Сегодня мы можем говорить о больших изменениях в образовании. В последние годы рынок образовательных услуг развивался и продолжает расти. В этой области возникла конкурентная среда, начали действовать законы рыночной экономики, а требования и ожидания целевых групп значительно изменились [1]. Все эти факторы обусловливают необходимость организовывать и проводить маркетинговые и рекламные мероприятия в образовательных учреждениях. С каждым годом растет потребность университетов создавать специальные подразделения для развития и продвижения образовательных услуг.
Российские университеты стали уделять более пристальное внимание проблемам управления репутацией, формирования бренда образовательного учреждения. Университеты более интенсивно задействуют как традиционные (реклама, PR), так и новые инструменты продвижения бренда в конкурентной среде [2]. Становление глобального рынка образовательных услуг выводит конкуренцию между университетами на новый – глобальный – уровень. Конкуренция в сфере высшего образования на индивидуальном и институциональном уровнях связана с наличием «победителей» и «проигравших», что подразумевает существование и дальнейшее развитие неравенства между университетами, национальными системами высшего образования, формирование иерархии среди университетов, выделением категории университетов мирового класса [3].
Любая маркетинговая стратегия вуза реализуется посредством коммуникаций. Комплекс маркетинговых коммуникаций включает связи с общественностью, рекламу в средствах массовой информации, директ-маркетинг, личные продажи и стимулирование сбыта [4]. При разработке коммуникационных инструментов первостепенное значение имеет выявление целевой аудитории. Все дальнейшие действия являются производными, поскольку выбор формы и содержания обращения, а также каналов его распространения напрямую зависят от потребителя данного обращения.
В комплексе маркетинговых коммуникаций реклама занимает центральное место в большинстве российских университетов. С их помощью создаются благоприятные условия для успеха образовательной организации на соответствующем рынке (или в его сегменте) и, следовательно, для увеличения отдачи вложенных в маркетинг средств. Кроме того, можно многое сказать про образовательную организацию и предлагаемые ею услуги в зависимости от уровня рекламы [5].
Цель исследования: разработать прототип модели, которую можно использовать для компьютерных экспериментов для оценки влияния рекламы на количество абитуриентов, привлеченных в вуз с использованием агент-ориентированного подхода.
Материалы и методы исследования
Информационные технологии играют все более важную роль, вычислительная среда может изменить традиционную коммуникационную модель рекламы «один ко многим». Компьютерное моделирование предоставляет маркетологам более подробное представление о предпочтениях каждого клиента для управления разработкой продукта и маркетинговой стратегией. Использование технологии компьютерного моделирования для рекламных исследований имеет целью повышение эффективности традиционных методов рекламы [6]. Разрабатывая имитационную модель, можно получить представление о возможных последствиях управленческих решений для рекламной кампании. С помощью имитационного моделирования можно сократить расходы на рекламу, оценить и оптимизировать текущее состояние компании [7].
С.Э. Аршба описала проблему оптимального набора параметров использования рекламных материалов, использование методов моделирования при оценке эффективности стратегии рекламной кампании и продвижение продукта интернет-компании с помощью метода системной динамики и агентного моделирования. Он исследовал две модели агентной методологии и системной динамики. Предложенные автором модели позволили представить структуру внешних данных системы, эффективно оценить и оптимизировать рыночную стратегию, а также спрогнозировать состояние выбранной предметной области в контексте различных вероятностных изменений [8].
Е.А. Березовская представила динамическую имитационную модель с учетом задач оптимальных продолжительности и объема использования рекламных материалов для продвижения продукта интернет-компании, дающую возможность проводить компьютерные эксперименты для выбора оптимального сочетания методов рекламы при условии минимизации затрат на их реализацию [9].
Ю.С. Пономаренко разработал модель и механизм управления рекламной деятельностью университета, определил источники информации, которые будущие студенты будут использовать при выборе места обучения и основные особенности, важные при выборе вуза. Он предложил модель и механизмы для управления продвижением университетов, которые отражали этапы рекламной деятельности университета, факторы выбора университета, механизмы управления рекламной деятельностью вуза и программу улучшения продвижения. На основании изучения потребительских предпочтений было выявлено множество факторов, влияющих на эффективность рекламных материалов при выборе вуза. На этой основе были разработаны модель и механизмы контроля рекламной деятельности, с помощью которых можно улучшить рекламную политику вуза [10].
О.Ю. Шилова представила имитационную модель для оптимизации рекламных расходов и прогнозирования поведения соискателей. Модель, реализованная с помощью инструментов моделирования, позволила предоставить индикаторы, по которым количество соискателей может быть увеличено и при которых их количество остается на том же уровне (т.е. уменьшение затраченных средств не влияет на уменьшение количества соискателей). А также она указала факторы, которые имеют наибольшее влияние на выбор соискателя. Эти данные могут быть использованы кадровым персоналом для оптимизации работы, привлечения большего количества потенциальных кандидатов и создания положительного имиджа [11].
А.В. Прохоров исследует относительно новые возможности для образовательных учреждений по продвижению собственного бренда и услуг, предлагаемых посредством событийной коммуникации и социальных сервисов, реализуемых посредством специальных событий, которые можно рассматривать как единицу событийного маркетинга. Обоснован достаточно высокий потенциал специальных мероприятий для создания положительного имиджа, позиционирования учебного заведения, продвижения образовательных услуг и продвижения бренда вуза. Информационная поддержка специальных событий может быть предоставлена социальными сервисами совместно с традиционными СМИ, ориентированными на целевую аудиторию. Подчеркивает преимущества продвижения путем событийной коммуникации при относительно низких затратах [12].
Алгоритмы работы рекламной кампании вуза и алгоритм влияния рекламы на выбор вуза абитуриентом с применением агент-ориентированного подхода имитационного моделирования ранее не были подробно рассмотрены. Агент-ориентированное моделирование – это подход к имитационному анализу социально-экономических систем, в соответствии с которым систему можно представить как серию взаимодействующих агентных подсистем. Определяя сценарии их взаимодействия и моделируя поведение отдельных элементов системы, мы можем исследовать поведенческие модели глобальной системы и анализировать ее свойства [13]. Можно использовать эту модель для воспроизведения различных сценариев поведения агентов. Использование агент-ориентированного подхода создает реальный механизм продвижения, развития и прогнозной оценки эффективности затрат на рекламу.
Результаты исследования и их обсуждение
Представим рынок в виде популяции динамических агентов «Абитуриент», взаимодействующих со статическими агентами «Вуз».
Агент «Абитуриент» – житель региона, окончивший 11 класс, описывается такими характеристиками, как: 1) список вузов; 2) реклама; 3) выбранный вуз; 4) номер абитуриента.
1. Список вузов образовательной системы региона, куда может поступить абитуриент. Он ранжируется в соответствии с рейтингом вузов.
2. Реклама – массив, содержащий список вузов, рекламу которых заметил абитуриент.
3. Вуз, в который абитуриент будет подавать документы для поступления. Определяется путем случайного выбора из элементов массива «Список специальностей».
4. Порядковый номер абитуриента в популяции, для обращения к нему в модели.
Агент «Вуз» – вуз региона, описан такими характеристиками, как: 1) название вуза; 2) рейтинг вуза; 3) затраты на рекламу; 4) номер вуза.
1. Название вуза, осуществляющего обучение в регионе.
2. Рейтинг вуза. Может быть присвоен на основе показателей рейтинговых агентств либо количества поступивших абитуриентов на прошлый период.
3. Затраты на рекламу. Показатель, отражающий денежные затраты на рекламную кампанию в вузе.
4. Порядковый номер вуза в популяции, для обращения к нему в модели.
Рис. 1. Диаграмма состояний агента «Вуз»
В начале происходит инициализация переменных агента непосредственно в начале моделирования. Из популяции агентов «Абитуриент» выбирается случайный агент n. Следующим шагом происходит добавление номера данного агента популяции «Вуз» id в массив «реклама» выбранного агента n. Далее идет проверка, закончилась ли приемная кампания. Если да, то агент прекращает алгоритм, иначе алгоритм повторяется заново. Частота, с которой будет повторяться алгоритм, зависит от параметра «затраты на рекламу» данного агента популяции «Вуз» и прямо пропорциональна ему. То есть чем больше затраты на рекламу, тем чаще ее видит абитуриент. При повторной работе алгоритма могут выбираться разные абитуриенты, но может выбираться тот же самый абитуриент n из прошлой итерации, в таком случае в массиве «реклама» абитуриента n будет добавлен id вуза повторно.
Рис. 2. Диаграмма состояний агента «Абитуриент»
В начале происходит инициализация переменных агента непосредственно в начале моделирования. Далее формируется список вузов из популяции «Вуз», ранжированной по параметру «рейтинг». Далее идет перебор по элементам массива «реклама». Элемент массива – это номер вуза, рекламу которого «заметил» данный агент. Этот номер сопоставляется с номерами вузов из ранее сформированного списка. У вуза, которому принадлежит такой номер, увеличивается параметр «рейтинг» на определенную величину. Далее идет проверка, наступил ли конец массива «реклама». Если нет, то происходит дальнейший перебор элемента и повтор алгоритма. Номер одного и того же вуза может встречаться несколько раз и, соответственно, столько же раз будет увеличен его рейтинг. При окончании массива абитуриент выбирает вуз для поступления из общего списка случайным образом, причем вероятность выбора вуза зависит от его параметра «рейтинг». То есть чем выше параметр «рейтинг» определенного вуза, тем выше вероятность того, что из списка вузов для поступления абитуриент выберет именно этот. Таким образом реклама, влияя на параметр рейтинга вуза, влияет на вероятность его выбора абитуриентами.
Был разработан прототип новой АОМ, в котором добавлена возможность варьирования уровня затрат на рекламу вуза. Были проведены серии экспериментов, в которых варьировался показатель затрат на рекламу у трех вузов. В качестве результата в экспериментах рассматривалось число абитуриентов, выбравших для поступления один из трех вузов из общего числа абитуриентов 15000.
Таблица 1
Эксперимент 1 – одинаковые затраты на рекламу у всех вузов
|
Номер вуза |
Условные затраты на рекламу |
Число поступивших абитуриентов |
|
1 |
100 |
4989 |
|
2 |
100 |
5007 |
|
3 |
100 |
5004 |
Таблица 2
Эксперимент 2 – повышение затрат на рекламу у вузов № 2 и № 3
|
Номер вуза |
Условные затраты на рекламу |
Число поступивших абитуриентов |
|
1 |
100 |
4011 |
|
2 |
125 |
4997 |
|
3 |
150 |
5992 |
Анализ результатов апробации показал, что представленная конструкция агент-ориентированной модели, несмотря на условность данного примера, обеспечивает адекватную реакцию модели на изменение уровня затрат на рекламу. По мере повышения затрат на рекламу у определенных вузов в ходе компьютерных экспериментов модель демонстрировала возрастающее число абитуриентов, выбирающих для поступления эти вузы.
Заключение
Разработанная модель может быть внедрена в полноценную модель рынка образовательных услуг. Кроме того, возможно дальнейшее развитие модели путем разделения способов рекламы на такие, как интернет-реклама, агитация выпускников, участие в выставках и т.д., и каждый из способов рекламы будет влиять на рейтинг вуза по-разному.
Данное исследование выполнено в рамках государственного задания УФИЦ РАН № 075-01211-20-01 на 2020 г.