Рынок онлайн-образования в сегменте дополнительного профессиональ ного образования (далее — ДПО) в России демонстрирует устойчивый рост, однако усиление конкуренции требует от образовательных платформ более глубокого понимания потреби тельского поведения, особенно среди молодёжи. Исследование, проведённое в Санкт-Петер бурге, посвящено сегментации потребителей онлайн-курсов ДПО в возрасте 18–24 лет на основе важности атрибутов курсов, сопоставленных с выявленными мотивами покупки, и сравнительному анализу уровня удовлетворённости сегментов с определением ключевых атрибутов, влияющих на этот уровень. На первом этапе методом глубинных интервью выяв лены устойчивые комбинации рациональных и эмоциональных мотивов, которые были соот несены с атрибутами курсов. На втором этапе проведён онлайн-опрос, методом кластерного анализа (k-means) выделены пять сегментов потребителей, различающихся по значимости атрибутов курсов. Для каждого сегмента определены средний уровень удовлетворённости, комбинации мотивов, а также наиболее значимые атрибуты и атрибуты, требующие улучше ния, на основе сопоставления их значимости и оценённой удовлетворённости.

The Russian online education market in the field of continuing professional education (CPE) hasdemonstrated steady growth; however, increasing competition requires education alplatforms to develop a deeper understanding of consumer behavior, particularly among young adults. This study, conducted in St. Petersburg, focuses on the segmentation of consumers aged 18–24 enrolled in online CPEcourses based on the importance they attach to course attributes in relation to identified purchase motives. Italso provides a comparative analysis of satisfaction levels across the identified segments and determines the keycourse attributes influencing customer satis faction. At the first stage, in-depth interviews were conducted to identify stable combinations of - - DOI: 10.24412/2782-3830-2026-7-495-500 № 7 - 2026 496 rational and emotional purchase motives, which were subsequently linked to course attributes. At the second stage, an online survey wascarried out, and five consumer segments with different patterns of attribute importance were identified using the k-means cluster analysis method. For each segment, the average satisfaction level, prevailing combinations of purchase motives, the most important course attributes, and the attributes requiring improvement were determined by comparing their perceived importance with respondents’ satisfaction ratings.