Канн С.К. Модели развития библиотечных сайтов в свете вебометрики (Томск, 2018) - презентация

1 1 Модели развития библиотечных сайтов в свете веб метрики Канн Сергей Константинович, кандидат исторических наук старший научный сотрудник ГПНТБ СО РАН, Новосибирск

2 2 XI Макушинские чтения 30 мая 2018 г. Один из главных заветов П.И.Макушина – это доступность знаний, библиотек, народного образования В электронную эпоху исполнение этого завета зависит от совершенствования средств доставки (транспорта знаний) Особенность современных информационных систем – мобильность распространения и «сетевой» характер информации (в том числе библиотечной) Задачи библиотечной веб метрики заключаются в повышении эффективности предоставления библиотечных продуктов и услуг, продвижении знаний и более глубокой интеграции библиотек в веб-среду Задачи библиотечной веб метрики и моделирование развития библиотечных сайтов

3 3 XI Макушинские чтения 30 мая 2018 г. С осени 2015 г. в Отделении ГПНТБ СО РАН проводилось изучение библиотечных сайтов с целью собрать различные метрики их развития – открытые данные о размере и динамике развития ресурсов, источниках и структуре трафика, аудитории, посещаемости, времени и глубине просмотра страниц и др. После выявления некоторых закономерностей сделана попытка определить типологию сайтов, основываясь на схожести источников трафика в качестве общей характеристики Бесплатные инструменты веб метрики и SEO-анализа позволяют проводить массовую оценку веб-индикаторов по единой схеме одновременно у многих сайтов Изучение библиотечных сайтов и моделирование их развития

4 4 SimilarWeb – инструмент исследования Использовалась платформа SimilarWeb Ltd., которая с 2009 г. работает в области веб- аналитики и глубокого анализа данных Компания владеет крупнейшей панелью мониторинга и роботами, индексирующими более 2,5 млрд страниц в месяц Привлекаются данные провайдеров интернета (ISP data) и непосредственные измерения (learning set) SimilarWeb собирает и анализирует важнейшие веб-метрики (показатели посещаемости, ежемесячный объём трафика и пр.). Источники трафика структурированы в разрезе прямого, ссылочного (рефереры) и поискового трафика, заходов из социальных сетей, почтовых рассылок и баннерных сетей

5 5 Отчёты SimilarWeb

6 6 Интеграция в соцсети

7 7 Критерии группировки сайтов по структуре трафика * * Критерии сформированы на основе наблюдений гг., носят нечёткий и очень подвижный характер (особенно у региональных библиотек)

8 8 Группировка сайтов по структуре трафика (на основе данных SimilarWeb на начало 2018 г.)

9 9 KPI сайтов центральных научных библиотек по оценке SimilarWeb на начало 2018 г.

10 10 1-я группа региональных сайтов Наиболее типичный представитель – Тюменская областная библиотека (tonb.ru)

11 11 2-я группа региональных сайтов Наиболее типичный представитель – Национальная библиотека Республики Саха (Якутия) (nlrs.ru)

12 12 3-я группа региональных сайтов Наиболее типичный представитель – Иркутская областная библиотека (irklib.ru)

13 13 4-я группа региональных сайтов Наиболее типичные представители – библиотеки Владивостока (pgpb.ru) и Красноярска (kraslib.ru)

14 14 Перспективы эволюции 1. поисковая модель (открытая) 2. реферальная модель (закрытая) 4. переходная модель 3. социальная модель Схема носит условный характер и построена только на специфике источников трафика Эволюция идёт непрерывно и «верх» ещё не достигнут Схема позволяет увидеть перспективы развития сайтов

15 15 Заключение Моделирование развития библиотечных сайтов показало возможности веб метрики для создания типологии сайтов, основанной на анализе структуры их трафика Будущие прогнозы могут опираться на выявленные тенденции перехода сайтов от простых поисковых и «закрытых» реферальных моделей ко всё более сложным и открытым социальным моделям Данный подход позволяет разрабатывать меры для развития и продвижения новых библиотечных ресурсов и услуг, достигая более эффективных результатов

16 16 Спасибо за внимание ! Канн Сергей Константинович, кандидат исторических наук старший научный сотрудник ГПНТБ СО РАН, Новосибирск