競(jìng)爭(zhēng)環(huán)境下社交平臺(tái)電商轉(zhuǎn)發(fā)式廣告?zhèn)鞑ツＪ教骄?/h1>

2020-04-01 15:04:17王梓伍朱美光

電子商務(wù)訂閱 2020年3期 收藏

王梓伍 朱美光

★基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目“基于知識(shí)溢出的區(qū)域空間結(jié)構(gòu)優(yōu)化與空間互動(dòng)發(fā)展”（項(xiàng)目編號(hào)：u1304709）。

摘要：如今有獎(jiǎng)轉(zhuǎn)發(fā)式廣告因其傳播范圍廣、傳播速度快、費(fèi)用不高的優(yōu)點(diǎn)而被社交平臺(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(zhēng)十分激烈，分析競(jìng)爭(zhēng)環(huán)境下，社交平臺(tái)電商激勵(lì)率對(duì)轉(zhuǎn)發(fā)式廣告?zhèn)鞑チ颗c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(guò)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(zhēng)環(huán)境下轉(zhuǎn)發(fā)式廣告?zhèn)鞑ミ^(guò)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(zhēng)環(huán)境

中圖分類(lèi)號(hào)：F713.8

引言

近年來(lái)，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(guò)社交平臺(tái)自己或者請(qǐng)網(wǎng)絡(luò)紅人和知名大V發(fā)布有獎(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(lè)部發(fā)布有獎(jiǎng)轉(zhuǎn)發(fā)式廣告，開(kāi)獎(jiǎng)前該微博轉(zhuǎn)發(fā)量近三千萬(wàn)人次。還有以拼多多為代表的購(gòu)物平臺(tái)，讓用戶(hù)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^(guò)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(hù)夠在短時(shí)間內(nèi)來(lái)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(guò)程與網(wǎng)絡(luò)輿情傳播過(guò)程相似，網(wǎng)絡(luò)輿情的傳播是信息傳播的過(guò)程，而轉(zhuǎn)發(fā)式廣告的傳播也屬信息傳播，傳播過(guò)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(lái)對(duì)網(wǎng)絡(luò)輿情傳播過(guò)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(lái)越多，速度越來(lái)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(huà)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(guò)程中話(huà)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(méi)有考慮競(jìng)爭(zhēng)狀況，也即是環(huán)境中只有一個(gè)網(wǎng)絡(luò)信息，而沒(méi)有考慮多種信息共存互相競(jìng)爭(zhēng)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?，圖1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(lèi)：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(guò)程中會(huì)相互影響互相競(jìng)爭(zhēng)。此處將零和競(jìng)爭(zhēng)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)。由此建立如圖1所示的零和競(jìng)爭(zhēng)轉(zhuǎn)發(fā)模型，在此模型中共有兩個(gè)社交平臺(tái)電商，電商1和2，對(duì)應(yīng)的激勵(lì)率分別是θ1和θ2，此外設(shè)置各自的未知者分別為S1、S2，猶豫者分別為E1、E2，轉(zhuǎn)發(fā)者分別為I1、I2，不轉(zhuǎn)者分別為R1、R2，各個(gè)轉(zhuǎn)化概率分別為ρ1、ρ2、δ1、δ2、β1、β2、ε1、ε2、γ1、γ2、τ1、τ2。為了探究零和競(jìng)爭(zhēng)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。

根據(jù)圖1可得如下微分方程組模型

由此利用Vensim軟件進(jìn)行仿真實(shí)驗(yàn)，將社交網(wǎng)絡(luò)平臺(tái)用戶(hù)設(shè)置為1000名，電商1和2的SEIR四種狀態(tài)人的初始值設(shè)置為S1（0）=S2（0）=470，E1（0）=E2（0）=15，I1（0）= I2（0）=10，R1（0）=R2（0）=5，將電商1和電商2的激勵(lì)率設(shè)置為θ1=0.9，θ2=0.3，其余參數(shù)設(shè)置為ρ1=ρ2=0.3，δ1=δ2=0.2，β1=β2=0.2，ε1=ε2=0.3，γ1=γ2=0.4，τ1=τ2=0.2。進(jìn)行仿真試驗(yàn)后，四個(gè)狀態(tài)下的人數(shù)比例的變化趨勢(shì)如圖2所示，由圖可得：

圖中線(xiàn)型從高到低為R1 — - — -R2 ——I1 —— I2 - - - -S1…… S2 —— E1 —— E2……

E： E1和E2數(shù)量，均先上升到達(dá)峰值后緩慢下降，最終數(shù)值趨于穩(wěn)定。但E1更快達(dá)到峰值且E1峰值小于E2。在由峰值下降到趨于穩(wěn)定過(guò)程中，E1減小的速度明顯快于E2，并且二者數(shù)值均穩(wěn)定下來(lái)后，E1的穩(wěn)定值更小。說(shuō)明在零和競(jìng)爭(zhēng)環(huán)境下，電商對(duì)轉(zhuǎn)發(fā)式廣告設(shè)置激勵(lì)率會(huì)有效減少知道廣告而猶豫是否轉(zhuǎn)發(fā)的人的數(shù)量，且激勵(lì)率越大猶豫者數(shù)減少越快。

I：I1和 I2數(shù)量，均先快速上升后增速放緩，最終數(shù)值趨于穩(wěn)定。在I1和I2快速上升達(dá)到峰值過(guò)程中，I1增速更大。在增速放緩最終達(dá)到穩(wěn)定過(guò)程中，I1增速略大于I2。從二者最終穩(wěn)定值來(lái)看，I1更大。說(shuō)明在零和競(jìng)爭(zhēng)環(huán)境下，電商對(duì)轉(zhuǎn)發(fā)式廣告設(shè)置激勵(lì)率會(huì)有效增加轉(zhuǎn)發(fā)廣告的人的數(shù)量，激勵(lì)率越大轉(zhuǎn)發(fā)者人數(shù)增加的越快，最終穩(wěn)定值也越大。

S與R：各個(gè)時(shí)點(diǎn)上S1、S2以及R1、R2數(shù)量和增速及降速都非常接近，無(wú)明顯差別。說(shuō)明在零和競(jìng)爭(zhēng)環(huán)境下，不同電商的激勵(lì)率θ的大小，對(duì)未知者S與不轉(zhuǎn)者R的數(shù)量影響并不明顯。

基于上述分析可知，在零和競(jìng)爭(zhēng)環(huán)境下，不同社交平臺(tái)電商在轉(zhuǎn)發(fā)式廣告?zhèn)鞑ミ^(guò)程中，設(shè)置不同激勵(lì)率θ時(shí)，電商中激勵(lì)率更大的，會(huì)使知道廣告但猶豫是否轉(zhuǎn)發(fā)的人E更快地將廣告?zhèn)鞑コ鋈ザ優(yōu)檗D(zhuǎn)發(fā)者I，且最終轉(zhuǎn)發(fā)廣告的人數(shù)量更多。這說(shuō)明在零和競(jìng)爭(zhēng)環(huán)境中，社交平臺(tái)電商的激勵(lì)率越大，電商轉(zhuǎn)發(fā)式廣告的傳播數(shù)量以及速度都能得到提升，傳播效果更好。

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?，探究轉(zhuǎn)發(fā)式傳播過(guò)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(wú)在無(wú)競(jìng)爭(zhēng)環(huán)境下和零和競(jìng)爭(zhēng)環(huán)境下，轉(zhuǎn)發(fā)式廣告?zhèn)鞑ミ^(guò)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?。仿真結(jié)果表明，若電商在轉(zhuǎn)發(fā)式廣告?zhèn)鞑ミ^(guò)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?。因此，社交平臺(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?，?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。

參考文獻(xiàn)

[1] KERMACK W O，Mc KENDRICK A G.A seminal contribution to the mathematical theory of epidemics[C]//Proceedings of the Royal Societ.y of London.Series Mathematical，Physical and Engineering Science. The Royal Science，1927，115（772）：700—721

[2] SUDBURY A.The proportion of the population never hearing a rumour [J].Journal of Applied Probability，1985，22（2）：443—446

[3] ANDERSON R，MAY R.Infectious diseases of humans：dynamics and control [M].Oxford：Oxford University Press，1991

[4] 朱恒民，李青.面向話(huà)題衍生性的微博網(wǎng)絡(luò)輿情傳播模型研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2012（05）：60—64

[5] 陳福集.一類(lèi)新SEIRS模型上的網(wǎng)絡(luò)輿情傳播行為研究[J].情報(bào)資料工作，2014（04）：62—67

[6] 陳福集.基于SEIRS傳播模型的網(wǎng)絡(luò)輿情衍生效應(yīng)研究[J].情報(bào)雜志，2014.33（02）：108—113

[7] 陳兵.社交網(wǎng)絡(luò)、網(wǎng)絡(luò)輿情與政府應(yīng)對(duì)[J].中國(guó)出版，2012（08）：69—71

[8] 廖曉昕，動(dòng)力系統(tǒng)的穩(wěn)定性理論和應(yīng)用[M].北京：國(guó)防工業(yè)出版社，2000

作者簡(jiǎn)介：

王梓伍，鄭州大學(xué) 旅游管理學(xué)院，研究方向?yàn)樯缃浑娚蹋?/p>

朱美光，博士、教授，鄭州大學(xué)旅游管理學(xué)院副院長(zhǎng)，研究方向?yàn)槭袌?chǎng)營(yíng)銷(xiāo)、區(qū)域經(jīng)濟(jì)、旅游經(jīng)濟(jì)。

電子商務(wù)2020年3期

電子商務(wù)的其它文章

O2O電子商務(wù)模式下高校外賣(mài)配送問(wèn)題研究

電商學(xué)生競(jìng)賽的培養(yǎng)、選拔與實(shí)施的思考

高校圖書(shū)館數(shù)字閱讀推廣策略研究

校園微商信用體系平臺(tái)的分析與設(shè)計(jì)研究

電子商務(wù)專(zhuān)業(yè)微課的開(kāi)發(fā)應(yīng)用與研究

國(guó)內(nèi)高職院校網(wǎng)絡(luò)營(yíng)銷(xiāo)專(zhuān)業(yè)建設(shè)情況調(diào)研