[论文解读] Using Twitter to Predict Sales: A Case Study

Remco Dijkman, Panagiotis G. Ipeirotis+2 more|arXiv (Cornell University)|Mar 16, 2015

Digital Marketing and Social MediaSocial Sciences参考文献 45被引用 20

一句话总结

本研究证明，对Twitter情绪进行分类——尤其是个人用户发布的正面推文——能够准确预测低关注度产品的销量。通过一项涵盖四个国家的案例研究，作者发现个人正面推文的激增与后续销量增长存在强烈相关性，其预测效果优于原始推文数量，凸显了情绪分类与高级统计建模相较于简单相关性的优越性。

ABSTRACT

This paper studies the relation between activity on Twitter and sales. While research exists into the relation between Tweets and movie and book sales, this paper shows that the same relations do not hold for products that receive less attention on social media. For such products, classification of Tweets is far more important to determine a relation. Also, for such products advanced statistical relations, in addition to correlation, are required to relate Twitter activity and sales. In a case study that involves Tweets and sales from a company in four countries, the paper shows how, by classifying Tweets, such relations can be identified. In particular, the paper shows evidence that positive Tweets by persons (as opposed to companies) can be used to forecast sales and that peaks in positive Tweets by persons are strongly related to an increase in sales. These results can be used to improve sales forecasts and to increase sales in marketing campaigns.

研究动机与目标

• 探究Twitter活动是否能够预测现实世界中的销量，特别是针对社交媒体关注度有限的产品。
• 通过探索情绪分类作为更有效的预测指标，解决单纯使用原始推文数量的局限性。
• 开发并验证一种结合情绪分类与统计建模的方法，以提升销量预测的准确性。
• 考察来自个人与组织的推文对销量结果的差异化影响。

提出的方法

• 本研究收集了一家在四个国家运营的公司在特定时间段内的Twitter数据与销量数据。
• 对推文进行分类，重点关注情绪（正面、负面、中性）与来源（个人用户与组织）。
• 应用统计模型分析推文数量（尤其是正面个人推文）与销量趋势之间的时序关系。
• 采用高级统计技术，包括时间序列分析与相关性建模，以识别超越简单相关性的预测模式。
• 在多个国家验证模型，以评估研究发现的普适性与稳健性。
• 使用自然语言处理技术进行情绪分类，以区分个人与企业发布的推文。

实验结果

研究问题

• RQ1 个人用户推文中的正面情绪是否能够预测低关注度产品的未来销量增长？
• RQ2 推文来源（个人用户与组织）如何影响其对销量的预测能力？
• RQ3 原始推文数量是否优于经过情绪分类的推文数据来预测销量？
• RQ4 正面个人推文的峰值在多大程度上先于并能预测销量激增？
• RQ5 结合情绪与时间动态的统计模型是否能显著提升销量预测准确性，相较于基于相关性的方法？

主要发现

• 个人用户发布的正面推文与后续销量增长之间存在强烈且具有统计显著性的相关性，尤其在出现激增时更为明显。
• 组织发布的推文不具备相同的预测能力，表明用户生成内容对销量预测更具信息量。
• 仅依靠原始推文数量无法有效预测低关注度产品的销量，凸显了情绪分类的必要性。
• 正面个人推文的峰值始终先于并能预测销量激增，表明可能存在因果或领先关系。
• 结合情绪与时间动态的统计建模方法，其预测准确性显著优于简单相关性方法。
• 该预测关系在多个国家中均成立，表明该方法具有跨文化有效性。