Оптимизационные процедуры в задаче маркетинга образовательных услуг на этапе формирования политики набора абитуриентов в вузы

В статье рассмотрены оптимизационные процедуры в маркетинге образовательных услуг при формировании маркетинговой стратегии нового набора в вузе. Рассмотрена математическая модель для формализации целевой функции при оценке результатов нового набора в вузе, которая является основой для создания оптимизационных процедур. Результаты нового набора характеризуются количественными и качественными показателями, которые включают в себя численность абитуриентов, а также средний балл ЕГЭ.
Предложена экономико-математическая модель для оптимального определения параметров нового набора, обеспечивающая сбалансированную политику его осуществления. При этом показана важность минимального порога баллов ЕГЭ, которые должен набрать абитуриент для зачисления в вуз. Увеличение этого параметра способствует тому, что увеличивается средний балл ЕГЭ у зачисленных студентов, но при этом уменьшается количество студентов, зачисленных на места с полным возмещением затрат. Рассмотрена оптимизационная задача, с помощью которой возможно вычислить оптимальное значение этого параметра.
Предложена теоретико-игровая математическая модель для моделирования влияния маркетинговых мероприятий и случайных факторов на результат нового набора, с помощью которой можно формировать ранжированный перечень мероприятий и оптимальное распределение ресурсов. Использование теоретико-игрового подхода позволяет эффективно учитывать факторы неопределенности, которые влияют на результаты нового набора. При этом предложен максиминный подход, с помощью которого определяется оптимальная стратегия маркетинговых мероприятий при организации нового набора в вузе. Предложена общая схема использования оптимизационной модели и приведен алгоритм, с помощью которого получается оптимальная маркетинговая стратегия нового набора и оптимальное распределение ресурсов на обеспечение этих мероприятий.

1. Образование в России – 2016. Статистический бюллетень. М.: МИРЭА, 2016. 630 c.

2. Образование в России – 2020. Статистический бюллетень. М.: МИРЭА., 2020. 480 с.

3. Рогова В.А. Проблемы нового набора в вузы на инженерно-технические направления подготовки и специальности. Экономика и предпринимательство. 2018;8(97):1259-1266.

4. Шамин Р.В. Машинное обучение в задачах экономики. М: "Грин Принт", 2019. 140 с. ISBN 978-5-6042765-9-4

5. Shamin R.V., Uryngaliyeva A.A., Shermadini M.V., Filippov P.G. The model of evolutionary optimization of production processes at advanced technological enterprises. Espacios. 2019;40(20):26.

6. Shamin R.V., Chursin A.A., Kokuytseva T.V., Ostrovskaya A.A., Semenov A.S. Modeling of growth- collapse processes and their applications to pricing management. Int. J. Pure Appl. Math. 2018;118(Special Iss. 18D):3741-3745.

7. Боровков А.А. Математическая статистика. Новосибирск: Наука, 1997. 771c. ISBN 5-86134-024-2

8. Нейман Дж., Моргеншерн О. Теория игр и экономическое поведение. М.: Наука, 1970. 707 c.

9. Захаров А.В. Теория игр в общественных науках. М.: Изд. дом Высшей школы экономики. 2019. 304 с. ISBN 978-5-7598-1941-7

10. Петросян Л.А., Зенкевич Н.А., Шевкопляс Е.В. Теория игр. СПб.: БХВ-Петербург, 2012. 432 с. ISBN 978-5-9775-0484-3

11. Hurwicz L. The design of mechanisms for resource allocation. Am. Econ. Rev. 1973;63(2):1-30. 12. Демьянов В. Ф., Малоземов В. Н. Введение в минимакс. М.: Наука, 1972. 368 с.