THE USE OF MARKOV CHAINS TO DETERMINE THE CAPACITY OF MARKET SEGMENTS IN A DIGITAL TRANSFORMATION OF THE BEHAVIOR OF GENERATIONS OF CONSUMERS

ID елемента: 20832
2026/04/30
Властивості
Назва
Англійська
THE USE OF MARKOV CHAINS TO DETERMINE THE CAPACITY OF MARKET SEGMENTS IN A DIGITAL TRANSFORMATION OF THE BEHAVIOR OF GENERATIONS OF CONSUMERS
Російська
ПРИМЕНЕНИЕ ЦЕПЕЙ МАРКОВА ДЛЯ ОПРЕДЕЛЕНИЯ ЁМКОСТИ РЫНОЧНЫХ СЕГМЕНТОВ В УСЛОВИЯХ ЦИФРОВОЙ ТРАНСФОРМАЦИИ ПОВЕДЕНИЯ ПОКОЛЕНИЙ ПОТРЕБИТЕЛЕЙ
Українська
ЗАСТОСУВАННЯ ЛАНЦЮГ МАРКОВА ДЛЯ ВИЗНАЧЕННЯ МІСТКОСТІ РИНКОВИХ СЕГМЕНТІВ В УМОВАХ ЦИФРОВОЇ ТРАНСФОРМАЦІЇ ПОВЕДІНКИ ПОКОЛІНЬ СПОЖИВАЧІВ
Опис
Англійська
The problem of improving the methods of consumer research and the development of fundamentally new current and future forecasts of high-quality demand, taking into account consumer behavior and effective management in the conditions of the digital transformation of society, is urgent and completely unsolved. Analysis of mathematical models of forecasting demand and market capacity showed that the models are usually based on identifying common and stable patterns and relationships, analyzing trends and their extrapolation. The development of economic and mathematical models, taking into account the factors of the turbulent environment of the behavior of different generations of consumers, requires an appropriate mathematical apparatus, mechanisms for collecting statistical data and building appropriate models. Particular attention should be paid to the prediction of consumer behavior of the so-called "Generation Z", which is formed under the influence of the intensive development of digital technologies and has a number of features. In conditions when the majority of goods on the modern market are represented by several manufacturers, a large number of brands, and sales promotion by producers and sellers is abrupt, and the reaction of buyers to a particular product depends on many factors, the forecast of sales volumes can be based on a statistical assessment of changes in consumer preferences for products of individual species and manufacturers. The heuristic methods for predicting the market share of goods include a consumer assessment method using the Markov chain, which is based on the calculation of the transition matrix, whose elements are the probabilities of transition of predicted parameters from one state to another, from one brand to another. Economic-mathematical modeling of the capacity of market segments using Markov chains uses simple calculations, is easy to use, has the ability to track trends and causes of changes in the study of the dynamics of demand in different market segments.
Російська
Проблема совершенствования методов исследования потребителей и разработка принципиально новых текущих и будущих прогнозов спроса повышенного качества с учётом потребительского поведения и эффективного управления им в условиях цифровой трансформации общества является актуальной и совсем нерешённой. Анализ математических моделей прогнозирования спроса и ёмкости рынка показал, что модели, как правило, базируются на выявлении общих и устойчивых закономерностей и связей, анализа тенденций и их экстраполяции. Разработка экономико-математических моделей с учётом факторов турбулентной среды поведения различных поколений потребителей требует соответствующего математического аппарата, механизмов сбора статистических данных и построения соответствующих моделей. Особое внимание следует уделять прогнозированию потребительского поведения так называемого «Поколения Z», которое формируется под влияние интенсивного развития цифровых технологий и имеет ряд особенностей. В условиях, когда большинство товаров на современном рынке представлено несколькими производителями, большим количеством торговых марок, а стимулирование сбыта со стороны производителей и продавцов имеет скачкообразный характер, при этом реакция покупателей на тот или иной товар зависит от множества факторов, то прогноз объёмов сбыта может основываться на статистической оценке изменения предпочтений потребителей к продукции отдельных видов и производителей. К эвристическим методам прогнозирования доли рынка товаров можно отнести метод потребительской оценки с использованием цепи Маркова, в основе которого лежит вычисление матрицы переходов, элементами которой являются вероятности перехода прогнозируемых параметров из одного состояния в другое, от одной торговой марки к другой. Экономико-математическое моделирование ёмкости рыночных сегментов с использованием цепей Маркова использует несложные расчёты, является простым в применении, имеет возможность проследить тенденции и причины изменений при исследовании динамики спроса разных сегментов рынка.
Українська
Проблема вдосконалення методів дослідження споживачів і розроблення принципово нових поточних і майбутніх прогнозів попиту підвищеної якості з урахуванням споживацької поведінки і ефективного управління нею в умовах цифрової трансформації суспільства є актуальною і маже зовсім невирішеною. Аналіз математичних моделей прогнозування попиту та прогнозування місткості ринку показав, що моделі, як правило, базуються на виявленні загальних і стійких закономірностей та зв'язків, аналізу тенденцій та їх екстраполяції. Розроблення економікоматематичних моделей с урахуванням факторів турбулентного середовища поведінки різних поколінь споживачів потребує відповідного математичного апарату, механізмів збору статистичних даних та побудови відповідних моделей. Особу увагу слід приділяти прогнозуванню споживчої поведінки так званого «Покоління Z», яка формується під впливом інтенсивного розвитку цифрових технологій та має низку особливостей. В умовах коли більшість товарів на сучасному ринку представлено декількома виробниками, великою кількістю товарних марок, а стимулювання збуту з боку виробників та продавців мають стрибкоподібний характер, при цьому реакція покупців на той чи інший товар залежить від безлічі факторів, прогноз обсягів збуту може ґрунтуватися на статистичній оцінці зміни уподобань споживачів до продукції окремих видів і виробників. До евристичних методів прогнозування частки ринку товару можна віднести метод споживчої оцінки з використанням ланцюгів Маркова, в основі якого лежить обчислення матриці переходу, елементами якої є ймовірності переходу прогнозованих параметрів з одного стану в інший, від одної товарної марки до іншої. Економіко-математичне моделювання місткості ринкових сегментів з використанням ланцюгів Маркова має нескладні розрахунки, є простим у застосуванні, має можливість відстежити тенденції і причини змін при дослідженні динаміки попиту різних сегментів ринку.
Автор
Українська
Golovanova, M.
Українська
Golovanov, D.
Тематика
Англійська
market capacity
Англійська
market share
Англійська
digital transformation of consumer behavior
Англійська
generation Z
Англійська
economic and mathematical modeling
Англійська
forecast
Англійська
demand
Англійська
Markov chains
Англійська
transition probability matrix
Російська
ёмкость рынка
Російська
доля рынка
Російська
цифровая трансформация поведения потребителей
Російська
поколение Z
Російська
экономико-математическое моделирование
Російська
прогноз
Російська
спрос
Російська
цепи Маркова
Російська
матрица вероятностей перехода
Українська
місткість ринку
Українська
частка ринку
Українська
цифрова трансформація поведінки споживачів
Українська
покоління Z
Українська
економіко-математичне моделювання
Українська
прогноз
Українська
попит
Українська
ланцюги Маркова
Українська
матриця ймовірностей переходів
Видавництво
Українська
Національний університет «Полтавська політехніка імені Юрія Кондратюка»
Тип
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Українська
Рецензована Стаття
Формат
application/pdf
Ідентифікатор
https://journals.nupp.edu.ua/sunz/article/view/1560
10.26906/SUNZ.2019.3.089
Джерело
Англійська
Control, Navigation and Communication Systems. Academic Journal; Vol. 3 No. 55 (2019): Control, Navigation and Communication Systems; 89-98
Російська
Системы управления, навигации и связи. Сборник научных трудов; Том 3 № 55 (2019): Системи управління, навігації та зв’язку; 89-98
Українська
Системи управління, навігації та зв’язку. Збірник наукових праць; Том 3 № 55 (2019): Системи управління, навігації та зв’язку; 89-98
2073-7394
10.26906/SUNZ.2019.3
Мова
uk
Відношення
https://journals.nupp.edu.ua/sunz/article/view/1560/1282
Права
Українська
Авторське право (c) 2019 M. Golovanova, D. Golovanov
Набори елементів 1
Збірник наукових праць. Системи управління, навігації та зв’язку
20733 346 items
Інформація про метадані
Створено
2026-4-30 16:43
Остання зміна
2026-4-30 16:43
ID елемента
#20832