АЛГОРИТМІЧНИЙ ПІДХІД ДО ОЦІНКИ DISRUPTIVE-IT ТЕХНОЛОГІЙ У FASHION E-COMMERCE

DOI: 10.31673/2786-8362.2025.028687

Анотація

У статті представлено
алгоритмічний підхід до оцінки впливу проривних інформаційних технологій (disruptive-IT) у сфері
Fashion E-commerce, які спрямовані на створення інструментарію для об’єктивного визначення
їхньої пріоритетності впровадження. Запропоновано модель, що поєднує методи контент-аналізу,
обробки відкритих даних (OSINT) та елементи аналітичного моделювання для кількісного й
якісного оцінювання ефектів цифрових технологій на бізнес-процеси електронної комерції.
Алгоритмічний підхід базується на побудові формалізованої послідовності етапів: від збору
релевантної інформації з легальних відкритих джерел до класифікації та ранжування disruptiveтехнологій за критеріями впливу - економічного, технічного, UX- та соціального. Розроблено
концептуальну модель оцінювання, що враховує статистичні показники репрезентативності
вибірки, параметри довірчих інтервалів і вагові коефіцієнти релевантності, які реалізуються у
вигляді алгоритмічних процедур аналізу даних. Використання Python-орієнтованих інструментів
для текстової обробки, NLP і векторизації дозволяє автоматизувати процес оцінки впливу
технологій і зменшити суб’єктивність експертних висновків. Практична цінність дослідження
полягає у формуванні аналітичного ядра для систем підтримки прийняття рішень (Decision Support
Systems), орієнтованих на стратегічне планування цифрової трансформації у Fashion E-commerce.
Отримані результати можуть бути інтегровані у процеси data-driven аналітики, побудову ІТ-моделей
прогнозування інноваційних трендів і розробку інформаційних систем для оцінювання
технологічних ризиків. Отже, алгоритмічний підхід до оцінки disruptive-IT технологій демонструє
застосування методів комп’ютерних наук - алгоритмізації, обробки даних, системного аналізу та
інтелектуальної аналітики - у вирішенні задач цифрової трансформації електронної комерції.
Ключові слова: OSINT, алгоритмічне моделювання, системи підтримки рішень, цифрова
трансформація, Fashion E-commerce, disruptive information technologies, комп’ютерне моделювання

Список використаної літератури
1. The State of Fashion: Beauty Volume 2 (2025) URL:
https://www.businessoffashion.com/reports/state-of-fashion-beauty-industry-report/.
2. The billion-pound question in fashion E-commerce: Investigating the anatomy of returns / J.
Marriott et al. Transportation Research Part E: Logistics and Transportation Review. 2025. Vol. 194.
P. 103904. URL: https://doi.org/10.1016/j.tre.2024.103904.
3. Sequential LLM Framework for Fashion Recommendation / H. Liu et al. Proceedings of the
2024 Conference on Empirical Methods in Natural Language Processing: Industry Track, Miami,
Florida, US. Stroudsburg, PA, USA, 2024. P. 1276–1285. URL:
https://doi.org/10.18653/v1/2024.emnlp-industry.95
4. Research on Clothing Recommendation Technology Integrating Multimodal Data / R. Lin et
al. AISNS 2024: 2024 2nd International Conference on Artificial Intelligence, Systems and Network
Security, Mianyang China. New York, NY, USA, 2024. P. 130–137. URL:
https://doi.org/10.1145/3714334.3714357
5. Blockchain-Driven Innovation in Fashion Supply Chain Contractual Party Evaluations As An
Emerging Collaboration Model / M. Qiao et al. Blockchain: Research and Applications. 2025. P.
100266. URL: https://doi.org/10.1016/j.bcra.2024.100266.
6. Tushar Tiwari et al. (2025) Disruptive Innovation in E-commerce: Evolution, Impact, and
Future Trends, International Journal of Innovative Research in Science Engineering and Technology
12(01). ResearchGate. URL:
https://www.researchgate.net/publication/388610470_Disruptive_Innovation_in_Ecommerce_Evolution_Impact_and_Future_Trends.
7. Anandha Kumar J. Disruptive technologies in fashion industry. International Journal of
Engineering Applied Sciences and Technology. 2020. Vol. 04, no. 11. P. 163–166. URL:
https://doi.org/10.33564/ijeast.2020.v04i11.029.
8. Aaron Chi (2019) The Future of Fashion: How AI is Changing the Fashion Retail Industry.
URL: https://www.theinterline.com/2019/06/14/the-future-of-fashion-how-ai-is-changing-thefashion-retail-industry.
9. Chih-Wen Wu (2023) The Impact of Virtual Reality and Augmented Reality Service
Technologies on Consumer Purchase Intention for Fashion Brands July 2023. URL:
https://www.theinterline.com/2019/06/14/the-future-of-fashion-how-ai-is-changing-the-fashionretail-industry.
10. Statista. (2024). Fashion e-commerce worldwide - statistics & facts. URL:
https://www.statista.com/topics/9288/fashion-e-commerce-worldwide/(date of access: 02.09.2025).
11. How Amazon Uses Robots to Sort and Transport Packages in Warehouses. (2025). URL:
https://www.businessinsider.com/how-amazon-uses-robots-sort-transport-packages-warehouses2025-2.
12. McKinsey & Company. (2022). Jumpstarting value creation with data and analytics in fashion
and luxury. URL: https://www.mckinsey.com/industries/retail/our-insights/jumpstarting-valuecreation-with-data-and-analytics-in-fashion-and-luxury.
13. Badhwar A.,. et al. (2023). Exploring the potential of blockchain technology within the
fashion and textile supply chain with a focus on traceability, transparency, and product authenticity:
A systematic review" Journal: Frontiers in Blockchain. 2023. URL:
https://doi.org/10.3389/fbloc.2023.1044723.
14. OSINT Framework. URL: https://osintframework.com/.
15. Open Source Intelligence Techniques: Resources For Searching And Analyzing Online
Information [8 ed.] (2021). URL: https://dokumen.pub/open-source-intelligence-techniquesresources-for-searching-and-analyzing-online-information-8nbsped-9798578577086.html.
16. Chengshuai Zhao, et al. (2025) SCALE: Towards Collaborative Content Analysis in Social
Science with Large Language Model Agents and Human Intervention. URL:
https://arxiv.org/abs/2502.10937.
17. Klaus Krippendorff (2025) Content Analysis: An Introduction to Its Methodology (4th
Edition), SAGE Publications. URL: https://methods.sagepub.com/book/mono/content-analysis-4e/.
18. Alberto Arletti, et al. (2025) Making Online Polls More Accurate: Statistical Methods
Explained. URL: https://arxiv.org/abs/2503.15395.
19. Daniel Mider (2024) Open source intelligence on the internet - categorisation and evaluation
of search tools. URL: https://bibliotekanauki.pl/articles/55995908.
20. Deborah J. Rumsey (2021) Rumsey Statistics For Dummies: How to Calculate the Margin of
Error for a Sample Proportion. URL: https://www.dummies.com/article/academics-thearts/math/statistics/how-to-calculate-the-margin-of-error-for-a-sample-proportion-169849/ .
21. Dongmei Zhou, et al. (2024) Cross-Domain Keyword Extraction with Keyness Patterns. URL:
https://arxiv.org/abs/2409.18724.
22. Thomas Oakley Browne (2024) A systematic review on research utilising artificial
intelligence for open source intelligence (OSINT) applications. International Journal of Information
Security Published: 05 June 2024, Volume 23, pages 2911–2938. URL:
https://link.springer.com/article/10.1007/s10207-024-00868-2.
23. INTERNATIONAL STANDARD ISO 31000. URL: https://www.ler.uam.mx/CalidadUAML/wp-content/uploads/2025/02/ISO-31000-2018.pdf.
24. MIL-STD-963. URL: https://quicksearch.dla.mil/qsDocDetails.aspx?ident _number=202450.
25. Kazuki Hayashi et al., (2025) IterKey: Iterative Keyword Generation with LLMs for
Enhanced Retrieval Augmented Generation. URL: https://arxiv.org/abs/2505.08450.
26. Maltego (2025). URL: https://www.g2.com/products/maltego/pricing.