چکیده

          تحت محدودیت بودجه‌ی تبلیغاتی، بیشینه‌سازی انتخاب محصول در یک شبکه‌ی اجتماعی مشتری، یک مورد خاص و مهم از مساله‌ی عمومیِ بیشنه‌سازی تاثیر می‌باشد. تکنیک‌های بهینه‌سازیِ خاصی که همبستگی‌ها و تاثیرات جامعه‌‌ی محلی را در نظر می‌گیرند، می‌توانند عملکرد بهتری نسبت تکنیک‌های شبکه‌بنیان داشته باشند که باعث تعاملاتی می‌شوند که منبعث از بازاریابیِ محصولات متعدد برای یک گروه مشتری می‌باشد. با اینحال، این انجامپذیر است که از روشهای بهینه‌سازیِ دقیقی استفاده کنیم که از عملیات ماتریس پرهزینه‌ روی شبکه‌های بزرگ، بدون تکنیک‌های محاسباتیِ موازی استفاده ‌کند. در این فصل، یک رویکرد بیشینه‌سازی تاثیرِ سلسله‌مراتبی را برای بازاریابی محصول ارائه می‌دهیم که یک سلسله‌مراتب تجرید را برای مقیاس‌بندی تکنیک‌های بهینه‌سازی برای شبکه‌های بزرگ، می‌سازد. یک راه‌حل دقیق روی پارتیشن‌های کوچکترِ شبکه اِعمال می‎‌شود و مجموعه‌ای کاندید از گره‌های تاثیرگذار، به سمت بالا و به بازنمود مجردِ شبکه‌ی اریجنال منتشر می‌شود که اطلاعات مسافت را حفظ می‌کند. این فرایند تجرید، راه‌حل و انتشار، تا زمانی تکرار می‌شود که شبکه‌ی مجردِ حاصله، آنقدر کوچک شود که بتواند دقیقاً حل گردد.

1. مقدمه

          در بازار امروز، تبلیغ صرفاً موضوعی که مشتریان را به خرید محصول متقاعد کند نیست، بلکه متقاعد کردن شبکه‌ی اجتماعی آنها به انتخاب یک سبک زندگی، مدنظر است. اکنون کاملاَ مشخص شده است که پیوندهای اجتماعی بین کاربران نقش مهمی در شکل‌دهی به رفتار آنها ایفا می‌کند. یکی از راه‌های تحقق این امر، از طریق تاثیر اجتماعی است که طیِ آن، یک رفتار یا ایده می‌تواند بین دوستان فراگیر شود. با مدنظر قرار دادن فاکتور‌هایی نظیر نوع‌دوستی و متغیرهای مداخله‌گرِ مشاهده‌نشده، می‌توان به بررسی دقیق و آماریِ همبستگی این رفتارها در شبکه‌ی اجتماعی پرداخت. هدف از راهبردهای بازاریابی ویروسی، ارتقای همبستگی این رفتارها جهت خلق زنجیره‌ای از اطلاعات است که تعداد زیادی از مشتریان در آن، از مجموعه‌ای بسیار کوچکتر از افرادِ آگاه تقلید می‌کنند، که قبل از سایرین توسط طرح‌های بازاریابی اقناع شده‌اند.

          بازاریابی با بودجه‌ی محدود را می‌توان نسخه‌ای تخصصی از مساله‌ی بیشینه‌سازیِ تاثیر تلقی کرد که هدف از آن، تبلیغ گره‌های دانه‌ای جهت اصلاح دیدگاه‌های درون شبکه –بر مبنای مدل انتشار تاثیر- می‌باشد. مدلهای انتشار پرکاربرد نظیر مدل آستانه‌ی خطی (LTM) و مدل مستقل آبشاری (ICM) فرض را بر این می‌گذارند که احتمال پذیرش یک گره، مشروط به دیدگاه‌های همسایگیِ شبکه‌ی محلی می‌باشد. قسمت اعظم وظیفه‌ی پیشینِ بیشینه‌سازی تاثیر، از این دو مدل تفاکتور استفاده می‌کند. از زمان مدل LT و مدل ICیِ اریجنال، سایر مدلهای تعمیم‌یافته، برای حیطه‌های مختلف و مصارف تخصصی مطرح شده‌اند. مثلاً مدل آبشاری کاهنده، مدلهایی را که در جامعه‌شناسی و انجمن‌های اقتصادی بکار می‌رود را تعمیم می‌دهد، چراکه در این جوامع، یک رفتار بصورت آبشاری و بر مبنای یک قاعده‌ی احتمالاتی پراکنده می‌شود و با مجموعه‌ای از گره‌هایی که آن رفتار را می‌پذیرند، شروع می‌شود. در مقابلِ مدل ارجینال IC، در مدل آبشاری کاهنده، احتمال انتشار تاثیر از یک گره فعال، ثابت نیست. همینطور، نسخه‌های تعمیم‌یافته‌ی مدل آستانه‌ی خطی نیز معرفی شده‌اند. سادگیِ این مدلهای انتشار، تحلیل نظری را تسهیل می‌کند اما مدلی واقع‌گرایانه از ملاحظات بازاریابی به دست می‌دهد: نظیر تفاکتور بین تبلیغاتِ محصولات متعدد و اثرات عضویت در جامعه بر انتخاب محصول.

این مقاله در نشریه اسپرینگر منتشر شده و ترجمه آن با عنوان تاثیر مقیاس بندی در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:

Scaling Influence Maximization with Network Abstractions