Название статьи:
Современные подходы к выбору метода анализа и прогнозирования веб-трафика в интернет-маркетинге
Авторы: Архипова З.В., кандидат экономических наук, доцент, кафедра математических методов и цифровых технологий, Байкальский государственный университет, г. Иркутск, Российская Федерация,
zvarhipova@yandex.ru,
Федькина Д.Д., магистрант, кафедра математических методов и цифровых технологий, Байкальский государственный университет, г. Иркутск, Российская Федерация,
shkilyaeva_darya@mail.ru В рубрике:
ТЕХНИЧЕСКИЕ НАУКИ
Год: 2025 Том: 7 Номер журнала: 2
Страницы: 178-193
Тип статьи: Научная статья
УДК: 004:519.216.3
DOI: 10.17150/2713-1734.2025.7(2).178-193
Аннотация:
Стремительное развитие систем искусственного интеллекта требует рационального и взвешенного подхода к его применению и внедрению в различные сферы экономики. Анализ и прогнозирование веб-трафика в интернет-маркетинге играет важную роль и способствует сокращению издержек и эффективному использованию рекламного бюджета. В статье рассмотрены вопросы выбора метода для анализа веб-трафика. Актуальность исследования обусловлена тем, что в ней рассмотрены как традиционные статистические и эконометрические методы, так и нейронные сети, с рекомендациями по их применению. Методология исследования основана на теоретических и экспериментальных методах анализа и прогнозирования веб-трафика. Информационной и эмпирической базой исследования послужили статистические данные платформы веб-аналитики Яндекс.Метрика компании дистрибьютера в сфере поставок продуктов питания за трёхлетний период. Теоретическая и практическая значимость заключается в том, что проведенное исследование позволило сравнить ряд методов прогнозирования веб-трафика и классификации источников трафика, среди которых использованы как классические статистические модели (ARIMA, SARIMA, Holt-Winters), так и современные методы машинного обучения и нейросетевые решения (Prophet, LSTM, GRU, Fully Connected, Decision Tree, Random Forest, линейная регрессия с календарными признаками). Проведённое исследование показало, что наиболее эффективен комплексный подход, объединяющий классические и современные нейросетевые методы, позволяющий повысить точность прогнозов и глубину анализа веб-трафика.
Ключевые слова: веб-трафик, прогнозирование, нейросетевые технологии, ARIMA, SARIMA, Exponential Smoothing, Prophet, LSTM, GRU, классификация, ансамблевые методы, интернет-маркетинг
Список цитируемой литературы: - Chaffey D., Patron M. From Web Analytics to Digital Marketing Optimization: Increasing the Commercial Value of Digital Analytics. Journal of Direct, Data and Digital Marketing Practice, 2012, no. 14(1), pp. 30-45.
- Ghahramani Z. Probabilistic Machine Learning and Artificial Intelligence. Nature, 2015, no. 521(7553), pp. 452-459.
- Zhang Z., Zhang J., Li Z. Hybrid LSTM-SOM Network for Anomaly Detection in Web Traffic. Procedia Computer Science, 2020, no. 169, pp. 66-72.
- Borges J., Levene M. A Dynamic Clustering-Based Markov Model for Web Usage Mining. Journal of Intelligent Information Systems, 2007, no. 29, pp. 295-319.
- Box G.E.P., Jenkins G.M., Reinsel G.C., Ljung G.M. Time Series Analysis: Forecasting and Control. 5th ed. Wiley, 2015. 720 p.
- Hyndman R.J., Athanasopoulos G. Forecasting: Principles and Practice. 3rd ed. OTexts, 2021. 442 p.
- Taylor S.J., Letham B. Forecasting at Scale. The American Statistician, 2018, no. 72(1), pp. 37-45.