АРХИТЕКТУРНАЯ ТРАНСФОРМАЦИЯ ПРИ ПОСТРОЕНИИ МАСШТАБИРУЕМЫХ CRM-СИСТЕМ ОТ СТАРТАПА ДО ENTERPRISE

АННОТАЦИЯ

В условиях возрастающей сложности бизнес-процессов, малый бизнес заинтересован в применении доступных по ресурсам ИТ-систем, в частности, аналитических, повышающих их эффективность. Цель настоящей работы – системное исследование проблемы и возможности интеллектуализации облачных взаимоотношений с клиентами компании, малой фирмы. Использованы методы системного анализа-синтеза, сравнительного анализа и инфологического моделирования. Результатами исследования стала аналитика по внедрению CRM-систем, которая может осуществляться по этапам: планирование – бюджетирование – системная интеграция – реализация – внедрение – тестирование – оптимизация – сопровождение. Также проведен анализ основных популярных CRM-систем в малом бизнесе (отраслевых систем). Приведены сравнительные оценки топовых российских CRM. Исследования можно развивать и далее, в частности, по обеспечению инфраструктур облачных вычислений большей эластичностью, стандартизацией и интеграцией.

ABSTRACT

Given the growing complexity of business processes, small businesses are interested in using resource-accessible IT systems, in particular, analytical systems that increase the efficiency of business processes. The purpose of this work is a system study of the problem and the possibility of intellectualizing cloud relationships with customers of a company, a small company. Methods of system analysis-synthesis, comparative analysis and infological modeling were used. The results of the study were CRM systems implementation analytics, which can be carried out in stages: planning - budgeting - system integration - implementation - implementation - testing - optimization - maintenance. An analysis of the main popular CRM systems in small business (industry systems) was also carried out. Comparative estimates of top Russian CRM are given. Research can be further developed, in particular, to provide cloud computing infrastructures with greater elasticity, standardization and integration.

Ключевые слова: малый бизнес, интеллектуализация, управление, взаимоотношения с клиентами, CRM

Keywords:  small business, intelligent, management, customer relationship, CRM.

Введение

Автоматизация, а в последнее время, интеллектуализация бизнес-процессов помогает развивать бизнес-взаимодействия. CRM (или Customer Relationship Management) – ключевая система в этом процессе [9]. Эта концепция для привлечения и удержания клиента [12], планирования и управления сложными и многокритериальными процессами с гарантируемым результатом – ростом целевой аудитории, сервисных возможностей, индивидуального подхода и лояльности клиентов, стейкхолдеров.

Менеджменту необходимы рост эволюционного потенциала, эволюционная инфраструктура на базе развития бизнес-отношений с клиентами. CRM стала методологией и культурой эволюционных бизнес-процессов с различными по назначению и типу инструментами типа CRM-Стандарт, ASoftCRM, ZohoCRM, 1С-Битрикс и другие [7].

CRM-система позволяет эффективно актуализировать и вести базы данных (Big Data), коммуникации, логистику, сегментацию клиентов и подобные составляющие процесса. Она базируется на ориентации на клиента, единстве инфраструктурных подсистем и баз (клиентов, заказов, транзакций и др.), эволюционной стратегии, минимизации цепочек отношений с клиентами.

Новая, интеллектуальная ступень развития CRM – это:

1. CCRM (Cloud-CRM) – облачные;
2. WCRM (Web-CRM) – веб-ориентированные:
3. OCRM (Online-CRM) – онлайн-ориентированные.

В работе акцентируем системы CCRM. Они расширяют возможности бизнес-инфраструктуры: клиент может активировать персональную рабочую систему (данные и вычисления), свою облачную инфраструктуру под индивидуальный подход к клиенту, в том числе, решение социально-сетевых задач. Например, учитывая предпочтения клиентов, применяется интеллектуальный анализ и интерактивные клиентские коммуникации, снижая «белый шум» взаимодействий и активируя многообразие обратных и безопасных связей. Это повышает гибкость и самоорганизацию инфраструктуры, активирует интеллектуальную облачную среду, ориентированную на оптимальную «воронку продаж» и интеграцию данных и документов.

CRM-системы ориентированы на стратегию, длинный период развития бизнеса, на использование предсказательной аналитики и оптимальных принимаемых решений, а также устойчивость [6]. Поэтому использующий CRM-систему малый бизнес ориентирован на сокращение издержек, эффективное планирование (продаж, сделок, запасов), повышение лояльности клиентов и облачные вычисления [1]. Привлекается Data Mining для протоколирования (профилирования) сделок, продаж, закупок, финансирования и другие.

Для малого бизнеса CRM незаменимы, им, с небольшим оборотом, следует минимизировать риски рыночной конкуренции и максимизировать эффективность управления. С этой целью в работе проведен системный анализ указанной проблемы.

Материалы и методы исследования

Внедряется CRM-система поэтапно: планирование – бюджетирование – формирование платформы (системного интегратора) – реализация – внедрение (оценка релевантности) – тестирование (функционала, задач) – обучение персонала – оптимизация – сопровождение («продолжающаяся разработка»).

Данное исследование базируется на учете этого цикла, проведенной системной аналитике (методами анализа-синтеза, сравнения-оценивания), эвристическом, инфологическом моделировании.

Результаты и обсуждения

В результате проведенных исследований удалось определить ниже описанные значимые принципы, возможности и системные проблемы применения облачных интеллектуальных CRM, провести соответствующую классификацию. 

Во-первых, CCRM следует рассматривать как часть WCRM и OCRM в e-Commerce. По мнению автора данной статьи, можно рассматривать и класс ICRM (Intellectualized CRM), который активизирует разнообразие интеллектуальных инструментов и взаимодействий таких, как: Data Mining, нейро-маркетинг, нейро-трекинг, нейро-аналитику и другие. Особо заинтересован в доступных ICRM малый бизнес, ищущий готовые («коробочные») решения, например, в виде InfusionSoft, SalesNexus, InTouchCRM, Wrike, ProphetCRM и др.

У ICRM – свои преимущества, в частности, следующие:

1. интерактивный доступ к CRM-системе (в реальном режиме –  «в точке, во время, с ресурсами» клиента);
2. интегрируемость с другими веб-ресурсами (FAQ, IP-телефония, e-mail, ftp, telnet, chat, скринкастинг и др.);
3. доступность по стоимости (эксплуатации, развертывания и «бэкэнд»-поддержки, подключения дополнительного сервиса, например, хостинг-сервиса и др.);
4. оперативность (отклика, передачи-приема информации, сегментации, развертывания, восстановления и др.);
5. облачный хостинг, эффективная инфраструктура (серверная, аутсорсинга, программная, сервисная, аналитическая, административная и др.);
6. глубокое машинное обучение, естественный интерфейс с извлечением связей из неструктурированных и плохо формализованных ценных данных (поведение клиентов, групп, конкурентов и др.).

Развитие  ICRM стимулирует эволюционные процессы и в области  MCRM (Mobile-CRM) – мобильных «беспроводных» CRM. С развитием  SaaS-решений и технологии BYOD [16], работники компаний получают дополнительные преимущества с внедрением ICRM.

MCRM повышает производительность примерно на 15 %, более 60 % коммерческих представителей с MCRM достигают запланированных продаж, хотя около 22 % являются приверженцами немобильного варианта.

Малый бизнес часто внедряет «самописные» CRM для ежедневных рутинных взаимодействий с клиентом, в основном, на основе несложного статистического анализа продаж, например, корреляционного. Однако они стали переходить к интеллектуальному анализу, ориентированному на Data Mininng, с поиском скрытых, значимых связей в базах (клиентов, заказов, продаж, партнерских и других).

Во-вторых, к часто внедряемым CRM-системам относят, приведенные в таблице 1 (развитие таблицы 2 работы [15]).

Таблица 1.

 Отраслевые CRM-системы (преимущественная сфера их применения)

Наиболее известные российские CRM: 1C: StorVerk, Mango, Megaplan, Bitrix24, Amo и другие, которые, кроме ориентации на российский рынок, имеют следующие преимущества:

1. интегрируемость (с другими бизнес- и коммерческими системами);
2. устойчивость в ценах (рублевые, неизменные);
3. гибкость поддержки (в том числе, кадровой – специалиста по российской системе найти легче);
4. практический инструментарий снижения издержек и увеличения продаж и др.

В третьих, для сравнения пяти российских CRM-систем построим таблицу 2 (из-за неофициальности оценки, CRM не конкретизируем, это просто пример подхода).

Таблица 2.

Сравнительные 10-балльные оценки Топ-5 российских CRM

В четвертых, выделим CRM для аналитической поддержки баз данных, которые часто интегрируются с Data Mining-процедурами. Это обеспечивает (см. табл. 3–4 ниже):  

1. параметризацию скрытых связей в базе клиентов, учитывая сезонные, рыночные, потребительские, партнерские и иные особенности лояльности клиента;
2. корреляционный и факторный анализ отдельных индикаторов (событий), влияющих на политику лояльности и конверсии;
3. маркетинговый анализ среды – профилирование, сегментирование (таргетирование), классификацию и таксономию;
4. оценки значимости значений целевых функций, взаимовлияний принимаемых решений (стратегических, тактических) и откликов клиента на них и наоборот;
5. ситуационное моделирование и прогнозирование эффективности маркетинговых, рекламных, ценовых и других акций.

Таблица 3.

Основные возможности процедур Data Mining для бизнеса, внедряющего (внедрившего) CRM-систему

Таблица 4.

Основные возможности процедур Data Mining для расширения (улучшения) возможностей клиента

В-пятых, основные задачи интеллектуализации малого бизнеса должны учесть, в частности:

1. рост конкуренции в нише;
2. требования к качеству продукции;
3. оперативную готовность выпуска продукции (сокращенный цикл запуска в производство новой продукции);
4. технологическое, маркетинговое и иное усложнение продукции с сохранением цены (снижения себестоимости).

Малые предприятия станут конкурентоспособными лишь при высокотехнологичном производстве и автоматизации (интеллектуализации) бизнес-процессов, которые сократит организационные издержки. Без CRM-систем и решений, полнофункциональной клиентской среды и качественного обслуживания им не обойтись. Облачные интеллектуальные CRM-системы можно активировать в любом месте, в любое время, в любой точке доступа. Малому бизнесу не релевантны понятия «занимает много времени», «сложный процесс» и подобные им.

В-шестых, малому бизнесу релевантны открытые CCRM, ориентированные на:

1. сегментацию клиентской базы, планирование и быстрый возврат инвестиций за счет, например, автоматизации (интеллектуализации) продаж;
2. функционально завершенное («окончательное») обслуживание клиентов и рост их базы (лояльности);
3. гибкость и мобильность решений, оптимизацию коммуникации, например, используя соцсети;
4. эффективное и гибкое управление бизнес-процессами с оперативной аналитикой и т.д.

По данным экспертов (Capterra), такие облачные решения (класса SaaS) привлекают сейчас около 80 % малых фирм. Спрос на них бизнеса уже превысил 35 млрд. долл. При этом пользователи отмечают «удобство» как главный критерий выбора CCRM. CCRM является интегратором маркетинга, продаж и автоматизации (интеллектуализации). Рентабельность – один из главных преимуществ внедрения CCRM. Доходность вложенного 1 долл. оценивается в примерно 8 долл.

CCRM с внутренней соцсетью (ESN) может стать платформой оперативного обмена идеями и информацией работников и поиска клиентов в реальном режиме. Она способна централизовать их взаимодействия, направлять запросы в единую базу, способствуя эволюции малого бизнеса, не имеющих возможностей инвестировать в мощную инфраструктуру.

Например, интернет-магазин ожидает от интеллектуализации бизнес-процессов:

1. интеграции платформы с внутренними системами CRM-, SCM-, ERP-, PRM-решениями, самообслуживания клиентов SSCS (Self-Service Customer Support) и колл-центром;
2. анализа и внедрения лучших практик e-Commerce;
3. полноценной (по морфологии, грамматике) системы поиска результатов с группировкой результатов и продуктового каталога с функцией персонализации;
4. настройки процесса заказа товара (услуги) с доставкой, возвратами и иными сервисами;
5. модульной клиентской системы «Личный кабинет» с сопровождением заказов, покупок, счетов, бонусов и мотивацией повторных покупок, т.е. построением персонального профиля клиента («цифрового двойника»).

Заключение

Облачная экосистема создает условия для ведения не только крупного и среднего бизнеса, но и малого, за счет интеллектуализации взаимодействий, бизнес-процессов. Это позволяет динамически увеличивать доход, упрощать управление и доступ к бизнес-аналитике, а также снижать сложность принятия решений и повышать их контролируемость в режиме реального времени.

Список литературы:

1. Барановский C.Н., Толкачев М.А. Механизм внедрения CRM-системы на предприятиях малого и среднего бизнеса // Труды БГТУ. Сер. 5. – 2017. – № 1. – С. 5–9.
2. Воробьёва С.В. Таксономия / Гуманитарный портал: концепты // Центр гуманитарных технологий, 2002-2025. [Электронный ресурс]. – Режим доступа: https://gtmarket.ru/concepts/6845 (дата доступа 20.07.2025)
3. Головина Т.А., Авдеева И.Л., Суханов Д.А. Управление рисками организаций в условиях цифровой экономики // Вестник Академии знаний. –2022. –№ 48(1). – С. 55–62.
4. Давнис В.В., Тинякова В.И. Прогнозные модели экспертных предпочтений: монография. – Воронеж: Изд-во Воронеж. гос. ун-та.  – 2005. – 248 с.
5. Диесперова Н.А. Нейромаркетинг и его воздействие на потребителя: перспективы и ограничения // Российский журнал менеджмента (Russian Journal of Management). – 2023. – Т. 11. – № 3. – С. 39–43.
6. Казиев В.М., Аликаева М.В., Казиева Б.В. Моделирование влияния инвестиционных бизнес-процессов на экономическую устойчивость организации // Вестник СОГУ. – 2018. – № 1. – C. 116–120.
7. Каталог CRM-систем [Электронный ресурс]. – Режим доступа: http://crmonline.ru/software/ (дата обращения: 07.07.2025).
8. Костенко С.А. Технология применения многомерного шкалирования и кластерного анализа // Фундаментальные исследования. – 2012. – № 11(4). – С. 927–930. [Электронный ресурс]. – Режим доступа: https://fundamental-research.ru/ru/article/view?id=30685 (дата обращения: 06.08.2025).
9. Куликова М.М., Исабекова О.А. Актуальность внедрения CRM-систем / М. М. Куликова, О. А. Исабекова // Московский экономический журнал. –  2018. – № 4. – С. 599–605.
10. Львовский Е.Н. Статистические методы построения эмпирических формул: учебное пособие для втузов (2-ое изд.). – М.: Высшая школа. – 1988. – 238 с.
11. Предикативная (предиктивная) аналитика [Электронный ресурс]. – Режим доступа:http://www.tadviser.ru/index.php/Статья:Предикативная_аналитика_(предиктивная,_прогнозная,_прогностическая)_Predictive_analytics (дата доступа: 13.07.2025).
12. Резник Г.А. CRM как новая функциональная форма внутрифирменной координации производственного предприятия // Траектория науки: междун. эл. науч. журн. – 2016. – № 6(11). – С. 111–117
13. Сучкова А.Ю., Игрунова О.М. Использование инструментов маркетинговых исследований при разработке ценностного предложения инновационного цифрового продукта // Экономические и социально-гуманитарные исследования. – 2022. – № 4(36). – С.37–54.
14. Форман Д. Много цифр: Анализ больших данных при помощи Excel ./ М.: Альпина Паблишер. – 2016. – 464 с.
15. Шполянская Н.Ю. Использование технологий Data Mining с целью создания аналитических CRM-систем для малого бизнеса // Вестник Ростовского гос. эконом. ун-та (РИНХ). – 2014. – № 1(45). – С.129–135.
16. Якубович С.А. Анализ рисков использования корпоративной практики BYOD в безопасности корпоративной среды, на основе опыта различных компаний // Вестник науки. – 2025. – № 2(83). – Т. 4. – С. 492–497.
17. Jihong Dong, Wenting Dai, Jiren Xu, et al. Impact and elastic modulus of coal mining on terrestrial ecosystems // Scientific Reports. – 2025. – No. 15(1).