Read Full Paper

在新產品上市方面,像飛利浦和微軟這樣的大公司已經以社交網路的網紅客戶為目標,採取播種策略(Seeding Strategies),讓他們向朋友、同事和熟人擴散消息。當然,難點在於如何識別這些人並評估他們的影響範圍。

以往,研究人員都是基於預設的理論(如種子的朋友數量)尋找種子的某些特徵和位置。但是一項新的研究採取了不同的方法。它基於其關係特徵,比如類型(如朋友、鄰居或同事),關係持續時間和互動強度,建立一個模型,並對這些因素進行加權,評估每個種子的影響範圍。此外,還在實際擴散過程中收集資訊,獲得更具代表性的結果。

作者Xi Chen、Ralf van der Lans和Tuan Q Phan還在兩個完全不同的環境中測試了他們的方法:43個印度村莊的小額信貸專案以及有關超級碗廣告的評論在一個有42,000名以上使用者的社交網路中的傳播情況。他們發現,他們的方法能擴大播種策略的影響範圍,在第一種情況下最多擴大10%,在第二種情況下則為92%。

在小額信貸研究中,作者利用以前收集關於村莊的社交網路資料,按照四個方面的表徵,確定了12種關係類型:經濟(金錢或貨物的借貸)、社會、宗教和家庭。除了其他因素外,他們還考察其他人與種子之間的生活距離。然後將這些資料納入兩個指標進行計算:一是加權程度中心度,即每個種子各種關係的加權總和,並假設只與這些關係發生直接接觸;一是加權特徵向量中心度,即不僅考慮種子的關係,還考慮其關係的關係,依此類推。

特徵向量中心度通常被認為是一個更令人信服的指標,但作者證明,加權程度中心度更為適合。他們在一個保留樣本上加以測試,結果是影響範圍擴大了10%。此外,這種改善是通過相對較小的種子比例取得的,這對行銷商應該是有意義的。

在涉及超級碗的第二項研究中,作者可以訪問一所大型美國大學42,000名社交網路使用者的匿名資料,包括年齡、性別、加入日期以及每個學生的線上行為,如發送即時消息、公開發帖和評論。作者研究了他們對2010年超級碗期間首播廣告的回應,瞭解資訊如何通過網路層層擴散。

他們確定了1620個種子,根據這些種子在過去兩個月與他人交換的消息數量以及他們連接網路的持續時間,來確定他們的關係特徵,然後查看他們就該廣告發佈的消息有多少條被他們的朋友轉發或評論。交換消息的數量與網路中的社會影響力呈正相關,較長的關係與較弱的影響力相關。

基於程度中心度對50個種子進行了保留樣本的測試,得出驚人的結果。在加權程度中心度方面,他們的影響範圍比單選程度中心度高近92%,比特徵向量中心度高31%。

作者說:“我們提出的多網路法表明,關係特徵的重要性大不相同。在我們的實證應用中認識到這些差異不僅會導致更好的統計擬合,還會帶來更好的播種策略。”

“我們的方法是靈活的,適用於有社交網路資料的任何傳播過程,我們相信,對管理者而言,這或許是優化播種策略的寶貴工具,能促進其產品和服務的擴散。”