[论文解读] Social Influence in Social Advertising: Evidence from Field Experiments

Eytan Bakshy, Dean Eckles+2 more|arXiv (Cornell University)|Jun 19, 2012

Digital Marketing and Social Media参考文献 46被引用 190

一句话总结

本论文通过在 Facebook 上开展的大规模实地实验，证明社交线索（即广告中提及与品牌有关联的同伴）显著提升了用户对在线广告的响应，且对于通过强关系连接的用户，效果更为显著。研究识别出因果性社交影响效应，超越了同质性偏好（homophily）的影响，表明即使是最微弱的社交线索（例如，以浅灰色文字显示的单一名同伴提及）也能提升点击率和用户连接行为。

ABSTRACT

Social advertising uses information about consumers' peers, including peer affiliations with a brand, product, organization, etc., to target ads and contextualize their display. This approach can increase ad efficacy for two main reasons: peers' affiliations reflect unobserved consumer characteristics, which are correlated along the social network; and the inclusion of social cues (i.e., peers' association with a brand) alongside ads affect responses via social influence processes. For these reasons, responses may be increased when multiple social signals are presented with ads, and when ads are affiliated with peers who are strong, rather than weak, ties. We conduct two very large field experiments that identify the effect of social cues on consumer responses to ads, measured in terms of ad clicks and the formation of connections with the advertised entity. In the first experiment, we randomize the number of social cues present in word-of-mouth advertising, and measure how responses increase as a function of the number of cues. The second experiment examines the effect of augmenting traditional ad units with a minimal social cue (i.e., displaying a peer's affiliation below an ad in light grey text). On average, this cue causes significant increases in ad performance. Using a measurement of tie strength based on the total amount of communication between subjects and their peers, we show that these influence effects are greatest for strong ties. Our work has implications for ad optimization, user interface design, and central questions in social science research.

研究动机与目标

• 为了隔离并测量社交线索对在线广告中用户响应的因果影响，区分社交影响与同质性偏好（homophily）的影响。
• 为了研究社交信号（同伴关联）的数量如何影响广告表现，建立线索—响应函数。
• 为了检验用户与同伴之间关系的强弱程度（以通信频率衡量）是否调节社交线索的影响。
• 为了评估最微弱的社交线索（如浅灰色文字中单一名同伴提及）对广告效果的影响。
• 通过识别最能驱动用户参与度的社交网络特征，为广告优化与用户界面设计提供建议。

提出的方法

• 在 Facebook 上开展两项大规模实地实验，随机改变口碑式广告单元中社交线索的数量。
• 采用随机分组，比较当社交线索存在与不存在时广告表现（点击率、连接形成）的差异。
• 通过用户与其同伴之间过往通信的总频次（如消息、点赞）来衡量关系强度。
• 应用风险比与风险差分析，比较不同关系强度水平下的处理效应。
• 控制可观测的同伴特征，并使用统计模型将社交线索的影响与其他混杂因素分离。
• 通过改变所提及同伴数量（1至3名）分析线索—响应函数，并测量响应率的边际增长。

实验结果

研究问题

• RQ1 在广告中增加社交线索（同伴关联）的数量是否会导致用户响应率提高？
• RQ2 最微弱的社交线索（如浅灰色文字中单一名同伴提及）对广告点击率与连接形成具有何种因果影响？
• RQ3 用户与同伴之间关系的强弱程度（以通信频率衡量）如何调节社交线索对广告响应的影响？
• RQ4 观察到的同伴行为与用户响应之间的相关性，在多大程度上反映的是社交影响而非同质性偏好（homophily）？
• RQ5 社交线索的影响是否在强关系用户中比在弱关系用户中更为显著？

主要发现

• 即使仅包含一个最微弱的社交线索（如以浅灰色文字显示的同伴关联），也能在统计上显著提升广告点击率和用户与广告实体的连接数。
• 当比较强关系（通信频率处于第90百分位）与弱关系（无通信）时，点击率的风险比增加 0.083（95% 置信区间 [0.014, 0.160]），点赞率的风险比增加 0.151（95% 置信区间 [0.036, 0.280]），表明强关系中的影响更强。
• 线索—响应函数的形状与斜率与朴素的观察性估计存在显著差异，凸显了实验设计在测量同伴效应中的重要性。
• 即使在社交线索缺失的情况下，与关联同伴关系更强的用户仍表现出更高的基线响应率，表明关系强度本身独立影响用户行为。
• 社交线索带来的响应相对增幅在强关系用户中高于弱关系用户，证实社交影响效应在亲密关系中更为显著。
• 本研究提供了因果证据，表明广告中的社交线索可驱动用户行为，而不仅仅是相关性，对广告定位与界面设计具有重要启示。