前言:本站為你精心整理了社交平臺(tái)電商轉(zhuǎn)發(fā)式廣告?zhèn)鞑ツJ剿伎挤段模M転槟愕膭?chuàng)作提供參考價(jià)值,我們的客服老師可以幫助你提供個(gè)性化的參考范文,歡迎咨詢。
社交平臺(tái)電商大量使用。有獎(jiǎng)轉(zhuǎn)發(fā)式廣告充斥著各大社交平臺(tái),競(jìng)爭十分激烈,分析競(jìng)爭環(huán)境下,社交平臺(tái)電商激勵(lì)率對(duì)轉(zhuǎn)發(fā)式廣告傳播量與速度十分必要。利用Vensim軟件采用仿真實(shí)驗(yàn)的方式,將SEIRS模型用于研究社交平臺(tái)中有獎(jiǎng)轉(zhuǎn)發(fā)式廣告的傳播過程,并且在SEIRS模型基礎(chǔ)上引入社交平臺(tái)電商激勵(lì)率,研究發(fā)現(xiàn)在零和競(jìng)爭環(huán)境下轉(zhuǎn)發(fā)式廣告?zhèn)鞑ミ^程中,社交平臺(tái)電商激勵(lì)率能有效提高轉(zhuǎn)發(fā)式廣告?zhèn)鞑チ亢蛡鞑ニ俾省?/p>
關(guān)鍵詞:SEIRS模型;社交平臺(tái)電商激勵(lì)率;轉(zhuǎn)發(fā)式廣告;競(jìng)爭環(huán)境
引言
近年來,以微博、微信等為代表的社交平臺(tái)興起的抽獎(jiǎng)轉(zhuǎn)發(fā)式廣告發(fā)展迅猛。一些社交平臺(tái)電商通過社交平臺(tái)自己或者請(qǐng)網(wǎng)絡(luò)紅人和知名大V有獎(jiǎng)轉(zhuǎn)發(fā)式廣告。例如在2018年11月,王思聰在微博上為IG電競(jìng)俱樂部有獎(jiǎng)轉(zhuǎn)發(fā)式廣告,開獎(jiǎng)前該微博轉(zhuǎn)發(fā)量近三千萬人次。還有以拼多多為代表的購物平臺(tái),讓用戶將轉(zhuǎn)發(fā)廣告到微信等社交平臺(tái),讓別人幫忙砍價(jià)最終免費(fèi)得到商品的方式,進(jìn)行廣告宣傳。不論是抽獎(jiǎng)轉(zhuǎn)發(fā)式廣告還是轉(zhuǎn)發(fā)砍價(jià)式廣告,都可視為有獎(jiǎng)轉(zhuǎn)發(fā)式廣告,在這些廣告?zhèn)鞑サ倪^程中,都是由社交平臺(tái)電商設(shè)置一定的激勵(lì),促使社交平臺(tái)用戶夠在短時(shí)間內(nèi)來大量轉(zhuǎn)發(fā)廣告,快速達(dá)到宣傳的目的。有獎(jiǎng)轉(zhuǎn)發(fā)式廣告的傳播過程與網(wǎng)絡(luò)輿情傳播過程相似,網(wǎng)絡(luò)輿情的傳播是信息傳播的過程,而轉(zhuǎn)發(fā)式廣告的傳播也屬信息傳播,傳播過程的特點(diǎn)基本相同。當(dāng)今網(wǎng)絡(luò)輿情傳播研究主要利用傳染病模型進(jìn)行仿真。傳染病模型SIR模型,由Kermack等提出[1]。Sudbury第一個(gè)將SIR模型用來對(duì)網(wǎng)絡(luò)輿情傳播過程進(jìn)行模擬[2]。Anderson等在SIR模型中加入潛伏態(tài)節(jié)點(diǎn)E,提出的SEIR模型[3]。當(dāng)今信息技術(shù)飛速發(fā)展,信息傳播渠道變得越來越多,速度越來越快,人們每天接收海量信息,接收信息時(shí)缺乏信息甄別能力,并且接收到的信息不斷衍生變化,由此朱恒民等[4]構(gòu)建了具有話題衍生性的SIRS模型。陳福集等[5-6]進(jìn)一步分析了輿情傳播過程中話題衍生率的影響效果。以上研究大部分,對(duì)于信息傳播的研究沒有考慮競(jìng)爭狀況,也即是環(huán)境中只有一個(gè)網(wǎng)絡(luò)信息,而沒有考慮多種信息共存互相競(jìng)爭的情況。本文是基于陳福集等[5-6]的研究之上,將SEIRS模型用于社交平臺(tái)中轉(zhuǎn)發(fā)式廣告?zhèn)鞑チ亢蛡鞑ニ俣鹊难芯俊?/p>
1、模型構(gòu)建
基于陳福集等學(xué)者[5-6]的SEIRS模型,本文構(gòu)建了轉(zhuǎn)發(fā)式廣告?zhèn)鞑ツP停瑘D1為模型示意圖。與傳統(tǒng)SEIRS模型相比,本模型增加社交平臺(tái)電商激勵(lì)率θ這一變量,模型將社交平臺(tái)中的人分為四類:未知者(S),它表示在t時(shí)刻不知道廣告信息的人;猶豫者(E),它表示在t時(shí)刻已知廣告但猶豫是否轉(zhuǎn)發(fā)的人;轉(zhuǎn)發(fā)者(I),它表示在t時(shí)刻將廣告轉(zhuǎn)發(fā)出去的人;不轉(zhuǎn)者(R),它表示在t時(shí)刻已知廣告但不轉(zhuǎn)發(fā)的人。該模型里,ρ是知道率表示未知者知道廣告信息的概率,β是轉(zhuǎn)發(fā)率表示猶豫者轉(zhuǎn)發(fā)廣告的概率,γ是刪除率表示轉(zhuǎn)發(fā)者刪除轉(zhuǎn)發(fā)廣告的概率,ε是不轉(zhuǎn)率表示猶豫者不轉(zhuǎn)發(fā)廣告的概率δ是遺忘率不轉(zhuǎn)者重新成為未知者的概率,τ是變心率表示不轉(zhuǎn)者重新轉(zhuǎn)發(fā)廣告的概率,θ是激勵(lì)率表示受社交平臺(tái)電商激勵(lì)影響的猶豫者轉(zhuǎn)發(fā)廣告的概率。
2、模型應(yīng)用
如今社交平臺(tái)上轉(zhuǎn)發(fā)式廣告很多,不同電商在同一環(huán)境中共同進(jìn)行轉(zhuǎn)發(fā)式廣告的傳播,此情況下,不同電商廣告在傳播過程中會(huì)相互影響互相競(jìng)爭。此處將零和競(jìng)爭轉(zhuǎn)發(fā)模式定義為,在猶豫者E轉(zhuǎn)發(fā)電商1廣告成為I1后,不會(huì)再轉(zhuǎn)發(fā)電商2的廣告,不會(huì)成為I2。也即是轉(zhuǎn)發(fā)者只能轉(zhuǎn)發(fā)眾多廣告中的一個(gè)。為了探究零和競(jìng)爭轉(zhuǎn)發(fā)模式中不同社交平臺(tái)電商激勵(lì)率θ,對(duì)各自轉(zhuǎn)發(fā)式廣告轉(zhuǎn)發(fā)數(shù)量和速度的影響,采用控制變量法,使得平臺(tái)中的SEIR四種狀態(tài)人的初始值相同,各自的轉(zhuǎn)化概率參數(shù)都相同,只有電商1和電商2的激勵(lì)率θ1和θ2不同。
3、結(jié)論與建議
本文將社交平臺(tái)電商激勵(lì)率引入SEIRS模型,構(gòu)建了有獎(jiǎng)轉(zhuǎn)發(fā)式廣告?zhèn)鞑ツP停骄哭D(zhuǎn)發(fā)式傳播過程中,電商激勵(lì)率對(duì)四種狀態(tài)下的人數(shù)的影響。構(gòu)建了一千人規(guī)模的社交平臺(tái),進(jìn)行仿真實(shí)驗(yàn),分析無在無競(jìng)爭環(huán)境下和零和競(jìng)爭環(huán)境下,轉(zhuǎn)發(fā)式廣告?zhèn)鞑ミ^程中,電商激勵(lì)率對(duì)轉(zhuǎn)發(fā)式廣告?zhèn)鞑チ亢退俣鹊挠绊憽7抡娼Y(jié)果表明,若電商在轉(zhuǎn)發(fā)式廣告?zhèn)鞑ミ^程中,設(shè)置一定的激勵(lì)率,能促使更多知道廣告但仍在猶豫是否轉(zhuǎn)發(fā)的人更快地將廣告?zhèn)鞑コ鋈ァR虼耍缃黄脚_(tái)電商為提高其在社交平臺(tái)上的轉(zhuǎn)發(fā)式廣告?zhèn)鞑チ亢退俣龋瑧?yīng)當(dāng)對(duì)轉(zhuǎn)發(fā)廣告者設(shè)置適當(dāng)?shù)募?lì),可以采用轉(zhuǎn)發(fā)式抽獎(jiǎng)式廣告,也可以采用轉(zhuǎn)發(fā)幫忙砍價(jià)式廣告等帶有激勵(lì)性質(zhì)的轉(zhuǎn)發(fā)廣告模式。
作者:王梓伍 朱美光