ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОЙ ЛИНГВИСТИКИ В СОЦИАЛЬНЫХ СЕТЯХ И ИНТЕРНЕТ-МАРКЕТИНГЕ Текст научной статьи по специальности «СМИ (медиа) и массовые коммуникации»

ЯЗЫКОЗНАНИЕ

ПРИКЛАДНАЯ И МАТЕМАТИЧЕСКАЯ ЛИНГВИСТИКА

ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОЙ ЛИНГВИСТИКИ В СОЦИАЛЬНЫХ СЕТЯХ И ИНТЕРНЕТ-МАРКЕТИНГЕ

Бурнашев Ринат Фаритович

доц. кафедры «Гуманитарные науки и информационные технологии», Самаркандский государственный институт иностранных языков,

Республика Узбекистан, г. Самарканд E-mail: [email protected]

Мурзамуратова Умида Бекмурзаевна

студент,

Самаркандский государственный институт иностранных языков

Республика Узбекистан, г. Самарканд

APPLICATION OF COMPUTATIONAL LINGUISTICS TECHNOLOGIES IN SOCIAL NETWORKS AND INTERNET MARKETING

Rinat Burnashev

Associate Professor of the Department of Humanities and Information Technologies,

Samarkand State Institute of Foreign Languages Republic of Uzbekistan, Samarkand

Umida Murzamuratova

student,

Samarkand State Institute of Foreign Languages Republic of Uzbekistan, Samarkand

АННОТАЦИЯ

В статье рассматривается роль технологий компьютерной лингвистики в социальных сетях и интернет-маркетинге. Авторы анализируют, какие задачи могут быть решены с помощью этих технологий и какие преимущества они могут принести бизнесу. В статье рассмотрены технологии компьютерной лингвистики, позволяющие анализировать текстовую информацию, определять отношение пользователей к продуктам и услугам, а также адаптировать свои маркетинговые стратегии под интересы и потребности пользователей.

ABSTRACT

The article discusses the role of computer linguistics technologies on social networks and Internet marketing. The authors analyze what tasks can be solved using these technologies and what advantages they can bring to business. The article discusses the technologies of computer linguistics that allow you to analyze textual information, determine the attitude of users to products and services, as well as adapt their marketing strategies to the interests and needs of users.

Ключевые слова: компьютерная лингвистика, социальные сети, интернет-маркетинг, токенизация, леммати-зация, морфологический анализ, синтаксический анализ, анализ сентимента и тональности, извлечение ключевых слов и сущностей, классификация текста, генерация контента.

Keywords: computer linguistics, social networks, Internet marketing, tokenization, lemmatization, morphological analysis, syntactic analysis, analysis of the sentiment and tonality, the extraction of keywords and entities, the classification of text, and the generation of content.

Библиографическое описание: Бурнашев Р.Ф., Мурзамуратова У.Б. ПРИМЕНЕНИЕ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОЙ ЛИНГВИСТИКИ В СОЦИАЛЬНЫХ СЕТЯХ И ИНТЕРНЕТ-МАРКЕТИНГЕ // Universum: филология и искусствоведение : электрон. научн. журн. 2023. 10(112). URL:

https://7universum.com/ru/philology/archive/item/16099

Введение

В социальных сетях компьютерная лингвистика играет важную роль, так как позволяет анализировать и понимать текстовые данные, которые пользователи публикуют в своих постах, комментариях и сообщениях. С помощью алгоритмов компьютерной лингвистики можно проводить анализ тональности текста, определять эмоциональный окрас сообщений, выявлять ключевые слова и темы обсуждений. Это позволяет компаниям и маркетологам получать ценную информацию о мнениях и предпочтениях своей целевой аудитории, а также отслеживать тренды и вовремя реагировать на негативные отзывы или проблемы.

В интернет-маркетинге компьютерная лингвистика также играет важную роль. С ее помощью можно проводить анализ текстов рекламных объявлений и сайтов, оптимизировать контент для поисковых систем, а также улучшать качество перевода и локализации рекламных материалов для разных языковых и культурных групп потребителей. Компьютерная лингвистика также может быть использована для создания и развития чат-ботов и виртуальных ассистентов, которые могут взаимодействовать с пользователями на естественном языке, отвечать на вопросы и предоставлять информацию. Это помогает улучшить пользовательский опыт и повысить эффективность коммуникации между брендом и потребителем.

Анализ литературы

Компьютерная лингвистика в социальных сетях использует различные методы и техники для анализа текстов, коммуникации и взаимодействия пользователей. Некоторые из них включают в себя:

1. Анализ тональности: методы машинного обучения используются для определения эмоциональной окраски текстовых сообщений, комментариев и постов пользователей.

Для анализа тональности текста разработаны следующие программы и сервисы:

1. Natural Language Toolkit (NLTK): популярная библиотека Python для обработки естественного языка. Она предоставляет различные методы и алгоритмы для анализа тональности текста.

2. Sentiment Analysis API: позволяют проводить анализ тональности текста, используя готовые модели машинного обучения.

3. TextBlob: также популярная библиотека Python, которая предоставляет простой интерфейс для анализа тональности текста. Она использует машинное обучение и правила, чтобы определить положительный, отрицательный или нейтральный тон текста.

4. IBM Watson Natural Language Understanding: сервис, предоставляемый IBM Watson, который позволяет проводить анализ тональности текста, а также выполнять различные другие задачи обработки естественного языка.

Это лишь некоторые примеры программ и сервисов, которые можно использовать для анализа тональности текста. В зависимости от конкретных требований и задач, могут быть и другие подходящие решения [1].

2. Идентификация тональности: алгоритмы классификации помогают определить, является ли текст положительным, отрицательным или нейтральным. Это полезно для мониторинга общественного мнения и выявления трендов и популярных мнений [2].

3. Анализ семантики: методы компьютерной лингвистики позволяют анализировать смысловые отношения между словами и фразами. Это может быть полезно для извлечения информации из больших объемов текстов и для понимания контекста и смысла сообщений [3].

4. Обработка естественного языка: методы обработки естественного языка используются для анализа и интерпретации текстов, поиска ключевых слов и фраз, а также для создания автоматических ответов и рекомендаций [4].

5. Выявление тематик: алгоритмы кластеризации и тематического моделирования позволяют выявлять основные темы и обсуждаемые вопросы в социальных сетях. Это может быть полезно для мониторинга трендов и интересов пользователей [5].

6. Анализ социальных сетей: методы анализа социальных сетей используются для изучения взаимосвязей и влияния пользователей в социальных сетях. Это помогает выявить ключевых лидеров мнений, определить сообщества пользователей и анализировать динамику взаимодействия.

Анализ социальных сетей включает в себя не только лингвистические аспекты, но и экономические, психологические, социологические и другие. Однако, компьютерная лингвистика играет важную роль в анализе социальных сетей по нескольким причинам:

1. Обработка и анализ текстов. Социальные сети предоставляют огромное количество текстовой информации, включая посты, комментарии, сообщения и т.д. Компьютерная лингвистика предоставляет инструменты для обработки и анализа этих текстов, включая анализ тональности, классификацию, извлечение ключевых слов и другие методы, которые помогают понять настроения, мнения и тенденции в сообществе.

2. Анализ эмоций и настроений. Компьютерная лингвистика может помочь в анализе эмоциональной окраски текстов, выявлении конкретных эмоций и настроений. Это позволяет понять, как люди реагируют на определенные события, продукты или услуги в социальных сетях.

3. Семантический анализ. Компьютерная лингвистика также позволяет проводить семантический анализ текстов, выявлять связи между словами, определять смысловые отношения и контекстуальные значения. Это помогает понять, какие темы и концепции наиболее обсуждаются в сообществе и как они связаны между собой.

4. Машинное обучение и анализ данных. Компьютерная лингвистика включает в себя методы машинного обучения и анализа данных, которые могут быть применены для обработки больших объемов данных из социальных сетей. Это позволяет выявлять паттерны, тенденции и прогнозировать поведение пользователей.

Хотя анализ социальных сетей включает множество аспектов, компьютерная лингвистика играет важную роль в обработке и анализе текстовой информации, которая является основой для понимания мнений, настроений и взаимодействий пользователей в социальных сетях [6].

Компьютерная лингвистика в интернет-маркетинге используется для анализа и обработки текстовых данных с целью оптимизации контента, улучшения поисковой оптимизации (SEO) и повышения эффективности рекламных кампаний. Ниже представлен обзор некоторых методов компьютерной лингвистики, применяемых в интернет-маркетинге.

1. Анализ тональности позволяет определить эмоциональную окраску текста, выявлять положительные, отрицательные или нейтральные отзывы и комментарии о продукте или услуге. Это полезно для компаний, чтобы понять, что думают потребители об их бренде и использовать эту информацию для корректировки своей маркетинговой стратегии [7].

2. Извлечение ключевых слов и фраз помогает идентифицировать наиболее значимые слова и фразы в тексте. Это может быть использовано для создания оптимизированного контента и выбора ключевых слов для поисковой оптимизации (SEO) [8].

3. Автоматический перевод. Компьютерные системы перевода, основанные на методах компьютерной лингвистики, могут помочь в переводе контента на различные языки, что позволяет компаниям достичь более широкой аудитории [9].

4. Распознавание именованных сущностей позволяет идентифицировать и классифицировать имена людей, организаций, мест и других важных сущностей в тексте. Это может быть полезно для анализа социальных медиа, мониторинга бренда и улучшения персонализации в маркетинговых кампаниях [10].

5. Анализ сентимента позволяет определить отношение людей к определенному продукту, услуге или бренду на основе их высказываний. Это может помочь компаниям понять, какие аспекты их продукта или услуги вызывают положительные или отрицательные реакции у потребителей [11].

6. Автоматическая генерация контента. Некоторые методы компьютерной лингвистики могут быть использованы для автоматической генерации контента, такого как статьи, описания продуктов или рекламные сообщения. Это может помочь компаниям сэкономить время и ресурсы при создании контента для своих маркетинговых кампаний [12].

7. Анализ семантической близости позволяет определить степень семантической близости между текстами. Это может быть полезно для поисковой оптимизации и рекомендации контента пользователю на основе его предпочтений и интересов [13].

Это лишь некоторые из методов компьютерной лингвистики, используемых в интернет-маркетинге. Развитие компьютерной лингвистики и ее применение в этой области продолжаются, и они могут играть все более значительную роль в будущем.

Методология исследования

В компьютерной лингвистике существует множество методов и техник, которые применяются в социальных сетях и интернет-маркетинге. Некоторые из них включают:

Токенизация и лемматизация применяются для разделения текста на токены и приведения их к их базовой форме (леммам). Это позволяет проводить анализ текста на более низком уровне.

Морфологический анализ необходим для выявления грамматических свойств слов в тексте, таких как число, падеж, род и т.д. Это может быть полезным в определении семантики и контекста использования слова.

Синтаксический анализ проводит анализ структуры предложения и определяет связи между словами. Он может быть использован для извлечения синтаксической информации и понимания отношений между словами в тексте.

Анализ сентимента и тональности широко используется в маркетинге и социальных исследованиях для изучения мнения и отзывов клиентов, определения общественного мнения о продукте или услуге, а также для определения эффективности рекламных кампаний. Он также может использоваться для мониторинга общественного мнения в социальных медиа и новостных источниках.

Извлечение ключевых слов и сущностей позволяет определить наиболее значимые слова и сущности в тексте, которые могут быть использованы для категоризации, классификации или поиска информации. Существует несколько подходов к извлечению ключевых слов и сущностей. Некоторые из них основаны на статистических методах, таких как частотность слов или их взаимная информация. Другие подходы используют методы машинного обучения, как например, модели на основе нейронных сетей.

Извлечение ключевых слов и сущностей является важной задачей для многих приложений обработки естественного языка, таких как анализ текстов, поиск информации или автоматическая категоризация. Этот процесс помогает сделать тексты более доступными и понятными для компьютерных систем.

Классификация текста используется для классификации текстовых данных по определенным категориям. Он может включать использование алгоритмов машинного обучения для определения типа сообщений, темы или категории текста, а также определения авторства сообщений.

Генерация контента может помочь маркетологам создавать уникальный и релевантный контент для своих аудиторий, например, автоматически формировать рекламные объявления или статьи.

Также стоит отметить методы компьютерной лингвистики, используемые для автоматической обработки и перевода текста на различные языки. Эти методы позволяют автоматически переводить текст с одного языка на другой, что может быть полезно для создания мультиязычных сайтов или при проведении кампаний в разных странах.

В целом, компьютерная лингвистика предоставляет широкий спектр методов и инструментов для анализа и интерпретации текстовых данных, полученных из социальных сетей и интернет-маркетинга. Она позволяет компаниям лучше понять свою целевую аудиторию, определить эффективность маркетинговых стратегий и принимать взвешенные решения на основе анализа данных.

Результаты исследования

Использование компьютерной лингвистики

для анализа языковых особенностей пользователей социальных сетей может быть полезным для понимания их коммуникационных предпочтений, интересов и поведения. Некоторые из основных языковых особенностей, которые можно изучать, включают:

1. Анализ словарного запаса пользователей может помочь определить уровень образования, интересы и профессиональную сферу деятельности. Например, пользователи, употребляющие большое количество специфических терминов из определенной области, могут быть связаны с этой областью работы или учебы.

2. Анализ лексических и грамматических ошибок в написании или использовании грамматических конструкций может указывать на уровень грамотности и образованности пользователей. Например, использование неправильного времени глагола или неправильного падежа может свидетельствовать о низком уровне грамматических навыков.

3. Анализ стилистических особенностей текстов пользователей может помочь в определении их коммуникативных стратегий и целей. Например, использование большого количества эмоциональных выражений или смайликов может указывать на то, что пользователь стремится передать свои эмоции и чувства.

4. Анализ тональности сообщений пользователей позволяет понять, какие эмоции и настроения преобладают у аудитории. Например, если большинство сообщений положительные, возможно, стоит уделять больше внимания поддержке и активному взаимодействию с пользователями.

5. Анализ частотности использования определенных слов и выражений может помочь выявить популярные темы и тренды среди пользователей социальных сетей. Например, если определенное слово или фраза часто употребляется в сообщениях пользователей, это может указывать на то, что данная тема актуальна и обсуждается в сообществе.

6. Анализ использования различных языковых вариантов и диалектов может помочь определить местоположение или культурное принадлежность пользователей. Например, использование определенных диалектных выражений может указывать на принадлежность пользователя к определенному региону или стране.

7. Анализ активности пользователей в определенное время может помочь в определении наиболее подходящего времени для публикации контента и общения с аудиторией. Например, если большое количество пользователей активно в определенные

часы дня, важно определять оптимальное время публикаций и взаимодействия.

Анализ языковых особенностей помогает понять предпочтения и потребности аудитории, а также адаптировать стратегии коммуникации соответствующим образом. Это важно для эффективного взаимодействия с аудиторией в социальных сетях и достижения максимального влияния и результативности в маркетинговых усилиях.

Использование компьютерной лингвистики в интернет-маркетинге может быть очень эффективным инструментом для анализа и оптимизации контента, взаимодействия с аудиторией и достижения маркетинговых целей. Некоторые из способов, которыми компьютерная лингвистика может быть полезна в интернет-маркетинге, включают:

1. Анализ текстов и контента помогает в определении ключевых слов и фраз, популярных тем и интересов, а также стилистических особенностей. Это позволяет оптимизировать контент для поисковых систем и адаптировать его под интересы и потребности целевой аудитории.

2. Компьютерная лингвистика позволяет распознавать и понимать естественный язык, что полезно для обработки и анализа текстовых данных, включая отзывы, комментарии и социальные медиа сообщения. Это помогает в выявлении трендов, отзывов и мнений аудитории, а также в анализе эффективности маркетинговых кампаний.

3. Персонализация контента помогает в анализе предпочтений и интересов пользователей на основе их текстовых данных. Это позволяет создавать персонализированный контент и рекомендации, что улучшает пользовательский опыт и повышает эффективность маркетинговых усилий.

4. Компьютерная лингвистика позволяет автоматизировать множество задач, связанных с обработкой и анализом текстов. Например, можно использовать автоматические системы для сбора и классификации отзывов и комментариев, а также для генерации контента на основе заданных параметров.

Для автоматической обработки и анализа текстов, связанных с отзывами и комментариями, а также для генерации контента, компьютерная лингвистика предоставляет ряд программ и сервисов. Некоторые из них включают в себя:

1. Классификация тональности. Компьютерные системы могут использоваться для автоматической классификации отзывов или комментариев на положительные, отрицательные или нейтральные. Это помогает в определении общего тона или оценки, выраженной в тексте.

2. Анализ эмоциональной окраски. Системы компьютерной лингвистики могут также определять эмоциональную окраску текста, включая выявление конкретных эмоций, таких как радость, грусть, злость и т.д. Это может быть полезно для понимания эмоциональной реакции людей на определенные события или продукты.

3. Генерация контента. С использованием методов компьютерной лингвистики можно разрабатывать системы, способные генерировать контент на основе

заданных параметров. Например, можно создавать автоматические системы, которые генерируют новости, статьи или рекламные тексты, исходя из определенных ключевых слов или шаблонов.

4. Анализ семантики и синтаксиса. Системы компьютерной лингвистики могут анализировать семантическую и синтаксическую структуру текста. Это помогает в понимании связей между словами и предложениями, а также в выявлении смысловых отношений и контекстуальных значений.

Программы и сервисы для автоматической обработки и анализа текстов в области компьютерной лингвистики постоянно развиваются и улучшаются. Важно выбрать подходящее решение в зависимости от конкретных требований и задачи, которую необходимо решить.

5. Мониторинг и анализ репутации позволяет отслеживать и анализировать упоминания о бренде, продукте или услуге в интернете. Это помогает в мониторинге репутации, выявлении проблем и улучшении обслуживания клиентов.

Оценка эффективности использования компьютерной лингвистики в интернет-маркетинге может быть проведена на основе различных метрик и показателей, таких как увеличение трафика на сайт, улучшение показателей конверсии, повышение вовлеченности аудитории и улучшение репутации бренда. Кроме того, анализ результатов и обратной связи от пользователей помогает определить эффективность и оптимизировать применение компьютерной лингвистики в интернет-маркетинге.

Обсуждение

Данная работа представляет собой анализ влияния компьютерной лингвистики на сферу интернет-маркетинга, особенно в контексте социальных сетей. В ходе исследования были проведены различные исследовательские методы, такие как токенизация и лемматизация, морфологический и синтаксический анализ, анализ сентимента и тональности, классификация текста и генерация контента, для изучения влияния компьютерной лингвистики на эффективность маркетинговых стратегий в социальных сетях.

Результаты исследования показали, что применение компьютерной лингвистики может значительно улучшить результаты интернет-маркетинга в социальных сетях. Автоматический анализ текстов позволяет выявить ключевые слова и фразы, которые могут быть использованы для оптимизации контента и рекламных сообщений. Это позволяет улучшить видимость и релевантность контента, что в свою очередь повышает вероятность привлечения целевой аудитории [14].

Ещё одним важным результатом исследования является то, что компьютерная лингвистика может помочь в анализе и понимании отзывов и комментариев пользователей в социальных сетях. Автоматический анализ эмоциональной окраски текстов позволяет выявить настроение и отзывы пользователей, что помогает компаниям понять, как их продукты или

услуги воспринимаются их целевой аудиторией. Это позволяет компаниям адаптировать свою маркетинговую стратегию и обеспечить более эффективное взаимодействие с клиентами [15].

Исследование подтверждает, что компьютерная лингвистика играет важную роль в сфере интернет-маркетинга, особенно в контексте социальных сетей. Применение компьютерной лингвистики позволяет улучшить эффективность маркетинговых стратегий, оптимизировать контент и анализировать отзывы пользователей. Это в свою очередь может привести к увеличению конверсии, повышению уровня удовлетворенности клиентов и улучшению общей репутации компании.

Заключение

Основываясь на результате проведённого выше исследования, можно сделать следующие выводы о важности компьютерной лингвистики в социальных сетях и интернет-маркетинге:

1. Понимание и анализ языка пользователей в социальных сетях позволяет компаниям лучше понять свою аудиторию, ее потребности и предпочтения, что в свою очередь помогает настраивать более эффективные маркетинговые стратегии.

2. Автоматическая обработка и генерация контента значительно упрощает и ускоряет работу маркетологов. Кроме того, компьютерная лингвистика может использоваться для генерации контента, что позволяет создавать персонализированные и релевантные рекламные сообщения.

3. Определение трендов и мнений в социальных сетях помогает компаниям адаптироваться к изменениям и вовремя реагировать на запросы и потребности своей аудитории.

4. Улучшение качества обслуживания клиентов позволяет компаниям быстро реагировать на проблемы и предоставлять качественное обслуживание клиентов.

5. Увеличение конверсии и эффективности маркетинговых кампаний помогает создавать более релевантные и персонализированные рекламные сообщения. Это может значительно повысить конверсию и эффективность маркетинговых кампаний.

В целом, компьютерная лингвистика играет важную роль в социальных сетях и интернет-маркетинге, позволяя компаниям лучше понять свою аудиторию, анализировать и генерировать контент, определять тренды и мнения пользователей, улучшать качество обслуживания клиентов и повышать эффективность маркетинговых кампаний.

Дальнейшие исследования в области компьютерной лингвистики в социальных сетях и интернет-маркетинге должны быть направлены на создание более точных, эффективных и автоматизированных методов анализа текстовых данных, а также на разработку персонализированных маркетинговых стратегий и инструментов.

Список литературы:

1. Чижик А.В., Мельникова С.А., Захаров В.П. Социальное картирование на основании анализа тональности комментариев в социальных сетях //International Journal of Open Information Technologies. - 2022. - Т. 10. -№. 11. - С. 75-80.

2. Сметанина Н.И. Основные задачи анализа тональности текстов в социальных сетях //Скиф. Вопросы студенческой науки. - 2017. - №. 15. - С. 96-99.

3. Антипенко А.А., Митрофанова О.А. Сравнительный анализ ассоциаций в корпусах социальных сетей на основе дистрибутивно-семантических моделей для русского языка //International Journal of open information technologies. - 2020. - Т. 8. - №. 1. - С. 27-33.

4. Татарникова Т.М., Богданов П.Ю. Построение психологического портрета человека с применением технологий обработки естественного языка //Научно-технический вестник информационных технологий, механики и оптики. - 2021. - Т. 21. - №. 1. - С. 85-91.

5. Черкасов Е.И. Сравнение алгоритмов тематического моделирования при определении тематик постов людей в социальной сети "ВКонтакте" //Евразийский союз ученых. - 2020. - №. 6-2 (75). - С. 45-49.

6. Базенков Н. и др. Обзор информационных систем анализа социальных сетей //Управление большими системами: сборник трудов. - 2013. - №. 41. - С. 357-394.

7. Романов А.С. и др. Анализ тональности текста с использованием методов машинного обучения //Proceedings. Сер.«СЕ^^$ Workshop Proceedings» St. Petersburg Institute for Informatics and Automation of the Russian Academy of Sciences, Herzen State Pedagogical University of Russia. Издательство: Creative Commons CCO. -2018. - С. 86-95.

8. Шлёткин М.В., Бондаренко С.И. SEO продвижение как инструмент Интернет-маркетинга //StudNet. - 2021. -Т. 4. - №. 6. - С. 1338-1352.

9. Ив Г. Перевод и переводоведение на перекрестке цифровых технологий //Вестник Санкт-Петербургского университета. Язык и литература. - 2016. - №. 4. - С. 56-74.

10. Яцко В.А. Алгоритмы и программы автоматической обработки текста //Вестник Иркутского государственного лингвистического университета. - 2012. - №. 1 (17). - С. 150-160.

11. Майорова Е.В. О сентимент-анализе и перспективах его применения //Социальные и гуманитарные науки. Отечественная и зарубежная литература. Сер. 6. Языкознание: Реферативный журнал. - 2020. - №. 4. - С. 78-87.

12. Никулин Д.Н. Основные принципы контекстной рекламы //Экономика и управление в XXI веке: тенденции развития. - 2014. - №. 14. - С. 26-31.

13. Письмак А.Е. и др. Оценка семантической близости предложений на естественном языке методами математической статистики //Научно-технический вестник информационных технологий, механики и оптики. - 2016. -Т. 16. - №. 2. - С. 324-330.

14. Бурнашев Р.Ф. Информационные технологии в решении проблем современной лингвистики // Universum: филология и искусствоведение: электрон. научн. журн. 2023. 6(108). URL: https://7universum.com/ru/philology/archive/item/15623 (дата обращения: 07.10.2023).

15. Бурнашев Р.Ф., Холикова М.А. Ключевые аспекты и перспективы использования информационных технологий в бизнесе // Universum: экономика и юриспруденция: электрон. научн. журн. 2023. 7(106). URL: https://7universum.com/ru/economy/archive/item/15628 (дата обращения: 07.10.2023).