УДК: 339.

138

Фурсик Марія Володимирівна

студентка, Національний університет «Острозька академія»
Науковий керівник: Недзведовська О. Є.,
викладач кафедри економічної теорії, менеджменту та маркетингу

МЕТОДИ ТА МОДЕЛІ ОЦІНКИ РИЗИКІВ ЦИФРОВОГО

МАРКЕТИНГУ
Анотація
Сучасні інформаційні та телекомунікаційні технології відкривають
перед споживачами та організаціями нові можливості і перспективи,
підвищують їх мобільність і комп’ютеризацію. Одним з таких методів
просування є цифровий маркетинг. Проте, сучасні методи просування
вимагають оцінки ризиків, які постійно збільшуються в процесі проведення
маркетингової діяльності, для збільшення успішності проведеної
маркетингової кампанії.
Серед основних проблем і ризиків, які уповільнюють розвиток
цифрового маркетингу, визначені: наявність цифрового розриву; зростання
конкуренції; низький рівень технічної грамотності маркетологів; залежність
від цифрових технологій; зростання Інтернет-шахрайства і кіберзлочинності.
В даний час до програмних продуктів, що дозволяють проводити
кількісну оцінку ризику маркетингових онлайн-стратегій за допомогою
методу Монте-Карло, слід віднести системи «Project Expert» і «Marketing
Expert». Однак в системах «Marketing Expert» і «Project Expert» реалізовані
методи оцінки ризику маркетингових онлайн-стратегій з використанням
імітаційних моделей з обмеженими можливостями. У статті пропонується
підхід до оцінки ризику стратегії, заснований на застосуванні більш потужної
за своїми можливостями імітаційної моделі, який дозволяє отримувати більш
точні оцінки ризику маркетингових стратегій.
 Ключові слова: імітаційне моделювання;метод Монте-
Карло;маркетинг; онлайн-маркетинг;ризики цифрового
маркетингу;інформаційні та телекомунікаційні технології.

Фурсык Мария Владимировна

студентка, Национальный университет «Острожская академия»
Научный руководитель: Недзведовська А. Е.,
преподаватель кафедры экономической теории, менеджмента и
маркетинга

МЕТОДЫ И МОДЕЛИ ОЦЕНКИ РИСКОВ ЦИФРОВОЙ

МАРКЕТИНГА
Аннотация
Современные информационные и телекоммуникационные
технологии открывают перед потребителями и организациями новые
возможности и перспективы, повышают их мобильность и
компьютеризацию. Одним из таких методов продвижения является цифровой
маркетинг. Однако, современные методы продвижения требуют оценки
рисков, которые постоянно увеличиваются в процессе проведения
маркетинговой деятельности, для увеличения успешности проведенной
маркетинговой кампании.
Среди основных проблем и рисков, которые замедляют развитие
цифрового маркетинга, определены: наличие цифрового разрыва; рост
конкуренции; низкий уровень технической грамотности маркетологов
зависимость от цифровых технологий; рост Интернет-мошенничества и
кибер преступности.
В настоящее время програмы, позволяющих проводить
количественную оценку риска маркетинговых онлайн-стратегий с помощью
метода Монте-Карло, следует отнести системы "Project Expert» и «Marketing
Expert». Однако в системах «Marketing Expert» и «Project Expert»
реализованы методы оценки риска маркетинговых онлайн-стратегий с
использованием имитационных моделей с ограниченными возможностями. В
статье предлагается подход к оценке риска стратегии, основанный на
применении более мощной по своим возможностям имитационной модели,
который позволяет получать более точные оценки риска маркетинговых
стратегий.
Ключевые слова: имитационное моделирование, метод Монте-
Карло, маркетинг, онлайн-маркетинг, риски цифрового маркетинга,
информационные и телекоммуникационные технологии.

Fursyk Mariіa
student, The National University of Ostroh Academy
Scientific adviser: Nedzvedovska OE,
lecturer at the Department of Economic Theory, Management and
Marketing

METHODS AND MODELS OF DIGITAL MARKETING RISK

ASSESSMENT
Summary
Modern information and telecommunication technologies open new
opportunities and perspectives for consumers and organizations, increase their
mobility and computerization. One such method of promotion is digital marketing.
However, modern methods of promotion require the assessment of risks, which are
constantly increasing in the process of marketing activities, to increase the success
of the marketing campaign.
Among the main problems and risks that slow down the
development of digital marketing are: the presence of the digital divide;
increasing competition; low level of technical literacy of marketers;
dependence on digital technologies; the rise of Internet fraud and
cybercrime.
 Currently, software products that allow you to quantify the risk of online
marketing strategies using the Monte Carlo method, include systems "Project
Expert" and "Marketing Expert". However, the systems "Marketing Expert" and
"Project Expert" implemented methods for assessing the risk of online marketing
strategies using simulation models with disabilities. The article proposes an
approach to risk assessment of the strategy, based on the use of a more powerful
simulation model, which allows to obtain more accurate risk assessments of
marketing strategies.
Keywords: simulation, Monte Carlo method, marketing; online
marketing, risks of digital marketing, information and telecommunication
technologies.

Постановка проблеми. В умовах диверсифікації та зростання

економіки на ринку відбувається посилення конкуренції, суттєве збільшення
обсягів вироблених товарів і послуг, кардинальна зміна технологій. Для
підприємств та організацій гостро постає питання виживання. Ця ситуація
змушує компанії шукати нові ефективні форми просування на ринку і
позиціонування своїх товарів або послуг. Сучасні інформаційні та
телекомунікаційні технології відкривають перед споживачами та
організаціями нові можливості і перспективи, підвищують їх мобільність і
комп’ютеризацію. Одним з таких методів просування є цифровий маркетинг.
Проте, сучасні методи просування вимагають оцінки ризиків, які постійно
збільшуються в процесі проведення маркетингової діяльності, для
збільшення успішності проведення маркетингової кампанії.
Аналіз останніх досліджень та публікацій. Розробкою та
дослідженням моделей та методик, які дозволяють оцінити маркетингові
ризики на підприємстві, займалися такі науковці: Вітлінський В. В.,
Гайдаєнко Т. А., Занора В. О., Улам С., Песиков В. та ін. Проте, на даний
момент залишаються недостатньо дослідженими методики оцінки ризиків
цифрового маркетингу на підприємстві.
 Мета і завдання дослідження. Метою дослідження є виявлення
основних методів та моделей оцінки ризиків цифрового маркетингу,
визначення оптимальних методів оцінки стійкості маркетингового
середовища організації.
Виклад основного матеріалу. У визначенні категорії «ризики в
маркетингу» слід враховувати загальні характеристики маркетингу як науки:
відповідальність за вирішення проблеми оптимізації продажу; складність та
синхронність використання маркетингових інструментів. Ризики в
маркетингу – це категорія, яка відображає властиві маркетинговій діяльності
управління, що з'являється з об'єктивних або суб'єктивних причин, має
вимірюваний або невимірний характер і може спричинити зменшення
запланованого доходу в процесі вирішення проблем оптимізація продажів.
Ризики в маркетингу – це передбачувані події, які можуть спричинити втрату
або шкоду. Ризики в маркетингу доцільно класифікувати за ознакою «місце
виникнення ризику» та розділити на зовнішні та внутрішні [3, с. 117].
Зовнішнім є ризик зовнішніх факторів мікромаркетингового
середовища: ризики у постачанні, конкуренції, посередництві, ризики
споживчої та контактної аудиторії. Внутрішні фактори ризику – це ризик
внутрішнього мікромаркетингового середовища – компанії; товарний ризик;
ціновий ризик; ризик збуту; ризик спілкування. Ризики, пов’язані з
факторами макромаркетингового середовища, стосуються маркетингових
ризиків, а не соціально-економічних ризиків [3, с. 118].
Цифровий маркетинг або онлайн-маркетинг відноситься до роботи,
яку бізнес виконує через Інтернет або електронний пристрій, наприклад,
мобільний телефон. Будь-який бізнес (незалежно від його розміру) може
використовувати цифровий маркетинг, щоб вийти на цільовий ринок,
зв’язатися з потенційними клієнтами і перетворити їх на клієнтів. Все, від
маркетингу в пошукових системах до маркетингу в Facebook або Instagram,
називається цифровим маркетингом.
 Причина, через яку цифровий маркетинг має вирішальне значення
для бізнесу в наші дні, полягає в тому, що Інтернет стає одним з найбільш
використовуваних інструментів. Все більше і більше людей заходять в
Інтернет, щоб виконувати повсякденні дії, включаючи купівлю товарів і
послуг [4].
Протягом минулого десятиліття онлайн-маркетинг зростав у
геометричній прогресії. Коли мова йде про порівняння цифрового
маркетингу і традиційного, стає ясно, що цифровий маркетинг має певну
перевагу. Успішний маркетинг вимагає, щоб бізнес працював з потенційними
клієнтами і фактичними клієнтами найкращим чином, приносячи реальну
віддачу від інвестицій. Оскільки переважна більшість людей проводять час в
Інтернеті, бізнесу також необхідно його використовувати.
Серед основних проблем і ризиків, які уповільнюють розвиток
цифрового маркетингу, визначені: наявність цифрового розриву; зростання
конкуренції; низький рівень технічної грамотності маркетологів; залежність
від цифрових технологій; зростання Інтернет-шахрайства і кіберзлочинності
[4].
При визначенні абсолютної оцінки ризику цифрового маркетингу
може використовуватись і одне значення економічного показника, яке
відображає найважливішу узагальнену характеристику у даній конкретній
ситуації. Якщо в ролі такої узагальненої характеристики виступає величина
небажаних наслідків (збитки, платежі тощо), то міра (ступінь) ризику невдачі
(в процесі досягнення мети) може визначатися як добуток ймовірності
невдачі (небажаних наслідків) на величину цих наслідків, тобто:
W =p н∗x н , (1)
де W – величина ризику; pн – ймовірність настання небажаних
наслідків; x н– величина небажаних наслідків [1, с. 61].
Імітаційне моделювання за методом Монте-Карло може бути
використане для управління ризиками стратегій, для побудови
оптимізаційних моделей управління ризиками з метою вибору мінімального
рівня ризику при заданій ефективності стратегії або максимальної
ефективності стратегії при заданому граничному рівні ризику. Очевидно, що
проведення будь-яких антиризикових заходів пов’язане з додатковими
витратами, що знижують ефективність стратегії. Тому для розв’язання задачі
мінімізації ризиків можуть бути застосовані також і оптимізаційні моделі,
засновані на мінімізації витрат на антиризикові заходи для заданого рівня
ризику або мінімізації рівня ризику при заданій гранично допустимій
величині витрат на антиризикові заходи [5, с. 337]
Оптимізаційні моделі мають такий вигляд:
Модель 1. Знайти min (Cost of risk – management) за умови [5, с.
338]:
¿
P(G<G )<r , (2)
де Cost of risk – management – витрати на антиризикові заходи, G –
показник ефективності маркетингової стратегії, G* – заданий рівень
показника ефективності маркетингової стратегії, P(G ≤G ) – ймовірність
¿

недосягнення заданого рівня цільового показника, r – заданий гранично

допустимий рівень ризику стратегії.
Модель 2. Знайти min P(G ≤G ) за умови Cost of risk –
¿

management < C ¿, где C ¿ – гранично допустимий рівень витрат на

антиризикові заходи.
В даний час до програмних продуктів, що дозволяють провести
кількісну оцінку ризику маркетингових онлайн-стратегій за допомогою
методу Монте-Карло, слід віднести системи «Project Expert» і «Marketing
Expert». Однак в системах «Marketing Expert» і «Project Expert» реалізовані
методи оцінки ризику маркетингових онлайн-стратегій з використанням
імітаційних моделей з обмеженими можливостями (вузький спектр
використовуваних видів розподілів ймовірностей, не враховуються дії
основних конкурентів і постачальників, не враховуються параметри ринку
(еластичність попиту) і вплив реклами на обсяги продажів). Пропонується
підхід до оцінки ризику стратегії, заснований на застосуванні більш потужної
за своїми можливостями імітаційної моделі і дозволяє отримувати більш
точні оцінки ризику маркетингових стратегій за рахунок підвищення
адекватності математичного опису маркетингової системи [6, с. 320].
Розроблені імітаційні моделі дозволяють:
̶ включати в ринкову структуру підприємства постачальників
матеріалів і комплектуючих;
̶ врахувати цінові стратегії конкурентів;
̶ врахувати такі параметри ринку, як коефіцієнти еластичності
попиту за ціною товару, доходу споживачів і перехресної еластичності;
̶ врахувати вплив інтернет-реклами на обсяг продажів продукції за
допомогою моделі Відаля-Вольфа;
̶ побудувати модель випадкового параметра системи за
допомогою широкого спектру відомих розподілів ймовірностей (нормальний,
рівномірний, трикутний, експоненціальний, Вейбулла, Джонсона, бета, гамма
та ін.);
̶ врахувати випадковий характер будь-якого параметра системи.
Математичне сподівання, мінімальне і максимальне значення
вихідного показника визначаються за допомогою гістограми частот (або
відносних частот) розподілу, побудованої на основі результатів імітаційного
моделювання. Імовірність недосягнення заданого рівня цільового показника
обчислювалася за допомогою побудованої кривої кумулятивної ймовірності.
Ймовірності попадання цільового показника (випадкової величини) в задані
інтервали можуть бути визначені за допомогою оцінки відносної частоти
потрапляння в ці інтервали значень, отриманих в результаті моделювання.
Для розробки моделі оцінки маркетингової стійкості були
досліджені моделі оцінки стійкості компаній, пропоновані різними авторами
і специфічні маркетингові моделі [2, с. 164].
Для побудови моделі комплексної оцінки стійкості онлайн-
маркетингової стратегії за наведеними складовим – ринкова стійкість,
конкурентна стійкість і споживча стійкість – на першому етапі необхідно
визначити основні показники, на основі яких будуть розраховуватися
комплексні критерії. Для оцінки ринкової стійкості можна виділити наступні
групи показників: частка ринку компанії, рівень представленості в
соціальних мережах, кількість відвідувачів на офіційному веб-сайті, кількість
інтернет-продажів.
На другому етапі побудови тривимірної моделі необхідно врахувати
специфіку діяльності компанії, так як методика визначення багатьох
показників залежить від сфери та виду економічної діяльності компанії.
На третьому етапі необхідно визначити методику оцінки кожного
показника і розрахувати його кількісне вираження. Для цього складаються
анкети для експертних опитувань і підбираються необхідні інформаційні
джерела для розрахунку кількісних і експертних показників.
На четвертому етапі визначаються комплексні критерії, що
становлять основу запропонованої моделі. Необхідно визначити вагові
коефіцієнти для кожного показника і розрахувати значення комплексних
критеріїв, що відображають внесок складових в ризики онлайн-маркетингу
компанії.
Фактична оцінка i-го критерію стійкості за k-м показником компанії
з урахуванням вагового коефіцієнта визначається як добуток вагового
❑

коефіцієнта W ijk (∑ ❑W ik =1 ¿ і розраховується за формулою:

k

Sik =Zik∗W ik , (3)

де Zik – значення i-го критерію стійкості за k-м показником компанії.
Значення показника виражається в балах від 0 до 10, розраховується за
оцінками експертів. Якщо значення критерію виражено в натуральній,
вартісної або відносній формі, то бальні оцінки критеріїв доцільно
розраховувати, використовуючи формулу [6, с. 321]:
Pik −Pmin
ik
Zijk =T min + ,
Pik −Pmin
max
ik
(4)
( )
T max −T min
 де T min та T max – мінімальна та максимальна кількість балів, 0 та 10
відповідно. Pik , Pmin max
ik , Pik – фактичне, мінімальне і максимальне значення
показника, розраховані по групі компаній-конкурентів або за нормативними
(експертними) значеннями.
Значення комплексного i-го критерію стійкості онлайн-маркетингу
до ризиків розраховується за формулою:
n
100∗∑ ❑ S ik
k=1
Ri= n
, (5)
max
∑❑S ik
k=1

де Smax
ik =10∗W ik – максимальне або оптимальне значення i-го
критерію за k-м показником.
На п’ятому етапі визначаються інтервали комплексних показників і
оцінюється рівень стійкості при різних комплексних умовах. Для
формування рівнів стійкості в розроблюваної моделі було запропоновано
виділити три інтервалу кожного критерію, що відповідають трьом рівням
стійкості:
1) [0; 33] – нестійке становище, високий рівень ризику інтернет-
маркетингу;
2) [33; 67] – ризик зниження стійкості, середній рівень ризику
інтернет-маркетингу;
3) [67; 100] – висока стійкість, низький рівень ризику інтернет-
маркетингу [6, с. 322].
Запропонована модель дозволить визначити основний комплекс
стратегічних рішень, після оцінки яких компанія повинна визначити головні
пріоритети, розробити детальний план реалізації стратегічних рішень,
спрямованих на зниження рівня ризику онлайн-маркетингу.
Висновки. Проведене дослідження дозволило визначити
особливості імітаційного моделювання за методом Монте-Карло в контексті
оцінки ризиків цифрового маркетингу підприємства. На основі ще однієї
моделі можна визначити тип і рівень маркетингової стійкості – від
критичного становища до стійкого положення. Оціночний рівень стійкості
цифрового маркетингу компанії не тільки показує менеджерам ступінь
досягнутої стійкості в маркетинговій діяльності на даний момент, але і
дозволяє визначити основні стратегічні рішення, необхідні для закріплення
досягнутих успіхів, підвищення маркетингової стійкості і зростання стійкості
економічного розвитку компанії в стратегічній перспективі. Дані моделі
можна застосовувати для оцінки ризиків цифрового маркетингу серед певної
галузі підприємств, при цьому порівнюючи отримані значення для
формування висновків щодо найбільших та найменших ризиків цифрового
маркетингу.

Література:
1. Вітлінський В. В. Аналіз, моделювання та управління
економічним ризиком. Навч.-метод. посібник для самост. вивч. дисц. / В. В.
Вітлінський, П. І. Верченко. Київ: КНЕУ, 2010. 292 с.
2. Гайдаенко Т. А. Маркетинговое управление. Москва: Эксмо,
2008. 512 с.
3. Занора В. О. Інтернет та цифровий маркетинг: теоретичні основи.
Причорноморські економічні студії. 2018. Вип. 36(1). С. 117-120.
4. Цифровой маркетинг против традиционного: что лучше с точки
зрения окупаемости инвестиций? URL: https://o-es.ru/blog/tsifrovoj-marketing-
protiv-traditsionnogo-chto-luchshe-s-tochki-zreniya-okupaemosti-investitsij/. (дата
звернення 12.02.2021)
5. Metropolis N., Ulam S. The Monte Carlo method. J. Amer. Statistical
assoc., 1949, 44, № 247, PP. 335-341.
6. Pesikov E., Fomichev M., Zaikin O. Stochastic simulation modeling
in strategic marketing planning of manufacturing systems. Proceedings of 3
Conference Francophone de Modelisation et SImulation' Conception, Analyse et
Gestion des Systemes Industriales MOSIM'01. Troyes, France, 2001. PP. 317-324.