Багатокритеріальна оптимізація цифрового маркетингу для підприємств агропромислового комплексу на основі алгоритму NSGA-III та машинного навчання
DOI:
https://doi.org/10.15587/1729-4061.2025.332468Ключові слова:
гібридний метод, цифровий маркетинг, багатокритеріальна оптимізація, алгоритм NSGA-III, кластерний аналізАнотація
Об’єкт дослідження – процес оптимізації цифрового маркетингу для підприємств агропромислового комплексу в умовах багатокритеріальності та невизначеності. Здійснено формальну постановку задачі оптимізації маркетингових стратегій для агровиробництва із використанням генетичного алгоритму NSGA-III. Розроблено гібридний метод для розв’язання задачі багатокритеріальної оптимізації маркетингових стратегій підприємств агропромислового комплексу. Метод базується на алгоритмі NSGA-III у поєднанні з програмною бібліотекою XGBoost і адаптований до галузевих обмежень для маркетингових стратегій на аграрних ринках України та Республіки Казахстану. Це дозволяє забезпечити генерацію та інтерпретацію Парето-оптимальних стратегій з урахуванням таких критеріїв, як ефективність, охоплення, показника рентабельності інвестицій (ROI), витрати та залучення. Проведено кластерний аналіз рішень, виокремлено три характерні сценарії – збалансований, обережний і агресивний. Емпірична валідація за регресійним аналізом продемонструвала високу точність моделі, а також її здатність до екстраполяції нових рішень. Зокрема, середньоквадратична помилка на тестовій вибірці склала 0,0316 при досягнутому коефіцієнті детермінації 0,9041. Отримані результати підтверджують ефективність розробленого методу для підтримки прийняття рішень в умовах багатокритеріальності та обмежених ресурсів.
Запропонований метод був покладений в основу розробки програмного продукту, впровадженого на практиці в підприємствах агропромислового комплексу. Проте, сферою використання методу може бути діяльність й інших суб’єктів господарювання, які здійснюють розроблення маркетингових стратегій для досягнення ефективності своєї діяльності
Посилання
- Juswadi, J., Sumarna, P., Mulyati, N. S. (2020). Digital Marketing Strategy of Indonesian Agricultural Products. Proceedings of the International Conference on Agriculture, Social Sciences, Education, Technology and Health (ICASSETH 2019). https://doi.org/10.2991/assehr.k.200402.024
- Valenzuela-Hurtado, Y., Meneses-Claudio, B., Carmen-Choquehuanca, E. (2023). Elements of digital marketing and the positioning of the company INNOVA BIOTECH AGRO SAC. Salud, Ciencia y Tecnología - Serie de Conferencias, 2, 373. https://doi.org/10.56294/sctconf2023373
- Jadhav, G. G., Gaikwad, S. V., Bapat, D. (2023). A systematic literature review: digital marketing and its impact on SMEs. Journal of Indian Business Research, 15 (1), 76–91. https://doi.org/10.1108/jibr-05-2022-0129
- Saura, J. R., Ribeiro-Soriano, D., Palacios-Marqués, D. (2021). Setting B2B digital marketing in artificial intelligence-based CRMs: A review and directions for future research. Industrial Marketing Management, 98, 161–178. https://doi.org/10.1016/j.indmarman.2021.08.006
- Lima, G. C., Figueiredo, F. L., Barbieri, A. E., Seki, J. (2020). Agro 4.0: Enabling agriculture digital transformation through IoT. REVISTA CIÊNCIA AGRONÔMICA, 51 (5). https://doi.org/10.5935/1806-6690.20200100
- Martins, F. S., Fornari Junior, J. C. F., Mazieri, M. R., Gaspar, M. A. (2023). A fuzzy AHP analysis of potential criteria for initiatives in digital transformation for agribusiness. Revista de Administração Mackenzie,, 24 (1). Available at: https://www.scielo.br/j/ram/a/f4gBJmGJBDgC4HBDZQbHkKR/?format=pdf&lang=en
- Kanellos, N., Karountzos, P., Giannakopoulos, N. T., Terzi, M. C., Sakas, D. P. (2024). Digital Marketing Strategies and Profitability in the Agri-Food Industry: Resource Efficiency and Value Chains. Sustainability, 16 (14), 5889. https://doi.org/10.3390/su16145889
- Ravi, S., Rajasekaran, S. R. C. (2023). A Perspective of Digital Marketing in Rural Areas: a Literature Review. International Journal of Professional Business Review, 8 (4), e01388. https://doi.org/10.26668/businessreview/2023.v8i4.1388
- Dang, Y., Ma, H., Wang, J., Zhou, Z., Xu, Z. (2022). An Improved Multi-Objective Optimization Decision Method Using NSGA-III for a Bivariate Precision Fertilizer Applicator. Agriculture, 12 (9), 1492. https://doi.org/10.3390/agriculture12091492
- Chen, H. (2023). Enterprise marketing strategy using big data mining technology combined with XGBoost model in the new economic era. PLOS ONE, 18 (6), e0285506. https://doi.org/10.1371/journal.pone.0285506
- Chen, Z., Wang, Y., Zou, X., Wang, H. (2024). A Multi-Objective Optimization Model for Agricultural Crop Planting Strategies Using Enhanced Genetic Algorithms and Big Data Analysis. Transactions on Environment, Energy and Earth Sciences, 4, 142–152. https://doi.org/10.62051/52ckrn48
- Perera, A. T. D., Attalage, R. A., Perera, K. K. C. K., Dassanayake, V. P. C. (2013). A hybrid tool to combine multi-objective optimization and multi-criterion decision making in designing standalone hybrid energy systems. Applied Energy, 107, 412–425. https://doi.org/10.1016/j.apenergy.2013.02.049
- Yazdani, H., Baneshi, M., Yaghoubi, M. (2023). Techno-economic and environmental design of hybrid energy systems using multi-objective optimization and multi-criteria decision making methods. Energy Conversion and Management, 282, 116873. https://doi.org/10.1016/j.enconman.2023.116873
- Elkadeem, M. R., Younes, A., Sharshir, S. W., Campana, P. E., Wang, S. (2021). Sustainable siting and design optimization of hybrid renewable energy system: A geospatial multi-criteria analysis. Applied Energy, 295, 117071. https://doi.org/10.1016/j.apenergy.2021.117071
- Mazzeo, D., Baglivo, C., Matera, N., Congedo, P. M., Oliveti, G. (2020). A novel energy-economic-environmental multi-criteria decision-making in the optimization of a hybrid renewable system. Sustainable Cities and Society, 52, 101780. https://doi.org/10.1016/j.scs.2019.101780
- Ishibuchi, H., Imada, R., Setoguchi, Y., Nojima, Y. (2016). Performance comparison of NSGA-II and NSGA-III on various many-objective test problems. 2016 IEEE Congress on Evolutionary Computation (CEC). https://doi.org/10.1109/cec.2016.7744174
- Vesikar, Y., Deb, K., Blank, J. (2018). Reference Point Based NSGA-III for Preferred Solutions. 2018 IEEE Symposium Series on Computational Intelligence (SSCI). https://doi.org/10.1109/ssci.2018.8628819
- Mosa, M. A. (2025). Optimizing text classification accuracy: a hybrid strategy incorporating enhanced NSGA-II and XGBoost techniques for feature selection. Progress in Artificial Intelligence, 14 (2), 275–299. https://doi.org/10.1007/s13748-025-00365-0
- Behera, A. P., Dhawan, A., Rathinakumar, V., Bharadwaj, M., Rajput, J. S., Sethi, K. C. (2024). Optimizing time, cost, environmental impact, and client satisfaction in sustainable construction projects using LHS-NSGA-III: a multi-objective approach. Asian Journal of Civil Engineering, 26 (2), 761–776. https://doi.org/10.1007/s42107-024-01221-7
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Olena Kryvoruchko, Zhansaya Abildaeva, Valeriia Lakhno, Mykola Tsiutsiura, Svitlana Tsiutsiura, Anna Kharchenko, Mykola Kolbasin
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
