[论文解读] 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 13

一句话总结

本文提出一种SIR（易感-感染-康复）流行病学模型，以模拟病毒式营销的动态过程，将信息传播类比为疾病传播。通过MATLAB中的数值模拟发现，更高的传染性（β）会加速并扩大信息传播范围，而更高的康复率（γ）则会减少传播；当种子用户超过目标受众的10%时，收益递减，表明优化目标投放比大规模播种更有效。

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.

研究动机与目标

• 使用既有的流行病学框架，将病毒式营销建模为传染过程。
• 识别影响社交网络中信息扩散速度与规模的关键参数。
• 评估不同播种策略在病毒式营销活动中的成本效益。
• 为营销人员提供关于优化目标投放与信息设计的可操作洞察。
• 通过数值模拟和参数敏感性图形分析验证模型。

提出的方法

• 将流行病学中的SIR分层模型改编用于病毒式营销：S = 易感者（潜在接收者），I = 感染者（活跃传播者），R = 康复者（非传播者）。
• 将流行病学参数映射到营销语境：β = 传染性（信息传播的可能性），γ = 康复率（传播行为随时间的衰减）。
• 使用MATLAB对SIR系统常微分方程在不同参数值下进行数值模拟。
• 通过系统性地改变β、γ和初始感染人数I(0)，开展敏感性分析，观察其对信息传播范围和峰值时间的影响。
• 比较不同情景下的模拟结果，评估参数变化对活动表现的影响。
• 分析S、I和R的时间序列曲线，以解释信息传播和饱和的动态过程。

实验结果

研究问题

• RQ1 传染性参数β如何影响病毒式营销活动中信息传播的速度与规模？
• RQ2 康复率γ对病毒式营销信息的持续时间和传播范围有何影响？
• RQ3 初始种子用户规模I(0)如何影响活动效果，其收益递减的临界点在哪里？
• RQ4 在播种投入与信息传播范围之间存在何种权衡？
• RQ5 SIR模型能否准确模拟现实中的病毒式营销动态，并为战略决策提供支持？

主要发现

• 提高传染性参数β可使信息传播达到更快、更高的峰值；当β = 0.7时，活动在10个时间单位内即可触达约600人。
• 更高的康复率γ会减少最终触达人数；当γ = 0.5时，触达人数少于200人，而γ = 0.01时则超过400人。
• 播种目标人群10%时的传播范围已接近播种20%的效果，表明超过10%后收益递减。
• 通过更精准的目标投放和信息设计提高β，比大规模播种更有效，因为可提升传播速率而无需成比例增加成本。
• 模型表明信息触达范围对β和γ高度敏感，证实二者在活动成功中的关键作用。
• SIR模型有效捕捉了病毒式营销的动态特征，模拟结果表明，最优活动表现源于对传染性与康复率的平衡。