Подано результати критичного аналізу чотирьох методів оцінювання рейтингу комерційного контенту інтернет-сервісу, а саме: “Просто плюс”; “Плюс/Мінус”; “Зірковий”; “Комбінований”. Підґрунтям розроблення моделі інформаційного сервісу обрано метод “Зірковий”, адже він надає розгорнуту оцінку із фіксованою шкалою значень. Побудовано та оптимізовано математичне забезпечення “Зіркового” методу для обчислення рейтингу контенту, в основі якого формула середнього арифметичного зваженого з врахуванням середньої кількості голосів та середнього рейтингу усіх електронних документів. Для можливості впливати на рейтинг введено контролюючий параметр k. Додано дванеконтрольовані параметри: кількості продажів та завантажувань, які впливають на фактичний рейтинг контенту. Також, щоб позбутися залежності рейтингу між різними категоріями та через те, що величина рейтингу вийшла за межу у 5 зірок, було введено масштабування рейтингу для контенту, враховуючи максимальне значення рейтингу у відповідній категорії до інтервалу у 5 зірок. Введено відношення між рейтингом контенту та прибутком продавця і сервісу. Реалізовано задачу обчислення комісії за продаж контенту залежно від його рейтингу, що має мотивувати продавців підвищувати якість контенту, тим самим сервіс підвищуватиме рейтинг цього контенту. Метою рейтингування контенту є збільшення кількості продажів побудовою правдоподібних рейтингових списків. Розроблене програмне забезпечення для діючого проекту ehuub.com. Web-сервіс дає змогу швидко і просто продавати та формувати комерційний контент. Наведено приклади обчислення рейтингу та продемонстровано програмне забезпечення. Подальші дослідження будуть спрямовані на розвиток та вдосконалення інтелектуальної складової, що зменшить суб’єктивний вплив на формування значення контрольного параметра k.
1. Берко, А. Ю. (2009). Системи електронної контент-комерції: монографія. – Львів: Вид-во Національного університету “Львівська політехніка”.
2. Висоцька, В. А., & Чирун, Л. В. (2014). Архітектура систем електронної контент-комерції // Вісник Нац. ун-ту “Львівська політехніка”. Серія: “Інформаційні системи та мережі”. – № 783. – С. 39–55.
3. Висоцька, В. А. (2008). Алгоритми та засоби опрацювання інформаційних ресурсів в системах електронної контент-комерції // Вісник Нац. ун-ту “Львівська політехніка”. Серія: “Інформаційні системи та мережі”, № 621. 78–96.
4. Клифтон, Б. (2009). Google Analytics: профессиональный анализ посещаемости веб-сайтов. М.: Вильямс.
5. Басюк, Т., Василюк, А. (2016). Фактори ранжування інтернет ресурсів пошуковою системою Google // Вісник Нац. ун-ту “Львівська політехніка”. Серія: “Інформаційні системи та мережі”. – № 854. – С. 3–10.
6. Basyuk, T. (2018). The Popularization Problem of Websites and Analysis of Competitors. In: Shakhovska N., Stepashko V. (eds). Advances in Intelligent Systems and Computing II. CSIT 2017. Advances in Intelligent Systems and Computing, vol 689. Springer, Cham pp. 54–65.
7. Буров, Є., Завущак, І. (2017). Методи опрацювання контексту в інтелектуальних системах // Вісник Нац. ун-ту “Львівська політехніка”. Серія: “Інформаційні системи та мережі”. – № 872. – С. 121–131.
8. Берко, А. Ю., Кісь, Я. П., & Суховерський, В. І. (2011). Система контент-моніторингу новинних інтернет-ресурсів // Вісник Нац. ун-ту “Львівська політехніка”. Серія: “Інформаційні системи та мережі”. – № 715. – С. 13–21.
9. Ашманов, И., Иванов, А. (2011). Оптимизация и продвижение сайтов в поисковых системах. Санкт-Петербург: Питер.
10. Троелсен, Э. (2015). Язык программирования C# 5.0 и платформа .NET 4.5. М.: Издательский дом “Вильямс”.
11. Шилдт, Г. (2011). C# 4.0: Полное руководство. М.: Издательский дом “Вильямс”.
12. Lerman, J. (2010). Programming Entity Framework. Second Edition. "O'Reilly Media, Inc.".
13. Флэнаган, Д. (2012). JavaScript. Подробное руководство, 6-е издание. Санкт-Перетбург: Символ-Плюс.
14. Lerner, A. (2013). Ng-book - The Complete Book on AngularJS. Fullstack. io.