АНАЛИЗ МОДЕЛИРОВАНИЯ БИЗНЕС-ПРОЦЕССОВ: НА ПРИМЕРЕ ЧАСТНОГО АГЕНТСТВА ЦЕЛЕВОЙ РЕКЛАМЫ

Моделирование бизнес-процессов (BPM) играет ключевую роль в оптимизации принятия решений для целевой рекламы в цифровом маркетинге. Традиционные ручные модели BPM, основанные на рабочих процессах, управляемых человеком, сталкиваются с ограничениями в масштабируемости, эффективности и адаптивности к динамическим требованиям рынка. Целью данного исследования является разработка и оценка гибридной структуры BPMN Human-AI, которая объединяет автоматизацию, управляемую ИИ, с человеческим опытом для повышения адаптивности процессов, точности таргетинга и соответствия нормативным требованиям (например, GDPR, CCPA) для частных рекламных агентств в Казахстане. Методология использует сравнительный подход смешанных методов с использованием инструментов построения диаграмм BPMN (Bizagi), инструментов разработчика Meta и Google Analytics для оценки трех моделей BPM (ручной, управляемой ИИ и гибридной) по ключевым показателям эффективности, включая эффективность процесса, сокращение ошибок и масштабируемость автоматизации. Эмпирические результаты реальных исследований и моделирования показывают, что интеграция ИИ снижает ручную нагрузку на 30–50%, повышает точность таргетинга на 25–40% и сводит к минимуму ошибки принятия решений. Однако ранние вмешательства ИИ требуют обратной связи от человека для смягчения предвзятости и обеспечения этического соответствия. Исследование также затрагивает пробелы в существующей литературе, такие как отсутствие практических рамок для BPM на основе ИИ в рекламе и необходимость гибридных моделей, уравновешивающих автоматизацию с человеческим надзором. Будущие направления исследований включают использование обучения с подкреплением для адаптивности ИИ и отраслевой настройки. Эта работа вносит вклад в масштабируемую, соответствующую требованиям и эффективную структуру BPM для целевой рекламы, устраняя теоретические и практические пробелы в оптимизации процессов на основе ИИ.

1. Rajasekhara M.P., Madhavi K., Turarbekova K., and Shevchik N. Digital marketing influence on the business performance of kazakhstan small & medium enterprises (SMES) // Herald of the Kazakh-British Technical University. – 2024. – Vol. 21. – No. 4. – P. 317–331. https://doi.org/10.55452/1998-6688-2024-21-4-317-331

2. Smith A., and Johnson K., Information, Communication and Society. – 2021. –Vol. 24. – No. 11. – P. 1593–1611. http://dx.doi.org/10.1080/1369118X.2021.1989011(2021).

3. California Consumer Privacy Act (CCPA) as Amended. State of California. Accessed: Jan. 07, 2025. [Online]. URL: https://www.ibm.com/think/topics/ccpa-compliance

4. Cavallo A., Cosenz F., and Noto G. Business model scaling and growth hacking in digital entrepreneurship // Small Business Management. – 2023. – Vol. 62. – No. 4. – P. 2058–2085. https://doi.org/10.1080/00472778.2023.2195463

5. Chen L., Sokolovskiy K., Zhang M., and Kolosova O. The impact of e-service quality and e-satisfaction on users’ loyalty to TikTok in Russia and China // Journal of Marketing Communications. – 2023. – P. 1–15. http://dx.doi.org/10.1080/13527266.2023.2166570

6. Coffin J. Asking Questions of AI Advertising: A Maieutic Approach // Journal of Advertising. – 2022. – Vol. 51. – No. 5. – P. 608–623. https://doi.org/10.1080/00913367.2022.2111728

7. Coscieme L., Manshoven S., Gillabel J., Grossi F., and Mortensen L.F. A framework of circular business models for fashion and textiles: the role of business-model, technical, and social innovation // Sustainability: Science, Practice and Policy. – 2022. – Vol. 18. – No. 1. – P. 451–462. https://doi.org/10.1080/15487733.2022.2083792

8. Duisebayeva M. (Doctoral dissertation). M. Narikbayev KAZGUU University, Kazakhstan. Accessed: Jan. 07, 2025. [Online]. URL: http://repository.kazguu.kz/handle/123456789/1533

9. European Union. (2018). General Data Protection Regulation (GDPR). Accessed: Jan. 07, 2025. [Online]. URL: https://gdpr-info.eu/

10. Gkikas D., Theodoridis P. AI in Consumer Behavior. In: Virvou M., Tsihrintzis G.A., Tsoukalas L.H., Jain L.C. (eds) Advances in Artificial Intelligence-based Technologies. Learning and Analytics in Intelligent Systems. – Vol. 22. Springer, Cham., 2022. https://doi.org/10.1007/978-3-030-80571-5_10.

11. Häglund E., and Björklund J. AI-Driven Contextual Advertising: Toward Relevant Messaging Without Personal Data // Journal of Current Issues and Research in Advertising. – 2024. – Vol. 45. – No. 3. – P. 301–319. https://doi.org/10.1080/10641734.2024.2334939

12. Harris P., and Lewis M. Journal of Marketing Communications. – 2022. – Vol. 28. – No. 4. – P. 345–362. http://dx.doi.org/10.1080/02650487.2022.2122251

13. Jansen B.J., and Tan W. Journal of Business Analytics. – 2022. – Vol. 14. – No. 4. – P. 167–184. http://dx.doi.org/10.1108/BAJ-08-2022-0024

14. Swetha K., Dr. T. Ananth Kumar and Dr. P. Kanimozhi. AI-Based Advertisement Optimization and Performance Analytics // Asian Journal of Applied Science and Technology (AJAST). – 2025. – Vol. 9. – Vol. 2. – P. 10–21. https://doi.org/10.38177/ajast.2025.9202

15. Kaur P., and Singh R. Cogent Business and Management. – Vol. 10. – No. 1. – P. 234–256. http://dx.doi.org/10.1080/23311916.2023.2232602

16. Lee S., and Kim J. International Journal of Retail and Distribution Management. – 2020. – Vol. 48. – No. 11. – P. 1205–1223. http://dx.doi.org/10.1108/IJRDM-10-2020-0410

17. Lopes T. and Guerreiro S. Assessing business process models: a literature review on techniques for BPMN testing and formal verification // Business Process Management Journal. – 2023. – Vol. 29. – No. 8. – P. 133–162. https://doi.org/10.1108/BPMJ-11-2022-0557

18. Rana N.P., Chatterjee S., Dwivedi Y.K., and Akter S. Understanding dark side of artificial intelligence (AI) integrated business analytics: assessing firm’s operational inefficiency and competitiveness // European Journal of Information Systems. – 2021. – Vol. 31. – No. 3. – P. 364–387. https://doi.org/10.1080/0960085X.2021.1955628

19. Anderson P., and Brown R. Business Process Management Journal. – 2022. – Vol. 28. – No. 4. – P. 701–719. http://dx.doi.org/10.1108/BPMJ-08-2022-0362

20. Rodriguez R., and Martinez C. Spanish Journal of Marketing – ESIC. – 2021. – Vol. 25. – No. 3. – P. 345–362. http://dx.doi.org/10.1108/SJME-06-2021-0099

21. Rozendaal E., and Buijzen M. Children’s vulnerability to advertising: an overview of four decades of research (1980s–2020s) // International Journal of Advertising. – 2022. – Vol. 42. – No. 1. – P. 78–86. https://doi.org/10.1080/02650487.2022.2135349

22. Bortan A.Y., and Baisakov B.M. Predicting future visitors in the restaurant business

23. using machine learning // Herald of the Kazakh-British Technical University.– 2021. – Vol. 18. – No. 3. – P. 36–41. https://doi.org/10.55452/1998-6688-2021-18-3-36-41.

24. Srivastava S., Wilska T. A., and Nyrhinen J. Awareness of digital commercial profiling among adolescents in Finland and their perspectives on online targeted advertisements // Journal of Children and Media. – 2023. – Vol. 17. – No. 4. – P. 559–578. https://doi.org/10.1080/17482798.2023.2257813.

25. Turkyilmaz A., Dikhanbayeva D., Suleiman Z., Shaikholla S., and Shehab E. Industry 4.0: Challenges and opportunities for Kazakhstan SMEs // Procedia CIRP. – 2021. – Vol. 96. – P. 213–218. https://doi.org/10.1016/j.procir.2021.01.077.

26. Uskenbayeva R.K., Moldagulova A.N., Satybaldiyeva R.Z., Bektemyssova G.U., and Kalpeeva Z.B. Methodology for modeling hybrid administrative business processes // Herald of the Kazakh-British Technical University. – 2019. – Vol. 16. – No. 3. – P. 318–323. https://vestnik.kbtu.edu.kz/jour/article/view/304.

27. Walsh J., Nguyen T.Q. and Hoang T. Digital transformation in Vietnamese SMEs: managerial implications // Journal of Internet and Digital Economics. – 2023. – Vol. 3. –No. 1/2. – P. 18–32. https://doi.org/10.1108/JIDE-09-2022-0018.

28. Zhang Y., and Luo X. proceedings of the 10th International Conference on Ubiquitous Information Management and Communication (2019). http://dx.doi.org/10.1108/978-1-78743-291-820191013.