项目名称: "推荐-采纳"模式下病毒营销用户影响传播机制研究

项目编号: No.71271209

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 管理科学

项目作者: 余力

作者单位: 中国人民大学

项目金额: 56万元

中文摘要: 病毒营销是基于社会网络,通过用户口口相传的一种社会化网络营销方式。目前大多研究都是采用案例或实证分析的方法,而从用户微观营销行为的角度采用定量方法对病毒营销传播的微观机理进行研究的很少。"推荐"和"采纳"是病毒营销中两个重要的用户行为,对分析病毒营销传播的内在机理有重要作用。本课题从用户微观行为的角度,采用社会网络分析、图论和动态优化等方法,对"推荐-采纳"模式下病毒营销用户影响传播机制进行深入研究,课题紧紧围绕病毒营销传播的微观动力学机制和病毒营销用户影响特征两个关键科学问题开展研究,具体包括面向病毒营销的K阶影响传播模型研究、病毒营销传播模式的挖掘与分析、病毒营销关键用户发现、病毒营销种子用户选择,以及病毒营销传播效率预测等五个问题,并以淘宝网为例,设计一套相对完整的病毒营销应用方案。课题希望从微观角度对病毒营销内在机理研究,使病毒营销过程不再是"黑箱",而是可控制、可管理和可评估的。

中文关键词: 病毒营销;社会商务;个性化推荐;文本挖掘;网络营销

英文摘要: Viral Marketing is a social network marketing strategy working by Word-of-Mouth based on social network. Currently, most research on viral marketing are made by case study method, and there is very little research based on users micro-behavoir. Both 'Recommendation' and 'Adoption' are two key user behavior in viral marketing, which have important role in analyzing the propagating mechanism of viral marketing. Based on analyzing about user micro-behavior, in this proposal, the authors will make research on the propagating mechanism of user influence closely around two key scientific issues, respectively microscopic propagating kinetic mechanisms and user influence characteristics. It include specific research issues, respectively K order influence spread model, data mining and analysis on viral marketing propagating pattern, finding influential user in viral marketing, selecting seed user for viral marketing, as well as viral marketing propagating efficiency. Based on above theory research, taking taobao.com as an case, the authors will design a set of complete viral marketing application solutions. By research and analysis on influence mechanism of viral marketing, the author hope that viral marketing process is not a black-box, but controlable, managable and valuable.

英文关键词: Viral Marketing;Social Commerce;Personalized Recommendation;Text Mining;Internet Marketing

成为VIP会员查看完整内容
0

相关内容

推荐系统的一种应用场景。
【WSDM2022】具有分层注意力的图嵌入
专知会员服务
35+阅读 · 2021年11月17日
【开放书】Python + Matplotlib可视化指南,249页pdf
专知会员服务
97+阅读 · 2021年11月17日
【WWW2021】 大规模组合K推荐
专知会员服务
43+阅读 · 2021年5月3日
【WWW2021】神经公平协同过滤的去偏职业推荐
专知会员服务
21+阅读 · 2021年3月18日
【WSDM2021】注意力流:时间序列网络中的可视化影响力
专知会员服务
23+阅读 · 2021年2月20日
【CIKM2020-阿里】在线序列广告的用户隐藏状态推断
专知会员服务
24+阅读 · 2020年9月5日
【WWW2020-微软】理解用户行为用于文档推荐
专知会员服务
35+阅读 · 2020年4月5日
帐号体系中,游客模式的设计与意义
人人都是产品经理
0+阅读 · 2022年4月13日
私域引流|用户流量千千万,先搞它个一百万
人人都是产品经理
0+阅读 · 2022年4月12日
你会信任哪些平台的评分评价?
ZEALER订阅号
0+阅读 · 2022年3月20日
产品基于“信任”引发的问题
人人都是产品经理
0+阅读 · 2022年2月19日
图神经网络适合做推荐系统吗?
机器学习与推荐算法
1+阅读 · 2021年12月15日
WSDM2022 | 跨领域推荐中的个性化迁移用户兴趣偏好
机器学习与推荐算法
1+阅读 · 2021年11月3日
SIGIR20 | 基于用户行为检索的点击率预估模型
机器学习与推荐算法
1+阅读 · 2021年9月28日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Automated Data Augmentations for Graph Classification
Arxiv
11+阅读 · 2018年10月17日
Arxiv
14+阅读 · 2018年4月18日
小贴士
相关VIP内容
【WSDM2022】具有分层注意力的图嵌入
专知会员服务
35+阅读 · 2021年11月17日
【开放书】Python + Matplotlib可视化指南,249页pdf
专知会员服务
97+阅读 · 2021年11月17日
【WWW2021】 大规模组合K推荐
专知会员服务
43+阅读 · 2021年5月3日
【WWW2021】神经公平协同过滤的去偏职业推荐
专知会员服务
21+阅读 · 2021年3月18日
【WSDM2021】注意力流:时间序列网络中的可视化影响力
专知会员服务
23+阅读 · 2021年2月20日
【CIKM2020-阿里】在线序列广告的用户隐藏状态推断
专知会员服务
24+阅读 · 2020年9月5日
【WWW2020-微软】理解用户行为用于文档推荐
专知会员服务
35+阅读 · 2020年4月5日
相关资讯
帐号体系中,游客模式的设计与意义
人人都是产品经理
0+阅读 · 2022年4月13日
私域引流|用户流量千千万,先搞它个一百万
人人都是产品经理
0+阅读 · 2022年4月12日
你会信任哪些平台的评分评价?
ZEALER订阅号
0+阅读 · 2022年3月20日
产品基于“信任”引发的问题
人人都是产品经理
0+阅读 · 2022年2月19日
图神经网络适合做推荐系统吗?
机器学习与推荐算法
1+阅读 · 2021年12月15日
WSDM2022 | 跨领域推荐中的个性化迁移用户兴趣偏好
机器学习与推荐算法
1+阅读 · 2021年11月3日
SIGIR20 | 基于用户行为检索的点击率预估模型
机器学习与推荐算法
1+阅读 · 2021年9月28日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员