Дипломная работа: Влияние качества сайта компании на результаты ее деятельности

Коэффициент значим *на уровне 10%; ** на уровне 5%, *** на уровне 1%

Кроме того, из данных результатов можно также сделать вывод о существовании значимого различия между регионами и секторами. В третьей модели зависимой переменной стала рентабельность активов за 2017 год. Количество наблюдений было сокращено до 705 из-за необходимости включения индикатора прошлых результатов деятельности (ROA2010). Отметим, что в модели была обнаружена обратная зависимость рентабельности активов от возраста компании. Влияние количества работников оказалось незначимым. Рентабельность активов 2010 года и качество сайта оказывают значимое влияние с положительным знаком. Включение в модель дамми на регион и сектор привело к потере значимости всех переменных кроме рентабельности активов 2010 года, что заставляет отказаться от использования данных факторов. Кроме того, стоит отметить достаточно низкое качество модели с использованием рентабельности активов по сравнению с другими моделями, указанными выше.

Отметим, что качества сайта оказалось значимым для всех трех моделей. Таким образом, можно подтвердить первую гипотезу о значимом положительном влиянии качества сайта компании на результаты ее деятельности. Кроме того, для двух моделей подтвердили свою значимость переменные, отвечающие за отметку о принадлежности компании к определенному сектору или региону.

Для проверки второй гипотезы и определения наиболее значимых метрик строится модель с включением отдельных веб метрик, результаты которой представлены в таблице 19.

Прежде всего, отметим, что влияние контрольных переменных аналогично модели с использованием индекса качества сайта компании. При зависимой переменной выручке значимы оказались пять из восьми веб метрик, однако одна из них оказалась значима с отрицательным знаком. При использовании рыночной стоимости компании как показателя результатов деятельности компании также пять метрик подтвердили свою значимость, среди которых MozRank также имеет отрицательный знак. В третьей модели с рентабельностью активов в качестве зависимой переменной лишь одна метрика оказалась значима. Качество данной модели снова оказалось ниже по сравнению с использованием выручки или рыночной стоимости как показателей деятельности компании.

Таблица 19

Результаты регрессионного анализа с включением отдельных метрик

Коэффициент значим *на уровне 10%; ** на уровне 5%, *** на уровне 1%

Таким образом, для всех трех моделей значимой переменной оказался только MozRank и лишь в одной с положительным знаком. В двух из трех моделей значимыми с положительным знаком оказались: Alexa, Citation Flow, количество проиндексированных страниц в Google. Кроме того, в отдельных моделях значимыми стали Trust Flow и количество проиндексированных страниц в Bing. Так, вторая гипотеза может быть частично отвергнута. Отрицательная зависимость некоторых веб метрик может быть объяснена нелинейностью их связи с показателями результатов деятельности компании. Для проверки этого предположения в модель включаются квадраты исследуемых веб метрик (таблица 20). Стоит отметить, что в модели остались квадраты только тех веб метрик, которые оказались значимы.

Таблица 20

Результаты регрессионного анализа с включением квадратов веб метрик

Коэффициент значим *на уровне 10%; ** на уровне 5%, *** на уровне 1%

Так, в первой модели квадратичную зависимость подтвердили MozRank, количество проиндексированных страниц в Bing, Alexa rank и Citation Flow. Во второй - Citation Flow, SEMrush и количество проиндексированных страниц в Google и Bing, Alexa. В третьей - Trust Flow и количество проиндексированных страниц в Bing, Citation Flow и количество проиндексированных страниц в Google. Качество каждой из трех моделей, измеренное с помощью скорректированного коэффициента детерминации, стало выше после включения квадратов некоторых веб метрик, при этом влияние контрольных переменных остается стабильным.

Таким образом, можно подвести итоги по каждой веб метрике (таблица 21).

Таблица 21

Результаты значимости отдельных веб метрик в регрессиях

Исходя из таблицы, можно сделать следующие выводы:

· MozRank оказался значим в трех регрессиях при исследовании линейных зависимостей, однако в двух с отрицательным знаком. Включение в модель квадрата данной метрики позволило обнаружить квадратичную зависимость с ветвями вверх.

· Квадратичную зависимость с Alexa rank удалось обнаружить в двух из трех моделей, в обеих с ветвями вниз, положительная линейная зависимость была обнаружена также в двух моделях.

· Квадрат Citation Flow значим в двух моделях с отрицательным знаком и также в двух моделях была обнаружена положительная линейная зависимость.

· Количество проиндексированных страниц в Google показало достаточно противоречивые результаты. Без включения в модель квадрата метрики, она была значима с положительным знаком в двух моделях, при включении квадрата метрики в одной из модели коэффициент оказался положительным, в то время как в другой отрицательным. Такой эффект может быть объяснен спецификой деятельности отдельных компаний. Так, например, наибольшее число проиндексированных страниц составило 167 миллионов и было отмечено у Amazon, который является крупнейшим рынком электронной коммерции.

· SEMrush оказался незначим почти для всех моделей.

· У Trust Flow в одной модели была обнаружена положительная линейная зависимость, и также в одной квадратичная с ветвями вверх.

· Квадрат количества проиндексированных страниц в Bing оказался положительным для всех трех моделей.

· Web of Trust не подтвердил свою значимость ни в одной из моделей, что может быть вызвано малой вариативностью наблюдений, так как 1074 из 1088 наблюдений получили балл 4 или 5.

Таким образом, можно подтвердить наличие квадратичной зависимости для MozRank, количества проиндексированных страниц в Bing, Alexa rank и Citation Flow. Первые две из отмеченных метрик имеют положительный знак перед квадратом переменной, что говорит о том, что для максимизации результатов деятельности необходимо максимизировать и эти метрики. Третья и четвертая метрики имеют отрицательные знаки. Так как перед расчетами данные были стандартизированы, то необходимы дальнейшие расчеты для определения оптимальных значений данных метрик. Кроме того, стоит отметить значимое прямое влияние на результаты деятельности компании следующих метрик: количество проиндексированных страниц в Google и Trust Flow.

Подводя итог, необходимо отметить, что было продемонстрировано, что качество сайта компании оказывает значимое положительное влияние на результаты деятельности компании, что позволяет подтвердить первую гипотезу. Кроме того, было определено, что шесть из восьми исследуемых метрик заслуживают большего внимания, что частично подтверждает вторую гипотезу. Также было показано, что некоторые из выделенных метрик имеют нелинейную связь с результатами деятельности компании.

Заключение

Быстроменяющиеся условия современной экономики заставляют компании использовать все возможные способы поддержания своей конкурентоспособности. При этом цифровая сфера является наиболее перспективной для развития с данной точки зрения. Лояльность потребителей в цифровой среде может быть повышена при грамотном использовании предлагаемых инструментов, например, сайта компании.

В данной работе была исследована взаимосвязь качества сайта компании и результатов ее деятельности. В качестве индикаторов качества сайта были использованы восемь веб метрик, на основе которых был рассчитан индекс. После чего проведение регрессионного анализа позволило отследить значимое положительное влияние качества сайта компании на результаты ее деятельности, измеренные с помощью таких показателей, как: выручка, рыночная стоимость и рентабельности активов.

В дополнение, в исследовании были выявлены наиболее важные метрики из восьми рассмотренных. Так, SEMrush и Web of Trust оказались незначимы почти во всех построенных моделях. Для лучшей оценки влияния оставшихся метрик в модель были включены их квадраты. MozRank, количество проиндексированных страниц в Bing, Alexa rank и Citation Flow подтвердили наличие квадратичной зависимости. Первые две из указанных выше метрик имеют зависимость с ветвями вверх, что говорит о том, что для максимизации результативности компаний необходима максимизация значений данных метрик. У количества проиндексированных страниц в Google и Trust Flow была обнаружена положительная линейная связь с показателями качества деятельности компании, что также говорит о необходимости их максимизации.

Кроме того, в рамках данной работы было продемонстрировано значимое отличие в уровнях качества сайта среди различных регионов и секторов, а также данные факторы оказались значимы при проведении регрессионного анализа. Поэтому дальнейшее исследование данного вопроса возможно в более детальном рассмотрении особенностей отдельных регионов и отраслей.

Также в дальнейших исследования возможно расширение временного горизонта и использование панельных данных, которые способны лучше отслеживать индивидуальные отличия между компаниями.

Применение полученных результатов на практике способно привести к повышению конкурентоспособности компании за счет мониторинга веб метрик и изменения факторов, влияющих на них.

Список использованных источников

1. Aljumah, A. and Kouchay, S.A. (2015), “Global ranking, web visibility and accessibility of quranic websites-An evaluation study-2015”, Indian Journal of Science and Technology, Vol. 8 No. 30, available at: 52.172.159.94/index.php/indjst/article/download/76715/65028.