
Asare, C., Majeed, M. and Cole, N. (2022) 'Omnichannel Integration Quality, Perceived Value, and Brand Loyalty in the Consumer Electronics Market: The Mediating Effect of Consumer Personality, Advances in Information Communication Technology and Computing, pp. 29-45. Bell, D. R., Gallino, S. and Moreno, A. (2014) 'How to win in an omnichannel world', Sloan Management Review, 56, pp. 45-53.
Blake, M. (2019) 'Does It Still Cost 5x More To Create A New Customer Than Retain An Old One?, Forbes. Available at: https://www.forbes.com/sites/blakemorgan/2019/04/29/does-it-still-cost-5x-more-to-create-a-new-customer-than-retain-an-old-one/?sh=4ca309fb3516 (accessed: 26.12.2022). Bradlow, E. T., Gangwa, M., Kopalle, P. and Voleti, S. (2017) 'The role of big data and predictive analytics in
retailing, Journal of Retailing, 93 (1), pp. 79-95. https://doi.org/10.1016/j.jretai.2016.12.004 Briedis, H., Gregg, B., Heidenreich, K. and Li, W. W. (2021) 'Omnichannel: The path to value, McKinsey. Available at: https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/the-survival-guide-to-omnichannel-and-the-path-to-value (accessed: 24.12.2022). Cao, L. and Li, L. (2015) 'The impact of cross-channel integration on retailers' sales growth', Journal of Retailing, 91 (2), pp. 198-216. https://doi.org/10.1016/j.jretai.2014.12.005 Cenzharik, M. K., Krylova, Y. U. V. and Stetsenko, V. I. (2020) 'Digital transformation of companies: strategic analysis, influence factors and models, St. Petersburg University Journal of Economic Studies, 36 (3), pp. 390-420. https://doi.org/10.21638/spbu05.2020.303 (In Russian) Chaudhuri, A. and Holbrook, M. (2001) 'The Chain of Effects from Brand Trust and Brand Affect to Brand
Performance: The Role of Brand Loyalty, Journal of marketing, 65, pp. 81-93. Chen, C.-F. and Chen, F.-S. (2010) 'Experience Quality, Perceived Value, Satisfaction and Behavioral Intentions for Heritage Tourists, Tourism Management, 31, pp. 29-35. Chen, Y., Cheung, C. M. K. and Tan, C.-W. (2018) 'Omnichannel business research: Opportunities and challenges, Decision Support Systems, 109, pp. 1-14. https://doi.org/10.1016/j.dss.2018.03.007 Costa Climent, R., Haftor, D. M. and Chowdhury, S. (2022) 'Value creation through omnichannel practices for multi-actor customers: an evolutionary view, Journal of Enterprising Communities, 16 (1), pp. 93-118.
Cronin, J., Brady, M., Hult, G. and Tomas, M. (2000) 'Assessing the effects of quality, value, and customer satisfaction on consumer behavioral intentions in service environments', Journal of Retailing, 76, pp. 193-218.
Deleersnyder, B., Geyskens, I., Gielens, K. and Dekimpe, M. (2002) 'How cannibalistic is the internet channel?,
Erasmus Institute of Management (ERIM) Report Series Research in Management, ERS-2002-22-MKT. Dolmatova, Y. I. (2019) 'Omnichannel technology in the management of affective brand loyalty, Sovremen-naya mediasreda: tradicii, aktual'nye praktiki i tendencii, Vzglyad molodyh issledovatelej, pp. 43-48. (In Russian)
Gahler, M., Klein, J. and Paul, M. (2022) 'Customer Experience: Conceptualization, Measurement, and Application in Omnichannel Environments, Journal of Service Research, 26 (2). https://doi. org/10.1177/10946705221126590 Gerasimenko, V., Andreyuk, D. and Kurkova, D. (2021) 'Approach for management of brand positioning: quantification of value matching between brand and target audience', Polish Journal of Management Studies, 24, pp. 96-111.
Gerasimenko, V. V. (2023) 'Digital ethics of artificial intelligence application in business: awareness of new opportunities and risks', Nauchnye issledovaniia ekonomicheskogo fakul'teta. Elektronnyi zhurnal ekonomicheskogo fakul'teta MGU imeni M. V. Lomonosova, 15 (1), pp. 37-54. https://doi. org/10.38050/2078-3809-2023-15-1-37-54 (In Russian) Gerea, C., Gonzalez-Lopez, F. and Herskovic, V. (2021) 'Omnichannel Customer Experience and Management:
An Integrative Review and Research Agenda, Sustainability, 13. https://doi.org/10.3390/su13052824 Gillpatrick, T. (2019) 'The Digital Transformation of Marketing: Impact on Marketing Practice & Markets,
Economics, 7, pp. 139-156. https://doi.org/10.2478/eoik-2019-0023 Goraya, M. A. S., Zhu, J., Akram, M. S., Shareef, M. A., Malik, A. and Bhatti, Z. A. (2020) 'The impact of channel integration on consumers' channel preferences: Do showrooming and webrooming behaviors matter?', Journal Retailing Consumer Service, 65 (50). https://doi.org/10.1016Zj.jretconser.2020.102130 Grewal, D., Roggeveen, A. and Nordfált, J. (2017) 'The Future of Retailing, Journal of Retailing, 93 (1), pp. 1-6.
Heinemann, G. (2013) 'No-Line-Systeme als Betriebsform der Zukunft — Hochste Evolutionsstufe im
Multi-Channeling, Heidelberg: Springer. https://doi.org/10.1007/978-3-8349-4555-6_14 Herhausen, D., Binder, J., Schoegel, M. and Herrmann, A. (2015) 'Integrating Bricks with Clicks: Retailer-Level and Channel-Level Outcomes of Online-Offline Channel Integration, Journal Retailing, 91, pp. 309-325.
Herhausen, D., Kleinlercher, K., Verhoef, P. C., Emrich, O. and Rudolph, T. (2019) 'Loyalty formation for
different customer journey segments, Journal of Retailing, 95 (3), pp. 9-29. Homburg, C., Jozic, D. and Kuehnl, C. (2017) 'Customer experience management: Toward implementing an
evolving marketing concept, Journal of the Academy of Marketing Science, 45, pp. 377-401. Kumar, V. and Reinartz, W. (2012) 'Customer Relationship Management: Concept, Strategy and Tools,
Springer Texts in Business and Economics. Kumar, V. and Reinartz, W. (2016) 'Creating Enduring Customer Value, Journal of Marketing, 80, pp. 36-68. Kurkova, D. N. (2023) 'New forms of interaction between suppliers and consumers in the digital market environment, Nauchnye issledovaniia ekonomicheskogo fakul'teta. Elektronnyj zhurnal ekonomicheskogo fakul'teta MGU imeni M. V Lomonosova, 15 (1), pp. 55-70. https://doi.org/10.38050/2078-3809-2023-15-1-55-70 (In Russian)
Lee, Y. and Cheon, H. A. (2019) 'Study of the Factors Affecting the User Intention of Omnichannel Shopping Based on Information Technology, In Proceedings of the ICEBA 2019, Bangkok, Thailand, February 25-28, pp. 20-24.
Lehrer, C. and Trenz, M. (2022) 'Omnichannel Business', Electronic Markets, 32 (2), pp. 687-699. Lemon, K. N. and Verhoef, P. C. (2016) 'Understanding Customer Experience Throughout the Customer
Journey, American Marketing Association, 80 (6). https://doi.org/10.1509/jm.15.0420 Neslin, S. (2022) 'The omnichannel continuum: Integrating online and offline channels along the customer
journey, Journal of Retailing, 98 (1), pp. 111-132. Nüesch, R., Alt, R. and Puschmann, T. (2015) 'Hybrid customer interaction', Business & Information Systems
Engineering, 57 (1), pp. 73-78. https://doi.org/10.1007/s12599-014-0366-9 Oh, L. B., Teo, H. H. and Sambamurthy, V. (2012) 'The effects of retail channel integration through the use of information technologies on firm performance', Journal of Operations Management, 30 (5), pp. 368381. https://doi.org/10.1016/j.jom.2012.03.001 Pires, P., Santos, J., Brito, P. and Marques, D. (2022) 'Connecting Digital Channels to Consumers' Purchase
Decision-Making Process in Online Stores, Sustainability, 14. https://doi.org/10.3390/su142114392 Prashanth, S. (2022) 'Data Culture: What It Is And How To Make It Work, Forbes. Available at: https:// www.forbes.com/sites/forbestechcouncil/2022/06/27/data-culture-what-it-is-and-how-to-make-it-work/?sh=20e451572096 (accessed: 24.12.2022). Rooderkerk, R. and Kök, G. (2019) 'Omnichannel Assortment Planning, Springer Series in Supply Chain
Management, 8, pp. 51-86. https://doi.org/10.1007/978-3-030-20119-7_4 Salvietti, G., Ziliani, C., Teller, C., Ieva, M. and Ranfagni, S. (2022) 'Omnichannel retailing and post-pandemic recovery: building a research agenda, International Journal of Retail and Distribution Management, 50 (8-9), pp. 1156-1181. Shen, X. L., Li, Y. J., Sun, Y. and Wang, N. (2018) 'Channel integration quality, perceived fluency and omnichannel service usage: The moderating roles of internal and external usage experience, Decision Support Systems, 109, pp. 61-73. Sorescu, A., Frambach R., Singh, J., Rangaswamy, A. and Bridges, Ch. (2011) 'Innovations in Retail Business Models, Journal of Retailing, 87, pp. 3-16.
Suarez, N. and Avila, O. (2019) 'Towards an Architecture Framework for the Implementation of Omnichannel Strategies', Conference peper "Communications in Computer and Information Science", vol. 1051, pp. 295-309. https://doi.org/10.1007/978-3-030-32475-9_22 Tuominen, S., Reijonen, H., Nagy, G., Buratti, A. and Laukkanen, T. (2022) 'Customer-centric strategy driving innovativeness and business growth in international markets', International Marketing Review, 40 (3). https://doi.org/10.1108/IMR-09-2020-0215 Verhoef, P. C., Kannan, P. K. and Inman, J. J. (2015) 'From multi-channel retailing to omni-channel retailing: Introduction to the special issue on multi-channel retailing, Journal of Retailing, 91 (2), pp. 174-181. https://doi.org/10.1016/j.jretai.2015.02.005 Voroncovskij, A. V. (2020) 'Digitalization of the economy and its impact on economic development and social welfare, St. Petersburg University Journal of Economic Studies, 36 (2), pp. 189-216. https://doi. org/10.21638/spbu05.2020.202 (In Russian) Wiener, M., Hofibach, N. and Saunders, C. (2018) 'Omnichannel businesses in the publishing and retailing industries: Synergies and tensions between coexisting online and offline business models, Decision Support Systems, 109, pp. 15-26.
Статья поступила в редакцию: 21.06.2023 Статья рекомендована к печати: 14.09.2023
Контактная информация:
Герасименко Валентина Васильевна — д-р экон. наук, проф.; vv_gerasimenko@mail.ru Курбацкий Алексей Николаевич — канд. физ.-мат. наук, доц.; akurbatskiy@gmail.com Куркова Дина Николаевна — канд. экон. наук, доц.; KurkovaDN@my.msu.ru
Digitalization of market interactions of Russian enterprises
V. V. Gerasimenko, A. N. Kurbatskii, D. N. Kurkova
Lomonosov Moscow State University,
1, Leninskie Gory, Moscow, 119991, Russian Federation
For citation: Gerasimenko, V. V., Kurbatskii, A. N. and Kurkova, D. N. (2023) 'Digitalization of market interactions of Russian enterprises, St. Petersburg University Journal of Economic Studies, 39 (4), pp. 534-559. https://doi.org/10.21638/spbu05.2023.404 (In Russian)
The purpose of this paper is to investigate one of the problems of digitalization of market relations in the modern Russian economy. The article examines the peculiarities of market behavior of domestic companies in terms of their implementation of digital technologies in the process of interaction with consumers, which is realized through communication and sales channels, and is characterized as omnichannel. The research question that forms the subject of this study is to determine the direction and level of sales channel integration and identify how it relates to the company's data practices. The study identified trends, parameters and barriers to digitalization in the implementation of digital tools in the management of interaction with market participants. The article presents a systematic analysis of modern theoretical approaches to the formation of a sales channels and communication strategy of companies, systematizes the parameters affecting its development, as well as factors limiting the digital transformation of marketing in Russian companies. The research reveals trends, parameters and barriers to the introduction of digital tools in the management of interaction with market participants. The results of the empirical study have applied significance for Russian enterprises; they allowed us to analyze the level of digitalization of marketing strategies and to verify the relevant hypotheses. Descriptive statistics, correlation analysis, clustering methods, regression trees and logit models were used to obtain statistically sound conclusions. R and Excel packages were used for data processing and calculations. The field of application of the
study results is the management of sales channels and digital communications in Russian business. The results of the empirical study showed that the factors of weak developed data culture and the associated lack of integration of sales and communication channels act as a key obstacle to the development of omni-channel strategies. The results demonstrate the potential of digitalization of management in Russian companies, the directions of training of qualified specialists, as well as the development of affordable and easy-to-use IT solutions. Keywords: market behavior, marketing strategy, digitalization of management, omnichannel sales strategy, marketing communications.
Received: 21.06.2023 Accepted: 14.09.2023
Authors' information:
Valentina V. Gerasimenko — Dr. Sci. in Economics, Professor; vv_gerasimenko@mail.ru
Aleksei N. Kurbatskii — PhD in Physics and Mathematics, Associate Professor; akurbatskiy@gmail.com
Dina N. Kurkova — PhD in Economics, Associate Professor; KurkovaDN@my.msu.ru
