[论文解读] Latent Viral Marketing, Concepts and Control Methods

Alon Sela, Dmitri Goldenberg+2 more|arXiv (Cornell University)|Apr 6, 2017

Complex Network Analysis Techniques参考文献 14被引用 4

一句话总结

本文提出了潜在病毒式营销（LVM）模型，这是一种新颖的框架，将销售代表的连续主动播种整合到社交网络扩散过程中，突破了纯粹病毒式传播的局限。该模型提出了一种播种调度启发式方法，能够随时间动态选择最优节点进行播种，在各种网络条件下，实证模拟显示其产品采用率比现有最先进方法高出29%至94%。

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.

研究动机与目标

• 解决现有病毒式营销模型中假设传播完全自发、缺乏人为干预的缺陷。
• 模拟现实世界中的营销场景，即销售代表通过有针对性的播种持续推广产品。
• 开发一种播种调度启发式方法，以在每个时间步最优选择播种节点，从而最大化采用率。
• 在不同网络结构和初始条件设置下，通过实证验证所提方法相较于现有播种策略的性能。
• 量化所提方法在采用率和收敛速度方面的性能提升。

提出的方法

• 潜在病毒式营销模型通过引入连续主动播种过程，扩展了传统的独立级联模型，其中销售代表在每个时间步针对特定节点进行播种。
• 播种调度启发式方法采用一种贪婪的时间依赖性选择机制，基于节点触发未来传播的潜力进行优先排序，综合考虑其当前影响力和未来传播潜力。
• 该模型假设对某节点进行播种会提高其采用并传播产品的可能性，若未持续强化，其影响将随时间衰减。
• 该方法根据网络结构、当前采用状态和播种历史，动态更新节点评分，以指导最优播种决策。
• 该方法在真实世界和合成网络上通过实证模拟进行评估，涵盖不同的播种预算和初始条件。
• 该模型将被动病毒式扩散与主动播种整合到统一框架中，实现了对扩散过程的可控性。

实验结果

研究问题

• RQ1 与纯粹病毒式扩散相比，销售代表的连续主动播种如何影响产品采用？
• RQ2 在资源有限的情况下，选择在何时对哪些节点进行播种的最优策略是什么？
• RQ3 在不同网络环境中，动态播种启发式方法是否能优于静态或随机播种策略？
• RQ4 与现有最先进播种技术相比，所提方法在多大程度上提升了采用率？
• RQ5 播种调度启发式方法在不同网络拓扑和初始播种条件下具有多大程度的鲁棒性？

主要发现

• 在广泛的真实网络条件下，播种调度启发式方法相比现有最先进播种方法，将产品采用率提升了29%至94%。
• 在不同网络结构和初始播种预算下，该方法始终优于基线策略，包括随机播种和基于度数的播种。
• 在稀疏网络和无标度网络中，该方法的提升效果最为显著，表明战略性播种能显著放大有限资源的影响。
• 该模型对初始采用情况和网络结构的不确定性表现出鲁棒性，在多种实证设置下均保持高性能。
• 结果表明，持续且战略性的时间播种能显著提升扩散效率，验证了该模型在现实世界中的适用性。
• 本研究证实，播种过程中的主动人为干预对最大化采用率至关重要，挑战了纯粹病毒式传播的假设。