УДК 004.89:339.13
DOI: 10.36871/ek.up.p.r.2026.04.08.025

Авторы

Артур Евгеньевич Кембель,
Татьяна Александровна Серебрякова,
Тихоокеанский государственный университет, Хабаровск, Россия

Аннотация

В работе описана методика оценки репутации цифровых платформ, построенная на автоматизированном сборе и обработке открытых текстовых данных. Основной упор сделан на воспроизводимость пайплайна и устойчивость к ограничениям внешних API. Предложен интегральный индекс репутации, рассчитываемый с учётом экспертных весов источников и логарифмической нормализации частоты упоминаний. Для случаев недоступности облачных моделей внедрён резервный лексиконный модуль, сохраняющий работоспособность системы без дополнительных затрат. Апробация выполнена на выборке из 200 публикаций о маркетплейсе Wildberries за 60 дней. В ходе экспериментов зафиксировано статистически значимое расхождение показателей тональности для разных тематических групп. Расчётный модуль не даёт сбоев при резком увеличении числа публикаций. Кодовая база спроектирована так, что для переключения на другой бренд достаточно поправить конфигурационный файл, не затрагивая логику обработки.

Ключевые слова

репутация бренда; цифровой след; анализ тональности; тематическое моделирование; NLP; мониторинг; маркетплейс

Список литературы

  1. Андриенко И.С. Создание и развёртывание интерактивного веб-приложения для анализа данных с использованием Streamlit // Постулат. – 2024. – № 12
  2. Быков В.А., Козлова Д.С. Разработка методики качественной оценки эффективности деятельности организации на основе количественной оценки // Сборник научных статей научно-педагогических работников и магистрантов. – 2020. – С. 69–72
  3. Вылегжанина Е.В., Шерстобитова М.А. Оценка деловой репутации организации // Международный журнал гуманитарных и естественных наук. – 2019. – С. 65–69
  4. Галимуллин Н.Р. Python: использование Python для автоматизации повседневных задач // Экономика и управление: проблемы, решения. – 2024. – № 9. – С. 69–76
  5. Конова П.С. Библиотека Streamlit как инструмент обработки и визуализации больших данных // Столыпинский вестник. – 2022. – № 3
  6. Курбангалиева Д.Л. Систематизация терминов, формирующих теоретическую базу количественной оценки репутации бренда в сети // Креативная экономика. – 2020. – № 11. – С. 3061–3074
  7. Петров А.А. Информационно-цифровой след: коммерческие и социальные аспекты в цифровую эпоху // Торговая политика. – 2020. – № 2. – С. 62–86
  8. Хамимдова Д.Н. Развёртывание модели машинного обучения с помощью Streamlit // Евразийский союз ученых. Серия: технические и физико-математические науки. – 2023. – № 8. – С. 29–34
  9. Хомякова Г.С. Методики оценки репутации организации // Гуманитарные, социально-экономические и общественные науки. – 2018. – С. 78–80
  10. Худяков В.В., Ананьев А.А. Цифровые следы // Криминологический журнал. – 2023. – С. 243–246