The dynamics of viral marketing

1. The dynamics of viral marketing • محمد بهمني • فواد رستمي • حسين حسني • 28 ارديبهشت 91 دانشكاه آزاد اسلامي 1 واحد علوم تحقيقات كردستان

2. چکیده: ما تحلیلی ازشبکه پیشنهادات فرد به فرد که شامل 4 میلیون نفری است که 16 میلیون پیشنهاد را در باب نیم میلیون محصول داده اند را ارائه می دهیم. سپس نشان می دهیم چگونه شبکه پیشنهادات در طول زمان گسترده می شوند و اینکه چقدر از نگاه فرستنده و گیرنده، پیشنهادات تأثیر گذار است. 2

3. مقدمه با نشان دادن مقاومت فزاینده از جانب مصرف کننده ها نسبت به اشکال سنتی تبلیغاتی چون تبلیغات تلویزیونی و روزنامه بازاریاب ها به استراتژی های جایگزین که شامل بازاریابی شبه ویروسی (انفجاری)می شود رو کرده اند. بازار یابی شبه ویروسی از شبکه های اجتماعی موجود با تشویق کردن مصرف کننده ها برای به اشتراک گذاشتن اطلاعات محصول با دوستانشان بهره برداری می کند.در این مقاله توانستیم مستقیماً سود مندی پیشنهادات را با مطالعه آنلاین برنامه بازیابی شبه ویروسی(انفجاری) تشویق شده برای یک خرده فروش بسنجیم. 3

4. خلاصه مطالب • در بخش 2مجموعه داده ها را توضیح می دهیم. • در بخش 3 تاثیر دریافت پیشنهادات را بررسی می کنیم. • در بخش 4 تاخیر های زمانی بین زمان دریافت پیشنهاد و زمانی که بر روی آنها کار می شود را بررسی می کنیم. • در بخش 5 نشان می دهیم که بعضی اقلام پاسخ مختلفی به پیشنهادات دارند. • در بخش 6 تعامل خواص مختلف محصول را بر روی میزان موفقیت پیشنهادات نشان میدهیم. • در بخش 7 نتایج و برآمدها را توضیح می دهیم. • نقاط ضعف و قوت 4

5. شبکه پیشنهاد 5

6. 10% تخفیف 10% اعتبار توصیف مجموعه داده ها تحلیل ما بر روی برنامه ارجاعی پیشنهاد که توسط یک خرده فروش بزرگ راه اندازی شده تمرکز دارد.قوانین برنامه مانند زیر بود: 6

7. توصیف مجموعه داده ها مجموعه داده ها ی پیشنهادی شامل 15 میلیون پیشنهاد داده شده از میان 4 میلیون کاربر مجزا می باشد . داده ها از پنجم ژوئن 2001 تا شانزدهم می 2003 جمع آوری شدند. به طور کلی 550 هزار محصول پیشنهاد شدند که 99% آنها به چهار گروه محصول اصلی تعلق داشت. • کتابها • دیویدی ها • موزیک ها • ویدئوها 7

8. شناسایی کاسکادها به منظور شناسایی کاسکاد ها برای اشاعه اتفاقی پیشنهادات تنها بر روی خرید اول از یک جنس تمرکز می کنیم.موارد زیادی وجود دارد که یک شخص خرید های متعددی را از یک محصول انجام می دهد و در میان آن خرید ها ممکن است پیشنهادات جدیدی را نیز دریافت کرده باشد.در این مورد نمی تواند بگوید که پیشنهاداتی که بدنبال اولین خرید آمده واقعا خرید های بعدی را تحت تاثیر قرار داده است. 8

9. کتاب پزشکی(a) 9

10. رمان مصور ژاپنی 10

11. شاخص آمار شبکه پیشنهاد جدول زیر اندازه های شبکه های پیشنهادمحصولات را نشان می دهد 11

12. پیشنهادات فرستاده شده نه تنها افراد یک خرید انجام می دهند بلکه تصمیم می گیرند آن را نیز توصیه بکنند. 12

13. تأثیر بخشی پیشنهادات تا اینجا ما فقط به شاخص آمار کل شبکه پیشنهاد نگاه کردیم. از این به بعد سوالاتی را در باره اثر بخشی پیشنهادات در خود شبکه پیشنهاد می پرسیم. در ابتدا احتمال خرید را هنگامی که یک نفر پیشنهادات بیشتر و بیشتری را دریافت کند را تحلیل می کنیم. بعد از آن اثر بخشی پیشنهادات را هنگامی که دو نفر پیشنهادات بیشتر و بیشتری را مبادله می کنند می سنجیم. سر آخر شبکه پیشنهاد را از منظر فرستنده پیشنهاد بررسی می کنیم. وآیا یک ند که پیشنهادات بیشتری را می سازد خرید های بیشتری را نیز تحت تأثیر قرار می دهد؟ 13

14. احتمال خرید در ظرف تعداد پیشنهادات وارده در ابتدا بررسی می کنیم چگونه احتمال خرید هنگامی که کسی پیشنهادات بیشتر و بیشتر دریافت می کند تغییر می یابد انتظار داریم فردی احتمال بیشتری برای خرید کردنش وجود دارد که پیشنهادات بیشتری برای آن محصول ویژه دریافت کرده است.از طرف دیگر هر کس ممکن است فکر کند که در آنجا یک حد اشباع وجود دارد.اگر یک فرد محصول را پس از داده شدن تعدادی پیشنهاد نخرد این امکان وجود ندارد که ذهن او را با دریافت حتی مقدار بیشتری از آن تغییر داد. 14

15. دی ویدی ها کتاب احتمال خرید احتمال خرید پیشنهادات وارده پیشنهادات وارده 15

16. تأثيرات شبكه 16

17. اثر بخشي پيشنهادات بعدي • تحليل ميزان اثر بخشي در مبادله پيشنهادات • مبادله تعداد زياد پيشنهادات در بين دو نفر نشانه اعتماد و تأثير گذاري مي باشد. • فرستنده ي پيشنهادات بسيار زياد را مي توان به عنوان يك مزاحم ديد. 17

18. -3 x 10 12 10 8 6 4 5 10 15 20 25 30 35 40 • ارزيابي اثربخشي پيشنهادات مبادله شده كتاب ها دي ويدي ها 0.07 0.06 0.05 احتمال خريد احتمال خريد 0.04 0.03 0.02 5 10 15 20 25 30 35 40 پيشنهادات مبادله شده پيشنهادات مبادله شده 18

19. اثر بخشي پيشنهادات صادره • تا اينجا داده ها را از منظر گيرنده پيشنهاد بررسي كرديم، حالا از منظر فرستنده نگاه مي كنيم. • در اينجا دو سوأل مطرح است: • چطور احتمال به دست آوردن 10 درصد اعتبار با تعداد پيشنهادات صادره تغيير مي كند؟ • با دادن پيشنهادات صادره چه تعداد خريد را تحت تأثير قرار خواهند داد؟ 19

20. 7 0.5 6 5 0.4 4 تعداد خريد ها 0.3 3 0.2 2 0.1 1 0 0 20 40 60 80 100 120 140 10 20 30 40 50 60 پيشنهادات صادره شكل هاي زير نشان مي دهند كه چگونه تعداد ميانگين افرادي كه خريد كردند با تعداد پيشنهادات صادره تغيير مي كنند. كتاب ها دي ويدي ها تعداد خريد ها پيشنهادات صادره 20

21. زمانبندي پيشنهادات و خريدها • بررسي تأخير زماني بين پيشنهاد و خريد گروههاي مختلف محصول • چه مدت طول مي كشد يك فرد هم پيشنهاد را دريافت كند، هم بر روي آن تفكر و عمل نمايد. • براي هر خريد از طريق يك پيشنهاد زمان نخستين و آخرين پيشنهاد وارده را قبل از خريد پيدا مي كنيم. 21

22. 0.5 0.35 0.3 0.4 0.25 0.3 0.2 0.15 0.2 0.1 0.1 0.05 0 0 1 2 3 4 5 6 7 > 7 1 2 3 4 5 6 7 > 7 تأخير (روز) نمايش نمودار ستوني تأخير زماني بين خريد و آخرين پيشنهاد در طول يك روز كتاب ها دي ويدي ها 35درصد افرادي كه در طول يك روز خريد كرده اند 40درصد افرادي كه در طول يك روز خريد كرده اند 16درصد افرادي كه بيش از يك هفته منتظر شده اند 10درصد افرادي كه بيش از يك هفته منتظر شده اند احتمال خريد احتمال خريد تأخير (روز) 22

23. ارزيابي پيشنهادات در طول روز • بررسي مي كنيم كه: • چگونه كل تعداد پيشنهادات بواسطه ساعاتي از روز فرق مي كنند. • چگونه خريدها در طول روز تغيير مي كنند. • تعداد خريدها يي كه منجر به تخفيف مي شوند بر اساس ساعاتي از روز به چه صورت مي باشد. 23

24. 5 x 10 10 8 6 پيشنهادات 4 2 0 0 5 10 15 20 25 ساعتي از روز زماني كه پيشنهادات فرستاده مي شوند 24

25. 4 x 10 2 1.5 كل خريدها 1 0.5 0 0 5 10 15 20 25 زماني كه خريد ها صورت مي گيرند ساعتي از روز 25

26. 7000 6000 5000 4000 خريد هاي تخفيفي 3000 2000 1000 0 0 5 10 15 20 25 زماني كه خريد ها منجر به تخفيف مي شوند. ساعتي از روز 26

27. تأثیرگذاری پیشنهاد به واسطه طبقه بندی کتاب شبکه های اجتماعی حاصل مفهوم هایی هستند که مردم را به همدیگر نزدیک می سازد برخی از مفهوم ها ، منجر به ایجاد گره های اجتماعی می شودکه برای رهبری یک عملکرد، خیلی کارآمد می باشد . به عنوان مثال ، در آزمایش های جهان کوچک ، در جایی که شرکت کننده ها یک تلاشی در جهت رسیدن به هدف فردی از طریق زنجیر، آگاهی های خودشان انجام می دهند که در مکان یابي یک هدف نسبت به مشخصه های آن از قبیل مذهب یا سرگرمی ها ، خیلی مفید می باشد. 27

28. جدول صفحه بعد پیشنهادهای تمايل یافته برای تمام دسته کتاب های سطح بالا را توسط فرد نشان میدهد . برای وضوح ما نتایج را توسط 4 دسته بندی متفاوت گروه بندی نمودیم • فردی / فراغت • تخصصی / فنی • غیر داستان • غیر ه . 28

29. 29

30. 30

31. پس روی موفقیت یک پیشنهاد • به مراتب ما شبکه پیشنهادی را نسبت به خود محصول، به میزان بیشتری مورد بررسی قرار داده ایم هم اکنون از رگرسیون خطی از خصوصیات محصول زیر در جهت همبستگی آنها با موفقیت پیشنهاد استفاده می کنیم • r : تعداد پیشنهادها • ns: تعداد فرستنده های پیشنهاد • nr: تعداد گیرنده های پیشنهاد • P: قیمت محصول • V: تعداد بازدیدها از یک محصول • :tمیانگین امتیاز یک محصول 31

32. متغیر وابسته s یک نرخ موقعیتی از پیشنهادهای انفرادی از محصول می باشد كه ما به روش تقسیم کردن کل تعداد خرید های انجام گرفته از طریق پیشنهادها ، با یک تعدادی از فرستنده های پیشنهادها بدست آمده است تصمیم گرفتیم تا از این نوع نرمال سازي استفاده کنیم. تا اینکه نرمال سازی را توسط یک تعداد کل از پیشنهادهای فرستاده شده انجام دهیم به این جهت که جامعه ها با تعدادی فراوان از ستاره های بزرگ جریمه نشوند. 32

33. جدول 4 ضرایب رگرسیون را نشان می دهند با یک استثنایی از میانگین امتیازدهی ، همه آنها معنی دارمی باشند تنها دو مشخصه با ضریب مثبت شامل تعداد پیشنهادها و قیمت می باشد این نشان میدهد که محصول هایی که به میزان بیشتری پیشنهاد شده اند و گران قیمت تر هستند دارای نرخ موفقیت بالایی هم هستند یک تعدادی ازفرستنده ها و دریافت کننده ها دارای ضرایب منفی هستند. 33

34. همه این ها نشان می دهد که محصول موفق محصول های متداول نیستند و بازدید های کمتری دارند در حالی که از سوی دیگر ، دارای تعداد زیادی پیشنهاد با يك تعداد کمی از فرستنده ها و دریافت کننده ها می باشند که شبکه پیشنهاد خیلی متراکمی را پیشنهاد می کند که درآن اکثر پیشنهادها بین یک جامعه کوچک افراد مبادله شده است . جدول 4 34

35. بحث و نتیجه گیری • اگر چه یک فروشنده امیدی برای داشتن درآمدهای سریع از طریق بازاریابی ویروسی دارد، خریدهای اضافه که بدست آمده از پیشنهادها می باشد، منجر به یک افت در سبد فروش می شود که از طریق وب سایت اتفاق افتاده است. • علی رغم این موضوع، ما قادر هستم تا یک تعدادی از دیدگاه های جالب توجه را برای این موضوع که چگونه بازاریابی ویروسی عمل می کند را بدست آوریم . 35

36. ابتدا ، در مدل های اپیدمیک چنین پذیرفته شده است که افراد از هر دوره زمانی که دارای تعامل هستند دارای احتمال یکسانی از متأثر شدن می باشند. مدل های توزیع ابتکاری و اپیدمیک سنتی ، همواره پذیرفته اند که افراد یا دارای احتمال ثابت از وارونه ساختن هر زمانی كه دارای تعامل با یک فرد آلوده می باشند یا اینکه آنها یک کسری از برخورد های خود را با کسانی که آلوده شده اند را معکوس می سازند. در هر دو حالت یک تعداد افزایش یافته ای از تماس های موجود ، باعث افزایش از سرایت می شود. 36

37. مدل هاياپيدميكمبتني بر شبكه در مدل های اپیدمیک مبتنی بر شبکه ، افرادی که میزان زیادی با هم مرتبط هستند ، یک نقش بسیار مهمی ایفا می کنند. به عنوان مثال در سایت های به اشتراک گذاری Deedle و تماس جنسی ، این گره ها ، با تحت تاثیر قرار دادن یک تعداد زیادی از افراد بصورتSuper-spreders تبدیل می شوند 37

38. بطور مقایسه ای ما یافتیم که محدودیت هایی برای چگونگی تأثیر گذاری گره ای درجه بالا در شبکه پیشنهاد وجود دارد از آنجایی که یک فرد پیشنهادهای بیشتر و بیشتری را می فرستند و از تعداد مشخص برای یک محصول رد می شود یک موفقیتی برای پیشنهاد کاهش می یابد. به نظر می رسد که این حاکی از این است که افراد تحت تأثیر تعداد اندکی از دوستان خود قرار می گيرند اما تحت تأثیر تمام کسانی که می شناسند قرار نمی گیرند . 38

39. نقاط ضعف • امنیت لازم را ندارد • عدم دسترسی به محصول قبل از خرید نقاط قوت • در مدت کم و با هزینه کم می توان محصول خود را با سرعت زیاد خرید نمود. 39

40. پایان