ТЕОРЕТИЧНИ ПАРАДИГМИ
И ЕМПИРИЧНИ ИЗМЕРЕНИЯ НА ПОТРЕБИТЕЛСКИТЕ НАГЛАСИ КЪМ INSURTECH В БЪЛГАРИЯ
РЕЗЮМЕ
Застрахователната индустрия претърпява една от най-осезаемите и съществени трансформации в системен, глобален и исторически план. Протичащата парадигмална революция в застраховането е свързана с имплементиране на иновативни за застрахователните компании технологии в лицето на т.нар. „InsurTech“. Целта на настоящото научно изследване е проучване на същността и спецификите на InsurTech (обект), както и потенциала и нагласите на потребителите на застрахователните услуги (ФЛ) за тяхното ...
РЕЗЮМЕ
Застрахователната индустрия претърпява една от най-осезаемите и съществени трансформации в системен, глобален и исторически план. Протичащата парадигмална революция в застраховането е свързана с имплементиране на иновативни за застрахователните компании технологии в лицето на т.нар. „InsurTech“. Целта на настоящото научно изследване е проучване на същността и спецификите на InsurTech (обект), както и потенциала и нагласите на потребителите на застрахователните услуги (ФЛ) за тяхното използване в България (предмет). InsurTech иновациите се утвърждават като критичен императив за устойчивостта и конкурентоспособността на застрахователния сектор в България. Изследването доказва, че технологичната трансформация е единственият ефективен механизъм за синхронизиране между нарастващите изисквания на потребителите за скорост, персонали¬зация и сигурност на заст¬ра-хователните услуги, от една страна, и стратегическата нужда на компаниите от оптимизация на разходите и ресурсите, от друга. В този смисъл InsurTech не е просто алтернативен канал, а необратим еволюционен процес – фундаментална основа за реорганизация на бизнес процесите и дългосрочното стратегическо развитие на застрахователната индустрия у нас.
СЪДЪРЖАНИЕ
Списък на фигурите 7
Списък на таблиците 9
Списък на използвани съкращения 10
Въведение 11
1. InsurTech между Индустрия 4.0 и бъдещето на застраховането 15
1.1. Литературно ревю 15
1.2. Резултати и дискусия 33
1.3. Обобщение 37
2. InsurТech: Библиометричен анализ 38
2.1. Метериали и методологогия за провеждане на изследване, основано на библиометрична визуализация 38
2.2. Резултати и дискусия 42
2.3. Обобщение 63
3. InsurТech (секторът) в България 65
3.1. InsurТech компаниите в България 65
3.2. Тенденции във финансирането на InsurТech в България 79
3.3. Обобщение 85
4. Анализ и оценка на информираността и нагласите на потребителите на застрахователни услуги (ФЛ) относно използването на InsurTech в България 87
4.1. Обща информация и параметри на проведеното анкетно проучване 87
4.2. Представяне на резултатите и анализ на отговорите от анкетното
проучване 90
4.3. Обобщение 115
Заключение 118
Цитирани източници 121
Приложения 139
ТУРОПЕРАТОРСТВО, БАЗИРАНО НА ИНОВАЦИИ: НОВИ ПОДХОДИ И ПЕРСПЕКТИВИ В СЪВРЕМЕННИЯ ТУРИСТИЧЕСКИ МЕНИДЖМЪНТ
РЕЗЮМЕ
Настоящата монография разглежда трансформацията на туроператорската дейност в условията на дигитализация, променящи се потребителски предпочитания и засилен натиск за устойчивост на туристическите услуги. Фокусът е поставен върху разработване и апробиране на модел за оценка и усъвършенстване ефективността на иновациите в туристическите предприятия, извършващи туроператорска дейност. Анализира се ролята на технологични решения като изкуствен интелект, големи данни и дигитални платформи ...
РЕЗЮМЕ
Настоящата монография разглежда трансформацията на туроператорската дейност в условията на дигитализация, променящи се потребителски предпочитания и засилен натиск за устойчивост на туристическите услуги. Фокусът е поставен върху разработване и апробиране на модел за оценка и усъвършенстване ефективността на иновациите в туристическите предприятия, извършващи туроператорска дейност. Анализира се ролята на технологични решения като изкуствен интелект, големи данни и дигитални платформи за персонализиране на туристическите услуги и повишаване на конкурентоспособността на туроператорите. Изследването стъпва върху смесен методологичен подход (анкетно проучване, интервюта и регресионен анализ), като теоретичната основа се подкрепя от утвърдени модели за възприемане и дифузия на иновациите. Получените резултати показват, че прилагането на иновации и дигитални технологии в туроператорската дейност допринася за повишаване на ефективността, подобряване на обслужването и създаване на по-висока степен на персонализация на туристическите услуги. Установява се, че целенасоченото управление на иновационните про¬цеси води до по-добро позициониране и засилване на конкурентоспособността на туроператорите в динамичната пазарна среда.
СЪДЪРЖАНИЕ
ВЪВЕДЕНИЕ 11
ГЛАВА I: ИНОВАЦИИТЕ В ТУРОПЕРАТОРСКАТА ДЕЙНОСТ
И СЪВРЕМЕННИЯ МЕНИДЖМЪНТ НА ТУРИЗМА 17
1.1. Роля на туроператорите в туристическата индустрия 17
1.2. Концептуална рамка на иновациите в управлението
на туризма 31
1.2.1. Определение и класификация на иновациите 31
1.2.2. Дигитална трансформация: AI, големи данни, блокчейн
и тяхното влияние върху туроператорските операции 44
1.3. Иновативни подходи в модерното туропериране 53
1.4. Модел на туроператорство, базирано на иновации 82
ГЛАВА II. ИНТЕГРИРАН ПОДХОД ЗА ОЦЕНКА
НА ИНОВАЦИИТЕ В ТУРОПЕРАТОРСКАТА ДЕЙНОСТ 91
2.1. Дизайн и обосновка на изследването 91
2.2. Методи за събиране на данни при оценка на иновациите в туроператорската дейност 99
2.3. Теоретични модели за приемане на иновации 108
2.3.1. Модел за разпространение на иновациите (Diffusion of Innovations – DOI) на Роджърс 108
2.3.2. Модел за приемане на технологии (Technology Acceptance Model –TAM) 114
2.4. Аналитични техники 123
2.5. Валидност, надеждност и ограничения на изследването 137
ГЛАВА III: ТУРОПЕРАТОРСТВО, БАЗИРАНО НА ИНОВАЦИИ
ПО ПРИМЕРА НА АМАВИ ТРАВEЛ ЕООД 140
3.1. Анализ на Модела на туроператорство, базирано на иновации,
в Amavi Travel 142
3.2. Изследване и оценка на ефективността на иновациите
в Amavi Travel 151
3.3. Възможности за усъвършенстване на иновационните
стратегии в сектора 179
ЗАКЛЮЧЕНИЕ 189
ЦИТИРАНА И ИЗПОЛЗВАНА ЛИТЕРАТУРА 192
ПРИЛОЖЕНИЯ 223
ПРИЛОЖЕНИЕ 1. АНКЕТНА КАРТА КЪМ СЛУЖИТЕЛИТЕ 223
ПРИЛОЖЕНИЕ 2. АНКЕТНА КАРТА КЪМ ПОТРЕБИТЕЛИТЕ 226
ПОЖИЗНЕНАТА СТОЙНОСТ НА КЛИЕНТА
(Концептуални, методологични и приложни аспекти)
РЕЗЮМЕ
Монографията представя цялостен теоретичен, методологичен и приложен анализ на пожизнената стойност на клиента (Customer Lifetime Value, CLV) като стратегически показател и аналитична рамка в съвременния маркетинг. Трудът систематизира еволюцията на концепцията от нейните икономически и поведенчески корени до съвременните модели, базирани на машинно обучение и бейсовски методи. Разработена е интегрирана методологична рамка, включваща детерминистични, вероятностни, предиктивни и хибридни ...
РЕЗЮМЕ
Монографията представя цялостен теоретичен, методологичен и приложен анализ на пожизнената стойност на клиента (Customer Lifetime Value, CLV) като стратегически показател и аналитична рамка в съвременния маркетинг. Трудът систематизира еволюцията на концепцията от нейните икономически и поведенчески корени до съвременните модели, базирани на машинно обучение и бейсовски методи. Разработена е интегрирана методологична рамка, включваща детерминистични, вероятностни, предиктивни и хибридни подходи за моделиране и прогнозиране на CLV.
В приложната част са представени работещи прототипи на модели, реализирани в средата на R – вероятностен модел BG/NBD, ML-базирани регресионни и ансамблови модели, както и бейсовски модел, апробиран върху емпиричен пуб-лично достъпен набор от данни. Чрез детайлен сравнителен анализ по точност, надеждност и интерпретируемост се демонстрира ефективността на различните аналитични парадигми.
Монографията утвърждава CLV като ключов индикатор за клиентска стойност, устойчив растеж и стратегическа ефективност. Тя предлага хибридна аналитична рамка, която обединява статистическите и алгоритмичните подходи и очертава перспективите за интегриране на изкуствения интелект в маркетинговата аналитика.
Съдържание
0. Въведение 17
0.1. Пожизнената стойност на клиента в контекста на стратегическия маркетинг и управлението на взаимоотношенията с клиенти 18
0.2. CLV в среда на повсеместна цифровизация и клиентоцентрични бизнес модели 19
0.3. Влияние на машинното обучение върху моделирането на пожизнената стойност на клиента 21
0.4. Претенции за новаторство 24
0.5. Обект, предмет и обхват на изследване 26
Обект на изследването 26
Предмет на изследването 26
Обхват на изследването 27
0.6. Цели, задачи и изследователски хипотези 27
Основна изследователска цел на изследването 28
Подцели и задачи 28
Изследователски хипотези 29
1. Същност и икономическо логика на концепцията за CLV 29
1.1 Дефиниране на понятието 29
1.2. Еволюция на концепцията в контекста на маркетинговата наука 33
1.3. Стратегическата роля на пожизнената стойност на клиента в управлението на взаимоотношенията с клиентите, клиентската сегментация и маркетинговото бюджетиране 38
1.3.1. CLV като основа за клиентска сегментация и таргетиране 38
1.3.2. CLV в маркетинговото бюджетиране и разпределение на ресурсите 39
1.3.3. CLV като индикатор за управление на маркетинговата ефективност и стратегическото целеполагане 39
1.4. Ключови показатели, свързани с пожизнената стойност на клиента 40
1.4.1. Разход за придобиване на клиент 41
1.4.2. Разходи за задържане на клиенти и тяхната възвръщаемост 41
1.4.3. Марж на клиента 41
1.4.4 Възвръщаемост на инвестицията 42
1.4.5. Клиентски капитал 42
1.4.6. Реферална стойност на клиента 43
1.5. Методологични подходи за оценяване и прогнозиране на пожизнената стойност на клиента 43
1.5.1. Детерминистични подходи 44
1.5.2. Вероятностни (стохастични) подходи 45
1.5.3. Предиктивни (базирани на машинно обучение) подходи 47
1.5.4. Хибридни и ситуационни подходи 50
1.6. Етични и управленски съображения при използването на CLV 51
1.6.1. Комодификация на клиентите и последствия за взаимоотношенията 51
1.6.2. Поверителност, право на личен избор и доверие 52
1.6.3. Прозрачност, интерпретируемост и управленска отчетност 52
1.6.4. Баланс между ефективност и етика 52
2. Типология на моделите за оценяване на пожизнената стойност на клиента 53
2.1. Детерминистични модели 54
2.1.1. Концептуални и методологични корени 54
2.1.2. Изисквания към данните и предпоставки 55
2.1.3. Предимства и ограничения на детерминистичните модели 55
2.1.4. Типични приложения и индустриални практики 56
2.2. Евристични модели 58
2.2.1. Теоретичен контекст и концептуални основи на RFM моделите 58
2.2.2. Разширени евристични методи, базирани на правила 60
2.2.3. Предимства и ограничения на евристичните модели 60
2.2.4. Типични приложения и индустриални практики 61
2.3. Вероятностни (стохастични) модели 61
2.3.1. Теоретични основи и исторически контекст 61
2.3.2. Основни модели от типа „Buy-Till-You-Die“ 62
2.3.3. Предимства и ограничения на вероятностните модели 66
2.3.4. Случаи на използване в реалната бизнес практика 68
2.3.5. Обобщение и сравнителен анализ на Pareto/NBD и BG/NBD 69
2.4. Модели, базирани на машинно обучение 71
2.4.1. Исторически и теоретични корени 72
2.4.2. Развитие на методологиите: от регресия до невронни мрежи 72
2.4.3. Принципи на ML-CLV моделирането 75
2.4.4. Предимства и ограничения на ML-базираните CLV модели 76
2.4.5. Приложения, индустриални сценарии и ефективност 79
2.5. Модели, базирани на дълбоки невронни мрежи 81
2.5.1. Същност и концептуални основи 81
2.5.2. Изисквания към данните 83
2.5.3. Предимства и ограничения на DNN-CLV моделирането 84
2.5.4. Условия за прилагане в бизнес контекст 87
2.5.5. Иновативни и перспективни разработки 89
2.5.6. Софтуерни инструменти и библиотеки 90
2.6. Хибридни и ансамблови модели 90
2.6.1. Форми на хибридното моделиране 91
2.6.2. Предимства и ограничения на хибридните модели 93
2.6.3. Условия за прилагане в бизнес контекст 94
2.6.4. Софтуерни инструменти и библиотеки 96
2.7. Съображения при избиране на подход за моделиране на CLV 97
3. Пожизнена стойност на клиента в договорни и извъндоговорни условия 108
3.1. Типология на клиентските взаимоотношения 109
3.2. Наблюдаемост на отпадането и влиянието му върху моделирането
на CLV 110
3.3. Подходи за моделиране на CLV в недоговорни условия 111
3.3.1. Вероятностни модели за непрекъснат процес на купуване 111
3.3.2. Вероятностни модели за дискретни и периодични повторни
покупки 112
3.3.3. Оценяване на паричната стойност на клиента 112
3.3.4. Модели, базирани на машинно обучение 113
3.4. Подходи към моделиране на CLV в договорни условия 115
3.4.1. Анализ на оцеляването и моделиране на отпадането 116
3.4.2. Модели за прогнозиране на отпадането в периоди на подновяване 117
3.4.3. Прогнозиране на приходите в договорен контекст 118
3.5. Типични случаи на използване на CLV модели в договорни и извъндоговорни взаимоотношения с клиентите 119
4. Методологична рамка за моделиране на пожизнената стойност на клиента 126
4.1. Компоненти на моделите на CLV 127
4.1.1. Оперативен компонент 129
4.1.2. Потенциален компонент 130
4.1.3. Отношенчески компонент 132
4.1.4. Контекстуален компонент 133
4.2. Основни допускания при моделирането на пожизнената стойност на клиента 134
4.2.1. Независимост на събитията, свързани с покупки 134
4.2.2. Стационарност и времева инвариантност 135
4.2.3. Хетерогенност между клиентите 135
4.2.4. Гранулярност и достатъчност на данните 136
4.3. Предизвикателства при подготовката и предварителната обработка на данните 136
4.3.1. Разреденост на трансакционните данни 136
4.3.2. Ефекти от орязване и цензуриране 137
4.3.3. Изтичане на информация (Data leakage) 138
4.3.4. Кохортни и периодни ефекти 138
4.3.5. Проблем на „студеното стартиране“ 139
4.4. Показатели за оценяване и сравняване на CLV модели 139
4.4.1. Показатели за точност на прогнозата (MAE, RMSE, MAPE, R²) 139
4.4.2. Показатели за ефективност на ранжирането и класифицирането 140
4.4.3. Показатели, базирани на възвръщаемостта и печалбата 141
4.4.4. Калибриране на прогнозните оценки 142
4.4.5. Интерпретируемост и прозрачност 143
4.5. Методологични предизвикателства и непълно проучени области 144
4.5.1. Сезонност и други времеви закономерности 145
4.5.2. Хетерогенност в дисконтовите ставки и други финансови
допускания 146
4.5.3. Вариращи във времето ковариати и динамика в поведението на клиента 146
4.5.4. Ефекти на удовлетвореността, настроението и преживяването на клиента 147
4.5.5. Автоматизация и моделиране на CLV в реално време 148
4.6. Нововъзникващи и потенциални области на изследване 150
4.6.1. Бейсовско калибриране и йерархични бейсовски методи 150
4.6.2. Темпорално вграждане и дълбоко обучение 152
4.6.3. Разширен анализ на оцеляването 152
4.6.4. Каузално инкрементално (uplift) моделиране за оптимизация на
CLV 153
4.6.5. Перспективни теоретични доработки и обединяващи рамки 154
5. Прототипиране на приложни модели за прогнозиране на пожизнената стойност на клиента 157
5.1. Подготовка на данните и конструиране на признаци 158
5.1.1. Давност, честота и парична стойност (RFM) 158
5.1.2. Срок на ползване и продължителност на взаимоотношенията 161
5.1.3. Кохортен анализ и признаци, базирани на кохорти 162
5.1.4. Признаци, базирани на секвенции в поведението на клиента 165
5.2. Прототип на вероятностен BG/NBD модел 169
5.2.1. Допускания и структура на BG/NBD модела 171
5.2.2. Конструиране на вероятностен модел на ниво клиент 172
5.2.3. Интегриране на хетерогенността между клиентите в модела 174
5.2.4. Калибриране, оценяване и валидиране на BG/NBD модел 175
5.2.5. Сравнение между BG/NBD с Pareto/NBD и други варианти на
модели 187
5.2.6. Въвеждане на парична компонента (Gamma-Gamma) и
дисконтиране 189
5.2.7. Прогнозиране с BG/NBD модели 193
5.2.8. Синопсис на вероятностните модели 219
5.3. Прототип на машинно обучаван CLV модел 219
5.3.1. Предимства и ограничения при моделирането на CLV с методи
за ML 220
5.3.2. Основни методи и алгоритми за ML при прогнозиране на CLV 222
5.3.3. Процедура за моделиране на CLV с ML 228
5.3.4. Прогнозиране с ML-модели 248
5.3.5. Сравнителен анализ на резултатите 251
5.4. Прототип на бейсовски CLV модел 255
5.4.1. Постановка на проблема и мотивация 256
5.4.2. Бейсовски подход към оценяването на CLV 257
5.4.3. Генеративна структура на основния модел 257
5.4.4. Стратегии, методи и алгоритми за оценяване на бейсовски
CLV модел 258
5.4.5. Бейсовско оценяване и прогнозиране на CLV 262
5.5. Сравнение на бейсовския модел с референтен вероятностен и ML-базиран модели 277
5.5.1 Анализ на съгласуваността на прогнозните резултати 281
5.5.2. Визуална инспекция на съгласуваността на прогнозните резултати 284
5.5.3. Валидност и надеждност на апробираните модели 286
Синопсис и дискусия 290
Синтез на резултатите 290
Сравнителен анализ по ключови измерения 290
Перспективни методологични импликации и хибридна рамка 292
Рефлексивен епилог: пожизнената стойност на клиента в епохата на изкуствения интелект и аналитичния капитализъм 293
Цитирани източници 296
