moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2022.37.2.019 1191 Поддержка принятия решений при анализе эффективности веб-сайта с применением методов Web Usage Mining Support decision-making for analyzing the effectiveness of a website using Web Usage Mining methods 0000-0001-9052-7540 Зеленина Анна Николаевна Zelenina Anna Nikolaevna snakeans@gmail.com aff-1 Кокорина Анастасия Игоревна Kokorina Anastasiia Igorevna anas.kokorina2017@yandex.ru aff-2 0000-0002-8214-052X Петросов Давид Арегович Petrosov David Aregovich DAPetrosov@fa.ru aff-3 Воронежский институт высоких технологий Voronezh institute of high technologies - autonomous non-profit educational organization of higher education департамент анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации (Финансовый университет), факультет информационных технологий и анализа больших данных Data Analysis and Machine Learning, The Financial University under the Government of the Russian Federation (FinU or Financial University), Department of Information Technology and Big Data Analysis департамент анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации (Финансовый университет), факультет информационных технологий и анализа больших данных Data Analysis and Machine Learning Department, The Financial University under the Government of the Russian Federation (FinU or Financial University), Department of Information Technology and Big Data Analysis 01 01 2026 1 1 10.26102/2310-6018/2022.37.2.019 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В современных реалиях одним из наиболее эффективных методов не только для поддержания работы своей организации или бизнеса, но и с целью развития является разработка собственного веб-сайта и его дальнейшее использование для коммуникации с пользователями и клиентами. Веб-сайт позволяет систематизировать всю информацию об организации, предоставляет возможность электронной коммерции, а также возможность общения как представителей организации и пользователей, так и самих пользователей между собой для обмена идеями или отзывами о продуктах и услугах. Таким образом, остро ставится вопрос о необходимости анализа эффективности самих веб-сайтов и принятии верного решения по их оптимизации и изменению дизайна, что позволит компании впоследствии достичь поставленные цели. В статье была реализована система поддержки принятия решений для анализа эффективности веб-сайта с применением методов Web Usage Mining. В качестве методов были выбраны статистические, позволяющие улучшать производительность веб-сайта на основе получаемой информации, модифицировать дизайн; и методы интеллектуального анализа данных, в частности, кластеризация и поиск ассоциативных правил, применяемые для персонализации информации и статей, а в случае продающих веб-сайтов – предложений для покупок, что значительно повысит лояльность пользователей и клиентов.

In the modern world, one of the most effective methods to maintain the functioning of an organization or business with a view to facilitating development is to design a website and then to employ it to communicate with users and customers. The website helps to systematize all information about the organization, provides a means of e-commerce and gives the opportunity for representatives of the organization and users to communicate with each other to exchange ideas or feedback on products or services. Thus, effectiveness analysis of the website and appropriate decision-making, regarding its optimization and changes to the design, which will allow the company subsequently to achieve its goals, becomes more relevant. In this article, a decision support system was implemented to analyze the effectiveness of a website using Web Usage Mining methods. Statistical methods, which enable performance improvement of the website based on the information received, were chosen as well as data mining methods, in particular, clustering and association rules that are utilized to personalize content and, in the case of selling websites, purchasing offers, which will significantly increase the loyalty of users and customers.

 система поддержки принятия решений Web Usage Mining веб-сайт лог-файл машинное обучение кластеризация поиск ассоциативных правил decision support system Web Usage Mining website log file machine learning clusterization association rules Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Singh D.K. et al. Computational Intelligence in Web Mining. Innovative Trends in Computational Intelligence. 2022:197–215. DOI: 10.1007/978-3-030-78284-9_9. Sharma S. et al. Performance Evaluation of Secure Web Usage Mining Technique to Predict Consumer Behaviour (SWUM-PCB). Intelligent Computing and Networking. 2022;301:136–145. DOI: 10.1007/978-981-16-4863-2_12. Kandpal N., Singh H.P., Shekhawat M.S. Application of web usage mining for administration and improvement of online counseling website. Int J Appl Eng Res. 2019;14(7):1431–1437. Kumar V., Thakur R. S. Web log analysis tools: at a glance. Proceedings of International Conference on Recent Advancement on Computer and Communication. 2018;34:135–142. DOI:10.1007/978-981-10-8198-9_14. Haridasan A.C., Fernando A.G. Online or in-store: unravelling consumer’s channel choice motives. Journal of Research in Interactive Marketing. 2018;12(2):215–230. DOI: 10.1108/JRIM-07-2017-0060. Schröer C., Kruse F., Gómez J. M. A systematic literature review on applying CRISP-DM process model. Procedia Computer Science. 2021;181:526–534. DOI: 10.1016/J.PROCS.2021.01.199. Hypertext Transfer Protocol (HTTP/1.1) RFC7231: Semantics and Content. Internet Engineering Task Force (IETF). Доступно по: https: // datatracker.ietf.org/doc/html/rfc7231 (дата обращения: 15.04.2022). Somyanonthanakul R., Theeramunkong T. Scenario-based Analysis for discovering Relations among Interestingness Measures. Information Sciences. 2022;590:346–385. DOI: 10.1016/j.ins.2021.12.121. Shetty P., Singh S. Hierarchical Clustering: A Survey. International Journal of Applied Research. 2021;7(4):178–181. DOI: 10.22271/ALLRESEARCH.2021.V7.I4C.8484. Jarman A.M. Hierarchical cluster analysis: Comparison of single linkage, complete linkage, average linkage and centroid linkage method. Georgia Southern University. 2020. DOI: 10.13140/RG.2.2.11388.90240. Dinh, D.T., Fujinami, T., & Huynh, V.N. Estimating the optimal number of clusters in categorical data clustering by silhouette coefficient. In International Symposium on Knowledge and Systems Sciences.2019:1–17. DOI: 10.1007/978-981-15-1209-4_1. Sitompul, Bernad J.D., Opim S.S., and Poltak S. Enhancement clustering evaluation result of davies-bouldin index with determining initial centroid of k-means algorithm. Journal of Physics: Conference Series. 2019; 1235(1). DOI: 10.1088/1742-6596/1235/1/012015.

The authors declare that there are no conflicts of interest present.