| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
ارزیابی و اعتباریابی استراتژیهای بازاریابی ویروسی در تویتر از طریق شبیه سازی اجتماعی مبتنی بر عامل |
| عنوان انگلیسی مقاله: |
Validating viral marketing strategies in Twitter via Agent-based Social Simulation |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2015 |
| تعداد صفحات مقاله انگلیسی | 26 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی فناوری اطلاعات، مدیریت و علوم ارتباطات اجتماعی |
| گرایش های مرتبط با این مقاله | سامانه های شبکه ای، اینترنت و شبکه های گسترده، مدیریت بازاریابی، روابط عمومی و مدیریت بازرگانی |
| مجله | سیستم های خبره کاربردی |
| دانشگاه | دانشگاه پلی تکنیک، دانشکده مهندسین ارتباطات، گروه مخابراتی سیستم های مهندسی، مادرید، اسپانیا |
| کلمات کلیدی | شبیه سازی اجتماعی مبتنی برعامل، بازاریابی ویروسی، تحلیل شبکه های اجتماعی، مدل گسترش شایعه، تویتر، داده های عظیم (بزرگ) |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | الزویر – Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 27 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| ترجمه پاورقی | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1. مقدمه
2. کارهای مرتبط
3. روش
4. مدلهای پایه و پیشنهادی برای گسترش و کنترل شایعه
1. 4 مدل گسترش شایعه
2. 4 مدل کنترل پایه
3. 4 مدل گسترش جدید
4. 4 مدل کنترل جدید
5. مجموعه داده ها و تجزیه و تحلیل شایعه
6. شبیه سازی BigTweet
7. نتایج آزمایش
1. 7 آزمایشات ارزیابی و اعتبارگذاری
8. نتیجه گیری و کارهای آتی
- بخشی از ترجمه:
8. نتیجه گیری و کارهای آتی
این مقاله تکنولوژی استفاده از راه حل اجتماعی مبتنی بر عامل (ABSS) را به طراحی و ارزیابی استراتژیهای بازاریابی ویروسی در تویتر گسترش می دهد. اگرچه کارهای زیادی در زمینه تجزیه و تحلیل داده های تویتر نظیر کتابهای راشل وجود دارد، اما به نظر مولفین، این اولین کار پژوهشی است که راهبردهایی در زمینه استفاده از داده های تویتر در یک تحقیق ABSS مطرح می شود. روش پیشنهادی موارد زیر را در نظر می گیرد: طراحی مدل مبتنی بر عامل، مدلسازی استراتژیهای بازاریابی، پاکسازی و پیش پردازش داده ها، تجزیه و تحلیل داده های اکتشافی، ساخت مدل، آزمایشات ارزیابی، و آزمایشات استراتژیها. علاوه بر بحث راجع به روش،این کار از مسئله درست مطالعه شده بازاریابی ویروسی برای تشریح آن پیروی کرده است که کنترل و انتشار شایعه در شبکه های اجتماعی نام دارد. مرور گسترده کارهای مرتبط نشان می دهد مدلسازی اپیدمیولوژیکی شیوه ای برتر برای مدلسازی گسترش اطلاعات غلط می باشد. این مقاله، شیوه پیشنهادی را با این فرض به چالش می کشاند که آن دسته از کاربرانی که تشخیص می دهند یک شایعه غلط در تویتر گسترش یافته است به طور نمونه: (1) ضد شایعه گسترش نخواهند داد، یا (2) مدارک تجربی دال بر عقب نشینی و انقباض وجود نخواهد داشت. بنابریان، کاربران بازیابی شده بر بازیابی همسایگانشان اثرگذار نخواهند بود.
کارآتی اصلی در این رشته تحقیق ادغام مدلهای مطرح شده با تکنولوژیهای داده های بزرگ می باشد. یکی دیگر از کارهای آتی مهم، در نظر گرفتن قدرت پیوندها در مطالعه استراتژیهای بازاریابی ویروسی می باشد. طبق اظهارات ، از داده های تعاملی می توان برای پیش بینی قدرت پیوندها استفاده نمود: ضعیف، میانی یا قوی. به علاوه، رویدادها ترجیحاً اطلاعات جدید را از طریق پیوندهای ضعیف به عبارتی لینک های رابط گروههای مختلف، ارسال می کنند. این لینک ها به سرعت پیغام ها را گسترش داده (منتشر کرده) و به بخشهای بزرگی از کاربران شبکه های اجتماعی متصل می شوند.
- بخشی از مقاله انگلیسی:
8. Conclusion and future works
This paper advances the state of the art in the use of Agent-based social simulation (ABSS) to design and validate viral marketing strategies in Twitter. Although there are extensive works in Twitter data analysis such as Russell’s books (Russell, 2011a, 2011b), to the best of the authors’ knowledge, this is the first research work where guidelines are given to use Twitter data in an ABSS research. The method proposed contemplates among others: the agentbased model design, modeling the marketing strategies, the data scraping and preprocessing, the exploratory data analysis, the model construction, the validation experiments, and the strategies experiments. In addition to the method discussion, this work has followed a well studied problem of viral marketing to illustrate it, the rumor control and diffusion in social networks. An extensive review of related works reveals that the epidemiological modeling is the hegemonic approach to model misinformation spreading. This paper challenges that approach by assuming that users who realize that have spread a false rumor in Twitter typically: (1) will not spread anti-rumors, or (2) there will not be empirical evidence of the retraction. Therefore, the recovered users will not affect the recovery of their neighbors.
The main future work in this research line is the integration of the presented models with Big Data technologies. Another important future work is to consider the strength of ties in the study of viral marketing strategies. As proposed by De Meo et al. (De Meo et al., 2014), interaction data can be used to predict the strength of ties: weak, intermediary, or strong. Moreover, events transmitting new information go preferentially through weak ties, i.e. links connecting different groups (Grabowicz et al., 2012). These links quickly spread messages and touch large segments of social networks users.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
ارزیابی و اعتباریابی استراتژی بازاریابی ویروسی در تویتر از طریق شبیه سازی اجتماعی مبتنی بر عامل |
| عنوان انگلیسی مقاله: |
Validating viral marketing strategies in Twitter via Agent-based Social Simulation |
|
|