Оценка влияния внешних факторов на стратегическое позиционирование маркетплейсов в России

В статье исследуется влияние макроэкономических и цифровых факторов на стратегическое позиционирование маркетплейсов на российском рынке электронной коммерции. Основное внимание уделено оценке зависимости между объемом e-commerce и такими показателями, как ВВП по паритету покупательной способности и уровень интернет-проникновения. Применен количественный метод анализа, включающий корреляционный и регрессионный подходы. Разработаны три регрессионные модели – однофакторная, базовая двухфакторная и альтернативная двухфакторная – с целью выявления как структурных, так и поведенческих факторов, влияющих на развитие цифровой торговли. Результаты показывают, что экономическое благосостояние и цифровая вовлеченность населения являются ключевыми драйверами роста, а маркетплейсы, в свою очередь, играют системообразующую роль в структуре отрасли. Предложенная методология может быть применена для оценки устойчивости бизнес-моделей и прогнозирования рисков ведущих онлайн-платформ. 

1. Торпищев Т.Р. Маркетплейс: управление предпринимательской деятельностью на двустороннем рынке // Экономика и управление. 2023. Т. 29, № 1. С. 45–53.

2. Перспективы развития цифровых платформ в глобализированном мире / О.В. Косникова, А.Л. Золкин, В.Е. Ожиганов, В.А. Дорждеева // Индустриальная экономика. 2024. № 1. С. 104–110.

3. Оценка и планирование конкурентоспособности предприятий топливно-энергетического комплекса : монография / П.П. Корсунов, Д.С. Воронов, В.В. Криворотов, Т.В. Матвеева ; Уральский федеральный университет имени первого президента России Б.Н. Ельцина. Екатеринбург : УрФУ, 2016. 178 с.

4. Кунин В.А., Пешко С.И. Прогнозирование финансовых рисков снижения показателей прибыли и рентабельности компаний индустрии ритейла на основе корреляционно-регрессионного анализа макроэкономических факторов // Экономика и управление. 2023. Т. 29, № 6. С. 690–708.

5. Торпищев Т.Р. Иерархическая структура рисков современного российского маркетплейса // Естественно-гуманитарные исследования. 2024. № 4 (54). С. 494–499.

6. Атаева А.Г. Цифровые технологии в снижении фрагментации социально-экономических пространств регионов России // Управленческий учет. 2024. № 8. С. 167–174.

7. Troutt M.D. Regression, 10 k Rule of Thumb for //Encyclopedia of Statistical Sciences. 2004. Vol. 11.

8. Babyak M.A. What you see may not be what you get: a brief, nontechnical introduction to overfitting in regression-type models // Biopsychosocial Science and Medicine. 2004. Vol. 66, No. 3. Pp. 411–421.

9. Austin P.C., Steyerberg E.W. The number of subjects per variable required in linear regression analyses // Journal of clinical epidemiology. 2015. Vol. 68, No. Pp. С. 627–636.