Интеллектуальная информационная система анализа рынка мобильных приложений
Аннотация
В статье приводится актуальность исследования и рассматриваются основные достоинства и недостатки аналогичных информационных систем аналитики интернет-магазинов приложений: «AppFollow», «42matters: App Market Data & Mobile Audience Data», «AppAnnie». Представлена функциональная схема разрабатываемой системы, которая включает четыре функциональных блока, отвечающих за мониторинг интернет-магазинов приложений, актуализацию данных в БД, получение агрегированных данных и визуализацию результатов агрегации. Подробно рассматривается функциональный блок визуализации, который используя результаты агрегации и пользовательские настройки визуализации, определяет параметры построения графиков, диаграмм, отчётов и осуществляет их построение. На основе созданных графиков можно производить интерполяцию, экстраполяцию и регрессионный анализ. Приведена математическая модель базы данных для разработанной информационной системы. Предложено математическое описание формализованного языка, предназначенного для описания функциональных зависимостей между различными характеристиками мобильных приложений. Формализованный язык используется на этапах агрегации и визуализации данных. Языковая модель формализованного языка позволяет строить более 100 различных типов графиков и может использоваться для других предметных областей. Рассматриваются функциональные возможности разработанной информационной системы, которая решает задачи мониторинга, сбора, актуализации информации о различных характеристиках мобильных приложений, содержащихся в интернет-магазинах. Разработанная информационная система предоставляет аналитику инструментарий для автоматизации процедуры проведения комплексного анализа динамики продаж интернет-магазинов приложений. Такая система позволяет определить производителям мобильных приложений наиболее перспективные направления разработки, определять объемы продаж в различных сегментах рынка и выявлять новые знания, например, при проведенном анализе была выявлена корреляция между параметрами «Рейтинг» и «Дата последнего обновления» — чем чаще обновляется приложение, тем выше его рейтинг.
Скачивания
Литература
2. Liu X. et al. Micro- and macro-level churn analysis of large-scale mobile games // Knowledge and Information Systems. 2019. 62 (4). P. 1465–1496. DOI
3. Kim S., Baek T. H. Examining the antecedents and consequences of mobile app engagement // Telematics and Informatics. 2018. 35 (1). P. 148–158. DOI
4. Rutz O., Aravindakshan A., Rubel O. Measuring and forecasting mobile game app engagement // International Journal of Research in Marketing. 2019. 36 (2). P. 185–199. DOI
5. Finkelstein A. et al. Investigating the relationship between price, rating, and popularity in the Blackberry World App Store // Information and Software Technology. 2017. 87. P. 119–139. DOI
6. Al-Subaihin A. et al. App store mining and analysis // DeMobile 2015: Proceedings of the 3rd International Workshop on Software Development Lifecycle for Mobile. 2015. P. 1–2. DOI
7. Martin W. et al. A Survey of App Store Analysis for Software Engineering // IEEE Transactions on Software Engineering. 2017. 43 (9). P. 817–847. DOI
8. AppFollow. Available at: URL
9. 42matters. Available at: URL
10. AppAnnie. Available at: URL
11. Zueva A. S., Leonov Yu. A. Researching the functionality of application stores analytics systems // Akademicheskaya publicistika. 2018. 03. P. 6–9. (in Russian).
12. Manenti G. et al. Functional Modelling and IDEF0 to Enhance and Support Process Tailoring in Systems Engineering // 2019 International Symposium on Systems Engineering (ISSE). 2019. P. 1–8. DOI
13. Islam K. et al. Huge and Real-Time Data-base Systems: A Comparative Study and Review for SQL Server 2016, Oracle 12c & MySQL 5.7 for Personal Computer // Journal of Basic & Applied Sciences. 2017. 13. P. 481–490. DOI
14. Zueva A. S., Leonov Yu. A. Forecasting the dynamics of changes in volume of sales of mobile applications category “Business” // International Journal of Advanced Studies in Computer Engineering. 2019. 01. P. 12–15. (in Russian).
15. Wang S., Wu W., Zhou X. App Store Analysis: Using Regression Model for App Downloads Prediction // Social Computing. ICYCSEE 2016. Communications in Computer and Information Science. 2016. 623. P. 206–220. DOI
16. Mundbrod N., Reichert M. Object-Specific Role-Based Access Control // International Journal of Cooperative Information Systems. 2019. 28 (01). P. 1–30. 1950003. DOI
17. McIlroy S., Ali N., Hassan A. E. Fresh apps: an empirical study of frequently-updated mobile apps in the Google play store // Empirical Soft-ware Engineering. 2015. 21 (3). P. 1346–1370. DOI
18. Nayebi M., Adams B., Ruhe G. Release Practices for Mobile Apps – What do Users and Developers Think? // 2016 IEEE 23rd International Conference on Software Analysis, Evolution, and Reengineering (SANER). 2016. P. 552–562. DOI
19. Tao K., Edmunds P. Mobile APPs and Global Markets // Theoretical Economics Letters. 2018. 08 (08). P. 1510–1524. DOI
20. Tang A. K. Y. Mobile App Monetization: App Business Models in the Digital Era // International Journal of Innovation, Management and Technology. 2016. 7. P. 224–227. DOI
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
