[論文レビュー] Latent Viral Marketing, Concepts and Control Methods

Alon Sela, Dmitri Goldenberg+2 more|arXiv (Cornell University)|Apr 6, 2017

Complex Network Analysis Techniques参考文献 14被引用数 4

ひとこと要約

本論文では、連続的で能動的なセッティング（販売担当者が特定のノードに製品を広めるプロセス）をソーシャルネットワークの拡散に統合する、新たなフレームワーク「ラティント・バイラルマーケティング（LVM）」モデルを提案する。これは、完全に自発的でない拡散にとどまらず、人為的介入を組み込むことで、従来のバイラル拡散モデルを拡張する。本研究では、時間経過に伴い最適なノードを選択する動的スケジューリング・セッティングのヒューリスティックを提案し、多様なネットワーク条件下での実験的シミュレーションにおいて、最先端の手法と比較して製品採用率が29%〜94%向上することを示した。

ABSTRACT

Numerus works that study the spread of information in social networks include a spreading mechanism in which a set of nodes is initially infected (i.e. seeded), followed by a viral process, which spontaneously spread the message through the nodes of the network. These models are used to describe the spread of rumors as well as the spread of new products and services. In reality however, it is quite rare that a product or service spreads through a social networks solely by viral forces. It is more common, that the spreader would invests a continuous active effort of its sales representatives in order to enhance the spread. The Latent Viral Marketing Model is a spreading model that fits this reality. Along the description of the model, the paper continues and proposes a simple Scheduling of Seeding heuristics, which recommends the node to seed at each period. A large study of empirical simulations shows that under a wide range of realistic initial conditions, the Scheduling Seeding method improves a product adoption rate by 29%-94% in comparison to existing state-of-the-art seeding methods.

研究の動機と目的

• 既存のバイラルマーケティングモデルが、人的介入なしに完全に自発的な拡散を仮定しているというギャップを解消すること。
• 販売担当者が継続的に製品をターゲットノードに広めるという、現実のマーケティング状況をモデル化すること。
• 各時刻における採用を最大化するために、最適なノードを段階的に選択するスケジューリング・ヒューリスティックを開発すること。
• 多様なネットワーク構造および初期条件設定下で、提案手法を既存のセッティング戦略と比較して実証的に検証すること。
• 採用率および収束速度という観点から、提案手法の性能向上を定量的に評価すること。

提案手法

• ラティント・バイラルマーケティング（LVM）モデルは、従来のインディペンデント・カスケードモデルを拡張し、販売担当者が各時刻に特定のノードをターゲットにすることで、継続的で能動的なセッティングプロセスを組み込む。
• セッティングのスケジューリング・ヒューリスティックは、時間依存のグリーディー選択メカニズムを用い、将来の拡散を促す可能性を考慮してノードを優先順位付けする。これは、現在の影響力と将来の拡散可能性の両方を考慮する。
• 本モデルは、ノードにセッティングを施すことで、そのノードの製品採用および拡散の可能性が向上すると仮定するが、強化されない場合、その効果は時間経過とともに減少するとする。
• ネットワーク構造、現在の採用状況、およびセッティング履歴に基づいて、ノードスコアを動的に更新することで、最適なセッティング意思決定を支援する。
• 本手法は、実世界および合成ネットワークを用いた実証的シミュレーションにより、異なるセッティング予算および初期条件下で評価された。
• 本モデルは、受動的でバイラルな拡散と能動的セッティングを統合した統一フレームワークを提供し、拡散プロセスの制御を可能にする。

実験結果

リサーチクエスチョン

• RQ1 販売担当者の連続的で能動的なセッティングは、完全にバイラルな拡散と比較して、製品採用にどのような影響を与えるか？
• RQ2 リソースが限られた状況下で、どのノードをいつセッティングすべきか、最適な戦略は何か？
• RQ3 多様なネットワーク環境下で、動的セッティング・ヒューリスティックは、静的またはランダムなセッティング戦略を上回ることができるか？
• RQ4 提案手法は、最先端のセッティング技術と比較して、どの程度採用率を向上させることができるか？
• RQ5 スケジューリング・セッティング・ヒューリスティックは、異なるネットワークトポロジーおよび初期セッティング条件に対して、どの程度頑健か？

主な発見

• スケジューリング・セッティング・ヒューリスティックは、多様な現実的ネットワーク条件下で、既存の最先端のセッティング手法と比較して、製品採用率を29%〜94%まで向上させた。
• 本手法は、ネットワーク構造や初期セッティング予算が変化する状況下でも、ランダムおよび次数ベースのセッティングを含むベースライン戦略を一貫して上回った。
• 特にスパarsなネットワークやスケールフリーネットワークでは、戦略的セッティングが限られたリソースの効果を顕著に高める。
• 初期採用状況やネットワーク構造の不確実性に対しても、本モデルは高い性能を維持し、多様な実証的設定で頑健であることが示された。
• 結果から、継続的で戦略的なタイミングのセッティングが、拡散効率を顕著に向上させることを確認した。これにより、本モデルの現実世界への適用可能性が裏付けられた。
• 本研究は、採用を最大化するためには、人的介入によるセッティングが不可欠であることを確認した。これは、完全にバイラルな拡散を仮定する従来の仮定に疑問を呈するものである。