Преподаватели кафедры маркетинга Погребова Ольга Анатольевна и Юлдашева Оксана Урняковна выступили на ХII Ежегодной международной научной конференции «Экономика и менеджмент» (EMC 2025), прошедшей на базе Высшей школы менеджмента Санкт-Петербургского государственного экономического университета.
Доклад на тему «Researching marketing data in the digital environment to improve the company’s content strategy» был подготовлен в рамках реализации гранта Фонда В. Потанина на тему «Редизайн курса «Data-Science в маркетинге»».
В своем выступлении Ольга Анатольевна и Оксана Урняковна представили оригинальную методику анализа маркетинговых данных, собранных из цифровой среды. В отличие от традиционных подходов, методика основана на автоматизированном парсинге открытых источников — новостной повестки, поисковых систем (Яндекс и Google), социальных сетей и независимых площадок с отзывами потребителей (включая геолокационные сервисы). Цель исследования — использовать извлеченные данные для анализа и корректировки контент-стратегии компании в социальных медиа. Технически процедура реализована через написание программы на языке программирования Python и включает этапы сбора, обработки и анализа информации с применением методов «мешка слов», нечеткой кластеризации, анализа плотности сигналов и тональности текстов.
Апробация методики проведена на примере рынка пластической хирургии Санкт‑Петербурга. Были проанализированы поисковые запросы потенциальных пациентов, отзывы о клиниках на геолокационных сервисах, а также посты и комментарии в сообществах ВК четырех крупнейших игроков рынка. Результаты показали, что ряд важных для потребителя тем (например, сложные виды операций, эмоциональные кейсы изменения жизни после операции) практически отсутствует в контенте рыночных игроков. На основе выявленных несоответствий и разговорной лексики аудитории авторы разработали условно «идеальную» матрицу контента, включающую как рациональные (описание услуг, цены, квалификация врачей), так и эмоциональные блоки (истории пациентов, атмосфера клиники).
Разработанная методика может быть полезна для выявления аномалий в данных (например, покупных отзывов), построения тематических связей между разными источниками, составления словаря потребительской лексики и анализа конкурентной активности.
