Research indexJournal article
Использование нейросетевых технологий для оптимизации рекламных кампаний в социальных сетях
Яценко
Electronic Library of Peter the Great Polytechnic University3 Sep 2026Open access
NobleIDark:/48914/w1/20261105/F981C030DOI10.18720/spbpu/3/2026/vr/vr26-5675
Использование нейросетевых технологий для оптимизации рекламных кампаний в социальных сетях
Яценко · Electronic Library of Peter the Great Polytechnic University · 2026
NobleIDark:/48914/w1/20261105/F981C030DOI10.18720/spbpu/3/2026/vr/vr26-5675
Free to read at the publisher
You can read the abstract here, or the full text at the publisher.
Abstract
Данная работа посвящена исследованию возможностей нейросетевых технологий в рекламной аналитике и разработке аналитического контура ООО «Вкус», связывающего разрозненные рекламные данные в проверяемую управленческую цепочку. Задачи, которые решались в ходе исследования: 1. Исследование теоретических основ рекламной аналитики, BI-систем и нейросетевых технологий в маркетинге; систематизирование подходов к применению ИИ для оптимизации рекламных кампаний; 2. Анализ рынков общественного питания, доставки и digital-рекламы, характеристика ООО «Вкус» как франчайзи сети «Додо Пицца» и оценка текущей рекламной деятельности предприятия; 3. Выявление проблемы текущей рекламной аналитики ООО «Вкус» и формулирование требований к аналитическому контуру; 4. Разработка подхода к построению аналитического контура, включающего модель данных, BI-дашборд и ИИ-слой формирования и верификации рекомендаций; 5. Разработка порядка пилотного внедрения и выполнение расчетной оценки экономической целесообразности аналитического контура. Работа выполнена на базе ООО «Вкус» — франчайзи сети «Додо Пицца». Использованы внутренние материалы о рекламных активностях, расходах, заказах, выручке, отзывах и план-факте. В результате разработан аналитический контур, связывающий разрозненные рекламные данные в проверяемую цепочку: отклонение — ИИгипотеза — рекомендация — действие — KPI-проверка. Контур включает модель данных, BI-дашборд в DataLens и ИИ-журнал рекомендаций. Для достижения результатов использовались Yandex DataLens, табличные редакторы, GigaChat API и внутренние материалы ООО «Вкус».