Закажи магистерскую ИИ: сравнительный анализ экосистем российских и китайских маркетплейсов

6. Федеральный закон от 26.07.2010 №135-ФЗ «О защите конкуренции» // Система ГАРАНТ [Электронный ресурс]. – Режим доступа: http://www.garant.ru/ (дата обращения: 19.07.2025).

7. Федеральный закон от 29.07.2018 №250-ФЗ «О внесении изменений в Закон РФ „Об основах государственного регулирования торговой деятельности“ в части регулирования деятельности маркетплейсов» // Система ГАРАНТ [Электронный ресурс]. – Режим доступа: http://www.garant.ru/ (дата обращения: 19.07.2025).

8. Федеральный закон от 18.07.2011 №223-ФЗ «О закупках товаров, работ, услуг отдельными видами юридических лиц» // Система «Консультант плюс» [Электронный ресурс]. – Режим доступа: http://www.consultant.ru/ (дата обращения: 19.07.2025).

9. Закон Китайской Народной Республики об электронной коммерции = Electronic Commerce Law of the People’s Republic of China (принят 31.08.2018, вступил в силу 01.01.2019) // Национальный народный конгресс КНР [Электронный ресурс]. – Режим доступа: http://www.npc.gov.cn/ (дата обращения: 19.07.2025).

10. Закон Китайской Народной Республики о кибербезопасности = Cybersecurity Law of the People’s Republic of China (принят 07.11.2016, вступил в силу 01.06.2017) // Национальный народный конгресс КНР [Электронный ресурс]. – Режим доступа: http://www.npc.gov.cn/ (дата обращения: 19.07.2025).

11. Закон Китайской Народной Республики о защите персональной информации = Personal Information Protection Law of the People’s Republic of China (принят 20.08.2021, вступил в силу 01.11.2021) // Национальный народный конгресс КНР [Электронный ресурс]. – Режим доступа: http://www.npc.gov.cn/ (дата обращения: 19.07.2025).

12. Временные меры по регулированию услуг генеративного ИИ = Interim Measures for the Management of Generative AI Services (приняты 15.08.2023) // Управление по делам киберпространства КНР [Электронный ресурс]. – Режим доступа: http://www.cac.gov.cn/ (дата обращения: 19.07.2025).

13. Закон Китайской Народной Республики о безопасности данных = Data Security Law of the People’s Republic of China (принят 10.06.2021, вступил в силу 01.09.2021) // Национальный народный конгресс КНР [Электронный ресурс]. – Режим доступа: http://www.npc.gov.cn/ (дата обращения: 19.07.2025).

14. Закон Китайской Народной Республики о государственной тайне (ред. 2024 г.) = State Secrets Law (amended in 2024) // Министерство юстиции КНР [Электронный ресурс]. – Режим доступа: http://www.moj.gov.cn/ (дата обращения: 19.07.2025).

Литература и публикации

15. Агатеева В. В., Федорцов Г. О. Анализ эффективности деятельности маркетплейсов в России // Экономика России в условиях санкций: сб. ст. по итогам секции XIII Междунар. науч.-практ. конф. «Абалкинские чтения». – Москва, 2024. – С. 5—14.

16. Алексеенко А. П., Сунь Ци. Дело Alibaba Group и антимонопольное регулирование платформ электронной коммерции: опыт КНР // Вестник Университета имени О. Е. Кутафина (МГЮА). – 2022. – №7 (95). – С. 85—93.

17. Варагич В. Д. Сравнительный анализ российских маркетплейсов на основе финансовых коэффициентов // Экономика и управление: проблемы, решения. – 2024. – Т. 6. №1 (142). – С. 98—107.

18. Ведерман Д. А. Драйверы роста и риски развития цифровой экосистемы Alibaba Group // Молодежный научный форум. – Москва, 2023. – С. 33—36.

19. Вэй Ш. Цифровые инновации и платформенные решения Alibaba Group в трансграничной логистике // Повышение конкурентоспособности отечественной науки. – Санкт-Петербург, 2023. – С. 362—365.

20. Гордиенко К. Е. Сравнительный анализ организационной культуры российских и китайских маркетплейсов // Актуальные проблемы авиации и космонавтики: сб. материалов X Междунар. науч.-практ. конф., посвященной 100-летию академика М. Ф. Решетнева и Дню космонавтики. В 3 т. – Красноярск, 2024. – С. 468—470.

21. Гусев Д. О., Батищев А. В. Анализ трендов в управлении торговым бизнесом на маркетплейсах России (Ozon и Wildberries) // Вестник Академии знаний. – 2024. – №3 (62). – С. 746—752.

22. Дамбаева Д. Ц. Реализация корпоративной социальной ответственности на примере китайской компании Alibaba Group // Инновации. Наука. Образование. – 2021. – №34. – С. 2221—2225.

23. Дедяева Ю. А. Особенности и тенденции развития Alibaba Group // Актуальные вопросы экономических наук и современного менеджмента. – Новосибирск, 2023. – С. 23—27.

24. Желтов М. С. Развитие маркетплейсов в России на примере Wildberries и Ozon // Современные направления статистических исследований: материалы II Нац. науч. конф. – Москва, 2024. – С. 136—140.

25. Жукова Е. Е. Сравнительный анализ целевой аудитории маркетплейсов // Роль бизнеса в трансформации общества – 2023. – С. 271—276.

26. Кузовкова Т. А., Шаравов И. М., Хао У. Характер цифровой трансформации бизнеса китайских компаний на примере экосистем Baidu, Alibaba Group и Tencent (BAT) // Мобильный бизнес. – 2023. – С. 75—79.

27. Ладугин Н. А. Стратегия системы мотивации сотрудников через концепцию ССП на примере компании Alibaba Group // Вестник МИРБИС. – 2021. – №3 (27). – С. 165—172.

28. Ли Е. Стратегия развития электронной торговли на примере компании «Alibaba Group» // Современная экономика: актуальные вопросы теории и практики. – Пенза, 2023. – С. 95—97.

29. Лысенко М. О., Тычинин М. Л., Забродский М. Г., Воищева О. С. Китайский fashion-маркетплейс POIZON // Электронный бизнес: проблемы, развитие и перспективы: материалы XXI Всерос. науч.-практ. интернет-конф. – Воронеж, 2024. – С. 171—174.

30. Макринова Е. И., Матузенко Е. В., Глазунова О. А. Тенденции развития и показатели деятельности российских маркетплейсов как основных конкурентов на рынке онлайн-торговли // Вестник Белгородского университета кооперации, экономики и права. – 2024. – №1 (104). – С. 202—213.

31. Малюков А. В. Логистика трансграничной электронной коммерции: вызовы и перспективы для российско-китайской торговли на примере маркетплейсов // Актуальные вопросы современной экономики. – 2024. – №9. – С. 342—349.

32. Маслов К. А. Гражданско-правовой статус маркетплейсов // Образование и право. – 2025. – №3. – С. 331—334.

33. Медведкина Е. А., Соколова И. И., Ефременко И. Н. E-commerce рынок в мировой торговле: драйверы роста, консолидация и региональные модели развития. – Ростов-на-Дону, 2024. – 198 с.

34. Михалин А. С., Шамрина И. В. Маркетплейс как бизнес-модель электронного посредничества // Ключевые позиции и точки развития экономики и промышленности: теория и практика: сб. материалов III Междунар. науч.-практ. конф. – Липецк, 2023. – С. 451—455.

35. Мишин Н. С. Перспективы развития бизнес-процессов в Alibaba Group // Вестник МИРБИС. – 2021. – №3 (27). – С. 177—185.

36. Одинцова К. С. Ключевые тенденции развития китайских торговых площадок электронной коммерции // Современные научные исследования и инновации. – 2025. – №4 (168). – URL: https://sci-innov.ru/ (дата обращения: 19.07.2025).

37. Орлов В. А., Курбанов И. Ш. Преимущества и риски заказов из Китая для российских пользователей: анализ текущей ситуации и перспектив развития // Молодежь и системная модернизация страны: сб. науч. ст. 9-й Междунар. науч. конф. студентов и молодых ученых. В 4 т. – Курск, 2025. – С. 297—301.

38. Плетникова М. И., Светлова А. С. Особенности доставки товаров с китайских маркетплейсов на примере платформы POIZON // Молодежная неделя науки института промышленного менеджмента, экономики и торговли: сб. трудов Всерос. студ. науч.-учеб. конф. В 6 ч. – СПб., 2023. – С. 152—154.

39. Погодин С. Н., Ягья Т. С. Китайская компания Alibaba Group: структура и особенности функционирования // Проблемы национальной стратегии. – 2023. – №6 (81). – С. 128—141.

40. Покровская А. В. Защита прав на товарные знаки на платформах электронной коммерции: опыт Китая // Актуальные проблемы частного права: сб. материалов Всерос. науч.-практ. конф., посвященной 30-летию принятия Конституции РФ. – Казань, 2024. – С. 228—233.

41. Приходько К. С., Куцегреева Л. В., Салий В. В. Цифровая трансформация экономики России под воздействием развития маркетплейсов // Вестник Академии знаний. – 2022. – №50 (3). – С. 260—264.

42. Смолянникова А. К., Карстен М. Д. Особенности продвижения услуг китайских маркетплейсов на российском рынке // Будущее науки – 2025: сб. науч. ст. 12-й Междунар. молодежной науч. конф. В 5 т. – Курск, 2025. – С. 404—409.

43. Солнушкин Г. А., Дорошенко С. Н. Перспективы китайских маркетплейсов на рынке РФ // Российская экономика 2024: новые технологии, старые проблемы, прорывные решения: сб. ст. по результатам науч.-практ. конф. и молодеж. секции МАЭФ-2024 в Санкт-Петербурге. – СПб., 2024. – С. 160—167.

44. Сунь Х., Чжоу Х. Анализ стратегии развития компании Alibaba Group на рынке электронной коммерции // Фундаментальные и прикладные исследования в области управления, экономики и торговли. – Санкт-Петербург, 2022. – С. 82—88.

45. Сюй М. Актуальные проблемы электронной коммерции в международном холдинге Alibaba Group // За нами будущее: взгляд молодых ученых на инновационное развитие общества. – Курск, 2022. – С. 335—339.

46. Тверитинова О. Г., Шайдурова С. С. Защита авторских прав при реализации товаров на маркетплейсах в России и Китае // Вестник науки. – 2025. – Т. 4. №5 (86). – С. 655—667.

47. Толочко Д. А. Исследование инновационных подходов к принципу ориентации на потребителя в контексте сравнительного анализа потребительского опыта китайских и российских маркетплейсов // XIII Конгресс молодых ученых. Экономика и инновации: сб. тез. – СПб., 2024. – С. 239—240.

48. Толочко Д. А. Сравнение современных способов взаимодействия с потребителем российских и китайских маркетплейсов // Научные исследования молодых ученых: современные вызовы и тенденции развития российской науки: сб. материалов XI Междунар. науч.-практ. конф. молодых ученых. – СПб., 2024. – С. 498—502.

49. Цой В. В., Матухин П. Г. Исследование сайта китайской публичной компании «Alibaba Group» // Мир глазами молодых. – Курск, 2022. – С. 142—146.

50. Цуй Я. Анализ новых моделей электронного бизнеса в Китае // Общество: социология, психология, педагогика. – 2022. – №1 (93). – С. 70—74.

51. Шамоян Ф. Р., Борчанинова И. П. Повышение популярности бизнес-экосистем из маркетплейсов в современных реалиях // Languages in Professional Communication. – 2022. – С. 88—93.

52. Широкова В. А., Шаурина О. С. Бизнес-модель e-commerce: секреты успеха Alibaba Group // Современные методы, модели и технологии управления социально-экономическими системами. – Калуга, 2021. – С. 352—362.

53. Ян П. Стрим-блогинг как эффективный механизм продвижения китайских брендов // ЛОМОНОСОВ: сб. ст. Междунар. конкурса молодых ученых. – Пенза, 2023. – С. 66—69.

54. Drokina Ch. V., Chen Yu. Managing the activities of Chinese e-commerce platforms in the context of digital transformation // Гуманитарный научный журнал. – 2025. – №4—1. – С. 20—27.

55. Kalashnikov A. The marketplaces impact on the Russian economy // Экономика, управление и международное взаимодействие: региональные и мировые тенденции: материалы VIII Междунар. студ. науч.-практ. конф. на иностр. языках. – Новосибирск, 2025. – С. 34—37.

56. Li W., Li Ch. Analysis of the internationalization strategy of cross-border e-commerce enterprises: the case of Alibaba Group // iBusiness. – 2022. – Vol. 14. – No. 4. – P. 270—283.

57. Liu Y., Bi Ch. «Internet +” for targeted poverty alleviation by listed companies – a case study of Alibaba Group // Technium Social Sciences Journal. – 2022. – Vol. 37. – P. 235—240.

58. Nikitina A. A., Demidova T. K., Mukhametgareeva N. M., Yusupova Z. A. Geomarketing as an entry tool into international markets for national online marketplaces // Economics: Yesterday, Today and Tomorrow. – 2024. – Т. 14. №9—1. – С. 548—558.

59. Prokopeva A. V. Система инструментария маркетингового продвижения для маркетплейсов // Наука и бизнес: пути развития. – 2024. – №10 (160). – С. 143—147.

60. Shin S. Private enterprise regulation as institutional adjustment in China’s authoritarian system: Alibaba Group and Evergrande Group // Sungshin Women’s University Center for East Asian Studies. – 2025. – Vol. 31. – No. 1. – P. 105—136.

61. Tang Zh., Razumovskaya E. A. Transformation and development of the financial ecosystem of the «Alibaba Group» corporation in the post-demic period // Journal of Applied Research. – 2021. – №2—2. – P. 6—13.

62. Wang Y. ESG performance of Alibaba Group and its impact on financial performance // Highlights in Business, Economics and Management. – 2024. – Vol. 37. – P. 232—240.

63. Yin H. Alibaba Group’s business strategy impact research // Highlights in Business, Economics and Management. – 2024. – Vol. 24. – P. 1552—1556.

64. Zhang Sh. Analysis of business intelligence technology in the big data era: a case study of Alibaba Group // Highlights in Business, Economics and Management. – 2024. – Vol. 74. – No. 1. – P. 92—97.

Систематизация и хранение библиографии. Отобранные источники необходимо организованно хранить и сопровождать краткими пометками. Для этого используются программы управления библиографией (референс-менеджеры) – такие как Zotero, Mendeley, EndNote. В них можно создать отдельную папку или проект под диссертацию, импортировать метаданные статей (название, авторы, журнал, год) и прикрепить тексты (PDF-файлы). Рекомендуется сразу приводить библиографические записи к единому стилю оформления (ГОСТ, APA, MLA или иной, в соответствии с требованиями вуза) – референс-менеджеры позволяют менять стиль автоматически. Систематизация включает также разбиение на подтемы или теги: например, пометить источники по категориям «теория», «методы», «пример исследования», «данные по региону» и т. д. Такая классификация облегчит написание обзора литературы.

Ведение заметок и цитатника. Помимо библиографических данных, важно фиксировать основное содержание каждого источника: ключевые идеи, результаты, методологию, а также цитаты, которые могут быть включены в текст. Некоторые референс-менеджеры (Zotero, Notion) позволяют хранить заметки прямо в карточке источника. ИИ-инструменты могут помочь суммировать длинный текст статьи или даже ответить на уточняющие вопросы по PDF-файлу (при помощи специализированных «читателей» на базе ИИ). Однако полагаться на такие краткие конспекты нужно с осторожностью – лучше перепроверить важные места самостоятельно. В итоге, к моменту написания теоретической главы у автора должен быть подготовлен своего рода «конспект литературы», откуда удобно черпать материалы для аргументации.

Оформление цитирований и списка литературы. По мере написания текста диссертации студенту необходимо вставлять ссылки на использованные источники. Референс-менеджеры интегрируются с текстовыми редакторами (Microsoft Word, LibreOffice) и позволяют автоматически вставлять оформленные ссылки в нужном формате путем выбора источника из списка. Это значительно экономит время и исключает ошибки в нумерации ссылок или порядке элементов списка литературы. По окончании работы программа сгенерирует полный список литературы по всем цитируемым источникам. Важно периодически синхронизировать текст с базой данных менеджера, чтобы все новые источники были учтены.

Сформированный таким образом корпус источников выступает фундаментом научной новизны и надежности диссертации. Управление ссылками с помощью современных инструментов не только облегчает техническую сторону оформления, но и дисциплинирует автора, заставляя его аккуратно следить за тем, какой материал откуда взят. В конечном итоге, грамотная организация библиографии служит гарантией того, что читатель (эксперт, член комиссии) сможет легко проверить базу исследования, а сам текст работы опирается на проверенные и корректно оформленные источники.

1.5. Промпт-инжиниринг для научного текста

Эффективное использование языковых моделей (таких как GPT-4, 5) для работы над диссертацией требует навыка правильной формулировки запросов – так называемого промпт-инжиниринга. Под «промптом» понимается текстовое задание или вопрос, который пользователь адресует ИИ-модели, ожидая получить полезный результат. От того, насколько продуманно составлен промпт, напрямую зависит качество и релевантность генерируемого ответа. В научном контексте особенно важно, чтобы модель понимала специфические требования академического стиля: логичность, объективность, ясность и опора на факты.

Существует несколько принципов, позволяющих улучшить результаты взаимодействия с ИИ при подготовке научного текста, рисунок 3.

Рисунок 3 – Принципы взаимодействия с ИИ

Раскроем содержание принципов, обобщенных на рисунке 3 подробнее.

Контекст и роль – полезно задавать модели контекст, кто она и какую задачу решает. Например, начать запрос с указания роли: «Представь, что ты академический консультант…», «Ты – эксперт в области экономики…». Это настраивает алгоритм генерировать ответ в соответствующем тоне и глубине.

Конкретика задания – формулировать вопросы максимально четко, избегая двусмысленностей. Вместо общего «Напиши обзор литературы» лучше: «Подготовь обзор 5 основных исследований по теме цифровых экосистем, укажи их цели, методы и главные выводы, в научном стиле».

Ограничение объема и формата – если нужен ответ определенной структуры или длины, стоит явно это указать. Например: «Дай определение понятия X одним абзацем (3—4 предложения), без общих фраз», или «Составь таблицу сравнений теорий X и Y с двумя колонками: принцип и отличия».

Итеративность – сложные задания лучше разбить на несколько запросов. Сначала – получить от ИИ черновые идеи или список пунктов, затем уточнять детали по каждому пункту. Модель не всегда выдаст идеальный ответ с первого раза, поэтому нормальной практикой является диалог: уточняющие вопросы, просьбы перефразировать, углубить или сократить ответ.

Примеры и стиль – чтобы ИИ лучше уловил требуемый стиль, можно привести образец или явно запросить определенный тон. В академическом письме стоит попросить формулировать мысли формально, например: «Ответь сухим научным языком, избегая местоимений от первого лица». Если у модели есть тенденция упростить язык, можно указать: «Используй терминологию по теме, не упрощай понятия».

Ниже представлены типичные задачи, решаемые с помощью языковых моделей при написании работы, и примеры удачных промптов для их выполнения (таблица 2).

Таблица 2 – Примеры промпт-инструкций для ИИ в процессе подготовки диссертации

Приведенные промпты демонстрируют, как конкретизация задачи и указание желаемого формата помогают модели дать более полезный ответ. Стоит избегать слишком общих запросов – от них ИИ склонен генерировать расплывчатые или тривиальные тексты. Также важно проверять полученный результат: соответствуют ли сгенерированные идеи исходному вопросу, нет ли искажений фактов. При использовании мультимодальных возможностей (например, загрузка текста статьи для суммаризации) необходимо следить за объемом: модели обычно имеют ограничения на длину вводимого контента.

Следует подчеркнуть, что промпт-инжиниринг – это итеративный творческий процесс. Студент может экспериментировать с разными формулировками запросов, постепенно обучаясь получать от ИИ ответы, наиболее близкие к потребностям. Опыт показывает, что продуманный промпт не только экономит время, но и улучшает качество черновых материалов, которые затем дорабатываются автором вручную.

1.6. Методология обзора литературы с ИИ

Обзор литературы является ключевым разделом любой диссертации, демонстрирующим понимание автором существующих исследований по теме. Его задача – обобщить и критически осмыслить научные источники, выявив основные достижения, дискуссионные вопросы и пробелы, которые предстоит заполнить в собственной работе. Включение ИИ-инструментов в методологию подготовки обзора литературы позволяет ускорить обработку большого объема текстов и повысить системность анализа, однако требует осторожности для сохранения научной добросовестности.

Процесс подготовки литературного обзора с поддержкой ИИ можно организовать по следующим шагам, рисунок 4.

Рисунок 4 – Последовательность процесса подготовки обзора литературы

Рассмотрим данную последовательность подробнее.

– Группировка и структурирование источников. На основе собранного корпуса литературы (см. п. 1.4) студент определяет, как логически организовать обзор. Возможны различные принципы: хронологический (от ранних исследований к современным), тематический (по подтемам или аспектам проблемы), методологический (с группировкой работ по использованным методам) и т. д. ИИ-средства могут помочь выявить скрытые связи между источниками – например, с помощью кластеризации по ключевым словам или автоматического составления «карты литературы». Существуют специализированные приложения (Research Rabbit, Connected Papers), которые наглядно показывают сети цитирования и близость тематики разных статей. Используя эти данные, автор выбирает структуру обзора: выделяет основные разделы и определяет, какие источники в каждом разделе будут проанализированы.

– Анализ содержания и аннотирование. Для каждого кластера источников (группы по теме или другому признаку) необходимо детально разобраться в их содержании. Тут на помощь приходит ИИ в части ускорения чтения: например, можно воспользоваться моделью, чтобы сгенерировать краткое содержание статьи или извлечь из текста основные выводы. Если у автора есть набор PDF-файлов, некоторые сервисы ИИ позволяют задавать им вопросы («Какие методы использованы в работе X?», «Какую проблему решает автор в Y?») и получать краткие ответы, экономя время на просмотр. Однако такие ответы не всегда точны на 100%, поэтому после машинного анализа целесообразно просмотреть ключевые фрагменты источника самостоятельно, особенно если он критически важен для темы. Параллельно составляются аннотации: короткие конспекты каждой работы с указанием целей, методов и результатов. ИИ может служить черновым составителем таких аннотаций, но итоговый текст аннотации должен быть проверен и откорректирован студентом, чтобы избежать искажения смысла первоисточника.

– Синтез и написание текста обзора. Обладая сгруппированными источниками и их аннотациями, автор переходит к написанию собственно обзора литературы. На этом этапе важно не просто пересказать содержание источников, но и выстроить между ними связный научный диалог. Применение ИИ может заключаться в генерации черновых фрагментов обзора. Например, можно попросить модель: «Суммируй, что говорят различные авторы о [подтеме], указав точки согласия и разногласия». Модель сгенерирует обобщающий текст, опираясь на заложенные в ней знания, однако недостаток такого подхода – риск включения информации, не относящейся к конкретно изученным источникам (галлюцинации). Поэтому более надежный прием – использовать ИИ для комбинирования уже известных пунктов: например, предоставить модели собственные аннотации двух статей и поручить сравнить их. В любом случае, черновик раздела, полученный с помощью ИИ, должен быть внимательно проверен: все ли упомянутые факты действительно присутствуют в цитируемых работах, правильно ли интерпретированы выводы авторов. Студенту следует переписать критические части обзора своими словами, добавить прямые ссылки на источники и собственные аналитические комментарии (например, указать, почему определенный подход представляется перспективным или ограниченным).

– Критический анализ и выявление пробелов. Одним из важных результатов обзора литературы является обоснование ниши для собственного исследования. После написания основных разделов обзора, автору полезно оценить, какие аспекты темы остаются недостаточно изученными. Здесь ИИ-инструмент может сыграть роль «оппонента»: например, проанализировать текст обзора и сформулировать, на какие вопросы не нашли ответа рассмотренные исследования. Студент мог бы задать модели вопрос: «Исходя из приведенного обзора, какие научные пробелы или нерешенные проблемы можно выделить?». Полученные идеи нужно критически оценить и соотнести с действительным содержанием работ. На основе этого шага в заключительной части обзора литературы формулируются выводы: чем именно будет заполнен выявленный пробел, какие новые аспекты внесет диссертация.