Введение

          Как среда для коммерческих сделок, средство распространения для электронной коммерции и электронного бизнеса, Интернет привлек огромное внимание (Negroponte 1995). В этих коммерческих сделках технологии на основе Интернета также часто собирают большое количество качественных данных. Потенциал Интернета как богатого качественного источника данных для изучения параметров настройки электронной коммерции — другими словами коммерческое киберпространство как "область", в этнографическом смысле — не получил адекватного внимания (Kozinets 2002). Эта статья исследует природу качественных данных при исследовании электронной коммерции и возможные способы получения таких данных, используя качественные методы.
          Статья состоит из трех главных частей. Во-первых, устанавливается топология связанных с электронной коммерцией источников данных онлайн, которые представляют потенциальные области для качественного исследования. Измерения предложенной топологии включают технологические формы, социологические функции, цели и спонсоров вебсайтов. Во-вторых, эта статья идентифицирует семь особенностей источников данных онлайн в отличие от условных источников данных. С помощью этого процесса противопоставления выявляется много важных свойств киберпространства как "области" — установленного компьютером пространства, где электронная коммерция происходит фактически — которые были запланированы. В конце обсуждаются определенные методы исследования, которые могут применяться к каждому типу данных в свете общих и специфических свойств различных типов киберданных. В заключение обсуждается методологическое значение характеристик данных-против-технологии, чтобы рассмотреть практические и теоретические особенности проведения качественного исследования электронной коммерции.

1. Типология качественных источников данных по электронной коммерции

          Интернет — намного больше, чем среда коммуникации — это также развивающаяся связь баз данных с перекрестными ссылками (Poster 1990, 1995). В коммерческой части Интернета базы данных считаются главными в стратегических интересах деловых фирм (Zwick и Dholakia 2004a, 2004b). Качественные данные накапливаются в коммерческом киберпространстве множеством способов:
          1. Системы информационного табло (электронная доска объявлений): доска объявлений — средство, которое показывает все сообщения, которые были размещены на ней и соответствующие ответы на сообщения. Зарегистрированные доски объявлений обычно остаются на месте в течение некоторого времени, и часто доступными являются также заархивированные версии. Например, в феврале 2004 электронная доска объявлений "Home Audio" насчитывала почти 27 000 регистраций, касающихся звуковых товаров, типа усилителей, кассет, компакт-дисков, MP3, MD, DAC, DAT, приемников, спикеров и тюнеров.
          2. Конференции: функция конференций состоит в распределении всех сообщений, размещенных в их специальной тематической области, между всеми пользователями, которые сделали запрос об их получении. Конференции поделены на категории и организованы на основе разнообразия интересов. Конференции следуют за глобальной структурой обозначения USENET, основанной на предметных областях, поступлении сообщений и факте перемещения сообщений от сервера к серверу. Пользователям нужна некоторая техническая компетентность для конфигурирования доступа к конференциям. Например, конференция Сomp.sys.mac обсуждает смешанные проблемы, касающиеся компьютеров Apple Macintosh.
          3. Комнаты для дискуссий: когда два или больше пользователей вошли в Интернет в то же самое время, и они желают общаться в реальном времени, они могут встретиться на Интернет-сайте, названном чат. Каждый может напечатать сообщение, которое будет передано немедленно в чат, где оно может быть прочитано любым присутствующим.
          4. Файлы системного журнала сервера: сервер вебсайта автоматически создаст файл системного журнала для каждого посетителя. Файл системного журнала записывает IP-адрес (идентификационный номер для каждого компьютера, начавшего работу в Интернете) посетителя, как долго посетитель рассматривал каждую вебстраницу, откуда посетителя перешел на этот вебсайт и т. д. Например, инструмент аналитики сети NetTracker может помочь компаниям ответить на вопрос: "Какие пути используются посетителями для достижения моего вебсайта электронной коммерции?"
          5. Вебсайты: они включают коммерческие вебсайты или вебсайты, спонсируемые индивидуальными или некоммерческими организациями. Некоторые из коммерческих вебсайтов, такие как Amazon.com, стали богатыми хранилищами комментариев клиентов и обзоров товаров, предлагаемых на тех сайтах. Другие сайты, типа Epinions.com, разработаны явно для рассмотрения и комментирования товаров и услуг. В том числе другие сайты могут иметь явную цель нападения или высмеивания торговой марки.
          6. Блоги: блог сокращенное сленговое выражение от "веблог", и сейчас это слово является родственным дневнику онлайн, где один или более людей записывают их наблюдения по темам интереса. Многие блоги сосредотачиваются на товарах, услугах и технологиях, которые входят в товары. Например, в "My iPod Blog" можно найти различные сообщения, советы экспертов и размышления о ценах, проблемах и использовании музыкальных устройств Apple’s iPod.

2. Характеристика источников данных электронной коммерции

          Данные, созданные в коммерческом киберпространстве, обычно имеют характеристики, которые отличаются от других типов первичных или вторичных данных (Mann & stewart 2000). Различные характеристики полученных в Интернете качественных данных электронной коммерции, в свою очередь, влияют на методологии, которые могут использоваться с такими данными.
          Сетевая этнография — термин, придуманный Kozinets(2002) для представления этнографии онлайн, базируется, прежде всего, на наблюдении текстовой беседы, которая происходит в Интернете. Сетевая этнография, таким образом, отличается от личностной этнографии тем, что в сетевой этнографии нет никакого балансирования беседы и наблюдаемого поведения, которое происходит в течение личностной этнографии (Kozinets 2002). По сравнению с источниками данных традиционной этнографии, источники CMC на основе текста испытывают недостаток в слуховых и визуальных компонентах. В этой области слуховые компоненты могут включать паузы и отражение, эмоции, ощутимые в голосе, громкость и подачу речи, особенности спикера, возраст, пол, национальное происхождение, этническую группу и акценты класса. Визуальные компоненты включают особенности наблюдаемого человека, такие как способ появления перед публикой, высота и вес, одежда, пол, возраст, раса, этническая группа, выражение лица, зрительный контакт, язык тела и жестов и эмоциональные ответы. Наличие этой нехватки звуковых и визуальных компонентов в сетевой этнографии приводит к тому, что важная информация будет потеряна. Для исследователя в этом случае трудно проверить в реальных значениях и намерениях "осведомителей онлайн". Нехватка звуковых и визуальных компонентов среди осведомителей также имеет некоторые преимущества: окружающая среда онлайн может привести к более демократическим и открытым коммуникациям, а интерпретации исследователя будут более основаны на содержании, чем на стилистических и унаследованных элементах.
          Накопленные онлайн данные могут быть загружены легко и экономно. Такие данные могут быть сохранены и проанализированы в любое время, где угодно, любым, кто имеет доступ в Интернет к файлам данных. Учитывая огромное количество информации онлайн, исследователи могут оказаться перед серьезной информационной перегрузкой.
          Как в общественных науках, так и в других областях известно, что изучаемые явления изменяются под воздействием самого акта их наблюдения. Даже в случае использования мягких, качественных методов, таких как участвующий наблюдения, проблемы возникают из-за присутствия исследователя в области (Paccagnella 1997). В некоторых случаях ненавязчивое наблюдение может быть проведено без информиррования изучаемых людей. По наблюдениям Kozinets (2002) в отличие от традиционной этнографии исследователь онлайн может использовать строгую сетевую этнографию только для наблюдения и загрузки без написания примечаний об исследуемой области. Не участвующее в исследовании наблюдение естественно произошедшей коммуникации могло существенно уменьшить опасности искажения данных и поведения присутствием исследователя.
          Анонимный характер данных онлайн предоставляет исследователям беспрецедентный шанс наблюдать огромные количества обширных социальных коммуникаций, связей и культур. Анонимность предлагает несколько преимуществ. Первое, анонимность помогает создавать большое количество данных онлайн, которые по сравнению с данными, собранными в традиционных исследованиях предметных областей, более вероятно отразят реальные мысли об осведомителях. Анонимная окружающая среда коммуникации онлайн позволяет осведомителям быть более открытым, чтобы обсудить их собственные реальные мысли. Они имеют возможность пренебречь социальными классами, традициями, обязательствами и запретами, и сказать то, что они хотят. Известные лабораторные эксперименты, сравнивающие коммуникацию лицом к лицу с электронной почтой показали, что компьютерные сети имеют эффект уравнивания статуса (Dubrovsky, Kiesler & Sethna 1991), и участники более склонны вести демократическую беседу.
          Второе, анонимность позволяет исследователю скрываться в окружающей среде коммуникации онлайн, проводя действительно ненавязчивое участвующее наблюдение. Близкое присутствие исследователя может наложить некоторые принудительные требования на предметы исследования, и это серьезный недостаток традиционных методов исследования (Loewenstein 2001). Ненавязчивая природа качественного исследования на основе Интернета позволяет удалить такие "устаревшие требования" и уменьшить давление на предметы исследования. Анонимность однако увеличивает проблему идентичности осведомителя (Zwick & Dholakia 2004a). Можно задать два вопроса: как можно убедиться, что люди именно те, кем они назвали себя? Во-вторых, имеет ли это значение?
          Обычно нет никаких материальных стимулов, предлагаемых осведомителям, которые обеспечивают данные в параметрах настройки онлайн. В автономном исследовании маленькие денежно-кредитные стимулы, простой бутерброд или выгодный кредит в курсе могут серьезно исказить данные, потому что осведомители могут участвовать только для стимула или они могут чувствовать немного ответственности, или ощущение взаимной выгоды, чтобы обеспечить любую информацию, которую исследователи хотели бы иметь. Bradford (1999) сообщил, что некоторые принятые на работу участники публичной дискуссии были "профессиональными" создателями обзоров и были готовы поставлять любую информацию, которая как они думали, сделает их более привлекательными для исследований. Личные вебсайты и информационные бюллетени даже продвинули такие группы и обзоры как способы заработать легкие деньги. Для самых качественных данных, которые автоматически используются при исследовании электронной коммерции, такие стимулы не входят в игру. Могут однако быть некоторые реальные или воспринятые награды для тех участников, которые начинают появляться как "эксперты" в коммерческой области, которая представляет интерес для большого количества людей.
          Один из драматических культурных элементов, которые мы можем с готовностью наблюдать в системах досок объявлений онлайн (ВВS) или в конференциях состоит в том, что очень много людей спонтанно и добровольно вносят свой вклад в коллективные усилия этих виртуальных сообществ. Единственный незапрашиваемый источник данных, который является параллельным этому представляет собой частный дневник человека. Некоторые уместные вопросы в этом отношении: Почему люди обеспечивают так много незапрашиваемой информации онлайн? Какой смысл видят члены сообщества в том, что они делают в виртуальных сообществах? Каково методологическое значение таких незапрашиваемых данных, архивах данных, которых никогда не существовало прежде или которые были чрезвычайно трудно доступны в физическом мире? Вообще, спонтанно предложенные комментарии в параметрах настройки электронной коммерции, кажутся подлинными, а не изобретенными выражением отношений, мнений и верований.
          По сравнению с экспериментальным дизайном, обзором или оперативным интервью большая часть сетевой этнографии основывается на данных, произведенных через асинхронную коммуникацию. Очевидная выгода в том, что такие данные обычно не исчезают и не теряются. Скорее данные сохраняются в киберпространстве и ожидают загрузки исследователями во время, удобное для исследователей. Другая выгода в том, что исследователи могут провести горизонтальное исследование, чтобы обнаружить и понять динамику и эволюционные образцы определенной культуры и социального климата специфической части киберпространства. Hemetsberger (2003) утверждал, что для полного понимания развития любой культуры сообщества онлайн, важно смотреть на исторический контекст развития этой группы.
          Традиционное антропологическое понятие "области" обычно влечет за собой определенный географический контекст, часто в далеких экзотических местах действия, где работник области — временный житель. В параметрах настройки онлайн, они были заменены намного более сложными и критическими понятиями области и работника области (Hemetsberger 2003). С источниками данных онлайн впервые стало возможным проведение "полевых исследований" между регионами, культурами. Например, Stewart, Eckermann и Zhou (1998) проводили опросы онлайн среди групп, одна из которых состояла из 16 девочек-подростков, живущих в Австралии и Китае. Чтобы изучить онлайн обсуждения знаний этих девочек, связанных с вредом курения для здоровья, исследователи использовали комнаты для дискуссий на английском и китайском языке.

3. Соответствие качественных методов данным электронной коммерции

          Область качественного исследования онлайн электронной коммерции очень нова и имеет быстро растущую траекторию развития. Поэтому было бы самонадеянно предложить всесторонний сетевой график для качественных методов исследования, подходящих для всех типов данных исследования электронной коммерции. Однако уже начато создание части такого сетевого графика.
          Не все типы данных онлайн разделяют все характеристики данных онлайн одинаково. Большая часть контроля, который центральное руководство осуществляет на структуре накопления данных, тем меньше, чем слабее метод накопления данных коррелирует с видовыми характеристиками качественных данных онлайн. Таким образом, например, файлы системного журнала предлагают главным образом количественные данные в высоко структурированных форматах, только с некоторыми качественными отрывками, типа "термины для поиска, используемые пользователем", чтобы перейти на вебсайт, который проверяется файлом системного журнала аналитического программного обеспечения.
          Очевидно, что "этнография онлайн" (Wittel 2000) или "сетевая этнография" (Kozinets 2002) является наименее навязчивым методом исследования и проведения опросов онлайн — намного менее навязчивый чем его автономный предшественник. Степень навязчивости для других двух методов — онлайн интервью и группы опрашиваемых онлайн — является меньше, чем их автономные аналоги, но пробел при измерении "навязчивости" не является столь же огромным, как пробел этнографии онлайн.
          Авторы статьи полагают, что коммерчески ориентированное качественное исследование электронной коммерции в большей мере будет относиться к сетевой этнографии, когда цели исследования действительно качественны: интерпретировать поведение и понять пользователей электронной коммерции. Онлайн интервью и группы опрашиваемых (Heckman 2000) будут предпочтительны в ситуациях, где коммерческие цели являются специфическими, и для исследовании необходимы точные и аналитические ответы на вопросы.

Резюме и заключение

          Электронная коммерция прошла мучительный период структурного конкурентоспособного регулирования в конце 1990-ых. Современная электронная коммерция укреплена и закалена испытанием огнем, которое было представлено "крахом dotcom". Поэтому практики и исследователи электронной коммерции имеют опыт в терминах и требованиях к исследованию рынка. Многие все чаще проводят маркетинговые и стратегические исследования, используя Интернет как эффективный новый инструмент для того, чтобы провести известные формы качественного исследования. Эта статья посвящена исследованию потенциала Интернета как богатого источника данных и привлекательной области для качественного исследования в параметрах настройки электронной коммерции. В то время как киберпространство все еще развивается как "область" в этнографическом смысле, значение Интернет-ресурсов для качественных подходов исследования в области электронной коммерции приобретает все больший вес. В частности, столкновение с требованиями глубокой интерпретации поведения потребителя, понимания рынка и конкурентоспособной динамики, коммерчески ориентируемой на качественное исследование в параметрах настройки электронной коммерции, повернется в конечном итоге к сетевой этнографии.
          Другие качественные методы онлайн, такие как интервью онлайн и группы опрашиваемых, были бы популярными в ситуациях, где коммерческие цели и цели исследования являются аналитически более узкими и менее интерпретируемыми.

---