Адаптивное управление персонализированным спросом на основе синергетического взаимодействия цифровых экосистем ритейла

Современная парадигма потребительского спроса характеризуется переходом от индустриальной модели массового потребления к экономике индивидуальных решений. В этой связи перед розничными предприятиями встаёт задача не только прогнозировать спрос, но и обеспечивать оперативную доставку персонализированной ценности конечному потребителю в режиме реального времени. Этим обусловлена актуальность настоящей работы, направленной на преодоление разрыва между прогнозированием персонализированного спроса и его операционной реализацией. Цель исследования заключается в разработке модели адаптивного управления персонализированным спросом, синергетически объединяющей цифровые экосистемы ритейла в замкнутый цикл, в котором прогноз и реакция на него образуют единый непрерывный процесс. Для достижения поставленной цели решаются задачи выявления нерешённых проблем в области операционализации прогнозов персонализированного спроса, обоснование архитектуры адаптивного цифрового контура и включение фактора операционной жизнеспособности в систему оценки эффективности персонализации. Методологическую основу исследования составляют контент-анализ актуальных научных источников, методы имитационного моделирования поведения потребителей и нейросетевые методы обработки неструктурированных данных обратной связи. В ходе аналитического обзора выявлены две взаимосвязанные проблемы: «налог на задержку», влекущий за собой существенные финансовые потери для ритейлеров, и «парадокс гиперсегментации», при котором углубление кастомизации входит в противоречие с рентабельностью. Для преодоления данных проблем линейная модель прогнозирования, ранее разработанная автором, трансформирована в трёхмодульную адаптивную модель, объединяющую прогнозирование, интерактивное прототипирование ценности и автоматическую обратную связь. В систему оценки эффективности дополнительно включён фактор операционной жизнеспособности, дополняющий экономические и технологические критерии. Разработанная модель обеспечивает непрерывную верификацию прогнозов и встроенный механизм отслеживания порога экономически целесообразной кастомизации.

1. Consumers and artificial intelligence: an experiential perspective / S. Puntoni, R. W. Reczek, M. Giesler, S. Botti // Journal of Marketing. 2020. Vol. 85, no. 1. P. 131–151. doi: 10.1177/0022242920953847.

2. Customer experiences in the age of artificial intelligence / N. Ameen, A. Tarhini, A. Reppel, A. Anand // Computers in Human Behavior. 2021. Vol. 114. doi: 10.1016/j.chb.2020.106548.

3. Donets L. I. Ekosistemnyy podkhod k predprinimatel’skoy deyatel’nosti v sfere roznichnoy torgovli [Ecosystem approach to entrepreneurial activity in the retail sector] // Fundamental’nye issledovaniya [Fundamental Research]. 2025. No. 1. P. 99–103. doi: 10.17513/fr.43770. (In Russian).

4. Donets L. I. Personalizatsiya v sisteme sovremennoy paradigmy potrebitel’skogo sprosa [Personalisation in the system of the modern consumer demand paradigm] // Fundamental’nye issledovaniya [Fundamental Research]. 2025. No. 9. P. 21–27. doi: 10.17513/fr.43897. (In Russian).

5. Donets L. I. Tsifrovaya transformatsiya potrebitel’skogo povedeniya: integrirovannyy podkhod k issledovaniyu [Digital transformation of consumer behaviour: an integrated approach to research] // Vestnik Rossiyskogo ekonomicheskogo universiteta imeni G. V. Plekhanova [Bulletin of the Plekhanov Russian University of Economics]. 2026. Vol. 23, no. 2(146). P. 103–113. doi: 10.21686/2413-2829-2026-2-103-113. (In Russian).

6. Global reconstruction of language models with linguistic rules Explainable AI for online consumer reviews / M. Binder, B. Heinrich, M. Hopf, A. Schiller // Electronic Markets. 2022. Vol. 32. P. 2123–2138. doi: 10.1007/s12525-022-00612-5.

7. Huang M-H., Rust R. T. A strategic framework for artificial intelligence in marketing // Journal of the Academy of Marketing Science. 2021. Vol. 49. P. 30–50. doi: 10.1007/s11747020-00749-9.

8. Rajagopal R., Sharma R. Supply chain resilience: A review, conceptual framework and future research // The International Journal of Logistics Management. 2021. Vol. 34, no. 4. P. 879–908. doi: 10.1108/IJLM-03-2021-0169.

9. Rodnikova O.Yu., Charakha Ber A.R. Tsifrovaya ekonomika i tsifrovaya transformatsiya: osobennosti mirovykh strukturnykh protsessov [Digital economy and digital transformation: features of global structural processes] // Mezhdunarodnaya torgovlya i torgovaya politika [International Trade and Trade Policy]. 2024. Vol. 10, no. 4. P. 104–113. doi: 10.21686/2410-73952024-4-104-113. (In Russian).

10. Shahbazi Z., Jalali R., Shahbazi Z. Enhancing recommendation systems with real-time adaptive learning and multi-domain knowledge graphs // Big Data and Cognitive Computing. 2025. Vol. 9, no. 5. doi: 10.3390/bdcc9050124.

11. Smirnova M. M., Staroverova I. I. Strategii postanovki tseley v upravlenii brendom i loyal’nost’yu klienta v usloviyakh ekonomicheskoy transformatsii [Strategies for goal setting in brand management and customer loyalty under economic transformation] // Marketingovye strategii i praktiki [Marketing Strategies and Practices]. 2025. Vol. 16, no. 2. P. 100–117. doi: 10.29141/2218-5003-2025-16-2-7. (In Russian).

12. Tang J. Unlocking retail insights: predictive modeling and customer segmentation through data analytics // Journal of Theoretical and Applied Electronic Commerce Research. 2025. Vol. 20, no. 2. Article 59. doi: 10.3390/jtaer20020059.

13. Technology-enabled personalization in retail stores: understanding drivers and barriers / A. S. Riegger, J. F. Klein, K. Merfeld, S. Henkel // Journal of Business Research. 2021. Vol. 123. P. 140–155. doi: 10.1016/j.jbusres.2020.09.039.

14. The Impact of AI-Generated Marketing Content on Consumer Behavior / T. -H. Afrin, A. Ahmed, M. L. A. Banu, A. Banu // International Journal of Multidisciplinary Research and Analysis. 2026. Vol. 9. P. 3793–3803. doi: 10.47191/ijmra/v9-i6-60.

15. Tkach D. N. Sovremennye tendentsii i ikh vliyanie na razvitie sfery riteyla [Modern trends and their impact on retail development] // Journal of Monetary Economics and Management. 2024. No. 10. doi: 10.26118/2782-4586.2024.70.43.096. (In Russian).