Tel: +998977838464

№ 9 (2026)
Marketing

Научные статьи

СОВЕРШЕНСТВОВАНИЕ МЕТОДОЛОГИИ МАРКЕТИНГОВЫХ СТРАТЕГИЙ ВЫСШИХ ОБРАЗОВАТЕЛЬНЫХ УЧРЕЖДЕНИЙ НА ОСНОВЕ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

DOI 10.67668/mj/2026iss9/1982 Страницы 327-336

Опубликован 2026-09-07

Авторы
Аблатдинов Султанбек
Организация
Ташкентский государственный экономический университет image/svg+xml
Marketing jurnali — 2026-yil sentabr, 9-son
PDF Google Scholar Google Scholar

Аннотация

В статье предложена индексная методика оценки готовности высших образовательных учреждений (ВОУ) к интеграции генеративного искусственного интеллекта в маркетинговые стратегии. На основе синтеза литературы Scopus и Web of Science сконструирован индекс ИГВИМ, включающий шесть компонент: организационную готовность, зрелость данных и CRM, архитектуру контента и GEO, разговорный слой, этическое управление и систему измерений. Веса компонент получены методом анализа иерархий; отношение согласованности матрицы составило CR = 0,002. Разработан опросный инструментарий из 24 утверждений по шкале Лайкерта. Расчётная часть включает нормализацию оценок, построение композитного индекса, анализ чувствительности и компонентных разрывов. Демонстрация методики выполнена на четырёх типологических профилях вузов. Показано, что ведущие профили уже вышли на продвинутый уровень готовности, а основные резервы дальнейшего роста сосредоточены в контент-архитектуре GEO и системе измерений.

Ключевые слова

генеративный ИИ, GEO, индекс готовности, метод анализа иерархий, опросный инструментарий

Библиографические ссылки

  1. Aggarwal P. et al. GEO: Generative engine optimization //Proceedings of the 30th ACM SIGKDD conference on knowledge discovery and data mining. - 2024. - С. 5-16
  2. Al-Dmour H. et al. Transforming international student recruitment: The role of AI, personalization, and trust in Jordanian higher education //Journal of International Students. - 2025. - Т. 15. - №. 8. - С. 25-52
  3. Arora N., Chakraborty I., Nishimura Y. AI-human hybrids for marketing research: Leveraging large language models (LLMs) as collaborators //Journal of Marketing. - 2025. - Т. 89. - №. 2. - С. 43-70
  4. Devlin J. et al. Bert: Pre-training of deep bidirectional transformers for language understanding //Proceedings of the 2019 conference of the North American chapter of the association for computational linguistics: human language technologies, volume 1 (long and short papers). - 2019. - С. 4171-4186
  5. Kshetri N. et al. Generative artificial intelligence in marketing: Applications, opportunities, challenges, and research agenda //International journal of information management. - 2024. - Т. 75. - С. 102716
  6. Huang M. H., Rust R. T. A strategic framework for artificial intelligence in marketing //Journal of the academy of marketing science. - 2021. - Т. 49. - №. 1. - С. 30-50
  7. Kuleto V. et al. Exploring opportunities and challenges of artificial intelligence and machine learning in higher education institutions //Sustainability. - 2021. - Т. 13. - №. 18. - С. 10424
  8. Labadze L., Grigolia M., Machaidze L. Role of AI chatbots in education: systematic literature review //International journal of Educational Technology in Higher education. - 2023. - Т. 20. - №. 1. - С. 56
  9. Noy S., Zhang W. Experimental evidence on the productivity effects of generative artificial intelligence //Science. - 2023. - Т. 381. - №. 6654. - С. 187-192
  10. Osmani Z., Althonayan A. AI-Driven Digital Transformation in HE Marketing: Opportunities and Challenges in Student Recruitment //International Conference on Intelligence-Based Transformations of Technology and Business Trends. - Cham : Springer Nature Switzerland, 2025. - С. 504-513
  11. Zawacki-Richter O. et al. Systematic review of research on artificial intelligence applications in higher education-where are the educators? //International journal of educational technology in higher education. - 2019. - Т. 16. - №. 1. - С. 39

Скачивания

Данные скачивания пока недоступны.