CC BY
0
• 7uriversum.corr
UNIVERSUM:
ТЕХНИЧЕСКИЕ НАУКИ_январь. 2025 г.
DOI: 10.32743/UniTech.2025.130.1.19070
ВЛИЯНИЕ ОТВЕТОВ ПОЛЬЗОВАТЕЛЕЙ НА СЕГМЕНТИРУЮЩИЕ ВОПРОСЫ КВИЗА НА ПОВЕДЕНЧЕСКИЕ ПАТТЕРНЫ В ВОРОНКЕ ПРОДАЖ
Репина Светлана Игоревна
ведущий аналитик данных в компании Skyeng, старший член ассоциации IEEE (Институт инженеров электротехники и электроники),
РФ, г. Москва E-mail: svetlana. [email protected]
№ 1 (130)
INFLUENCE OF USER RESPONSES TO SEGMENTING QUIZ QUESTIONS ON BEHAVIORAL PATTERNS IN THE SALES FUNNEL
Svetlana Repina
Senior Data Analyst at Skyeng, Senior Member ofIEEE (Institute of Electrical and Electronics Engineers),
Russia, Moscow
АННОТАЦИЯ
Исследование посвящено анализу влияния сегментирующих вопросов в квизах на ключевые метрики продаж в EdTech-сегменте. Основная цель — выявить корреляции между различиями в ответах пользователей и их поведением на этапах воронки продаж: от подачи заявки до успешного завершения вводного урока. На основе данных за сентябрь 2024 года было выделено четыре квалифицирующих вопроса, разделяющих пользователей на поведенческие сегменты. Полученные результаты показали, что ответы на сегментирующие вопросы существенно влияют на конверсию, средний чек и успешность прохождения вводного урока. Практическая значимость исследования заключается в возможности использования результатов для персонализации взаимодействия с клиентами, повышения конверсии и доходности компании. Исследование также формирует основу для дальнейшей оптимизации подходов к сегментации в сфере онлайн-образования.
ABSTRACT
The research is devoted to analyzing the impact of segmenting questions in quizzes on key sales metrics in the EdTech segment. The main goal is to identify correlations between differences in users' answers and their behavior at the stages of the sales funnel: from application submission to successful completion of an introductory lesson. Based on the September 2024 data, four qualifying questions were identified to divide users into behavioral segments. The results showed that answers to the segmenting questions significantly affect conversion, average check, and successful completion of an introductory lesson. The practical relevance of the study lies in the possibility of using the results to personalize customer interactions, increase conversion and profitability of the company. The study also forms the basis for further optimization of segmentation approaches in online education.
Ключевые слова: EdTech, сегментирующие вопросы, квиз, воронка продаж, персонализация, конверсия, поведенческие сегменты, средний чек, успешный вводный урок.
Keywords: edTech, segmenting questions, quiz, sales funnel, personalization, conversion, behavioral segments, average check, successful introductory lesson.
Введение
На рынке онлайн-образования, характеризующемся высокой конкуренцией и разнообразием образовательных предложений, персонализация пользовательского опыта становится ключевым фактором повышения эффективности воронки продаж. Сегментирующие вопросы в квизах представляют собой мощный инструмент для формирования индивидуализированного подхода к клиентам. Правильно подобранные вопросы позволяют глубже понять потребности пользователей, их ожидания
и уровень заинтересованности, что критически важно для оптимизации пользовательского пути и достижения высоких показателей конверсии.
Существующая литература активно освещает роль сегментации в маркетинге и её влияние на ключевые бизнес-метрики, включая удержание клиентов и рост доходности. В частности, исследования демонстрируют, что персонализированные предложения существенно повышают вероятность записи на курсы и успешного завершения вводных этапов обучения. Однако влияние конкретных сегментирующих вопросов, используемых на ранних
Библиографическое описание: Репина С.И. ВЛИЯНИЕ ОТВЕТОВ ПОЛЬЗОВАТЕЛЕЙ НА СЕГМЕНТИРУЮЩИЕ ВОПРОСЫ КВИЗА НА ПОВЕДЕНЧЕСКИЕ ПАТТЕРНЫ В ВОРОНКЕ ПРОДАЖ // Universum: технические науки : электрон. научн. журн. 2025. 1(130). URL: https://7universum.com/ru/tech/archive/item/19070
№ 1 (130)
UNIVERSUM:
ТЕХНИЧЕСКИЕ НАУКИ
январь, 2025 г.
этапах воронки, на ключевые метрики продаж в Е^ГесЬ-сегменте остаётся недостаточно изученным.
Настоящее исследование заполняет этот пробел, предлагая систематический анализ того, как ответы на сегментирующие вопросы влияют на поведение пользователей и метрики продаж. В отличие от предыдущих работ, которые в основном сосредоточены на общих принципах сегментации, данное исследование детализирует механизмы влияния индивидуальных вопросов, что позволяет создать персонализированные стратегии взаимодействия на основе эмпирически подтверждённых различий в поведении пользователей.
Научная новизна исследования заключается в следующем:
1. Впервые исследуется влияние четырёх ключевых сегментирующих вопросов квиза на метрики воронки продаж (конверсия в оплату, запись и выход на вводный урок, успешное прохождение вводного урока, средний чек).
2. Предложена методология оценки квалифицирующего характера вопросов, основанная на анализе статистически значимых различий в конверсии.
3. Полученные результаты обосновывают практическую значимость использования индивидуализированных сценариев взаимодействия для повышения доходности EdTech-компаний.
Таким образом, исследование не только развивает теоретические подходы к сегментации, но и вносит вклад в практическую оптимизацию бизнес-процессов в онлайн-образовании.
Обзор литературы
Множество исследований подтверждает значимость сегментации в повышении эффективности продаж и удержания клиентов. Например, работы Гурова (2018) и Клименко (2021) демонстрируют, что качественная сегментация пользователей способствует увеличению конверсии за счёт более точного таргетинга [1,3]. В образовательных услугах сегментация особенно важна, так как пользователи имеют различные цели обучения, уровень подготовки и предпочтения по формату занятий. Однако большинство этих исследований сосредотачивается на общих принципах и инструментах сегментации, не акцентируя внимание на специфике сегментирующих вопросов в контексте EdTech.
Дудин и Кузнецов (2020) отмечают важность поведенческой экономики в понимании мотивации пользователей [2], однако их исследования не охватывают влияние индивидуальных вопросов на ключевые метрики. Аналогично, работа Хлопова (2020) подчеркивает значимость когнитивного анализа для сегментации клиентов [6], но не предоставляет конкретных инструментов для оценки квалифицирующего характера вопросов.
Настоящее исследование предлагает восполнить указанные пробелы, анализируя влияние конкретных сегментирующих вопросов квиза на метрики воронки продаж, такие как конверсия в оплату,
успешное прохождение вводного урока и средний чек. В отличие от исследований Соколова (2021) и Мансуровой (2020), которые уделяют внимание общим аспектам сегментации в Е^ГесЬ [4], данная работа использует эмпирические данные для проверки гипотез о дискриминирующем потенциале сегментирующих вопросов [5].
Основное ограничение предыдущих исследований заключается в отсутствии фокуса на практических рекомендациях для компаний в сфере онлайн-образования. Также не рассматриваются методологические аспекты создания квизов с учётом их влияния на пользовательское поведение. Эти аспекты остаются критически важными для компаний, стремящихся улучшить показатели конверсии и средний чек за счёт персонализации.
Таким образом, настоящее исследование обогащает существующую литературу, предлагая детализированный анализ влияния сегментирующих вопросов на ключевые метрики в Е^ГесЬ и предоставляя рекомендации для их эффективного использования в практической деятельности.
Проблематика исследования
Одна из ключевых проблем сегментации в EdTech заключается в выборе действительно релевантных сегментирующих вопросов, которые не только разделяют пользователей по характеристикам, но и обеспечивают различия в их поведении. Существуют риски, что вопросы, не обладающие дискриминирующей способностью, могут создать «шумиху» данных, не приводя к реальным улучшениям ключевых метрик. Например, разные ответы на вопрос о предпочтениях в формате занятий могут существенно влиять на вероятность записи и успешного прохождения вводного урока, в то время как вопросы о частоте занятий могут не оказывать значимого влияния.
Цель и гипотезы исследования
Цель исследования — изучить влияние различий в ответах на сегментирующие вопросы квизов на ключевые метрики воронки продаж EdTech: конверсию в оплату, запись и выход на вводный урок, успешность вводного урока, а также средний чек. Основная гипотеза заключается в том, что сегментирующие вопросы, построенные на основе анализа потребностей и мотивации пользователей, коррелируют с существенными различиями в ключевых метриках. В частности, ответы на такие вопросы помогают выделить сегменты пользователей с разной вероятностью успешного прохождения этапов воронки, что позволяет повышать эффективность взаимодействия на каждом этапе.
Методы исследования Дизайн исследования
Дизайн данного исследования направлен на создание пользовательского квиза, включающего квалифицирующие вопросы, способные эффективно различать поведенческие сегменты для персонализированного взаимодействия на этапе доведения
№ 1 (130)
UNIVERSUM:
ТЕХНИЧЕСКИЕ НАУКИ
январь, 2025 г.
до оплаты. Основная задача — отбор вопросов, по которым различия в конверсии из заявки в оплату между ответами статистически значимы, что указывает на их квалифицирующий характер. Для этого использовались данные за сентябрь 2024 года, собранные в рамках регулярной работы компании.
Процесс сбора данных
Сбор данных начинается с момента подачи пользователем заявки и прохождения квиза, состоящего из пяти вопросов. В исследование включаются ответы на вопросы и последующее поведение пользователей, включая конверсию из заявки в оплату, что является основной метрикой. Для корректного определения квалифицирующего характера вопросов была рассчитана оптимальная выборка, используя доверительный интервал 95% и допустимую ошибку 5% (е = 0,05). Формула для расчета оптимального размера выборки п в данном исследовании представлена следующим образом:
CI = p ± z *
Р*(1- Р)
(3)
п =
z2*p*(1-p)
(1)
где:
z — значение для выбранного доверительного уровня (для 95% доверительного интервала z=1,96), p — предварительно рассчитанная конверсия из заявки в оплату (в данном случае 7,2% или 0,072), e — допустимая ошибка (0,05). Подставляя значения, получаем:
П =
1.962*0.072*(1-0.072) 0.052
103 (2)
По указанной формуле наибольшее значение выборки с доверительным интервалом 95% и допустимой ошибкой 5% достигается при p = 0,5 и равно 384.
Для большей точности анализа было решено использовать выборку около 400 наблюдений, что является усредненным требованием при различных подходах к определению выборки.
Методы анализа данных
Анализ данных начинается с расчета доверительных интервалов для конверсии по каждому ответу на вопрос, чтобы оценить степень различий между ответами. Формула доверительного интервала для пропорции конверсии (С1) по каждому ответу определяется следующим образом [4]:
где:
р — наблюдаемая конверсия для каждого ответа,
z — значение для доверительного уровня 95% (1,96),
п — размер выборки для данного ответа.
Если доверительные интервалы конверсии из заявки в оплату между ответами не перекрываются, это может указывать на квалифицирующий характер вопроса, способный выделить значимые поведенческие сегменты. Дополнительно проводится анализ разницы в конверсии из заявки в оплату между ответами на каждый вопрос: вопросы, в которых наблюдаются существенные различия в конверсии, считаются квалифицирующими. Итерационный процесс проверки и коррекции продолжается до тех пор, пока квиз полностью не будет состоять из квалифицирующих вопросов, что позволит более точно сегментировать пользователей и повысить конверсию в оплату.
РЕЗУЛЬТАТЫ Влияние сегментирующих вопросов на поведение пользователей
Анализ данных за сентябрь 2024 года позволил выделить четыре квалифицирующих вопроса в квизе, каждый из которых делит пользователей на поведенческие сегменты, различающиеся по ключевым метрикам воронки продаж: конверсии на этапах от заявки до оплаты, записи на вводный урок, выхода на вводный урок, успешного завершения вводного урока (оплаты), а также по среднему чеку.
1. Первый вопрос: "Вы родитель или учащийся?"
Пользователи, ответившие "Я родитель" (71,63% заявок), демонстрируют более высокие показатели конверсии на всех этапах: от заявки до оплаты (6,91%), записи на вводный урок (25,28%), выхода на вводный урок (15,30%) и его успешного завершения (12,85%). Учащиеся (28,37% заявок) показывают более низкие значения всех метрик, хотя их средний чек выше (67 211 против 64 980), что, вероятно, связано с недостаточным объемом данных об оплатах в этом сегменте.
Таблица 1.
Метрики воронки продаж в зависимости от ответа на 1й вопрос
п
2
е
№ Ответ Заявки Доля заявок Заявка-Оплата Заявка - Назначение ВУ Заявка - Выход на ВУ Заявка -Успешный ВУ Средний чек
1 Я родитель 2 575 71,63% 6,91% 25,28% 15,30% 12,85% 64 980
2 Я учащийся 1 020 28,37% 1,27% 7,35% 3,14% 2,55% 67 211
№ 1 (130)
UNIVERSUM:
ТЕХНИЧЕСКИЕ НАУКИ
январь, 2025 г.
2. Второй вопрос: "Есть ли у вас опыт дополнительных онлайн-занятий?"
Пользователи с опытом онлайн-образования (36,27% заявок) значительно превышают показатели сегмента без опыта (63,73%) по всем метрикам. Конверсия "заявка-оплата" составляет 8,15% против
3,80%, а "заявка-успешный вводный урок" — 12,72% против 8,52%. Средний чек также выше у опытных пользователей (65 335 против 64 884).
Таблица 2.
Метрики воронки продаж в зависимости от ответа на 2й вопрос
№ Ответ Заявки Доля заявок Заявка-Оплата Заявка - Назначение ВУ Заявка - Выход на ВУ Заявка - Успешный ВУ Средний чек
1 Нет 2 265 63,73% 3,80% 19,29% 10,64% 8,52% 64 884
2 Да 1 289 36,27% 8,15% 22,42% 14,35% 12,72% 65 335
3. Третий вопрос: "Когда вы хотите приступить к занятиям?"
Наибольшие метрики продемонстрировали пользователи, желающие начать через неделю-две (18,45% заявок): "заявка-оплата" — 6,34%, "заявка-успешный вводный урок" — 16,16%, средний чек — 79 230. Пользователи, готовые начать как можно скорее (62,05%), показывают хорошие результаты,
но меньшую конверсию в назначение вводного урока (20,59%), что объясняется склонностью к оплате без прохождения вводного урока. Наименее эффективен сегмент пользователей, которые "не торопятся" (19,50% заявок), демонстрирующий минимальные значения всех метрик.
Таблица 3.
Метрики воронки продаж в зависимости от ответа на 3й вопрос
№ Ответ Заявки Доля заявок Заявка-Оплата Заявка - Назначение ВУ Заявка - Выход на ВУ Заявка - Успешный ВУ Средний чек
1 Как можно скорее 2 122 62,05% 6,41% 20,59% 12,25% 10,41% 62 477
2 Не торопимся 667 19,50% 2,10% 13,34% 6,45% 4,95% 54 565
3 Через неделю или две 631 18,45% 6,34% 30,59% 19,02% 16,16% 79 230
4. Четвертый вопрос: "Вы сейчас посещаете какие-то другие кружки/секции?"
Пользователи, уже занятые другими активностями (52,05% заявок), показывают лучшие результаты по всем метрикам. Их конверсия "заявка-
оплата" составляет 6,98% против 4,03% у незанятых пользователей. Средний чек также выше (69 736 против 57 314).
Таблица 4.
Метрики воронки продаж в зависимости от ответа на 4й вопрос
№ Ответ Заявки Доля заявок Заявка-Оплата Заявка - Назначение ВУ Заявка - Выход на ВУ Заявка - Успешный ВУ Средний чек
1 Да 1 776 52,05% 6,98% 24,32% 14,13% 11,99% 69 736
2 Пока нет 1 636 47,95% 4,03% 17,48% 10,45% 8,74% 57 314
Различия в метриках продаж по сегментам
Каждый из четырех квалифицирующих вопросов продемонстрировал значимые различия в поведении пользователей:
• Родители склонны к большей вовлеченности на всех этапах воронки.
• Пользователи с опытом онлайн-занятий охотнее записываются и выходят на вводный урок, а также успешнее завершают его.
• Временные предпочтения начала занятий определяют разный уровень мотивации: пользователи, готовые приступить через неделю-две, показывают максимальную доходность.
№ 1 (130)
UNIVERSUM:
ТЕХНИЧЕСКИЕ НАУКИ
январь, 2025 г.
• Пользователи с дополнительными активностями более заинтересованы в эффективной организации времени и демонстрируют высокую конверсию.
Влияние ответов на продажи
Анализ показал, что ответы на сегментирующие вопросы оказывают значительное влияние на ключевые метрики. Пользователи, различающиеся по мотивации и готовности, требуют различных стратегий взаимодействия. Например, пользователи, готовые начать занятия через неделю-две, демонстрируют наибольший средний чек, что позволяет ориентировать на них предложения с высокой ценностью.
Полученные данные подчеркивают важность квалифицирующих вопросов для оптимизации воронки продаж и разработки персонализированных подходов к сегментам.
ОБСУЖДЕНИЕ Интерпретация полученных данных
Результаты исследования демонстрируют значительное влияние ответов на сегментирующие вопросы квиза на ключевые метрики продаж в EdTech-сегменте. Каждый из анализируемых вопросов позволил выделить сегменты пользователей, отличающиеся по уровням вовлеченности, готовности к покупке и доходности.
Первый вопрос ("Родитель или учащийся?") показал, что родители более склонны к оплате и участию в вводных уроках, что может быть связано с их большей ответственностью за образовательные процессы детей. Учащиеся, напротив, требуют более индивидуализированного подхода, ориентированного на повышение мотивации.
Второй вопрос ("Есть ли у вас опыт онлайн-обучения?") подтвердил, что опытные пользователи демонстрируют более высокую конверсию на всех этапах, что можно объяснить их осведомленностью о формате и выгодах онлайн-занятий. Для пользователей без опыта важно усиление коммуникаций, направленных на устранение барьеров, связанных с новизной формата.
Третий вопрос ("Когда вы хотите начать?") выявил, что временные предпочтения существенно влияют на поведение пользователей. Готовность приступить через неделю-две связана с более высоким средним чеком и успешностью на этапах воронки, что указывает на сильную внутреннюю мотивацию этой группы. Пользователи, не торопящиеся, требуют дополнительных триггеров для активации.
Четвертый вопрос ("Посещаете ли другие кружки?") показал, что наличие других активностей положительно коррелирует с ключевыми метриками, что может свидетельствовать о высокой организованности и приоритетности обучения у этих пользователей.
Практическая значимость
Полученные результаты имеют высокую практическую значимость для оптимизации продаж
и улучшения персонализированного подхода. Выделение поведенческих сегментов на основе квалифицирующих вопросов позволяет:
1. Повысить эффективность таргетинга. Например, сегменты с высокой вероятностью оплаты (родители, опытные пользователи, готовые начать через неделю-две) могут быть ориентированы на предложения с высокой добавленной стоимостью.
2. Разработать адаптивные стратегии взаимодействия. Для менее мотивированных сегментов, таких как учащиеся или пользователи без опыта, следует усиливать образовательные триггеры и коммуникации, направленные на снятие барьеров.
3. Оптимизировать продуктовые предложения. Учитывая предпочтения сегментов, можно разрабатывать гибкие пакеты услуг, соответствующие ожиданиям и готовности пользователей.
Ограничения исследования
Несмотря на положительные результаты, исследование имеет ряд ограничений:
Репрезентативность выборки. Анализ проводился на данных за один месяц, что может ограничивать применимость выводов к другим временным периодам.
Влияние внешних факторов. На поведение пользователей могли повлиять сезонные особенности, маркетинговые кампании или общие макроэкономические условия.
Ограниченность набора метрик. Исследование сфокусировано на ключевых метриках, таких как конверсии и средний чек, но не включает долгосрочные показатели, такие как удержание или повторные покупки.
Рекомендации для дальнейших исследований
Для более полного понимания влияния сегментирующих вопросов на поведение пользователей рекомендуется:
1. Расширить временной диапазон анализа, чтобы учесть сезонные изменения и внешние факторы.
2. Изучить влияние дополнительных сегментирующих вопросов, которые могли бы углубить понимание мотивации и потребностей пользователей.
3. Провести анализ долгосрочных метрик, таких как повторные покупки, удержание и рекомендации, чтобы оценить влияние сегментации на общую жизненную ценность клиента (ОЬ'У).
4. Разработать и протестировать персонализированные сценарии взаимодействия для каждого сегмента, чтобы подтвердить их эффективность в реальных условиях.
Результаты обсуждения подтверждают важность и практическую применимость сегментирующих вопросов для улучшения ключевых метрик продаж в EdTech. Исследование подчеркивает необходимость дальнейшего развития подходов к сегментации и персонализации для достижения стратегических целей компании.
№ 1 (130)
UNIVERSUM:
ТЕХНИЧЕСКИЕ НАУКИ
январь, 2025 г.
ЗАКЛЮЧЕНИЕ Основные выводы
В результате исследования было подтверждено, что сегментирующие вопросы квиза оказывают значительное влияние на ключевые метрики продаж в Е^ГесЬ-сегменте, включая конверсии на этапах от заявки до успешного вводного урока и средний чек. Анализ четырех квалифицирующих вопросов показал, что ответы пользователей коррелируют с различиями в их поведении и готовности к оплате:
1. Родители более вовлечены на всех этапах воронки и демонстрируют высокую конверсию, что делает их ключевой целевой аудиторией.
2. Пользователи с опытом онлайн-обучения значительно превосходят по метрикам тех, кто не имел такого опыта, что подчеркивает важность коммуникации о преимуществах формата для менее опытных сегментов.
3. Пользователи, планирующие начать занятия через неделю-две, обладают наибольшим средним чеком и вероятностью завершения всех этапов воронки, что указывает на их высокий потенциал для повышения доходности.
4. Наличие других кружков или секций положительно влияет на все ключевые метрики, что свидетельствует о высокой организованности и мотивации этой группы.
Практическая польза результатов
Полученные данные имеют важное значение для разработки стратегий сегментации и персонализа-ции взаимодействия с пользователями. Использование сегментирующих вопросов позволяет:
• Разрабатывать более точные стратегии тарге-тинга, нацеленные на наиболее перспективные сегменты.
• Адаптировать продуктовые предложения под мотивацию и потребности пользователей, увеличивая вероятность их оплаты и долгосрочного удержания.
• Оптимизировать работу с менее активными сегментами через усиление образовательной и маркетинговой коммуникации.
• Результаты исследования также применимы для дальнейшей автоматизации процессов сегментации и настройки сценариев персонализированного взаимодействия в Е^ГесЬ-компаниях.
Перспективы развития
Исследование открывает перспективы для дальнейших научных и практических разработок:
1. Расширение временного диапазона анализа для учета сезонных факторов и изменений пользовательского поведения.
2. Изучение долгосрочного влияния сегментации на показатели удержания, повторных покупок и рекомендации.
3. Разработка новых квалифицирующих вопросов, способных уточнить сегментацию и повысить ее эффективность.
4. Проведение экспериментов по тестированию различных сценариев взаимодействия с сегментами для подтверждения их влияния на метрики продаж.
5. Использование сегментирующих вопросов для построения автоматизированных систем персо-нализации взаимодействия.
6. Дальнейшая оптимизация квизов для выделения более узких сегментов с учетом мотивации и готовности к обучению.
В целом, результаты исследования подчеркивают необходимость интеграции сегментирующих вопросов в квизы как стратегического инструмента для улучшения показателей воронки продаж и повышения удовлетворенности пользователей. Оптимизация подходов к сегментации позволит EdTech-компаниям более точно соответствовать ожиданиям клиентов и повышать свою конкурентоспособность.
Список литературы:
1. Гуров, В.Н. Основы маркетинговой сегментации: теоретические и практические аспекты / В.Н. Гуров. — М.: ИНФРА-М, 2018. — 320 с.
2. Дудин, М.Н. Поведенческая экономика и маркетинг: адаптация новых подходов к работе с клиентами / М.Н. Дудин, А.Н. Кузнецов. // Маркетинг и маркетинговые исследования. — 2020. — № 3. — С. 12-20.
3. Клименко, А.В. Принципы когортного анализа для изучения эффективности продаж в онлайн-среде / А.В. Клименко. // Вестник РГГУ. Серия: Экономика. — 2021. — № 2. — С. 45-54.
4. Мансурова, И.И. Образовательный маркетинг: персонализация подходов к клиентам в EdTech / И.И. Мансурова. — Казань: Казанский университет, 2020. — 200 с.
5. Соколов, А.В. Влияние сегментирующих вопросов на воронку продаж: методология и кейсы / А.В. Соколов. // Журнал "Цифровая экономика". — 2021. — № 1. — С. 35-41.
6. Хлопов, М.И. Использование когнитивного анализа для сегментации клиентов в EdTech / М.И. Хлопов. // Современные технологии в образовании. — 2020. — № 2. — С. 59-67.
