Дипломная работа на тему "Автоматизация рекламной деятельности маркетингового отдела университета «Синергия» - Синергия [ID 69695]"

Работа на тему: Автоматизация рекламной деятельности маркетингового отдела университета «Синергия»
Оценка: отлично.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/maksim---1324

Описание работы

НЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ ЧАСТНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«МОСКОВСКИЙ ФИНАНСОВО-ПРОМЫШЛЕННЫЙ УНИВЕРСИТЕТ «СИНЕРГИЯ»
Факультет электронного обучения

Направление подготовки: 09.03.03 Прикладная информатика

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА (БАКАЛАВРСКАЯ РАБОТА)
на тему: «АВТОМАТИЗАЦИЯ РЕКЛАМНОЙ ДЕЯТЕЛЬНОСТИ МАРКЕТИНГОВОГО ОТДЕЛА УНИВЕРСИТЕТА «СИНЕРГИЯ»

Москва 2025

СОДЕРЖАНИЕ
СОДЕРЖАНИЕ 2
ВВЕДЕНИЕ 4
ГЛАВА 1. АНАЛИТИЧЕСКАЯ ЧАСТЬ 10
1.1 Технико-экономическая характеристика предметной области 10
1.1.1 Характеристика предприятия и его деятельности 10
1.1.2 Организационная структура управления предприятием 12
1.1.3 Программная и техническая архитектура ИС предприятия 15
1.2 Характеристика комплекса задач и обоснование необходимости автоматизации 18
1.2.1 Выбор комплекса задач автоматизации и характеристика существующих бизнес-процессов 18
1.2.2 Определение места проектируемой задачи в комплексе задач 21
1.2.3 Обоснование необходимости использования вычислительной техники для решения задачи 23
1.2.4 Анализ системы обеспечения информационной безопасности и защиты информации 26
1.3 Анализ существующих разработок и выбор стратегии автоматизации 29
1.3.1 Анализ существующих разработок для автоматизации задачи 29
1.3.2 Выбор и обоснование стратегии автоматизации задачи 31
1.3.3 Выбор и обоснование способа приобретения ИС для автоматизации задачи 32
1.4 Обоснование проектных решений 34
1.4.1 Обоснование проектных решений по информационному обеспечению 34
1.4.2 Обоснование проектных решений по программному обеспечению 35
1.4.3 Обоснование проектных решений по техническому обеспечению 37
1.5 Выводы по главе 1 39
ГЛАВА 2. ПРОЕКТНАЯ ЧАСТЬ 41
2.1 Характеристика разработки 41
2.1.1 Этапы жизненного цикла проекта разработки автоматизируемой системы 41
2.1.2 Анализ рисков 43
2.1.3 Мероприятия по обеспечению информационной безопасности 45
2.2 Информационное обеспечение комплекса задач 47
2.2.1 Информационная модель и её описание 47
2.2.2 Характеристика входной информации 49
2.2.3 Характеристика выходной информации 51
2.3 Программное обеспечение комплекса задач 52
2.3.1 Дерево функций и сценарий диалога 52
2.3.2 Характеристика базы данных 55
2.3.3 Структурная схема пакета (модули) 58
2.3.4 Описание программных модулей 60
2.4 Контрольный пример реализации проекта 62
2.5 Выводы по главе 2 64
ГЛАВА 3. ОБОСНОВАНИЕ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ 66
3.1 Выбор и обоснование методики расчёта экономической эффективности 66
3.2 Расчёт показателей экономической эффективности 69
3.2.1 Расчёт трудовых показателей 69
3.2.2 Расчёт стоимостных показателей 71
3.2.3 Расчёт капитальных затрат и срока окупаемости 72
3.2.4 Расчёт годового экономического эффекта 73
3.2.5 Анализ чувствительности 74
3.3 Выводы по главе 3 75
ЗАКЛЮЧЕНИЕ 77
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 81

ВВЕДЕНИЕ
Актуальность темы исследования. В современных условиях цифровой трансформации образовательной отрасли особую значимость приобретает эффективное продвижение образовательных программ в социальных сетях и мессенджерах. Конкуренция на рынке высшего образования возрастает, и университеты вынуждены активно использовать инструменты digital-маркетинга для привлечения абитуриентов. Мессенджер Telegram, насчитывающий по данным на 2024 год более 900 миллионов активных пользователей по всему миру, представляет собой одну из наиболее перспективных платформ для размещения рекламы образовательных услуг в русскоязычном сегменте.
Особенностью Telegram как рекламной платформы является развитая экосистема тематических каналов, охватывающая практически все сферы интересов аудитории. По данным аналитических сервисов, в русскоязычном сегменте Telegram функционирует более 200 000 публичных каналов с аудиторией более 1 000 подписчиков. Размещение рекламных публикаций в тематических каналах позволяет точечно охватить целевую аудиторию, минимизируя расходы на нецелевые показы. Однако поиск релевантных каналов для размещения рекламы представляет значительную организационную и техническую проблему.
Процесс поиска и подбора рекламных площадок в Telegram в настоящее время является трудоёмким и требует значительных временных затрат. Маркетологи вынуждены вручную анализировать тысячи каналов, оценивать их релевантность целевой аудитории, проверять качество контента и метрики вовлечённости. Существующие инструменты автоматизации, такие как TGStat и Telemetr, предоставляют лишь базовые функции поиска по ключевым словам и фильтрации по количественным метрикам, что не позволяет эффективно находить тематически релевантные каналы. Поиск по ключевым словам пропускает каналы, которые по содержанию соответствуют целевой аудитории, но не содержат искомых терминов в названии или описании.
Применение технологий искусственного интеллекта, в частности семантического поиска на основе векторных представлений текста (эмбеддингов), открывает принципиально новые возможности для автоматизации процесса подбора рекламных площадок. Семантический поиск позволяет находить документы по смысловому соответствию запросу, а не по точному совпадению ключевых слов. Современные языковые модели, такие как OpenAI GPT и специализированные модели эмбеддингов, демонстрируют высокое качество понимания семантики текста и могут быть эффективно применены для решения задачи ранжирования каналов по релевантности.
Московский финансово-промышленный университет «Синергия» является одним из крупнейших негосударственных университетов России с развитой системой digital-маркетинга. Маркетинговый отдел университета ежемесячно выполняет десятки поисковых запросов для подбора рекламных площадок под различные образовательные продукты. Автоматизация данного процесса с применением технологий семантического поиска позволит существенно повысить эффективность маркетинговой деятельности и обеспечить конкурентные преимущества на рынке образовательных услуг.
Степень научной разработанности проблемы. Вопросы автоматизации маркетинговой деятельности рассмотрены в работах отечественных и зарубежных исследователей: Котлера Ф., Ламбена Ж.-Ж., Голубкова Е.П. и других. Технологии семантического поиска и векторных представлений текста активно развиваются в рамках направления Natural Language Processing (NLP) и представлены в работах Devlin J. (BERT), Reimers N. (Sentence-BERT), Karpukhin V. (Dense Passage Retrieval). Однако практическое применение данных технологий для автоматизации подбора рекламных площадок в мессенджерах остаётся малоизученным, что определяет научную новизну настоящего исследования.
Объектом исследования является маркетинговый отдел МФПУ «Синергия», осуществляющий продвижение образовательных программ университета с использованием цифровых каналов коммуникации.
Предметом исследования является процесс поиска и подбора рекламных площадок в мессенджере Telegram для размещения рекламы образовательных программ университета.
Целью выпускной квалификационной работы является повышение эффективности процесса подбора рекламных площадок в Telegram посредством разработки и внедрения информационной системы Telemind с применением технологий семантического поиска на основе векторных представлений текста.
Для достижения поставленной цели необходимо решить следующие задачи:
провести анализ деятельности маркетингового отдела МФПУ «Синергия», исследовать организационную структуру, информационную инфраструктуру и выявить проблемы существующего процесса подбора рекламных площадок;
исследовать существующие программные решения для автоматизации поиска Telegram-каналов, провести сравнительный анализ их функциональности и обосновать необходимость разработки собственной системы с функцией семантического поиска;
определить требования к информационному, программному и техническому обеспечению разрабатываемой системы и обосновать выбор проектных решений;
спроектировать архитектуру информационной системы, разработать информационную модель, схему базы данных и структуру программных модулей;
реализовать программное обеспечение системы Telemind с использованием выбранных технологий и провести тестирование работоспособности;
выполнить экономическое обоснование целесообразности внедрения разработанной системы с расчётом показателей экономической эффективности.
Методологическую основу исследования составляют методы системного анализа, применяемые для исследования предметной области и выявления проблем; методы объектно-ориентированного анализа и проектирования, используемые при разработке архитектуры и программного обеспечения; методы оценки экономической эффективности информационных систем на основе сравнительного анализа затрат.
Теоретическую базу исследования составляют работы в области информационных систем и баз данных (Дейт К., Коннолли Т., Избачков Ю.С.), проектирования программного обеспечения (Гамма Э., Фаулер М.), машинного обучения и обработки естественного языка (Jurafsky D., Manning C.D.), а также нормативные документы (ГОСТ 34.601-90, ГОСТ Р 59853-2021).
Информационную базу исследования составляют данные о деятельности маркетингового отдела МФПУ «Синергия», полученные в ходе интервью и анализа документации; статистические данные аналитических сервисов TGStat и Telemetr о рынке Telegram-каналов; техническая документация используемых технологий и фреймворков.
Практическая значимость работы заключается в том, что разработанная информационная система Telemind внедрена в эксплуатацию в маркетинговом отделе МФПУ «Синергия» и обеспечивает: сокращение времени на подбор рекламных площадок более чем в 13 раз; повышение качества подбора за счёт семантического анализа контента каналов; расширение охвата анализируемых каналов с 200 до 200 000+; значительную экономию финансовых ресурсов маркетингового отдела (более 2,76 млн рублей в год). Результаты работы могут быть использованы другими образовательными организациями и компаниями, осуществляющими маркетинговую деятельность в мессенджере Telegram.
Научная новизна работы состоит в применении технологий семантического поиска на основе метода HyDE (Hypothetical Document Embeddings) для задачи ранжирования Telegram-каналов по релевантности маркетинговому запросу. Разработан оригинальный алгоритм AI Pipeline, сочетающий генерацию гипотетических описаний каналов, векторизацию текста и поиск ближайших соседей в пространстве эмбеддингов.
Структура работы. Выпускная квалификационная работа состоит из введения, трёх глав, заключения и списка использованных источников.
В первой главе «Аналитическая часть» проводится анализ предметной области: исследуется деятельность МФПУ «Синергия» и маркетингового отдела, анализируется существующий бизнес-процесс подбора рекламных площадок, выявляются проблемы и обосновывается необходимость автоматизации. Выполняется сравнительный анализ существующих решений и обосновывается выбор стратегии автоматизации. Определяются требования к информационному, программному и техническому обеспечению системы.
Во второй главе «Проектная часть» представлено проектирование и реализация информационной системы Telemind. Определяются этапы жизненного цикла проекта, проводится анализ рисков, разрабатываются мероприятия по обеспечению информационной безопасности. Проектируется информационная модель, характеризуется входная и выходная информация. Разрабатывается дерево функций, схема базы данных, структура программных модулей. Приводится контрольный пример, демонстрирующий работоспособность системы.
В третьей главе «Обоснование экономической эффективности» выполняется экономическое обоснование проекта. Выбирается и обосновывается методика расчёта экономической эффективности. Рассчитываются показатели снижения трудозатрат, экономии эксплуатационных затрат, срока окупаемости и годового экономического эффекта.
Общий объём работы составляет около 75 страниц машинописного текста, включая 25 таблиц, 17 рисунков и список из 25 использованных источников.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Федеральный закон от 27.07.2006 № 152-ФЗ «О персональных данных» (ред. от 06.02.2023).
2. ГОСТ 34.601-90 Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Стадии создания.
3. ГОСТ Р 59853-2021 Информационные технологии. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Термины и определения.
4. Методические указания по выполнению выпускной квалификационной работы для студентов направления 09.03.03 «Прикладная информатика». — М.: МФПУ «Синергия», 2024. — 48 с.
5. Банк В.Р., Зверев В.С. Информационные системы в экономике: учебник. — М.: Экономистъ, 2022. — 477 с.
6. Голицына О.Л., Максимов Н.В., Попов И.И. Базы данных: учебное пособие. — М.: ФОРУМ, 2023. — 400 с.
7. Избачков Ю.С., Петров В.Н. Информационные системы: учебник для вузов. — СПб.: Питер, 2021. — 656 с.
8. Коваленко В.В. Проектирование информационных систем: учебное пособие. — М.: ФОРУМ, 2022. — 320 с.
9. Мезенцев К.Н. Автоматизированные информационные системы: учебник. — М.: Академия, 2023. — 176 с.
10. Советов Б.Я., Цехановский В.В. Информационные технологии: учебник. — М.: Юрайт, 2024. — 327 с.
11. Devlin J., Chang M.W., Lee K., Toutanova K. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding // Proceedings of NAACL-HLT 2019. — P. 4171-4186.
12. Gao L., Ma X., Lin J., Callan J. Precise Zero-Shot Dense Retrieval without Relevance Labels // Proceedings of ACL 2023. — P. 1762-1777.
13. Johnson J., Douze M., Jégou H. Billion-scale similarity search with GPUs // IEEE Transactions on Big Data. — 2021. — Vol. 7. — № 3. — P. 535-547.
14. Karpukhin V., Oğuz B., Min S. et al. Dense Passage Retrieval for Open-Domain Question Answering // Proceedings of EMNLP 2020. — P. 6769-6781.
15. Reimers N., Gurevych I. Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks // Proceedings of EMNLP-IJCNLP 2019. — P. 3982-3992.
16. NestJS Documentation.
17. Next.js Documentation.
18. OpenAI API Documentation.
19. pgVector: Open-source vector similarity search for Postgres.
20. PostgreSQL 16 Documentation.
21. Prisma Documentation.
22. TGStat — Telegram Analytics.
23. Telemetr — Telegram Channel Statistics.
24. YooKassa API Documentation.
25. Yandex Cloud Documentation.