Ключевые слова
персонализация
кластеризация гостевых потоков
цифровые технологии
поведенческие модели
Как цитировать
Аннотация
Статья посвящена проблеме повышения персонализации сервиса в гостиничном бизнесе через цифровую кластеризацию гостевых потоков. Актуальность исследования обусловлена смещением отношения к данным как к стратегическому ресурсу предприятия и необходимостью поиска новых инструментов работы с клиентами в условиях экономики впечатлений. Авторы отмечают, что существующие онлайн (CRM) и оффлайн (GEM) массивы данных обособлены, что снижает эффективность их интерпретации. Цель работы – изучение адаптации технологий обработки цифровых массивов для повышения персонализации. Ключевая гипотеза трансформирует персонализацию из создания абсолютно уникальной услуги в мультисервисную модель для разных социально-психологических групп гостей. Вводится понятие «гостевого массива данных» и выделяется поведенческий маркер как связующий элемент. Основной вклад составляет модель клиентской сервисной реакции (CSR), фиксирующая поведенческие сигналы по четырем векторам (ориентация на контроль, требовательность к структуре, эмоциональная открытость, чувствительность к риску) и формирующая цифровой профиль гостя для оптимального выбора сервисных паттернов. Рассматриваются математические методы кластеризации (k-means, иерархическая кластеризация, LCA). Особое внимание уделяется правовым, организационным и этическим ограничениям, включая соблюдение 152-ФЗ и принципов ответственного использования ИИ. Авторы подчеркивают, что кластеризация должна служить инструментом помощи персоналу, а не подменять профессиональное суждение. Выводы акцентируют переход от вопроса «кто гость» к вопросу «как с ним работать», что открывает перспективы для эволюции сервисных систем в цифровой экономике.
Библиографические ссылки
Источники:
1. Абашкин В. Л., Ковалёва Г. Г. (2025) Применение искусственного интеллекта в российских компаниях. М. — ИСИЭЗ НИУ ВШЭ. Режим доступа: https://issek.hse.ru/news/1083541394.html
2. Байкова Э.Р., Апокина К.В. (2024) Экономика впечатлений: теоретико-методологические аспекты // Экономика и управление: научно-практический журнал. № 5. С. 12–16. DOI: 10.34773/EU.2024.5.2.
3. Игнашин, А. А. Феномен информационного шума / А. А. Игнашин, В. В. Котлярова // Форум молодых ученых. – 2019. – № 6(34). – С. 521-524. – EDN LTMKAT.
4. Квита, Г. Н. Лучина Н. А., Аршинова А. Н., Курнявкин А. В. (2020) / Особенности сегментации услуг размещения // Креативная экономика. – Т. 14, № 10. – С. 2481-2504. – DOI 10.18334/ce.14.10.111044
5. Латынов В. В., Овсянникова В. В. (2020) Прогнозирование психологических характеристик человека на основании его цифровых следов // Психология. Журнал Высшей школы экономики. - Т. 17. № 1. С. 166–180. DOI: 10.17323/1813-8918-2020-1-166-180
6. Невзоров, А. С. (2023) Большие данные на мировом и российском рынке: понятие и роль в экономике / А. С. Невзоров, В. С. Токарев // Московский экономический журнал. – Т. 8, № 12. – DOI 10.55186/2413046X_2023_8_12_619. – EDN GIPWRP.
7. Нефедова, Н. Л. (2022) Методика "SERVQUAL" как инструмент повышения инновационной активности в организациях сферы услуг / Н. Л. Нефедова, Б. Д. Сандитова // Экономика и социум. – № 11-2(102). – С. 544-551. – EDN SXDENA.
8. Сабитова А.Р. (2024) Социальный выбор личности в повседневности // Общество: философия, история, культура. - № 9. С. 58–62. https://doi.org/10.24158/fik.2024.9.8.
9. Савинов А.А., Соловьев Ф.В. (2024) Цифровая трансформация – возможности и проблемы для бизнеса // Прикладные экономические исследования. No 2. С. 185–193. doi: 10.47576/2949-1908.2024.2.2.020.
10. Сыропятов В.В., Елисеева В.С., Махар Д.Х. (2023) Персонификация бренда: применение методологии психометрии на больших данных социальных сетей (данные российского рынка) // Креативная экономика. – Том 17. – № 5. – С. 1705–1730. doi: 10.18334/ce.17.5.117809
11. Тесалов, С. Е. (2024) Использование технологий Big Data в структуре ресторанной службы для отельных предприятий / С. Е. Тесалов, Н. К. Сердюкова // Финансовый менеджмент. – № 6. – С. 121-128. – EDN XMYRRP.
12. Тесалов, С. Е. (2024) Исследования применения технологий искусственного интеллекта для оптимизации бизнеса в сфере гостиничных услуг / С. Е. Тесалов, Н. К. Сердюкова // Вестник Академии знаний. – № 2(61). – С. 433-437. – EDN SHXAAC.
13. Филатов В. В., Рамазанов И. А., Бестаева И. М., Новикова Ж. В. (2024) Персонализированный сервис как инновационная технология улучшения качества обслуживания и удовлетворенности клиентов сферы гостеприимства // Инновационная экономика: информация, аналитика, прогнозы.– № 5. – С. 64–79. https://doi. org/10.47576/2949-1894.2024.5.5.008.
14. Шеларь А., Дронов С. (2019) Об обобщении метода латентного кластерного анализа // Труды семинара по геометрии и математическому моделированию, № 5. С. 152-157. URL: https://journal.asu.ru/psgmm/article/view/7257.
15. Bitner, M.J. (1990) Evaluating Service Encounters The Effects of Physical Surroundings and Employee Responses. Journal of Marketing, 54, 69-82. - https://doi.org/10.1177/00222429900540020
16. Chi J. Cluster Analysis of Personality Types Using Respondents’ Big Five Personality Traits / Jennifer Chi, Yeong Nain Chi // International Journal of Data Science. — 2023. — Vol. 4, № 2. — P. 116–135. — DOI: 10.18517/ijods.4.2.116-135.2023.
17. Clay M. Voorhees, Paul W. Fombelle, Yany Gregoire, Sterling Bone, Anders Gustafsson, Rui Sousa, Travis Walkowiak (2017) Service encounters, experiences and the customer journey: Defining the field and a call to expand our lens, Journal of Business Research, Volume 79, Pages 269-280, ISSN 0148-2963, https://doi.org/10.1016/j.jbusres.2017.04.014
18. Deldadehasl M, Karahroodi HH, Haddadian Nekah P. (2025) Customer Clustering and Marketing Optimization in Hospitality: A Hybrid Data Mining and Decision-Making Approach from an Emerging Economy. Tourism and Hospitality. 2025; 6(2):80. https://doi.org/10.3390/tourhosp6020080
19. Dohee Kim, Sukhwa Hong, Byung-Jin Park, Inyoung Kim (2020) Understanding heterogeneous preferences of hotel choice attributes: Do customer segments matter?, Journal of Hospitality and Tourism Management, Volume 45, Pages 330-337, ISSN 1447-6770, https://doi.org/10.1016/j.jhtm.2020.08.014
20. Folorunso, O. S. (2024) Technological innovations in the hospitality industry and its impacts on the customers’ decision making / O. S. Folorunso, M. I. Abubakar // Journal of Management and Social Science Research. – Vol. 5, No. 3. – P. 51-63. – DOI 10.47524/jmssr.v5i3.52. – EDN UPFSRW.
21. Habib A. B. (2021) - Elbow Method vs Silhouette Co-efficient in Determining the Number of Clusters / Medium, — 20 Feb. 2021. — URL: https://adria708.medium.com/elbow-method-vs-silhouette-co-efficient-in-determining-the-number-of-clusters-33baff2fbeee
22. Henkel, Alex & Boegershausen, Johannes & Anat, Rafaeli & Lemmink, Jos. (2017). The Social Dimension of Service Interactions: Observer Reactions to Customer Incivility. Journal of Service Research. 20. 10.1177/1094670516685179
23. Marston W. M. (1999) Emotions of normal people / William Moulton Marston. — London : Routledge, — 420 p. — ISBN 978-0-415-21076-8
24. NIST (2023) Artificial Intelligence Risk Management Framework (AI RMF 1.0) [Электронный ресурс] / National Institute of Standards and Technology. URL: https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf (дата обращения: 31.05.2026).
25. OECD AI Principles [Электронный ресурс] // OECD.AI Policy Observatory. URL: https://oecd.ai/en/ai-principles (дата обращения: 31.05.2026).
26. ORACLE (2025) Hospitality in 2025: AUTOMATED, INTELLIGENT… AND MORE PERSONAL [Электронный ресурс] – режим доступа свободный URL: https://www.oracle.com/in/a/ocom/docs/industries/hospitality/hospitality-industry-trends-for-2025.pdf
27. P. Christou, A. Avloniti, A. Farmaki (2019) Guests’ perceptions of emotionally expressive and non-expressive service providers within the hospitality context, International Journal of Hospitality Management, Volume 76, Part A, Pages 152-162, ISSN 0278-4319, https://doi.org/10.1016/j.ijhm.2018.05.005.
28. Recommendation on the Ethics of Artificial Intelligence [Электронный ресурс] // UNESCO. 2021. URL: https://unesdoc.unesco.org/ark:/48223/pf0000380455 (дата обращения: 31.05.2026).
29. Sorgente, A., Caliciuri, R., Robba, M. et al. (2025) Publisher Correction: A systematic review of latent class analysis in psychology: Examining the gap between guidelines and research practice. Behav Res 57, 331. https://doi.org/10.3758/s13428-025-02871-4
References:
1. Abashkin V. L., Kovaleva G. G. (2025) Application of artificial intelligence in Russian companies. Moscow — ISIEZ HSE. (In Russian).
2. Baykova E.R., Apokina K.V. (2024) The economics of impressions: theoretical and methodological aspects // Economika i upravlenie: nauchno-practicheskiy zhurnal. (In Russian).
3. Ignashin, A. A. The phenomenon of information noise / A. A. Ignashin, V. V. Kotlyarova // Forum molodikh uchenikh. – 2019. – № 6(34). – Pp. 521-524. (In Russian).
4. Kvita, G. N. Luchina N. A., Arshinova A. N., Kurnyavkin A.V. (2020) / Features of segmentation of accommodation services // Creativnaya economika. – Vol. 14, No. 10. – pp. 2481-2504. (In Russian).
5. Latynov V. V., Ovsyannikova V. V. (2020) Forecasting psychological characteristics of a person based on his digital footprints // Psychology. Journal of the Higher School of Economics, vol. 17, No. 1, p. (In Russian).
6. Nevzorov, A. S. (2023) Big data in the global and Russian markets: the concept and role in the economy / A. S. Nevzorov, V. S. Tokarev // Moscow Economic Journal, vol. 8, No. 12. (In Russian).
7. Nefedova, N. L. (2022) The "SERVQUAL" methodology as a tool for increasing innovation activity in service sector organizations / N. L. Nefedova, B. D. Sanditova // Economika i soctsium. – No. 11-2(102). – pp. 544-551. (In Russian).
8. Sabitova A.R. (2024) Social choice of personality in everyday life // Society: philosophy, history, culture. - No. 9. pp. 58-62 (In Russian).
9. Savinov A.A., Solovyov F.V. (2024) Digital transformation – opportunities and problems for business // Prikladniye economicheskiye issledovaniya. No. 2. pp. 185-193.. (In Russian).
10. Syropyatov V.V., Eliseeva V.S., Makhar D.H. (2023) Brand personification: applying the methodology of psychometry on big data of social networks (data from the Russian market) // Creativnaya Economika. – Volume 17. – No. 5. – pp. 1705-1730. (In Russian).
11. Tesalov, S. E. (2024) The use of Big Data technologies in the structure of restaurant services for hotel enterprises / S. E. Tesalov, N. K. Serdyukova // Financial Management. – No. 6. – pp. 121-128. (In Russian).
12. Tesalov, S. E. (2024) Research on the use of artificial intelligence technologies for business optimization in the field of hotel services / S. E. Tesalov, N. K. Serdyukova // Bulletin of the Academy of Knowledge. – No. 2(61). – pp. 433-437. (In Russian).
13. Filatov V. V., Ramazanov I. A., Bestaeva I. M., Novikova Zh.V. (2024) Personalized service as an innovative technology for improving the quality of service and customer satisfaction in the hospitality sector // Innovative economy: information, analytics, forecasts.– No. 5. – pp. 64-79. (In Russian).
14. Shelar A., Dronov S. (2019) On generalization of the latent cluster analysis method // Trudi seminara po geometrii i matematicheskomu modelirovaniyu, No. 5. pp. 152-157. (In Russian).
15. Bitner, M.J. (1990) Evaluating Service Encounters The Effects of Physical Surroundings and Employee Responses. Journal of Marketing, 54, 69-82. - https://doi.org/10.1177/00222429900540020
16. Chi J. Cluster Analysis of Personality Types Using Respondents’ Big Five Personality Traits / Jennifer Chi, Yeong Nain Chi // International Journal of Data Science. — 2023. — Vol. 4, № 2. — P. 116–135. — DOI: 10.18517/ijods.4.2.116-135.2023.
17. Clay M. Voorhees, Paul W. Fombelle, Yany Gregoire, Sterling Bone, Anders Gustafsson, Rui Sousa, Travis Walkowiak (2017) Service encounters, experiences and the customer journey: Defining the field and a call to expand our lens, Journal of Business Research, Volume 79, Pages 269-280, ISSN 0148-2963, https://doi.org/10.1016/j.jbusres.2017.04.014
18. Deldadehasl M, Karahroodi HH, Haddadian Nekah P. (2025) Customer Clustering and Marketing Optimization in Hospitality: A Hybrid Data Mining and Decision-Making Approach from an Emerging Economy. Tourism and Hospitality. 2025; 6(2):80. https://doi.org/10.3390/tourhosp6020080
19. Dohee Kim, Sukhwa Hong, Byung-Jin Park, Inyoung Kim (2020) Understanding heterogeneous preferences of hotel choice attributes: Do customer segments matter?, Journal of Hospitality and Tourism Management, Volume 45, Pages 330-337, ISSN 1447-6770, https://doi.org/10.1016/j.jhtm.2020.08.014
20. Folorunso, O. S. (2024) Technological innovations in the hospitality industry and its impacts on the customers’ decision making / O. S. Folorunso, M. I. Abubakar // Journal of Management and Social Science Research. – Vol. 5, No. 3. – P. 51-63. – DOI 10.47524/jmssr.v5i3.52. – EDN UPFSRW.
21. Habib A. B. (2021) - Elbow Method vs Silhouette Co-efficient in Determining the Number of Clusters / Medium, — 20 Feb. 2021. — URL: https://adria708.medium.com/elbow-method-vs-silhouette-co-efficient-in-determining-the-number-of-clusters-33baff2fbeee
22. Henkel, Alex & Boegershausen, Johannes & Anat, Rafaeli & Lemmink, Jos. (2017). The Social Dimension of Service Interactions: Observer Reactions to Customer Incivility. Journal of Service Research. 20. 10.1177/1094670516685179
23. Marston W. M. (1999) Emotions of normal people / William Moulton Marston. — London : Routledge, — 420 p. — ISBN 978-0-415-21076-8
24. NIST (2023) Artificial Intelligence Risk Management Framework (AI RMF 1.0) [Электронный ресурс] / National Institute of Standards and Technology. URL: https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf (дата обращения: 31.05.2026).
25. ORACLE (2025) Hospitality in 2025: AUTOMATED, INTELLIGENT… AND MORE PERSONAL [Электронный ресурс] – режим доступа свободный URL: https://www.oracle.com/in/a/ocom/docs/industries/hospitality/hospitality-industry-trends-for-2025.pdf
26. P. Christou, A. Avloniti, A. Farmaki (2019) Guests’ perceptions of emotionally expressive and non-expressive service providers within the hospitality context, International Journal of Hospitality Management, Volume 76, Part A, Pages 152-162, ISSN 0278-4319, https://doi.org/10.1016/j.ijhm.2018.05.005.
27. Sorgente, A., Caliciuri, R., Robba, M. et al. (2025) Publisher Correction: A systematic review of latent class analysis in psychology: Examining the gap between guidelines and research practice. Behav Res 57, 331. https://doi.org/10.3758/s13428-025-02871-4
Это произведение доступно по лицензии Creative Commons «Attribution-ShareAlike» («Атрибуция — На тех же условиях») 4.0 Всемирная.
Copyright (c) 2026 Семён Егорович Тесалов, Наталья Владимировна Фролова (Автор)