基于用戶社交網(wǎng)絡(luò)信息的微營銷渠道優(yōu)化分析

陳思靜+劉崢+趙程程+趙袁軍

內(nèi)容摘要：微營銷渠道是微營銷廣告信息從發(fā)送者傳向接收者經(jīng)過的整個(gè)路徑。由于社交網(wǎng)絡(luò)媒體存在大量的冗余信息，采用微營銷渠道將營銷廣告準(zhǔn)確傳遞給用戶變得越來越困難。為了黏住企業(yè)社交平臺(tái)關(guān)注者并將他們轉(zhuǎn)化為消費(fèi)者，本文構(gòu)建微營銷渠道模型，并結(jié)合用戶的社交網(wǎng)絡(luò)信息，對(duì)模型進(jìn)行優(yōu)化。同時(shí)，采用算例分析驗(yàn)證優(yōu)化后模型的優(yōu)越性，結(jié)果表明優(yōu)化后的微營銷渠道模型能夠在三個(gè)月內(nèi)，將公司的客戶流失率從10%降到8%，并將公司的營銷利潤提高27%。

關(guān)鍵詞：微營銷渠道優(yōu)化 社交網(wǎng)絡(luò) 推薦系統(tǒng)算法 客戶流失率

研究思路

微營銷是一種針對(duì)一小群高度相關(guān)的目標(biāo)消費(fèi)群體進(jìn)行特定廣告投放的營銷策略，基于社交網(wǎng)絡(luò)的微營銷在企業(yè)運(yùn)營中扮演越來越重要的作用，諸如微信、微博等的社交平臺(tái)，可以幫助企業(yè)以較低的成本實(shí)施微營銷，然而也存在一些問題。

隨著信息爆炸和社交網(wǎng)絡(luò)的迅速發(fā)展，傳統(tǒng)的微營銷渠道（TMC）遇到一些困境，主要包括如何保證企業(yè)社交平臺(tái)關(guān)注者對(duì)企業(yè)發(fā)送的信息感興趣、如何平衡公司對(duì)不同社交平臺(tái)的使用、如何提高關(guān)注公司社交平臺(tái)賬號(hào)的用戶對(duì)公司產(chǎn)品的購買意愿。為了避免客戶流失和利潤損失，本文基于用戶社交網(wǎng)絡(luò)信息構(gòu)建優(yōu)化的微營銷渠道模型（OMC）。

在傳統(tǒng)的微營銷渠道中，為了增加信息的曝光度并提高收益，公司往往給其所有的社交平臺(tái)的所有關(guān)注者發(fā)布營銷信息。但每個(gè)用戶有自己獨(dú)特的性格特征和興趣，考慮用戶個(gè)性化特征的營銷廣告，往往更能夠吸引用戶。為了找到用戶感興趣的促銷廣告，OMC考慮了三個(gè)特點(diǎn)：用戶加入的興趣小組以及個(gè)性化標(biāo)簽；在社交平臺(tái)中的個(gè)人公開數(shù)據(jù)；評(píng)論或轉(zhuǎn)發(fā)等的社交行為?？紤]以上這三個(gè)因素，OMC可以解決TMC遇到的困境。

模型構(gòu)建

（一）模型介紹

本文模型選取收益、客戶流失以及影響企業(yè)收益的客戶流失率作為約束條件，在構(gòu)建模型之前，相關(guān)的模型參數(shù)介紹如下：

收益。本文計(jì)算的收益僅僅來自公司的微營銷。假定公司通過微營銷渠道推廣m個(gè)產(chǎn)品，并且該公司所有的社交平臺(tái)上有n個(gè)關(guān)注者， pj表示公司從產(chǎn)品j中獲得的收益，公司從微營銷渠道中獲得的總利潤是企業(yè)所有社交平臺(tái)的關(guān)注者貢獻(xiàn)的利潤總和。

用戶的購買可能性 BPij（ Ppa表示產(chǎn)品在廣告中的標(biāo)價(jià)）。本文采用用戶關(guān)注相似公司賬戶的數(shù)量以及用戶的社交網(wǎng)絡(luò)活動(dòng)來評(píng)價(jià)用戶的購買意愿，平臺(tái)關(guān)注者的購買可能性可以通過計(jì)算他們的購買意愿和保留價(jià)格獲得。定義用戶j關(guān)注相關(guān)官方賬號(hào)的數(shù)量NF，用戶轉(zhuǎn)發(fā)和評(píng)論相似廣告的數(shù)量NC。如果NF超過五并且NC存在，則定義用戶對(duì)產(chǎn)品的購買意愿BW，為強(qiáng)烈意愿。如果NF小于五并且NC大于1，則定義BW為一般意愿；其他情況下，BW是沒有興趣。比較用戶的 Prp和Ppa。則 BPij可以由以下公式計(jì)算得到：

從上述模型中可以看出，公式（a）、公式（b）、公式（c）跟TMC模型中的模型（a）、模型（b）、模型（c）有相同的含義。并且在（b）項(xiàng)中， Wint指出接收社交平臺(tái)感興趣信息的客戶數(shù)量，若他們沒有收到他們感興趣的信息，會(huì)取消對(duì)C官方賬戶的關(guān)注。（c）中， Wbuy表示顧客通過社交平臺(tái)購買的產(chǎn)品數(shù)量，若他們不接受自己喜歡的廣告，他們將不會(huì)購買。另外，（d）為C的社會(huì)平臺(tái)沖突的約束。從模型中可以發(fā)現(xiàn)，優(yōu)化之后的模型對(duì)CLR和CL的影響較大，這也會(huì)相應(yīng)地影響企業(yè)總利潤。

算例分析

為了便于計(jì)算和比較，本文選擇C公司在三個(gè)月內(nèi)的社交平臺(tái)營銷進(jìn)行實(shí)驗(yàn)。假設(shè)C有五個(gè)主要的社交平臺(tái)S1、S2、S3、S4、S5存在于其現(xiàn)有的社交網(wǎng)絡(luò)。

（一）數(shù)據(jù)

仿真實(shí)驗(yàn)用于比較客戶流失率、顧客忠誠度等指標(biāo)，因此數(shù)據(jù)應(yīng)該能夠獲取所有相關(guān)的目標(biāo)和約束。在月初，本文假設(shè)公司C在其所有的平臺(tái)擁有1000個(gè)關(guān)注者，每個(gè)社交平臺(tái)有相應(yīng)的關(guān)注者?，F(xiàn)有的用戶可能同時(shí)關(guān)注超過C的1個(gè)甚至是5個(gè)社交平臺(tái)。在設(shè)置了一個(gè)公司的社會(huì)平臺(tái)上最初的關(guān)注者和他們的關(guān)注狀態(tài)后，收集相關(guān)數(shù)據(jù)描述用戶的特點(diǎn)，包括他們的個(gè)性化特征和行為。由表1、表2、表3分析可知，用戶的生活城市、性別、轉(zhuǎn)發(fā)信息等與OMC模型密切相關(guān)。

（二）推薦算法

為了獲得用戶對(duì)使用的社交平臺(tái)和廣告的偏好，本文采用基于內(nèi)容的推薦系統(tǒng)（CBRS）和協(xié)同過濾推薦系統(tǒng)（CFRS）算法，在仿真階段將這兩種算法結(jié)合起來，在平臺(tái)上得到用戶首選的社交平臺(tái)和感興趣的話題。

此外，用戶評(píng)論和轉(zhuǎn)發(fā)廣告信息，能為公司找到用戶喜歡的話題或產(chǎn)品。對(duì)于用戶使用的社交平臺(tái)，本文采用用戶在所有社交平臺(tái)上的活動(dòng)來評(píng)價(jià)其偏好。

（三）結(jié)果及分析

在仿真實(shí)驗(yàn)中，C的傳統(tǒng)微營銷渠道（TMC）在其所有的五個(gè)社交平臺(tái)上，給其1000個(gè)追隨者發(fā)布信息150條信息。然而，OMC將在不同的社交平臺(tái)上，為C的不同關(guān)注者選擇不同的定制化信息。在存儲(chǔ)數(shù)據(jù)和部署實(shí)驗(yàn)環(huán)境后，運(yùn)行結(jié)果如表4、表5、表6所示。

表4給出了三個(gè)月內(nèi)公司C從其社交平臺(tái)獲得的利潤對(duì)比，采用優(yōu)化后的微營銷渠道可以幫助企業(yè)提高27%的利潤。表5給出了TMC和OMC之間的客戶流失率對(duì)比，優(yōu)化之后的微營銷渠道可以幫助企業(yè)將客戶流失從10%降到8%。表6給出了TMC和OMC之間的客戶忠誠度比較，結(jié)果表明OMC可以將企業(yè)的客戶忠誠度從5%提高到15%。實(shí)驗(yàn)結(jié)果表明優(yōu)化后的微營銷渠道可以提高企業(yè)利潤和客戶忠誠度，并且該模型可以滿足客戶，從而大大地降低客戶流失率。

結(jié)論

本文構(gòu)建了微營銷渠道的優(yōu)化模型。在該模型中，過濾器可以根據(jù)用戶的社交網(wǎng)絡(luò)信息，為他們選擇適當(dāng)?shù)钠脚_(tái)，傳遞營銷信息。其一，OMC可以為公司帶來更多的利益。OMC可以將營銷信息傳遞給具有高購買可能性的用戶，并幫助公司黏住用戶。其二，OMC可以降低客戶流失率。OMC通過采用推薦系統(tǒng)相關(guān)算法，可以分析并發(fā)現(xiàn)其關(guān)注者的偏好和興趣，可以幫助公司發(fā)送特定的營銷信息給其關(guān)注者，這能夠很大程度上黏住消費(fèi)者，從而降低公司的客戶流失率。其三，雖然本文做了一定的貢獻(xiàn)，但仍有一些方向值得未來繼續(xù)研究。endprint

參考文獻(xiàn)：

1.Bedard K，Kuhn P. Micro-marketing healthier choices： Effects of personalized ordering suggestions on restaurant purchases [J].Journal of health economics，2015（39）

2.Bouadjenek M R，Hacid H，Bouzeghoub M. Social networks and information retrieval，how are they converging？ A survey，a taxonomy and an analysis of social information retrieval approaches and platforms [J].Information Systems，2016（56）

3.Becker G S. A Theory of the Allocation of Time[J].The economic journal，1965

4.Jedidi K，Zhang Z J. Augmenting conjoint analysis to estimate consumer reservation price[J]. Management Science，2002，48（10）

5.Keeney R L，Raiffa H. Decisions with multiple objectives：preferences and value trade-offs[M]. Cambridge university press，1993

6.Panniello U，Gorgoglione M，Tuzhilin A. Research Note—In CARSs We Trust：How Context-Aware Recommendations Affect CustomersTrust and Other Business Performance Measures of Recommender Systems[J]. Information Systems Research， 2016，27（1）

7.Wang Y F，Chiang D A，Hsu M H，et al. A recommender system to avoid customer churn：A case study[J]. Expert Systems with Applications，2009，36（4）

8.Gabriel Y，Lang T.The unmanageable consumer[M].Sage，2015.

9.Newell S J，Wu B， Leingpibul D，et al. The importance of corporate and salesperson expertise and trust in building loyal business-to-business relationships in China[J]. Journal of Personal Selling & Sales Management，2016，36（2）

10.Schafer J B，F(xiàn)rankowski D，Herlocker J，et al. Collaborative filtering recommender systems[M]//The adaptive web. Springer Berlin Heidelberg，2007

作者簡介：

陳思靜（1990-），女，漢族，上海人，研究方向：社交網(wǎng)絡(luò)與微營銷。

劉崢（1987-），男，漢族，天津人，博士后，講師，研究方向：供應(yīng)鏈管理和運(yùn)營管理。

趙程程（1985-），女，漢族，上海工程技術(shù)大學(xué)講師，研究方向：區(qū)域創(chuàng)新管理，創(chuàng)新供應(yīng)鏈。

趙袁軍（1988-），男，漢，山東薛城人，博士研究生 ，研究方向：財(cái)務(wù)管理與資產(chǎn)經(jīng)營。endprint