Proactive quality management in the era of artificial intelligence: from detection of “frustration signals” to hyper-personalization

Скорочена інформація про документ
dc.contributor.authorTelnov, A.S.
dc.contributor.authorKulatkskyi, V.V.
dc.contributor.authorТельнов, А.С.
dc.contributor.authorКулацький, В.В.
dc.date.accessioned2026-04-03T10:38:43Z
dc.date.available2026-04-03T10:38:43Z
dc.date.issued2026
dc.description.abstractThe conducted research led to the conclusion that in the conditions of digital transformations, the traditional model of ensuring the quality of a digital product, which is based on reactive principles, is ineffective. The approach to meeting the needs of consumers based on personalization requires digital product developers to ensure quality at the stage of its development. Using artificial intelligence to transition to a proactive quality management model will allow diagnosing and predicting possible future problems related to product quality. This approach emphasizes preventing problems, rather than identifying them after the product is used. One of the important features of the use of artificial intelligence in ensuring the quality of a digital product is its ability to automatically detect and classify “frustration signals”. The effectiveness of using machine learning systems in recognizing user behavior patterns has been proven. As a result, companies gain the opportunity to diagnose and solve problems in the user experience, as well as retain existing customers and attract new ones.
dc.description.abstractЗдійснене дослідження дозволило дійти висновку, що в умовах цифрових трансформацій традиційна модель забезпечення якості цифрового продукту, яка базується на реактивних принципах, є неефективною. Підхід до задоволення потреб споживачів на основі персоналізації вимагає від розробників цифрового продукту забезпечення якості на етапі його розробки. Використання штучного інтелекту для переходу до проактивної моделі управління якістю дозволить діагностувати і передбачати можливі майбутні проблем, пов’язані з якістю продукту. Такий підхід робить акцент на попередженні проблем, а не їх виявленні після застосування продукту. Однією з важливих особливостей застосування штучного інтелекту у забезпеченні якості цифрового продукту є його здатність автоматично виявляти та класифікувати «сигнали фрустрації. Доведено ефективність застосування систем машинного навчання у розпізнаванні патернів поведінки користувачів. В результаті компанії отримують можливість діагностування та вирішення проблем у користувацькому досвіді, а також збереження існуючих клієнтів і залучення нових
dc.identifier.citationTelnov A.S., Kulatkskyi V.V. Proactive quality management in the era of artificial intelligence: from detection of “frustration signals” to hyper-personalization. Economic Innovations. 2026. Vol. 28, Issue 1 (98). Р. 108-120. URL: https://www.ei-journal.com/index.php/journal/issue/view/101
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/20937
dc.language.isoen
dc.subjectquality management
dc.subjectartificial intelligence (AI)
dc.subjectquality management (QA)
dc.subjectuser experience (UX)
dc.subjectcustomer experience (CX)
dc.subjectproactive management
dc.subjectanomaly detection
dc.subjectfrustration signals
dc.subjecthyper-personalization
dc.subjectGenerative UI
dc.subjectbehavioral analytics
dc.subject.udc65.011.56:004.8
dc.titleProactive quality management in the era of artificial intelligence: from detection of “frustration signals” to hyper-personalization
dc.title.alternativeПроактивний менеджмент якості в епоху штучного інтелекту: від детекції «сигналів фрустрації» до гіпер-персоналізації
dc.typeСтаття
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
101-225-PB-108-120.pdf
Розмір:
571.59 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Назва:
license.txt
Розмір:
4.26 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
Кафедра маркетингу