[论文解读] Revenue Prediction of Local Event using Mathematical Model of Hit Phenomena

Akira Ishii, Takehiro Matsumoto+1 more|arXiv (Cornell University)|Dec 4, 2011

Advanced Text Analysis Techniques参考文献 2被引用 5

一句话总结

本文提出了一种基于多体相互作用的数学模型——将广告视为外力，直接口碑传播（WOM）视为二体作用，谣言效应视为三体作用，用以预测本地活动的收入与参与人数。通过平均场近似与校准参数，该模型准确再现了日本两个活动的日参与人数与博客发文趋势，展现出在非电影类娱乐及市场营销应用中的强大预测能力。

ABSTRACT

Theoretical approach to investigate human-human interaction in society performed using a many-body theory including human-human interaction. The advertisement is treated as an external force. The word of mouth (WOM) effect is included as a two-body interaction between humans. The rumor effect is included as a three-body interaction between humans. The parameters to define the strength of human interactions are assumed to be constant values. The calculated result explained well the two local events "Mizuki-Shigeru Road in Sakaiminato" and "the sculpture festival at Tottori" in Japan.

研究动机与目标

• 开发一种可推广的数学模型，基于统计力学原理，用于预测本地活动的收入与参与人数。
• 研究人类互动（尤其是口碑传播与谣言传播）如何在传统广告之外影响活动成功。
• 利用两个日本本地活动的真实数据（具备精确参与人数测量）对模型进行验证。
• 证明该模型在电影之外的更广泛经济与社会现象中的适用性。
• 为活动组织者提供一个定量框架，基于广告投入与社交互动动态估算参与人数。

提出的方法

• 使用微分方程建模个体购买意愿，其变化率取决于广告与人际沟通。
• 将广告视为具有指数衰减的外力，由衰减因子 'a' 与强度 'C_adv' 定义。
• 通过 $ D_{nn} $ 因子纳入未观看者之间的直接沟通（WOM），通过 $ P_{nn} $ 因子纳入间接沟通（谣言），两者均按人口比例缩放。
• 应用平均场近似，将多体系统简化为使用平均作用强度的单体模型。
• 使用每日博客发文数据作为公众兴趣的代理指标，并将模型预测与实际参与人数及收入数据进行对比验证。
• 通过两个案例研究的观测数据校准参数，如 $ N_p $、$ C_{adv} $、$ a $、$ D_{nn} $ 与 $ P_{nn} $。

实验结果

研究问题

• RQ1 是否能够通过整合广告、直接口碑传播与间接谣言效应的多体相互作用模型，准确预测本地活动的参与人数与收入？
• RQ2 广告的衰减速率与强度如何影响参与人数峰值的出现时间与峰值大小？
• RQ3 与广告相比，直接与间接社交互动（WOM与谣言）在推动活动受欢迎程度方面发挥了多大作用？
• RQ4 该模型能否准确再现具备精确测量数据的活动的实际参与人数与在线参与（如博客发文）模式？
• RQ5 该模型是否可推广至电影以外的其他类型本地活动，尤其是低门槛或中等入场费的活动？

主要发现

• 该模型成功再现了2008年佐幕水木茂之路活动的日参与人数与博客发文趋势，潜在受众 $ N_p = 500,000 $，广告强度 $ C_{adv} = 0.03 $，衰减因子 $ a = 0.4 $。
• 对于2009年世界沙雕节，该模型准确预测了参与人数，参数为 $ N_p = 300,000 $，$ C_{adv} = 0.0013 $，衰减因子 $ a = 0.01 $，与实测数据高度一致。
• 该模型捕捉到了高初始人气活动的“爆发效应”，通过调整 $ N_p^2 P_{nn} $ 参数在活动前后反映社交动态的变化。
• 与仅包含二体作用或外力的模型相比，引入三体作用（谣言效应）显著提升了模型拟合度。
• 通过与每日照片传感器记录的参与人数数据及博客中的数字口碑传播数据对比，验证了模型的预测准确性。
• 研究表明，通过分析广告成本的时间分布与社交互动参数，该模型可用于估算未来收入与参与人数。