Цифровая репутация как инструмент управления развитием технологий в IT-сфере

В эпоху четвертой промышленной революции двадцать первого века цифровые технологии заняли одну из важнейших ролей и позволили кардинально изменить традиционные торгово-рыночные отношения, модели ведения бизнеса и структуры компаний. За последние 10 лет объем интернет пользователей вырос с 2.53 млрд. человек до 5.3 миллиардов, что составило 64.4% населения земли 3 . В 2022 году глобальный рынок только цифрового маркетинга оценивался в 321 миллиард долларов США, и ожидается, что к 2028 году он достигнет 671,86 миллиарда долларов США4 . Столь высокий темп цифровизации создает дополнительные возможности для развития, расширения продаж и рекламы продукта, которые необходимо использовать для повышения конкурентоспособности, а также устойчивого роста организации.

Все большую значимость в этой ситуации приобретает показатель «цифровая репутация» 5 компании, как правило данный термин относится к восприятию того или иного субъекта на основе оставленного о нем следа в интернет среде, она качественно влияет на финансово - экономическое состояние организации. С учетом ежегодного увеличения расходов организаций на интернет маркетинг, актуальной целью исследования является не только изучение потенциала развития компании в цифровом пространстве, но и эффективность расходования средств в инфокоммуникационном пространстве.

Рыночная капитализация компании, является одним из основных комплексных показателей финансово-экономического состояния организации. В условиях новой реальности, становится актуальным проведение долгосрочных исследований и регулярного, постоянного мониторинга взаимовлияния капитализации, показателей цифровой репутации, что позволит сформировать действенную стратегию продвижения компании, ее продуктов и решений в новой смешанной (цифровой и физической) хозяйственной системе.

Рост взаимозависимости цифровой репутации на капитализацию организации даст понимание целесообразности распределения бюджета организации в наиболее перспективные цифровые драйверы для получения дохода. И обратное - угасающий тренд зависимости дает обоснование для рекламации стейкхолдеров против выполнения статей расходов, связанных с регулированием цифровой репутации.

В связи с этим, определение тенденции взаимосвязи составляющих цифровой репутации и рыночной капитализации компании позволит получить данные для количественного обоснования корректировок политики компании в соответствии с меняющимися условиями и требованиями четвертой промышленной революции. Данное исследование направлено на изучение изменения взаимосвязи цифровой репутации и капитализации компании на основе лонгитюдных данных, также разработан новый инструмент, который даёт возможность проанализировать и дать прогноз финансово-экономического состояния организации.

Изученность проблемы

Большой вклад в исследование термина «репутация» был основан на разных принципах видения. Д. Вилэй, Д.Э. Картер, Ф. Поллак, П. Дорчак, П. Маркович, исследовали репутацию через призму менеджмента. М.С. Дорохова, Р. Болтон, В.П. Риндова, проводили анализ репутации организации на основе маркетинговых исследований. В. Риэль, С.Ж. Фомбрун, провели исследование на основе показателей бухгалтерского учета.

Крупных результатов в исследовании взаимосвязи цифровой репутации и экономических показателей организации добились: И.С. Важенина, М.Р. Сафиуллин, А.С. Груничев, Л.А. Ельшин, Д.Л. Курбангалиева. Также значительный вклад был внесен зарубежными учеными: Ф. Поллак,

П. Дорчак, П. Маркович. Данными авторами «цифровая репутация» была исследована как самостоятельная дефиниция, которой была дана количественная оценка.

Несмотря на высокий интерес к исследованию «цифровой репутации» и результатам, достигнутым в этой области, где были изучены ее значимости и воздействие на ключевые параметры организации, ее функциональная применимость раскрыта не полно. Зачастую это связано с высокой вероятностью случайных отклонений исследуемых параметров, за счет хаотичных реакций цифрового сообщества. Также проблемой является отсутствие универсального пакета данных, который мог бы покрыть все отрасли или разные кластеры компаний. Это связано с тем, что каждый сегмент рынка имеет разную аудиторию с уникальным набором реакций.

В работе М.Р. Сафиуллина и А.Р. Галявиева «Взаимосвязь цифровой репутация и ключевых экономических показателей деятельности организации в современных условиях» была исследована и доказана зависимость параметров цифровой репутации от капитализации крупнейших компании. Однако примененный авторами подход не позволяет произвести обоснованное прогнозирование по причине новизны процессов и отсутствия репрезентативных данных за длительный промежуток времени, что ограничивает потенциал методики в части организации перспективного управления организацией, разработки конкретных инструментов и мероприятий.

В данной статье была предпринята попытка исследования потенциала цифровой репутации на основе развития и творческого переосмысления вышеуказанных подходов. Выбор организаций для анализа был произведен из списка публичных компаний, имеющих официальные аккаунты в социальных сетях.

Методы, этапы исследования и источники информации

Как правило динамика влияния «цифровой репутации» на капитализацию компании отображается в количественном виде и дает информацию о тенденции роста или падения зависимости. Анализ основывается на данных, полученных из общедоступных средств информации: аналитические ресурсы и сайты как investing.com⁶, popsters.ru ⁷, youtube.com ⁸

Данные для проведения исследования были взяты из общедоступных интернет-платформ. Метрики предложенного анализа представляют собой информацию о рыночной капитализации компании и количеству просмотров в видеохостинге YouTube, что позволяет беспрепятственно и оперативно оценить текущие данные для исследования компании. Также данный ресурс является единственным источником для сбора данных на протяжении долгого периода времени. Основополагающим условием данного подхода является публичность компании, важным компонентом модели является, присутствие организации в социальных сетях, публикация информации о ней в сети, а также обязательно наличие акций публично торгуемых на рынке капитала (это дает более точную информацию о рыночной капитализации организации).

Некоторым ограничением данного анализа является подборка репрезентативных компаний. Из анализа сознательно исключены платформенные компании, информационные агрегаторы, а также компании основной деятельностью которых является продажа товаров в интернете или оказывающая цифровые услуги.

Фундаментальным показателем экономического состояния организации выбран, согласно методическому подходу, рыночная капитализация, актуальные данные по этому показателю публикуются на авторитетном статистическом ресурсе Investing.com. В качестве составляющих цифровой репутации в исследовании подобраны следующие показатели: количество подписчиков на официальные аккаунты организации, интерес аудитории на публикуемые компанией материалы, реакция аудитории на них. При помощи инструментов аналитического ресурса Popsters.ru, удалось собрать данные по количеству подписчиков (на 01.12.2023), количеству лайков (на период 08.11.201908.12.2023) и количеству просмотров видеоконтента (на период 08.11.201908.12.2023). Агрегированный массив данных представлен на Рис. 1). Для предварительной оценки взаимозависимостей был проведен корреляционный анализ.

Рис. 1 Исходные показатели компаний

	Капитализация Млн. $	Кол-во подписчиков тыс.	Лайки	Просмотры
P&G	358980	70,1	21 229	2 329 994
Motorola   Solutions Inc	54030	349	31 176	6 016 457
Coca-cola Co	260000	4130	2798176	3  854  578 910
Kraft Heinz Co	35480	38,2	6 070	57 314 411
Nike Inc	172360	1830	662 754	370 837 452
Apple	2970000	18600	11 491 754	978 950 309
McDonald’s Corporation	207990	682	262144	29 145 403
PepsiCo Inc	234680	948	165826	45 287 566
Walmart Inc	415520	687	140976	28 104 037
Ford Motor Company	42350	2380	286222	24 587 495

Корреляционный анализ позволяет не только отобрать наиболее зависимые метрики, но и вычленить взаимозаменяемые, что позволит повысить уровень надежности разрабатываемой модели.

Расчеты (Рис. 2) проводились при помощи аналитических алгоритмов программы Exсel, которая входит в состав Microsoft Office компании Microsoft Corporation.

Рис.2 Результаты корреляционного анализа

	Капитализация	Подписчики	Лайки	Просмотры
Капитализация	1
Подписчики	0,974624	1
Лайки	0,972111	0,994252	1
Просмотры	0,128129	0,309784	0,354278	1

Результаты статистического анализа показали высокую степень зависимости между капитализацией и количеством подписчиков, лайков (высокой степенью зависимости принято считать коэффициент выше 0.85). Также необходимо заметить, что зависимость между количеством подписчиков и лайков является прямой, так как их коэффициент близок к 1.

С целью получения модели более высокого качества, необходимо исключить один из взаимозаменяемы аргументов. В данном случае доступно отчуждение из предстоящего анализа количество подписчиков по причине отсутствия возможности проведения лонгитюдного исследования данного аргумента.

На основании полученных данных (Рис. 2), была проведена оптимизация алгоритма вычисления, а именно пакет аргументов (Рис. 3). Для дальнейшего анализа, были использованы метрики: капитализация и количество лайков. Также из модели были исключены компании не имеющие истории или контента на протяжении 10лет, так как это исключило бы возможность проведения долгосрочной линейной корреляции

Рис.3 Пакет данных для лонгитюдного анализа

	Coca-cola		Apple
	лайки	10000 $	лайки	10000 $
2014 год	4 374	17604941,03	100 830	35522485,57
2015 год	8 252	17764907,35	69 352	46875994,53
2016 год	650 043	18763615,94	469 538	40203863,92
2017 год	367 685	19074901,73	205 458	57529629,65
2018 год	438 351	19598034,80	404 791	73906677,5
2019 год	105 889	21876473,88	836 121	79007980,16
2020 год	179 189	21413868,60	2 584 883	144282880,3
2021 год	710 972	23069736,09	2398710	215918856
2022 год	260 844	26718697,35	2671175	245251346,3
2023 год	555 540	26065861,86	3633239	26511221,6

Среднегодовая капитализация = (месяц 1+месяц 2….месяц 12)/12  (1)

С целью уточнения зависимости и достоверности модели (Рис. 3) были проведены корреляционный и регрессионный анализы объединенного пакета данных по двум компаниям (Apple, Coca-cola Рис. 5)

Рис. 4 Корреляционный анализ финального пакета данных

	Капитализация	Лайки
Капитализация	1
Лайки	0,950329	1

Результаты показали низкую вероятность ошибки модели и высокую взаимозависимость аргументов (Рис. 4), коэффициент 0,95, является высоким и показывает прямую зависимость между аргументами «Лайки» и «Капитализация» компании.

Объединение одинаковых пар (Рис.5) аргументов необходимо для получения более кучного расположения точек на линейном графике, что позволит смоделировать курс движения цифровой репутации и капитализации компании, с целью получения данных о репутационном потенциале данной группы.

Рис. 5 Результат суммирования пакета данных Apple и Coca-cola

Год	Лайки	Капитализация 10000$
2014год	105 204	53127426,60
2015 год	77 604	64640901,87
2016 год	1 119 581	58967479,86
2017 год	573 143	76604531,38
2018 год	843 142	93504712,30
2019 год	942 010	100884454,04
2020 год	2 764 072	165696748,90
2021 год	3 109 682	238988592,11
2022 год	2 932 019	271970043,63

2023 год          4 188 779                   291178072,45

Диаграмма (Рис. 6) полученная из данных (Рис. 5), является вспомогательной для обнаружения тенденции роста или падения репутационного потенциала на протяжении 10 лет. Также данная модель показывает дальнейшее направление вектора репутационного потенциала организаций от цифровой репутации.

Рис.6 Диаграмма лонгитюдного анализа репутационного потенциала

Изменение влиянияния ЦР на капитализацию

4 500 000

4 000 000

3 500 000

3 000 000

2 500 000

2 000 000

1 500 000

1 000 000

500 000

^^^»Капитализация ^^^^вЛайки

Стоит заметить, что восходящий тренд цифровой репутации так же может быть обусловленным растущим объемом пользователей сети 9 , глубины погружения в интернет-среду, рост пользователей исключительно социальных сетей или же повышением интереса к выборочным компаниям.

По графикам (Рис.6), можно заметить, что на протяжении 10 лет с 2014 года по 2023год заметно меняется тенденция влияния цифровой репутации на экономические показатели организации, сами диаграммы ведут стабильный восходящий тренд с малыми отклонениями, что говорит о высоком качестве модели.

Были произведены расчеты позволяющие оценить тенденцию зависимости цифровой репутации от капитализации компании, по формуле:

C1/R1*100/(C2/R2) =D                                 (2)

Где:

D- Динамика изменения цифрового влияния на капитализацию

C1- капитализация за 2014 год

R1- показатель репутации за 2014 год

C2- капитализация за 2023 год

R2- показатель репутации за 2013 год

Математический расчет показал, что за весь период анализа, значимость цифровой репутации на капитализацию уменьшилась на 533,7%, то есть в перерасчете на 1 лайк (в данном случае показатель цифровой репутации) с 2014 года по 2023 капитализация компании уменьшилась в 5.33 раза.

При помощи статистических механизмов программы Excel мы можем спрогнозировать10 данные капитализации и показатели цифровой репутации на 2026 год. Результат показал, что к 2026 году при сохранении существующих тенденций 1 единица (1 лайк) цифровой репутации будет способствовать генерации 632972$ капитализации компании, тогда как в 2023 году этот показатель составляет 633790$. Своеобразный «рост влияния» цифровой репутации составит 9 %.

Это говорит о том, что эффективность вложения в цифровой маркетинг на 2026 год возрастет на 9 процентов.

Результирующая формула для прогнозирования данных имеет вид:

Cn=C*D                           (3)

Где:

D- Динамика изменения цифрового влияния на капитализацию

С- Текущая капитализация

Cn Прогнозируемая капитализация

Основным выводом является то, что данный метод позволит сбалансировать распределения бюджета имея понимание коэффициента динамики влияния цифровой репутации на капитализацию. Формула говорит о том, что при таком же финансировании, как и на 2023 год в виртуальный маркетинг, 2026 год даст больший результат на 9 процентов.

Результаты исследования и их практическая значимость

Благодаря лонгитюдному анализу данных интернет метрик и аналитических механизмов программного обеспечения удалось выявить высокую зависимость двух аргументов. Капитализации компании (как ключевой показатель экономических успехов) и количество лайков контента на официальной странице в видеохостинге Youtube 11 (являющимся показателем цифровой репутации организации).

Стоит отметить, что зависимость между количеством подписчиков и лайков контента является высокой, однако единственным способом проведения анализа является исключение аргумента «количество подписчиков», по причине отсутствия данных за 10 лет.

Анализ компаний (Apple, Coca-cola) показал рост капитализации и интереса аудитории к цифровым активам компании, это дает понять, о возрастающем потенциале цифровой репутации и ее метрик. Однако можно заметить, что на протяжении времени снижается эффективность влияния. На единицу метрики цифровой репутации приходится меньшее количество единиц капитализации организации (убывающая долгосрочная производительность).

Несмотря на рост инвестиций в цифровую среду (маркетинг, технологии), растет и конкуренция, компании тщательно планируют популяризацию своего продукта через цифровую среду. Также точный расчет мешает произвести изменение числа новых пользователей (участников цифровой экосистемы), что отрицательно сказывается на прогнозе инвестиций в горизонте нескольких лет. Таким образом это подчеркивает важность данного исследования.

Разработанный метод позволяет стейкхолдерам и другим лицам ответственным за распределение бюджета, произвести оценку на ближайшие годы, проанализировав данные прошлых лет. С практической точки зрения это позволяет поддерживать баланс в распределении бюджета компаний, обосновать прогноз и регулировать его предикторами в зависимости от желаемого результата.

Экономистам данный метод будет полезен для повышения эффективности стратегического управления деятельностью организации, он позволяет уточнить в зависимости от особенностей цифровой аудитории, политику информатизации и продвижения в сети ИНТЕРНЕТ, а также скорректировать маркетинговую политику в зависимости от желаемых финансовых результатов. Для внешних участников (стейкхолдеров) подход позволит дать объективную, внешнюю, сравнительную, количественную оценку эффективности менеджмента в области

Электронный экономический вестник № 1 (январь - март 2025 года) информатизации и маркетинга организации, оценить уровень цифровой зрелости организации и предложить инициативы, мероприятия по повышению экономической результативности.

Несмотря на репрезентативные результаты исследования, подход обладает рядом важных ограничений, которые должны учитываться. Во-первых, он исключает возможность анализа компаний, не имеющих котировок на биржах, и официальных сайтов на социальных платформах и видеохостингах. Во-вторых, для обеспечения необходимого качества оценок и прогнозов горизонт данных должен быть не менее 5-10 лет. В-третьих, метод исключает компании, которые априори цифровые (администраторы социальных сетей и платформ, электронные магазины и торговые площадки). В-четвертых, принимая во внимание высокую выявленную связь между цифровыми активами и капитализацией может возникнуть соблазн «накрутки» цифровых параметров, индикаторов и ресурсов для создания более благоприятной внешней картины организации и роста ее финансовых и инвестиционных параметров.

Заключение и рекомендации

Данная исследовательская работа была направлена на изучение изменения тенденции зависимости цифровой репутации от капитализации компании, а также количественной оценки влияния цифрового потенциала организации на ключевые параметры. Лонгитюдный анализ данного исследования выявил рост объема цифровой среды и дал возможность разработать новый, вспомогательный инструмент для планирования бюджета на горизонте нескольких лет.

Механизмы сбора метрик в исследовании позволяют оценить результат/эффект от каждого производимого контента (драйвера развития цифровой репутации) в выбранном нами видеохостинге, что даст возможность сравнить его с производимыми ранее контентом и оценить произведенный эффект на финансовые показатели компании. Данный механизм позволит произвести аналитическую работу над выбором материала, и даст возможность получить больший результат, не прибегая к накруткам статистических показателей.

Таким образом представленная исследовательская работа подчеркивает важность, высокий потенциал в изучении данной области, а также ее раскрытии. Она выделяет значимость проведения лонгитюдного анализа цифровой репутации, и расширяет возможность в планировании бюджета. Тем самым данная работа позволяет расширить понимание и применение цифровой репутации, что вносит вклад в уже имеющиеся исследования.

Итоги данной работы предполагают повышение эффективности управления средствами организации. Для достижения более высокого уровня использования экономического потенциала предлагаются следующие стратегии:

• 1)    Собрать данные за несколько лет, для проведения лонгитюдного исследования, это позволит понять необходимый объем для до вложения средств в цифровой маркетинг компании. Также возможен обратный эффект, например, что для получения того же или большего результата необходим меньший бюджет.

• 2)    Разработанная методология позволит оценить конкурирующие компании или же отрасль в целом, что даст преимущество в принятии решения стейкхолдерами.

Несмотря на высокую ценность и содержание данного исследования оно открывает новые актуальные направления для изучения:

• 1)    Возможность приведения дополнительных метрик из других социальных сетей или страниц. Это позволит провести более широкий анализ, так как на каждой из платформ возможно преобладание разной целевой аудитории.

• 2)    Провести анализ и сбор данных по разным сегментам деятельности, что позволит сопоставлять отдельную компанию с группой фирм, что уменьшит риск ошибки гипотезы.

Основываясь на данных методах лонгитюдный анализ мог бы предоставить более точную информацию о цифровом потенциале компании и ее влиянии на капитализацию, что позволило бы расширить круг инструментов, применяемых аналитиками.