ЦИФРЛЫҚ РИТЕЙЛ-ПЛАТФОРМАЛАРДЫ КӨПКРИТЕРИЙЛІ БАҒАЛАУ ӘДІСТЕМЕСІ: MCDA, ВЕБ-АНАЛИТИКА ЖӘНЕ UX ДЕРЕКТЕРІН ИНТЕГРАЦИЯЛАУ

Мақалада онлайн және оффлайн ритейл-платформалардың тиімділігін көпкритерийлі бағалауға арналған әдістеме ұсынылады. Әдістеме көпкритерийлі шешім қабылдау талдауын (MCDA), веб-метрикаларды және UX деректерін интеграциялауға негізделген. Ғылыми жаңалығы – сараптамалық артықшылықтарды формализациялау және платформалардың интегралды рейтингін құру үшін AHP және TOPSIS әдістерін біріктіретін гибридті модельді әзірлеу. Әдіс сандық веб-аналитика көрсеткіштерін, сапалық UX бағалауларын және mystery shopping нәтижелерін қамтиды. Нормализациялау, критерий салмақтарын есептеу және интегралды көрсеткішті анықтау алгоритмі сипатталған. Әдістеме онлайн-дүкендер мен оффлайн ритейлер деректерінде апробациядан өтіп, цифрлық жетілгендікті және пайдаланушы тәжірибесінің сапасын талдауда қолдануға болатындығын дәлелдеді. Зерттеу нәтижелері UX-аудитте, цифрлық өнімдерді басқаруда және e-commerce саласындағы стратегиялық талдауда пайдаланылуы мүмкін.

1. Shankar V., Kalyanam K., Setia P., et al. How technology is changing retail // Journal of Retailing. 2021. Vol. 97, No. 1. P. 13–27. DOI: https://doi.org/10.1016/j.jretai.2020.10.001.

2. Verhoef P.C., Kannan P.K., Inman J.J. From multi-channel retailing to omni-channel retailing: introduction to the special issue on multi-channel retailing // Journal of Retailing. 2015. Vol. 91, No. 2. P. 174–181. DOI: https://doi.org/10.1016/j.jretai.2015.02.005.

3. Palmié M., Miehe L., Oghazi P., et al. Digital service ecosystems and retail meta-ecosystems // Technological Forecasting and Social Change. 2022. Vol. 176. Article 121452. DOI: https://doi.org/10.1016/j.techfore.2021.121452.

4. Hagberg J., Sundström M., Egels Zandén N. The digitalization of retailing: an exploratory framework // International Journal of Retail & Distribution Management. 2016. Vol. 44, No. 7. P. 694–712. DOI: https://doi.org/10.1108/IJRDM-09-2015-0140.

5. Gkikas D.C., Theodoridis P.K. Predicting online shopping behavior: using machine learning and Google Analytics to classify user engagement // Applied Sciences. 2024. Vol. 14, No. 23. Article 11403. DOI: https://doi.org/10.3390/app142311403.

6. Mamakou X.J., Zaharias P., Milesi M. Measuring customer satisfaction in electronic commerce: the impact of e-service quality and user experience // International Journal of Quality & Reliability Management. 2024. Vol. 41, No. 3. P. 915–943. DOI: https://doi.org/10.1108/IJQRM-07-2021-0215.

7. Albert W., Tullis T. Measuring the User Experience: Collecting, Analyzing, and Presenting Usability Metrics. Burlington: Morgan Kaufmann, 2013. 313 p.

8. Nielsen J. Usability Engineering. Boston: Academic Press, 1993. 362 p.

9. Wilson A. The use of mystery shopping in the measurement of service delivery // Service Industries Journal. 1998. Vol. 18, No. 3. P. 148–163.

10. Saaty T. Decision making with the analytic hierarchy process // International Journal of Services Sciences. 2008. Vol. 1, No. 1. P. 83–98.

11. Hwang C. L., Yoon K. Multiple Attribute Decision Making: Methods and Applications. Berlin: Springer Verlag, 1981. 259 p.

12. Triantaphyllou E. Multi-Criteria Decision Making Methods: A Comparative Study. Dordrecht: Springer, 2000. 290 p.

13. Opricovic S., Tzeng G.-H. Compromise solution by MCDM methods: a comparative analysis of VIKOR and TOPSIS // European Journal of Operational Research. 2004. Vol. 156, No. 2. P. 445–455. DOI: https://doi.org/10.1016/S0377 2217(03)000201.

14. Zavadskas E.K., Turskis Z. A new additive ratio assessment (ARAS) method in multicriteria decision-making // Technological and Economic Development of Economy. 2010. Vol. 16, No. 2. P. 159–172. DOI: https://doi.org/10.3846/tede.2010.10.

15. Taha H.A. Operations Research: An Introduction. 10th ed. Harlow: Pearson, 2017. 848 p.

16. Keeney R.L., Raiffa H. Decisions with Multiple Objectives: Preferences and Value Trade-offs. Cambridge: Cambridge University Press, 1993. 569 p.

17. Wei Y.-M. A hybrid multi-criteria decision-making framework for the strategic evaluation of business development models // Information. 2025. Vol. 16, No. 6. Article 454. DOI: https://doi.org/10.3390/info16060454.

18. Rodríguez Carrillo M.L., Pérez Domínguez L., Romero López R., et al. A systematic literature review on the use of multicriteria decision-making methods for SME innovation assessment // Frontiers in Artificial Intelligence. 2025. Vol. 8. Article 1605756. DOI: https://doi.org/10.3389/frai.2025.1605756.

19. Alkan N., Kahraman C. Prioritization of supply chain digital transformation strategies using multi-expert Fermatean fuzzy analytic hierarchy process // Informatica. 2023. Vol. 34, No. 1. P. 1–33. DOI: https://doi.org/10.15388/22 INFOR493.

20. Torbacki W. An integrated MCDA framework for prioritising emerging technologies in the transition from Industry 4.0 to Industry 5.0 // Applied Sciences. 2025. Vol. 15, No. 15. Article 8168. DOI: https://doi.org/10.3390/app15158168.

21. Kulikova V., Iklassova K., Kazanbayeva A. Development of a decision making method to form the indicators for a university development plan // Eastern European Journal of Enterprise Technologies. 2019. Vol. 3/3(99). P. 12–21. DOI: https://doi.org/10.15587/17294061.2019.169193.

22. Kurmasheva L., Kurmashev I., Kulikov V., Kulikova V., Tajigitov A. The use of data mining in the management of the career guidance work of the university // Annals of Data Science. 2024. Vol. 12. P. 1923–1940. DOI: https://doi.org/10.1007/s40745024 00585 6.

23. Куликов В.П., Куликова В.П. Практика информационной поддержки принятия решений: учеб. пособие. - Петропавловск: СКУ им. М. Козыбаева, 2023. - 203 с. ISBN 978 601 223 649 1. УДК 001.891. ББК 72. К90