[论文解读] Online Popularity under Promotion: Viral Potential, Forecasting, and the Economics of Time

Marian-Andrei Rizoiu, Lexing Xie|arXiv (Cornell University)|Mar 3, 2017

Opinion Dynamics and Social Influence参考文献 15被引用 6

一句话总结

该论文提出一种基于霍克斯强度过程（Hawkes Intensity Process, HIP）的模型，用于在外部推广条件下预测在线视频的受欢迎程度，引入了两个新颖指标：病毒潜力（每单位推广的总浏览量）和成熟时间（达到95%浏览量累积所需时间）。研究发现，当结合未来推广量数据时，预测准确率可提升38.66%；并解释了恒定推广策略之所以有效，是因为其能增强感知的社会记忆效应与病毒传播潜力。

ABSTRACT

Modeling the popularity dynamics of an online item is an important open problem in computational social science. This paper presents an in-depth study of popularity dynamics under external promotions, especially in predicting popularity jumps of online videos, and determining effective and efficient schedules to promote online content. The recently proposed Hawkes Intensity Process (HIP) models popularity as a non-linear interplay between exogenous stimuli and the endogenous reactions. Here, we propose two novel metrics based on HIP: to describe popularity gain per unit of promotion, and to quantify the time it takes for such effects to unfold. We make increasingly accurate forecasts of future popularity by including information about the intrinsic properties of the video, promotions it receives, and the non-linear effects of popularity ranking. We illustrate by simulation the interplay between the unfolding of popularity over time, and the time-sensitive value of resources. Lastly, our model lends a novel explanation of the commonly adopted periodic and constant promotion strategy in advertising, as increasing the perceived viral potential. This study provides quantitative guidelines about setting promotion schedules considering content virality, timing, and economics.

研究动机与目标

• 建模外部推广下在线内容集体注意力动态，填补聚合层面受欢迎程度建模的空白。
• 通过整合推广时间、推广量及非线性受欢迎程度效应，提升未来受欢迎程度预测的准确性。
• 通过分析成熟时间与时间敏感资源价值之间的相互作用，设计成本效益最优的推广策略。
• 解释为何周期性与恒定推广策略在广告中被广泛采用，揭示其背后的经济动因。
• 识别出具有潜在病毒传播潜力的“睡美人”视频——即初期表现平平但后期可能突然走红的视频。

提出的方法

• 采用霍克斯强度过程（Hawkes Intensity Process, HIP）建模受欢迎程度，捕捉外生刺激（推广）与内生口碑传播之间非线性相互作用。
• 引入病毒潜力ν作为单位推广所引发的预期总浏览量，量化推广效率。
• 将成熟时间t∗定义为95%由单位推广引发的浏览量累积所需的时间，衡量受欢迎程度积累的速度。
• 通过脉冲响应分解拟合观测到的受欢迎程度时间序列，将浏览量建模为对一系列缩放并时移的外生脉冲响应的叠加。
• 通过将注意力建模为排名函数而非仅原始浏览量，将非线性受欢迎程度排名效应纳入预测模型。
• 应用复利利息下的成本-收益分析，评估不同推广策略的经济效率。

实验结果

研究问题

• RQ1 如何量化单次推广所引发的总注意力，且不依赖于推广时间？
• RQ2 推广引发的大部分浏览量需要多长时间才能显现？这一时间在不同内容间如何变化？
• RQ3 在推广时间、推广量、病毒潜力与非线性受欢迎程度效应中，哪一因素最显著提升未来受欢迎程度预测的准确性？
• RQ4 为何恒定或周期性推广策略在广告中被广泛采用？其背后的经济逻辑是什么？
• RQ5 我们能否检测出具有潜在病毒传播潜力的视频（即“睡美人”）——即初期曝光度低但后期可能突然走红的视频？

主要发现

• 结合未来推广量知识后，预测误差降低38.66%，显著优于仅使用时间或历史数据的模型。
• 病毒潜力ν有效量化了视频的推广效率，使不同视频在单位推广下的受欢迎程度响应可进行跨视频比较。
• 成熟时间t∗提供了衡量视频受欢迎程度展开速度的时变指标，t∗越短表示注意力积累越快。
• 病毒潜力与非线性受欢迎程度效应的结合在检测突然的受欢迎程度跃升方面表现最佳，优于仅使用单一因素的模型。
• 对于成熟时间较长的视频，恒定推广策略在经济上最为优化，因其能最大化感知社会记忆效应并实现注意力的复利累积。
• 该模型成功识别出“睡美人”——即初期处于沉寂状态但后期经历急剧受欢迎程度飙升的视频，表明其具备潜在病毒传播特性。