[논문 리뷰] Latent Viral Marketing, Concepts and Control Methods

Alon Sela, Dmitri Goldenberg외 2명|arXiv (Cornell University)|2017. 04. 06.

Complex Network Analysis Techniques참고 문헌 14인용 수 4

한 줄 요약

이 논문은 연속적인 활동적 시드링(판매원에 의한 타겟팅 시드링)을 사회적 네트워크 확산에 통합하는 새로운 프레임워크인 잠재 바이럴 마케팅(Latent Viral Marketing, LVM) 모델을 소개한다. 이는 순수하게 바이럴 확산에 머무르는 기존 모델을 넘어선 것이다. 다양한 네트워크 조건에서의 실증 시뮬레이션을 통해, 제안된 시드링 스케줄링 히우리스틱은 상태기반 최고 수준의 방법보다 29%~94% 높은 제품 도입률을 달성한다.

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.

연구 동기 및 목표

• 순수하게 자발적인 확산만을 가정하는 기존 바이럴 마케팅 모델의 격차를 보완하기 위해.
• 판매원이 지속적으로 타겟팅 시드링을 통해 제품을 홍보하는 실제 마케팅 상황을 모델링하기 위해.
• 모든 시간 단계에서 도입을 극대화하기 위해 최적의 노드를 선정하는 스케줄링 히우리스틱을 개발하기 위해.
• 다양한 네트워크 및 초기 조건 설정에서 기존의 시드링 전략과의 실증적 검증을 수행하기 위해.
• 도입률 및 수렴 속도 측면에서 제안된 방법의 성능 향상 정도를 정량화하기 위해.

제안 방법

• 잠재 바이럴 마케팅 모델은 판매원이 각 시간 단계에서 특정 노드를 타겟팅하는 연속적인 활동적 시드링 과정을 통합함으로써 기존의 독립 캐스케이드 모델을 확장한다.
• 시드링 스케줄링 히우리스틱은 시간에 따라 변하는 선택 메커니즘을 사용하며, 향후 확산 가능성을 고려해 현재의 영향력과 미래의 전파 잠재력을 기반으로 노드를 우선순위 정렬한다.
• 모델은 노드를 시드링하면 그 노드의 제품 도입 및 확산 가능성이 증가하며, 강화되지 않으면 시간이 지남에 따라 효과가 감소한다고 가정한다.
• 네트워크 구조, 현재 도입 상태 및 시드링 이력에 기반해 노드 점수를 동적으로 업데이트하여 최적의 시드링 결정을 이끌어내는 데 사용된다.
• 실제 네트워크 및 합성 네트워크에서 실증 시뮬레이션을 통해 다양한 시드링 예산 및 초기 조건에서 방법을 평가한다.
• 모델은 수동 바이럴 확산과 활동적 시드링을 통합된 프레임워크로 통합하여 확산 과정의 제어를 가능하게 한다.

실험 결과

연구 질문

• RQ1 판매원에 의한 연속적인 활동적 시드링이 순수 바이럴 확산에 비해 제품 도입에 어떤 영향을 미치는가?
• RQ2 제한된 자원 조건에서 어떤 노드를 언제 시드링할지 최적의 전략은 무엇인가?
• RQ3 다양한 네트워크 환경에서 동적 시드링 히우리스틱이 정적 또는 무작위 시드링 전략을 능가할 수 있는가?
• RQ4 제안된 방법은 최신 기술의 시드링 기법에 비해 도입률을 얼마나 향상시키는가?
• RQ5 시드링 스케줄링 히우리스틱은 다양한 네트워크 구조 및 초기 시드링 조건에서 얼마나 강건한가?

주요 결과

• 시드링 스케줄링 히우리스틱은 다양한 현실적인 네트워크 조건에서 기존의 최고 수준의 시드링 방법에 비해 제품 도입률을 29%~94% 향상시킨다.
• 다양한 네트워크 구조 및 초기 시드링 예산 조건에서 랜덤 및 차수 기반 시드링과 같은 기준 전략보다 일관되게 뛰어난 성능을 보인다.
• 희박한 네트워크 및 스케일프리 네트워크에서 성능 향상이 가장 두드러지며, 여기서 전략적 시드링은 제한된 자원의 영향력을 극대화한다.
• 초기 도입 및 네트워크 구조의 불확실성에도 불구하고 모델은 다양한 실증 설정에서 높은 성능을 유지하며 강건성을 입증한다.
• 결과는 지속적이고 전략적으로 시간을 맞춘 시드링이 확산 효율을 크게 향상시킴으로써 모델의 실제 적용 가능성을 입증한다.
• 연구는 활동적 인간 간섭이 도입률을 극대화하는 데 핵심적임을 확인하며, 순수하게 바이럴 확산을 전제로 하는 가정에 도전한다.