Дипломная работа: Влияние качества сайта компании на результаты ее деятельности

Таблица 5

Статистика по регионам

Компании из базы данных ведут деятельность более чем 80 индустриях, которые объединены в 11 секторов (таблица 6). Четверть компаний из базы данных ведут финансовую деятельность, при этом максимальный процент составляют региональные банки (11%). По 16% компаний вошли в сектор товаров не первой необходимости и индустриальный сектор. Далее следуют сектор производства материалов, и информационные технологии, которые составили по 9% и 7% соответственно.

Таблица 6

Статистика по секторам

Описательные статистики контрольных переменных представлены в таблице 7. Средний возраст компаний превысил 70 лет с максимальным значением 545. Максимальное количество работников превысило 600 тысяч человек при среднем около 56 тысяч. При этом среднее значение выручки составляет примерно 22 миллиарда долларов, а активов около 114 миллиардов долларов.

Таблица 7

Описательные статистики переменных

Описательные статистики веб метрик представлены в таблице 8. Стоит отметить сильную неоднородность данных. В то время как значение Web of Trust изменяется только от одного до пяти и имеет среднее 4.51, максимальное количество проиндексированных страниц в Bing превышает 2 миллиарда при среднем в 73 миллиона.

Таблица 8

Описательные статистики веб метрик

Корреляционная матрица веб метрик представлена в таблице 9. Преимущественно все веб метрики имеют слабую прямую связь. Исключением является SEMrush, так как у данной метрики минимальное значение соответствует максимально высокому уровню качества сайта, поэтому связь с другими метриками является обратной.

Таблица 9

Корреляционная матрица веб метрик

Для лучшего понимания структуры данных о качестве сайта компаний, проводится кластерный анализ. В первую очередь, используется иерархический метод с помощью построения дендрограммы (рисунок 1).

Рис. 1. Дендрограмма

Такое графическое представление данных позволяет понять, на каких уровнях данные группируются и имеют минимальные различия. Так, представляется эффективным разделить данные на три кластера по уровню качества сайта.

График суммы квадратов расстояний по кластерам представлен на рисунке 2 и также подтверждает предположение об эффективности выделения трех кластеров.

Рис. 2. График суммы остатков

После определения оптимального количества кластеров, происходит само разделение на кластеры с помощью метода k-средних, которое заключается в минимизации отклонений точек от центра кластера. Отклонение рассчитывается с использование евклидового расстояния точек x и y в n-мерном пространстве:

, (9)

Для получения корректных результатов перед формированием кластеров данные стандартизируются, чтобы среднее каждой переменной стало равной нулю, а стандартное отклонение равнялось единице:

, (10)

где - новое значение переменной,

- первоначальное значение переменной,

- среднее значение,

- стандартное отклонение.

84% наблюдений были отнесены к одному и тому же кластеру с использованием иерархического подхода и метода k-средних. Описательные статистики показателей по каждому кластеру, определяемому с помощью метода k-средних, представлены в таблице 10.

Так, стоит отметить, что в первый кластер попали компании с самым низким уровнем качества сайтов, в то время как в третьем кластере компании с максимальными средними значениями веб метрик. Самым многочисленным, как и следовало ожидать, оказался кластер с компаниями со средним уровнем качества сайта.

Таблица 10

Средние величины показателей по кластерам

Далее необходимо по каждому получившемуся кластеру сравнить показатели эффективности, в число которых вошли рентабельность активов (ROA), оборачиваемость активов, выручка и рыночная стоимость компании. В сравнении участвуют медианные, а не средние значения, так как они менее подвержены влиянию выбросов. Сравнение показатели эффективности среди кластеров представлено в таблице 11.

Таблица 11

Сравнение показателей эффективности компаний по кластерам