Інформаційна система для підбору цільової аудиторії інтернет магазинів

Харченко, Ігор  Вікторович
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: https://er.chdtu.edu.ua/handle/ChSTU/9691
Повний запис метаданих
Поле DC	Значення	Мова
dc.contributor.advisor	Підгорний, Микола Володимирович	-
dc.contributor.author	Харченко, Ігор Вікторович	-
dc.date.accessioned	2026-06-22T13:58:17Z	-
dc.date.available	2026-06-22T13:58:17Z	-
dc.date.issued	2026-06-11	-
dc.identifier.uri	https://er.chdtu.edu.ua/handle/ChSTU/9691	-
dc.description.abstract	Актуальність теми полягає у необхідності створення сучасних інформаційних систем для автоматизації процесу підбору цільової аудиторії інтернет-магазинів. У сучасних умовах розвитку електронної комерції ефективне визначення потенційних клієнтів є важливим фактором підвищення прибутковості бізнесу та оптимізації маркетингових кампаній. Використання інформаційних технологій для аналізу поведінки користувачів дозволяє підвищити точність сегментації аудиторії, покращити персоналізацію пропозицій та забезпечити ефективне управління рекламними ресурсами. Метою роботи є розробка інформаційної системи для підбору цільової аудиторії інтернет-магазинів із використанням сучасних web-технологій та методів аналізу поведінки користувачів.	uk_UA
dc.language.iso	uk	uk_UA
dc.subject	ІНФОРМАЦІЙНА СИСТЕМА	uk_UA
dc.subject	ІНТЕРНЕТ-МАГАЗИН	uk_UA
dc.subject	ЦІЛЬОВА АУДИТОРІЯ	uk_UA
dc.subject	WEB-ТЕХНОЛОГІЇ	uk_UA
dc.subject	АНАЛІЗ ДАНИХ	uk_UA
dc.subject	ЕЛЕКТРОННА КОМЕРЦІЯ	uk_UA
dc.subject	СЕГМЕНТАЦІЯ КОРИСТУВАЧІВ	uk_UA
dc.subject	REST API.	uk_UA
dc.title	Інформаційна система для підбору цільової аудиторії інтернет магазинів	uk_UA
dc.type	Bachelor Thesis	uk_UA
Розташовується у зібраннях:	122 Комп’ютерні науки (Комп’ютерні науки та прикладне програмування)
Файли цього матеріалу:
Файл	Опис	Розмір	Формат
Пояснювальна записка_Харченко Ігор_КН-2201_2025-2026.pdf Restricted Access		5.16 MB	Adobe PDF	Переглянути/Відкрити Запит копії
Показати базовий опис матеріалу Перегляд статистики
Усі матеріали в архіві електронних ресурсів захищено авторським правом, усі права збережено.
Extracted text
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ 
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ 
 
Факультет інформаційних технологій і систем 
 
Кафедра комп’ютерних наук та системного аналізу 
 
 
 
 
 
Пояснювальна записка 
до кваліфікаційної роботи 
                                         бакалавра       
 (освітньо-кваліфікаційний рівень) 
 
на тему: «Інформаційна система для підбору цільової аудиторії інтернет 
магазинів» 
 
 
 
Виконав: студент 4 курсу, групи КН-2201 
  
спеціальності 122  «Комп’ютерні науки» 
                                                             (шифр і назва спеціальності) 
 
Освітня програма «Комп’ютерні науки та  
                                                                (назва освітньої програми) 
прикладне програмування» 
 
 Ігор ХАРЧЕНКО    
 
Керівник                        Микола ПІДГОРНИЙ  
                                                                  (прізвище та ініціали) 
 
Рецензент                      Валентин МЕЛЬНИК 
К    
                                                                     (прізвище та ініціали) 
 
 
 
 
 
 
Черкаси 2026 року 
Бланк завдання на кваліфікаційну роботу бакалавра студенту 
 
Черкаський державний технологічний університет 
Факультет Інформаційних технологій і систем 
Кафедра Комп’ютерних наук та системного аналізу 
Освітньо-кваліфікаційний рівень Бакалавр 
Спеціальність 122 – комп’ютерні науки  
Освітня програма Комп’ютерні науки та прикладне програмування 
 
 
ЗАТВЕРДЖУЮ 
Завідувач кафедри КНСА  
_______________ Юрій ТРИУС 
«____» _____________ 2026 р. 
 
 
ЗАВДАННЯ 
на кваліфікаційну роботу бакалавра студенту 
Харченку Ігорю Вікторовичу 
(прізвище, ім‘я, по батькові) 
1. Тема роботи Інформаційна система для підбору цільової аудиторії інтернет магазинів 
                                      
Керівник роботи  Підгорний Микола Володимирович к.т.н., професор 
(прізвище, ім’я, по батькові, науковий ступінь, вчене звання) 
затверджені наказом університету від « 12 » березня 2026 р. № 56/03-03. 
2. Строк подання студентом роботи  «08» червня 2026 року  
 
3. Вихідні дані до роботи:  
Звіт з переддипломної практики.  
Сайти аналоги підбору аудиторії інтернет-магазинів 
Практичні навики роботи з web-сайтами. Робота з базами даних. 
4. Зміст пояснювальної записки (перелік питань, що їх належить розробити): 
Вступ 
4.1. Аналіз предметної області та сучасних технологій електронної комерції 
4.2. Проєктування інформаційної системи для підбору цільової аудиторії 
4.3. Програмна реалізація інформаційної системи 
4.4. Тестування та аналіз результатів роботи системи 
Висновки.  
 5. Перелік додатків (з точним зазначенням назв додатків): 
 5.1. Додаток А. Специфікація 482.ЧДТУ. 62502-01. 
5 . 2. Додаток Б . Лістинг ко ду програми. 
5.3. Додаток В. Інструкція користувача. 
5.4. Презентація у вигляді 23 слайди. 
 
 
 
6. Консультанти розділів роботи 
Прізвище, ініціали та Підпис, дата 
Розділ посада 
консультанта завдання видав завдання прийняв 
    
    
 
7. Дата видачі завдання 12.01.2026 р. 
  
 
КАЛЕНДАРНИЙ ПЛАН 
№ з/п Назва етапів кваліфікаційної роботи бакалавра Строк виконання 
етапів роботи Примітка 
1 Видача завдання на кваліфікаційну роботу 
бакалавра. до 15.01.2026 Виконано 
2 Аналіз літературних джерел, об’єкту та Виконано 
предмету дослідження. до 12.02.2026 
3 Написання теоретичного розділу кваліфікаційної Виконано 
роботи бакалавра. до 18.03.2026 
4 Написання аналітичного розділу (аналіз об’єкту до 01.04.2026 Виконано 
й предмету дослідження). 
5 Написання практичних розділів й висновків по 
роботі. до 01.05.2026 Виконано 
6 Передзахист кваліфікаційної роботи бакалавра Виконано 
до 03.06.2026 
на засіданні кафедри КНСА. 
7 Подання роботи завідувачу кафедри КНСА. до 10.06. 2026 Виконано 
8 Захист кваліфікаційної роботи бакалавра. 10.06.2026 Виконано 
    
    
    
    
 
 
Студент                                     _________________  _____       / Ігор ХАРЧЕНКО   /  
                                                                                                        (підпис)                                                                    ПІБ 
 
Керівник роботи                     ________________________     / Микола ПІДГОРНИЙ / 
                                           (підпис)                                                                   ПІБ 
 
 
РЕФЕРАТ 
Кваліфікаційна робота бакалавра: 106 с., 28 рис., 2 табл., 25 джерел, 3 
додатки. 
Актуальність теми. Актуальність теми полягає у необхідності створення 
сучасних інформаційних систем для автоматизації процесу підбору цільової 
аудиторії інтернет-магазинів. У сучасних умовах розвитку електронної комерції 
ефективне визначення потенційних клієнтів є важливим фактором підвищення 
прибутковості бізнесу та оптимізації маркетингових кампаній. Використання 
інформаційних технологій для аналізу поведінки користувачів дозволяє 
підвищити точність сегментації аудиторії, покращити персоналізацію 
пропозицій та забезпечити ефективне управління рекламними ресурсами. 
Мета роботи і задачі дослідження. Метою роботи є розробка 
інформаційної системи для підбору цільової аудиторії інтернет-магазинів із 
використанням сучасних web-технологій та методів аналізу поведінки 
користувачів. 
Для досягнення поставленої мети необхідно вирішити такі завдання: 
− провести аналіз сучасних інформаційних систем електронної комерції; 
− дослідити методи сегментації та аналізу цільової аудиторії; 
− спроєктувати архітектуру інформаційної системи; 
− реалізувати клієнтську та серверну частини програмного забезпечення; 
− створити базу даних для зберігання інформації про користувачів; 
− реалізувати алгоритми аналізу поведінки клієнтів; 
− провести тестування та оцінку ефективності системи. 
Об’єкт дослідження – процес аналізу та формування цільової аудиторії 
інтернет-магазинів. 
Предмет дослідження – інформаційна система для аналізу поведінки 
користувачів та підбору цільової аудиторії у сфері електронної комерції. 
Методи дослідження. У роботі використано методи системного аналізу, 
моделювання інформаційних систем та web-програмування. Для обробки та 
аналізу даних застосовано методи сегментації користувачів, статистичного 
аналізу та алгоритми класифікації поведінкових характеристик. Також 
використано технології клієнт-серверної взаємодії, методи проєктування баз 
даних та сучасні інструменти розробки програмного забезпечення. 
У процесі виконання роботи проведено аналіз сучасних систем 
електронної комерції та технологій маркетингової аналітики. Визначено 
основні функціональні можливості існуючих платформ та їхні недоліки. 
Сформовано вимоги до розроблюваної інформаційної системи та обґрунтовано 
вибір технологічного стеку для реалізації програмного продукту. 
Розроблено архітектуру інформаційної системи, що включає модулі 
авторизації користувачів, збору та обробки даних, аналізу поведінки клієнтів, 
формування сегментів аудиторії та візуалізації статистичних показників. 
Реалізовано REST API для взаємодії між клієнтською та серверною частинами 
системи. 
У результаті експериментального дослідження встановлено, що 
розроблена система дозволяє автоматизувати процес аналізу користувачів та 
забезпечує швидке формування цільових сегментів аудиторії. Використання 
запропонованих алгоритмів дозволило підвищити точність визначення 
потенційних клієнтів на 25–35% у порівнянні з традиційними методами 
ручного аналізу даних. 
Ключові слова: ІНФОРМАЦІЙНА СИСТЕМА, ІНТЕРНЕТ-МАГАЗИН, 
ЦІЛЬОВА АУДИТОРІЯ, WEB-ТЕХНОЛОГІЇ, АНАЛІЗ ДАНИХ, 
ЕЛЕКТРОННА КОМЕРЦІЯ, СЕГМЕНТАЦІЯ КОРИСТУВАЧІВ, REST API. 
ABSTRACT 
Bachelor’s qualification thesis: 106 pages, 28 figures, 2 tables, 25 references, 
3 appendices. 
Relevance of the topic. The relevance of the topic lies in the necessity of 
creating modern information systems for automating the process of target audience 
selection for online stores. In the current conditions of e-commerce development, the 
effective identification of potential customers is an important factor in increasing 
business profitability and optimizing marketing campaigns. The use of information 
technologies for user behavior analysis makes it possible to improve the accuracy of 
audience segmentation, enhance the personalization of offers, and ensure efficient 
management of advertising resources. 
Purpose and objectives of the research. The purpose of the thesis is to 
develop an information system for selecting the target audience of online stores using 
modern web technologies and methods of user behavior analysis. 
To achieve this goal, the following tasks must be solved: 
– analyze modern e-commerce information systems; 
– investigate methods of target audience segmentation and analysis; 
– design the architecture of the information system; 
– implement the client-side and server-side parts of the software; 
– create a database for storing user information; 
– implement algorithms for customer behavior analysis; 
– conduct testing and evaluate the effectiveness of the system. 
The object of research is the process of analyzing and forming the target 
audience of online stores. 
The subject of research is an information system for analyzing user behavior 
and selecting the target audience in the field of e-commerce. 
Research methods. The thesis uses methods of system analysis, information 
system modeling, and web programming. Methods of user segmentation, statistical 
analysis, and algorithms for classification of behavioral characteristics were applied 
for data processing and analysis. In addition, client-server interaction technologies, 
database design methods, and modern software development tools were used. 
During the research, an analysis of modern e-commerce systems and marketing 
analytics technologies was carried out. The main functional capabilities of existing 
platforms and their shortcomings were identified. Requirements for the developed 
information system were formed, and the choice of the technological stack for 
software implementation was substantiated. 
The architecture of the information system was developed, including modules 
for user authorization, data collection and processing, customer behavior analysis, 
audience segmentation, and statistical data visualization. A REST API was 
implemented for interaction between the client-side and server-side components of 
the system. 
As a result of the experimental study, it was established that the developed 
system makes it possible to automate the process of user analysis and ensures rapid 
formation of target audience segments. The use of the proposed algorithms increased 
the accuracy of identifying potential customers by 25–35% compared to traditional 
manual data analysis methods. 
Keywords: INFORMATION SYSTEM, ONLINE STORE, TARGET 
AUDIENCE, WEB TECHNOLOGIES, DATA ANALYSIS, E-COMMERCE, USER 
SEGMENTATION, REST API. 
8 
ЗМІСТ 
ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ, СКОРОЧЕНЬ І ТЕРМІНІВ .... 10 
ВСТУП  ............................................................................................................................ 11 
1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ ТА СУЧАСНИХ ТЕХНОЛОГІЙ 
ЕЛЕКТРОННОЇ КОМЕРЦІЇ .......................................................................................... 13 
1.1 Поняття та особливості цільової аудиторії в інтернет-магазинах ................. 14 
1.2 Аналіз сучасних систем електронної комерції та маркетингової 
аналітики ......................................................................................................................... 16 
1.3 Методи сегментації та аналізу поведінки користувачів ................................. 22 
1.4 Аналіз технологій та засобів розробки інформаційних систем .................... 29 
1.5 Постановка задачі дослідження ........................................................................ 29 
Висновки до розділу 1 ............................................................................................. 34 
2 ПРОЄКТУВАННЯ ІНФОРМАЦІЙНОЇ СИСТЕМИ ДЛЯ ПІДБОРУ ЦІЛЬОВОЇ 
АУДИТОРІЇ .................................................................................................................... 36 
2.1 Формування функціональних вимог до системи ............................................ 36 
2.2 Проєктування архітектури програмного забезпечення .................................. 43 
2.3 Розробка структури бази даних ........................................................................ 45 
2.4 Моделювання інформаційної системи за допомогою UML ........................... 49 
2.5 Проєктування користувацького інтерфейсу .................................................... 50 
Висновки до розділу 2 ............................................................................................. 52 
3 ПРОГРАМНА РЕАЛІЗАЦІЯ ІНФОРМАЦІЙНОЇ СИСТЕМИ ............................... 54 
3.1 Реалізація серверної частини системи ............................................................. 54 
3.2 Реалізація клієнтської частини системи .......................................................... 56 
3.3 Реалізація REST API........................................................................................... 57 
3.4 Реалізація алгоритмів аналізу поведінки користувачів .................................. 59 
3.5 Забезпечення безпеки та авторизації користувачів ......................................... 63 
Висновки до розділу 3 ............................................................................................. 67 
4 ТЕСТУВАННЯ ТА АНАЛІЗ РЕЗУЛЬТАТІВ РОБОТИ СИСТЕМИ ..................... 68 
4.1 Методика тестування програмного забезпечення ........................................... 68 
9 
4.2 Тестування функціональних можливостей системи ....................................... 69 
4.3 Аналіз продуктивності та ефективності роботи системи .............................. 73 
4.4 Аналіз результатів експериментального дослідження ................................... 73 
Висновки до розділу 4 ............................................................................................. 78 
ВИСНОВКИ  ................................................................................................................... 80 
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ  ..................................................................... 82 
ДОДАТОК А. Специфікація 482.ЧДТУ. 62502-01. ...................................................... 90 
ДОДАТОК Б. Лістинг коду програми ........................................................................... 92 
ДОДАТОК В. Інструкція користувача .......................................................................... 99 
10 
ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ, СКОРОЧЕНЬ І 
ТЕРМІНІВ 
API (Application Programming Interface) – інтерфейс програмування застосунків. 
CSS (Cascading Style Sheets) – каскадні таблиці стилів оформлення web-
сторінок. 
CRUD (Create, Read, Update, Delete) – базові операції роботи з даними. 
DOM (Document Object Model) – об’єктна модель документа HTML/XML. 
ER-діаграма (Entity Relationship Diagram) – діаграма сутність-зв’язок бази 
даних. 
HTML (HyperText Markup Language) – мова розмітки гіпертекстових 
документів. 
HTTP (HyperText Transfer Protocol) – протокол передачі гіпертексту. 
HTTPS (HyperText Transfer Protocol Secure) – захищений протокол передачі. 
JSON (JavaScript Object Notation) – текстовий формат обміну даними. 
JWT (JSON Web Token) – стандарт передачі токенів авторизації. 
MongoDB – документоорієнтована система керування базами даних. 
MVC (Model–View–Controller) – архітектурний шаблон ПЗ. 
Node.js – програмна платформа для виконання JavaScript на стороні сервера. 
NoSQL – клас нереляційних систем керування базами даних. 
React – JavaScript-бібліотека для створення користувацьких інтерфейсів. 
REST API (Representational State Transfer Application Programming Interface) – 
архітектурний стиль побудови web-сервісів. 
SQL (Structured Query Language) – мова структурованих запитів до баз даних. 
UI (User Interface) – користувацький інтерфейс. 
UML (Unified Modeling Language) – уніфікована мова моделювання програмних 
систем. 
URL (Uniform Resource Locator) – уніфікований локатор ресурсу. 
UX (User Experience) – досвід взаємодії користувача із системою. 
Web-застосунок – програмне забезпечення, що функціонує через web-браузер. 
База даних – організована сукупність взаємопов’язаних даних. 
11 
Електронна комерція – сфера економічної діяльності, пов’язана з купівлею та 
продажем товарів або послуг через мережу Інтернет. 
Інтернет-магазин – web-платформа для продажу товарів або послуг через 
мережу Інтернет. 
Інформаційна система – сукупність програмних, технічних та організаційних 
засобів для зберігання, обробки та передачі інформації. 
Клієнт-серверна архітектура – модель взаємодії, у якій клієнт надсилає запити, 
а сервер обробляє їх та повертає результати. 
Сегментація користувачів – процес поділу аудиторії на окремі групи за 
визначеними характеристиками. 
Цільова аудиторія – група потенційних користувачів або клієнтів, на яку 
орієнтований продукт чи послуга. 
12 
ВСТУП 
У сучасних умовах розвитку інформаційних технологій та цифрової 
економіки електронна комерція є одним із динамічних напрямів ведення 
бізнесу. Значна кількість підприємств переходить до використання інтернет-
магазинів як основного або додаткового каналу продажу товарів і послуг. 
Зростання конкуренції у сфері електронної комерції вимагає від компаній 
застосування сучасних підходів до аналізу поведінки користувачів, 
маркетингової аналітики та автоматизації процесів взаємодії з клієнтами. 
Одним із ключових факторів успішного функціонування інтернет-
магазинів є правильне визначення та аналіз цільової аудиторії. Ефективна 
сегментація користувачів дозволяє підприємствам формувати персоналізовані 
пропозиції, оптимізувати рекламні кампанії, підвищувати рівень конверсії та 
зменшувати витрати на маркетинг. Традиційні методи аналізу клієнтів часто є 
недостатньо ефективними через значні обсяги даних, що постійно змінюються, 
та необхідність оперативної обробки інформації. 
Сучасні інформаційні системи дозволяють автоматизувати процес збору, 
обробки та аналізу даних про користувачів інтернет-магазинів. Використання 
web-технологій, систем керування базами даних, алгоритмів аналізу поведінки 
користувачів і засобів статистичної обробки інформації створює можливість 
для формування ефективних механізмів визначення цільової аудиторії. Такі 
системи забезпечують підвищення ефективності маркетингових рішень та 
покращують взаємодію між продавцем і потенційним покупцем. 
Актуальність теми кваліфікаційної роботи бакалавра полягає у 
необхідності створення сучасної інформаційної системи для автоматизації 
процесу підбору цільової аудиторії інтернет-магазинів. Розробка подібних 
систем є важливою задачею у сфері електронної комерції, оскільки дозволяє 
забезпечити більш точний аналіз поведінки користувачів, автоматизувати 
процес сегментації аудиторії та підвищити ефективність рекламних кампаній. 
13 
Метою кваліфікаційної роботи бакалавра є розробка інформаційної 
системи для підбору цільової аудиторії інтернет-магазинів із використанням 
сучасних web-технологій та методів аналізу поведінки користувачів. 
Для досягнення поставленої мети необхідно вирішити такі завдання: 
– провести аналіз сучасних інформаційних систем електронної комерції; 
– дослідити методи сегментації та аналізу цільової аудиторії; 
– спроєктувати архітектуру інформаційної системи; 
– реалізувати клієнтську та серверну частини програмного забезпечення; 
– створити базу даних для зберігання інформації про користувачів; 
– реалізувати алгоритми аналізу поведінки клієнтів; 
– провести тестування та оцінку ефективності системи. 
Об’єктом дослідження є процес аналізу та формування цільової 
аудиторії інтернет-магазинів. 
Предметом дослідження є інформаційна система для аналізу поведінки 
користувачів та підбору цільової аудиторії у сфері електронної комерції. 
У роботі використано методи: системного аналізу, моделювання 
інформаційних систем, web-програмування, проєктування баз даних та аналізу 
поведінкових характеристик користувачів. Для реалізації програмного 
забезпечення застосовано сучасні технології клієнт-серверної взаємодії та 
засоби розробки web-застосунків. 
Практичне значення отриманих результатів полягає у можливості 
використання розробленої інформаційної системи в діяльності інтернет-
магазинів для автоматизації маркетингової аналітики, підвищення ефективності 
рекламних кампаній та оптимізації взаємодії з потенційними клієнтами. 
Результати роботи також можуть бути використані у навчальному процесі 
підготовки фахівців спеціальності 122 «Комп’ютерні науки». 
14 
1 АНАЛІЗ ПРЕДМЕТНОЇ ОБЛАСТІ ТА СУЧАСНИХ ТЕХНОЛОГІЙ 
ЕЛЕКТРОННОЇ КОМЕРЦІЇ 
Стрімкий розвиток інформаційних технологій та глобальної мережі 
Інтернет суттєво вплинув на сучасні методи ведення бізнесу. Одним із 
найбільш динамічних напрямів цифрової економіки є електронна комерція, яка 
забезпечує автоматизацію процесів продажу товарів і послуг, розширення 
ринків збуту та підвищення ефективності взаємодії між продавцями та 
споживачами. У сучасних умовах інтернет-магазини стали важливим 
інструментом ведення підприємницької діяльності, а питання ефективного 
аналізу поведінки користувачів та формування цільової аудиторії набувають 
особливого значення. 
Функціонування сучасних систем електронної комерції супроводжується 
обробкою значних обсягів інформації про користувачів, їхні інтереси, 
поведінкові характеристики, історію покупок та реакцію на рекламні кампанії. 
Аналіз таких даних дозволяє формувати персоналізовані пропозиції, 
підвищувати ефективність маркетингових стратегій та оптимізувати витрати на 
рекламу. Саме тому розробка інформаційних систем для автоматизованого 
підбору цільової аудиторії є актуальним напрямом досліджень у сфері 
інформаційних технологій та електронної комерції. 
1.1 Поняття та особливості цільової аудиторії в інтернет-магазинах 
У сучасних умовах розвитку цифрових технологій електронна комерція 
стала одним із найбільш перспективних напрямів ведення бізнесу. Інтернет-
магазини забезпечують можливість продажу товарів та послуг без географічних 
обмежень, автоматизують процеси взаємодії з клієнтами та дозволяють 
здійснювати маркетингову діяльність із використанням сучасних 
інформаційних технологій. 
Одним із ключових факторів успішної роботи інтернет-магазину є 
правильне визначення цільової аудиторії. Цільова аудиторія являє собою групу 
15 
потенційних споживачів, які мають спільні характеристики, інтереси або 
потреби та можуть бути зацікавленими у придбанні певних товарів чи послуг. 
Як показано на рисунку 1.1, процес формування цільової аудиторії 
базується на аналізі поведінкових, демографічних та маркетингових 
характеристик користувачів. 
 
Рисунок 1.1 – Основні складові формування цільової аудиторії інтернет-
магазину 
На рисунку 1.1 зображено основні етапи аналізу цільової аудиторії 
інтернет-магазину. До ключових складових належать збір інформації про 
користувачів, аналіз поведінкових характеристик, сегментація клієнтів та 
формування персоналізованих маркетингових пропозицій. 
Для інтернет-магазинів особливого значення набуває аналіз поведінки 
користувачів. Сучасні web-платформи здатні накопичувати великі обсяги 
інформації про дії відвідувачів, зокрема: 
– переглянуті товари; 
– час перебування на сторінці; 
– пошукові запити; 
– історію покупок; 
16 
– географічне розташування користувачів; 
– використані пристрої та браузери; 
– реакцію на рекламні кампанії. 
На основі отриманих даних формується профіль користувача, який 
дозволяє здійснювати сегментацію аудиторії та формувати персоналізовані 
пропозиції. 
Сегментація аудиторії є одним із основних інструментів маркетингової 
аналітики. Вона передбачає поділ користувачів на окремі групи за певними 
характеристиками. 
На рисунку 1.2 наведено приклад структури сегментації користувачів 
інтернет-магазину. 
 
Рисунок 1.2 – Приклад сегментації користувачів інтернет-магазину 
На рисунку 1.2 продемонстровано приклад поділу користувачів на окремі 
групи за демографічними, географічними та поведінковими характеристиками. 
Подібна сегментація дозволяє формувати більш ефективні рекламні кампанії та 
персоналізовані пропозиції для окремих категорій клієнтів. 
Найбільш поширеними видами сегментації є: 
– демографічна сегментація; 
17 
– географічна сегментація; 
– поведінкова сегментація; 
– психографічна сегментація; 
– сегментація за рівнем активності користувачів. 
Особливістю сучасних інтернет-магазинів є використання 
персоналізованого підходу до кожного користувача. Персоналізація дозволяє 
формувати індивідуальні рекомендації товарів, пропонувати спеціальні акції та 
забезпечувати більш ефективну комунікацію з клієнтами. 
На рисунку 1.3 представлено приклад персоналізованих рекомендацій 
товарів у сучасних системах електронної комерції. 
 
Рисунок 1.3 – Персоналізовані рекомендації товарів в інтернет-магазині 
На рисунку 1.3 показано приклад використання алгоритмів рекомендацій 
у системах електронної комерції. Аналіз історії покупок та поведінки 
користувачів дозволяє автоматично формувати індивідуальні рекомендації 
товарів, що сприяє підвищенню рівня конверсії та збільшенню продажів. 
 
18 
1.2 Аналіз сучасних систем електронної комерції та маркетингової 
аналітики 
Сучасний ринок електронної комерції характеризується значною 
кількістю програмних платформ та інформаційних систем, що забезпечують 
автоматизацію процесів продажу товарів і взаємодії з клієнтами. 
Одними з найбільш поширених платформ електронної комерції є Shopify, 
WooCommerce, Magento та OpenCart. 
На рисунку 1.4 наведено приклади сучасних платформ електронної 
комерції. 
 
Рисунок 1.4 – Сучасні платформи електронної комерції 
На рисунку 1.4 представлено приклади інтерфейсів сучасних платформ 
електронної комерції. Дані системи забезпечують управління товарами, 
замовленнями, користувачами та маркетинговими кампаніями. 
Платформа Shopify є хмарним рішенням для створення інтернет-
магазинів і характеризується простотою використання та великою кількістю 
інтегрованих маркетингових інструментів. WooCommerce є популярним 
розширенням для WordPress із відкритим програмним кодом. Magento 
19 
орієнтована на великі корпоративні системи, а OpenCart використовується для 
створення невеликих та середніх інтернет-магазинів. 
Окрім платформ електронної комерції, важливу роль відіграють системи 
маркетингової аналітики. 
На рисунку 1.5 наведено приклад використання аналітичних інструментів 
для аналізу поведінки користувачів. 
 
Рисунок 1.5 – Системи маркетингової аналітики та web-аналітики 
20 
На рисунку 1.5 зображено приклади аналітичних панелей сучасних 
систем web-аналітики. Подібні інструменти дозволяють отримувати 
інформацію про джерела трафіку, активність користувачів, популярність 
товарів та ефективність рекламних кампаній. 
Серед найбільш поширених аналітичних сервісів можна виділити Google 
Analytics, Meta Ads Manager, Hotjar та CRM-системи. Використання таких 
платформ дозволяє автоматизувати процес збору статистичних даних та 
формування маркетингових звітів. 
Попри значну кількість існуючих рішень, більшість сучасних платформ 
мають певні недоліки: 
– високу вартість використання; 
– складність інтеграції окремих сервісів; 
– обмежені можливості персоналізації; 
– залежність від сторонніх платформ; 
– складність обробки великих обсягів даних. 
На рисунку 1.6 наведено узагальнену схему взаємодії компонентів 
сучасної інформаційної системи електронної комерції. 
 
Рисунок 1.6 – Структура сучасної системи електронної комерції 
21 
На рисунку 1.6 представлено структуру типової інформаційної системи 
електронної комерції. Основними компонентами системи є клієнтська частина, 
сервер обробки даних, база даних, модулі аналітики та зовнішні маркетингові 
сервіси. Взаємодія між компонентами здійснюється за допомогою REST API та 
web-технологій. 
Таким чином, сучасні системи електронної комерції забезпечують широкі 
можливості для автоматизації бізнес-процесів, однак потребують 
удосконалення у сфері аналізу цільової аудиторії та персоналізації взаємодії з 
користувачами. 
1.3 Методи сегментації та аналізу поведінки користувачів 
Одним із найважливіших етапів функціонування сучасних систем 
електронної комерції є аналіз поведінки користувачів та формування сегментів 
цільової аудиторії. Використання методів сегментації дозволяє підприємствам 
ефективніше організовувати маркетингові кампанії, формувати персоналізовані 
пропозиції та підвищувати рівень взаємодії з клієнтами. 
Сегментація користувачів являє собою процес поділу аудиторії інтернет-
магазину на окремі групи за певними характеристиками. Кожен сегмент 
об’єднує користувачів зі схожими поведінковими, демографічними або 
соціальними ознаками. Подібний підхід дозволяє здійснювати більш точний 
аналіз потреб клієнтів та прогнозувати їхню поведінку. 
На рисунку 1.7 наведено основні методи сегментації користувачів 
інтернет-магазину. 
22 
 
Рисунок 1.7 – Методи сегментації користувачів інтернет-магазину 
На рисунку 1.7 представлено основні підходи до сегментації користувачів 
у системах електронної комерції. Сегментація може виконуватися за 
демографічними, географічними, поведінковими та психографічними 
характеристиками користувачів. 
Одним із найбільш поширених методів є демографічна сегментація. 
Даний підхід базується на аналізі таких параметрів: 
– вік користувачів; 
– стать; 
– рівень доходу; 
– освіта; 
– сімейний стан; 
– професія. 
Демографічна сегментація дозволяє визначити основні категорії клієнтів 
та адаптувати рекламні кампанії відповідно до їхніх потреб. 
Географічна сегментація враховує територіальне розташування 
користувачів. Основними параметрами є: 
– країна; 
23 
– регіон; 
– місто; 
– кліматичні умови; 
– густота населення. 
Використання географічної сегментації дозволяє адаптувати асортимент 
товарів та маркетингові стратегії відповідно до особливостей окремих регіонів. 
Особливого значення для сучасних інтернет-магазинів набуває 
поведінкова сегментація. Даний метод базується на аналізі дій користувачів у 
системі та дозволяє оцінювати: 
– частоту відвідування сайту; 
– історію покупок; 
– перегляди товарів; 
– час перебування на сторінках; 
– реакцію на рекламні кампанії; 
– використання пошуку та фільтрів. 
На рисунку 1.8 наведено приклад аналізу поведінки користувачів у 
системі електронної комерції. 
 
Рисунок 1.8 – Аналіз поведінки користувачів інтернет-магазину 
24 
На рисунку 1.8 показано приклад використання аналітичних інструментів 
для аналізу активності користувачів. Система дозволяє визначати популярні 
категорії товарів, активність клієнтів та ефективність маркетингових кампаній. 
Поведінкова сегментація є основою для формування персоналізованих 
рекомендацій. Аналіз історії покупок та інтересів користувачів дозволяє 
системі автоматично підбирати товари, які можуть зацікавити потенційного 
покупця. 
Психографічна сегментація базується на аналізі стилю життя, інтересів, 
цінностей та вподобань користувачів. Такий підхід дозволяє визначати 
мотивацію клієнтів та формувати більш ефективні рекламні повідомлення. 
У сучасних системах електронної комерції активно використовуються 
автоматизовані методи аналізу поведінки користувачів. Для цього 
застосовуються: 
– системи web-аналітики; 
– алгоритми машинного навчання; 
– системи рекомендацій; 
– методи статистичного аналізу; 
– технології Big Data. 
Одним із популярних підходів є використання RFM-аналізу. Даний метод 
дозволяє оцінити користувачів за трьома основними характеристиками: 
– Recency — давність останньої покупки; 
– Frequency — частота покупок; 
– Monetary — сума витрат користувача. 
На рисунку 1.9 наведено приклад використання RFM-аналізу для 
сегментації клієнтів. 
25 
 
Рисунок 1.9 – Приклад використання RFM-аналізу 
На рисунку 1.9 представлено приклад оцінювання активності 
користувачів за допомогою RFM-аналізу. Використання даного методу 
дозволяє визначити найбільш активних клієнтів, оцінити рівень їхньої 
зацікавленості та сформувати персоналізовані маркетингові стратегії. 
Для аналізу поведінки користувачів також використовуються системи 
рекомендацій. Основними методами побудови рекомендацій є: 
– контентна фільтрація; 
– колаборативна фільтрація; 
– гібридні методи рекомендацій. 
Контентна фільтрація базується на аналізі характеристик товарів та 
інтересів користувачів. Колаборативна фільтрація використовує інформацію 
про дії схожих користувачів для формування рекомендацій. 
На рисунку 1.10 наведено схему роботи системи рекомендацій в інтернет-
магазині. 
26 
 
Рисунок 1.10 – Система рекомендацій товарів в електронній комерції 
На рисунку 1.10 представлено процес формування рекомендацій товарів 
на основі аналізу поведінки користувачів та історії їхніх покупок. Система 
аналізує активність клієнтів, порівнює її з поведінкою інших користувачів та 
автоматично формує персоналізовані пропозиції. 
Таким чином, сучасні методи сегментації та аналізу поведінки 
користувачів є важливим інструментом підвищення ефективності систем 
електронної комерції. Використання аналітичних алгоритмів, систем 
рекомендацій та методів обробки даних дозволяє автоматизувати процес 
підбору цільової аудиторії та забезпечити персоналізований підхід до кожного 
клієнта. 
1.4 Аналіз технологій та засобів розробки інформаційних систем 
Розробка сучасних інформаційних систем для електронної комерції 
потребує використання ефективних програмних засобів, технологій web-
розробки та сучасних підходів до побудови програмного забезпечення. Вибір 
технологічного стеку безпосередньо впливає на продуктивність системи, 
масштабованість, безпеку та зручність її використання. 
27 
Інформаційна система для підбору цільової аудиторії інтернет-магазинів 
повинна забезпечувати: 
– швидку обробку великих обсягів даних; 
– підтримку клієнт-серверної взаємодії; 
– можливість інтеграції з аналітичними сервісами; 
– адаптивний інтерфейс користувача; 
– безпечне зберігання інформації; 
– масштабованість та модульність програмного забезпечення. 
Для реалізації таких вимог доцільним є використання сучасних web-
технологій та інструментів розробки. 
На рисунку 1.11 наведено основні технології, що використовуються при 
розробці сучасних інформаційних систем електронної комерції. 
 
Рисунок 1.11 – Технології розробки інформаційних систем електронної 
комерції 
На рисунку 1.11 представлено основні компоненти технологічного стеку 
сучасних web-застосунків. До них належать клієнтські технології, серверні 
платформи, системи керування базами даних та інструменти інтеграції. 
28 
Одним із ключових компонентів інформаційної системи є клієнтська 
частина (Frontend). Вона відповідає за взаємодію користувача із системою та 
відображення інформації у web-браузері. 
Для створення інтерфейсу користувача використовуються: 
– HTML5; 
– CSS3; 
– JavaScript; 
– React. 
HTML5 використовується для створення структури web-сторінок. CSS3 
забезпечує оформлення інтерфейсу та реалізацію адаптивного дизайну. 
JavaScript використовується для реалізації динамічної взаємодії з користувачем. 
Особливу роль у розробці сучасних web-застосунків відіграє бібліотека 
React. React є однією з найпоширеніших JavaScript-бібліотек для створення 
інтерфейсів користувача та забезпечує: 
– компонентний підхід до розробки; 
– швидке оновлення інтерфейсу; 
– підтримку SPA-застосунків; 
– високу продуктивність; 
– зручну інтеграцію з REST API. 
На рисунку 1.12 наведено приклад структури клієнтської частини web-
застосунку. 
29 
 
Рисунок 1.12 – Структура клієнтської частини інформаційної системи 
На рисунку 1.12 показано взаємодію основних компонентів клієнтської 
частини системи. Інтерфейс користувача складається з окремих модулів, які 
взаємодіють між собою та отримують дані через API. 
Для реалізації серверної частини системи використовується Node.js та 
Express.js. 
Node.js є платформою для виконання JavaScript на стороні сервера та 
забезпечує: 
– асинхронну обробку запитів; 
– високу швидкодію; 
– підтримку великої кількості одночасних підключень; 
– можливість створення REST API. 
Express.js є web-фреймворком для Node.js, який використовується для 
створення серверної логіки та маршрутизації запитів. 
Основними функціями серверної частини є: 
– обробка HTTP-запитів; 
– взаємодія з базою даних; 
– авторизація користувачів; 
30 
– виконання аналітичних операцій; 
– формування рекомендацій. 
На рисунку 1.13 наведено структуру серверної частини інформаційної 
системи. 
 
Рисунок 1.13 – Архітектура серверної частини системи 
На рисунку 1.13 представлено взаємодію серверних модулів системи. 
Серверна частина забезпечує обробку запитів користувачів, взаємодію з базою 
даних та виконання бізнес-логіки системи. 
Для зберігання інформації у роботі використовується MongoDB – 
документоорієнтована система керування базами даних типу NoSQL. 
Перевагами MongoDB є: 
– висока продуктивність; 
– підтримка JSON-подібних документів; 
– гнучкість структури даних; 
– масштабованість; 
– ефективна робота з великими обсягами інформації. 
31 
MongoDB особливо ефективна при роботі з аналітичними системами, 
оскільки дозволяє швидко обробляти великі масиви поведінкових даних 
користувачів. 
На рисунку 1.14 наведено приклад взаємодії бази даних із серверною 
частиною системи. 
 
Рисунок 1.14 – Взаємодія серверної частини з базою даних MongoDB 
На рисунку 1.14 показано процес взаємодії серверного застосунку з базою 
даних MongoDB. Сервер отримує запити від клієнтської частини, обробляє їх та 
виконує необхідні операції з даними. 
Для забезпечення взаємодії між клієнтською та серверною частинами 
використовується REST API. Даний підхід дозволяє реалізувати 
стандартизований обмін даними між компонентами системи. 
Основними перевагами REST API є: 
– універсальність; 
– масштабованість; 
– простота інтеграції; 
– підтримка JSON-формату; 
– можливість використання різних клієнтських платформ. 
32 
Для забезпечення безпеки інформаційної системи використовується JWT-
автентифікація. Після успішної авторизації користувач отримує токен доступу, 
який використовується при виконанні запитів до сервера. 
На рисунку 1.15 наведено схему процесу авторизації користувача в 
системі. 
 
Рисунок 1.15 – Схема авторизації користувача із використанням JWT 
На рисунку 1.15 представлено процес автентифікації користувача із 
використанням JWT-токенів. Після введення облікових даних сервер генерує 
токен доступу, який використовується для виконання авторизованих запитів. 
Для розробки та тестування програмного забезпечення використовуються 
такі інструменти: 
– Visual Studio Code; 
– Postman; 
– GitHub; 
– MongoDB Compass; 
– npm. 
Visual Studio Code використовується як основне середовище розробки 
програмного забезпечення. Postman застосовується для тестування REST API. 
33 
GitHub забезпечує контроль версій програмного коду та підтримку командної 
розробки. 
Таким чином, використання сучасних web-технологій та інструментів 
розробки дозволяє створити ефективну, масштабовану та безпечну 
інформаційну систему для підбору цільової аудиторії інтернет-магазинів. 
Обраний технологічний стек забезпечує високу продуктивність системи, 
підтримку сучасних методів аналізу даних та можливість подальшого 
розширення функціональних можливостей програмного забезпечення. 
1.5 Постановка задачі дослідження 
Сучасні системи електронної комерції функціонують в умовах постійного 
зростання обсягів інформації про користувачів, товари та маркетингові 
кампанії. Інтернет-магазини накопичують значні масиви даних щодо поведінки 
клієнтів, історії покупок, переглядів товарів та взаємодії користувачів із web-
застосунками. Ефективне використання таких даних є важливим фактором 
підвищення конкурентоспроможності підприємств у сфері електронної 
комерції. 
Проведений аналіз сучасних платформ електронної комерції та систем 
маркетингової аналітики показав, що більшість існуючих рішень орієнтовані 
переважно на збір статистичної інформації та формування базових аналітичних 
звітів. Разом із тим значна частина систем має обмежені можливості щодо 
автоматизованого аналізу поведінки користувачів, формування сегментів 
цільової аудиторії та генерації персоналізованих рекомендацій. 
Однією з основних проблем сучасних інформаційних систем електронної 
комерції є складність обробки великих обсягів поведінкових даних 
користувачів. Традиційні методи аналізу потребують значних часових витрат та 
не забезпечують достатнього рівня автоматизації маркетингових процесів. Крім 
того, використання окремих аналітичних сервісів часто призводить до 
необхідності інтеграції великої кількості зовнішніх платформ, що ускладнює 
процес адміністрування системи та підвищує витрати на її підтримку. 
34 
У зв’язку з цим виникає необхідність створення спеціалізованої 
інформаційної системи для підбору цільової аудиторії інтернет-магазинів, яка 
забезпечуватиме автоматизований аналіз поведінки користувачів, сегментацію 
клієнтів та підтримку прийняття маркетингових рішень. 
На рисунку 1.16 наведено загальну схему постановки задачі дослідження. 
 
Рисунок 1.16 – Постановка задачі дослідження інформаційної системи 
На рисунку 1.16 представлено основні етапи функціонування 
інформаційної системи для підбору цільової аудиторії. Система забезпечує збір 
даних про користувачів, аналіз поведінкових характеристик, сегментацію 
аудиторії та формування рекомендацій для підвищення ефективності 
маркетингових кампаній. 
Основною метою дослідження є розробка інформаційної системи, яка 
дозволить автоматизувати процес підбору цільової аудиторії інтернет-магазинів 
із використанням сучасних web-технологій та методів аналізу даних. 
Для досягнення поставленої мети необхідно вирішити такі задачі: 
– провести аналіз предметної області та сучасних систем електронної 
комерції; 
– дослідити методи сегментації та аналізу поведінки користувачів; 
35 
– визначити функціональні та нефункціональні вимоги до системи; 
– розробити архітектуру програмного забезпечення; 
– спроєктувати структуру бази даних; 
– реалізувати клієнтську та серверну частини системи; 
– створити REST API для взаємодії між компонентами системи; 
– реалізувати алгоритми аналізу поведінки користувачів; 
– забезпечити авторизацію та захист даних користувачів; 
– провести тестування та оцінку ефективності роботи системи. 
Об’єктом дослідження є процес аналізу та формування цільової аудиторії 
інтернет-магазинів. 
Предметом дослідження є методи, технології та програмні засоби 
розробки інформаційної системи для аналізу поведінки користувачів у сфері 
електронної комерції. 
Для реалізації поставлених задач у роботі планується використання 
сучасних web-технологій та програмних засобів, зокрема: 
– React — для реалізації клієнтської частини; 
– Node.js та Express.js — для створення серверної частини; 
– MongoDB — для зберігання даних; 
– JWT — для реалізації механізмів авторизації; 
– REST API — для взаємодії між компонентами системи. 
Розроблювана система повинна забезпечувати: 
– автоматизований збір та обробку даних; 
– сегментацію користувачів; 
– формування персоналізованих рекомендацій; 
– аналіз статистичних показників; 
– підтримку роботи з великими обсягами інформації; 
– адаптивний інтерфейс користувача; 
– безпечне зберігання даних. 
Результатом виконання кваліфікаційної роботи повинна стати сучасна 
інформаційна система для підбору цільової аудиторії інтернет-магазинів, яка 
36 
забезпечуватиме ефективний аналіз поведінки користувачів та автоматизацію 
маркетингових процесів у сфері електронної комерції. 
Висновки до розділу 1 
У першому розділі кваліфікаційної роботи було проведено аналіз 
предметної області та сучасних технологій електронної комерції. Розглянуто 
особливості функціонування інтернет-магазинів, сучасні підходи до аналізу 
поведінки користувачів та принципи формування цільової аудиторії. 
У процесі дослідження встановлено, що ефективне визначення цільової 
аудиторії є одним із ключових факторів успішного функціонування систем 
електронної комерції. Використання методів сегментації користувачів дозволяє 
підвищити результативність маркетингових кампаній, оптимізувати витрати на 
рекламу та забезпечити персоналізований підхід до клієнтів. 
Було проаналізовано основні види сегментації аудиторії, зокрема 
демографічну, географічну, поведінкову та психографічну сегментацію. 
Встановлено, що найбільш ефективним підходом для сучасних інтернет-
магазинів є комплексний аналіз поведінкових характеристик користувачів на 
основі статистичних та аналітичних даних. 
У роботі досліджено сучасні платформи електронної комерції, серед яких 
Shopify, WooCommerce, Magento та OpenCart. Виконано аналіз їх 
функціональних можливостей, переваг і недоліків. Встановлено, що існуючі 
рішення забезпечують автоматизацію основних бізнес-процесів, однак мають 
обмеження у сфері персоналізованого аналізу користувачів та 
автоматизованого підбору цільової аудиторії. 
Також проведено аналіз сучасних систем маркетингової аналітики та web-
аналітики, зокрема Google Analytics, Meta Ads Manager, Hotjar та CRM-систем. 
Визначено, що використання таких систем дозволяє накопичувати значні 
обсяги інформації про поведінку користувачів, аналізувати ефективність 
рекламних кампаній та формувати маркетингові звіти. 
37 
На основі проведеного аналізу встановлено необхідність створення 
спеціалізованої інформаційної системи для автоматизації процесу підбору 
цільової аудиторії інтернет-магазинів. Визначено основні функціональні 
вимоги до майбутньої системи, а також обґрунтовано доцільність використання 
сучасних web-технологій, клієнт-серверної архітектури та засобів аналітики 
даних. 
Отримані результати дослідження створюють основу для подальшого 
проєктування архітектури інформаційної системи, розробки структури бази 
даних та реалізації програмного забезпечення, що буде розглянуто у наступних 
розділах кваліфікаційної роботи. 
 
38 
2 ПРОЄКТУВАННЯ ІНФОРМАЦІЙНОЇ СИСТЕМИ ДЛЯ ПІДБОРУ 
ЦІЛЬОВОЇ АУДИТОРІЇ 
Проєктування інформаційної системи є одним із найважливіших етапів 
розробки програмного забезпечення, оскільки саме на цьому етапі 
визначаються архітектура системи, структура бази даних, механізми взаємодії 
компонентів та основні функціональні можливості програмного продукту. Від 
правильності прийнятих проєктних рішень залежить продуктивність системи, її 
масштабованість, надійність та зручність використання. 
Розроблювана інформаційна система призначена для автоматизації 
процесу підбору цільової аудиторії інтернет-магазинів на основі аналізу 
поведінки користувачів, статистичних даних та маркетингової аналітики. 
Система повинна забезпечувати збір і обробку інформації про користувачів, 
сегментацію клієнтів, формування персоналізованих рекомендацій та 
підтримку прийняття маркетингових рішень. 
У сучасних умовах електронної комерції ефективність роботи інтернет-
магазину значною мірою залежить від можливості швидкого аналізу великих 
обсягів поведінкових даних. Саме тому при проєктуванні системи особливу 
увагу необхідно приділити питанням продуктивності, оптимізації обробки 
інформації, безпеки даних та забезпечення стабільної взаємодії між 
компонентами програмного забезпечення. 
2.1 Формування функціональних вимог до системи 
Під час проєктування системи необхідно врахувати такі основні вимоги: 
– підтримку клієнт-серверної архітектури; 
– можливість масштабування системи; 
– підтримку REST API; 
– забезпечення безпечної авторизації користувачів; 
– адаптивність інтерфейсу; 
– ефективну роботу з базою даних; 
39 
– модульність програмного забезпечення; 
– підтримку інтеграції із зовнішніми сервісами. 
На рисунку 2.1 наведено загальну концепцію проєктування інформаційної 
системи. 
 
Рисунок 2.1 – Загальна концепція проєктування інформаційної системи 
На рисунку 2.1 представлено основні компоненти майбутньої 
інформаційної системи та взаємозв’язки між ними. Система включає клієнтську 
частину, сервер обробки даних, модулі аналітики, базу даних та підсистему 
рекомендацій. 
Основною архітектурною моделлю системи обрано клієнт-серверний 
підхід. Даний підхід дозволяє розподілити функціональні можливості між 
окремими компонентами та забезпечити незалежну роботу клієнтської та 
серверної частин системи. 
Клієнтська частина системи відповідає за: 
– відображення інтерфейсу користувача; 
– взаємодію із користувачем; 
– візуалізацію статистичних даних; 
– надсилання запитів до сервера; 
– отримання результатів аналітики. 
40 
Серверна частина виконує: 
– обробку HTTP-запитів; 
– взаємодію з базою даних; 
– аналіз поведінки користувачів; 
– формування сегментів аудиторії; 
– генерацію рекомендацій; 
– забезпечення авторизації та безпеки. 
Одним із ключових етапів проєктування є визначення структури 
функціональних модулів системи. Для забезпечення гнучкості та 
масштабованості програмного забезпечення система будується за модульним 
принципом. 
На рисунку 2.2 наведено структуру функціональних модулів 
інформаційної системи. 
 
Рисунок 2.2 – Структура функціональних модулів системи 
На рисунку 2.2 представлено основні модулі інформаційної системи та їх 
функціональне призначення. Центральним елементом є модуль аналізу 
поведінки користувачів, який взаємодіє з модулями аналітики, рекомендацій та 
статистики. 
41 
До основних модулів системи належать: 
– модуль авторизації; 
– модуль користувачів; 
– модуль аналітики; 
– модуль сегментації аудиторії; 
– модуль рекомендацій; 
– модуль статистики; 
– адміністративний модуль. 
Модуль авторизації забезпечує автентифікацію користувачів та контроль 
доступу до функцій системи. Модуль користувачів відповідає за збереження та 
обробку інформації про клієнтів. Модуль аналітики виконує збір та аналіз 
поведінкових даних, а модуль рекомендацій формує персоналізовані пропозиції 
товарів. 
Важливою складовою проєктування є вибір технологічного стеку для 
реалізації системи. Для створення клієнтської частини використовується React, 
який забезпечує швидке оновлення інтерфейсу та підтримку SPA-застосунків. 
Серверна частина реалізується за допомогою Node.js та Express.js, що дозволяє 
ефективно обробляти велику кількість запитів та забезпечувати взаємодію з 
базою даних. 
Для зберігання інформації використовується MongoDB - 
документоорієнтована система керування базами даних типу NoSQL. 
На рисунку 2.3 наведено загальну архітектуру інформаційної системи. 
42 
 
Рисунок 2.3 – Архітектура інформаційної системи 
На рисунку 2.3 показано взаємодію між клієнтською частиною, сервером 
та базою даних. Обмін інформацією між компонентами здійснюється через 
REST API із використанням HTTP-запитів. 
Однією з важливих вимог до системи є забезпечення безпеки даних 
користувачів. Для цього використовується JWT-автентифікація, яка дозволяє 
реалізувати безпечний механізм доступу до ресурсів системи. 
Проєктування бази даних передбачає створення структури, яка 
забезпечуватиме ефективне зберігання та обробку інформації про: 
– користувачів; 
– товари; 
– категорії товарів; 
– замовлення; 
– події користувачів; 
– результати аналітики; 
– сегменти аудиторії; 
– рекомендації. 
На рисунку 2.4 наведено схема взаємодії основних сутностей бази даних. 
43 
 
Рисунок 2.4 – Структура бази даних інформаційної системи 
На рисунку 2.4 представлено взаємозв’язки між основними сутностями 
бази даних системи. Використання MongoDB дозволяє забезпечити гнучку 
структуру даних та підтримку роботи з великими обсягами інформації. 
У процесі проєктування також було визначено основні сценарії взаємодії 
користувачів із системою. Для цього використовується UML-моделювання, яке 
дозволяє формалізувати поведінку системи та взаємодію між її компонентами. 
На рисунку 2.5 наведено приклад UML Use Case діаграми системи. 
44 
 
Рисунок 2.5 – UML Use Case діаграма інформаційної системи 
На рисунку 2.5 представлено основні сценарії взаємодії користувачів із 
системою. Діаграма відображає функціональні можливості для адміністратора, 
маркетолога та користувача системи. 
Таким чином, у процесі проєктування було визначено основні 
функціональні вимоги до інформаційної системи, обрано технологічний стек, 
розроблено архітектуру програмного забезпечення та структуру бази даних. 
Отримані результати створюють основу для подальшої програмної реалізації 
системи та забезпечують можливість створення сучасного web-застосунку для 
автоматизації процесу підбору цільової аудиторії інтернет-магазинів. 
2.2 Проєктування архітектури програмного забезпечення 
Архітектура програмного забезпечення є однією з найважливіших 
складових процесу розробки інформаційної системи, оскільки визначає 
структуру програмного продукту, взаємодію між його компонентами та 
механізми обробки даних. Від правильно обраної архітектури залежить 
45 
продуктивність системи, її масштабованість, безпека, надійність та можливість 
подальшого розширення функціональних можливостей. 
Для розроблюваної інформаційної системи підбору цільової аудиторії 
інтернет-магазинів було обрано клієнт-серверну архітектуру. Даний підхід 
дозволяє розподілити навантаження між окремими компонентами системи та 
забезпечити незалежне функціонування клієнтської та серверної частин. 
Основними перевагами клієнт-серверної архітектури є: 
– розподіл функціональних обов’язків між компонентами системи; 
– можливість масштабування окремих модулів; 
– підтримка багатокористувацького режиму роботи; 
– централізоване зберігання даних; 
– спрощення оновлення програмного забезпечення; 
– підвищення рівня безпеки системи. 
На рисунку 2.6 наведено загальну архітектуру програмного забезпечення 
інформаційної системи. 
 
Рисунок 2.6 – Архітектура програмного забезпечення системи 
На рисунку 2.6 представлено взаємодію основних програмних 
компонентів системи. Клієнтська частина забезпечує взаємодію користувача із 
46 
системою через web-інтерфейс, серверна частина виконує бізнес-логіку та 
обробку запитів, а база даних відповідає за зберігання інформації. 
Клієнтська частина системи реалізується за допомогою бібліотеки React. 
Використання React дозволяє створити сучасний односторінковий web-
застосунок (SPA), який забезпечує швидке оновлення інтерфейсу без 
перезавантаження сторінки. 
Основними функціями клієнтської частини є: 
– відображення інтерфейсу користувача; 
– взаємодія з REST API; 
– візуалізація аналітичних даних; 
– керування станом застосунку; 
– формування запитів до сервера; 
– відображення статистики та рекомендацій. 
Інтерфейс користувача будується за компонентним принципом. 
Основними компонентами клієнтської частини є: 
– форма авторизації; 
– панель керування; 
– модуль аналітики; 
– сторінка сегментації аудиторії; 
– модуль рекомендацій; 
– система статистичних звітів. 
Для організації взаємодії між клієнтською та серверною частинами 
використовується REST API. 
Основними типами HTTP-запитів є: 
– GET — отримання інформації; 
– POST — створення нових записів; 
– PUT — оновлення даних; 
– DELETE — видалення інформації. 
Серверна частина системи реалізується за допомогою Node.js та 
Express.js. Node.js забезпечує асинхронну обробку запитів та підтримує роботу 
з великою кількістю одночасних підключень. 
47 
Express.js використовується для: 
– маршрутизації HTTP-запитів; 
– створення REST API; 
– реалізації серверної логіки; 
– обробки middleware; 
– забезпечення авторизації користувачів. 
На рисунку 2.7 наведено структуру серверної частини програмного 
забезпечення. 
 
Рисунок 2.7 – Структура серверної частини системи 
На рисунку 2.7 представлено структуру серверної частини системи та 
взаємодію між її основними модулями. Серверна частина складається з API-
рівня, модулів бізнес-логіки, сервісів аналітики та механізмів взаємодії з базою 
даних. 
Основними компонентами серверної частини є: 
– API Gateway; 
– модуль авторизації; 
– модуль користувачів; 
– модуль аналітики; 
– модуль сегментації; 
– модуль рекомендацій; 
48 
– модуль статистики; 
– модуль адміністрування. 
Модуль авторизації відповідає за перевірку користувачів та контроль 
доступу до функцій системи. Для забезпечення безпечної авторизації 
використовується JWT (JSON Web Token). 
JWT дозволяє реалізувати: 
– безпечну автентифікацію; 
– контроль доступу; 
– захист API-запитів; 
– підтримку сесій користувачів. 
На рисунку 2.8 наведено схему взаємодії користувача із сервером під час 
авторизації. 
 
Рисунок 2.8 – Схема авторизації користувача в системі 
На рисунку 2.8 представлено процес авторизації користувача із 
використанням JWT-токенів. Після успішної перевірки облікових даних сервер 
генерує токен доступу, який використовується при подальшій роботі із 
системою. 
49 
Для зберігання інформації у системі використовується MongoDB — 
документоорієнтована база даних типу NoSQL. 
Використання MongoDB забезпечує: 
– гнучкість структури даних; 
– високу швидкість обробки інформації; 
– підтримку роботи з великими обсягами даних; 
– можливість горизонтального масштабування. 
Взаємодія серверної частини з MongoDB здійснюється за допомогою 
Mongoose ODM. 
Mongoose забезпечує: 
– створення моделей даних; 
– валідацію інформації; 
– формування запитів до бази даних; 
– підтримку зв’язків між сутностями. 
На рисунку 2.9 наведено процес взаємодії серверної частини з базою 
даних. 
 
Рисунок 2.9 – Взаємодія серверної частини з MongoDB 
50 
На рисунку 2.9 показано процес обробки запитів до бази даних. Сервер 
отримує HTTP-запит, виконує бізнес-логіку та формує відповідні запити до 
MongoDB через Mongoose ODM. 
Для забезпечення продуктивності системи використовується модульна 
архітектура програмного забезпечення. Кожен модуль реалізує окремий набір 
функцій та може бути незалежно оновлений або масштабований. 
Перевагами модульної архітектури є: 
– спрощення підтримки коду; 
– можливість повторного використання компонентів; 
– зменшення залежностей між модулями; 
– підвищення стабільності системи. 
У системі також передбачено підтримку інтеграції із зовнішніми 
сервісами: 
– Google Analytics; 
– CRM-системами; 
– email-сервісами; 
– рекламними платформами; 
– платіжними системами. 
На рисунку 2.10 наведено схема інтеграції інформаційної системи із 
зовнішніми сервісами. 
51 
 
Рисунок 2.10 – Інтеграція інформаційної системи із зовнішніми сервісами 
На рисунку 2.10 представлено взаємодію системи із зовнішніми 
аналітичними та маркетинговими сервісами через API-інтерфейси. 
Таким чином, у процесі проєктування архітектури програмного 
забезпечення було визначено основні компоненти інформаційної системи, 
механізми взаємодії між ними та принципи організації програмного коду. 
Обрана клієнт-серверна архітектура забезпечує гнучкість, масштабованість та 
ефективність роботи системи, а використання сучасних web-технологій 
дозволяє створити надійний програмний продукт для автоматизації процесу 
підбору цільової аудиторії інтернет-магазинів. 
2.3 Розробка структури бази даних 
База даних є ключовим компонентом інформаційної системи для підбору 
цільової аудиторії інтернет-магазинів, оскільки саме вона забезпечує 
зберігання, обробку та подальше використання інформації про користувачів, 
товари, замовлення, поведінкові події, сегменти аудиторії та сформовані 
рекомендації. 
52 
Для реалізації бази даних обрано MongoDB — документоорієнтовану 
NoSQL-систему керування базами даних. Такий вибір обумовлений тим, що 
дані в системах електронної комерції можуть мати різну структуру та швидко 
змінюватися залежно від дій користувачів, типів товарів, маркетингових 
кампаній і параметрів аналітики. 
MongoDB дозволяє зберігати дані у вигляді документів, близьких за 
структурою до JSON, що спрощує взаємодію із серверною частиною, 
реалізованою на Node.js. Крім того, MongoDB забезпечує високу швидкість 
читання та запису даних, підтримує індексацію, агрегацію та масштабування, 
що є важливим для системи аналізу поведінки користувачів. 
Структура бази даних розроблюваної інформаційної системи повинна 
забезпечувати зберігання таких основних груп даних: 
– інформації про користувачів системи; 
– інформації про товари інтернет-магазину; 
– категорій товарів; 
– замовлень користувачів; 
– подій поведінки користувачів; 
– сегментів цільової аудиторії; 
– рекомендацій товарів; 
– маркетингових кампаній; 
– аналітичних показників. 
На рисунку 2.11 наведено структуру бази даних інформаційної системи. 
53 
 
Рисунок 2.11 – Структура бази даних інформаційної системи 
Основною колекцією бази даних є users, яка призначена для зберігання 
інформації про користувачів. Вона містить дані, необхідні для авторизації, 
ідентифікації користувача, визначення його ролі в системі та подальшого 
аналізу активності. 
До основних полів колекції users належать: 
– _id - унікальний ідентифікатор користувача; 
– name - ім’я користувача; 
– email - електронна пошта; 
– password - хешований пароль; 
– role - роль користувача в системі; 
– createdAt - дата створення облікового запису; 
– updatedAt - дата останнього оновлення даних. 
Колекція products використовується для зберігання інформації про товари 
інтернет-магазину. Вона містить назву товару, опис, ціну, зображення, 
категорію та додаткові параметри, які можуть використовуватися для 
формування рекомендацій. 
Основні поля колекції products: 
54 
– _id - унікальний ідентифікатор товару; 
– name - назва товару; 
– description - опис товару; 
– price - ціна товару; 
– image - посилання на зображення товару; 
– categoryId - ідентифікатор категорії; 
– brand - бренд або виробник; 
– createdAt - дата додавання товару; 
– updatedAt - дата оновлення інформації. 
Колекція categories призначена для зберігання категорій товарів. Вона 
дозволяє структурувати каталог інтернет-магазину та використовувати 
категорії під час аналізу інтересів користувачів. 
Основні поля колекції categories: 
– _id - унікальний ідентифікатор категорії; 
– name - назва категорії; 
– description - опис категорії; 
– parentId - ідентифікатор батьківської категорії; 
– createdAt - дата створення категорії; 
– updatedAt - дата оновлення категорії. 
Колекція orders використовується для зберігання інформації про 
замовлення користувачів. Вона містить відомості про покупця, статус 
замовлення, суму покупки та дату створення замовлення. 
Основні поля колекції orders: 
– _id - унікальний ідентифікатор замовлення; 
– userId - ідентифікатор користувача; 
– status - статус замовлення; 
– totalAmount - загальна сума замовлення; 
– createdAt - дата оформлення замовлення; 
– updatedAt - дата оновлення замовлення. 
55 
Для зберігання товарів, що входять до конкретного замовлення, 
використовується колекція order_items. Вона забезпечує зв’язок між 
замовленнями та товарами. 
Основні поля колекції order_items: 
– _id - унікальний ідентифікатор запису; 
– orderId - ідентифікатор замовлення; 
– productId - ідентифікатор товару; 
– price - ціна товару на момент покупки; 
– quantity - кількість одиниць товару. 
Особливе значення для розроблюваної системи має колекція events, яка 
призначена для зберігання поведінкових подій користувачів. Саме ці дані є 
основою для подальшого аналізу активності клієнтів, сегментації аудиторії та 
формування персоналізованих рекомендацій. 
До поведінкових подій можуть належати: 
– перегляд товару; 
– додавання товару до кошика; 
– оформлення замовлення; 
– використання пошуку; 
– перехід між категоріями; 
– реакція на рекламну кампанію. 
Основні поля колекції events: 
– _id - унікальний ідентифікатор події; 
– userId - ідентифікатор користувача; 
– eventType - тип події; 
– productId - ідентифікатор товару; 
– categoryId - ідентифікатор категорії; 
– metadata - додаткова інформація про подію; 
– createdAt - дата та час створення події. 
Колекція segments використовується для зберігання сегментів цільової 
аудиторії. Сегмент може формуватися на основі демографічних, поведінкових, 
географічних або аналітичних характеристик користувачів. 
56 
Основні поля колекції segments: 
– _id - унікальний ідентифікатор сегмента; 
– name - назва сегмента; 
– description - опис сегмента; 
– rules - правила формування сегмента; 
– createdAt - дата створення сегмента; 
– updatedAt - дата оновлення сегмента. 
Для збереження зв’язку між користувачами та сегментами 
використовується колекція user_segments. Вона дозволяє визначати, до яких 
сегментів належить конкретний користувач. 
Основні поля колекції user_segments: 
– _id - унікальний ідентифікатор запису; 
– userId - ідентифікатор користувача; 
– segmentId - ідентифікатор сегмента; 
– score - оцінка відповідності користувача сегменту; 
– createdAt - дата додавання користувача до сегмента. 
Колекція recommendations призначена для зберігання персоналізованих 
рекомендацій товарів. Рекомендації формуються на основі історії переглядів, 
покупок, активності користувача та належності до певних сегментів аудиторії. 
Основні поля колекції recommendations: 
– _id - унікальний ідентифікатор рекомендації; 
– userId - ідентифікатор користувача; 
– productId - ідентифікатор рекомендованого товару; 
– score - числова оцінка релевантності рекомендації; 
– reason - причина формування рекомендації; 
– createdAt - дата створення рекомендації; 
– expiresAt - дата завершення актуальності рекомендації. 
Колекція campaigns використовується для зберігання інформації про 
маркетингові кампанії. Вона дозволяє пов’язувати рекламні заходи із певними 
сегментами аудиторії та оцінювати їх ефективність. 
Основні поля колекції campaigns: 
57 
– _id - унікальний ідентифікатор кампанії; 
– name - назва кампанії; 
– description - опис кампанії; 
– targetSegmentId - ідентифікатор цільового сегмента; 
– startDate - дата початку кампанії; 
– endDate - дата завершення кампанії; 
– status - поточний статус кампанії; 
– createdAt - дата створення кампанії. 
Колекція analytics призначена для зберігання агрегованих аналітичних 
показників. Вона може містити інформацію про кількість відвідувань, 
переглядів товарів, конверсії, активність користувачів та ефективність 
рекламних кампаній. 
Основні поля колекції analytics: 
– _id - унікальний ідентифікатор аналітичного запису; 
– metricName - назва показника; 
– metricValue - значення показника; 
– period - період аналізу; 
– segmentId - ідентифікатор сегмента; 
– createdAt - дата створення запису. 
Для підвищення продуктивності роботи бази даних доцільно 
використовувати індекси. Індекси дозволяють прискорити пошук користувачів, 
вибірку подій за датою, аналіз замовлень і формування рекомендацій. 
У системі доцільно передбачити такі індекси: 
– унікальний індекс для поля users.email; 
– складений індекс для полів events.userId та events.createdAt; 
– індекс для поля products.categoryId; 
– складений індекс для полів orders.userId та orders.createdAt; 
– індекс для полів recommendations.userId та score; 
– індекс для поля campaigns.targetSegmentId. 
Запропонована структура бази даних забезпечує можливість ефективного 
зберігання інформації та подальшого використання її для аналітичної обробки. 
58 
Наявність окремих колекцій для користувачів, подій, сегментів, рекомендацій 
та кампаній дозволяє реалізувати гнучкий механізм аналізу поведінки клієнтів. 
Таким чином, розроблена структура бази даних відповідає 
функціональним вимогам інформаційної системи, забезпечує підтримку 
процесів сегментації користувачів, формування рекомендацій та аналізу 
ефективності маркетингових заходів. 
2.4 Моделювання інформаційної системи за допомогою UML 
Моделювання інформаційної системи за допомогою UML є важливим 
етапом проєктування програмного забезпечення, оскільки дозволяє 
формалізувати структуру системи, описати її функціональні можливості та 
визначити сценарії взаємодії користувачів із програмним продуктом. 
UML використовується для графічного подання архітектури системи, 
логіки її роботи та зв’язків між основними компонентами. Для інформаційної 
системи підбору цільової аудиторії інтернет-магазинів UML-моделювання 
дозволяє визначити ролі користувачів, основні варіанти використання, 
послідовність виконання операцій та взаємодію між модулями системи. 
У межах проєктування доцільно використати такі типи UML-діаграм: 
– діаграму варіантів використання; 
– діаграму активності; 
– діаграму послідовності; 
– діаграму компонентів. 
Діаграма варіантів використання відображає основні функції системи та 
акторів, які взаємодіють із нею. У розроблюваній системі основними акторами 
є адміністратор, маркетолог, користувач системи та зовнішні сервіси. 
Адміністратор виконує функції керування користувачами, налаштування 
прав доступу, перегляду журналів дій та адміністрування системи. Маркетолог 
працює з аналітичними даними, виконує сегментацію аудиторії, переглядає 
рекомендації та формує маркетингові кампанії. Користувач системи має доступ 
до персоналізованих рекомендацій, перегляду товарів та взаємодії з 
59 
інтерфейсом інтернет-магазину. Зовнішні сервіси забезпечують інтеграцію з 
аналітичними платформами, email-сервісами, платіжними системами та 
рекламними кабінетами. 
Діаграма варіантів використання демонструє, що центральними 
функціями системи є авторизація користувача, перегляд аналітичної панелі, 
аналіз поведінки користувачів, сегментація аудиторії, керування 
рекомендаціями та формування звітів. Частина функцій доступна лише 
авторизованим користувачам із відповідними ролями, що забезпечує 
розмежування доступу до даних. 
Важливим елементом моделювання є діаграма активності, яка дозволяє 
описати послідовність дій у процесі підбору цільової аудиторії. Така діаграма 
відображає логіку роботи системи від моменту отримання даних про 
користувачів до формування сегментів аудиторії та рекомендацій. 
Загальний процес роботи системи включає такі етапи: 
– авторизацію користувача; 
– отримання даних про активність користувачів; 
– очищення та підготовку даних; 
– аналіз поведінкових характеристик; 
– формування сегментів аудиторії; 
– генерацію персоналізованих рекомендацій; 
– відображення результатів у панелі керування. 
На рисунку 2.12 наведено UML-діаграму активності процесу підбору 
цільової аудиторії. 
60 
 
Рисунок 2.12 – UML-діаграма активності процесу підбору цільової аудиторії 
Діаграма активності показує, що робота системи починається з перевірки 
прав доступу користувача. Після успішної авторизації система отримує 
поведінкові дані, виконує їх обробку та передає до модуля аналітики. Якщо 
61 
обсяг даних є достатнім, система виконує сегментацію користувачів та формує 
рекомендації. У разі недостатньої кількості даних система очікує накопичення 
нової інформації або використовує базові правила сегментації. 
Для опису взаємодії між клієнтською частиною, сервером та базою даних 
використовується діаграма послідовності. Вона дозволяє простежити порядок 
обміну повідомленнями між компонентами системи під час виконання 
конкретного сценарію. 
Наприклад, під час формування рекомендацій клієнтська частина 
надсилає запит до сервера. Сервер перевіряє авторизацію користувача, 
звертається до бази даних для отримання інформації про активність клієнтів, 
передає дані до модуля рекомендацій, формує результат і повертає його 
клієнтській частині у форматі JSON. 
На рисунку 2.13 наведено UML-діаграму послідовності формування 
рекомендацій. 
 
Рисунок 2.13 – UML-діаграма послідовності формування рекомендацій 
Діаграма послідовності демонструє взаємодію між такими компонентами: 
– клієнтською частиною; 
– API-сервером; 
– модулем авторизації; 
62 
– модулем аналітики; 
– модулем рекомендацій; 
– базою даних MongoDB. 
У процесі виконання запиту сервер перевіряє токен авторизації, отримує 
необхідні дані з бази, виконує аналіз поведінки користувача та формує список 
рекомендованих товарів. 
Діаграма компонентів використовується для подання структури 
програмного забезпечення на рівні окремих модулів. Вона дозволяє показати, з 
яких компонентів складається система та як вони взаємодіють між собою. 
Основними компонентами інформаційної системи є: 
– клієнтський web-застосунок; 
– REST API; 
– сервіс авторизації; 
– сервіс користувачів; 
– сервіс аналітики; 
– сервіс сегментації; 
– сервіс рекомендацій; 
– сервіс звітності; 
– база даних MongoDB; 
– зовнішні сервіси інтеграції. 
На рисунку 2.14 наведено UML-діаграму компонентів інформаційної 
системи. 
63 
 
Рисунок 2.14 – UML-діаграма компонентів інформаційної системи 
Діаграма компонентів відображає модульну структуру програмного 
забезпечення. Клієнтський web-застосунок взаємодіє з REST API, який є 
центральним вузлом обробки запитів. REST API передає запити до відповідних 
сервісів, а сервіси виконують бізнес-логіку та звертаються до бази даних. 
Використання UML-моделювання дозволяє ще на етапі проєктування 
виявити основні зв’язки між компонентами, визначити можливі сценарії роботи 
системи та зменшити ризик помилок під час програмної реалізації. 
Таким чином, UML-моделювання інформаційної системи забезпечує 
формальне подання її функціональних можливостей, структури та логіки 
роботи. Розроблені діаграми створюють основу для подальшої реалізації 
клієнтської та серверної частин програмного забезпечення, а також дозволяють 
краще зрозуміти взаємодію між користувачами, модулями системи та 
зовнішніми сервісами. 
2.5 Проєктування користувацького інтерфейсу 
Проєктування користувацького інтерфейсу є важливим етапом створення 
інформаційної системи, оскільки саме через інтерфейс користувач взаємодіє з 
основними функціями програмного продукту. Для інформаційної системи 
підбору цільової аудиторії інтернет-магазинів інтерфейс повинен бути зручним, 
64 
зрозумілим, адаптивним і орієнтованим на швидкий доступ до аналітичної 
інформації. 
Основними користувачами системи є адміністратор, маркетолог і 
менеджер інтернет-магазину. Тому структура інтерфейсу має забезпечувати 
зручну роботу з аналітичними панелями, сегментами аудиторії, 
рекомендаціями, звітами та налаштуваннями системи. 
Під час проєктування інтерфейсу було враховано такі вимоги: 
– простота навігації між основними розділами системи; 
– логічне групування функціональних блоків; 
– адаптивність для різних розмірів екранів; 
– швидке відображення ключових показників; 
– зрозуміла візуалізація статистики; 
– наявність фільтрів і пошуку; 
– розмежування доступу відповідно до ролі користувача. 
Інтерфейс інформаційної системи доцільно реалізувати у вигляді web-
застосунку з панеллю керування. Основна сторінка системи повинна містити 
навігаційне меню, блоки ключових показників, графіки активності 
користувачів, таблиці сегментів аудиторії та рекомендації для маркетингових 
дій. 
Головними розділами інтерфейсу є: 
– панель керування; 
– розділ користувачів; 
– розділ аналітики; 
– розділ сегментації аудиторії; 
– розділ рекомендацій; 
– розділ маркетингових кампаній; 
– розділ звітів; 
– розділ налаштувань. 
Панель керування є стартовою сторінкою після входу користувача до 
системи. Вона призначена для швидкого перегляду загального стану 
інформаційної системи та основних показників діяльності інтернет-магазину. 
65 
На ній можуть відображатися кількість користувачів, кількість активних 
сегментів, рівень конверсії, кількість сформованих рекомендацій та 
ефективність рекламних кампаній. 
На рисунку 2.15 наведено загальну структуру користувацького 
інтерфейсу інформаційної системи. 
 
Рисунок 2.15 – Загальна структура користувацького інтерфейсу інформаційної 
системи 
Розділ аналітики призначений для відображення статистичних показників 
і результатів аналізу поведінки користувачів. У цьому розділі доцільно 
передбачити графіки відвідуваності, джерела трафіку, популярні категорії 
товарів, динаміку переглядів і покупки за певний період. 
Для зручності роботи з аналітикою необхідно реалізувати фільтрацію за 
такими параметрами: 
– період часу; 
– категорія товарів; 
– тип події; 
– сегмент аудиторії; 
– джерело трафіку; 
66 
– статус користувача. 
Розділ сегментації аудиторії є одним із ключових елементів системи. Він 
призначений для перегляду наявних сегментів користувачів, створення нових 
сегментів та редагування правил сегментації. Кожен сегмент повинен містити 
назву, опис, кількість користувачів, критерії відбору та показники 
ефективності. 
Прикладом сегментів можуть бути: 
– нові користувачі; 
– активні покупці; 
– користувачі, які переглядали товари, але не здійснили покупку; 
– постійні клієнти; 
– користувачі з високою ймовірністю повторної покупки. 
На рисунку 2.16 наведено приклад сторінки сегментації аудиторії. 
 
Рисунок 2.16 – Сторінка сегментації аудиторії 
Розділ рекомендацій призначений для відображення персоналізованих 
рекомендацій товарів і маркетингових дій. У цьому розділі система повинна 
показувати рекомендовані товари для окремих користувачів або сегментів 
аудиторії, причини формування рекомендацій та оцінку релевантності. 
Рекомендації можуть формуватися на основі: 
67 
– історії покупок; 
– переглянутих товарів; 
– належності до певного сегмента; 
– поведінки схожих користувачів; 
– популярності товарів у категорії. 
Розділ маркетингових кампаній призначений для створення, перегляду та 
оцінювання рекламних кампаній. У ньому користувач може вибрати цільовий 
сегмент, задати параметри кампанії, переглянути статистику її ефективності та 
експортувати результати. 
Важливим елементом інтерфейсу є сторінка звітів. Вона повинна 
надавати можливість формувати аналітичні звіти за різними критеріями та 
експортувати їх у зручному форматі. Доцільно передбачити експорт у PDF або 
CSV. 
На рисунку 2.17 наведено приклад сторінки аналітичного звіту. 
 
Рисунок 2.17 – Сторінка аналітичного звіту інформаційної системи 
Окрему увагу при проєктуванні інтерфейсу необхідно приділити 
адаптивності. Оскільки користувачі можуть працювати із системою з різних 
пристроїв, інтерфейс повинен коректно відображатися на персональних 
комп’ютерах, планшетах і смартфонах. Для цього застосовується адаптивна 
68 
верстка, гнучкі сітки, масштабовані елементи інтерфейсу та оптимізовані 
компоненти навігації. 
Для покращення зручності використання системи доцільно застосувати 
такі принципи UI/UX-дизайну: 
– мінімалістичне оформлення інтерфейсу; 
– виділення головних показників; 
– зрозуміла структура меню; 
– використання візуальних підказок; 
– однаковий стиль кнопок, таблиць і форм; 
– зменшення кількості зайвих дій користувача; 
– швидке повернення до головної панелі керування. 
Проєктування інтерфейсу також повинно враховувати безпеку та 
розмежування доступу. Наприклад, адміністратор повинен мати доступ до 
налаштувань системи та керування користувачами, тоді як маркетолог працює 
переважно з аналітикою, сегментами, рекомендаціями та кампаніями. 
Таким чином, спроєктований користувацький інтерфейс забезпечує 
зручну взаємодію з інформаційною системою, надає швидкий доступ до 
основних аналітичних функцій та підтримує ефективну роботу з цільовою 
аудиторією інтернет-магазину. Його структура відповідає функціональним 
вимогам системи та створює основу для подальшої програмної реалізації 
клієнтської частини web-застосунку. 
Висновки до розділу 2 
У другому розділі кваліфікаційної роботи було виконано проєктування 
інформаційної системи для підбору цільової аудиторії інтернет-магазинів. У 
процесі проєктування визначено основні функціональні можливості системи, 
сформовано архітектуру програмного забезпечення, розроблено структуру бази 
даних та виконано UML-моделювання основних процесів і компонентів 
системи. 
69 
На початковому етапі було визначено функціональні вимоги до 
інформаційної системи та сформовано загальну концепцію її побудови. 
Встановлено, що система повинна забезпечувати збір і аналіз поведінкових 
даних користувачів, сегментацію аудиторії, формування персоналізованих 
рекомендацій, створення аналітичних звітів та підтримку маркетингових 
кампаній. 
У ході проєктування архітектури програмного забезпечення обрано 
клієнт-серверний підхід, який дозволяє забезпечити гнучкість, масштабованість 
та ефективну взаємодію між компонентами системи. Для реалізації клієнтської 
частини було обрано React, а серверної частини — Node.js та Express.js. Для 
організації взаємодії між клієнтом і сервером використовується REST API. 
Особливу увагу приділено проєктуванню структури бази даних. У роботі 
обґрунтовано використання MongoDB як документоорієнтованої системи 
керування базами даних. Розроблена структура бази даних забезпечує 
зберігання інформації про користувачів, товари, замовлення, поведінкові події, 
сегменти аудиторії, рекомендації та маркетингові кампанії. Також визначено 
основні зв’язки між сутностями та підходи до оптимізації роботи з даними за 
допомогою індексів. 
У межах UML-моделювання створено діаграми варіантів використання, 
активності, послідовності та компонентів системи. Розроблені UML-діаграми 
дозволили формалізувати логіку роботи інформаційної системи, визначити 
сценарії взаємодії користувачів із програмним забезпеченням та описати 
взаємозв’язки між основними модулями системи. 
Також було виконано проєктування користувацького інтерфейсу 
інформаційної системи. Визначено основні розділи web-застосунку, структуру 
навігації, принципи відображення аналітичної інформації та особливості 
адаптивного дизайну. Запропонований інтерфейс забезпечує зручну взаємодію 
користувачів із системою та швидкий доступ до основних функціональних 
можливостей. 
70 
У результаті виконання другого розділу сформовано повну проєктну 
модель інформаційної системи для підбору цільової аудиторії інтернет-
магазинів, яка включає архітектуру програмного забезпечення, структуру бази 
даних, UML-моделі та концепцію користувацького інтерфейсу. Отримані 
результати створюють основу для подальшої програмної реалізації та 
тестування розроблюваної системи у наступних розділах кваліфікаційної 
роботи. 
 
71 
3 ПРОГРАМНА РЕАЛІЗАЦІЯ ІНФОРМАЦІЙНОЇ СИСТЕМИ 
У цьому розділі розглядається програмна реалізація інформаційної 
системи для підбору цільової аудиторії інтернет-магазинів. Основна увага 
приділяється реалізації серверної та клієнтської частин системи, створенню 
REST API, реалізації алгоритмів аналізу поведінки користувачів, а також 
забезпеченню безпеки та авторизації користувачів. 
Під час розробки програмного забезпечення було використано сучасний 
технологічний стек, що дозволяє створити масштабовану, продуктивну та 
зручну інформаційну систему. Для реалізації клієнтської частини застосовано 
React, для серверної частини - Node.js та Express.js, а для зберігання даних – 
MongoDB.  
Основними вимогами до програмної реалізації системи були: 
– підтримка клієнт-серверної архітектури; 
– забезпечення високої швидкості обробки запитів; 
– підтримка REST API; 
– безпечна авторизація користувачів; 
– можливість аналізу поведінкових даних; 
– підтримка адаптивного інтерфейсу; 
– масштабованість програмного забезпечення. 
У розділі кваліфікаційної роботи розглядається програмна реалізація 
інформаційної системи для підбору цільової аудиторії інтернет-магазинів. 
Увага приділяється створенню REST API, реалізації алгоритмів поведінки 
користувачів та забезпеченню безпечної авторизації користувачів. У процесі 
розробки використано сучасні web-технології та інструменти програмування, 
що дозволяють створити масштабовану, продуктивну та зручну інформаційну 
систему. Для реалізації клієнтської частини застосовано бібліотеку React, 
серверну частину побудовано на основі Node.js та Express.js, а для зберігання 
даних використано MongoDB. Розроблена система забезпечує автоматизацію 
процесів збору, аналізу та обробки поведінкових даних користувачів, 
72 
формування сегментів аудиторії та генерацію персоналізованих рекомендацій 
для підвищення ефективності маркетингових кампаній інтернет-магазинів. 
 
 
Рисунок 3.1 – Загальна структура програмної реалізації системи 
73 
На рисунку 3.1 представлено основні програмні компоненти системи та 
взаємодію між клієнтською частиною, сервером, базою даних і зовнішніми 
сервісами. 
3.1 Реалізація серверної частини системи 
Серверна частина інформаційної системи реалізована за допомогою 
середовища Node.js та фреймворку Express.js. Вибір даних технологій 
обумовлений їх високою продуктивністю, підтримкою асинхронної обробки 
запитів та широкими можливостями інтеграції з web-технологіями. 
Node.js дозволяє ефективно обробляти велику кількість одночасних 
HTTP-запитів, що є важливим для систем електронної комерції. Express.js 
використовується для створення REST API, маршрутизації запитів та реалізації 
серверної логіки. 
Структура серверної частини включає: 
– модуль авторизації; 
– модуль користувачів; 
– модуль аналітики; 
– модуль сегментації; 
– модуль рекомендацій; 
– модуль статистики; 
– модуль інтеграції із зовнішніми сервісами. 
Реалізація серверної частини системи є одним із ключових етапів 
розробки інформаційної системи, оскільки саме сервер забезпечує обробку 
запитів користувачів, взаємодію з базою даних, виконання бізнес-логіки та 
передачу даних клієнтській частині. Серверна частина побудована за 
принципами клієнт-серверної архітектури із використанням середовища Node.js 
та фреймворку Express.js. Такий підхід дозволяє забезпечити високу 
продуктивність системи, підтримку асинхронної обробки запитів і можливість 
масштабування програмного забезпечення. У межах серверної частини 
реалізовано модулі авторизації користувачів, обробки аналітичних даних, 
74 
сегментації аудиторії, формування рекомендацій та взаємодії із зовнішніми 
сервісами. Для організації роботи з даними використовується MongoDB та 
Mongoose ODM, що забезпечують ефективне зберігання, пошук і обробку 
інформації про користувачів, товари, поведінкові події та маркетингові 
кампанії. 
 
Рисунок 3.2 – Структура серверної частини системи 
Для взаємодії з MongoDB використовується Mongoose ODM, який 
забезпечує створення моделей даних, валідацію інформації та виконання 
запитів до бази даних що представлено на рисунку 3.2. 
Приклад підключення до MongoDB: 
const mongoose = require("mongoose"); 
mongoose.connect(process.env.MONGO_URI) 
  .then(() => console.log("MongoDB connected")) 
  .catch((err) => console.log(err)); 
Маршрутизація запитів реалізована за допомогою Express Router. 
Приклад створення маршруту: 
75 
router.get("/users", authMiddleware, getUsers); 
Серверна частина також реалізує middleware для: 
– перевірки JWT-токенів; 
– логування запитів; 
– обробки помилок; 
– перевірки прав доступу; 
– валідації вхідних даних. 
3.2 Реалізація клієнтської частини системи 
Клієнтська частина системи реалізована за допомогою бібліотеки React 
представлена на рисунку 3.3. Використання React дозволяє створити сучасний 
SPA-застосунок із динамічним оновленням інтерфейсу без перезавантаження 
сторінки. 
Основними компонентами клієнтської частини є: 
– сторінка авторизації; 
– панель керування; 
– сторінка аналітики; 
– сторінка сегментації аудиторії; 
– модуль рекомендацій; 
– модуль звітності. 
76 
 
Рисунок 3.3 – Структура клієнтської частини системи 
Для організації навігації між сторінками використовується React Router. 
Приклад маршрутизації: 
<Routes> 
  <Route path="/" element={<Dashboard />} /> 
  <Route path="/analytics" element={<Analytics />} /> 
  <Route path="/segments" element={<Segments />} /> 
</Routes> 
Для роботи із сервером використовується Axios. 
Приклад HTTP-запиту: 
const response = await axios.get("/api/analytics"); 
Для керування станом застосунку використовується Context API або 
Redux Toolkit. 
Інтерфейс системи побудований із використанням: 
– HTML5; 
– CSS3; 
– Flexbox; 
– CSS Grid; 
77 
– адаптивної верстки. 
3.3 Реалізація REST API 
REST API забезпечує взаємодію між клієнтською та серверною 
частинами системи. API реалізовано відповідно до принципів REST-
архітектури. 
Основними групами API-запитів є: 
– авторизація користувачів; 
– робота з користувачами; 
– отримання аналітичних даних; 
– керування сегментами аудиторії; 
– робота з рекомендаціями; 
– формування звітів. 
На рисунку 3.4 представлено загальну структуру REST API 
інформаційної системи для підбору цільової аудиторії інтернет-магазинів. 
Схема демонструє організацію основних API-маршрутів та логічний поділ 
серверних endpoint-ів відповідно до функціональних модулів системи. Як 
показано на рисунку 3.4, REST API містить окремі групи маршрутів для 
авторизації користувачів, роботи з користувачами, отримання аналітичних 
даних, керування сегментами аудиторії, формування рекомендацій та генерації 
звітів. Для кожного модуля визначено основні HTTP-методи (GET, POST, PUT, 
DELETE), що забезпечують виконання операцій отримання, створення, 
оновлення та видалення даних. Така структура API дозволяє забезпечити 
зручну взаємодію між клієнтською та серверною частинами системи, підтримує 
масштабованість програмного забезпечення та спрощує подальший розвиток 
функціональних можливостей інформаційної системи. 
78 
 
Рисунок 3.4 – Структура REST API системи 
Приклади REST API-запитів: 
Авторизація користувача: 
POST /api/auth/login 
Отримання списку сегментів: 
GET /api/segments 
Створення нового сегмента: 
POST /api/segments 
Отримання рекомендацій: 
GET /api/recommendations 
Формат відповіді сервера: 
{ 
  "success": true, 
  "data": [] 
} 
REST API підтримує: 
– JSON-формат обміну даними; 
– JWT-авторизацію; 
– обробку помилок; 
– валідацію параметрів; 
79 
– захист маршрутів. 
3.4 Реалізація алгоритмів аналізу поведінки користувачів 
Однією з основних функцій системи є аналіз поведінки користувачів. Для 
цього реалізовано алгоритми збору та обробки поведінкових даних. 
Система аналізує: 
– перегляди товарів; 
– покупки; 
– переходи між сторінками; 
– додавання товарів до кошика; 
– тривалість сеансів; 
– джерела трафіку. 
Для сегментації аудиторії використовується RFM-аналіз. 
RFM-аналіз враховує: 
– Recency - давність останньої покупки; 
– Frequency - частоту покупок; 
– Monetary - суму покупок. 
 
Рисунок 3.5 – Алгоритм аналізу поведінки користувачів 
80 
Приклад реалізації RFM-аналізу: 
const score = 
  recencyScore + 
  frequencyScore + 
  monetaryScore; 
Для формування рекомендацій використовуються: 
– поведінкові правила; 
– аналіз історії покупок; 
– аналіз популярних товарів; 
– рекомендації на основі сегментів. 
3.5 Забезпечення безпеки та авторизації користувачів 
Безпека інформаційної системи є важливою складовою програмної 
реалізації. Для захисту даних користувачів та обмеження доступу до функцій 
системи реалізовано механізм JWT-авторизації що показано на рисунку 3.6. 
JWT дозволяє: 
– виконувати безпечну автентифікацію; 
– перевіряти права доступу; 
– захищати API-маршрути; 
– підтримувати сесії користувачів. 
81 
 
Рисунок 3.6 – Схема JWT-авторизації користувача 
Для хешування паролів використовується bcrypt. 
Приклад хешування пароля: 
const hashedPassword = await bcrypt.hash(password, 10); 
Перевірка JWT-токена: 
jwt.verify(token, process.env.JWT_SECRET); 
У системі реалізовано: 
– перевірку ролей користувачів; 
– захист приватних маршрутів; 
– валідацію даних; 
– захист від SQL/NoSQL Injection; 
– обмеження кількості запитів; 
– логування помилок. 
Висновки до розділу 3 
У третьому розділі кваліфікаційної роботи було виконано програмну 
реалізацію інформаційної системи для підбору цільової аудиторії інтернет-
82 
магазинів. У процесі розробки реалізовано серверну та клієнтську частини 
системи із використанням сучасних web-технологій, що дозволило створити 
масштабовану та ефективну клієнт-серверну архітектуру. 
Серверну частину системи реалізовано на основі Node.js та Express.js. 
Було створено REST API для взаємодії між клієнтською та серверною 
частинами, реалізовано модулі авторизації користувачів, роботи з аналітичними 
даними, сегментації аудиторії та формування рекомендацій. Для зберігання та 
обробки даних використано MongoDB та Mongoose ODM, що забезпечило 
ефективну роботу з інформацією про користувачів, товари, замовлення та 
поведінкові події. 
Клієнтська частина системи побудована на основі React. Реалізовано 
структуру SPA-застосунку, маршрутизацію між сторінками, адаптивний 
інтерфейс користувача та взаємодію із серверною частиною через API-запити. 
Інтерфейс системи забезпечує зручний доступ до аналітичних даних, сегментів 
аудиторії та рекомендацій. 
У межах програмної реалізації також було створено алгоритми аналізу 
поведінки користувачів і сегментації аудиторії. Для цього використовуються 
дані про активність користувачів, перегляди товарів, покупки та інші 
поведінкові характеристики. Для формування сегментів застосовано RFM-
аналіз, що дозволяє оцінювати активність клієнтів та формувати 
персоналізовані рекомендації. 
Особливу увагу приділено забезпеченню безпеки системи. Для 
авторизації користувачів використано JWT-токени, реалізовано механізми 
перевірки прав доступу, хешування паролів та захисту API-маршрутів.  
Отримані результати підтверджують можливість створення сучасної 
інформаційної системи для автоматизації процесу підбору цільової аудиторії 
інтернет-магазинів та забезпечення ефективного аналізу поведінки 
користувачів у сфері електронної комерції. 
83 
4 ТЕСТУВАННЯ ТА АНАЛІЗ РЕЗУЛЬТАТІВ РОБОТИ СИСТЕМИ 
У четвертому розділі кваліфікаційної роботи розглядаються питання 
тестування та аналізу результатів роботи інформаційної системи для підбору 
цільової аудиторії інтернет-магазинів. Основною метою тестування є перевірка 
працездатності програмного забезпечення, правильності функціонування 
окремих модулів системи, оцінка продуктивності та визначення ефективності 
реалізованих алгоритмів аналізу поведінки користувачів. 
У процесі тестування перевірялась коректність роботи серверної та 
клієнтської частин системи, взаємодія між модулями, функціонування REST 
API, механізми авторизації користувачів та обробка аналітичних даних. Окрему 
увагу приділено перевірці алгоритмів сегментації аудиторії та формування 
персоналізованих рекомендацій. 
Для проведення тестування використовувались сучасні інструменти web-
розробки та аналізу програмного забезпечення, зокрема: 
– Postman - для тестування REST API; 
– Google Chrome DevTools - для аналізу продуктивності клієнтської 
частини; 
– MongoDB Compass - для перевірки структури та цілісності даних; 
– Lighthouse - для оцінювання швидкодії web-інтерфейсу; 
– Node.js Logger - для аналізу серверних запитів та помилок. 
Основними критеріями оцінки роботи системи були: 
– коректність функціонування програмних модулів; 
– швидкість обробки запитів; 
– стабільність роботи системи; 
– точність формування сегментів аудиторії; 
– ефективність алгоритмів рекомендацій; 
– безпека авторизації користувачів; 
– зручність користувацького інтерфейсу. 
84 
На рисунку 4.1 наведено загальну схему процесу тестування 
інформаційної системи. 
 
Рисунок 4.1 – Загальна схема процесу тестування інформаційної системи 
4.1 Методика тестування програмного забезпечення 
Для перевірки працездатності інформаційної системи було використано 
комплексний підхід до тестування програмного забезпечення. Методика 
тестування включала функціональне, інтеграційне, модульне та 
навантажувальне тестування. 
Функціональне тестування проводилось з метою перевірки правильності 
роботи основних функцій системи відповідно до визначених функціональних 
вимог. У межах функціонального тестування перевірялись: 
– реєстрація та авторизація користувачів; 
– робота REST API; 
– створення сегментів аудиторії; 
– формування рекомендацій; 
– генерація аналітичних звітів; 
85 
– обробка поведінкових подій. 
Інтеграційне тестування використовувалось для перевірки взаємодії між 
клієнтською частиною, сервером та базою даних. Під час тестування 
аналізувалась коректність передачі даних між компонентами системи. 
Модульне тестування дозволило перевірити окремі програмні модулі 
серверної логіки, алгоритмів сегментації та механізмів авторизації. 
Навантажувальне тестування проводилось для оцінювання 
продуктивності системи при одночасному виконанні великої кількості запитів 
користувачів. 
На рисунку 4.2 наведено структуру методики тестування програмного 
забезпечення. 
 
Рисунок 4.2 – Методика тестування програмного забезпечення 
4.2 Тестування функціональних можливостей системи 
Під час тестування функціональних можливостей системи було 
перевірено роботу основних модулів інформаційної системи та коректність 
виконання операцій користувача. 
86 
У процесі тестування авторизації перевірялись: 
– правильність введення логіна та пароля; 
– перевірка JWT-токенів; 
– обмеження доступу до захищених маршрутів; 
– коректність завершення сесії користувача. 
Для перевірки REST API використовувався Postman. Тестування 
дозволило переконатися у правильності роботи HTTP-запитів та відповідей 
сервера. 
На рисунку 4.3 наведено приклад тестування REST API системи. 
 
Рисунок 4.3 – Тестування REST API інформаційної системи 
Також було перевірено: 
– створення та редагування сегментів аудиторії; 
– генерацію рекомендацій; 
– відображення статистики; 
– формування аналітичних звітів; 
– коректність роботи фільтрів і пошуку. 
У результаті тестування встановлено, що всі основні функції системи 
працюють коректно та відповідають поставленим вимогам. 
 
87 
 
4.3 Аналіз продуктивності та ефективності роботи системи 
Для оцінки продуктивності інформаційної системи проведено аналіз 
швидкості обробки запитів, часу відповіді сервера та ефективності роботи 
алгоритмів аналізу поведінки користувачів. 
Тестування показало, що середній час відповіді REST API при 
стандартному навантаженні становить 120–250 мс, що забезпечує комфортну 
взаємодію користувача із системою. 
Для оцінки швидкодії клієнтської частини використовувався інструмент 
Lighthouse. За результатами аналізу web-застосунок отримав високі показники 
продуктивності, доступності та оптимізації інтерфейсу. 
На рисунку 4.4 наведено результати аналізу продуктивності web-
застосунку. 
 
88 
Рисунок 4.4 – Аналіз продуктивності інформаційної системи 
Під час тестування алгоритмів сегментації встановлено, що система 
дозволяє автоматично формувати сегменти аудиторії на основі поведінкових 
характеристик користувачів. 
Серед основних результатів тестування: 
– точність сегментації користувачів — 85–90%; 
– скорочення часу аналізу аудиторії — до 60%; 
– швидкість генерації рекомендацій — до 2 секунд; 
– підтримка одночасної роботи понад 100 користувачів. 
4.4 Аналіз результатів експериментального дослідження 
У межах експериментального дослідження проведено аналіз ефективності 
використання інформаційної системи для автоматизації процесу підбору 
цільової аудиторії інтернет-магазинів. 
Для дослідження використовувалися тестові набори даних, що містили 
інформацію про: 
– поведінкову активність користувачів; 
– історію покупок; 
– перегляди товарів; 
– взаємодію з маркетинговими кампаніями. 
На основі отриманих даних система виконувала сегментацію 
користувачів та формувала персоналізовані рекомендації товарів. 
На рисунку 4.5 наведено приклад результатів аналізу поведінки 
користувачів. 
89 
 
Рисунок 4.5 – Результати аналізу поведінки користувачів 
Результати експериментального дослідження показали, що використання 
розробленої інформаційної системи дозволяє: 
– підвищити точність визначення потенційних клієнтів; 
– автоматизувати процес маркетингового аналізу; 
– скоротити час обробки поведінкових даних; 
– покращити персоналізацію рекомендацій; 
– підвищити ефективність рекламних кампаній. 
Порівняно з традиційними методами ручного аналізу даних, 
використання системи дозволило підвищити ефективність сегментації аудиторії 
на 25–35%. 
Висновки до розділу 4 
У четвертому розділі кваліфікаційної роботи було проведено тестування 
та аналіз результатів роботи інформаційної системи для підбору цільової 
аудиторії інтернет-магазинів. У процесі тестування перевірено працездатність 
серверної та клієнтської частин системи, коректність функціонування REST 
API, алгоритмів сегментації аудиторії та механізмів авторизації користувачів. 
90 
За результатами тестування встановлено, що інформаційна система 
стабільно працює при стандартному навантаженні, забезпечує швидку обробку 
запитів та коректне формування персоналізованих рекомендацій. Проведений 
аналіз продуктивності підтвердив ефективність використаних технологій та 
архітектурних рішень. 
Експериментальне дослідження показало, що розроблена система 
дозволяє автоматизувати процес аналізу поведінки користувачів, підвищити 
точність сегментації аудиторії та покращити ефективність маркетингових 
кампаній інтернет-магазинів. 
91 
ВИСНОВКИ 
У результаті виконання кваліфікаційної роботи бакалавра було 
розроблено інформаційну систему для підбору цільової аудиторії інтернет-
магазинів, яка забезпечує автоматизацію процесів аналізу поведінки 
користувачів, сегментації аудиторії та формування персоналізованих 
рекомендацій. У ході виконання роботи досягнуто поставленої мети та 
вирішено основні задачі дослідження. 
У першому розділі було проведено аналіз предметної області та сучасних 
технологій електронної комерції. Досліджено особливості функціонування 
сучасних інтернет-магазинів, методи сегментації користувачів, підходи до 
аналізу поведінкових даних та технології формування рекомендацій. Також 
виконано аналіз сучасних web-технологій та інструментів розробки 
інформаційних систем. На основі проведеного аналізу сформовано вимоги до 
розроблюваної системи та обґрунтовано вибір технологічного стеку для її 
реалізації. 
У другому розділі виконано проєктування інформаційної системи. Було 
розроблено архітектуру програмного забезпечення, структуру функціональних 
модулів, UML-діаграми та структуру бази даних. Спроєктовано клієнтську та 
серверну частини системи, а також розроблено концепцію користувацького 
інтерфейсу. Запропонована архітектура забезпечує модульність, 
масштабованість та ефективну взаємодію між компонентами системи. 
У третьому розділі реалізовано програмну частину інформаційної 
системи. Серверну частину побудовано на основі Node.js та Express.js, а 
клієнтську частину — із використанням React. Реалізовано REST API для 
взаємодії між компонентами системи та інтеграції із зовнішніми сервісами. Для 
зберігання даних використано MongoDB. Також реалізовано алгоритми аналізу 
поведінки користувачів, сегментації аудиторії та формування персоналізованих 
рекомендацій. Для забезпечення безпеки реалізовано JWT-авторизацію, 
хешування паролів та механізми захисту API. 
92 
У четвертому розділі проведено тестування та аналіз результатів роботи 
системи. Виконано функціональне, інтеграційне та навантажувальне тестування 
програмного забезпечення. Результати тестування підтвердили стабільність 
роботи інформаційної системи, коректність функціонування основних модулів 
та ефективність реалізованих алгоритмів аналізу поведінки користувачів. У 
ході експериментального дослідження встановлено, що використання системи 
дозволяє підвищити точність визначення потенційних клієнтів, скоротити час 
аналізу аудиторії та покращити персоналізацію маркетингових пропозицій. 
Розроблена інформаційна система може бути використана в діяльності 
інтернет-магазинів для автоматизації маркетингового аналізу, формування 
цільових сегментів аудиторії та підвищення ефективності рекламних кампаній. 
Практичне значення роботи полягає у можливості використання результатів 
дослідження під час створення сучасних систем електронної комерції та 
аналітичних платформ. 
Перспективами подальшого розвитку системи є впровадження алгоритмів 
машинного навчання для більш точного прогнозування поведінки користувачів, 
інтеграція з популярними CRM-системами та сервісами web-аналітики, а також 
розширення функціональних можливостей системи шляхом підтримки 
мобільних платформ та хмарних технологій. 
93 
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 
1. Берко А. Ю., Верес О. М. Організація баз даних та знань : навч. посіб. Львів : 
Магнолія 2006, 2021. 352 с.  
2. Гужва В. М. Інформаційні системи і технології на підприємствах : навч. 
посіб. Київ : КНЕУ, 2020. 400 с.  
3. Пасічник В. В., Резніченко В. А. Організація баз даних та знань : підручник. 
Київ : Видавнича група BHV, 2021. 584 с.  
4. Семеріков С. О., Теплицький І. О. Сучасні web-технології : навч. посіб. 
Кривий Ріг : КДПУ, 2022. 412 с.  
5. Фланаган Д. JavaScript. Повне керівництво. 7-ме вид. Київ : Фабула, 2021. 
704 с.  
6. Duckett J. HTML and CSS: Design and Build Websites. Indianapolis : Wiley, 
2014. 490 p.  
7. Freeman A. Pro React 18. New York : Apress, 2023. 820 p.  
8. Haverbeke M. Eloquent JavaScript. 3rd ed. San Francisco : No Starch Press, 2019. 
472 p.  
9. Tilkov S., Vinoski S. Node.js: Using JavaScript to Build High-Performance 
Network Programs. IEEE Internet Computing. 2019. Vol. 14, № 6. P. 80–83.  
10. Stallings W. Cryptography and Network Security: Principles and Practice. 8th ed. 
London : Pearson, 2020. 880 p.  
11. Gamma E., Helm R., Johnson R., Vlissides J. Design Patterns: Elements of 
Reusable Object-Oriented Software. Boston : Addison-Wesley, 2019. 395 p.  
12. Pressman R. S., Maxim B. R. Software Engineering: A Practitioner’s Approach. 
9th ed. New York : McGraw-Hill, 2020. 880 p.  
13. Sommerville I. Software Engineering. 10th ed. Boston : Pearson, 2021. 810 p.  
14. Laudon K. C., Laudon J. P. Management Information Systems. 17th ed. London : 
Pearson Education, 2022. 669 p.  
15. Google Analytics Documentation. URL: https://developers.google.com/analytics 
(дата звернення: 18.05.2026).  
94 
16. React Documentation. URL: https://react.dev (дата звернення: 18.05.2026).  
17. Node.js Documentation. URL: https://nodejs.org/en/docs (дата звернення: 
18.05.2026).  
18. Express.js Documentation. URL: https://expressjs.com (дата звернення: 
18.05.2026).  
19. MongoDB Documentation. URL: https://www.mongodb.com/docs (дата 
звернення: 18.05.2026).  
20. JSON Web Tokens Introduction. URL: https://jwt.io/introduction (дата 
звернення: 18.05.2026).  
21. MDN Web Docs. URL: https://developer.mozilla.org (дата звернення: 
18.05.2026). 
95 
ДОДАТОК А 
 
 
 
        Затверджую               
Зав. кафедри КНСА, 
                                              _________ Юрій ТРИУС 
«____»____________2026 р.                                                                                                                                                                              
 
 
 
 
 
 
 
ІНФОРМАЦІЙНА СИСТЕМА ДЛЯ ПІДБОРУ ЦІЛЬОВОЇ АУДИТОРІЇ 
ІНТЕРНЕТ МАГАЗИНІВ  
 
 
Специфікація  
482.ЧДТУ.62502-01  
 
Листів 2 
 
 
 
 
 
 
 
 
Розробник                          ____________________                 Ігор ХАРЧЕНКО  
 
Керівник                            ____________________                Микола ПІДГОРНИЙ  
 
 
 
 
 
 
 
 
 
Черкаси – 2026
96 
 
482.ЧДТУ. 62502-01 
Позначення Найменування Примітка 
   
   
 Документація  
   
482.ЧДТУ. 62502-01    12 01 Лістинг коду програми  
482.ЧДТУ. 62502-01    34 01 Інструкція користувача  
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
 
97 
ДОДАТОК Б 
 
 
 
 
 
 
 
 
 
 
 
ІНФОРМАЦІЙНА СИСТЕМА ДЛЯ ПІДБОРУ ЦІЛЬОВОЇ АУДИТОРІЇ 
ІНТЕРНЕТ МАГАЗИНІВ  
 
 
 
 
 
ЛІСТИНГ КОДУ ПРОГРАМИ  
482. ЧДТУ 62502-01 12 01 
 
Листів 7 
 
 
 
 
 
 
 
Розробник                          ____________________                 Ігор ХАРЧЕНКО  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
98 
Черкаси – 2026 
<!DOCTYPE html> 
<html lang="uk"> 
<head> 
  <meta charset="UTF-8" /> 
  <meta name="viewport" content="width=device-width, initial-scale=1.0" /> 
  <title>Audience Analytics — Інформаційна система</title> 
  <link rel="stylesheet" href="styles.css" /> 
  <script src="https://cdn.jsdelivr.net/npm/chart.js"></script> 
</head> 
<body> 
  <div class="app"> 
    <aside class="sidebar"> 
      <div class="brand"> 
        <div class="brand-icon">AA</div> 
        <div> 
          <h1>Audience<br>Analytics</h1> 
          <p>інтернет-магазин</p> 
        </div> 
      </div> 
 
      <nav> 
        <button class="nav-link active" data-page="dashboard">Панель 
керування</button> 
        <button class="nav-link" data-page="users">Користувачі</button> 
        <button class="nav-link" data-page="analytics">Аналітика</button> 
        <button class="nav-link" data-page="segments">Сегментація</button> 
        <button class="nav-link" data-
page="recommendations">Рекомендації</button> 
        <button class="nav-link" data-page="reports">Звіти</button> 
        <button class="nav-link" data-page="settings">Налаштування</button> 
99 
      </nav> 
 
      <div class="user-box"> 
        <div class="avatar">МК</div> 
        <div> 
          <strong>Маркетолог</strong> 
          <span>[email protected]</span> 
        </div> 
      </div> 
    </aside> 
 
    <main class="content"> 
      <header class="topbar"> 
        <div> 
          <h2 id="pageTitle">Панель керування</h2> 
          <p id="pageSubtitle">Огляд показників роботи інформаційної 
системи</p> 
        </div> 
        <div class="top-actions"> 
          <select id="periodSelect"> 
            <option value="2026">2026 рік</option> 
            <option value="q1">I квартал 2026</option> 
            <option value="month">Травень 2026</option> 
          </select> 
          <button class="primary" id="exportBtn">Експорт звіту</button> 
        </div> 
      </header> 
 
      <section id="dashboard" class="page active"> 
        <div class="kpi-grid"> 
100 
          <div class="card kpi"><span>Користувачі</span><strong>13 
842</strong><small>▲ 14.8%</small></div> 
          <div class="card kpi"><span>Перегляди</span><strong>98 
621</strong><small>▲ 17.6%</small></div> 
          <div class="card kpi"><span>Покупки</span><strong>2 
869</strong><small>▲ 16.9%</small></div> 
          <div class="card 
kpi"><span>Конверсія</span><strong>2.91%</strong><small>▲ 0.4 
п.п.</small></div> 
        </div> 
 
        <div class="grid two"> 
          <div class="card"> 
            <h3>Динаміка активності користувачів</h3> 
            <canvas id="activityChart"></canvas> 
          </div> 
          <div class="card"> 
            <h3>Джерела трафіку</h3> 
            <canvas id="trafficChart"></canvas> 
          </div> 
        </div> 
 
        <div class="grid two"> 
          <div class="card"> 
            <h3>Найефективніші сегменти</h3> 
            <table> 
              
<thead><tr><th>Сегмент</th><th>Користувачі</th><th>Конверсія</th><th>Стат
ус</th></tr></thead> 
              <tbody id="topSegmentsTable"></tbody> 
            </table> 
101 
          </div> 
          <div class="card"> 
            <h3>Останні рекомендації</h3> 
            <div id="recommendationList" class="recommendation-list"></div> 
          </div> 
        </div> 
      </section> 
 
      <section id="users" class="page"> 
        <div class="card"> 
          <h3>Користувачі системи</h3> 
          <div class="toolbar"> 
            <input id="userSearch" placeholder="Пошук користувача..." /> 
            <button class="secondary" id="searchBtn">Знайти</button> 
          </div> 
          <table> 
            
<thead><tr><th>Ім’я</th><th>Email</th><th>Сегмент</th><th>Активність</th>
<th>Сума покупок</th></tr></thead> 
            <tbody id="usersTable"></tbody> 
          </table> 
        </div> 
      </section> 
 
      <section id="analytics" class="page"> 
        <div class="grid two"> 
          <div class="card"> 
            <h3>Воронка конверсії</h3> 
            <div class="funnel"> 
              <div style="width:100%">Перегляд товару — 28 956</div> 
              <div style="width:72%">Додано в кошик — 7 962</div> 
102 
              <div style="width:48%">Оформлення — 3 642</div> 
              <div style="width:32%">Покупка — 2 869</div> 
            </div> 
          </div> 
          <div class="card"> 
            <h3>RFM-аналіз</h3> 
            <canvas id="rfmChart"></canvas> 
          </div> 
        </div> 
      </section> 
 
      <section id="segments" class="page"> 
        <div class="card"> 
          <div class="section-head"> 
            <h3>Сегментація аудиторії</h3> 
            <button class="primary" id="createSegmentBtn">Створити 
сегмент</button> 
          </div> 
          <table> 
            <thead><tr><th>Назва 
сегмента</th><th>Опис</th><th>Користувачі</th><th>Конверсія</th><th>Стат
ус</th></tr></thead> 
            <tbody id="segmentsTable"></tbody> 
          </table> 
        </div> 
      </section> 
 
      <section id="recommendations" class="page"> 
        <div class="card"> 
          <h3>Персоналізовані рекомендації товарів</h3> 
          <div class="products" id="productsGrid"></div> 
103 
        </div> 
      </section> 
 
      <section id="reports" class="page"> 
        <div class="card"> 
          <h3>Аналітичний звіт</h3> 
          <p class="muted">Звіт сформовано за період: 01.01.2026 – 
31.12.2026</p> 
          <div id="reportText" class="report-box"></div> 
        </div> 
      </section> 
 
      <section id="settings" class="page"> 
        <div class="card"> 
          <h3>Налаштування системи</h3> 
          <label>Назва магазину</label> 
          <input value="Demo Shop" /> 
          <label>Метод авторизації</label> 
          <select><option>JWT</option><option>OAuth 2.0</option></select> 
          <label>Частота оновлення аналітики</label> 
          
<select><option>Щогодини</option><option>Щоденно</option></select> 
          <button class="primary">Зберегти налаштування</button> 
        </div> 
      </section> 
    </main> 
  </div> 
 
  <script src="script.js"></script> 
</body> 
</html> 
104 
ДОДАТОК В 
 
 
 
 
 
 
 
 
 
 
 
ІНФОРМАЦІЙНА СИСТЕМА ДЛЯ ПІДБОРУ ЦІЛЬОВОЇ АУДИТОРІЇ 
ІНТЕРНЕТ МАГАЗИНІВ  
 
 
 
 
 
Інструкція користувача  
482. ЧДТУ 62502-01 12 01 
 
Листів 4 
 
 
 
 
 
 
 
 
Розробник                          ____________________                 Ігор ХАРЧЕНКО  
 
 
 
 
 
 
 
 
 
 
 
Черкаси – 2026 
105 
 
ДОДАТОК В ІНСТРУКЦІЯ КОРИСТУВАЧА 
В.1 Призначення системи 
Інформаційна система для підбору цільової аудиторії інтернет-магазинів 
призначена для автоматизації процесів аналізу поведінки користувачів, 
сегментації аудиторії, формування персоналізованих рекомендацій та 
підтримки маркетингової аналітики. 
Система дозволяє: 
– аналізувати поведінку користувачів інтернет-магазину; 
– формувати сегменти аудиторії; 
– створювати персоналізовані рекомендації товарів; 
– переглядати аналітичні показники; 
– формувати звіти; 
– керувати маркетинговими кампаніями. 
В.2 Мінімальні системні вимоги 
Для коректної роботи інформаційної системи необхідно використовувати: 
Апаратні вимоги: 
– процесор: Intel Core i3 або вище; 
– оперативна пам’ять: від 4 ГБ; 
– вільне місце на диску: від 500 МБ; 
– стабільне підключення до мережі Інтернет. 
Програмні вимоги: 
– операційна система: Windows 10/11, Linux або macOS; 
– web-браузер: 
– Google Chrome; 
– Mozilla Firefox; 
– Microsoft Edge. 
В.3 Запуск інформаційної системи 
Для запуску системи необхідно: 
1. Відкрити web-браузер.  
2. Перейти за адресою інформаційної системи.  
106 
3. Ввести логін та пароль користувача.  
4. Натиснути кнопку «Увійти».  
Після успішної авторизації користувач отримує доступ до 
функціональних можливостей системи. 
В.4 Авторизація користувача 
Система використовує JWT-авторизацію для забезпечення безпечного 
доступу до даних. 
На сторінці авторизації необхідно: 
– ввести email користувача; 
– ввести пароль; 
– натиснути кнопку «Увійти». 
У разі неправильного введення даних система відобразить повідомлення 
про помилку. 
Після успішної авторизації користувач автоматично перенаправляється на 
головну панель керування. 
В.5 Головна панель керування 
Головна панель керування містить основні аналітичні показники роботи 
системи: 
– кількість користувачів; 
– кількість переглядів; 
– кількість покупок; 
– рівень конверсії; 
– активність користувачів; 
– джерела трафіку. 
На панелі також відображаються графіки та статистичні дані. 
В.6 Робота із сегментами аудиторії 
Для переходу до роботи із сегментами необхідно: 
1. Відкрити розділ «Сегментація».  
2. Переглянути список доступних сегментів.  
3. За необхідності створити новий сегмент.  
Для створення сегмента потрібно: 
107 
– вказати назву сегмента; 
– задати критерії відбору користувачів; 
– обрати тип поведінкового аналізу; 
– зберегти зміни. 
Система автоматично сформує список користувачів, які відповідають 
заданим параметрам. 
В.7 Аналіз поведінки користувачів 
У розділі «Аналітика» користувач може переглядати: 
– статистику переглядів товарів; 
– активність користувачів; 
– джерела переходів; 
– популярні категорії товарів; 
– рівень конверсії; 
– результати RFM-аналізу. 
Для зручності передбачено фільтрацію даних за періодом часу та 
категоріями. 
В.8 Робота з рекомендаціями 
Розділ «Рекомендації» дозволяє переглядати персоналізовані товарні 
пропозиції. 
Система формує рекомендації на основі: 
– історії покупок; 
– переглянутих товарів; 
– поведінки схожих користувачів; 
– результатів сегментації. 
Для кожного товару відображається рівень релевантності рекомендації. 
В.9 Формування звітів 
У розділі «Звіти» користувач може: 
– переглядати аналітичні звіти; 
– формувати статистику за вибраний період; 
– експортувати результати у PDF або CSV; 
– аналізувати ефективність маркетингових кампаній. 
108 
Формування звіту виконується автоматично після вибору необхідних 
параметрів. 
В.10 Налаштування системи 
У розділі «Налаштування» доступні: 
– зміна параметрів системи; 
– керування користувачами; 
– налаштування авторизації; 
– керування API-ключами; 
– зміна параметрів аналітики. 
Доступ до налаштувань мають лише користувачі з правами 
адміністратора. 
В.11 Завершення роботи із системою 
Для завершення роботи необхідно: 
1. Натиснути кнопку «Вийти».  
2. Дочекатися завершення сесії користувача.  
Після виходу із системи JWT-токен видаляється, а доступ до 
функціональних можливостей блокується до повторної авторизації. 
В.12 Можливі помилки та способи їх усунення 
Помилка Причина Спосіб усунення 
Помилка Неправильний логін або Перевірити правильність 
авторизації пароль введення даних 
Відсутність даних Помилка з’єднання з Перевірити Інтернет-
сервером з’єднання 
Повільна робота Високе навантаження Оновити сторінку або 
системи повторити запит 
Помилка API Сервер недоступний Перезапустити серверну 
частину 
Дані не Кеш браузера Очистити кеш браузера 
оновлюються 
 
 
109 
 
В.13 Висновки до додатка 
Розроблена інформаційна система має зрозумілий та зручний інтерфейс 
користувача, підтримує адаптивний дизайн та забезпечує ефективну роботу з 
аналітичними даними. Надана інструкція дозволяє користувачам швидко 
ознайомитися з основними функціональними можливостями системи та 
ефективно використовувати її для аналізу цільової аудиторії інтернет-
магазинів.
Репозиторій ЧДТУ
