[论文解读] Going Viral: The Epidemiological Strategy of Referral Marketing

Sayantari Ghosh, Saumik Bhattacharya+2 more|arXiv (Cornell University)|Aug 11, 2018

Digital Marketing and Social Media参考文献 10被引用 4

一句话总结

本文提出了一种基于流行病学SIR模型的病毒式推荐营销动态解释，将客户参与视为一种传染过程。该研究识别出关键驱动因素——如激励措施、同伴提醒、信任感和品牌价值——并表明客户可重新进入活跃分享状态，挑战了传统的单向S→I→R流动模式，其结论得到331名参与者的调查数据与行为切换的数学建模的实证支持。

ABSTRACT

By now, Internet word-of-mouth marketing has established its importance for almost every kind of products. When word-of-mouth spread of a marketing campaign goes viral, the success of its strategy has been proved to be path-breaking for the firms. The current study is designed to extend knowledge about customer response to these campaigns, and is focused on the motivations that lead them to different responses. Primary goal of this study is to investigate the reasons that drive this dynamics and to generate a justified theoretical framework of diffusion dynamics of viral marketing campaigns. A rigorous analysis of data obtained through a questionnaire-based survey helped us to understand how people, who are from different age group, sex and locations, define and evaluate the encounter with a referral campaign online, in similar and unique logical ways. The key finding was a conceptual framework of customer motivation which in turn dictates the dynamics of the campaign. We have identified important themes related to customer motives, like significance of: incentives and ease, inherent forgetting, reminders from peers compared to company's remarketing mails, trust and brand value etc. Drawing an analogy with differential equation-based models of infectious disease spread, this paper further provides some initial evidence that participation in viral marketing campaigns has several consumer related dynamical factors which can be incorporated in an epidemiological model for mathematical treatment, to indicate key operational factors in ensuring an effective spread of the marketing campaign.

研究动机与目标

• 开发一个理论框架，以解释基于客户动机的病毒式营销活动扩散动态。
• 研究个体动机（如激励、信任和同伴提醒）如何影响推荐活动中的参与度与再参与度。
• 利用流行病学原理（特别是具有可逆转换的SIR模型）对客户参与的非线性、非单调行为进行建模。
• 识别可提升活动效果的运营因素，通过理解客户从休眠状态到活跃状态的重新激活机制。
• 将调查数据的定性洞察与定量数学建模相结合，以优化推荐计划的战略设计。

提出的方法

• 通过涵盖多样化人口统计特征的331名参与者的问卷调查，评估其对推荐活动的感知与动机。
• 将经典的SIR（易感-感染-康复）流行病学模型改编为表示病毒式营销中客户状态：S（潜在参与者）、I（活跃分享者）、R（休眠或康复用户）。
• 引入可逆转换，特别是从R（康复/休眠）状态重新回到I（活跃）状态，以模拟因同伴提醒或朋友中奖而引发的再参与。
• 引入速率常数（如β表示感染速率，γ表示康复速率，δ表示再激活速率），基于调查数据量化行为转换。
• 使用框图表示法（图7b）可视化客户状态转换的概念框架，加权箭头表示各驱动因素的影响程度。
• 分析调查数据，为模型参数赋予物理意义，例如激励措施、分享便捷性以及对同伴推荐的信任度的影响。

实验结果

研究问题

• RQ1 哪些是驱动个人参与并持续参与推荐营销活动的主要动机？
• RQ2 同伴提醒与朋友中奖故事在多大程度上影响推荐活动中休眠参与者的重新激活？
• RQ3 传统单向SIR模型在多大程度上能够解释病毒式营销的动态？需要进行哪些修改以反映现实中的客户行为？
• RQ4 激励措施、信任感和品牌价值在用户初始采纳与长期参与推荐计划中分别发挥什么作用？
• RQ5 企业如何战略性地通过可信联系人传递间接提醒（如共享折扣券）来重新激活流失客户？

主要发现

• 在Harry’s的推荐活动中，77%的初始客户是通过推荐获得的，表明基于同伴的营销具有极高效率。
• Dropbox通过每推荐一人奖励500MB存储空间，在15个月内实现了3900%的用户增长，凸显了基于激励的病毒式活动的可扩展性。
• Harry’s的77%初始客户通过推荐获得，约20,000人推荐了约65,000名朋友，表明存在显著的网络效应。
• 研究发现，65%曾退出活动的用户若得知其信任的朋友中了大奖，将重新参与，表明具有极高的再激活潜力。
• 同伴提醒在重新激活休眠用户方面显著优于公司主导的再营销电子邮件，60%的参与者表示朋友联系是关键触发因素。
• 该模型支持从康复（R）状态到活跃（I）状态的可逆转换，挑战了传统SIR模型中不可逆的假设，使活动预测更加准确。