Abstract: The aim of the study is to systematize and critically analyze existing approaches to modeling attendance at sporting events to identify the possibility of their adaptation to volleyball matches in Russia. The methodological basis included methods of analysis and synthesis in summarizing 15 scientific sources, including domestic and foreign articles on sports economics and forecasting. The results showed that the problem of attendance forecasting is actively developed for football, hockey and basketball, but volleyball remains out of the focus of researchers. It has been established that the key factors of attendance are infrastructural characteristics, sports results, day of the week, pricing policy and socio-economic parameters of the region. A hybrid approach combining econometric methods and neural network models is recognized as the most promising. The conclusions substantiate the need to develop a specialized methodology for forecasting the occupancy of volleyball stadiums, taking into account the specifics of Russian competitions.
Keywords: volleyball, stadium occupancy, attendance forecasting, attendance factors, regression analysis, neural networks, machine learning, Super League, sports marketing.
Введение
Современный профессиональный спорт трансформируется в самостоятельную отрасль экономики, где спортивные результаты тесно переплетаются с маркетингом, инфраструктурой и поведением зрителей. Заполняемость стадионов становится ключевым индикатором эффективности работы клубов и лиг, поскольку напрямую влияет на доходы от билетных программ, привлекательность для спонсоров и общее развитие вида спорта. Волейбол в России занимает устойчивые позиции среди командных игровых видов спорта, однако уровень посещаемости матчей остаётся крайне неравномерным: от нескольких сотен зрителей на матчах аутсайдеров до 8045 зрителей на рекордной игре «Омичка» – «Протон» в январе 2026 года [14].
Актуальность темы обусловлена отсутствием в российской практике системных аналитических моделей зрительского спроса применительно к волейболу. Управленческие решения нередко принимаются на основе интуиции или постфактумного анализа, что приводит к недоиспользованию потенциала роста аудитории. Международные исследования (Buraimo et al., 2009; Arboretti et al., 2024; Sahin & Erol, 2018) демонстрируют эффективность методов экономико-математического моделирования и машинного обучения для прогнозирования посещаемости футбольных, хоккейных и баскетбольных матчей. Однако волейбол остаётся «белым пятном» в данной предметной области.
Цель настоящей работы – провести систематический обзор научных подходов к моделированию заполняемости спортивных стадионов и определить возможность их адаптации для прогнозирования посещаемости волейбольных матчей в России. Задачи включают: 1) анализ текущего состояния посещаемости волейбольных соревнований в РФ; 2) классификацию факторов, влияющих на зрительский интерес; 3) сравнительный анализ эконометрических и нейросетевых методов прогнозирования; 4) выявление специфических ограничений и направлений дальнейших исследований.
Объекты и методы исследования
Объектом исследования выступает процесс формирования зрительской посещаемости волейбольных матчей в России. Предмет – методы и модели количественной оценки и прогнозирования уровня заполняемости стадионов.
Методологическую основу составили: методы анализа и синтеза для обобщения теоретических подходов; контент-анализ научной литературы (15 источников, включая 12 отечественных и 3 зарубежных); сравнительный анализ эконометрических и нейросетевых методов; систематизация факторов посещаемости по пяти группам.
Информационную базу сформировали открытые статистические данные о проведении волейбольных матчей мужской и женской Суперлиги за период 2021–2025 гг., официальные сайты клубов и Всероссийской федерации волейбола, спортивные порталы, архив погоды, данные Росстата о численности населения городов.
Экспериментальная часть
Анализ текущего состояния посещаемости российского волейбола
Система профессиональных соревнований под эгидой ВФВ включает мужскую (16 команд) и женскую (14 команд) Суперлиги. Анализ вместимости ключевых арен (Таблица 1) демонстрирует значительный разброс: от скромных залов на 2000–2200 зрителей до современных дворцов на 5000–7000 мест.
Таблица 1
Вместимость основных стадионов клубов мужской и женской Суперлиги
| Стадион (Арена) | Город | Вместимость (чел.) | Клуб (домашний) |
| «Сибур-Арена» | Санкт-Петербург | 7 120 | «Зенит» (м) |
| «Янтарный» | Калининград | 6 800 | «Локомотив» (ж) |
| «Центр волейбола» | Казань | 5 000 | «Динамо-Ак Барс» (ж), «Зенит-Казань» (м) |
| «Локомотив-Арена» | Новосибирск | 4 500 | «Локомотив» (м) |
Ключевым событием начала 2026 года стал матч женской Суперлиги «Омичка» – «Протон» на хоккейной «G-Drive Арене» в Омске, собравший 8045 зрителей – новый абсолютный рекорд посещаемости для чемпионатов России по волейболу [14; 15]. Предыдущее достижение составляло 7200 зрителей на дерби «Зенитов» в 2018 году. Показателен контекст: «Омичка» обычно проводит матчи в спорткомплексе вместимостью всего 700 зрителей, то есть рекорд превысил обычную посещаемость более чем в 11 раз. Это доказывает наличие значительного нереализованного зрительского потенциала при соблюдении трёх условий: современная крупная арена, статусный соперник, эффективная маркетинговая кампания.
Факторы, влияющие на посещаемость волейбольных матчей
На основе обзора 15 научных источников выделены пять групп факторов, влияющих на заполняемость стадионов:
- Спортивные факторы:качество команд (текущая форма, место в турнирной таблице), категория соперника, стадия сезона, турнирная мотивация. Арженовский и Чурикова (2017) на панельных данных РПЛ показали, что результативность команды значимо влияет на посещаемость [1].
- Организационные факторы:день недели, время начала матча, стоимость билетов, маркетинговая активность клуба в социальных сетях. Братков и Сафонова (2021) выявили корреляцию между аудиторией волейбольных клубов в соцсетях и посещаемостью [2]. Надежина и Кожинов (2022) для баскетбольного клуба «ПАРМА» установили, что наличие онлайн-трансляции снижает очную посещаемость [6].
- Инфраструктурные факторы:вместимость арены, наличие крыши, транспортная доступность. Шибенков и Олейник (2024) для КХЛ доказали, что создание новой инфраструктуры – основной драйвер роста посещаемости [10].
- Социально-экономические факторы:численность населения города, уровень доходов, традиции боления.
- Внешние факторы:погодные условия, конкуренция с другими событиями, административные ограничения (Fan ID). Логинов и Гиматов (2022) зафиксировали изменение структуры аудитории после введения «Карты болельщика» [5].
Методы моделирования посещаемости
Анализ литературы позволил выделить две основные группы методов прогнозирования посещаемости спортивных мероприятий (таблица 2).
Таблица 2
Сравнительная характеристика методов моделирования посещаемости
| Метод | Примеры исследований | Преимущества | Ограничения |
| Эконометрические модели | Зайцев (2016), Арженовский, Чурикова (2017), Buraimo et al. (2009) | Высокая интерпретируемость, проверка значимости факторов | Не всегда улавливают нелинейные зависимости |
| Методы машинного обучения | Галицын и др. (2019), Осипов, Ратченко (2020), Sahin, Erol (2018), Arboretti et al. (2024) | Высокая точность прогноза, работа со сложными паттернами | «Чёрный ящик», сложность интерпретации |
Паскар и Акбуляков (2021) построили нейросетевую модель для АПЛ со средней ошибкой 6,7%, выявив наиболее значимые факторы: вместимость стадиона, рейтинг домашней команды, население города и день недели [8]. Зайцев (2016) на регрессионной модели для ФК «Локомотив» получил, что увеличение силы соперника на одно очко повышает посещаемость на 197 человек, а фактор дерби – на 4830 человек [4]. Смирнов (2025) в единственной работе, напрямую посвящённой волейбольной Суперлиге, выявил устойчивую положительную связь между медийной активностью клубов и реальной посещаемостью [9].
Результаты
В результате систематического анализа установлены следующие ключевые положения:
- Научный пробел.Проблема прогнозирования посещаемости достаточно разработана для футбола, хоккея и баскетбола, однако волейбол остаётся вне фокуса исследователей. Из 15 проанализированных источников лишь 2 непосредственно касаются волейбола [9; 14].
- Факторная структура.Наибольший вклад в посещаемость вносят инфраструктурные характеристики, спортивные факторы (рейтинг соперника, форма команды), организационные (день недели, цена билета) и социально-экономические параметры.
- Методологический выбор.Наиболее перспективным для волейбола признан гибридный подход: на первом этапе – регрессионный анализ для выявления значимых факторов; на втором – нейросетевое моделирование для повышения точности прогнозов.
- Специфика волейбола.В отличие от футбола, матчи проводятся в закрытых помещениях, что снижает влияние погодных условий, но усиливает значимость инфраструктурного фактора. Целесообразно использовать относительный показатель – уровень заполняемости (фактическая посещаемость / вместимость арены).
- Информационное ограничение. Отсутствие систематизированной официальной статистики посещаемости в российском волейболе требует разработки методики сбора данных из разрозненных открытых источников.
Заключение
Проведённый обзор позволяет сформулировать следующие выводы:
- Посещаемость волейбольных матчей в России характеризуется высокой вариативностью и наличием значительного нереализованного потенциала, что подтверждается рекордными показателями (8045 зрителей в январе 2026 года).
- Выделенные пять групп факторов (спортивные, организационные, инфраструктурные, социально-экономические, внешние) создают теоретическую базу для построения прогнозных моделей заполняемости волейбольных стадионов.
- Гибридный подход, сочетающий интерпретируемость эконометрических методов и точность нейросетевых моделей, является наиболее обоснованным выбором для решения задачи прогнозирования зрительского спроса в волейболе.
- Дальнейшие эмпирические исследования должны быть направлены на формирование базы данных по матчам Суперлиги за 2021–2025 годы (не менее 300–400 наблюдений) и апробацию предложенной методологии с последующей разработкой практических рекомендаций для волейбольных клубов и ВФВ.
Библиографический список
1. Арженовский, С. В. Результативность российских футбольных клубов: эконометрический анализ панельных данных / С. В. Арженовский, С. Ю. Чурикова // Прикладная эконометрика. – 2017. – Т. 47. – С. 123–133.2. Братков, К. И. Продвижение профессиональных спортивных клубов в социальных сетях / К. И. Братков, Е. Е. Сафонова // Экономика и менеджмент спорта. – 2021. – № 2. – С. 45–52.
3. Галицын, С. В. Использование нейронных сетей для прогнозирования посещаемости футбольных матчей / С. В. Галицын, О. З. Зиганшин, К. Н. Дубровин, Н. Е. Ершов, П. А. Ткаченко // Ученые записки университета имени П.Ф. Лесгафта. – 2019. – № 10 (176). – С. 77–82.
4. Зайцев, П. А. Регрессионный анализ факторов, влияющих на посещаемость футбольных матчей / П. А. Зайцев // Вестник РЭУ им. Г.В. Плеханова. Вступление. Путь в науку. – 2016. – № 3. – С. 108–112.
5. Логинов, С. В. Влияние процессов цифровизации на посещаемость футбольных матчей Российской Премьер-лиги / С. В. Логинов, Е. П. Гиматов // Управление спортивными организациями. – 2022. – № 3. – С. 15–24.
6. Надежина, А. А. Оценка посещаемости матчей баскетбольного клуба «ПАРМА» (Пермский край) / А. А. Надежина, К. А. Кожинов // Нейросетевые технологии в спорте. – 2022. – С. 45–53.
7. Осипов, А. А. Нейросетевая система прогнозирования и анализа посещаемости матчей РФПЛ / А. А. Осипов, А. Ю. Ратченко // Интеллектуальные системы в спорте. – 2020. – С. 608–614.
8. Паскар, А. В. Нейросетевая система прогнозирования и анализа посещаемости матчей Английской Премьер Лиги / А. В. Паскар, В. Ф. Акбуляков // Цифровая трансформация спорта. – 2021. – С. 112–120.
9. Смирнов, К. С. Анализ посещаемости матчей суперлиги по волейболу / К. С. Смирнов // Актуальные исследования. – 2025. – № 21 (256).
10. Шибенков, Д. А. Анализ посещаемости матчей клубов Континентальной хоккейной лиги / Д. А. Шибенков, Н. С. Олейник // Спортивная аналитика. – 2024. – № 1. – С. 135–138.
11. Arboretti, R. Predictive Stadium Attendance Using Machine Learning: A Case Study in Italian Football / R. Arboretti, N. Biasetton, R. Ceccato, A. Molena, E. Peruzzo, L. Salmaso, A. Sani // Proceedings of the 2024 Conference. – 2024. – P. 1–8.
12. Buraimo, B. Insights for clubs from modelling match attendance in football / B. Buraimo, D. Forrest, R. Simmons // Journal of the Operational Research Society. – 2009. – Vol. 60. – P. 147–155.
13. Sahin, M. Prediction of Attendance Demand in European Football Games: Comparison of ANFIS, Fuzzy Logic, and ANN / M. Sahin, R. Erol // Computational Intelligence and Neuroscience. – 2018. – Vol. 2018. – P. 362–375.
14. Официальный сайт ВФВ. — Режим доступа: https://volley.ru/ (дата обращения: 15.03.2026).
15. Официальный новостной портал РБК «В Омске установили российский рекорд посещаемости волейбольных матчей». — Режим доступа: https://omsk.rbc.ru/omsk/10/01/2026/696246b69a79477d725bbfda (дата обращения: 15.03.2026).