Дипломная работа: Влияние качества сайта компании на результаты ее деятельности

1.2 Взаимосвязь качества сайта компании и результатов ее деятельности

После анализа способов оценки качества сайта компании представляется интересным рассмотреть его связь с результатами деятельности компании.

Несмотря на растущую роль цифровых технологий в современном мире, вопрос влияния деятельности компании в цифровой среде на ее финансовые результаты остается недостаточно изученным.

Стоит отметить, что только небольшое число работ демонстрируют, что на результаты компании могут повлиять такие метрики, как видимость сайта в сети (Melo и др., 2017, Smithson и др., 2011), метрики электронной коммерции (Merono-Cerdan, Soto-Acosta, 2007), количество ссылок на сайт из внешних источников (Wang, Vaughan, 2014) и веб метрики (Paklina и др., 2018). Все данные работы демонстрируют разноплановые подходы к существующей проблеме, которые представлены в таблице 2.

Таблица 2

Подходы к оценке влияния качества сайта компании на ее результаты

Как отмечено в таблице большинство рассмотренных работ основывают свой анализ на определенной индустрии или стране. Например, 108 французских организаций (Melo и др, 2017), 105 малых и средних отелей Испании (Smithson и др., 2011) или всего девять компаний из сферы компьютерного и программного обеспечения (Merono-Cerdan, Soto-Acosta, 2007). Такие жесткие географические и индустриальные ограничения приводят к невозможности расширения результатов исследования до других стран или индустрий.

В качестве зависимой переменной также выступают различные индикаторы эффективности деятельности компании. Начиная с уровня удовлетворенности владельца бизнеса, измеренного с помощью опроса (Melo и др., 2017) и ROA (Smithson и др., 2011), заканчивая эффективностью рекламы, величиной нематериальных активов компании (Wang, Vaughan, 2014) и выручкой компании (Paklina и др., 2018).

В целом, большинство проведенных исследований демонстрируют позитивное взаимоотношение между качеством сайта компании и результатами ее деятельности. Так, согласно одному из исследований популярность сайта компании в сети может увеличить эффективность ее деятельности (Melo и др., 2017). В тоже время, другие исследователи показывают, что не только популярность вебсайта имеет значение, но и его содержание (Merono-Cerdan и Soto-Acosta, 2007). Также, есть работы, демонстрирующие значимость влияния качества сайта компании на ее результаты как для краткосрочного периода, так и для долгосрочного периода (Wang, Vaughan, 2014). Основным для данной работы являются исследование Paklina и др. (2018), демонстрирующее положительное влияние веб метрик на выручку российских компаний.

Однако исследователями не было выработанного единого подхода как к оценке качества веб сайта, так и к оценке его влияния на результаты деятельности компании. Большинство исследований имеют узкую региональную или индустриальную специфику, анализируя малые выборки компаний. Поэтому оценка влияния качества сайта компании с использованием веб метрик на результаты ее деятельности на основе широкой выборки, включающей компании из разных регионов и секторов, представляется крайне актуальной.

2. Постановка исследовательской проблемы

Целью данной работы является ответ на следующий исследовательский вопрос: как качество сайта компании влияет на результаты ее деятельности, и каким образом можно повлиять на него, увеличивая конкурентоспособность компании?

Большинство проведенных исследований демонстрируют позитивное взаимоотношение между качеством сайта компании и результатами ее деятельности. Поэтому, опираясь на рассмотренную литературу, следует предположить, что у компаний с более высоким уровнем качества сайта, измеренным с использованием веб метрик, эффективность работы будет также более высокой:

Н1: Качество сайта компании оказывает значимое положительное влияние на результаты ее деятельности.

Для формирования вывода по первой гипотезе представляется необходимым провести регрессионный анализ с использованием показателей результатов деятельности компании в качестве зависимой переменной и контрольными переменными и показателем качества сайта в качестве регрессоров.

Для практического применения полученных результатов необходимо понимать, какие именно метрики представляют наибольший интерес и оказывают наибольшее влияние. Так, можно предположить что:

Н2: Отдельные веб метрики оказывают значимое положительное влияние на результаты деятельности компании.

Данная гипотеза может быть подтверждена с помощью построения регрессии с включением в анализ каждой из использованных веб метрик и анализа получившейся значимости коэффициентов.

3. Методология исследования

3.1 Дизайн проведения исследования

Для достижения целей исследования необходимо проанализировать влияние качества сайта компании на результаты ее деятельности.

В качестве индикаторов качества сайта компании в рамках данной работы выступают метрики поисковой оптимизации, продемонстрированные в таблице 3.

Таблица 3

Метрики поисковой оптимизации

Метрики поисковой оптимизации позволяют максимально объективно оценить качество сайта, учитывая реальные реакции людей на него, а также количество и качество ссылок из других источников. Точные методики расчета каждой из веб метрик не раскрываются их владельцами, однако постоянно совершенствуются и представляются наиболее эффективным способом оценки качества сайта.

В рамках данной работы в число метрик поисковой оптимизации вошли восемь метрик. Web of Trust принимает значения от одного до пяти, отражая уровень доверия к сайту, измеренный с помощью различных характеристик. MozRank принимает значения от нуля до десяти, отражая рейтинг сайта по количеству и качеству ссылающихся на него страниц. Trust flow измеряет удаленность сайта по ссылкам от определенного списка доверенных сайтов в диапазоне от 1 до 100. Citation flow отражает значимость сайта, опираясь на количество сайтов из которых исходят ссылки на данный сайт. Alexa Rank является мерой видимости сайта в поисковых системах, рассчитываемой посредством сравнительного анализа огромной базы данных страниц в сети. SEMrush Rank показывает рейтинг доменов и принимает неограниченный диапазон значений.

Для определения эффекта влияния качества сайта компании на ее результаты производится регрессионный анализ, в котором в качестве объясняющих переменных выступают веб метрики.

Кроме объясняющих переменных в виде веб метрик в модель включаются контрольные переменные, в число которых вошли регион, сектор, количество работников, размер и рентабельность активов и возраст (таблица 4).

Для проверки первой гипотезы необходимо определить методику расчета индекса, который отразит качество сайта компании. Для этого, данные нормализуются с использованием следующей формулы:

(1)

где - новое значение переменной,

- исходное значение переменной.

Таблица 4

Контрольные переменные

Итоговое значение переменной представляет собой сумму восьми получившихся баллов.

В качестве зависимой переменной используются выручка компании, рентабельность активов компании за 2017 год и рыночная стоимость на 29 марта 2018 года.

Так как данные имеют разные порядки значений, в модели используется логарифмирование, что также позволяет интерпретировать коэффициенты модели как эластичности. Финальные спецификации модели выглядят следующим образом:

(2)

(3)

где: i - номер компании,

salesi - величина выручки компании i в 2017 году,

MVi - рыночная стоимость компании i на 29 марта 2018 года.

В модели с рентабельностью активов в качестве зависимой переменной использование логарифмирования затруднено отрицательными значениями ROA, поэтому для уравнивания порядков значений переменных данные стандартизируются, чтобы среднее каждой переменной стало равной нулю, а стандартное отклонение равнялось единице:

, (4)

где - новое значение переменной,

- первоначальное значение переменной,

- среднее значение,

- стандартное отклонение.

После стандартизации данных спецификация модели выглядит следующим образом:

(5)

где - рентабельность активов компании i в 2017 году.

Чтобы проконтролировать разницу влияния качества сайта компании на результаты ее деятельности среди различных индустрий и регионов на первом этапе строится модель без включения региона и сектора. Затем данные переменные включаются в модель, так становится возможным увидеть их вклад в модель, а также отследить значимость различий между разными уровнями.

Для проверки второй гипотезы, в первую очередь, данные стандартизируются с использованием формулы 4, указанной выше.

Спецификации модели для определения веб метрик, которые имеют большее влияние, выглядят следующим образом:

(6)

(7)

(8)

Затем все построенные модели сравниваются и формируются выводы.

3.2 Описание данных

Для практической части работы была использована база данных, предоставленная международной лабораторией экономики нематериальных активов. База данных включает в себя информацию по восьми веб метрикам по 2000 крупнейшим компаниям мира по версии журнала Forbes за 2017 год. Кроме того, для отражения финансовых результатов были использованы списки Forbes Global 2000 2010 года и 2018 года, взятые из открытых источников.

После отсечения наблюдений с пропусками значений в данных остались 1088 компаний, которые являются представителями 56 стран, которые были разделены по регионам (таблица 3). Отметим, что примерно треть компаний в базе данных из США, а вся Америка составляет почти 40% наблюдений. Европейские компании, также занимают почти треть наблюдений, однако с более равномерным распределением внутри, где максимальный процент набрало Соединенное королевство (6%). На третьей позиции среди частей света расположилась Азия (25% компаний), с максимальным значением у Японии (7%).