Корпоративный веб-сайт как стратегический ресурс российских и европейских компаний

С. Н. Паклина

Мы попытаемся установить связь между характеристиками веб-сайта и финансовыми результатами компании, что актуально с точки зрения определения мероприятий по его улучшению.

Эмпирический анализ корпоративных веб-сайтов проводится в различных научных областях — с точки зрения раскрытия информации, в том числе о социальной ответственности компаний (Fifka, 2013; Hong, Rim, 2010; Huang et al., 2020), возможных маркетинговых стратегий (Verma et al., 2016; Wu, 2018), опыта использования корпоративных веб-сайтов (Ageeva et al., 2018; Vila et al., 2021), связи показателей веб-сайта компании с финансовыми результатами: выявлена положительная связь между прибылью и количеством запросов о компании в интернете (Borodako et al., 2021), между выручкой и популярностью вебсайта компании в рейтинге посещаемости (Van Thanh, 2018), между различными финансовыми показателями и количеством и взаимосвязью ссылок на самом веб-сайте и внешних ссылок, ведущих на корпоративный веб-сайт (Raisi et al., 2018; Vaughan, 2004; Wang, Vaughan, 2014), между доходами компании и видимостью веб-сайтов в поисковой выдаче (Melo et al., 2017; Smithson et al., 2011; Zhang, Cabage, 2017).

Наиболее близкий к целям данного исследования подход к анализу корпоративных веб-сайтов основан на ресурсном подходе (resource based view; Barney, 1991). Корпоративный веб-сайт может выступать в качестве стратегического ресурса, так как он полностью контролируется компанией, она может использовать его наполнение и размещение в сети Интернет таким образом, чтобы извлечь из этого финансовую выгоду (Martin, Penard, 2005; Perrigot, Penard, 2013). Именно ресурсный подход и эмпирический анализ взаимосвязи характеристик корпоративных веб-сайтов и финансовых результатов позволят ответить на вопрос, генерирует ли веб-сайт как нематериальный ресурс компании дополнительные конкурентные преимущества и повышает ли ее финансовую успешность, и если да — то в каком объеме.

Можно выделить два основных подхода к анализу корпоративных веб-сайтов — субъективный и объективный. Субъективный подход предполагает изучение восприятия корпоративного веб-сайта его пользователями, а объективный базируется на технических метриках посещения и качества веб-сайтов (Altaboli, Lin, 2011; Guo, Hall, 2009; Huizingh, 2000). В данном исследовании выбран второй подход, так как метрики, основанные на анализе больших объемов данных, имеют два преимущества: получаемая информация не зависит от субъекта оценки, ее объем значительно больше по сравнению с опросными данными (Einav, Levin, 2014; George et al., 2014; Holmhind et al., 2020; McAfee, Brynjolfsson, 2012).

Чаще всего встречаются пять объективных метрик — Alexa, Citation flow, Domain authority, Mozrank и количество индексируемых страниц веб-сайта в Google. Метрика Alexa отражает, как много потенциальных или реальных клиентов посетило корпоративный веб-сайт, а количество индексируемых страниц в Google говорит о представленности веб-сайта в поисковой системе Google, что косвенно влияет на количество посещений корпоративного веб-сайта. Метрика Citation flow показывает, как часто корпоративный веб-сайт цитируется на других веб-сайтах, что также повышает видимость веб-сайта и вероятность того, что его посетят потенциальные клиенты, перешедшие по ссылке с другого веб-сайта. Метрики Domain authority и Mozrank отражают надежность веб-сайта с точки зрения защиты данных, отсутствия неприемлемого контента, рекламы и вирусов, что является необходимым условием формирования доверия клиентов к корпоративному веб-сайту и их готовности сотрудничать с компанией. Все эти параметры работают на установление лояльных взаимоотношений с клиентами, делая корпоративный веб-сайт важным стратегическим ресурсом компании.

На результат использования веб-сайта компанией могут оказывать влияние внешние условия. К ним относятся страновые и культурные особенности (Ageeva et al., 2018; Lachner et al., 2015; Marcus, 2006), сетевая и информационная инфраструктура (Cho, Cheon, 2005; Sari, Putra, 2019; Shin, Huh, 2009). Исследователи подчеркивают необходимость учитывать различные социокультурные теории и модели при разработке дизайна и функциональности веб-сайтов, например многофакторную модель ценностей Хофстеде (Marcus, 2006) и коммуникативную модель культуры по Э. Холлу (Lachner et al., 2015). Кроме того, в работе: Ageeva et al., 2018, было проведено сравнение веб-сайтов ритейл-компаний в России и Великобритании и показано, что в обеих странах благоприятное восприятие корпоративного веб-сайта пользователями (corporate website favorability) выступает важным источником конкурентных преимуществ. Однако пользователи из Великобритании более восприимчивы к таким факторам, как раскрытие информации о корпоративной социальной ответственности, корпоративной культуре и надежности веб-сайта. По мнению авторов работы: Shakina et al., 2017, российские публичные компании отстают от европейских конкурентов по уровню качества веб-сайтов.

Для того чтобы оценить, влияет ли внешний контекст на результаты стратегического использования корпоративных веб-сайтов, в работе проводится сравнительный анализ европейских и российских компаний.

Дизайн и методология исследования

Первый исследовательский вопрос в рамках данной работы (ИВ 1) посвящен агрегированию различных метрик веб-сайтов и их концептуализации. Вторая цель работы: выяснить, являются ли выделенные конструкты источником конкурентных преимуществ для компании, другими словами, оказывают ли они влияние на финансовую результативность компании (ИВ 2). Последний исследовательский вопрос связан с изучением влияния внешнего контекста на рассмотрение корпоративного веб-сайта как стратегического ресурса (ИВ 3).

На первом этапе исследования проводится агрегирование метрик вебсайтов методом главных компонент для решения проблемы коллинеарности метрик и создания конструктов, описывающих корпоративный веб-сайт. На втором этапе оценивается регрессионная модель зависимости выручки (прокси-показатель финансовой результативности компании) от вектора главных компонент, полученных на первом шаге и отражающих характеристики корпоративных веб-сайтов, контрольных переменных и фиктивной переменной, отражающей регион базирования компании. В качестве контрольных переменных были включены такие показатели, как возраст компании (прокси-показатель ее жизненного цикла), финансовый рычаг (мера склонности к риску, рассчитанная как отношение заемного капитала к собственным средствам), размер основных средств и количество работников (прокси-показатель размера компании), а также расходы на рекламу. Уравнение регрессии выглядит следующим образом:

log(sales_i) = α + βCV + γlog( WEBSITE) + δEurope +  θlog( WEBSITE) Europe + ε_i

где: і — индекс компании; sales_i — выручка компании (логарифм); CV - вектор контрольных переменных; WEBSITE — вектор главных компонент (логарифм); Europe — фиктивная переменная (равна 1, если компания из Европы, и 0, если из России).

Эмпирические результаты

Концептуализация метрик веб-сайтов

Для того чтобы определить, могут ли используемые метрики быть агрегированы, используется метод главных компонент. Полученные при его применении конструкты могут быть содержательно интерпретированы. Предварительный анализ показал, что наибольшая вариация описывается двумя компонентами, следовательно, используемые компоненты могут быть агрегированы в два содержательных конструкта (см. в таблице 1 факторные нагрузки по каждой метрике для обеих компонент). Согласно факторным нагрузкам, в первую компоненту вошли показатели Alexa и количество индексируемых страниц веб-сайта в Google, а во вторую — Domain authority, Mozrank и Citation flow. Содержательно эти две компоненты можно концептуализировать как видимость и надежность веб-сайта соответственно (Molodchik et al., 2018).

Таблица 1

Факторные нагрузки в методе главных компонент

Источник: расчеты автора.

Видимость веб-сайта означает, насколько легко и быстро можно найти информацию о компании и ее товарах и услугах с помощью поисковых систем (Weideman, 2009). По результатам первого шага анализа видимость корпоративных веб-сайтов можно оценить с помощью агрегирования двух метрик — Alexa и количество индексируемых страниц веб-сайта в Google, способ построения которых учитывает популярность и посещаемость веб-сайтов.

Надежность веб-сайта может быть измерена через количество и качество ссылок на веб-сайт с других сайтов (Amento et al., 2000; Kleinberg, 1999). Надежность веб-сайта напрямую связана с качеством его контента и ссылок, что, в свою очередь, влияет на то, как сайт отображается в поисковой выдаче (Aljumah, Kouchay, 2015). В результате реализации метода главных компонент надежность веб-сайтов может быть выражена через агрегирование трех метрик — Domain authority, Mozrank и Citation flow.

Благодаря методу главных компонент были выделены два содержательных конструкта, описывающих веб-сайты, — видимость и надежность. Данный результат дополняет имеющиеся научные знания относительно того, в каких аспектах могут быть проанализированы корпоративные веб-сайты, а также через какие каналы они могут генерировать финансовые выгоды для компаний.

Показатели видимости и надежности корпоративных веб-сайтов являются линейными комбинациями пяти используемых метрик с учетом факторных нагрузок. Сравнительный анализ данных показал, что у европейских компаний показатели видимости и надежности корпоративных веб-сайтов выше (на уровне значимости 1%), чем у российских (табл. 2).

Таблица 2

Описательные статистики по видимости и надежности корпоративных веб-сайтов России и Европы

Источник: расчеты автора.

Финансовая результативность и показатели веб-сайтов

Графический анализ в координатах финансовой результативности и показателей корпоративных веб-сайтов выявил наличие нелинейной связи (рис. 1—2). Логарифмическая зависимость между финансовой результативностью компании и видимостью/надежностью ее корпоративного веб-сайта отражает убывающую отдачу от исследуемых факторов. Причем данные эффекты различаются в зависимости от рассматриваемого контекста. В обоих случаях влияние видимости и надежности веб-сайта компании на ее результативность в Европе выше, чем в России.

Оценка первой регрессионной модели без контроля на совместный эффект от показателей корпоративных веб-сайтов и региона компании показала, что статистически значим лишь показатель — видимость корпоративного веб-сайта (табл. 3).

Таблица 3

Результаты оценивания регрессионных моделей

Примечание. *** р < 0,01, ** р < 0,05, * р < 0,1.

Источник: расчеты автора.

Во второй модели к предыдущей спецификации добавлен контроль на совместный эффект от показателей веб-сайта и регион деятельности компании. Для обоих регионов значимыми оказались оба показателя — видимость и надежность веб-сайта. Причем если рассчитать величину общего эффекта от видимости и надежности веб-сайта отдельно для российских и европейских компаний, то эффект от надежности веб-сайта на результативность выше для европейских компаний, а эффект от видимости — для компаний из России.

В обеих моделях среди контрольных переменных незначимыми оказались возраст компании и ее расходы на рекламу. Остальные переменные, как и ожидалось, оказывают положительное и значимое влияние на финансовую результативность компаний.

Полученные результаты могут быть использованы компаниями для повышения эффективности использования корпоративных веб-сайтов в качестве стратегического ресурса. Для европейских компаний финансовая результативность в большей степени связана с показателями надежности корпоративных веб-сайтов по сравнению с видимостью. Для российских компаний эффект надежности веб-сайта на финансовую результативность оказался хоть и небольшим, но отрицательным. Подобный результат может быть связан с тем, что развитие надежного корпоративного веб-сайта для российских компаний более затратный и менее окупаемый процесс, чем в случае европейских.

В обоих регионах эффект видимости на финансовую результативность компании положительный, но в абсолютном выражении выше для компаний из России. Это означает, что у европейских и российских компаний выше финансовые показатели при более высокой видимости их корпоративных веб-сайтов.

Заключение

Удалось концептуализировать пять метрик веб-сайтов с использованием метода главных компонент и выделить две важные характеристики корпоративных веб-сайтов (ИВ 1). Первая характеристика отражает видимость веб-сайта в цифровом пространстве или, другими словами, насколько легко информацию о компании и ее товарах и услугах можно найти в интернете. Данная характеристика описывается двумя метриками: Alexa и количество индексируемых страниц веб-сайта в Google. Вторая характеристика веб-сайта описывается метриками Citation flow, Domain authority и Mozrank и отражает надежность веб-сайта, то есть качество его контента, а также внутренних и внешних ссылок.

Проведенный регрессионный анализ подтвердил наличие значимой и положительной связи между видимостью и надежностью корпоративного веб-сайта и величиной выручки компании (ИВ 2), что во многом совпадает с выводами, полученными в более ранних исследованиях (Borodako et al., 2021; Melo et al., 2017; Raisi et al., 2018; Smithson et al., 2011; Van Thanh, 2018; Wang, Vaughan, 2014; Zhang, Cabage, 2017). Исключением является отрицательный эффект надежности веб-сайта на финансовую результативность российских компаний, что можно объяснить более высокими затратами на создание подобного веб-сайта и меньшим запросом на надежные веб-сайты компаний со стороны российских потребителей.

Анализ подтвердил влияние странового контекста на связь между корпоративным веб-сайтом и финансовой успешностью компании (ИВ 3), что также соответствует результатам предыдущих исследований (Ageeva et al., 2018; Lachner et al., 2015; Marcus, 2006). Было показано, что для российских компаний значимое и положительное влияние на выручку оказывает видимость веб-сайтов. Для европейских компаний видимость и надежность оказывают значимое влияние на выручку, однако связь выручки с надежностью веб-сайта более чем в 2 раза сильнее, чем с видимостью.

Полученные результаты подтверждают гипотезу о способности корпоративного веб-сайта выступать в качестве стратегического ресурса компании. Кроме того, данное исследование предлагает концептуализацию метрик веб-сайтов: видимость и надежность. Высокая видимость корпоративных веб-сайтов позволяет охватить как можно более широкую аудиторию и расширить рынок потенциальных клиентов и партнеров. Высокая надежность корпоративных веб-сайтов способствует формированию доверительных и лояльных отношений между компанией и ее клиентами и партнерами, а также создает положительную репутацию компании. С практической точки зрения менеджеры компаний могут использовать результаты анализа этих показателей для принятия более успешных управленческих решений при представлении компании в цифровом пространстве.

Список литературы

Ageeva Е., Melewar Т. С., Foroudi Р., Dennis С., Jin Z. (2018). Examining the influence of corporate website favorability on corporate image and corporate reputation: Findings from fsQCA. Journal of Business Research, Vol. 89, pp. 287—304.

Aguillo I. E, Orduca-Malea E. (2013). The ranking web and the “world-class” universities. In: Q. Wang, Y. Cheng, N. C. Liu (eds.). Building world-class universities. Rotterdam: Sense Publishers, pp. 197—217.

Aljumah A., 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, pp. 1—7.

Altaboli A., Lin Y. (2011). Objective and subjective measures of visual aesthetics of website interface design: The two sides of the coin. In: J. A. Jacko (ed.). Humancomputer interaction. Design and development approaches. Berlin and Heidelberg: Springer, pp. 35-44.

Amento B., Terveen L., Hill W. (2000). Does “authority” mean quality? Predicting expert quality ratings of Web documents. In: Proceedings of the 23^rd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval. New York: Association for Computing Machinery, pp. 296 — 303.

Ansari S., Gadge J. (2012). Architecture for checking trustworthiness of websites. International Journal of Computer Applications, Vol. 44, No. 14, pp. 22—26.

Aswani R., Ghrera S., Chandra S., Kar A. (2017). Outlier detection among influencer blogs based on off-site web analytics data. In: A. K. Kar et al. (eds.). Digital nations — Smart cities, innovation, and sustainability. Cham: Springer, pp. 251—260.

Aswani R., Ghrera S. Р., Chandra S., Kar A. K. (2021). A hybrid evolutionary approach for identifying spam websites for search engine marketing. Evolutionary Intelligence, Vol. 14, No. 4, pp. 1803 — 1815.

Barney J. (1991). Firm resources and sustained competitive advantage. Journal of Management, Vol. 17, No. 1, pp. 99-120.

Borodako K., Berbeka J., Rudnicki M., Lapczynski M. (2021). Online visibility and knowledge-intensive business services performance: The scope of interrelatedness. Journal of Emerging Trends in Marketing and Management, Vol. 1, No. 1, pp. 157-173.

Brindley P. G., Byker L., Carley S., Thoma B. (2022). Assessing on-line medical education resources: A primer for acute care medical professionals and others. Journal of the Intensive Care Society, Vol. 23, No. 3, pp. 340 — 344.

Cho С.-H., Cheon H. J. (2005). Cross-cultural comparisons of interactivity on corporate web sites: The United States, the United Kingdom, Japan, and South Korea. Journal of Advertising, Vol. 34, No. 2, pp. 99 — 115.

Dhar P., Gayan M. A. (2022). A Webometric study of selected international library association websites an evaluative study. DESIDOC Journal of Library & Information Technology, Vol. 42, No. 3, pp. 185 — 190.

Einav L., Levin J. (2014). Economics in the age of big data. Science, 346, No. 6210, article 1243089.

Espadas J., Calero C., Piattini M. (2008). Web site visibility evaluation. Journal of the Association for Information Science and Technology, Vol. 59, No. 11, pp. 1727— 1742.

Fifka M. S. (2013). Corporate responsibility reporting and its determinants in comparative perspective — a review of the empirical literature and a meta-analysis. Business Strategy and the Environment, Vol. 22, No. 1, pp. 1 — 35.

George G., Haas M. R., Pentland A. (2014). Big data and management. Academy of Management Journal, Vol. 57, No. 2, pp. 321 — 326.

Guo Y. M., Hall D. (2009). Website complexity: Objective versus subjective measures. MWAIS 2009 Proceedings, article 28.

Holmhind M., Van Vaerenbergh Y., Ciuchita R., Ravald A., Sarantopoulos P., Ordenes F. V., Zaki M. (2020). Customer experience management in the age of big data analytics: A strategic framework. Journal of Business Research, Vol. 116, pp. 356 — 365.

Hong S. Y., Rim H. (2010). The influence of customer use of corporate websites: Corporate social responsibility, trust, and word-of-mouth communication. Public Relations Review, Vol. 36, No. 4, pp. 389 — 391.

Huang K., Sim N., Zhao H. (2020). Corporate social responsibility, corporate financial performance and the confounding effects of economic fluctuations: A meta-analysis. International Review of Financial Analysis, Vol. 70, article 101504.

Huizingh E. K. (2000). The content and design of web sites: An empirical study. Information & Management, Vol. 37, No. 3, pp. 123 —134.

Ismailova R., Kimsanova G. (2017). Universities of the Kyrgyz Republic on the Web: Accessibility and usability. Universal Access in the Information Society, Vol. 16, pp. 1017-1025.

Kleinberg J. M. (1999). Authoritative sources in a hyperlinked environment. Journal of the ACM, Vol. 46, No. 5, pp. 604-632.

Lachner Е, Saucken С. von, Floyd’Mueller Е, Lindemann U. (2015). Cross-cultural user experience design helping product designers to consider cultural differences. In: P. Rau (ed.). Cross-cultural design methods, practice and impact. Cham: Springer, pp. 58-70.

Lo A., Shappell E., Rosenberg H., Thoma B., Ahn J., Trueger N. S., Chan T. M. (2018). Four strategies to find, evaluate, and engage with online resources in emergency medicine. Canadian Journal of Emergency Medicine, Vol. 20, No. 2, pp. 293—299.

Marcus A. (2006). Cross-cultural user-experience design. In: D. Barker-Plummer, R. Cox, N. Swoboda (eds.). Diagrammatic representation and inference. Berlin and Heidelberg: Springer, pp. 16—24.

Martin L., Penard T. (2005). Investing in a website: A top dog or a resource-based strategy for firms? Communications & Strategies, No. 59, pp. 77—98.

McAfee A., Brynjolfsson E. (2012). Big data: The management revolution. Harvard Business Review, Vol. 90, No. 10, pp. 60 — 68.

Melo A. J., Hernandez-Maestro R. M., Munoz-Gallego P. A. (2017). Service quality perceptions, online visibility, and business performance in rural lodging establishments. Journal of Travel Research, Vol. 56, No. 2, pp. 250—262.

Molodchik M., Paklina S., Parshakov P. (2018). Digital relational capital of a company. Meditarі Accountancy Research, Vol. 26, No. 3, pp. 443 — 462.

Onaifo D., Rasmussen D. (2013). Increasing libraries’ content findability on the web with search engine optimization. Library Hi Tech, Vol. 31 No. 1, pp. 87—108.

Permatasari H. P., Harlena S., Erlangga D., Chandra R. (2013). Effect of social media on website popularity: Differences between public and private universities in Indonesia. World of Computer Science and Information Technology Journal, Vol. 3, No. 2, pp. 32-37.

Perrigot R., Penard T. (2013). Determinants of e-commerce strategy in franchising: A resource-based view. International Journal of Electronic Commerce, Vol. 17, No. 3, pp. 109-130.

Raisi H., Baggio R., Barratt-Pugh L., Willson G. (2018). Hyperlink network analysis of a tourism destination. Journal of Travel Research, Vol. 57, No. 5, pp. 671 — 686.

Sari R. P., Putra F. К. K. (2019). The design characteristics of Indonesian and German hotel websites: A cross-cultural comparison. International Journal of Applied Sciences in Tourism and Events, Vol. 3, No. 1, pp. 93 — 107.

Shahzad A., Nawi N. M., Sutoyo E., Naeem M., Ullah A., Naqeeb S., Aamir M. (2018). Search engine optimization techniques for Malaysian university websites: A comparative analysis on Google and Bing search engine. International Journal on Advanced Science, Engineering and Information Technology, Vol. 8, No. 4, pp. 1262 — 1269.

Shakina E., Barajas A., Molodchik M. (2017). Bridging the gap in competitiveness of Russian companies with intangible bricks. Measuring Business Excellence, Vol. 21, No. 1, pp. 1-20.

Shin W., Huh J. (2009). Multinational corporate website strategies and influencing factors: A comparison of US and Korean corporate websites. Journal of Marketing Communications, Vol. 15, No. 5, pp. 287—310.

Smithson S., Devece C. A., Lapiedra R. (2011). Online visibility as a source of competitive advantage for small- and medium-sized tourism accommodation enterprises. Service Industries Journal, Vol. 31, No. 10, pp. 1573 — 1587.

Thoma В., Sanders J. L., Lin М., Paterson Q. S., Steeg J., Chan T. M. (2015). The social media index: Measuring the impact of emergency medicine and critical care websites. Western Journal of Emergency Medicine, Vol. 16, No. 2, pp. 242—249.

Van Thanh H. T. (2018). Relationships between web traffic ranks and online sales revenue of e-retailers in Australia. Unpublished manuscript, Central Queensland University.

Vaughan L. (2004). Exploring website features for business information. Scientometrics, Vol. 61, No. 3,pp. 467-477.

Vaughan L., Ninkov A. (2018). A new approach to web со-link analysis. Journal of the Association for Information Science and Technology, Vol. 69, No. 6, pp. 820 — 831.

Verma V., Sharma D., Sheth J. (2016). Does relationship marketing matter in online retailing? A meta-analytic approach. Journal of the Academy of Marketing Science, Vol. 44, No. 2, pp. 206-217.

Vila T. D., Gonzalez E. A., VilaN. A., Brea J. A. F. (2021). Indicators of website features in the user experience of e-tourism search and metasearch engines. Journal of Theoretical and Applied Electronic Commerce Research, Vol. 16, No. 1, pp. 18—36.

Vyas C. (2019). Evaluating state tourism websites using Search Engine Optimization tools. Tourism Management, Vol. 73, pp. 64—70.

Wang F., Vaughan L. (2014). Firm web visibility and its business value. Internet Research, Vol. 24, No. 3, pp. 292-312.

Weideman M. (2009). Website visibility: The theory and practice of improving rankings. Oxford: Chandos Publishing.

Wu G. (2018). Official websites as a tourism marketing medium: A contrastive analysis from the perspective of appraisal theory. Journal of Destination Marketing & Management, Vol. 10, pp. 164 — 171.

Zhang S., Cabage N. (2017). Search engine optimization: Comparison of link building and social sharing. Journal of Computer Information Systems, Vol. 57, No. 2, pp. 148-159.

Zia S., Mushtaq M. (2021). Search Engine Optimization by Moz Link Explorer and Google PageRank: A study of international digital library websites. World Digital Libraries — An International Journal, Vol. 14, No. 2, pp. 157—172.

Приложение 1

Метрики веб-сайтов

Метрика Alexa предоставляется одноименной компанией и отражает степень популярности веб-сайта на основе посещаемости. Для исследовательских целей метрика Alexa использовалась при построении индекса социальных медиа (Brindley et al., 2022; Lo et al., 2018; Thoma et al., 2015).

Метрика Citation flow от компании Majestic представляет собой оценку между 0 — 100, которая помогает оценивать «влиятельность» веб-сайта на основе входящих и исходящих ссылок. Например, Citation flow будет выше, если веб-сайт ссылается на другие надежные веб-сайты, и ниже, если он ссылается на рекламные или подозрительные веб-сайты. В нескольких исследованиях данная метрика используется для измерения надежности веб-сайтов (Ismailova, Kimsanova, 2017; Permatasari et al., 2013) и для идентификации спама (Aswani et al., 2017, 2021).

Метрики Domain authority и Mozrank оцениваются компанией Moz. Domain authority отражает, насколько высоко веб-сайт будет находиться в поисковой выдаче. Эта метрика использовалась в эмпирических работах по оценке видимости веб-сайтов библиотек и туристических порталов (Dhar, Gayan, 2022; Vyas, 2019; Zia, Mushtaq, 2021). Mozrank варьирует от 0 до 10 и является оценкой ссылочной популярности веб-сайта. Mozrank был использован в работе: Aguillo, Orduca-Malea, 2013, для формирования рейтинга университетов Webometrics Ranking, а также для разработки подхода к анализу ссылок на веб-сайтах (Vaughan, Ninkov, 2018).

Метрика Количество индексируемых страниц веб-сайта в Google отражает видимость веб-сайта в данной поисковой системе. Другими словами, эта метрика отражает количество страниц веб-сайта, которые можно найти с помощью Google. Данная метрика используется в качестве одного из способов оценки видимости веб-сайта (Ansari, Gadge, 2012; Espadas et al., 2008; Onaifo, Rasmussen, 2013; Shahzad et al., 2018).

В таблице П1.1 приведено краткое описание метрик, которые использованы в данной работе для анализа корпоративных веб-сайтов.

Таблица П1.1

Метрики для анализа веб-сайтов

Источник: составлено автором.

Приложение 2

Предварительный анализ данных

Были собраны финансовые данные и метрики корпоративных веб-сайтов крупнейших компаний из Европы и России на 2016 г. Критерием отбора компаний в выборку стало значение выручки: отобраны крупнейшие по этому показателю компании из Европы и России. Выборка составила 1240 европейских и 1056 российских компаний. География европейских компаний представлена следующими странами: Великобритания (44% европейских компаний), Франция (22%), Швейцария (12%), Италия (9%), Испания (8%) и Нидерланды (5%). Данные, использованные в работе, были собраны членами Международной лаборатории экономики нематериальных активов. Всего в работе анализируются 12 переменных: выручка, балансовая стоимость, финансовый рычаг, основные средства, расходы на рекламу, количество работников, возраст компании, Alexa, Citation flow, Domain authority, Mozrank, количество индексируемых страниц веб-сайта в Google. Все финансовые показатели измерены в миллионах евро.

Таблица П2.1

Описательные статистики

Примечание. Количество наблюдений N = 2296.

Источник: расчеты автора.

Анализ описательных статистик контрольных переменных показал, что выборка представлена достаточно разнородными компаниями (табл. П2.1). Значение финансового рычага (рассчитывается как отношение заемного капитала к собственным средствам) как меры склонности к риску варьирует от —18 до 70, а основные средства как прокси-показатель размера компании — от 0 до 207,5 млн евро. Количество работников в среднем составляет 7,8 тыс. человек, максимальное значение — 611 тыс. человек. Кроме этого, мы наблюдаем компании на разных жизненных циклах — от недавно созданных до находящихся на рынке около 300 лет.

В отношении метрик веб-сайтов также наблюдается высокая гетерогенность. В среднем по выборке корпоративные веб-сайты компаний имеют уровень ниже среднего по показателям Domain authority, Citation flow и Mozrank: они составили 38 из 100 возможных, 32 из 100 и 4 из 10 соответственно.

Поскольку предполагается, что окружающая экономическая, институциональная и социальная среда может оказывать влияние на процесс цифровой трансформации компании, не менее важно исследовать различия в значениях показателей между российскими и европейскими компаниями. В таблице П2.2 представлены средние значения для каждой географической области, разница между ними, а также ее статистическая значимость согласно t-критерию Стьюдента.

Сравнительный анализ средних значений индикаторов для европейских и российских компаний выявил значимые различия. В среднем европейские компании, представленные в выборке, оказались крупнее и старше российских. Кроме того, у российских компаний выше склонность к риску. Что касается метрик веб-сайтов, то компании из России опережают своих конкурентов из Европы по показателю Mozrank, характеризующему ссылочную популярность веб-сайта.

Таблица П2.2

Описательные статистики по Европе и России

Примечание. Количество российских компаний N = 1056, европейских — N = 1240.

*** р < 0,01, *> < 0,05, * р < 0,1.

Источник: составлено автором.