[论文解读] Daily Deals: Prediction, Social Diffusion, and Reputational Ramifications

John W. Byers, Michael Mitzenmacher+1 more|arXiv (Cornell University)|Sep 7, 2011

Digital Marketing and Social Media被引用 24

一句话总结

本文利用结合 Groupon/LivingSocial 优惠信息、Facebook '点赞' 活动以及 Yelp 评论的多源数据集，分析了 Groupon 和 LivingSocial 等每日优惠平台在经济影响、社会传播及声誉方面的影响。研究发现，尽管每日优惠显著提升了商户的评论数量和曝光度，但提及 Groupon 的评论者平均评分下降了 10%，表明尽管短期内获得了曝光优势，却也付出了声誉成本。

ABSTRACT

Daily deal sites have become the latest Internet sensation, providing discounted offers to customers for restaurants, ticketed events, services, and other items. We begin by undertaking a study of the economics of daily deals on the web, based on a dataset we compiled by monitoring Groupon and LivingSocial sales in 20 large cities over several months. We use this dataset to characterize deal purchases; glean insights about operational strategies of these firms; and evaluate customers' sensitivity to factors such as price, deal scheduling, and limited inventory. We then marry our daily deals dataset with additional datasets we compiled from Facebook and Yelp users to study the interplay between social networks and daily deal sites. First, by studying user activity on Facebook while a deal is running, we provide evidence that daily deal sites benefit from significant word-of-mouth effects during sales events, consistent with results predicted by cascade models. Second, we consider the effects of daily deals on the longer-term reputation of merchants, based on their Yelp reviews before and after they run a daily deal. Our analysis shows that while the number of reviews increases significantly due to daily deals, average rating scores from reviewers who mention daily deals are 10% lower than scores of their peers on average.

研究动机与目标

• 理解每日优惠成功背后的经济驱动因素，超越价格因素，包括软性激励如优惠 featured 状态和发布时间安排。
• 基于优惠参数和时间动态，建立并预测优惠规模与收入的模型。
• 通过 Facebook '点赞' 数据，研究社交网络在传播优惠中的作用，并验证级联模型的预测。
• 通过分析 Groupon 优惠前后 Yelp 评论数量和评分的变化，评估优惠对商户长期声誉的影响。
• 为未来关于每日优惠平台及其生态系统影响的研究，提供一个公开可获取的多源数据集。

提出的方法

• 收集并整理了覆盖 20 个美国城市的六个月内 Groupon 优惠数据和三个月内 LivingSocial 优惠数据，包括优惠规模、价格、持续时间及 featured 状态。
• 将优惠数据与追踪用户 '点赞' 的 Facebook 数据交叉比对，研究社交网络中的传播机制，并验证级联模型的预测。
• 分析 Groupon 优惠前后商户的 Yelp 评论数据，计算评论数量和平均星级评分的百分比变化。
• 使用统计方法比较提及 'Groupon' 或 'coupon' 的用户与未提及者的评论评分，量化声誉影响。
• 采用时间序列分析，基于早期表现和优惠参数评估优惠规模的可预测性。
• 通过与 Groupon 公开的 S-1 文件中的汇总指标对比，验证数据集的准确性和可靠性。

实验结果

研究问题

• RQ1 非价格因素（如 featured 状态、星期几）在多大程度上影响 Groupon 和 LivingSocial 上的优惠规模与收入？
• RQ2 在多大程度上可以利用早期表现和优惠参数来预测优惠规模？
• RQ3 社交网络在多大程度上放大了每日优惠的传播？这是否与级联模型的预测一致？
• RQ4 Groupon 优惠对商户在 Yelp 上的评论数量和平均评分的长期影响是什么？
• RQ5 提及 Groupon 或优惠券的评论是否系统性地评分更低？这对商户声誉意味着什么？

主要发现

• 在 Groupon 优惠结束后的一个月内，商户的 Yelp 评论数量平均增长 84%，而优惠前的月均增长率为 5%。
• 在 Groupon 优惠前的三个月内无评论的商户，在优惠后两个月内新增了 270 条评论，表明触及了大量新客户。
• 平均而言，提及 'Groupon' 或 'coupon' 的评论星级评分比未提及者低 10%，而同时提及两个关键词的评论评分则低超过 20%。
• Groupon 优惠后，Yelp 星级评分平均下降 0.12，这可能因四舍五入导致半星评分损失，从而影响业务收入。
• 通过少量参数可中等程度准确预测优惠规模，且在优惠上线后不久，预测准确性显著提高。
• Facebook 上的社交网络活动与优惠传播高度相关，支持 Groupon 优惠通过社交级联传播的观点。