Маркетинговое исследование потребительских предпочтений в сфере услуг мобильного Интернета: методология, актуальные тенденции и трансформация под влиянием цифровых экосистем (2023–2025 гг.)

Введение: Актуальность, цели и задачи исследования

Рынок услуг мобильного интернета в России и мире переживает период стремительной трансформации, движимой экспоненциальным ростом потребления данных и стратегическим переходом телекоммуникационных компаний к модели цифровых экосистем. В условиях, когда проникновение мобильной связи достигает 150%, а традиционные голосовые услуги вытесняются передачей данных, критически важным становится глубокое понимание динамики потребительских предпочтений.

Актуальность настоящего исследования продиктована несколькими факторами. Во-первых, это взрывной рост трафика: в 2023 году общий объем потребления интернет-трафика в России вырос на 25% по отношению к предыдущему году, достигнув 150,4 Эбайт за два года (2022–2023). Во-вторых, стратегическое перепозиционирование операторов (МТС, МегаФон, Tele2) в многофункциональные цифровые платформы требует принципиально новых подходов к маркетинговым исследованиям, способных охватить весь «путь клиента» в сложной экосистеме, что позволяет операторам не просто продавать связь, но и управлять всей цифровой жизнью абонента.

Цель работы — провести глубокий анализ методологии и результатов маркетингового исследования потребительских предпочтений в сфере услуг мобильного Интернета, выявить актуальные рыночные тенденции 2023–2025 гг. и обосновать трансформацию исследовательского инструментария под влиянием Big Data и Искусственного Интеллекта.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Определить теоретические основы и ключевые концепции маркетингового исследования в телекоме.
2. Проанализировать актуальные статистические данные и ключевые драйверы развития российского рынка мобильного интернета.
3. Детализировать факторы, влияющие на выбор оператора и тарифа потребителями.
4. Исследовать эволюцию и специфику современных методов маркетинговых исследований, включая применение Big Data, CJM и ИИ.

Структура работы построена на последовательном переходе от теоретических основ к эмпирическому анализу рынка и методологической трансформации, что позволяет создать исчерпывающий и современный академический текст.

Теоретические основы и концептуальные подходы к изучению потребительских предпочтений

Определение и роль маркетингового исследования в телекоммуникациях

Маркетинговое исследование (МИ) представляет собой систематический процесс, направленный на поиск, сбор, анализ и представление данных, относящихся к конкретной рыночной ситуации. В высококонкурентной среде телекоммуникаций, где услуги по сути являются недифференцированным товаром, МИ играет ключевую роль в разработке конкурентных стратегий, оптимизации тарифной политики и профилактике оттока клиентов, потому что только глубокое понимание целевой аудитории позволяет создать уникальное предложение.

Ключевые термины:

• Маркетинговое исследование: Систематический процесс, обеспечивающий принятие обоснованных решений в области маркетинга путем сбора и анализа релевантной информации.
• Мобильный интернет: Ключевой элемент современных телекоммуникационных услуг, обеспечивающий доступ к сети Интернет посредством мобильной связи, преимущественно через смартфоны.
• Потребительские предпочтения: Научное изучение этих предпочтений традиционно рассматривается с трех взаимосвязанных позиций:
  1. Экономический подход: Фокусируется на рациональном выборе, полезности и спросе, где потребитель стремится к максимизации выгоды (выбор оптимального соотношения «Цена-Скорость»).
  2. Социально-психологический подход: Объясняет выбор через социальные, личностные и мотивационные детерминанты (имидж оператора, лояльность, влияние референтных групп).
  3. Маркетинговый подход: Объединяет вышеперечисленные, фокусируясь на сегментации рынка, позиционировании и разработке персонализированных предложений.

Специфика потребительского поведения в цифровой среде

Среда мобильного интернета накладывает уникальный отпечаток на поведение потребителей. В отличие от офлайн-покупок, часто мотивированных гедонистическими факторами (удовольствие от процесса), выбор и использование мобильных услуг и цифровых продуктов в большей степени обусловлены утилитарными факторами.

Потребитель мобильного интернета и цифровых услуг ищет:

• Удобство и эффективность: Минимизация временных затрат на получение услуги (например, покупка трафика, подключение опций).
• Прозрачность и сравнение: Легкость сравнения тарифов и условий операторов, что усиливает чувствительность к ценовой политике.
• Ценностная мотивированность: Поведение обусловлено не столько самим фактом наличия связи, сколько возможностью реализации своих ценностей (коммуникация, работа, образование, развлечения) через мобильный канал.

В этом контексте операторы вынуждены применять междисциплинарный подход. Например, оператор Tele2 активно использует маркет тарифных опций – инструмент, позволяющий абоненту самостоятельно «собирать» свой тариф, что является прямым ответом на социально-психологическую потребность в персонализации и контроле. Анализ поведения абонентов в этом маркете позволяет получить уникальные данные о реальной ценности каждой опции и сегментировать аудиторию по готовности к кастомизации.

Анализ актуального состояния и ключевых тенденций российского рынка мобильного интернета (2023–2025 гг.)

Основные рыночные показатели и динамика проникновения

Рынок мобильного интернета в России демонстрирует стабильный рост, несмотря на высокую степень насыщения. К началу 2025 года уровень проникновения мобильной связи в стране достиг впечатляющих 150%, что означает 216 миллионов мобильных подключений при 133 миллионах интернет-пользователей. Эти цифры подчеркивают высокую мультисимочность и наличие нескольких устройств у одного пользователя, а также свидетельствуют о том, что конкуренция смещается в сторону удержания абонента, а не привлечения нового.

Показатель	Значение (нач. 2025 г.)	Динамика (2023 г.)
Общее число мобильных подключений	216 млн	Стабильный рост
Проникновение мобильной связи	150%	Высокое насыщение
Проникновение интернета (общее)	92,2%	Высокое насыщение
Рост объема интернет-трафика (2023)	+25%	Двузначный рост
Общий объем трафика (2022–2023)	150,4 Эбайт	Рекордные значения

Ключевым трендом является смещение фокуса с голосовых услуг на передачу данных. Потребление трафика продолжает расти двузначными темпами. При этом около 70% всего потребления данных приходится на мобильные приложения. В ближайшем будущем основным драйвером роста трафика станет межмашинное взаимодействие (M2M-трафик), обусловленное масштабным внедрением Интернета вещей (IoT), систем «умного города» и развитием технологий искусственного интеллекта.

Стратегическая трансформация операторов в цифровые экосистемы

Телекоммуникационный рынок России переживает фундаментальную трансформацию: классические операторы связи активно переходят к созданию многофункциональных цифровых экосистем. Это стратегический ответ на насыщение традиционных сегментов рынка и необходимость диверсификации доходов. В свете этого, не стоит ли нам переосмыслить само понятие «оператор связи» в контексте его новой роли — поставщика комплексных цифровых решений?

Цифровая экосистема — это интегрированная платформа, объединяющая телекоммуникационные услуги с финансовыми, медийными, медицинскими, образовательными и другими цифровыми сервисами. В России лидерами этого процесса являются МТС, МегаФон и Tele2 (в составе «Ростелекома»).

• Конкурентное преимущество: Операторы используют свою обширную абонентскую базу и данные о поведении клиентов (Big Data) для персонализации и кросс-продаж внутри экосистемы.
• Рост сегмента: Прогнозируемый рост сегмента «Инфраструктура и связь» в структуре интернет-экономики России в 2023 году составил впечатляющие 40%, что свидетельствует о смещении инвестиционных приоритетов.
• Примеры стратегий:
  • МТС: Занимала 21% рынка экосистемных подписок по итогам 2022 года, активно развивает финансовые услуги и медиаконтент.
  • «Ростелеком» (Tele2): В своей стратегии до 2025 года фокусируется на усилении позиций в пяти цифровых сегментах, включая облачные технологии, информационную безопасность и проекты «умного города», используя Tele2 как опорную мобильную платформу.

Эта трансформация меняет и требования к маркетинговому исследованию: теперь недостаточно изучать предпочтения по тарифу; необходимо анализировать, как потребитель перемещается между различными сервисами экосистемы и что удерживает его в этой цифровой орбите.

Факторы выбора услуг мобильного интернета и сегментация потребителей

Ключевые детерминанты потребительского выбора

Выбор мобильного оператора и тарифа российскими потребителями остается рационально ориентированным и базируется на иерархии базовых потребностей. Маркетинговые исследования показывают, что абсолютное большинство абонентов обращают внимание на следующие факторы (по убыванию значимости):

1. Качество связи (83%): Включает надежность, отсутствие обрывов и стабильность сигнала.
2. Цены на услуги (76%): Ценовая чувствительность остается высокой в условиях высокой конкуренции.
3. Скорость интернета (68%): Критически важна для потребления медиаконтента (видео, игры) и удаленной работы.
4. Наличие связи в труднодоступных местах (62%): Актуально для жителей регионов и тех, кто часто путешествует.

Эти же факторы становятся основными причинами оттока (смены оператора): высокие тарифы (48%) и низкое качество связи (28%). Это доказывает, что, несмотря на развитие экосистем, фундамент лояльности закладывается на уровне базового продукта — стабильного и доступного мобильного интернета.

Особенности формирования тарифных планов

Формирование тарифных планов операторами — это сложный процесс балансирования между ценовой чувствительностью потребителей и необходимостью сохранения прибыльности (ARPU). Маркетинговые исследования здесь играют роль катализатора.

Операторы при разработке тарифов ориентируются на среднестатистический профиль потребления российского абонента, который составляет примерно 10 ГБ мобильного интернета и 100 минут голосовых вызовов в месяц. Эти цифры служат точкой отсчета для базовых тарифных предложений.

Сегментация по сценариям использования:

• «Трафиковые» потребители: Фокусируются на объеме интернета и предпочитают безлимитные или большие пакеты. Их выбор определяется скоростью и покрытием.
• «Голосовые» потребители: Нуждаются в большом количестве минут, но минимальном объеме данных.
• «Смешанные» (усредненные): Наиболее чувствительны к цене и ищут оптимальное соотношение 10 ГБ / 100 минут.

Интересно, что потребители, меняющие тарифный план внутри сети, чаще переходят на предложения либо с большими возможностями (48%), либо с меньшей стоимостью (38%). Это подтверждает гипотезу о двух основных сегментах: те, кто готов платить за премиальные услуги, и те, кто стремится к экономии.

Кейс-анализ уникальных инструментов сегментации

В условиях, когда стандартные тарифные сетки перестают удовлетворять индивидуальные потребности, операторы внедряют гибкие инструменты.

Кейсом, иллюстрирующим глубокое изучение предпочтений, является «Маркет тарифных опций» Tele2. Этот инструмент позволяет абонентам продавать или покупать минуты, SMS и гигабайты, тем самым создавая уникальный, персонализированный тариф.

Аналитическое значение: Внедрение такого инструмента — это не просто маркетинговый ход, а форма постоянного, глубокого качественного исследования. Изучая, что абоненты продают (что им избыточно) и что покупают (что им критически необходимо), оператор получает моментальную обратную связь о реальной ценности каждого элемента пакета и может адаптировать свои базовые предложения, устраняя «мертвые» опции и усиливая востребованные.

Современные методы и трансформация инструментария маркетингового исследования под влиянием Big Data и ИИ

Эволюция методов: от классики к Big Data

Традиционная методология МИ в телекоме включала классические количественные методы (сплошное анкетирование, анализ статистики продаж) и качественные методы (фокус-группы, глубинное интервью). Однако цифровая среда, особенно мобильный интернет, требует более быстрых, контекстуальных и менее интрузивных подходов, что привело к доминированию аналитики больших данных.

Актуальные и новые методы:

Метод	Описание и применение в телекоме
Онлайн-сообщества	Закрытые группы клиентов для обсуждения услуг, тарифов, новых продуктов. Позволяют собирать глубокие качественные данные в режиме реального времени.
Мобильные опросы	Опросы, проводимые через мобильный канал (приложения, SMS, USSD), что обеспечивает высокую скорость отклика и позволяет привязать ответ к контексту использования.
Анализ социальных сетей (Netnography)	Изучение неструктурированных данных (отзывов, комментариев) для выявления эмоционального фона, скрытых «болей» и трендов.
Анализ больших данных (Big Data)	Сбор и обработка обезличенных данных о поведении абонентов (геолокация, частота звонков, потребление трафика, история платежей).

Применение Big Data и Customer Journey Mapping (CJM) в телекоме

Big Data изменила подход к маркетинговому исследованию, сделав его проактивным и высокоточным.

1. Оценка эффективности маркетинга (Sales Lift & Brand Lift): Анализ Big Data позволяет операторам точно измерять влияние рекламных кампаний на фактические продажи (Sales Lift) или изменение узнаваемости/отношения к бренду (Brand Lift) среди целевых аудиторий.
2. Анализ пути клиента (CJM): Это методология, направленная на выявление и оптимизацию всех точек контакта (Touchpoints) клиента с услугой, от первого знакомства до постпродажного обслуживания.
   • Кейс МТС: Компания ежегодно разрабатывает до десяти поведенческих сценариев CJM. Цель — выявить критические «клиентские боли» (например, сложность перехода на новый тариф, долгое ожидание в чате) и минимизировать количество шагов, необходимых для получения услуги.

Использование Big Data позволяет строить наиболее популярные клиентские маршруты — от первого клика на рекламе до финальной оплаты тарифа, что критически важно для оптимизации рекламного размещения и повышения конверсии. Выявление кластеров маршрутов позволяет оператору фокусироваться на наиболее прибыльных или проблемных сценариях, обеспечивая точное управление ресурсами.

Роль Искусственного Интеллекта в прогнозном моделировании

Искусственный Интеллект (ИИ) позволяет перейти от констатации фактов к прогнозированию поведения и автоматизированному принятию решений.

Прогнозирование оттока (Churn Prediction): Одной из ключевых задач в телекоме является удержание клиента. ИИ позволяет создать модели, прогнозирующие вероятность ухода абонента.

• Эффективные модели: В российских телекоммуникационных компаниях наиболее эффективными моделями машинного обучения для прогнозирования оттока признаны методы Градиентного Бустинга (Gradient Boosting), которые статистически превосходят более простые модели, такие как Логистическая Регрессия.
• Ключевые предикторы: ИИ-модели выявили, что ключевыми предикторами скорого оттока являются не только жалобы на связь, но и общие выплаты клиента, размер последней месячной выплаты и частота оплаты. Снижение этих показателей часто сигнализирует о поиске альтернативного оператора.

Применение ИИ также обеспечивает автоматизацию таргетинга и позволяет строить сложные модели-симуляции для тестирования гипотетических новых тарифов или услуг перед их запуском, тем самым снижая маркетинговые риски.

Генеративный ИИ как инструмент непрерывного исследования

Новейшая тенденция — использование генеративного ИИ не только для ана��итики, но и для непосредственного взаимодействия с клиентами, что превращает его в инструмент непрерывного маркетингового исследования.

ИИ-управляемые чат-боты и виртуальные ассистенты обрабатывают миллионы запросов в реальном времени. Эти запросы, а также эмоциональный тон общения, становятся бесценным источником информации о «болях» и ожиданиях клиентов.

• Кейс «МегаФон» и «Суфлёр»: «МегаФон» внедрил интеллектуального AI-помощника «Суфлёр», созданного на базе внутренней генеративной нейросети. Этот инструмент помогает сотрудникам салонов связи и колл-центров, предоставляя им моментальные, контекстно-зависимые ответы. Улучшая качество обслуживания, «Суфлёр» также собирает и структурирует данные о том, какие вопросы и проблемы возникают у клиентов чаще всего, позволяя оперативно корректировать продукт и коммуникационную стратегию.

Стратегический приоритет генеративного ИИ, подтверждаемый созданием отдельных подразделений (например, в «Сбер»), указывает на то, что технология будет доминировать в процессах углубленного анализа данных и разработке персонализированных экосистемных предложений, а также обеспечивать операторам мгновенную реакцию на изменение рыночной конъюнктуры.

Выводы и практические рекомендации

Проведенное исследование подтверждает, что рынок мобильного интернета находится на пике цифровой трансформации, требующей от операторов радикального пересмотра методологии маркетинговых исследований.

Ключевые выводы:

1. Рыночная доминанта данных: Российский рынок характеризуется высоким насыщением (150% проникновения) и экспоненциальным ростом трафика (150,4 Эбайт), при этом главным стратегическим драйвером является переход операторов к модели цифровых экосистем (МТС, Tele2).
2. Фундаментальная рациональность выбора: Несмотря на развитие экосистем, потребители остаются высокочувствительными к базовым факторам: качеству связи (83%) и цене (76%). Среднестатистический объем потребления (10 ГБ/100 минут) остается ключевой метрикой для разработки тарифов.
3. Методологический сдвиг: Маркетинговые исследования радикально трансформировались, сместив акцент с традиционных опросов на анализ Big Data и поведенческих сценариев (CJM).
4. Прогнозная аналитика: Внедрение Искусственного Интеллекта, в частности Градиентного Бустинга, обеспечивает высокую точность прогнозирования оттока, делая акцент на финансовых предикторах (общие и последние выплаты). Генеративный ИИ становится инструментом непрерывного сбора данных через оптимизацию клиентского сервиса.

Практические рекомендации для операторов мобильной связи:

1. Приоритизация ценностного предложения экосистемы: Маркетинговые исследования должны фокусироваться не только на тарифах, но и на точках перехода клиента между сервисами экосистемы (финансы, медиа). Необходимо выявлять и продвигать уникальные бандлы, где синергия услуг максимизирует потребительскую ценность.
2. Проактивная профилактика оттока с помощью ИИ: Инвестировать в продвинутые модели машинного обучения (Градиентный Бустинг) для выявления клиентов с высокой вероятностью оттока. Разрабатывать персонализированные проактивные предложения, основанные на финансовых предикторах и частоте оплаты, а не только на жалобах.
3. Оптимизация CJM на основе Big Data: Продолжить активное внедрение CJM (по примеру МТС) для систематического выявления и устранения «клиентских болей» в цифровых каналах. Использовать данные о клиентских маршрутах для максимально точного размещения рекламных материалов и улучшения пользовательского опыта.
4. Интеграция Генеративного ИИ в исследовательский цикл: Использовать данные, собираемые ИИ-ассистентами и чат-ботами (например, «Суфлёр» от МегаФон), как непрерывный источник качественных данных о болевых точках продукта и услуг.

Вклад данной работы в академическое поле заключается в систематизации актуальных данных российского рынка (2023–2025 гг.) и детализации трансформационных методов маркетингового исследования, что служит надежной теоретической и методологической основой для дальнейших научных работ в области телекоммуникаций и цифрового маркетинга.

Список использованной литературы

1. Топ-5 новых методов проведения маркетинговых исследований. URL: https://fdfgroup.ru/blog/top-5-novyh-metodov-provedeniya-marketingovyh-issledovanij/ (дата публикации: 2014).
2. Маркетинговые исследования телекоммуникационных услуг. URL: https://stud.kz/article/17950-marketingovye-issledovaniya-telekommunikatsionnyh-uslug (дата публикации: 2020).
3. ОСОБЕННОСТИ ПОВЕДЕНИЯ ПОТРЕБИТЕЛЕЙ В ИНТЕРНЕТ. URL: https://core.ac.uk/download/pdf/322894371.pdf (дата публикации: 2020).
4. Исследование потребителей: маркетинговые методы изучения покупателей с пошаговым планом. URL: https://yasno.mobi/blog/marketing/issledovanie-potrebiteley-marketingovye-metody-izucheniya-pokupateley-s-poshagovym-planom (дата публикации: 2020).
5. Потребительские предпочтения в digital-маркетинге. URL: https://apni.ru/article/2681-potrebitelskie-predpochteniya-v-digital (дата публикации: 2021).
6. Как большие данные влияют на стратегию цифрового маркетинга? URL: https://mfgrobots.com/ru/how-big-data-is-influencing-digital-marketing-strategy (дата публикации: 2022).
7. Потребительские предпочтения на мировом рынке мобильных устройств связи // CyberLeninka. URL: https://cyberleninka.ru/article/n/potrebitelskie-predpochteniya-na-mirovom-rynke-mobilnyh-ustroystv-svyazi (дата публикации: 2023).
8. Интернет в России в 2022–2023 годах: состояние, тенденции и перспективы развития. URL: https://ict.moscow/news/internet-v-rossii-v-2022-2023-godakh-sostoyanie-tendentsii-i-perspektivy-razvitiya (дата публикации: 2023).
9. Развитие новых коммуникационных интернет-технологий в России и в мире в 2023 году / ПАО «Ростелеком». URL: https://www.rt.ru/media/file/rostelecom_trendbook_2023 (дата публикации: 2023).
10. Изучение влияния цифрового маркетинга и ИИ: инструменты, угрозы и будущие тренды в искусственном интеллекте для маркетинга. URL: https://brainpod.ai/ru/blog/izuchenie-vliyaniya-tsifrovogo-marketinga-i-ii-instrumenty-ugrozy-i-budushchie-trendy-v-iskusstvennom-intellekte-dlya-marketinga (дата публикации: 2023).
11. Трафик связи в 2023 году // Институт статистических исследований и экономики знаний НИУ ВШЭ. URL: https://issek.hse.ru/news/920831639.html (дата публикации: 2024).
12. TAdviser — портал выбора технологий и поставщиков (Сбер создал отдельный блок для генеративного ИИ). URL: https://tadviser.ru/index.php/TAdviser (дата публикации: 2024).
13. Research Expo’25: МТС Исследования & МТС Мобильные опросы. URL: https://researchexpo.ru/uchastniki/mts-issledovaniya-mts-mobilnye-oprosy/ (дата публикации: 2025).
14. Современная цифровая трансформация маркетинга и влияние искусственного интеллекта на процесс персонализации маркетинговых предложений. URL: https://inlibrary.uz/index.php/journals_inlibrary/article/view/2855/2633 (дата публикации: 2025).
15. Статистика интернета и социальных сетей России на 2025 год: главные тренды и цифры. URL: https://web-canape.ru/analytics/statistika-interneta-i-soczseti-rossii-2025/ (дата публикации: 2025).
16. Рынок телекоммуникаций РФ: тенденции развития и превращение представителей телекома в экосистемы. URL: https://delprof.ru/press-center/publication/rynok-telekommunikaciy-rf-tendencii-razvitiya-i-prevrashchenie-prediteley-telekoma-v-ekosistemy/ (дата публикации: 2025).
17. Какой оператор лучше для мобильного интернета – обзор и рейтинг 2025, какой мобильный оператор лучше. URL: https://www.sravni.ru/mobilnaya-svyaz/luchshie-mobilnye-operatory/ (дата публикации: 2025).