《基于用户社交网络信息的微营销渠道优化分析》由会员分享，可在线阅读，更多相关《基于用户社交网络信息的微营销渠道优化分析（3页珍藏版）》请在装配图网上搜索。
1、基于用户社交网络信息的微营销渠道优化分析陈思静+刘峥+赵程程+赵袁军内容摘要：微营销渠道是微营销广告信息从发送者传向接收者经过的整个路径。由于社交网络媒体存在大量的冗余信息，采用微营销渠道将营销广告准确传递给用户变得越来越困难。为了黏住企业社交平台关注者并将他们转化为消费者，本文构建微营销渠道模型，并结合用户的社交网络信息，对模型进行优化。同时，采用算例分析验证优化后模型的优越性，结果表明优化后的微营销渠道模型能够在三个月内，将公司的客户流失率从10%降到8%，并将公司的营销利润提高27%。关键词：微营销渠道优化 社交网络 推荐系统算法 客户流失率研究思路微营销是一种针对一小群高度相关的目标消
2、费群体进行特定广告投放的营销策略，基于社交网络的微营销在企业运营中扮演越来越重要的作用，诸如微信、微博等的社交平台，可以帮助企业以较低的成本实施微营销，然而也存在一些问题。随着信息爆炸和社交网络的迅速发展，传统的微营销渠道（TMC）遇到一些困境，主要包括如何保证企业社交平台关注者对企业发送的信息感兴趣、如何平衡公司对不同社交平台的使用、如何提高关注公司社交平台账号的用户对公司产品的购买意愿。为了避免客户流失和利润损失，本文基于用户社交网络信息构建优化的微营销渠道模型（OMC）。在传统的微营销渠道中，为了增加信息的曝光度并提高收益，公司往往给其所有的社交平台的所有关注者发布营销信息。但每个用户有
3、自己独特的性格特征和兴趣，考虑用户个性化特征的营销广告，往往更能够吸引用户。为了找到用户感兴趣的促销广告，OMC考虑了三个特点：用户加入的兴趣小组以及个性化标签；在社交平台中的个人公开数据；评论或转发等的社交行为。考虑以上这三个因素，OMC可以解决TMC遇到的困境。模型构建（一）模型介绍本文模型选取收益、客户流失以及影响企业收益的客户流失率作为约束条件，在构建模型之前，相关的模型参数介绍如下：收益。本文计算的收益仅仅来自公司的微营销。假定公司通过微营销渠道推广m个产品，并且该公司所有的社交平台上有n个关注者， pj表示公司从产品j中获得的收益，公司从微营销渠道中获得的总利润是企业所有社交平台的
4、关注者贡献的利润总和。用户的购买可能性 BPij（ Ppa表示产品在广告中的标价）。本文采用用户关注相似公司账户的数量以及用户的社交网络活动来评价用户的购买意愿，平台关注者的购买可能性可以通过计算他们的购买意愿和保留价格获得。定义用户j关注相关官方账号的数量NF，用户转发和评论相似广告的数量NC。如果NF超过五并且NC存在，则定义用户对产品的购买意愿BW，为强烈意愿。如果NF小于五并且NC大于1，则定义BW为一般意愿；其他情况下，BW是没有兴趣。比较用户的 Prp和Ppa。则 BPij可以由以下公式计算得到：从上述模型中可以看出，公式（a）、公式（b）、公式（c）跟TMC模型中的模型（a）、模
5、型（b）、模型（c）有相同的含义。并且在（b）项中， Wint指出接收社交平台感兴趣信息的客户数量，若他们没有收到他们感兴趣的信息，会取消对C官方账户的关注。（c）中， Wbuy表示顾客通过社交平台购买的产品数量，若他们不接受自己喜欢的广告，他们将不会购买。另外，（d）为C的社会平台冲突的约束。从模型中可以发现，优化之后的模型對CLR和CL的影响较大，这也会相应地影响企业总利润。算例分析为了便于计算和比较，本文选择C公司在三个月内的社交平台营销进行实验。假设C有五个主要的社交平台S1、S2、S3、S4、S5存在于其现有的社交网络。（一）数据仿真实验用于比较客户流失率、顾客忠诚度等指标，因此数据
6、应该能够获取所有相关的目标和约束。在月初，本文假设公司C在其所有的平台拥有1000个关注者，每个社交平台有相应的关注者。现有的用户可能同时关注超过C的1个甚至是5个社交平台。在设置了一个公司的社会平台上最初的关注者和他们的关注状态后，收集相关数据描述用户的特点，包括他们的个性化特征和行为。由表1、表2、表3分析可知，用户的生活城市、性别、转发信息等与OMC模型密切相关。（二）推荐算法为了获得用户对使用的社交平台和广告的偏好，本文采用基于内容的推荐系统（CBRS）和协同过滤推荐系统（CFRS）算法，在仿真阶段将这两种算法结合起来，在平台上得到用户首选的社交平台和感兴趣的话题。此外，用户评论和转发
7、广告信息，能为公司找到用户喜欢的话题或产品。对于用户使用的社交平台，本文采用用户在所有社交平台上的活动来评价其偏好。（三）结果及分析在仿真实验中，C的传统微营销渠道（TMC）在其所有的五个社交平台上，给其1000个追随者发布信息150条信息。然而，OMC将在不同的社交平台上，为C的不同关注者选择不同的定制化信息。在存储数据和部署实验环境后，运行结果如表4、表5、表6所示。表4给出了三个月内公司C从其社交平台获得的利润对比，采用优化后的微营销渠道可以帮助企业提高27%的利润。表5给出了TMC和OMC之间的客户流失率对比，优化之后的微营销渠道可以帮助企业将客户流失从10%降到8%。表6给出了TMC
8、和OMC之间的客户忠诚度比较，结果表明OMC可以将企业的客户忠诚度从5%提高到15%。实验结果表明优化后的微营销渠道可以提高企业利润和客户忠诚度，并且该模型可以满足客户，从而大大地降低客户流失率。结论本文构建了微营销渠道的优化模型。在该模型中，过滤器可以根据用户的社交网络信息，为他们选择适当的平台，传递营销信息。其一，OMC可以为公司带来更多的利益。OMC可以将营销信息传递给具有高购买可能性的用户，并帮助公司黏住用户。其二，OMC可以降低客户流失率。OMC通过采用推荐系统相关算法，可以分析并发现其关注者的偏好和兴趣，可以帮助公司发送特定的营销信息给其关注者，这能够很大程度上黏住消费者，从而降低
9、公司的客户流失率。其三，虽然本文做了一定的贡献，但仍有一些方向值得未来继续研究。endprint参考文献：1.Bedard K，Kuhn P. Micro-marketing healthier choices： Effects of personalized ordering suggestions on restaurant purchases J.Journal of health economics，2015（39）2.Bouadjenek M R，Hacid H，Bouzeghoub M. Social networks and information retrieval，how a
10、re they converging？ A survey，a taxonomy and an analysis of social information retrieval approaches and platforms J.Information Systems，2016（56）3.Becker G S. A Theory of the Allocation of TimeJ.The economic journal，19654.Jedidi K，Zhang Z J. Augmenting conjoint analysis to estimate consumer reservatio
11、n priceJ. Management Science，2002，48（10）5.Keeney R L，Raiffa H. Decisions with multiple objectives：preferences and value trade-offsM. Cambridge university press，19936.Panniello U，Gorgoglione M，Tuzhilin A. Research NoteIn CARSs We Trust：How Context-Aware Recommendations Affect CustomersTrust and Other
12、 Business Performance Measures of Recommender SystemsJ. Information Systems Research， 2016，27（1）7.Wang Y F，Chiang D A，Hsu M H，et al. A recommender system to avoid customer churn：A case studyJ. Expert Systems with Applications，2009，36（4）8.Gabriel Y，Lang T.The unmanageable consumerM.Sage，2015.9.Newell
13、 S J，Wu B， Leingpibul D，et al. The importance of corporate and salesperson expertise and trust in building loyal business-to-business relationships in ChinaJ. Journal of Personal Selling & Sales Management，2016，36（2）10.Schafer J B，Frankowski D，Herlocker J，et al. Collaborative filtering recommender systemsM/The adaptive web. Springer Berlin Heidelberg，2007作者簡介：陈思静（1990-），女，汉族，上海人，研究方向：社交网络与微营销。刘峥（1987-），男，汉族，天津人，博士后，讲师，研究方向：供应链管理和运营管理。赵程程（1985-），女，汉族，上海工程技术大学讲师，研究方向：区域创新管理，创新供应链。赵袁军（1988-），男，汉，山东薛城人，博士研究生 ，研究方向：财务管理与资产经营。endprint
基于用户社交网络信息的微营销渠道优化分析
