Разработка общей верхнеуровневой архитектуры цифрового сервиса персонализированного питания как конкурентного преимущества в условиях пандемии коронавируса
Автор: Карапузов Максим Юрьевич
Журнал: Экономический журнал @economicarggu
Рубрика: Мировая экономика
Статья в выпуске: 3 (63), 2021 года.
Бесплатный доступ
В данной статье рассматриваются теоретические вопросы, связанные с возможностями внедрения и использования цифровых сервисов персонализированного питания в условиях пандемии COVID-19. Рассмотрены актуальные проблемы российского рынка продуктового ритейла, а также современные тренды изменения потребительских предпочтений. Описаны преимущества ориентации ритейлеров на удовлетворение потребностей клиентов в персонализированном и здоровом питании. вариант общей архитектуры цифрового персонализированного питания, дана характеристика архитектуры, дана классификация источников данных для построения индивидуальных планов питания. Сделан вывод о возможностях для продуктовых ритейлеров в области получения конкурентных преимуществ благодаря внедрению цифровых сервисов по персонализации питания.
Персонализированное питание, цифровые сервисы, персонализированные сервисы, архитектура, covid-19
Короткий адрес: https://sciup.org/149141017
IDR: 149141017
Список литературы Разработка общей верхнеуровневой архитектуры цифрового сервиса персонализированного питания как конкурентного преимущества в условиях пандемии коронавируса
- 43% россиян готовы выделить дополнительные деньги на персонализированное питание // Едим лучше [Электронный ресурс] // Режим доступа: https://eatingbetter.ru/blog/personalized-nutrition (дата обращения: 11.10.2021).
- Интернет-продажи продуктов выросли за полгода почти втрое // РБК [Электронный ресурс] // Режим доступа: https://www.rbc.ru/business/01/09/2021/612e17489a79475c9299e0d5 (дата обращения: 25.09.2021).
- Падение экономики России из-за пандемии стало максимальным за 11 лет // РБК [Электронный ресурс] // Режим доступа: https://www.rbc.ru/economics/01/02/2021/6017e1819a7947cb98f23f95 (дата обращения: 26.05.2021).
- Россияне не готовы отказываться от доставки продуктов на дом после окончания самоизоляции // НАФИ [Электронный ресурс] // Режим доступа: https://nafi.ru/analytics/rossiyane-ne-gotovy-otkazyvatsya-ot-dostavki-produktov-na-dom-posle-okonchaniya-samoizolyatsii/ (дата обращения: 18.06.2021).
- Balintfi, J. L. (1964). Computer-assisted menu planning. Communications of the ACM, 7(4), 255-259. doi:10.1145/364005.364087.
- Boland, M., Alam, F., & Bronlund, J. (2019). Modern Technologies for Personalized Nutrition. Trends in Personalized Nutrition, 195-222. doi:10.1016/b978-0-12-816403-7.00006-4.
- Carolan, M., 2018. Big data and food retail: nudging out citizens by creating dependent consumers. Geoforum, 90, pp.142-150. doi:10.1016/j.geoforum.2018.02.00.
- Chifu, V., Bonta, R., Chifu, E. S., Salomie, I., & Moldovan, D. (2017). Particle Swarm Optimization Based Method for Personalized Menu Recommendations. IFMBE Proceedings, 232-237. doi:10.1007/978-3-319-52875-5_50.
- Consumers are Turning to Local Products // FMCG Gurus [Электронный ресурс] // Режим доступа: https://fmcggurus.com/blog/fmcg-gurus-consumers-are-turning-to-local-products/ (дата обращения: 28.09.2021).
- Ludvik Eger, Lenka Komarkova, Dana Egerova, Michal Micik. The effect of COVID-19 on consumer shopping behaviour: Generational cohort perspective. Journal of Retailing and Consumer Services - Volume 61, 2021 - doi.org/10.1016/j.jretconser.2021.102542.
- Mak, E., Pinter, B., Gaal, B., Vassanyi, I., Kozmann, G., & Nemeth, I. (2010). A Formal Domain Model for Dietary and Physical Activity Counseling. Lecture Notes in Computer Science, 607-616. doi: 10.1007/978-3-642-15387-7_64.
- Moldovan, D., Stefan, P., Vuscan, C., Chifu, V. R., Anghel, I., Cioara, T., & Salomie, I. (2017). Diet Generator for Elders using Cat Swarm Optimization and Wolf Search. IFMBE Proceedings, 238-243. doi:10.1007/978-3-319-52875-5_51.
- New Epsilon research indicates 80% of consumers are more likely to make a purchase when brands offer personalized experiences // Epsilon [Электронный ресурс] // Режим доступа: https://www.epsilon.com/us/about-us/pressroom/new-epsilon-research-indicates-80-of-consumers-are-more-likely-to-make-a-purchase-when-brands-offer-personalized-experiences (дата обращения: 10.10.2021).
- Ngo, H. C., Cheah, Y.-N., Goh, O. S., Choo, Y.-H., Basiron, H., & Kumar, Y. J. (2016). A Review on Automated Menu Planning Approaches. Journal of Computer Science, 12(12), 582-596. doi:10.3844/jcssp.2016.582.596.
- Zenun Franco, R. (2017). Online Recommender System for Personalized Nutrition Advice. Proceedings of the Eleventh ACM Conference on Recommender Systems - RecSys '17. doi:10.1145/3109859.3109862.
