Для цитирования:
Трегубов В. Н., Славнецкова Л. В. Использование генеративного искусственного интеллекта для моделирования омниканальной торговой системы // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2026. Т. 26, вып. 3. С. 260-271. DOI: 10.18500/1994-2540-2026-26-3-260-271, EDN: DTXWGM
Использование генеративного искусственного интеллекта для моделирования омниканальной торговой системы
Введение. В статье авторами выполнена систематизация актуальных научных исследований в сфере омниканальной торговли. Проведенный анализ показывает, что в современных условиях высокой конкуренции, чтобы оставаться по привлекательности на одном уровне с маркетплейсами, розничные магазины должны менять свою торговую политику и максимально удовлетворять ожиданиям покупателей, подстраивая свою деятельность под требования современного рынка. Теоретический анализ. Аналитический обзор актуальных публикаций позволяет авторам выделить ключевые области научных исследований и определить перспективные направления их дальнейшего развития. Авторами рассмотрена трансформация бизнес-моделей торговых организаций, формирование новых ключевых метрик оценки эффективности торгового бизнеса, методы интеграции онлайн- и офлайн-каналов, оптимизация методов доставки товаров на различных этапах логистического цикла и методы управления товарными запасами. Эмпирический анализ. Для создания информационной системы омниканального ритейла ключевым этапом выступает декомпозиция системы на отдельные классы. Модель предметной области отображается визуальным представлением данных классов или объектов, выраженных в терминах, соответствующих конкретной области знаний. Авторами с использованием технологий искусственного интеллекта разработана модель цифровой трансформации торговой системы для омниканальной торговли, обеспечивающая персонализацию и улучшение клиентского опыта. Результаты. В практической части выполнено проектирование информационной системы для «Универмага будущего». Представлена диаграмма классов, разработанная с использованием генеративного искусственного интеллекта. Она визуализирует архитектуру единой омниканальной платформы, внутри которой объединяются и синхронизируются все каналы продаж. В дальнейшем разработанная диаграмма классов может послужить основой для создания единой платформы, обеспечивающей бесшовный клиентский опыт в омниканальной системе.
- Norton M. What do customers really want? // Mapping out marketing / ed. by R. Hill, C. Lamberton, J. Swartz. Abingdon, Oxon ; New York, NY : Routledge, 2018. С. 97–98.
- Трегубов В. Н., Славнецкова Л. В. Перспективные направления и мегатренды развития логистических технологий в будущем // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2025. Т. 25, вып. 2. С. 164–172. https://doi.org/10.18500/1994-2540-2025-25-2-164-172, EDN: OONOWY
- Король М. И. Омниканальная модель в FMCG: unit-экономика перехода из офлайна в онлайн // Journal of Monetary Economics and Management. 2025. № 8. С. 321–325. https://doi.org/10.26118/2782-4586.2025.53.36.092, EDN: OZUYRW
- Углов Д. А. Преимущества омниканальной стратегии развития электронной торговли в продуктовом ритейле // Экономика, предпринимательство и право. 2023. Т. 13, № 12. С. 5563–5580. https://doi.org/10.18334/epp.13.12.120222, EDN: YUACWE
- Lin X., Zhou Y.-W., Hou R. Impact of a “Buy-online-and pickup-in-store” channel on price and quality decisions in a supply chain // European Journal of Operational Research. 2021. Vol. 294, iss. 3. P. 922–935. https://doi.org/10.1016/j.ejor.2020.03.064
- Park J., Dayarian I., Montreuil B. Showcasing optimi zation in omnichannel retailing // European Journal of Operational Research. 2021. Vol. 294, iss. 3. P. 895–905. https://doi.org/10.1016/j.ejor.2020.03.081
- Wagner L., Pinto C., Amorim P. On the Value of Sub scription Models for Online Grocery Retail // Euro pean Journal of Operational Research. 2021. Vol. 294, iss. 3. P. 874–894. https://doi.org/10.1016/j.ejor.2020.05.011
- Bayram A., Cesaret B. Order fulfillment policies for ship-from-store implementation in omni-channel retailing // European Journal of Operational Research. 2021. Vol. 294, iss. 3. P. 987–1002. https://doi.org/10.1016/j.ejor.2020.01.011
- Kuhn H., Schubert D., Holzapfel A. Integrated order batching and vehicle routing operations in grocery retail – a general adaptive large neighborhood search algorithm // European Journal of Operational Research. 2021. Vol. 294, iss. 3. P. 1003–1021. https://doi.org/10.1016/j.ejor.2020.03.075
- Strauss A., Gülpınar N., Zheng Y. Dynamic pricing of flexible time slots for attended home delivery // European Journal of Operational Research. 2021. Vol. 294, iss. 3. P. 1022–1041. https://doi.org/10.1016/j.ejor.2020.03.007
- Arslan A. N., Klibi W., Montreuil B. Distribution net work deployment for omnichannel retailing // European Journal of Operational Research. 2021. Vol. 294, iss. 3. P. 1042–1058. https://doi.org/10.1016/j.ejor.2020.04.016
- Парфенов А. В., Ткач В. В. Логистические императивы формирования омниканальной модели оптовой торговли // Известия Санкт-Петербургского государственного экономического университета. 2020. № 2 (122). С. 116–121. EDN: EMTSIN
- Hübner A. H., Kuhn H., Sternbeck M. G. Demand and supply chain planning in grocery retail: An opera tions planning framework // International Journal of Retail & Distribution Management. 2013. Vol. 41, iss. 7. P. 512–530. https://doi.org/10.1108/IJRDM-05-2013-0104
- Еремеева Н. В., Панюкова В. В. Перспективные направления исследования розничной торговли: цифровизация и омниканальность // Экономические системы. 2020. Т. 13, № 4. С. 161–170. https://doi.org/10.29030/2309-2076-2020-13-4-161-170, EDN: OBXTBQ
- Комарницкая Е. В. Омниканальный маркетинг: digital-среда // Торговля и рынок. 2022. Т. 1, № 4 (64). С. 242–246. EDN: OZNRUN
- Миргородская О. Н., Иванченко О. В. Использование технологий искусственного интеллекта в маркетинговой деятельности зарубежных и российских ритейл-компаний // Вестник Ростовского государственного экономического университета (РИНХ). 2021. № 3 (75). С. 84–93. EDN: KWPQTQ
- Трегубов В. Н. Перспективные направления исследований использования генеративного искусственного интеллекта в маркетинге // International Journal of Open Information Technologies. 2024. Т. 12, № 5. С. 23–32. EDN: RNREUK
- Трегубов В. Р., Уманская М. В. Современные под ходы к маркетинговым исследованиям в экосистемах // Beneficium. 2025. № 2(55). С. 55–68. https://doi.org/10.34680/BENEFICIUM.2025.2(55).55-68, EDN: QGMTUQ