[論文レビュー] Viral marketing as epidemiological model

Helena Sofia Rodrigues, Manuel José Fonseca|arXiv (Cornell University)|Jul 24, 2015

Digital Marketing and Social Media参考文献 11被引用数 13

ひとこと要約

本稿は、感染症の伝播と類似するメッセージ拡散を想定し、SIR（感受性・感染・回復）疫学的モデルを用いてウイルバルマーケティングのダイナミクスを模擬する手法を提案する。MATLABを用いた数値シミュレーションの結果、感染性（β）が高くなるとメッセージの到達範囲が拡大・加速するが、回復率（γ）が高くなると拡散が抑制される。また、ターゲットオーディエンスの10％以上をシーディングしても効果の逓減が生じるため、大規模なシーディングよりも最適なターゲティングが効果的であることが示唆される。

ABSTRACT

In epidemiology, an epidemic is defined as the spread of an infectious disease to a large number of people in a given population within a short period of time. In the marketing context, a message is viral when it is broadly sent and received by the target market through person-to-person transmission. This specific marketing communication strategy is commonly referred as viral marketing. Due to this similarity between an epidemic and the viral marketing process and because the understanding of the critical factors to this communications strategy effectiveness remain largely unknown, the mathematical models in epidemiology are presented in this marketing specific field. In this paper, an epidemiological model SIR (Susceptible- Infected-Recovered) to study the effects of a viral marketing strategy is presented. It is made a comparison between the disease parameters and the marketing application, and simulations using the Matlab software are performed. Finally, some conclusions are given and their marketing implications are exposed: interactions across the parameters are found that appear to suggest some recommendations to marketers, as the profitability of the investment or the need to improve the targeting criteria of the communications campaigns.

研究の動機と目的

• 疫学的フレームワークを応用してウイルバルマーケティングを伝染病のプロセスとしてモデル化すること。
• ソーシャルネットワーク内でのメッセージ拡散の速度と規模に影響を与える主要なパラメータを同定すること。
• ウイルバルマーケティングキャンペーンにおけるさまざまなシーディング戦略のコスト効率を評価すること。
• マーケターがターゲティングとメッセージ設計を最適化するための実務的インサイトを提供すること。
• 数値シミュレーションおよびパラメータ感度の図的分析を通じて、モデルの妥当性を検証すること。

提案手法

• 疫学のSIR区分モデルをウイルバルマーケティングに適応：S = 感受性（潜在的受信者）、I = 感染（アクティブな共有者）、R = 回復（共有しない者）。
• 疫学的パラメータをマーケティング文脈にマッピング：β = 感染性（メッセージ共有の可能性）、γ = 回復率（共有意欲の時間的低下）。
• MATLABを用いて、異なるパラメータ値を想定したSIR常微分方程式系の数値シミュレーションを実施。
• β、γ、初期感染人口I(0)を体系的に変化させることで感度分析を実施し、メッセージ到達範囲およびピーク時期への影響を観察。
• 異なるシナリオにおけるシミュレーション結果を比較し、パラメータ変更がキャンペーンパフォーマンスに与える影響を評価。
• S、I、Rの時間的推移曲線を分析することで、メッセージ拡散および飽和のダイナミクスを解釈。

実験結果

リサーチクエスチョン

• RQ1 感染性率（β）がウイルバルマーケティングキャンペーンにおけるメッセージ拡散の速度と規模にどのように影響を与えるか？
• RQ2 回復率（γ）がウイルバルマーケティングメッセージの持続期間と到達範囲に与える影響は何か？
• RQ3 初期シード人口サイズ（I(0)）がキャンペーン効果に与える影響は何か。また、その効果の逓減が現れるポイントはどこか？
• RQ4 シーディングへの投資と得られるメッセージ到達範囲の間にはどのようなトレードオフがあるか？
• RQ5 SIRモデルは現実のウイルバルマーケティングダイナミクスを正確に模擬でき、戦略的意思決定に有効なインサイトを提供できるか？

主な発見

• 感染性パラメータβを上昇させると、メッセージ拡散のピークがより速く、かつより大きくなる。β = 0.7の場合、10時間単位以内に約600人まで到達する。
• 回復率γが高くなると、到達人数が減少する。γ = 0.5の場合、到達人数は200人未満にとどまるが、γ = 0.01の場合には400人を超える。
• ターゲットオーディエンスの10％をシーディングしても、20％をシーディングした場合とほぼ同等のキャンペーン到達範囲が得られるため、10％を超えると効果の逓減が顕著になる。
• ターゲティングとメッセージ設計の改善によりβを高めることで、コストの比例的増加なしに共有率を向上させられるため、大規模なシーディングよりも効果的である。
• モデルは、メッセージ到達範囲がβおよびγに極めて敏感であることを示しており、これらがキャンペーン成功における重要な役割を果たしていることを確認した。
• SIRモデルはウイルバルマーケティングのダイナミクスを効果的に捉えており、最適なキャンペーンパフォーマンスは感染性と回復率のバランスによって生じることを、シミュレーションで示した。