亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于在線社會(huì)網(wǎng)絡(luò)的病毒性營(yíng)銷傳播機(jī)理研究

        2012-04-29 18:26:25朱志國(guó)
        圖書與情報(bào) 2012年6期
        關(guān)鍵詞:病毒性用戶影響

        摘要:在線社會(huì)網(wǎng)絡(luò)中的信息傳播研究,已經(jīng)吸引了來(lái)自情報(bào)科學(xué)、管理科學(xué)等多個(gè)學(xué)科領(lǐng)域的廣泛關(guān)注,這其中病毒性營(yíng)銷又是研究熱點(diǎn)之一。文章以此為視角,從社會(huì)網(wǎng)絡(luò)中的信息傳播、病毒性網(wǎng)絡(luò)營(yíng)銷信息擴(kuò)散機(jī)理等方面梳理與評(píng)述了這個(gè)領(lǐng)域內(nèi)的前沿進(jìn)展,并從技術(shù)與人文兩個(gè)層面展望了病毒性營(yíng)銷未來(lái)的研究趨勢(shì)與挑戰(zhàn)。

        關(guān)鍵字:情報(bào)科學(xué)病毒性營(yíng)銷社會(huì)網(wǎng)絡(luò)分析信息傳播

        中圖分類號(hào):F713.3 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1003-6938(2012)06-0101-07

        1引言

        信息的擴(kuò)散與傳播是人類社會(huì)的基本特征之一。進(jìn)入21世紀(jì)以來(lái),構(gòu)建基于博客、微博、論壇等社會(huì)化媒體的在線社會(huì)網(wǎng)絡(luò),讓數(shù)以百萬(wàn)計(jì)的人有機(jī)會(huì)在一個(gè)幾年前根本無(wú)法想像的平臺(tái)上創(chuàng)建并分享內(nèi)容,包括觀點(diǎn)發(fā)布、新聞轉(zhuǎn)發(fā)和產(chǎn)品評(píng)論等形式,將對(duì)于人類的信息交流和傳播產(chǎn)生深刻的影響??紤]到內(nèi)容如此廣泛的生產(chǎn)和消費(fèi),如何能夠讓一些信息脫穎而出,在社會(huì)化媒體中傳播得更加深遠(yuǎn)而廣泛;另一方面,如何阻止或限制一些不良信息在社會(huì)網(wǎng)絡(luò)中進(jìn)行傳播、擴(kuò)散,已經(jīng)成為了熱點(diǎn)研究領(lǐng)域,吸引了全球來(lái)自計(jì)算機(jī)工程、系統(tǒng)工程、物理學(xué)、管理科學(xué)等多個(gè)學(xué)術(shù)領(lǐng)域?qū)W者的廣泛關(guān)注。

        對(duì)于社會(huì)網(wǎng)絡(luò)中信息傳播和影響擴(kuò)散的研究其實(shí)已經(jīng)有很長(zhǎng)的歷史。最初的研究是關(guān)注影響傳播在醫(yī)學(xué)和農(nóng)業(yè)方面的創(chuàng)新應(yīng)用[1-2]。隨后是聚焦于無(wú)標(biāo)度網(wǎng)絡(luò)及它們中的成員因特定主題形成的親和力對(duì)信息傳播產(chǎn)生的影響[3]。也有研究[4]將社會(huì)網(wǎng)絡(luò)的結(jié)構(gòu)與演化特性應(yīng)用于疫情、輿情的防控評(píng)估與傳播這一研究前沿做了較為全面的綜述。

        在商業(yè)應(yīng)用方面,最為典型的是如何利用消費(fèi)者的在線社會(huì)網(wǎng)絡(luò)進(jìn)行營(yíng)銷信息的擴(kuò)散與傳播,例如研究在線社會(huì)網(wǎng)絡(luò)中病毒性營(yíng)銷的口碑?dāng)U散過(guò)程[5-6]。實(shí)際上病毒性營(yíng)銷的基本思想就是從社會(huì)網(wǎng)絡(luò)中找到最具影響力的用戶(用戶群),以便激活一條“口口相傳”所驅(qū)動(dòng)的影響傳播鏈條,這樣就可以以較小的營(yíng)銷成本覆蓋到較大范圍的受眾人群[7-8]。近些年來(lái),基于在線社會(huì)網(wǎng)絡(luò)的病毒性營(yíng)銷研究工作已經(jīng)成為營(yíng)銷科學(xué)領(lǐng)域中的一個(gè)新熱點(diǎn)。雖然這項(xiàng)研究工作尚處于起步階段,但是在國(guó)內(nèi)外已經(jīng)涌現(xiàn)出不少高水平的研究成果,值得深入研究與分析。

        本文將以病毒性網(wǎng)絡(luò)營(yíng)銷為研究對(duì)象,梳理與歸納國(guó)內(nèi)外社會(huì)網(wǎng)絡(luò)中信息傳播的重要研究成果,進(jìn)而深入分析病毒性營(yíng)銷傳播的最新方法與技術(shù)。這樣可以將社會(huì)網(wǎng)絡(luò)理論與營(yíng)銷科學(xué)研究結(jié)合起來(lái),找出現(xiàn)有研究中的不足,為今后的研究提供參考借鑒。

        2社會(huì)網(wǎng)絡(luò)中的影響擴(kuò)散與信息傳播

        社會(huì)化網(wǎng)絡(luò)中有關(guān)影響(Influence)擴(kuò)散的內(nèi)涵非常簡(jiǎn)單明了:當(dāng)用戶看到社會(huì)網(wǎng)絡(luò)中的好友做某件事,那么他們也會(huì)受到影響跟著這么做(例如人們購(gòu)買了一件東西,他們的朋友也很可能會(huì)去買)。這種影響力可能來(lái)自幾個(gè)方面:(1)這件事本身很有吸引力;(2)網(wǎng)絡(luò)內(nèi)的社會(huì)化聯(lián)絡(luò)[9]。這種來(lái)自社會(huì)網(wǎng)絡(luò)內(nèi)部的影響擴(kuò)散可以應(yīng)用于許多領(lǐng)域,最為典型的就是病毒性網(wǎng)絡(luò)營(yíng)銷,還包括電子商務(wù)過(guò)程中的個(gè)性化推薦[10]和社會(huì)化網(wǎng)絡(luò)中的Feed排序(FeedRanking)等[11]。此外,影響模式可以視為用戶間的信任度,進(jìn)一步用于計(jì)算大型網(wǎng)絡(luò)和P2P系統(tǒng)中的信任傳播問(wèn)題[12]。

        盡管前述的很多應(yīng)用都是假設(shè)影響和信息傳播是作為一個(gè)真實(shí)現(xiàn)象存在的,但是能否在真實(shí)的社會(huì)網(wǎng)絡(luò)數(shù)據(jù)中找到相關(guān)的證據(jù)是一個(gè)值得研究的問(wèn)題。Watts等[13-14]正是對(duì)“有影響力用戶”這個(gè)概念提出挑戰(zhàn),但是他們同時(shí)也認(rèn)為如果確實(shí)能找到一個(gè)足夠大的種子集合(有影響力用戶群體),那么病毒性營(yíng)銷戰(zhàn)略仍然是非常有效的。Hill等[15]采用了一個(gè)樣本匹配方法試圖解決相似性度量與社會(huì)化信息擴(kuò)散問(wèn)題。其研究成果顯示社會(huì)網(wǎng)絡(luò)可以被用來(lái)查找一個(gè)有效的群體集合,并且能夠容易地找到這個(gè)群體集合的鄰居。這樣如果缺乏社會(huì)化網(wǎng)絡(luò)數(shù)據(jù)或是某個(gè)產(chǎn)品/服務(wù)采納的相關(guān)數(shù)據(jù)的情況下,不需要社會(huì)網(wǎng)絡(luò)影響分析也可以創(chuàng)建一種導(dǎo)向式的病毒化營(yíng)銷傳播方法。

        Anagnostopoulos等[16]開(kāi)發(fā)出一種技術(shù)顯示社會(huì)網(wǎng)絡(luò)中的影響或許不是真實(shí)存在的,然而在標(biāo)注行為中卻存在一種實(shí)質(zhì)性的社會(huì)化關(guān)聯(lián)關(guān)系,但這并不屬于影響傳播。Aral等[17]將營(yíng)銷傳播過(guò)程中的刺激因素:影響力和跟風(fēng)效應(yīng)(EffectofHomophily)進(jìn)行了區(qū)分,并且他們觀察到如果沒(méi)有進(jìn)行合理測(cè)度的話,前者或許會(huì)被高估。此外,不同的因素對(duì)于小段信息的傳播影響力取決于正在傳播的這段信息是什么類型(例如,一條新聞或是某個(gè)討論話題)。

        另一方面,許多學(xué)者通過(guò)對(duì)于在線社會(huì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分析、挖掘來(lái)獲取一些病毒營(yíng)銷領(lǐng)域內(nèi)的影響模式。

        其中的一個(gè)領(lǐng)域主要是對(duì)博客以及微博進(jìn)行了大量的分析研究。ADAR等[18]根據(jù)在線社會(huì)網(wǎng)絡(luò)中典型的發(fā)帖行為,在一個(gè)話題的生命周期內(nèi)將用戶劃分為四種類型。接下來(lái)他們基于傳染病傳播理論開(kāi)發(fā)了一個(gè)新話題在博客之間轉(zhuǎn)載的信息傳播模型。同時(shí)他們還利用實(shí)際博客數(shù)據(jù)集對(duì)模型算法中的一些參數(shù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果表明這個(gè)模型能夠比較有效地識(shí)別出在熱點(diǎn)話題傳播過(guò)程中那些高效積極的用戶(用戶群)。Backstrom等[19]研究發(fā)現(xiàn)博主更傾向于加入一些他的朋友們所加入的組織,特別是如果這些朋友和自己屬于一個(gè)小圈子。類似的研究還有Song等[10],他們的研究表明博客更傾向轉(zhuǎn)載那些其他博客已經(jīng)轉(zhuǎn)載的內(nèi)容。Agarwal等[20]對(duì)于如何識(shí)別出具有傳播影響力的博主進(jìn)行了深入研究。在另一方面,Weng等[5]提出了一個(gè)話題敏感度型PageRank方法(Topic-sensitivePageRankMeasure)來(lái)衡量Twitter中的影響力。這個(gè)方法是基于他們?cè)谑占降臄?shù)據(jù)集中所觀察到的粉絲關(guān)系中出現(xiàn)的高度互惠,他們將此歸因于跟風(fēng)效應(yīng)。

        在另外一個(gè)領(lǐng)域中,Leskovec等[21-23]發(fā)現(xiàn)在社會(huì)網(wǎng)絡(luò)中用戶間關(guān)于書籍和電影的推薦過(guò)程中,影響傳播是非常成功的。Cha等[24]分析了一些圖片是如何通過(guò)Flickr社交網(wǎng)絡(luò)流行傳播開(kāi)來(lái)的,并且闡述信息傳播過(guò)程中社會(huì)化鏈接所發(fā)揮的作用。他們的研究表明大約超過(guò)50%的最受歡迎圖片是通過(guò)社會(huì)化鏈接來(lái)傳播的,這就實(shí)證了社會(huì)化鏈接是信息傳播過(guò)程中的決定性途徑。此外,與一般認(rèn)為的口碑傳播將會(huì)快速?gòu)V泛傳播不同,他們研究發(fā)現(xiàn)在線社會(huì)網(wǎng)絡(luò)中信息傳播僅限于那些與信息上傳者近鄰的用戶,并且在每一個(gè)用戶節(jié)點(diǎn)處將花費(fèi)較長(zhǎng)的時(shí)間。在另外一篇文獻(xiàn)[15]中也支持這一假設(shè):網(wǎng)絡(luò)中的鏈接能夠直接影響用戶對(duì)于產(chǎn)品/服務(wù)的采納決策。他們對(duì)一項(xiàng)通訊服務(wù)的采納進(jìn)行了實(shí)證分析,根據(jù)客戶社會(huì)網(wǎng)絡(luò)中的好友對(duì)某個(gè)新推出的營(yíng)銷方案所做出的決策,就可以以較高信度預(yù)測(cè)該客戶是否也簽約該項(xiàng)方案。

        Aral等[25]對(duì)于一個(gè)產(chǎn)品營(yíng)銷推廣中加入“病毒”特征后的效果進(jìn)行了測(cè)度研究。他們總結(jié)病毒性產(chǎn)品營(yíng)銷的特征基本上有兩種類型:(1)主動(dòng)推送。這種方式包括通過(guò)便利方式可以主動(dòng)邀請(qǐng)你的好友來(lái)使用某個(gè)產(chǎn)品。(2)自動(dòng)廣播。這種方式意味著無(wú)論你什么時(shí)候采用一個(gè)商品,都將自動(dòng)提交一條更新或是發(fā)送一封Email,這樣你的好友就會(huì)獲知。Aral等[17]還列舉出關(guān)于產(chǎn)品營(yíng)銷推廣中采用病毒性特征的一些開(kāi)放式研究問(wèn)題。

        Bakshy等[26]在社會(huì)網(wǎng)絡(luò),這個(gè)隨時(shí)間動(dòng)態(tài)演變、巨大、多人交互的虛擬世界背景下,實(shí)證研究了用戶與用戶之間的信息傳遞。基于好友行為所引發(fā)的采納率變化,他們對(duì)社會(huì)化影響傳播進(jìn)行識(shí)別和建模,并且得出結(jié)論社會(huì)網(wǎng)絡(luò)在內(nèi)容采納方面扮演著非常重要的角色。通過(guò)研究他們還發(fā)現(xiàn)了好友間的分享過(guò)程比起陌生人間的要更快一些。此外,一些用戶在信息傳播過(guò)程中發(fā)揮了更為積極的作用,但是這些用戶與早期的采納者有所區(qū)別。

        Crandall等[27]基于維基百科的社會(huì)網(wǎng)絡(luò)和LiveJournal編輯,分析了社會(huì)化影響與用戶相似性之間的相互作用。他們認(rèn)為在用戶相似性與社會(huì)化影響之間確實(shí)存在一種反饋效應(yīng),并且社會(huì)化影響與用戶自身興趣以相對(duì)獨(dú)立的方式對(duì)未來(lái)的行為產(chǎn)生影響。

        最后,Lahiri等[28]發(fā)現(xiàn)有影響力的用戶和影響傳播過(guò)程本身都非常容易受到網(wǎng)絡(luò)結(jié)構(gòu)變化的影響。Bernardo等[29]對(duì)Twitter上的社交互動(dòng)進(jìn)行了研究,結(jié)果顯示使用度的推動(dòng)過(guò)程實(shí)際上是一個(gè)隱藏在朋友和粉絲之下的離散網(wǎng)絡(luò),這個(gè)過(guò)程中的大部分鏈接都是無(wú)意義的互動(dòng)。

        3社會(huì)網(wǎng)絡(luò)中傳播最大化模型與方法

        考慮到在一個(gè)社會(huì)化網(wǎng)絡(luò)中,我們已經(jīng)準(zhǔn)確估計(jì)到了用戶之間的互惠影響?,F(xiàn)在假設(shè)在市場(chǎng)中發(fā)布一個(gè)新產(chǎn)品,為了更好地宣傳推廣這個(gè)產(chǎn)品,我們需要定位一個(gè)最初的用戶群。營(yíng)銷傳播最大化中的實(shí)質(zhì)問(wèn)題就是篩選出初始用戶群,以便最終影響在線社會(huì)網(wǎng)絡(luò)中最廣泛的用戶群體[30]。

        最先從數(shù)據(jù)挖掘視角,研究影響傳播和有影響力用戶識(shí)別問(wèn)題的是Domingos等[31]。在上述這篇文獻(xiàn)中采用馬爾可夫隨機(jī)場(chǎng)(Markovrandomfields)來(lái)進(jìn)行建模,并且給出一些啟發(fā)式規(guī)則來(lái)選擇要定位的客戶群。馬爾可夫隨機(jī)場(chǎng)是一個(gè)無(wú)向圖模型,基于一組隨機(jī)變量來(lái)表示連接的分布。在網(wǎng)絡(luò)的最后狀態(tài)收斂為一組龐大的相互依賴的隨機(jī)變量集合,借助馬爾可夫隨機(jī)場(chǎng)來(lái)進(jìn)行建模,從而研究社會(huì)網(wǎng)絡(luò)中影響傳播問(wèn)題。

        Kempe等[32]采用離散最優(yōu)化方法來(lái)解決這個(gè)問(wèn)題。提出數(shù)學(xué)科學(xué)領(lǐng)域中的兩個(gè)模型:線性閾值模型和獨(dú)立級(jí)聯(lián)模型,他們得到了一些近似值算法。Kempe等還進(jìn)一步闡述對(duì)于前述的這兩個(gè)傳播模型,影響最大化問(wèn)題實(shí)際上一個(gè)NP難題。他們還提出當(dāng)已經(jīng)存在多個(gè)節(jié)點(diǎn)對(duì)某個(gè)節(jié)點(diǎn)進(jìn)行信息傳播時(shí),節(jié)點(diǎn)被激活的概率在降低,即系統(tǒng)具有了某種“飽和度”。

        Leskovec等[33]從一個(gè)不同的視角—檢測(cè)爆發(fā)(OutbreakDetection)來(lái)研究信息傳播問(wèn)題,即如何在網(wǎng)絡(luò)中選擇一些節(jié)點(diǎn)來(lái)盡快檢測(cè)到一個(gè)病毒的傳播?他們給出了一個(gè)通用的方法。雖然這個(gè)方法比基本的貪婪算法在運(yùn)算速度方面提高了近700倍,但是在算法擴(kuò)展性方面依然面臨一些問(wèn)題。Chen等[34]對(duì)于貪婪算法的效率進(jìn)行了改進(jìn),并且提出了一些新的啟發(fā)式規(guī)則,這樣產(chǎn)生的影響傳播效果接近于貪婪算法,并且更加高效。Tang等[35]采用一個(gè)圖形概率模型,建立了一個(gè)基于主題相互吸引的社會(huì)影響傳播分析方法,并且設(shè)計(jì)出一個(gè)分布式學(xué)習(xí)算法來(lái)解決效率的問(wèn)題。

        Even-Dar等[36]基于所謂的選舉模型來(lái)研究影響最大化的問(wèn)題。選舉模型是Clifford和Holley最早提出來(lái)的社會(huì)化網(wǎng)絡(luò)中觀點(diǎn)擴(kuò)散的一個(gè)基本概率模型[37-38]。在選舉模型中,社會(huì)化網(wǎng)絡(luò)被抽象為一個(gè)自環(huán)無(wú)向圖,在每個(gè)設(shè)定的時(shí)間步長(zhǎng),每一個(gè)用戶節(jié)點(diǎn)隨機(jī)地選擇一個(gè)鄰居并采納他的觀點(diǎn)。選舉模型和閾值模型的相同點(diǎn)在于:一個(gè)人很可能會(huì)采納他的大多數(shù)鄰居所持有的觀點(diǎn),不同點(diǎn)在于選舉模型可以允許用戶改變觀點(diǎn)。這就使得選舉模型更適合于那些傳播過(guò)程受人厭惡的一些場(chǎng)合(例如研究傳染病的傳播過(guò)程),并且這個(gè)模型還能夠保證收斂于一個(gè)一致?tīng)顟B(tài)(或者每個(gè)人選擇了新的行動(dòng)方案A,或者是每個(gè)人選擇了現(xiàn)有的行動(dòng)方案B)。Even-Dar等[36]指出當(dāng)網(wǎng)絡(luò)中對(duì)于每個(gè)人的營(yíng)銷成本是相同的時(shí)候,很明顯對(duì)于集合中度數(shù)最高的用戶開(kāi)展?fàn)I銷活動(dòng)是最優(yōu)方案;當(dāng)不是這種情況下,他們也給出了一個(gè)多項(xiàng)式時(shí)間近似的解決方法。

        選舉模型的另外一個(gè)優(yōu)勢(shì)就是它能夠很好地應(yīng)用于一個(gè)完全競(jìng)爭(zhēng)環(huán)境中的病毒性網(wǎng)絡(luò)營(yíng)銷,這是下一節(jié)詳述的內(nèi)容。

        Ienco等[39]介紹了meme排序問(wèn)題。這里meme指的是在在線社會(huì)網(wǎng)絡(luò)中通過(guò)相互模仿而流行的短信息或是微媒體,如思想、點(diǎn)子、行為、時(shí)尚、視頻或音頻片段等。這個(gè)問(wèn)題實(shí)際上就是用戶登錄系統(tǒng)后,計(jì)算出哪k個(gè)meme排序靠前,然后展示給他們。最終的目標(biāo)就是最大化網(wǎng)絡(luò)的整體活躍度。這個(gè)問(wèn)題在某種意義上來(lái)說(shuō)其實(shí)是影響最大化問(wèn)題的相反一面。后者,對(duì)于給定的一條信息,問(wèn)題是如何識(shí)別出k個(gè)用戶來(lái)啟動(dòng)傳遞使得傳播的效果最大化。而在meme排序問(wèn)題中,指定一個(gè)用戶,我們想做的是如何為他挑選出k個(gè)meme,這樣將盡可能提升整個(gè)系統(tǒng)的活力。

        4在線社會(huì)網(wǎng)絡(luò)中的病毒性營(yíng)銷傳播

        隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,社會(huì)網(wǎng)絡(luò)類型也呈現(xiàn)多樣化發(fā)展趨勢(shì),隨著網(wǎng)上參與群體的增多,這種網(wǎng)絡(luò)環(huán)境下形成的社會(huì)群體效應(yīng)帶來(lái)的價(jià)值越來(lái)越大?;诨ヂ?lián)網(wǎng)的社會(huì)網(wǎng)絡(luò)正在深刻改變著傳統(tǒng)營(yíng)銷模式。首先,它為客戶關(guān)系管理提高了效率[40],由傳統(tǒng)的單向溝通變成了互動(dòng)溝通,而這為營(yíng)銷者們帶來(lái)的直接利益就是大幅降低了營(yíng)銷成本。第二,借助這些在線社會(huì)網(wǎng)絡(luò)中的顧客群體,企業(yè)開(kāi)展網(wǎng)絡(luò)營(yíng)銷將變得更加便利[41]。正是通過(guò)社會(huì)網(wǎng)絡(luò)內(nèi)信息的擴(kuò)散傳播,為企業(yè)在不同市場(chǎng)環(huán)境中開(kāi)展病毒性營(yíng)銷提供了渠道與策略[42]。病毒性營(yíng)銷已經(jīng)成為營(yíng)銷科學(xué)領(lǐng)域內(nèi)的研究熱點(diǎn)之一,正如Watts和Peretti[43]所陳述的:“它看起來(lái)就像是最后的免費(fèi)午餐?!薄?/p>

        目前營(yíng)銷信息在社會(huì)網(wǎng)絡(luò)中的傳播研究主要集中于基于圖論的一些方法。這些方法的基本思想就是將傳播過(guò)程假設(shè)為一個(gè)圖,圖中的節(jié)點(diǎn)代表用戶,邊上標(biāo)出的值代表用戶行動(dòng)受鄰居行為影響的概率值,然后再對(duì)一個(gè)目標(biāo)函數(shù)進(jìn)行優(yōu)化。然而,外部環(huán)境中的其它一些因素也將會(huì)影響一個(gè)戰(zhàn)略的實(shí)施效果[44]。

        在線社會(huì)網(wǎng)絡(luò)作為一個(gè)開(kāi)放式的平臺(tái),為消費(fèi)者和企業(yè)提供了很多便利性,營(yíng)銷者們?cè)噲D通過(guò)社會(huì)網(wǎng)絡(luò),提升消費(fèi)者的參與價(jià)值,將品牌信息整合到消費(fèi)者的日常生活當(dāng)中,根據(jù)消費(fèi)者的自身價(jià)值(社會(huì)地位,日?;顒?dòng),社交網(wǎng)絡(luò)等)進(jìn)行精準(zhǔn)營(yíng)銷[45]。

        Hartline等[30]提出了一個(gè)非常簡(jiǎn)單,稱之為“influence-and-exploit”的營(yíng)銷策略。他們認(rèn)為在實(shí)踐領(lǐng)域中,收益最大化比起影響最大化是更為現(xiàn)實(shí)的一個(gè)目標(biāo),因此他們建議對(duì)用戶提供產(chǎn)品(服務(wù))的先后次序加以考慮,包括價(jià)格的高低。比如先讓有影響力的用戶來(lái)買,盡管開(kāi)始的時(shí)候給他的價(jià)格可能是比較低的。在他們的方法中,為一個(gè)選定的有影響力用戶集合免費(fèi)發(fā)放某一產(chǎn)品,然后再隨機(jī)為剩下的用戶按照隨機(jī)的次序提供這個(gè)產(chǎn)品。目標(biāo)是制定出最優(yōu)價(jià)格,從每個(gè)用戶那里賺取到最多的利潤(rùn)。

        與此類似,Arthur等[46]提出了一個(gè)假設(shè)通過(guò)網(wǎng)絡(luò)進(jìn)行促銷級(jí)聯(lián)傳播的模型。在這個(gè)模型中賣家可以利用產(chǎn)品價(jià)格和推薦獎(jiǎng)勵(lì)來(lái)傳播營(yíng)銷信息?;舅枷胧桥笥阎g的推薦(他們有一定的激勵(lì)措施)效果要遠(yuǎn)好于通過(guò)廣告的直接營(yíng)銷。這個(gè)級(jí)聯(lián)模型實(shí)際上是線性閾值和獨(dú)立級(jí)聯(lián)模型的一個(gè)擴(kuò)展。

        為了設(shè)計(jì)出實(shí)踐中更加有效的病毒營(yíng)銷方案,應(yīng)該充分利用記錄在行動(dòng)日志中的相關(guān)信息來(lái)發(fā)現(xiàn)營(yíng)銷傳播的真正機(jī)理。Goyal等[47-48]對(duì)日志進(jìn)行挖掘找到一些頻繁影響模式,從而識(shí)別在一個(gè)在線社會(huì)網(wǎng)絡(luò)中的領(lǐng)導(dǎo)者們和他們的粉絲。Saito等[49]正式地給出了相似性最大化問(wèn)題(LikelihoodMaximizationProblem),并提出了一個(gè)EM算法來(lái)解決這個(gè)問(wèn)題。但是在每一迭代的過(guò)程中,與每條邊相關(guān)的影響概率值也將被更新,因此這個(gè)方法是不可擴(kuò)展的。Goyal等[50]提出了多種影響概率模型,并且指出這些模型都滿足子模性,除了一個(gè)以外其余也都是遞增的,這對(duì)于效率計(jì)算是一個(gè)非常好的特性。他們還介紹了在這些模型中的時(shí)間維度,表明現(xiàn)有的時(shí)間獨(dú)立模型能夠以較小的誤差來(lái)預(yù)測(cè)一個(gè)用戶在什么時(shí)間執(zhí)行一項(xiàng)行動(dòng)。

        Kim等[51]研究了社會(huì)網(wǎng)絡(luò)中的信息傳播如何被電子商務(wù)網(wǎng)站所利用,來(lái)輔助用戶的購(gòu)買決策。同時(shí)他們也對(duì)社會(huì)網(wǎng)絡(luò)相關(guān)技術(shù)進(jìn)行了歸納,并深入分析了利用在線社會(huì)網(wǎng)絡(luò)對(duì)于電子商務(wù)購(gòu)買決策影響這一研究課題中的一些挑戰(zhàn)。

        基于Buzz推薦系統(tǒng)通過(guò)分析電子商務(wù)平臺(tái)中的查詢?nèi)罩居涗?,?lái)監(jiān)測(cè)查詢趨勢(shì)中的一些熱點(diǎn)。這些熱點(diǎn)與新聞、供應(yīng)商信息等外部實(shí)體相鏈接,以此發(fā)現(xiàn)當(dāng)前的主流需求。Nguyen[52]以eBay電子商務(wù)平臺(tái)為實(shí)例設(shè)計(jì)了一個(gè)簡(jiǎn)單的基于Buzz的推薦系統(tǒng)。這個(gè)系統(tǒng)的目標(biāo)是基于一條buzz查詢顯示的一些推薦項(xiàng)目,力圖增加用戶的興趣、改善網(wǎng)站的整體活力和黏度。Stephen等[53]在有關(guān)社會(huì)化商務(wù)的研究中發(fā)現(xiàn)銷售者是否會(huì)獲利并不取決于其在網(wǎng)絡(luò)中的中心度,而是與其在網(wǎng)絡(luò)中的位置是否會(huì)提高消費(fèi)者的可獲得性有關(guān)。他們的研究還表明,這種社會(huì)商業(yè)模式確實(shí)會(huì)為企業(yè)帶來(lái)經(jīng)濟(jì)效益,而且該網(wǎng)絡(luò)結(jié)構(gòu)的最大價(jià)值在于提高了消費(fèi)者的瀏覽效率。如果要在該網(wǎng)絡(luò)環(huán)境下開(kāi)展有效營(yíng)銷不僅要豐富網(wǎng)絡(luò)鏈接而且要注意減少瀏覽死角。

        Kempe等[54]假設(shè)在市場(chǎng)上僅僅只有一個(gè)廠商推出一種產(chǎn)品,建立了病毒性營(yíng)銷模型。但是在現(xiàn)實(shí)市場(chǎng)環(huán)境里,往往存在多個(gè)相互競(jìng)爭(zhēng)的廠商,分別推出多個(gè)具有可比性的產(chǎn)品。例如,在市場(chǎng)上就有佳能與尼康公司生產(chǎn)的數(shù)碼相機(jī)。在這些相互競(jìng)爭(zhēng)的產(chǎn)品中平均每個(gè)消費(fèi)者幾乎不可能選用2種以上。因此就互斥與競(jìng)爭(zhēng)性產(chǎn)品而言,研究營(yíng)銷傳播最大化的問(wèn)題就更富有意義。在過(guò)去的研究工作中,兩種產(chǎn)品間的競(jìng)爭(zhēng)問(wèn)題大多是基于經(jīng)濟(jì)模型視角,并且多集中于市場(chǎng)均衡理論。例如在一些文獻(xiàn)[55-56]中采用一些獨(dú)立于網(wǎng)絡(luò)的屬性來(lái)對(duì)一個(gè)市場(chǎng)中的兩種技術(shù)傳播進(jìn)行建模研究。

        Carnes等[57]從追隨者的視角研究了存在競(jìng)爭(zhēng)性的在線社會(huì)網(wǎng)絡(luò)中營(yíng)銷傳播最大化算法問(wèn)題?;舅悸肥牵寒?dāng)一家廠商作為追隨者推出一個(gè)新產(chǎn)品,而此時(shí)在市場(chǎng)中已經(jīng)有一個(gè)與之相互競(jìng)爭(zhēng)的產(chǎn)品,追隨者直到推出自己產(chǎn)品的那一刻開(kāi)始才讓自己的競(jìng)爭(zhēng)對(duì)手有所察覺(jué)。他們假設(shè)這個(gè)廠商有固定的預(yù)算來(lái)選定目標(biāo)消費(fèi)者,并且清楚知道競(jìng)爭(zhēng)對(duì)手先期已經(jīng)獲得了什么樣的客戶群,在此基礎(chǔ)上他們提出了兩個(gè)可供選擇的模型:基于距離模型(Distance-basedModel)和波浪傳播模型(WavePropagationModel)。如果網(wǎng)絡(luò)中沒(méi)有競(jìng)爭(zhēng)性的話,這兩個(gè)模型可以簡(jiǎn)化為獨(dú)立級(jí)聯(lián)模型。他們還指出對(duì)于這兩個(gè)模型進(jìn)行影響最大化決策分析是一個(gè)NP難題,但是相關(guān)的影響函數(shù)是非負(fù)、單調(diào)和子模的。這樣他們得出結(jié)論,盡管一家廠商的競(jìng)爭(zhēng)對(duì)手有更為豐厚的營(yíng)銷預(yù)算,但也還是能夠獲得較大的市場(chǎng)份額。Jansen等[58]則審視了Twitter作為口頭廣告的機(jī)制。他們研究了一些特定的品牌和產(chǎn)品,并檢查了消息發(fā)布的結(jié)構(gòu)以及用戶情感的變化。Galuba等[59]提出了一個(gè)病毒營(yíng)銷傳播模式,根據(jù)過(guò)往用戶的歷史信息預(yù)測(cè)他們可能將推送哪些營(yíng)銷鏈接。

        5研究趨勢(shì)與挑戰(zhàn)

        網(wǎng)絡(luò)信息化是未來(lái)的發(fā)展趨勢(shì),互聯(lián)網(wǎng)技術(shù)也正在由Web2.0逐漸向Web3.0時(shí)代轉(zhuǎn)變,伴隨著科技的日新月異,人們可以更加便利地利用網(wǎng)絡(luò)自由溝通交流??梢灶A(yù)計(jì),網(wǎng)絡(luò)環(huán)境下的客戶組成的社會(huì)網(wǎng)絡(luò)也將會(huì)越來(lái)越深刻地影響營(yíng)銷科學(xué)領(lǐng)域。本文從營(yíng)銷科學(xué)視角,對(duì)社會(huì)網(wǎng)絡(luò)中信息傳播與影響擴(kuò)散研究中的一些模型、方法、技術(shù)進(jìn)行了評(píng)述。但是在線社會(huì)網(wǎng)絡(luò)與營(yíng)銷科學(xué)的交叉與滲透剛剛起步,仍然存在許多挑戰(zhàn)。這些挑戰(zhàn)一方面來(lái)自技術(shù)層面,一方面來(lái)自人文社會(huì)層面。

        5.1技術(shù)層面的挑戰(zhàn)

        (1)網(wǎng)絡(luò)動(dòng)態(tài)性。早期關(guān)于社會(huì)網(wǎng)絡(luò)中信息傳播的研究工作主要是基于靜態(tài)網(wǎng)絡(luò)分析。但是網(wǎng)絡(luò)在不斷演化中,從營(yíng)銷科學(xué)的視角來(lái)說(shuō),企業(yè)的營(yíng)銷工作如何能夠快速響應(yīng)網(wǎng)絡(luò)的動(dòng)態(tài)變化是非常關(guān)鍵的[60]。有關(guān)這個(gè)方面的研究還在起步階段,所以面向動(dòng)態(tài)網(wǎng)絡(luò)構(gòu)建營(yíng)銷傳播模型還需要大量的研究工作,這樣才能更好理解網(wǎng)絡(luò)的演化是如何影響營(yíng)銷信息傳播的。

        (2)營(yíng)銷傳播中的骨干用戶確定。從技術(shù)角度來(lái)看,這些挑戰(zhàn)包括:精確的用戶建模和精確的評(píng)價(jià)方法。

        (3)更為精準(zhǔn)的營(yíng)銷傳播模型。開(kāi)發(fā)出更為精確的傳播模型對(duì)于社會(huì)網(wǎng)絡(luò)環(huán)境下有效開(kāi)展網(wǎng)絡(luò)營(yíng)銷活動(dòng)至關(guān)重要。盡管在這個(gè)方向上已經(jīng)有一些研究成果見(jiàn)諸報(bào)道,但是迄今為止這仍然是我們知之甚少的一個(gè)領(lǐng)域:為什么某些信息傳播而有些不傳播;對(duì)于影響效果的度量仍然是一個(gè)困難(這些難題大部分是由于社會(huì)網(wǎng)絡(luò)數(shù)據(jù)總是局部的)。而且營(yíng)銷傳播模型的成功應(yīng)用也取決于許多難于量化的外部因素。

        (4)評(píng)估。在許多情況下,很難從原則上給出一個(gè)評(píng)估標(biāo)準(zhǔn)。與之類似,社會(huì)網(wǎng)絡(luò)分析技術(shù)對(duì)于營(yíng)銷效果的影響雖然可以從某一方面進(jìn)行評(píng)估(例如從財(cái)務(wù)方面),但是如果牽扯到太多的人和外部因素,就沒(méi)有辦法從一個(gè)實(shí)驗(yàn)的結(jié)果進(jìn)行簡(jiǎn)單概括,這樣就不能夠制定出一個(gè)評(píng)估標(biāo)準(zhǔn)參照?qǐng)?zhí)行。

        5.2人文社會(huì)層面的挑戰(zhàn)

        在線社會(huì)網(wǎng)絡(luò)中的信息傳播從根本上說(shuō)是一個(gè)多學(xué)科交叉的研究領(lǐng)域。正如前述,在這個(gè)領(lǐng)域里,針對(duì)很多問(wèn)題的解決方法大都是把這些問(wèn)題抽象為圖,病毒性網(wǎng)絡(luò)營(yíng)銷也不例外。這些工具在應(yīng)用中必須正視人在其中發(fā)揮的重要作用,這些包括:

        (1)文化因素。當(dāng)文化可以被視為一個(gè)因素,如何去量化這個(gè)因素并將它與算法以及系統(tǒng)的設(shè)計(jì)相結(jié)合是一個(gè)挑戰(zhàn)。

        (2)法律問(wèn)題。就數(shù)據(jù)保護(hù)而言,不同國(guó)家甚至是不同行業(yè)間的法律都是不同的。有些國(guó)家的法律相對(duì)來(lái)說(shuō)嚴(yán)格一些,有些則相對(duì)寬松。

        (3)社會(huì)網(wǎng)絡(luò)中的結(jié)構(gòu)分析。盡管在很多的應(yīng)用中鏈接都是顯性定義的,但是在一些問(wèn)題中,仍然首先需要考慮一條鏈接的組成以及如何解釋這條的鏈接(例如兩個(gè)人的Email聯(lián)絡(luò)頻率和聯(lián)絡(luò)類型是否暗含友誼),而且需要考慮到什么樣層次的網(wǎng)絡(luò)或是子網(wǎng)絡(luò),什么層次的可以直接忽略。

        參考文獻(xiàn):

        [1]COLEMAN,J.,etal.MedicalInnovations;ADiffusionStudy[M].BobbsMerrill,1966.

        [2]VALENTE,T.NetworkModelsoftheDiffusionofInnovations[M].HamptonPress,1955.

        [3]周濤等.社會(huì)網(wǎng)絡(luò)分析及其在輿情和疫情防控中的應(yīng)用[J].系統(tǒng)工程學(xué)報(bào),2010,25(6):742-754.

        [4]FangWu,etal.InformationFlowinSocialGroups[J].PhysicaA,2004,(337):327-335.

        [5]JianshuWeng,etal.TwitterRank;findingtopic-sensitiveinfluentialtwitterers[C].WSDM,2010.

        [6]GOLDENBERG,J.,etal.Talkofthenetwork;Acomplexsystemslookattheunderlyingprocessofword-of-mouth[J].Market.Lett.2001,12(3):211-223.

        [7]WORTMAN,J.Viralmarketingandthediffusionoftrendsonsocialnetworks[R].Tech.rep.MS-CIS-08-19,UniversityofPennsylvania,2008.

        [8]EASLEY,D.,KLEINBERG,J.Networks,Crowds,andMarkets;ReasoningaboutaHighlyConnectedWorld[M].CambridgeUniversityPress,2010.

        [9]FRIEDKIN,N.E.AStructuralTheoryofSocialInfluence[M].CambridgeUniversityPress,1998.

        [10]SONG,X.,etal.Informationflowmodelingbasedondiffusionrateforpredictionandranking[C].Proceedingsofthe16thInternationalConferenceonWorldWideWeb(WWW07),2007.

        [11]SAMPER,J.J.,etal.RSSfeedrankingsystemthatimplicitlylearnsuserpreferences[EB/OL].[2012-09-07].http://arxivorg/abs/03/0610019.

        [12]TAHERIAN,M.,etal.Trustinferenceinweb-basedsocialnetworksusingresistivenetworks[C].Proceedingsofthe3rdInternationalConferenceonInternetandWebApplicationsandServices(ICIW08),2008.

        [13]WATTS,D.ANDDODDS,P.Influential,networks,andpublicopinionformation[J].Consum.Res,2007,34(4):441-458.

        [14]WATTS,D.Challengingtheinfluentialhypothesis[J].WOMMAMeasuringWordofMouth,2007,(3):201-211..

        [15]HILL,S.,etal.Network-Basedmarketing;Identifyinglikelyadoptersviaconsumernetworks[J].Statist.Sci.,2006,21(2):256-276.

        [16]ANAGNOSTOPOULOS,A.,etal.Influenceandcorrelationinsocialnetworks[C].Proceedingsofthe14thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining,2008.

        [17]ARAL,S.Identifyingsocialinfluence;Acommentonopinionleadershipandsocialcontagioninnewproductdiffusion[J].MarketingScience,2011,30(2):217-223.

        [18]ADAR,E.,ADAMIC,L.A.Trackinginformationepidemicsinblogspace[C].ProceedingsoftheIEEE/WIC/ACMInternationalConferenceonWebIntelligence(WI05),2005.

        [19]BACKSTROM,L.,etal.Groupformationinlargesocialnetworks;Membership,growth,andevolution[C].Proceedingsofthe12thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining,2006.

        [20]AGARWAL,N.,etal.Identifyingtheinfluentialbloggersinacommunity[C].Proceedingsofthe1stInternationalConferenceonWebSearchandWebDataMining,(WSDM08);2008.

        [21]LESKOVEC,J.,etal.Thedynamicsofviralmarketing[J].ACMTrans.Web,2007,(1):1.

        [22]LESKOVEC,J.,etal.Graphevolution;Densificationandshrinkingdiameters[J].ACMTrans.Knowl.Discov.Data,2007,1(2):187-202.

        [23]LESKOVEC,J.,etal.Patternsofinfluenceinarecommendationnetwork[C].Proceedingsofthe10thPacific-AsiaConferenceonKnowledgeDiscoveryandDataMining(PAKDD06),2006.

        [24]CHA,M.,etal.Ameasurement-drivenanalysisofinformationpropagationintheflickrsocialnetwork[C].Proceedingsofthe18thInternationalConferenceonWorldWideWeb(WWW09),2009.

        [25]ARAL,S.,etal.Distinguishinginfluence-basedcontagionfromhomophilydrivendiffusionindynamicnetworks[J].Proc.Nat.Acad.Sci.2009,106(51):21544-21549.

        [26]BAKSHY,E.,etal.Socialinfluenceandthediffusionofuser-createdcontent[C].Proceedings10thACMConferenceonElectronicCommerce(EC09),2009.

        [27]CRANDALL,etal.Feedbackeffectsbetweensimilarityandsocialinfluenceinonlinecommunities[C].Proceedingsofthe14thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining(KDD08),2008.

        [28]LAHIRI,M.,etal.Theimpactofstructuralchangesonpredictionsofdiffusioninnetworks[C].WorkshopsProceedingsofthe8thIEEEInternationalConferenceonDataMining(WorkshopsofICDM08),2008.

        [29]BernardoA.Huberman,etal.Socialnetworksthatmatter;Twitterunderthemicroscope[J].FirstMonday,2009,14(1):1-9.

        [30]HARTLINE,J.D.,etal.Optimalmarketingstrategiesoversocialnetworks[C].Proceedingsofthe17thInternationalConferenceonWorldWideWeb(WWW08),2008.

        [31]P.Domingos,M.Richardson.Miningthenetworkvalueofcustomers[C].SIGKDD,2001.

        [32]KempeD.,etal.InfluentialNodesinaDiffusionModelforSocialNetworks[C].Proceedingsofthe32ndInternationalColloquiumonAutomata,LanguagesandProgramming(ICALP),2005:1127-1138.

        [33]LESKOVEC,J.,etal.Cost-Effectiveoutbreakdetectioninnetworks[C].Proceedingsofthe13thACMSIG

        KDDInternationalConferenceonKnowledgeDiscoveryandDataMining(KDD07),2007.

        [34]CHEN,W.,etal.Efficientinfluencemaximizationinsocialnetworks[C].Proceedingsofthe15thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining(KDD09),2009.

        [35]TANG,J.,etal.Socialinfluenceanalysisinlarge-scalenetworks[C].Proceedingsofthe15thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining,2009.

        [36]EVEN-DAR,etal.Anoteonmaximizingthespreadofinfluenceinsocialnetworks[C].Proceedingsofthe3rdInternationalWorkshoponInternetandNetworkEconomics,2007.

        [37]CLIFFORD,P.ANDSUDBURY,A.Amodelforspatialconflict[J].Biometrika,1973,60(3):581-588.

        [38]HOLLEY,R.ANDLIGGETT,T.Ergodictheoremsforweaklyinteractinginfinitesystemsandthevotermodel[J].Ann.Probab,1975,(3):643-663.

        [39]IENCO,D.,etal.Thememerankingproblem;Maximizingmicrobloggingvirality[C].ProceedingsoftheSI

        ASPWorkshopatIEEEInternationalConferenceonDataMining(ICDM10),2010.

        [40]GillinPaul.Socialnetworkstransformmarketing[J].BtoB,2008,93(6):110-115.

        [41]Kahlow,Aaron.Howsocialnetworkscanenhancee-mailmarketing[J].BtoB,2008,93(9):312-316.

        [42]SubramaniMani,BalajiRajagopalan.Knowledge-sharingandinfluenceinonlinesocialnetworksviaviralmarketing[J].CommunicationoftheACM,2003,46(12):45-52.

        [43]WATTS,D.,PERETTI,J.Viralmarketingfortherealworld[R].HarvardBus.Rev,2007:22-23.

        [44]ARAL,S.,VANALSTYNE,M.W.Networks,informationandbrokerage;Thediversity-bandwidthtradeoff[R].SSRNeLibrary,2010.

        [45]MartinKen,IvanTodorov.Howwilldigitalplatformsbeharnessedin2010andhowwilltheychangethewaypeopleinteractwithbrands[J].Journalofinteractiveadvertising,2010,10(2):32-40.

        [46]ARTHUR,W.B.Competingtechnologies,increasingreturns,andlock-inbyhistoricalevents[J].Econ.J.,1989,(99):394-400.

        [47]GOYAL,A.,etal.Discoveringleadersfromcommunityactions[C].ProceedingsoftheACMConferenceonInformationandKnowledgeManagement(CIKM08),2008.

        [48]GOYAL,A.,etal.Gurumine;Apatternminingsystemfordiscoveringleadersandtribes[C].Proceedingsofthe25thIEEEInternationalConferenceonDataEngineering(ICDE09),2009.

        [49]SAITO,K.,etal.Predictionofinformationdiffusionprobabili-tiesforindependentcascademodel[C].Proceedingsofthe12thInternationalConferenceonKnowledge-BasedIntelligent,2008.

        [50]GOYAL,A.,etal.Learninginfluenceprobabilitiesinsocialnetworks[C].Proceedingsofthe3rdACMInternationalConferenceonWebSearchandDataMining(WSDM10),2010.

        [51]KIM,etal.Impactofsocialinfluenceine-commercedecisionmaking[C].Proceedingsofthe9thInternationalConferenceonElectronicCommerce;TheWirelessWorldofElectronicCommerce,2007.

        [52]NGUYEN,etal.softwaresystemforbuzz-basedrecommendations[C].Proceedingsofthe14thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining.ACM,NewYork,2008:1093-1096.

        [53]StephenAndrewT,OlivierToubia.Derivingvaluefromsocialcommercenetworks[J].JournalofMarketingResearch,2010,XLVⅡ:215-228.

        [54]KEMPE,D.,etal.Maximizingthespreadofinfluencethroughasocialnetwork[C].Proceedingsofthe9thACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining,2003.

        [55]ARTHUR,D.,etal.Pricingstrategiesforviralmarketingonsocialnetworks[C].Proceedingsofthe5thInternationalWorkshoponInternetandNetworkEconomics(WINE09),2009,101-112.

        [56]DAVID,P.A.TechnicalChoice,InnovationandEconomicGrowth[M].Cambridge:CambridgeUniversityPress,1975.

        [57]CARNES,T.,etal.Maximizinginfluenceinacompetitivesocialnetwork;Afollowersperspective[C].Proceedingsofthe9thInternationalConferenceonElectronicCommerce(ICEC07),2007.

        [58]B.Jansen,M.etal.Twitterpower;Tweetsaselectronicwordofmouth[J].JournaloftheAmericanSocietyforInformationScienceandTechnology,2009,0(11):2169-2188.

        [59]Galuba,W.,etal.WolfgangKellererOuttweetingtheTwitterers-PredictingInformationCascadesinMicroblogs[C].3rdWorkshoponOnlineSocialNetworks(WOSN),2010.

        [60]ChristopheV.D.B.Opportunitiesandchallengesinstudyingcustomnetwork[M].NewYork:Routledge,2010.

        作者簡(jiǎn)介:朱志國(guó)(1977-),男,博士,東北財(cái)經(jīng)大學(xué)管理科學(xué)與工程學(xué)院副教授,研究方向:Web數(shù)據(jù)挖掘,社會(huì)網(wǎng)絡(luò)分析,病毒性網(wǎng)絡(luò)營(yíng)銷。

        猜你喜歡
        病毒性用戶影響
        是什么影響了滑動(dòng)摩擦力的大小
        牛病毒性腹瀉病特征、診斷與防治研究
        湖南飼料(2021年4期)2021-10-13 07:32:40
        2030消除病毒性肝炎:未來(lái)10年該怎么做?
        肝博士(2021年1期)2021-03-29 02:31:58
        清熱利濕法聯(lián)合中醫(yī)辨證施護(hù)治療病毒性心肌炎
        如何防治子豬病毒性腹瀉
        關(guān)注用戶
        商用汽車(2016年11期)2016-12-19 01:20:16
        關(guān)注用戶
        商用汽車(2016年6期)2016-06-29 09:18:54
        擴(kuò)鏈劑聯(lián)用對(duì)PETG擴(kuò)鏈反應(yīng)與流變性能的影響
        關(guān)注用戶
        商用汽車(2016年4期)2016-05-09 01:23:12
        基于Simulink的跟蹤干擾對(duì)跳頻通信的影響
        亚洲欧洲日产国码高潮αv| 亚洲日本一区二区三区四区| 日日噜噜夜夜狠狠久久丁香五月| 国产精品一区二区三久久不卡 | 国产成人av一区二区三区| 国产麻豆精品一区| 欧美成人免费观看国产| 久久99精品波多结衣一区| 一区二区三区在线视频爽| 久久精见国产亚洲av高清热| 青青草免费手机视频在线观看| 一本加勒比hezyo无码专区| 老司机在线精品视频网站| 精品十八禁免费观看| 欧美高h视频| 男女打扑克视频在线看| 人人鲁人人莫人人爱精品| 狠狠色噜噜狠狠狠狠888奇禾| 成人无码h真人在线网站| 免费一区二区三区av| 东风日产车是不是国产的 | 日韩在线不卡一区在线观看| 在线观看人成网站深夜免费| 麻豆国产av在线观看| 日本真人添下面视频免费| 欧美 变态 另类 人妖| 伊人婷婷色香五月综合缴激情 | 国产成人亚洲精品电影| 亚洲一区二区三区免费av| 久久精品亚州中文字幕| 亚洲国产精品无码久久| 中日韩精品视频在线观看| 国产精品久久久一本精品| 亚洲av午夜福利一区二区国产| 国产精品亚洲专区无码不卡| 天天综合网在线观看视频| 人妻去按摩店被黑人按中出 | 日本高清一区二区三区视频 | 国产精品久久久久亚洲| 亚洲综合视频一区二区| 亚洲精品夜夜夜妓女网|