CC BY
60
Щербаков СМ.
СЕТЬ INTERNET КАК ИНСТРУМЕНТ ПОЛУЧЕНИЯ СТАТИСТИЧЕСКИХ ДАННЫХ
Актуальность работы. Актуальность статистики сети Internet определяется стремительным развитием сети. Необходимость получения достоверной, систематической информации отмечается авторами многих публикаций [2, 3, 4, 5, б, 7, 9, 15, 24, 25]. Такая информация позволяет определять тенденции развития сети на разных уровнях, осуществлять управление сайтом или Intranet-сетью, способствует оптимизации технических решений и показывает влияние Internet на социальные и экономические процессы в обществе. При этом сеть Internet сама может служить средством для сбора и передачи статистической информации. Фактически сеть Internet может рассматриваться, с одной стороны, как объект статистического исследования, с другой -как инструмент проведения такого исследования.
Сеть Internet может использоваться не только для статистического
изучение самой сети, но и как средство изучение экономики и общества в целом. В принципе информация, собираемая в сети Internet, может использоваться во многих исследованиях, не обязательно связанных с экономикой сети. Логическая структура сети и объемы трафика могут представлять структуру социально-экономических отношений.
Помимо традиционных методов получения статистических данных с помощью «ручного» опроса пользователей сети Internet, менеджеров Internet-проектов и разработчиков сетевых информационных систем, существует множество различных способов получения статистических данных с помощью автоматизированных и автоматических методов. Целью данной статьи является анализ, сравнение этих методов, демонстрация их достоинств, недос-татков и наиболее подходящих сфер применения тех или иных методов. По ходу статьи будут
приводиться примеры исследовании, проведенных отечественными и западными специалистами.
Классификация способов сбора информации. Каждый способ получения статистических данных в сети Internet характеризуется нескольким параметрами:
1) изучаемый объект (инфраструктура сети Internet в данном регионе или в данном сегменте, конкретная вычислительная сеть, входящая в Internet или использующая его принципы, сервер, пользователь, организация, web-сайт,
предлагаемый товар, почтовый сервис и т.д.);
2) характеристика, свойство изучаемого объекта (производительность оборудования, цены товаров, активность и интересы пользователей и т.д.);
3) канал сбора информации;
4) инструмент исследования;
5) субъект исследования;
6) цель исследования.
Способы сбора статистических
данных с помощью сети интернет можно свести в схему, представленную на рисунке 1.
Рис. 1. Классификация способов сбора статистических данных в сети Internet
Из схемы видно, что существуют весьма разнообразные способы сбора информации, которые можно использовать в комплексе для получения полной картины. Каждый из способов имеет свои достоинства, недостатки и ограничения.
Ручные способы сбора информации. Ручные способы предполагают непосредственный сбор информации путем контактов с интересующими лицами или изучения интересующих ресурсов. Подобные методы, естественно, связаны с большими затратами, требуют больше времени. С другой стороны, только так можно получить информацию, которая не представлена в сети Internet (например, число работников, доходы предприятия [24], сведения о пользователях и т.п.), или информацию, которая не поддается формализации. Такие способы используются для определения влияния сети Internet на жизнь общества в целом.
В литературе часто встречаются подобные способы сбора информации. Часто исследованию подвергаются сайты в сети Internet - через поисковые системы или каталоги отбираются нужные сайты (самые популярные или случайным образом) и изучаются по каким-либо критериям. Так, например, можно определить целевую направленность сайтов корпораций [19].
Масштабное исследование интернет-экономики, проведенное 1998 году по заказу фирмы Cisco [24], было основано на данных полученных через телефонные интервью компаний, работающих в сфере информационных технологий, различных отчетов.
В [18] определяется ценность сайта с точки зрения потребителей. Выводятся три категории задач сайта: продвижение товаров, поставка информации, бизнес-процессы. Выдвигаются четыре типа «созданной стоимости», определяется соотношение их с задачами. Строятся матрицы задача / стоимость, затем путем исследования по 25 сайтам из 40 отраслей бизнеса матрицу заносится процент сайтов, соответствующих клетке для каждой индустрии. Автор [19] рассмат-
ривает задачи, которые стоят перед web-представительствами компаний, согласно его выводам современные компании главной задачей web-представительств считают создание имиджа компании. Автор анализировал представительства 54 фирм. В [29] исследуются сайты небольшой отрасли. Авторы определяют несколько самых посещаемых сайтов (с помощью различных поисковых машин), чтобы определить, какие факторы влияют на «полезность и информативность» сайта. Для получения выборки были сделаны запросы по ключевому слову в шести ведущих поисковых машинах. Далее проводится ручной содержательный анализ этих сайтов по ряду критериев. Так исследователи выводят главные факторы: своевременность, возможность поиска, статьи, новости, базы данных, информация о продуктах, форум, ссылки и т.д. По сути, авторы сами (выступая в роли экспертов) определили и ранжировали десять лучших сайтов (Они посетили 80 сайтов, представленных поисковыми машинами, и отобрали десять). Такой подход не может не вызвать критики.
Анализ сайтов ручным методом видится достаточно перспективным. Сбор информации о содержимом с ее последующей статистической обработкой, например, с применением методики анализа предметной области [12,13] позволит выделить наиболее важные составляющие сайтов той или иной области. Скажем, можно считать сведения о сайтах кадровых агентств, выделить их функции и сравнить между собой. Также возможно привлечение экспертных методов, причем сами оценки экспертов также могут быть собраны через сеть.
Автоматизированные методы. Существует ряд автоматизированных методов сбора статистических данных. Для получения статистической информации применяют: Программы-«роботы>>, log-файлы, html-формы, программы для имитации сетевого трафика, базы данных поисковых систем, ботов, баннерных сетей и т.д.
Отдельно стоят методы, в которых сеть Internet используется для сбора ин-
формации о пользователях путем их анкетирования. Web-формы позволяют запрашивать у пользователя необходимые сведения, доставлять их к месту обработки и хранить. Так проводят всевозможные опросы, голосования и т.д. Возможно, использование таких методов может дать значительный эффект в корпоративной Intranet-сети, где пользователи в большей степени находятся под контролем, например, в [1] описывается применение подобных средств в вузе. Подобные методы можно использовать для сбора мнений экспертов при использовании экспертных методов. Недостатком является зависимость от инициативы пользователя. Достоинства по сравнению с ручным сбором подобных анкет: возрастание оперативности, возможность охвата значительной аудитории, возможность автоматического контроля ошибок заполнения, снижение стоимости, возможность оперативной обработки результатов, экономия времени и труда на ввод данных в ЭВМ для обработки.
Авторы [21] исследуют возможности web как средство проведения анкетирования. Рассматриваются проблемы, связанные с обеспечением репрезентативности, несмещенности выборки, анализируются возможные технические ошибки. В статье определяются требования к создаваемым анкетам, сравниваются различные способы построения анкет.
Помимо подобных методов, используется множество автоматических методов, не требующих активного участия пользователя. Их можно разделить на пассивные, активные и экспериментальные.
Пассивные методы получения информации. Пассивные методы предполагают получение информации с помощью фиксации необходимых данных по мере функционирования объекта исследования. Наиболее распространены log-файлы, журналы, в которые автоматически заносится информация. Помимо средств, предоставляемых web-сервером, операционной системой, прикладной программой, браузером и т.д., могут ис-
пользоваться специально разработанные для этой цели программы. Недостаток пассивных методов заключается в необходимости получения определенных прав для сбора информации. Сбор может осуществляться только с согласия пользователей, администраторов узлов, владельцев сайтов.
Пассивные методы предполагают наличие определенного пункта сбора информации на пути прохождения сигналов пользователя. Исследователь должен иметь полномочия по сбору информации на этом пункте. Пассивные методы можно подразделить в зависимости от местонахождения этой контрольной точки:
- на стороне клиента;
- на стороне промежуточного узла;
- на стороне сервера;
- комбинированные.
Для получения информации со стороны клиента можно воспользоваться содержимым кэша браузера. Таким образом можно исследовать поведение пользователя, динамику его работы, методику поиска информации, содержимое интересующих его тем. Также можно рассматривать содержимое кэша как выборку и судить по ней о секторе сети в целом. Кэш содержит не только иг1 загруженных страниц, но и сами страницы. Недостатки: небольшой объем кэша, ограниченность измеряемых характеристик, необходимость создания дополнительных программ для интерпретации содержимого буфера. Выборка, полученная таким образом, будет нести следы субъективности. Подобный метод можно использовать в центрах, где имеется много пользовательских компьютеров, при этом желательно контролировать социальный состав пользователей. Отметим, что все же лучшим вариантом является сбор информации на брандмауэрах и прокси-серверах.
Более точные сведения можно получить путем установки на компьютер клиента (с его согласия) специальных программ, которые отслеживали бы деятельность пользователя по нужным исследователю параметрам. Результаты мо-
гут передаваться в центр для обработки по сети. Так можно отслеживать множество величин: продолжительность работы, пользователя, его интересы, время просмотра страницы, пути поиска информации и т.д.
Пример подобного исследования описывался в [16]. Задача состояла в изучении поведения пользователей при поиске информации в Internet. Наблюдение осуществлялось путем установки специального программного обеспечения на компьютере пользователя. В результате были получены различные схемы поведения пользователя в зависимости от цели поиска, выведены стадии поиска. Подобные исследования могут иметь практическую направленность -определить поведение пользователей, выработать рекомендации при построении сайтов. Возможно использование результатов наблюдений для построения систем поиска информации, для этого нужно проводить более масштабные и длительные наблюдения. Можно получить ответы на вопросы: Как ведет себя пользователь? Как часто он обращается к поисковым машинам? Какие сайты он предпочитает? Ищет он каждый раз новый сайт или пользуется одним и тем же регулярно? Для каких целей он использует доступ в Internet? Еще одним примером может служить [23], где описывается подобный эксперимент. Отобранным пользователям-студентам случайным образом выдавался один из трех вариантов дизайна сайта, поведение пользователей изучалось.
Недостаток метода в необходимости установки специально разработанного программного обеспечения на каждой машине.
В сети Internet работает множество промежуточных узлов: маршрутизаторов, прокси-серверов и т.д. При наличии прав доступа может осуществляться сбор данных о проходящих пакетах разных уровней модели OSI. Особый интерес вызывают маршрутизаторы национальных провайдеров, через которые проходит большая часть трафика. Недостаток
метода - работа с пакетами низкого уровня. По этим пакетам можно проследить объем и динамику трафика, длину пакетов, используемые приложения сервера (с помощью TCP-порта), баланс трафика между регионами и т.д. Однако содержимое пересылаемых пакетов недоступно.
В [30] проводится сбор и анализ трафика на одном из маршрутизаторов. Собирались данные по распределению длин пакетов, по протоколам следующего уровня, по портам. Выявляют тенденции изменения трафика. Подобные исследования могут использоваться для оптимизации технических решений и для анализа масштабов использования Internet.
Наиболее распространенным на сегодня вариантом сбора информации является использование серверных технологий. Обычно это делается с целью управления сайтом или сетью. Как правило, используются log-файлы операционных систем, прокси-серверов, web-серверов, затраты при этом минимальны, нужно лишь должным образом настроить программное обеспечение. Недостатком является ограниченный состав собираемых реквизитов.
В [11] поднимаются вопросы анализа жизненного цикла web-страниц, структуры web-сайта, оптимизации сайта. Автор предлагает проводить модификацию системы на основе анализа статистики посещаемости. Предлагается использовать факторный анализ статистики посещаемости страниц разными группами пользователей. Автор считает, что исследование статистики обращений к системе должно проводиться с целью повышения эффективности ее работы. Для коммерческой организации в качестве критерия эффективности рассматривается прибыль от эксплуатации системы, для некоммерческой - отношение числа пользователей или запросов к затраченным средствам.
Подобные методы описываются в [23]. Авторы говорят о ценности сохраняемой в log-файлах на стороне клиента
и на стороне сервера информации, о возможности ее использования для эмпирического анализа различных решений по дизайну сайта. Возможно проведение экспериментов, например, изменяя дизайн сайта и отслеживая реакцию пользователей. Авторы [23] анализируют стандартные log-файлы и сохраняемые в них параметры. Еще одним из направлений является анализ производительности сервера: среднее время загрузки какой-то информации, объем перекачанной информации в день, спрос на страницы и т.п. В [23] также рассматриваются сложности проведения статистических исследований. Идентификация пользователей затруднена из-за использования прокси-серверов, работающих под одним ip-адресом, кэширования, динамического назначения ip-адресов. Использование клиентских и комбинированных способов сбора данных позволяет исправить многие недостатки метода.
Одним из наиболее популярных способов пассивного сбора информации является комбинированный клиент-серверный метод [10]. Этот метод позволяет совместить достоинства обоих рассмотренных выше способов. При таком методе на исследуемые web-страницы добавляется ссылка в виде JavaScript-программы, которая передает на специальный сервер запрос, содержащий доступную со стороны клиента информацию. В результате может быть учтена не только серверная информация, но и такие реквизиты пользователя, как география аудитории, программные и технические средства пользователя, активность и интересы аудитории [10], текущее расширение монитора, маршрут пользователя и т.п. Программистам, реализующим подобные методы, доступна технология cookie - они могут сохранить какие-то метки для следующего сеанса. На подобном принципе основано большое число систем учета посещаемости сервера, например www.hotlog.ru,www.spylog.ru, www.count.ru. Примерно так же построена работа сайтов, рассчитывающих рейтинг ресурса - rambler top 100 и др.
Активные методы сбора информации. Преимущества активных методов сбора статистических данных в широте охвата сети, в отсутствии необходимости иметь права доступа к log-файлам. С помощью «робота», подобного «роботам» поисковых машин, можно получить разнообразную информацию о сети: применяемые технологии, тематическое направление, объемы, динамику, структуру сайтов и т.д.
Активные методы предполагают сбор информации программами-«робо-тами», которые с помощью механизма гиперссылок перемещаются по сети Internet и собирают нужную информацию. Наиболее сложной задачей является синтаксический разбор считанных страниц (parsing). Подобные методы часто используются, например, для анализа рынка книг [15]. Код книги (ISBN) позволяет однозначно ее идентифицировать. Достоинством активных методов является возможность быстро охватить довольно большой сектор. Рост популярности таких технологий, как XML, будет способствовать развитию и повышению ценности активных методов.
Возможное направление - сбор информации с сайтов, с целью определения их тематической направленности, структуры, объема и технологий построения. Все это вполне осуществимо с помощью программы-«робота». Можно проводить не сплошное, а выборочное исследование. Получить выборку можно с помощью поисковых машин или Inter-net-каталогов.
В западной экономической науке [15,17,26,28] одним из направлений исследований является анализ влияния электронной коммерции на рынок товаров и услуг. Изучается влияние сети Internet на конкуренцию, привязанность к брэндам, цены на товары, дисперсию цен, динамику цен и т.д. Часто выдвигается положение о сведении конкуренции к ценовой конкуренции (модель Бертрана), о снижении привязанности к брэндам, о снижении дисперсии цен, снижении уровня цен по сравнению с несете-
выми магазинами, ускорении смены цен (низкие «издержки меню») [15]. Все это обосновывается снижением трансакци-онных издержек, наличием у пользователя информации о товаре, легкой доступности других продавцов, разрушением локальных монополий. Согласно другой точке зрения [15,17], старые бренды заменяются новыми, такими как Amazon.com, дисперсия цен увеличивается, цены растут (возможно, из-за самой аудитории Internet - динамичные молодые люди, не чувствительные к цене товара). В любом случае, главным способом разрешения всех этих вопросов считается использование эмпирических методов.
Было проведено довольно много подобных исследований [S, 15, 17, 2б, 2S] с применением в основном активных методов сбора данных (авторы составляют «роботов», которые обходят заданные Internet-магазины и считывают информацию по ценам) и иногда с использованием внутренней информации с серверов магазинов или ботов. Результаты в целом получаются противоречивыми, приведенные выше предположения часто не получают статистического подтверждения [8]. Недостаток метода: исследуется только информация о ценах, данные об объемах продаж не могут быть легко получены с помощью «роботов».
Основным объектом исследования обычно становятся рынки таких товаров, как книги, музыкальные CD-диски, программное обеспечение, медикаменты. Это объясняется развитым рынком подобных товаров, возможностью однозначной идентификации товара, однотипностью товаров. С другой стороны, нельзя упускать из виду, что подобные товары относительно дешевы (кроме программного обеспечения) и пользователь часто не хочет тратить время на оптимизацию покупки. Большое влияние оказывают также другие факторы - гарантия и время доставки, надежность магазина и пр. При исследовании рынка автомобилей [28] результаты значительно отличались - цены и их дисперсия оказались ниже, чем у обычных дилеров. Ин-
формация была взята из двух источников - из базы торгового сайта и из базы ассоциации дилеров. Были взяты те данные, которые совпали в обоих источниках, помимо цен, исследователи получили информацию о покупках и сведения о покупателях, то есть использовалась комбинация ручных и активных методов. Интересно, что авторы также делают вывод об отличии среднего потребителя, делающего покупку в сети Internet, от среднего американца, но утверждают, что вследствие более высокого образовательного уровня пользователь Internet внимательнее относится к процессу покупки и активнее ищет лучший вариант.
Авторы [26] имели доступ к данным одного из шопботов (вообще, влияние шопботов в электронной коммерции является одним из направлений исследования в западной экономике сети Internet) и проводили наблюдения в течение определенного времени. В результате они получили более полную картину: им была доступна не только цена, но также и прочие параметры, выводимые пользователю. Исследователям был доступен список предлагаемых покупателю вариантов предпочтения пользователя в сортировке списка (по цене, по времени доставки и пр.) и, наконец, решение пользователя о покупке.
Нужно отметить, что принципы работы шопботов могут использоваться и для проведения исследований рынка. По мере совершенствования таких технологий, как XML [15], описанные методы будут приобретать большее значение и эффективность, если будут сформированы единые стандарты на представления информации о товарах (например, Сот-merceML фирмы 1С). С другой стороны [15], возможно, что владельцы магазинов не будут заинтересованы в легком сравнении их предложений между собой и станут препятствовать процессу формализации коммерческих предложений.
Экспериментальные методы. Экспериментальные методы получения данных являются продолжением активных методов и отличаются от них тем, что на
изучаемую систему подается какое-либо воздействие, а затем исследуется ее реакция. В качестве изучаемого объекта может выступать все пространство сети Internet, отдельный сектор сети, Intranet-сеть, отдельный узел или web-сайт. Очень интересным представляется вариант, при котором в качестве объекта эксперимента выступает пользователь сети.
Экспериментальные методы предполагают искусственное нагнетание трафика, имитацию работы пользователей с последующим сбором информации о функционировании системы. В качестве объекта исследования может выступать сайт, тогда с разных узлов формируется трафик и оценивается время реакции. Для получения сведений о топологии, пропускной способности сегмента сети могут использоваться программы, генерирующие трафик и осуществляющие замеры.
Для изучения различных технических аспектов функционирования сети Internet (анализ маршрутизации, анализ пространства адресов [25], качества связи, инфраструктуры сети, производительности [22]) применяются экспериментальные методы активного воздействия. Специально разработанные программы «просвечивают» сеть - они генерируют поток сигналов и фиксируют реакцию.
Примеры подобных методов описаны в [22, 25]. Авторы приводят пример измерения задержки прохождения пакетов от точки до точки. Также изучалась топология Internet с помощью инструмента, посылающего активные сигналы, на основе которых строились карты сети. Недостаток использования подобных методов в масштабах мировой или национальной сети - огромное число факторов, влияющих на время прохождение пакета.
На уровне отдельного сайта также применяют подобную технологию. Для анализа производительности генерируются обращения к сайту с разных адресов, фиксируется время ответа. Так можно судить об эффектности размещения сайта и производительности оборудования.
С помощью экспериментальных методов можно сравнивать между собой различные Internet-технологии, определять их производительность при разном уровне нагрузки. Достоинством метода является возможность исследователя самому составлять план эксперимента, чтобы проследить реакцию системы на заданные им нагрузки. Стоимость осуществления подобных экспериментов может быть снижена, если автоматизировать проведение эксперимента и анализ его результатов [12].
В основном экспериментальные методы используются для получения сведений технического характера (топология, производительность, пропускная способность и пр.), однако существует возможность использования экспериментальных методов для анализа поведения пользователя в зависимости от предлагаемых ему цен на товары или услуги.
В [20] описывается проведенный в университете Беркли эксперимент INDEX. Изучалось поведение пользователей (время и режим доступа к сети Internet) в зависимости от установленной цены, при различных вариантах ценовой политики, пропускной способности и использованных приложений1. Были отобраны пользователи из числа студентов, сотрудников и преподавателей университета, установлены специальные маршрутизаторы, разработано программное обеспечение для связи с пользователем -он мог выбрать нужный ему вариант сервиса за соответствующую плату. В соответствии с планом эксперимента генерировались различные ценовые сигналы, они автоматически сообщались пользо-
Вопрос интенсивности использования возможностей сети Internet в зависимости от цены является одним из главных направлений в западной экономике сети Internet Рассматриваются вопросы построения эффективных механизмов ценообразования на использование сети, вопросы зависимости объема трафика от цен. Много говорится об экономических способах разделения редких ресурсов (полосы пропускания) для предотвращения конгессий. Тем не менее выдвигаемые идеи не нашли применения из-за технической сложности.
вателю, который с помощью панели на экране монитора мог выбрать режим своей работы.
Разумеется, эксперимент проводился в условиях реального мира - на поведение пользователя могли оказывать влияние цены на внешнем рынке. Также нужно отметить влияние очередности опытов, проводимых в рамках эксперимента - пользователи принимают во внимание цены прошлых периодов.
Указанные недостатки не должны заслонять тот факт, что имело место активное экспериментирование в области экономики. Это стало возможным благодаря низким «издержкам меню» в сети Internet [15]. Метод можно расширить, можно использовать специальные сайты для проведения различных экспериментов, например, с ценами на товары для целей маркетинга.
Заключение. В работе были описаны наиболее распространенные методы получения статистических данных с помощью сети Internet. Приведена классификация методов, и проведен их сравнительный анализ. Разумеется, такая классификация в значительной степени условна, например, экспериментальные методы можно отнести к активным, в качестве подкласса. Тем не менее в настоящей работе сделана попытка систематизировать обширные возможности, предоставляемые коммуникационными и информационными технологиями сети Internet для проведения статистических исследований в области экономики.
Библиографический список
1. Борисов М.А., Лещанкин К.А., Луценко В.В., Мальков О.В., Паршутин Д.А. Организация опросов общественного мнения среди сотрудников и студентов учебного заведения средствами Web // Интернет, общество, личность. Мат. конф. СПб, 1999.
2. Благодетелева-Вовк С. Л. Оценка роста числа потенциальных пользователей Интернета в Украине на пери-
од до 2005 года // Маркетинг в Украине. 2002. №1.
3. Благодетелева-Вовк Светлана Баннерные системы УАНЕТА: критерии выбора для проведения рекламной кампании // Маркетинг и реклама. 2002. № 1.
4. Бокарев Т. Интернет-реклама: оценка эффективности // eCommerce World. 2000. №№ 5-6.
5. Гохберг Л.Н., Гаспикова И.Р. Методологические основы статистики информационных технологий // Вопросы статистики. 2000. №3.
6. Дятлов С.А. Мониторинг Интернет-экономики // Технологии информационного общества - Интернет и современное общество: Материалы Всероссийской объединенной конференции. СПб, 2001.
7. Исахов Б.А, Бегалов Б.А, Отажнов У., Байтоксанов Т. Особенности и проблемы развития информационно-коммуникационного бизнеса в Республике Узбекистан // Вопросы статистики. 2000. №6.
8. Кузнецов А. Загадки электронных рынков 2001 // www.ifs.ru /body/memo /2001 /0ct/29100 It. doc
9. Паринов СИ. Онлайновые сообщества: методы исследования и практическое конструирование Автореферат диссертации на соискание ученой степени доктора технических наук Специальность 05.13.16. Новосибирск: Институт экономики и организации промышленного производства СО РАН, 2000.
10. Трофимов С. Настольный инструмент web-аналитика // Hard & Soft. 2002. №7
11. Храмцов П. Моделирование и анализ работы информационно-поисковых систем Internet // Открытые системы. 1996. №6.
12. Хубаев Г.Н. Оценка потребительского качества программных средств. Ростов-на-Дону: РГЭА, 1997.
13. Хубаев Г.Н. Экономика проектирования и применения банков данных: Текст лекций. Ростов-на-Дону: РИСХМ, 1989.
14. Щербаков СМ. О статистическом подходе к изучению экономики сети Internet // Ученые записки факультета И и У. Ростов-на-Дону: РГЭУ, 2002.
15. Bailey Joseph P. Intermediation and Electronic Markets: Aggregation and Pricing in Internet Commerce PhD thesis. Massachusetts institute of technology, 1998.
16. Chun Wei Choo, Brian Detlor and Don Turnbull Information Seeking on the Web: An Integrated Model of Browsing and Searching // First Monday, volume 5, number 2, 2000.
17. Clay K., Krishnan R., Wolff E. Prices and price dispersion on the Web: evidence from the online book industry retailing NBER working paper 8271 2001 www.nber.com
18. James Ho Evaluating the World Wide Web: A Global Study of Commercial Sites // JCMC 3 (1) June 1997.
19. Jeremiah Sullivan What are functions of Corporate home Pages // Journal of World Business 1999 Vol 34 №2.
20. Jura Altmann, Bjnrn Rupp, Pravin Varaiya Effects of pricing on Internet user behavior // Netnomics №3, 2001.
21.Katja Lozar Manfreda, Zenel Batagelj, Vasja Vehovar Design of Web Survey Questionnaires: Three Basic Experiments // JCMC 7 (3) April 2002.
22. Kc Claffy Internet measurement and data analysis: topology, workload, performance and routing statistics // NAE '99 workshop.
23. Mary C Burton, Joseph B. Walther The Value of Web Log Data in Use-Based Design and Testing // JCMC.
24. Measuring the Internet Economy: An Exploratory Study Anitesh Barua, Jon Pinnell, Jay Shutter, Andrew B. Whin-ston Center for Research in Electronic Commerce, Graduate School of Business, The University of Texas at Austin, 1999 6 (3) April 2001.
25. Measuring the Internet Kc Claffy // IEEE Internet Computing Online, vol. 4 № 1 2000.
26. Michael D. Smith, Erik Bryn-jolfsson Consumer Decision-making at an Internet Shopbot 2001 // Journal of Industrial Economics 2001.
27. Mitchell L. Moss Anthony M. Townsend The Internet Backbone and the American Metropolis // The Information Society №16, 2000.
28. Morton F. Scott, Zettlemeyer F., Risso J. Silva Internet car retailing NBER working paper 7961 2000 www.nber.com
29. Nabil El-Ramly, Richard Einer Peterson, Linda Volonino Top Ten Web Sites Using Search Engines: The Case of The Desalination Industry // First Monday, volume 3, number 5 1998.
30. Sean McCreary, Kc Claffy Trends in Wide Area IP Traffic Patterns A View from Ames Internet Exchange www.caida.org. 2000.
