Разработка стратегии управления инновационной деятельностью организаций сферы туризма с помощью нейросетей

Изучено управление инновационной деятельностью туристических организаций в условиях ускоренной цифровой трансформации. Целью настоящего исследования является разработка и эмпирическая валидация стратегической модели поддержки управленческих решений, основанной на гибридной архитектуре искусственных нейронных сетей. Модель предназначена для прогнозирования эффективности инновационных инициатив и выработки рекомендаций по выбору оптимального типа инновации (продуктовой, процессной или маркетинговой).

В качестве гипотезы исследования выдвинуто предположение о том, что совместный анализ внешней среды через обработку неструктурированных текстовых данных и оценка внутреннего инновационного потенциала организации позволят повысить точность и адаптивность стратегического управления в туризме.

Методологическая база исследования включает сбор и предварительную обработку мультиисточниковых данных: финансовых и операционных показателей туристических компаний, отзывов пользователей, а также индексов цифровой зрелости. Для построения модели использованы предобученная языковая модель BERT, двунаправленные LSTM-сети и многослойный перцептрон. Обучение и оценка качества проводились с применением k-фолд кросс-валидации и метода SHAP для интерпретации результатов. Эксперимент показал точность прогноза успешности инновации на уровне 86,4 %. В ходе пилотного внедрения в 10 компаниях наблюдался рост ROI от инновационных проектов на 12–27 %.

Научная новизна исследования заключается в создании интегрированной нейросетевой модели, сочетающей прогностическую и предписывающую функции в контексте стратегического управления инновациями в туризме.

Полученные результаты исследования подтверждают, что применение нейросетевых технологий повышает обоснованность и гибкость формирования инновационной стратегии. Модель может быть внедрена в практику стратегического планирования отелей, туроператоров, онлайн-агрегаторов, а также использована государственными структурами при разработке отраслевой инновационной политики.

1. Голубева, Г. Н. Проблемы и инновации спортивного менеджмента, рекреации и спортивно-оздоровительного туризма: материалы Всероссийской научно-практической конференции с международным участием, Казань, 1–2 июня 2017 г / Отв. ред. Г. Н. Голубева. — Казань: Поволжская государственная академия физической культуры, спорта и туризма, 2017. — 376 с. — EDN YSOTHH.

2. Горячев, И. А. Перспективы использования нейросетей и машинного обучения в сфере туризма / И. А. Горячев // Инновационные технологии управления и стратегии территориального развития туризма и сферы гостеприимства: материалы IV Международной научно-практической конференции, Москва, 24 сентября 2021 г. — Москва: Российский государственный университет туризма и сервиса, 2021. — С. 203–216. — EDN RQJOLL.

3. Жуковская, И. Ф. Туризм 4.0: сфера туризма в цифровом мире / И. Ф. Жуковская // Modern Economy Success. — 2024. — № 2. — С. 66–71. — DOI 10.58224/2500-3747-2024-2-66-71. — EDN PEEIGT.

4. Заернюк, В. М. Проблемы формирования и развития национальной инновационной системы / В. М. Заернюк // Сервис в России и за рубежом. — 2013. — № 3(41). — С. 87–100. — EDN PWNGXZ.

5. Заернюк, В. М. Цифровизация пищевой промышленности: проблемы и стратегические возможности / В. М. Заернюк // OpenScience. — 2023. — Т. 5, № 1. — С. 101–109. — DOI 10.51632/2658-7939_2023_5_1_101. — EDN FOSUTU.

6. Заернюк, В. М. Перспективы продвижения инновационных продуктов на отечественном страховом рынке / В. М. Заернюк, Д. А. Сюбаева // Сервис plus. — 2013. — № 1. — С. 77–82. — EDN PVDDHF.

7. Иванова, А. Цифровые технологии в деятельности малых организаций сферы туризма как способ привлечения инвестиций / А. Иванова // Вестник Самарского государственного экономического университета. — 2024. — № 2(232). — С. 27–35. — EDN DZIAQD.

8. Муминова, С. Р. Применение методов машинного обучения для исследования отзывов о туристических аттракциях / С. Р. Муминова, В. М. Феоктистова, А. А. Амелин // Инновации и инвестиции. — 2024. — № 4. — С. 477–481. — EDN SNKYBI..

9. Adadi, A. Peeking inside the black-box: A survey on explainable artificial intelligence (XAI) / A. Adadi, M. Berrada // IEEE Access. — 2018. — No. 1-1(99). — DOI 10.1109/ACCESS.2018.2870052.

10. Buhalis, D. SoCoMo marketing for travel and tourism: Empowering co-creation of value / D. Buhalis, M. Foerste // Journal of Destination Marketing & Management. — 2015. — Vol. 4, No. 3. — Pp. 151–161. — DOI 10.1016/J.JDMM.2015.04.001.

11. Buhalis, D. Real-time co-creation and nowness service: Lessons from tourism and hospitality / D. Buhalis, Y. Sinarta // Journal of Travel & Tourism Marketing. — 2019. — No. 36(5). — Pp. 563–582. — DOI 10.1080/10548408.2019.1592059.

12. Chesbrough, H.W. Open Innovation: The New Imperative for Creating and Profiting from Technology / H. W. Chesbrough // European Journal of Innovation Management. — 2004. — Vol. 7, No. 4. — Pp. 325–326. — DOI 10.1108/14601060410565074.

13. Gretzel, U. Smart tourism: foundations and developments / U. Gretzel, M. Sigala, Z. Xiang, C. Koo // Electronic Markets. — 2015. — No. 25(3). — Pp. 179–188. — DOI 10.1007/s12525-015-0196-8.

14. Holland, J. H. Hidden Order: How Adaptation Builds Complexity / J. H. Holland. — Addison-Wesley, 1995. — 185 p.

15. Laros, J. Emotions in consumer behavior: A hierarchical approach, 2005 / J. Laros, J. Steenkamp // Journal of Business Research. — 2005. — No. 10. — Pp. 1437–1445. — DOI 10.1016/j.jbusres.2003.09.013.

16. Sinha, R. K. Book review: Christoph Molnar. 2020. Interpretable Machine Learning: A Guide for Making Black Box Models Explainable / R. K. Sinha // Metamorphosis: A Journal of Management Research. — 2024. — Vol. 23, No. 1. — Pp. 92–93. — DOI 10.1177/09726225241252009. — EDN RNKXJJ.

17. Molnar, C. Interpretable Machine Learning: A Guide for Making Black Box Models Explainable, 2020 / C. Molnar. — 320 p.

18. Rogers, E. M. Diffusion of Innovations / E. M. Rogers. — 5th ed. — Simon & Schuster, 2003. — 576 p.

19. Tidd J. Managing innovation: integrating technological, market and organizational change / J. Tidd, J. R. Bessant. — 6th ed. — John Wiley & Sons, 2018. — 608 p. — ISBN 978-1-119-37941-6.

20. Vernon, R. International Investment and International Trade in the Product Cycle / R. Vernon // The Quarterly Journal of Economics. — 1966. — Vol. 80, No. 2. — Pp. 190–207.

21. Xiang, Z. What can big data and text analytics tell us about hotel guest experience and satisfaction? / Z. Xiang, Z. Schwartz, H. John [et al.] // International Journal of Hospitality Management. — 2015. — No. 44. — Pp. 120–130. — DOI 10.1016/J.IJHM.2014.10.013.