دانلود ترجمه مقاله بازاریابی ویروسی در شبکه های اجتماعی (ساینس دایرکت – الزویر ۲۰۱۹)

بازاریابی ویروسی در شبکه های اجتماعی: یک دیدگاه اپیدمیولوژیک

Viral Marketing on Social Networks: An Epidemiological Perspective

چکیده

۱ مقدمه

۲ مدل ارائه شده و تجزیه و تحلیل میدان-میانگین

۳ تجزیه و تحلیل گرافی-نظری

۴ نتایج عددی

۵ نتیجه‌گیری

منابع

چکیده

     مروزه رسانه‌های اجتماعی آنلاین حاضر در همه جا دارای تاثیر فزاینده مدوامی روی کسب‌ و کارها، سیاست و جامعه هستند. شناخت این مکانیسم‌های جدیدتر انتشار اطلاعات، برای تصمیم‌گیری در مورد سیاست‌های تبلیغاتی بسیار مهم است. با توجه به تعامل آزاد میان تعداد زیادی از اعضا، انتشار اطلاعات در رسانه‌های اجتماعی، دارای ویژگی‌های مختلف مشابه با یک پدیده اپیدمی (همه‌گیر) است. در این مقاله، با در نظر گرفتن برخی تعاملات واقع‌بینانه در شبکه‌های اجتماعی، مدلی ریاضی را برای شناخت پدیده‌های بازایابی دیجیتال با رویکردی اپیدمیولوژیک ارائه می‌دهیم. از رویکرد میدان-میانگین و همچنین تجزیه و تحلیل شبکه برای بررسی این پدیده برای هر دو مدل همگن و ناهمگن استفاده می‌کنیم و دینامیک انتشار و همچنین حالت‌های توازن برای برای هر دو مورد را مطالعه می‌نماییم. فضای پارامتر و راهکارهای طراحی برای اجرای کمپینی تبلیغاتی با کارایی زیاد را مورد بررسی قرار می‌دهیم. علاوه بر این، پدیده دوپایایی را مشاهده می‌کنیم که تحت آن، شرایط لازم برای افزایش پایداری کمپین را تخمین زده و در عین حال از گسترش ویروسی آن مطمعن می‌شویم.

مدل ارائه شده و تجزیه و تحلیل میدان-میانگین
در رویکرد میدان-میانگین، جمعیت کل (T) را تقسیم‌بندی کرده و هر فرد را به یکی از سه زیر-جمعیت متقابلا انحصاری اختصاص می‌دهیم: نا آگاه (U)، پخش کننده (B) و ساکن (I). این رویکرد قبلا برای مدلبندی اپیدمیولوژیک [۱۱] و همچنین رفتار سطح شبکه [۳۱] کمپین‌های تبلیغاتی مبتنی بر ایمیل مورد استفاده قرار گرفته است. این تحول رفتاری بین قسمت‌های متقابلا انحصاری توسط چند عامل هدایت می‌شوند، که قوانین را برای مدل ایجاد می‌کنند. برای شناخت این دینامیک در یک جمعیت و همچنین شناخت روانشناسی مصرف کننده نسبت به کمپین‌های VM، ما مطالعه مبتنی بر نظرسنجی گسترده‌ای را در کاری جدید [۳۵] انجام دادیم. شکل ۷ب و جدول ۱ از [۳۵]، یافته‌های نظرسنجی را در قالب چارچوبی نظری خلاصه می‌کنند. در آن مطالعه مشاهده کردیم که عوامل مستقل و با وابستگی متقابلی وجود دارد که نقشی کلیدی را در رویکرد مصرف کننده نسبت به یک کمپین تبلیغاتی ایفا می‌کنند. همانطور که در بخش ۵ از [۳۵] بحث شده است، دلایلی مانند مقدار پاداش‌ها، روندهای اخیر، ارتباط با یک نام تجاری و غیره، به افراد، انگیزه مشارکت فعالانه در یک کمپین ویروسی را می‌دهند. با این حال حتی پس از شناخت درباره یک تشویق، افراد گاهی اوقات به دلایل مختلفی مانند امنیت، فراموشی، تجربه بد گذشته و غیره در آن مشارکت نمی‌کنند. نظرسنجی همچنین نشان می‌دهد که اثبات صادقانه بودن کمپین و یادآوری‌های دوستانه می‌توانند زیر-جمعیت‌های غیر فعال را تشویق به انتشار تشویق ویروسی کنند. با در نظر گرفتن این جنبه‌ها و همچنین با فرض ترکیب همگن، یعنی نادیده گرفتن ساختار فضایی (مکانی) در جمعیت، سیستم را در ادامه توصیف می‌کنیم.

فرمولبندی مدل
طرحواره مدل در شکل ۱ نشان داده شده است. رده نا آگاه، که با U نشان داده می‌شود، دریافت کننده پیام است: این‌ها افراد مستعد یا بازار هدف هستند، که ممکن است یک پیام تبلیغاتی شامل تشویق‌های بازاریابی را دریافت کنند. رده انتشار کننده (B) متشکل از افرادی است که پیام را می‌دانند و دارای پتانسیل ارسال پیام در جمعیت هستند. اگر یک عضو در این رده تصمیم به مشارکت در کمپین بگیرد، او پیام را در کل جمعیت به وسیله توصیه آن از طریق تماس‌های اجتماعی خود منتشر کرده و انتقال می‌دهد. ما فرض می‌کنیم نرخ (سرعت) تماس منتشر کننده با عوضی از رده نا آگاه است و پیام ویروسی را برای ایجاد منتشر کنندگان جدید بالقوه به اشتراک می‌گذاریم. در نهایت رده خاموش I وجود دارد که در رده منتشر کننده B قرار داشته است اما در حال حاضر پیام را به اشتراک نمی‌گذارد. دو روش اصلی برای رده خاموش وجود دارد: اولا، افرادی که برای انتشار پیام ویروسی مورد استفاده قرار می‌گیرند ممکن است به دلیل عوامل مختلفی مانند آزردگی (نسبت پایین سود به تلاش)، خستگی یا شک ناگهانی (درباره امنیت)، علاقه خود را از دست داده و خاموش شوند. از سوی دیگر، برخی افراد که در رده B قرار داشتند و دارای اختیار برای به اشتراک‌گذاری پیام ویروسی بودند ممکن است بدون به اشتراک‌گذاری حتی یک بار، مستقیما وارد رده خاموش شوند. عواملی که می‌توانند روی این رویداد اثر بگذارند فراموشی، انحراف جهتی، نگرانی امنیتی، عدم امنیت درباره بندهای پنهان و غیره هستند. اثرات این عوامل در پارامتر مدل ترکیب می‌شوند.