INTERNET MARKETING TOOLKIT FOR PERSONALIZATION: TRANSACTIONAL DATA ANALYTICS AND PREDICTIVE MODELING

Authors

Bakhtiyar Kairatbekovich Rakhmattilaev Department of Information Systems in Economics, Higher School of Economics and Business, Kyrgyz State Technical University named after I. Razzakov
Asel Dzhumanovna Kartanova Department of Information Systems in Economics, Higher School of Economics and Business, Kyrgyz State Technical University named after I. Razzakov
Zamira Abdykerimovna Sydykova Department of Information Systems in Economics, Higher School of Economics and Business, Kyrgyz State Technical University named after I. Razzakov

Keywords:

e-commerce, internet marketing effectiveness, SMEs, tools, personalization, machine learning, data analytics, forecasting, model, dataset

Abstract

This article addresses the pressing problem of improving the effectiveness of internet marketing for small and medium-sized enterprises in the era of the digital transformation of Kyrgyzstan's economy. The choice of marketing strategies and support for managerial decisions in e-commerce directly depend on internet marketing tools. Digital internet marketing tools enable personalized customer interactions through the collection of transactional data. Business-oriented analysis of online store customer behavior makes it possible to identify customer preferences by measuring their purchasing activity and to formulate future individual offers. The paper proposes a methodology for business-oriented analysis and obtains results that make it possible to formulate recommendations and develop future marketing strategies for effective business operation and maximum profit for an e-commerce entity.

References

1. [Электронный ресурс]. – Режим доступа: https://economist.kg/ekonomika/2025/10/30/obiem-rynka-eliektronnoi-kommiertsii-kyrghyzstana-dostigh-525-mdollarov/?utm_source=chatgpt.com (дата обращения: 01.06.2026)

2. Матненко, Н.Н. Развитие рынка электронной коммерции в условиях цифровизации экономики [Текст] / Н.Н. Матненко, Т.С. Сальникова, Ю.А. Мезяков // Экономические системы. – 2024. – Том 17, – № 4. – С. 39–50. DOI 10.29030/2309-2076-2024-17-4-39-50.

3. 7 examples of digital transformation success in business [Электронный ресурс]. – Режим доступа: https://www.techtarget.com/searchcio/tip/4-examples-of-digital-transformation-success-in-business (дата обращения: 05.06.2026)

4. Рахматиллаев Б.К., Картанова А.Дж. Построение концептуальной модели бизнес-процессов интернет-маркетинга предприятия / Б.К. Рахматиллаев, А.Дж. Картанова // Известия Кыргызского государственного технического университета им. И. Раззакова. – 2026. – Т.2. № 1 (77). – С. 359-371.

5. Cadden T., Weerawardena J., Cao G., Duan Y., McIvor R. (2023) Examining the role of big data and marketing analytics in SMEs innovation and competitive advantage. Journal of Business Research, 168, 114225.

6. Байгазиев М.С., Раззаков М.И., Каныбеков К.К. Разработка веб-сайта электронной коммерции с системой онлайн-каталога / М.С. Байгазиев, М.И. Раззаков, К.К. Каныбеков // Проблемы автоматики и управления. – 2024. – № 1(49). – С. 41-51.

7. Катаев, А. В. Digital-маркетинг : учебное пособие / А. В. Катаев, Т. М. Катаева, И. А. Названова. - Ростов-на-Дону - Таганрог : издательство Южного федерального университета, 2020. - 161 с. - ISBN 978-5-9275-3437-1.

8. Котлер, Ф Маркетинг от А до Я. Основы маркетинга / Ф. Котлер // Альпина Паблишер. - 2024. - 707 с.

9. Амейзен Э. Создание приложений машинного обучения: от идеи к продукту. — СПб.: Питер, 2023. – 256 с.: ил. - (Серия «Библиотека программиста»). ISBN 978-5-4461-1773-4

10. E-Commerce Analytics: End-to-End Data Science [Электронный ресурс]. – Режим доступа: https://www.kaggle.com/code/hammadansari7/e-commerce-analytics-end-to-end-data-science/notebook#%F0%9F%A4%96-5.-Machine-Learning-Models (дата обращения: 01.06.2026)

11. Груздев А. В. Предварительная подготовка данных в Python: Том 1. Инструменты и валидация. – М.: ДМК Пресс, 2023. – 816 с.: ил.

12. RFM-анализ — что это такое и для чего нужен? [Электронный ресурс]. – Режим доступа: https://www.sberbank.ru/ru/s_m_business/pro_business/rfm-analyz-chto-takoe-i-dlya-chego-nuzhen (дата обращения: 01.06.2026)

13. Irmak T. (2025) Analysis of Order Cancellation Rates and Feature Weighting with Machine Learning: An E-Commerce Case Study. In Lecture Notes in Networks and Systems, Vol. 1531, pp. 763-770.