نام و نام خانوادگی : حمید زفیر
استاد ناظر: جناب آقای علیزاده
رشته: فناوری اطلاعات و ارتباطات
دانشگاه فنی و حرفه ای شهید شمسی پور
سایت های شبکه های اجتماعی آنلاین به روشی محبوب برای به اشتراک گذاری تبدیل شده اند و انتشار مطالب اطلاعاتی مانند کیفیت محصولات ، تغییرات قیمت ، سرعت تحویل ، توصیه ها و غیره از طریق این شبکه ها یک روش بازاریابی دیجیتال مقرون به صرفه است در نتیجه باعث افزایش دید کاربران شبکه اجتماعی می شود.
محبوبیت گسترده از شبکه های اجتماعی منجر روزانه در توییتر و سایر سایت های شبکه های اجتماعی مانند فیسبوک ، اینستاگرام و ... از جمله این سایت های اجتماعی ، فیسبوک و توییتر هستند که پر بازدید ترین شبکه های اجتماعی را تشکیل می دهند . فیسبوک با روزانه 1.7 میلیارد کاربر فعال فعال به یکی از بزرگترین سیستم عاملهای تأثیرگذار در افزایش اهداف خرید مصرف کنندگان تبدیل شده است. این داده ها به طور مستقیم یا کاربران غیرمستقیم منافع یا نظرات را نشان می دهند .
در بازاریابی آنلاین ، حتی محصولی که برای تبلیغ استفاده می شود باید هوشمندانه انتخاب شود . همچنین ، استراتژی های بازاریابی مانند تبلیغات ، محصول طرح های راه اندازی و ارتقا از نظر تاکتیکی انتخاب می شوند.
تقریبا 69 میلیون نفر خرید آنلاین را در سال 2016 ترجیح داده و انتظار می رود این تعداد باشد در پایان سال 2018 به 120 میلیون نفر می رسد زمان ارسال ، فرکانس ارسال ، ارسال سبک و غیره بر پاسخ کاربران شبکه اجتماعی تأثیر می گذارد.
تحقیقات اخیر نشان می دهد که نقش رسانه های اجتماعی در تصمیمات خرید کاربر بسیار شگفت آور است در این مقاله ، ما با افراد کار کردیم نظرات و تأثیر آنها بر دیگران . همچنین ، تکنیک های پیشنهادی برای به حداکثر رساندن تأثیر با توجه به نظرات آنها و روابط اجتماعی در خرید محصول را مورد برسی قرار داده ایم.
در عصر حاضر ، شبکه های اجتماعی نه تنها برای ارتباط مردم استفاده می شوند. بلکه برای تبلیغ محصولات و به حداکثر رساندن تأثیر کالایی است که به شرکت در به حداکثر رساندن درآمد آنها کمک می کند.
سوالات کلیدی برای پاسخ گویی عبارتند از: 1. چه کار هایی برای پیش بینی افزایش فروش در هنگام انتشار این محصول در حوزه اجتماعی می توان کرد؟ 2. چگونه می توان تأثیر خرید یک محصول را به حداکثر رساند؟
بر اساس توصیه های همتایان در یک شبکه. برای پاسخ دادن به سوالات مطرح شده یکسری راه حل هایی مطرح شده است که آنها را مورد برسی قرار می دهیم.
در شبکه های اجتماعی در صفحه شرکت به طور منظم برای انتشار شبکه و کاربران گزینه هایی را برای پسندیدن ، نظر دادن و اشتراک گذاری این پست ها دارند مانند نظرات: نظرات تأثیر زیادی دارند و همچنین، تأثیر نشان دادن دوست داشتن و دوست نداشتن بر روی محصول، فروش تجمعی به صورت آنلاین ، و برسی اطلاعات به صورت انلاین، و قیمت محصول مهمترین عواملی هستند که مصرف کنندگان برای خریدن یا نخریدن یک محصول تحت تأثیر قرار می دهند.
همانطور که در شکل 1 نشان داده شده است. همچنین تأثیر آنها بر دیگری کاربرانی که آنها را به خرید محصول ترغیب می کنند ، در نتیجه افزایش می یابد. فروش کالا ها به نظرات منفی یا مثبت کاربران در مورد محصول ما خیلی تاثیر دارند پس به همین دلیل ما باید کاربرانی که به محصول ما امتیاز بالایی داده اند را پیدا کرده و از آنها بخواهیم تا دیگران را برای خرید محصولات ما ترغیب کنند. از طرف دیگر ، تعاملات شبکه های اجتماعی اهمیت زیادی در انتشار اطلاعات دارند. در شبکه های اجتماعی ، مردم این کار را می کنند پس شبکه اجتماعی بر تنوع فروش تأثیر دارد.
برای دستیابی به این مسئله مهم ، باید انگیزه کاربران را برای توصیه محصول به سایر همسالان خود ایجاد کرد. با توجه به این محدودیت ها ، ما بر به حداکثر رساندن تأثیر و در نتیجه افزایش درآمد بسیار جالب و چالش برانگیز است.
در این شکل ، ما بر روی نظرات کاربران متمرکز شده ایم:
در حقیقت ، برآورد تأثیر نظرات قبلی کاربران با ساخت انواع مدلهای مختلف مورد توجه قرار گرفته اند.
ارزش گذاری شخصی بیانگر نظر شخصی یک فرد در مورد یک محصول است در حالی که سرایت اجتماعی گسترش اثر یا رفتار از یک کاربر به کاربر دیگر است. در روش پیشنهادی ، از مدل آستانه خطی برای محدودیت انتشار استفاده می شود و سپس تأثیر بر فروش محصول از طریق مدل نفوذ مخلوط در بخش 4.1 بحث شده است.
به منظور رفع مشکل دوم ، از روش تخفیف حریصانه یا تخفیف حداکثر در جاهایی استفاده می شود که نفوذ دارند.در جایی که هیچ فرصتی برای کاربر واجد شرایط برای تبدیل شدن به یک کاربر تأثیرگذار وجود ندارد از یک تابلوی کلیدی که تحت روش تخفیف مورد بررسی قرار می گیرد استفاده می شود ، تبدیل کاربران واجد شرایط به عنوان تأثیرگذار در پایان هر تکرار در روش تخفیف حریصانه است. شرح دقیق تر در بخش مکانیسم آورده شده است.
همانطور که قبلاً توضیح داده شد ، تأثیر دوگانه ای وجود دارد که بر تصمیم گیری فرد نسبت به یک محصول تأثیر می گذارد. اول ، ارزیابی خود شخص یا نظر او در مورد محصول می باشد.
دوم ، نظر دوستان در مورد یک کالا یا محصول که به عنوان واگیری اجتماعی شناخته می شود تاثیر می گذارد که ممکن است به نفع یا مخالف یک محصول باشد. مشتری برای جمع آوری اطلاعات و جلوگیری از عدم اطمینان در مورد محصول ، نظرات را می خواند. این شرکت ها هستند که باید قبل از اینکه مشتری را هدف قرار دهند ، باید این دو مقدار را تشخیص دهد تا فروش خود را به حداکثر برساند. مدل نفوذ مخلوط شامل دو نوع کاربر است، 1-تاثیرگذاران که در حال حاضر نظر دارند و در مورد محصول اظهار نظر می کنند2- کاربرانی که تحت تأثیر این نظرات قرار می گیرد و تمایل به خرید محصول دارند.
روشی پیشنهاد شده است که دران در ابتدا برای کاربران به اصطلاح دون پاشیده می شود و محصول بصورت رایگان ارائه می شود. بعداً ، برای مجموعه ای کارآمد از کاربران تخفیف ارائه می شود و درآمد می تواند به حداکثر برسد. در اینجا ، مجموعه داده های شبکه فیسبوک در دنیای واقعی از مجموعه داده شبکه بزرگ استنفورد (2018) برای آزمایش گسترش نفوذ در نظر گرفته شده است. این شبکه یک شبکه بدون مقیاس با 4039 گره ، تراکم شبکه متفاوت و توزیع خارج از درجه گره است. بدیهی است در صورتی که یک کالا از ارزشی که دارد ارزانتر فروخته شود خیلی راحت به فروش می رسد. اساساً فرض بر این است که با افزایش نفوذ ، درآمد به صورت یکنواخت افزایش می یابد. عملکرد درآمد یکنواخت در نظر گرفته شده است ، به این معنی که تعداد بیشتری از همتایان آنها محصول را خریداری می کنند ، و تعداد خریداران افزایش می یابد این رویکرد را رویکرد تخفیف حریصانه می نامند.
ما پس از استفاده از مدلهای معرفی شده در بخشهای قبلی ، عملکرد را بررسی می کنیم. در بخش 5.1 ، مدل تأثیر مخلوط با داده های دنیای واقعی گرفته شده از صفحه فیسبوک ZARA آزمایش شده است. به همین ترتیب ، رویکرد تخفیف حریصانه در شبکه ای از طرف فیسبوک اجرا می شود. این یک شبکه بدون مقیاس است و نتایج در بخش 5.2 بحث شده است.
عملکرد مدل تأثیر مخلوط برای تعیین تأثیر ایجاد شده توسط کاربران هنگام اظهارنظر در مورد محصولات یک شرکت در سایت های شبکه های اجتماعی از طریق تعداد کاربران تاثیر گذار قبل و بعد از تأثیر ، همانطور که در شکل 2 نشان داده شده است ارزیابی می شود . نظرات تمام محصولات ارسال شده در صفحه رسمی فیسبوک ZARA از آوریل 2016 تا مارس 2017 در نظر گرفته شده است. این نمودار شامل 9577 نظر است که در مجموع از 4148 کاربر ایجاد شده است. در شبکه در نظر گرفته شده ، حداکثر تعداد کاربران تحت تأثیر قرار گرفته و به سمت راست نمودار منتقل می شوند و این افزایش فروش و به تناسب افزایش درآمد تولید شده را نشان می دهد. مدل نفوذ مخلوط به یک شرکت کمک می کند تا کاربران بالقوه ای را که باید هدف قرار بگیرند شناسایی کند تا بتواند در گروه قابل توجهی از افراد تأثیر بگذارد. شکل 3 افزایش ناگهانی تعداد گره های فعال را پس از چند بار تکرار نشان می دهد ، جایی که چنین تغییراتی در زمان واقعی تفاوت زیادی در فروش ایجاد می کند که منجر به تغییر شدید در مدیریت موجودی کالا می شود و ممکن است از سطح تحمل ریسک توسط یک شرکت عبور کند.
برای اجرای این روش ، شبکه فیسبوک بدون مقیاس با 4039 گره و توزیع آنها در شکل 4 نشان داده شده است. در اینجا مقدار p 8 همانطور که قبلاً بحث شد در نظر گرفته می شود و n 1 با تقسیم تأثیر نرمال شده در محدوده [0،1] به 8 منطقه محاسبه می شود پس از مرتب سازی کاربران در آرایه D ، اولین کاربران n 1 را که حداکثر تأثیر را در محدوده [8/2و8/5] دارند انتخاب کنید و محصول را به صورت رایگان ارائه دهید. معمولاً گره های اساسی در نظر گرفته می شوند و یعنی گروهی از گرها که تعداد بیشتری گره به عنوان n 1 دارند و بسته به نوع کالایی که در نظر گرفته می شود ، متفاوت است.
پیشنهادی که به کاربران n 1 داده می شود ، همسایگان آنها را در شبکه تحت تأثیر قرار می دهد و فرکانس حاصل و مقادیر تأثیر آنها در شکل 5 نشان داده می شود که در ابتدا همه صفر بودند. این نشان می دهد که همه کاربران در ابتدای الگوریتم تأثیر صفر دارند. کاربران n 2 را که حداکثر تأثیر را در محدوده [8/3و8/6] دارند انتخاب می شود و محصول را برای f(3/8) ارائه داده می شود تا زمانی که کاربران n 2 -n 1 پیشنهاد را بپذیرند. فرکانس حاصل و مقادیر تأثیر آنها در شکل 6 نشان داده شده است. خریدار بالقوه باقیمانده را با قیمت f(1/2) پیشنهاد دهید.شکل 7 تعداد افرادی که در هر بار تکرار خریدار می شوند را نشان می دهد. نوار آبی تعداد خریداران قبلی را نشان می دهد در این شکل منطقه قرمز تعداد افرادی را که به ترتیب برای تکرار 1 و 2 محصول به صورت رایگان یا با قیمت تخفیف خورده اند ، نشان می دهد. منطقه سبز تعداد افرادی است که تحت تأثیر قرار گرفته و محصول را در هر تکرار خریداری می کنند. در هر تکرار ، تعداد خریداران به دلیل تأثیر پذیری از همتایان در شبکه افزایش می یابد. پس از چند بار تکرار ، تعداد خریداران ثابت می شود زیرا این عملکرد نقش اصلی را در مدیریت درآمد دارد.. همچنین تخفیف های بیشتر ممکن است منجر به افزایش تعداد خریداران شود اما اینگونه نیست برای شرکت سودآور است.
نتایج این مطالعه نشان می دهد که می توان از مدل نفوذ مخلوط برای شناسایی کاربران بالقوه ای که یک شرکت می تواند آنها را هدف قرار دهد استفاده کرد و همچنین می تواند بودجه ای را که می تواند بر اساس سطح تأثیرگذاری آنها بر دیگران صرف هر دسته از این کاربران شود، تصمیم بگیرد. بالان تین و همکاران (۲۰۱۵) آزمایش فرضیه را انجام دادند و تأثیر نظرات مثبت و منفی را بر افراد مشاهده کردند. علاوه بر این، مطالعه ما مجموعه های مختلف کاربران را بر اساس سطح تمایل آنها به محصول شناسایی کرد. این کمک می کند تا به جای استفاده از همه خریداران برای تأثیرگذاری بر همه پذیرندها ، متقاضیان پذیرفته شده توسط آنها تحت تأثیر قرار گیرند. همچنین ، این آزمایش در شبکه کار واقعی انجام شده و نتایج جالبی را به دست آورده است. بابایی و همکاران (2013) یک رویکرد تخفیف حریصانه را برای حداکثر نفوذ با فرض اینکه فقط خریداران بالقوه بر آزمایش شوندگان تأثیر می گذارند ، پیشنهاد داد. نتایج نشان می دهد تعداد بیشتری از افراد پس از در نظر گرفتن همه خریداران به عنوان تأثیرگذار ، غیر از در نظر گرفتن فقط خریداران بالقوه ، تحت تأثیر قرار می گیرند.
کار ما عمدتا تمرکز بر به حداکثر رساندن تاثیر همسالان نسبت به یک فرد متمرکز است. در اینجا، ما دو راه را شناسایی کردیم که مردم تحت تأثیر قرار گرفتند و سپس تاثیرات خود را بر اساس مدل های پیشنهادی به حداکثر برسانیم. بالان تین و همکاران (2015) نحوه تأثیر نظرات بر کاربران را برجسته کردند. علاوه بر این، ما ارزیابی شخصی متقاضیان را در نظر گرفته ایم. در ابتدا، ما متقاضیان و تاثیر گذاران را بر اساس ارزیابی آنها و ارزش آستانه برای تبدیل شدن به یک تاثیر گذار جدا کردیم. این به ما کمک کرد تا کاربران را دسته بندی کرده و آنها را تقویت کنیم. در مدل دوم ما ، ارتباطات همتا برای تأثیرگذاری بر یک کاربر در نظر گرفته شده است و از رویکرد تخفیف حریصانه برای به حداکثر رساندن تأثیر اعمال شده است. علاوه بر این ، ما تمام کاربرانی را که محصول را زودتر خریداری کرده اند به عنوان تأثیرگذار در نظر گرفته ایم ، غیر از خریداران بالقوه که به عنوان کاربرانی که در شبکه بسیار متصل هستند در نظر گرفته می شوند.
مدل های مورد بحث در این مقاله عمدتا برای شناسایی پتانسیل کاربران برای به حداکثر رساندن نفوذ در یک شبکه معین با هدف قرار دادن گروه بالقوه افراد با ارائه محصول یا به صورت رایگان یا به صورت تخفیف بسته به امکان تأثیر آنها در انتشار اطلاعات و به طور موثر برای کسب درآمد می باشد. این اطلاعات مزایای لازم را برای بازاریابان در مورد آینده تبلیغات فراهم می کند، بازاریابان می دانند که پیروی از روش های سنتی برای ایجاد انگیزه در مصرف کنندگان در هر شبکه اجتماعی ممکن است همیشه موثر نباشد. اگر بازاریابان با ارائه محصولات رایگان یا تخفیف یافته برای شروع و راه اندازی هرگونه اطلاعات مرتبط با محصول ، به عضو غیررسمی شبکه های اجتماعی بدون اطلاع آنها انگیزه دهند ، این می تواند یک استراتژی موثر برای تبلیغات شبکه های اجتماعی باشد.
تأثیر نظرات در مورد فروش محصول در هنگام معرفی در صفحه فیسبوک مورد تجزیه و تحلیل قرار گرفته است مدل نفوذ مخلوط برای محاسبه ارزش گذاری کل از جمله نظر شخصی و تأثیر نظرات بررسی های قبلی استفاده می شود. در اینجا ، ارزیابی شخصی به عنوان میانگین نمره احساسات آنها با استفاده از الگوریتم VADER محاسبه می شود. پس از اجرای این الگوریتم بر روی داده های صفحه Zara در فیسبوک ، نتایج جالب توجهی وجود دارد که نشان می دهد تعداد افراد تحت تأثیر بعد از چند بار تکرار ناگهانی افزایش یافته است چنین تغییراتی باید از قبل توسط شرکت تخمین زده شود و اقدامات لازم برای جلوگیری از فروش از دست رفته انجام شود. تمدید آینده با افزودن آینده های بیشتر رسانه های اجتماعی مانند پسندیدن و اشتراک گذاری از منابعی مانند Twitter ، Instagram ، و غیره جالب خواهد بود.مردم بیشتر تمایل به خرید کالایی دارند که اکثر دوستانشان از ان کالا استفاده کرده و راضی باشند. به منظور دستیابی به انتشار اطلاعات در یک شبکه اجتماعی این محصول برای تعداد کمی از کاربران به صورت رایگان ارائه می شود و نتیجه آن پس از تغییر تمایل همتایان نسبت به خرید محصول پس از دریافت پیشنهاد ، نشان داده می شود. قیمت تخفیف یافته و دامنه افرادی که پیشنهادات را دریافت می کنند با استفاده از عملکرد به حداکثر رساندن درآمد انتخاب می شوند و دوباره می توان تغییر تأثیر همسالان را مطالعه کرد این کار را می توان با پیاده سازی این الگوریتم در شبکه پویا گسترش داد.
