Редакционная статья: Меняющийся ландшафт маркетинговых исследований в эпоху ИИ: перспективы и вызовы

Появление искусственного интеллекта (ИИ), включающего генеративный и аналитический ИИ, кардинально преобразило ландшафт маркетинговых исследований и практики, затронув теоретические концепции, передовые направления исследований, методологические инструменты и этические нормы. Под воздействием ИИ и рекомендательных алгоритмов интерактивные области маркетинга и исследовательские практики вышли за рамки инструментов цифрового маркетинга, индивидуализированного сбора данных, установления связи с клиентами, их вовлечения и участия (Wang, 2021; Yu, 2023), сместившись в сторону сложной прогнозной аналитики рынка, точного прогнозирования, глубокого понимания потребителей и гиперперсонализированных рекомендаций в реальном времени (Habil et al., 2023). Например, обработка естественного языка (NLP) применяется для анализа тональности огромных объемов неструктурированных текстовых данных, полученных из социальных сетей, отзывов клиентов, дискуссионных форумов и потребительских опросов. Это позволяет исследователям оценивать общественные настроения, выявлять проблемные аспекты клиентского опыта и обнаруживать возникающие тенденции при оценке результатов, включая измерение восприятия потребителями бренда и интерактивного опыта взаимодействия с виртуальными инфлюенсерами (Nghiêm-Phú and Suter, 2023). Таким образом, маркетинговые исследования на основе ИИ извлекают содержательные качественные выводы из количественных наборов данных, формируя контуры обратной связи в реальном времени, которые обеспечивают информационную поддержку разработки продуктов и формирования маркетинговой стратегии на протяжении интерактивных процессов. Тем временем стремительное развитие генеративного ИИ, сопровождаемое распространением ИИ-реплик (например, цифровых двойников, цифровых близнецов и цифровых персон) и технологий дипфейков, сопряжено с внутренними рисками. К ним относятся загрязнение баз данных (Burden et al., 2025), галлюцинации ИИ (Wen and Laporte, 2025), коллапс моделей и ловушка среднего значения (Huang and Rust, 2025), а также этические дилеммы, такие как алгоритмическая предвзятость, кража личных данных, проблемы конфиденциальности и безопасности (Grewal et al., 2025). В совокупности эти проблемы подчеркивают двойственную природу...