Аннотация результатов, полученных в 2022 году
Обзор и систематизация мировой литературы показали, что цифровой капитал проникает во все сферы деятельности предприятия и его роль в развитии и эффективности деятельности фирмы существенно возрастает. Пандемия Ковид-19 явилась мощным драйвером для развития процессов цифровизации взаимоотношений компаний с клиентами, которые исследуются в настоящем проекте. В мировой литературе мы обнаружили несколько подходов к анализу цифровых коммуникаций фирмы и клиентов: - цифровые коммуникации изучаются как один из компонентов управления взаимоотношениями с клиентами (компонент стратегии customer relationship management – CRM); - цифровые коммуникации рассматриваются как самостоятельное комплексное понятие, определяемое как отпечаток фирмы в цифровой среде (цифровой отпечаток фирмы), и включающее в себя веб-сайт фирмы, аккаунты в социальных сетях и т.д. Ученые исследуют влияние цифровых коммуникаций на важнейшие показатели деятельности предприятия, в частности, на рентабельность и рост продаж. Однако таких эмпирических работ немного, они дают противоречивые результаты и выполнены, как правило, на материалах зарубежных стран. В рамках настоящего проекта создана уникальная база данных, включающая данные о финансовых показателях российских предприятий, информацию о наличии у них разных видов цифрового капитала, показатели активности предприятий в цифровой среде и показатели востребованности цифрового капитала предприятий. Сформированная база данных включает в себя информацию о 1167 предприятиях за период 2017-2020 гг. (сбалансированные панельные данные, 51 показатель в базе, 4668 наблюдений по каждому показателю). База данных имеет значительное число наблюдений и позволяет применять экономико-математические методы исследования и моделирования. В рамках выполнения проекта в 2022 году были реализованы четыре метода исследования: - дисперсионный анализ выявления различий по интенсивности коммуникаций с клиентами в разрезе исследуемых отраслей экономики и временных периодов; - авторская методика группировки предприятий по показателям цифрового капитала, выявлению различий в финансовых показателях между группами предприятий и расчету профилей групп предприятий по финансовым показателям; - регрессионные модели для анализа панельных данных и выявления влияния цифрового капитала на объемы продаж и эффективность деятельности предприятий; - нейросетевое моделирование влияния цифрового капитала на эффективность (рентабельность) деятельности предприятий (тестовые расчеты). Основные полученные результаты. 1. Показано, что развитие цифрового капитала предприятий постоянно требует новых импульсов или драйверов роста. Мы установили, что цифровизация экономики не обеспечивала существенного повышения интернет-трафика и развития вебсайтов предприятий в 2018-2019 гг., а драйвером роста выступила именно пандемия коронавируса. Основной эффект по продвижению сайтов фирм наблюдается с запаздыванием на один год (в 2021 году). Предприятия большинства исследованных отраслей не используют полный спектр возможностей для наращивания цифрового капитала, в частности недостаточно занимаются развитием платного трафика своих сайтов. 2. Выявлены значимые различия в финансовых показателях предприятий, сгруппированных в четыре группы по показателям цифрового капитала. В частности, сильные различия наблюдаются по рентабельности и размеру предприятий. Сравнивая суммарные профили финансовых показателей групп предприятий, мы обнаруживаем существенные преимущества группы фирм с высоким трафиком и высоким темпом роста трафика в ряде исследуемых отраслей. Менеджерам предприятий-лидеров по цифровому капиталу нельзя останавливаться на достигнутом, а необходимо прилагать усилия по дальнейшему развитию цифрового капитала (стратегия опережающего развития цифровых коммуникаций с клиентами). Именно в этом случае они получат преимущества перед конкурентами по финансовым показателям. Дополнительные рекомендации даны в разрезе исследуемых отраслей. 3. Результаты регрессионного моделирования. 3.1. Компании-производители дорогостоящих товаров для розничного рынка. На выборке российских фирм, работающих в отраслях автомобилестроения и жилищного строительства, показано, что интернет-трафик оказывает положительное влияние на объемы продаж фирмы. Однако это положительное воздействие на продажи сопровождается отрицательным влиянием интернет-трафика на рентабельность фирмы из-за расходов, необходимых для наращивания этого трафика (особенность продаж дорогостоящих товаров). Эти результаты подчеркивают двойственную природу интернет-трафика и предполагают, что максимизация трафика веб-сайта не должна быть единственной целью. Использование в регрессионных моделях переменной-модератора «Возраст» показало, что негативное влияние на прибыльность особенно заметно для молодых фирм, которые, вероятно, столкнутся с серьезной нехваткой ресурсов. 3.2. Компании, ориентированные на розничный рынок и производство недорогих товаров или услуг. Наши расчеты показали, что цифровой капитал таких фирм оказывает положительное влияние на их рентабельность. Мы также исследовали две переменные-модератора «Размер» и «Возраст» фирмы. 3.3. Совместное влияние управления взаимоотношениями с клиентами (CRM) и управления структурой капитала на рентабельность фирмы. Мы смоделировали совместное влияние CRM, в части цифровых коммуникаций с клиентами и стратегии управления структурой капитала на рентабельность компаний, работающих в условиях кризисной экономики. На основе расчетов мы предложили рекомендации по эффективному сочетанию этих стратегий. 4. Нейросетевое моделирование. Проведены тестовые расчеты, которые подтверждают результаты регрессионных моделей и дают возможность выявить новые закономерности в разрезе групп предприятий. Развитие этого подхода планируется в 2023 году. Выступления на конференциях. Представлено 3 доклада на очных международных конференциях. Один из этих докладов был представлен на зарубежной конференции (Белград, Сербия) на английском языке. Публикации по проекту за 2022 год. Опубликованы: - 1 статья в журнале, индексируемом в WOS и Скопус; - 1 статья в журнале перечня ВАК, индексируемом в зарубежных базах; - 1 статья в материалах международной конференции, сборник индексируется в РИНЦ; - 1 абстракт доклада на международной зарубежной конференции. Приняты к печати: - 1 статья в журнале перечня ВАК, индексируемом в зарубежных базах. Направлены на рассмотрение: - 2 статьи в журналы, индексируемые в WOS и Скопус 1-2 квартилей; - 1 статья в журнал ВАК, индекс RSCI, индексируется в зарубежных базах. Создан интернет-сайт проекта - https://sites.google.com/view/digital-capital-firms-growth/

Аннотация результатов, полученных в 2023 году
В 2023 году был проведен обзор и систематизация мировой литературы по направлениям: - тенденции развития коммуникаций фирм и клиентов через социальные сети, в том числе в условиях пандемии КОВИД-19; - влияние активности предприятия в социальных сетях на его финансовые показатели; - применение методов машинного обучения в прогнозировании финансовых показателей деятельности фирмы. В рамках выполнения проекта в 2023 году были реализованы следующие методы исследования: - дисперсионный анализ для выявления различий по интенсивности коммуникаций с клиентами в разрезе исследуемых отраслей экономики, групп регионов и временных периодов; - регрессионные модели для анализа панельных данных и выявления влияния цифрового капитала на объемы продаж и эффективность деятельности предприятий с исследованием модерационных эффектов взаимодействия отдельных независимых переменных; - методы машинного обучения для прогнозирования финансовых показателей предприятий на основе исходных данных, включающих показатели цифрового капитала; - авторская методика формирования портфелей методов машинного обучения для повышения точности и качества прогнозных моделей. Основные полученные результаты. 1. Закономерности и тенденции развития коммуникаций фирм с клиентами через социальные сети. Социальные сети для большинства российских предприятий – это потенциальный резерв для развития цифровых коммуникаций с клиентами, который в настоящее время используется не полностью. Выявлен рост доли фирм, использующих данный вид цифровых коммуникаций и рост большинства показателей аккаунтов фирм в социальной сети ВКонтакте за период 2017–2021 гг. Однако социальные сети являются менее популярным инструментом цифровых коммуникаций с клиентами по сравнению с интернет-сайтом фирмы. Только 45% фирм нашей выборки с действующим интернет-сайтом имели активный аккаунт в социальной сети ВКонтакте в 2021 году. Активность фирм в социальных сетях невысокая и этот показатель имеет слабую динамику. Фирмы, работающие на розничном рынке, уже достигли определенного уровня активности в социальных сетях на начало исследуемого периода и существенного роста этой активности в 2017–2021 гг. не произошло. Напротив, промышленные предприятия, ориентированные на сегмент рынка В2В, открывают для себя этот инструмент коммуникаций и быстро наращивают свои показатели в 2017–2021 гг. Публикации в собственном аккаунте показывают слабую динамику. При этом новым трендом поиска и привлечения клиентов становятся репосты. С помощью репостов фирмы выходят за границы своего аккаунта и транслируют свои сообщения широкой аудитории через многие аккаунты социальной сети. 2. Региональные закономерности формирования цифрового капитала в России. Предприятия были разделены на две группы по их территориальному размещению: - предприятия в агломерационных центрах (Москва, Санкт-Петербург, Московская область); - предприятия в других регионах России. Аккаунты в социальных сетях активнее развивали предприятия в других регионах, которые в 2021 году превосходили по активности предприятия в агломерационных центрах по ряду показателей. В базу данных было добавлено более 40 региональных социально-экономических показателей для исследования их совместного влияния с показателями цифрового капитала на финансовые показатели фирмы. Построенные модели выявили ряд значимых эффектов от взаимодействия указанных переменных, однако это не привело к улучшению качества моделей (R2 практически не изменился). 3. Регрессионное моделирование и модерационные эффекты взаимодействия переменных. 3.1. Влияние показателей активности в социальных сетях на финансовые показатели предприятий. Построенные регрессионные модели подтвердили, что активность учетной записи фирмы в социальных сетях положительно влияет на рентабельность фирмы для сегмента рынка B2С. Этот вывод подтверждается для двух случаев: - активность клиентов в аккаунте компании в социальной сети (лайки, комментарии, просмотры, репосты); - активность компании в ее аккаунте в социальной сети (публикации). Выявлен сильный мультипликативный эффект от совместного влияния активности фирмы в социальных сетях (управление взаимоотношениями с клиентами - CRM) и эффективности управления активами на рентабельность фирмы. Для максимизации рентабельности необходимо эффективно управлять взаимоотношениями с клиентами (высокая активность аккаунта фирмы в социальных сетях) и эффективно управлять структурой активов. Наоборот, если фирма следует только одной из стратегий и полностью игнорирует другую, она рискует потерять прибыльность. 3.2. Совместное влияние роста продаж и интернет-трафика на рентабельность фирмы. Выявлен сильный мультипликативный эффект от совместного влияния Роста продаж и Трафика на рентабельность фирмы. Компании с высоким ростом продаж и высоким интернет-трафиком могут добиться максимального прироста рентабельности. Худшим сценарием является падение продаж при сохранении высокого интернет-трафика. В рамках дальнейшего исследования данной тематики применялись современные методы машинного обучения для прогнозирования рентабельности фирм. В процессе прогнозирования полная выборка была разделена на две выборки: обучающая и тестовая. Использовались следующие методы прогнозирования: модели регрессии со случайными эффектами, индивидуальные алгоритмы машинного обучения с оптимизаторами (DNN, LSTM и Random Forest), а также продвинутые методы машинного обучения, состоящие из наборов алгоритмов (портфели и ансамбли). Используемые методы прогнозирования обучались на обучающей выборке и затем делали прогноз для тестовой выборки. Сравнение методов прогнозирования проводилось с помощью параметрических и непараметрических критериев оценки точности прогноза (MAE, MSE, медианы ошибок, RMSE, R2) и дисперсионного анализа ошибок прогноза. Показано, что включение в прогнозные модели переменных Рост продаж и Интернет-трафик вебсайта повышает точность предсказания рентабельности фирм. Установлено, что регрессионные модели уступают по точности прогноза методам машинного обучения (DNN и Random Forest). Были разработаны и апробированы авторские методики по формированию портфелей методов машинного обучения для повышения точности и надежности прогнозирования. Предложены и апробированы методики формирования двух портфелей: - портфель, выбирающий методы машинного обучения с минимизаций ошибок по обучающей выборке; - портфель, сбалансированный по входящим в него методам машинного обучения. Показано, что продвинутые методы прогнозирования (портфели и ансамбли) демонстрируют лучшие и более устойчивые результаты по сравнению с отдельными методами машинного обучения. Публикации по проекту за 2023 год: - 1 статья в журнале, индексируемом в WOS и Скопус (1 квартиль по WOS); - 1 статья в журнале, индексируемом в Скопус (1 квартиль по Скопус); - 3 статьи в журналах перечня ВАК, индексируемых в зарубежных базах; - 1 статья в материалах международной конференции, сборник индексируется в РИНЦ; - 1 статья в рамках Конгресса (Пятый Российский экономический конгресс). В 2023 году представлены 3 доклада на очных международных конференциях, в том числе – 1 доклад на Конгрессе (Пятый Российский экономический конгресс). Обновлен интернет-сайт с основными результатами исследования за весь период проекта: https://sites.google.com/view/digital-capital-firms-growth/