基于電商病毒式營銷理論的商業(yè)核心群體選擇策略

周嬋+寧丹丹

摘 要：在分析病毒式營銷理論基礎上，研究電商病毒式營銷的商業(yè)核心群體的選擇模型、算法思想以及營銷策略。研究認為，衡量商業(yè)核心群體的主要因素包括營銷商品的歷史交易成功率、客戶對該類商品的購買率、累計購買率、推薦成功率等。客戶營銷投入的多次分配有效避免了核心群體投入失衡的情況，為電商病毒式營銷提供了足夠的激勵作用。

關鍵詞：商業(yè)核心群體；營銷策略；病毒式營銷；電商

隨著信息科技和經(jīng)濟貿易一體化的發(fā)展，網(wǎng)絡購物迅速崛起。據(jù)相關報告顯示，2013年，我國網(wǎng)絡購物用戶規(guī)模達3.02億元，同比增長24.8%。其中團購用戶規(guī)模達1.41億元，同比增長68.9%，促使團購已成為增長最快的商務類應用。中國網(wǎng)絡購物市場交易規(guī)模達1.85萬億元，同比增長42%，其中B2C交易規(guī)模達6500億元，占整個網(wǎng)絡市場比重的35.1%。網(wǎng)絡消費交易額占全社會消費品零售總額的7.8%，同比提高1.6%。這些數(shù)據(jù)無不顯示我國網(wǎng)絡市場正不斷擴大。可見，網(wǎng)絡消費市場具有較大的開發(fā)前景。如何利用互聯(lián)網(wǎng)進行營銷，如何提升商品品牌知名度，應尋找怎樣的消費群體，這些問題都值得深入研究。海量的商品信息與數(shù)據(jù)充斥在電子商務網(wǎng)站中，一方面，用戶難以選擇可信任的商品；另一方面，也給營銷企業(yè)選擇商業(yè)核心群體帶來了困難。本文采用客戶信任度網(wǎng)絡構建商業(yè)核心群體的選擇模型，探究網(wǎng)絡購物中的病毒式營銷策略中商業(yè)核心群體的選擇問題。

一、病毒式營銷理論及相關研究

病毒式營銷概念是網(wǎng)絡創(chuàng)業(yè)者Steve（1997）提出的，美國學者Domingos和Richardson（2002）對其進行拓展，采用信任度網(wǎng)絡模型構造了最大化電商病毒式營銷效果模型。Rick Ferguson（2008）也對病毒式營銷進行研究，探究口碑營銷和病毒式營銷在市場影響中的作用。Ralf（2010）又提出了一種預測病毒式營銷傳播模型，通過隨機選擇客戶群體來研究病毒分支模型，但其并未考慮到核心群體的問題。

國內學者對于電商病毒式營銷研究尚在初步階段。馮英健（2004）在《網(wǎng)絡營銷基礎與實踐》一書中首次公開發(fā)表病毒性營銷的文章。此后，還有很多學者對電商病毒式營銷進行研究。如夏秀峰，趙秀濤（2011）采用客戶信任網(wǎng)絡模型對web病毒式營銷進行研究，建立了WEB客戶信任度模型，其具體形式如下：

Gn=（Ci，E，Wi） （1）

其中Gn示含有n個節(jié)點的客戶信任網(wǎng)絡；Ci表示該網(wǎng)絡模型中共的各個節(jié)點信息，包括客戶對該節(jié)點商品的興趣特征、該客戶節(jié)點接收其他客戶節(jié)點的評價情況以及客戶向其他客戶推薦的情況等信息；E表示信任關系及信任程度；Wi表示各個節(jié)點的信任關系中的信任權重；i=[1，n]。

綜觀國內外學者研究，本文認為電商病毒式營銷是指利用客戶口碑的傳播原理，借助互聯(lián)網(wǎng)平臺，在獲得便捷性的同時擴大用戶規(guī)模，從而實現(xiàn)營銷的擴大化。作為網(wǎng)絡營銷與口碑信譽營銷的有機結合，電商病毒式營銷越來越受到消費者關注。如今，雖然大量的宣傳信息流傳于各類網(wǎng)站中，但消費者不再盲目的迷信各類廣告，且消費行為越來越理性化。國內外學者對于電商病毒式營銷的研究基本僅限于構建網(wǎng)絡信任模型，雖然有少數(shù)學者提到了病毒式營銷中核心群體的挖掘問題，但對電商病毒式營銷過程中商業(yè)核心群體的選擇的研究卻較為鮮有。因此，該領域的研究具有較高的實踐價值和理論意義。

二、電商病毒式營銷的商業(yè)核心群體選擇模型及算法思想

傳統(tǒng)的選擇模型往往是利用客戶的興趣、客戶的相似程度以及商品相似特征進行選擇，根據(jù)預測得分來給出相應的評價分數(shù)。傳統(tǒng)的商業(yè)核心群體選擇模型是滿足推薦對象個體的興趣與需求，最大程度上迎合商家的要求，主要從商家的角度來選擇核心群體，也就是說傳統(tǒng)的核心群體選擇模型并不適合向核心群體選擇。因此，需要綜合考慮核心群體各類信息行為，找出更優(yōu)的選擇方法。由于信息擴散模型可深入挖掘病毒式營銷中的核心群體，本文采用此方法來準確選擇和挖掘核心群體。假定與某個節(jié)點存在之間信任關系的節(jié)點集合，也就是節(jié)點Ci與附近網(wǎng)絡節(jié)點之間存在直接的信任關系，只不過信任權重存在差異。信任程度E是一個描述客戶推薦行為與購買行為影響程度的一個變量。根據(jù)信任程度的信任關系、客戶對商品的評價以及各個節(jié)點推薦行為等因素綜合來考慮。

在Web客戶信任網(wǎng)絡模型中，客戶節(jié)點表達式可表示如下：

Ci（t）=（Ii（t），Pi（t），Ri（t），Bi（t）） （2）

其中Ci（t）表示第t個客戶的第i節(jié)點，Ii（t）表示第t個客戶對商品的自身興趣程度，Pi（t）表示第t個客戶第i節(jié)點接受其他同類節(jié)點推薦商品購買的概率，Ri（t）表示第t個客戶對商品或服務的評價分數(shù)，Bi（t）表示該客戶是否購買了商品或服務。

為了更精確的描述客戶之間興趣的相互影響，采用線性表達式來描述用戶之間的影響程度，具體表達式如下：

hi（t）=αi（t）×Ii（t）+[1-αi（t）]×gi（t） （3）

其中hi（t）表示客戶節(jié)點的興趣度，αi（t）表示節(jié)點的自依賴程度，gi（t）表示客戶信任網(wǎng)絡模型中其他節(jié)點對i節(jié)點的影響程度，Ii（t）含義同上。

伴隨著時間的推進，客戶節(jié)點在信任度網(wǎng)絡中的興趣度hi（t）受其他節(jié)點的影響將日益增加，當滿足hi（t）≥θi時，表明該節(jié)點被激活。θi表示節(jié)點Ci（t）的接受閾值。電商病毒式營銷客戶信任網(wǎng)絡核心群體選擇的實質就是尋找最大規(guī)模影響力的網(wǎng)絡影響集的節(jié)點。

電商病毒式營銷核心群體選擇思想如下：首先，計算節(jié)點的網(wǎng)絡影響集。從Web客戶信任網(wǎng)絡中提取節(jié)點Ci的網(wǎng)絡附近集，獲取Ci節(jié)點的具體信息，包括向其他節(jié)點的推薦次數(shù)、接收其他節(jié)點的次數(shù)以及節(jié)點的影響權重。根據(jù)節(jié)點間的信任度、權重以及評價分析等信息來計算客戶之間興趣的相互影響，計算閾值，并利用閾值與節(jié)點之間的相互關系，得到節(jié)點的網(wǎng)絡影響集。然后，根據(jù)節(jié)點的網(wǎng)絡影響集來選擇核心群體。從客戶信任網(wǎng)絡中獲得節(jié)點的網(wǎng)絡影響集，分析客戶購買商品特征、個人興趣等因素來計算客戶購買商品的概率。接著，計算節(jié)點對其影響集合中各個節(jié)點的影響效果，并根據(jù)歷史交易情況來確定交易數(shù)量。最后，對子節(jié)點影響集中的節(jié)點進行排序，選擇排序靠前的節(jié)點作為核心，篩選核心節(jié)點后，選出網(wǎng)絡影響集中的且高于閾值的用戶，求出每個核心節(jié)點影響集中用戶的累加購買效率，最終確定最佳的核心群體。

三、病毒式營銷核心群體的營銷策略

核心群體在Web病毒式營銷網(wǎng)絡中具有關鍵的作用，由于核心群體對消費者而言具有較高的信任度，是消費者的代表。借助核心群體的營銷策略可鼓勵客戶更多的作出推薦，促使網(wǎng)絡營銷活動達到事半功倍的效果。為了深入研究病毒式營銷中核心群體的營銷策略，分析影響核心群體選擇的主要因素，這些因素包括營銷商品的歷史交易成功率、客戶對該類商品的購買率、累計購買率、推薦成功率等等，下面進行具體分析。

歷史交易成功率是指利用Web網(wǎng)絡信息，分析截止到時間t時，核心節(jié)點對網(wǎng)絡營銷商品的歷史交易成功率，包括歷史交易過程中的總數(shù)量[Total（t）]、成果交易數(shù)量[Success（t）]，那么歷史交易成功率[Historyi（t）]可表示如下：

Historyi（t）=Success（t）/Total（t） （4）

客戶對該類商品的購買率[RPi，l（t）]是指在選擇核心節(jié)點網(wǎng)絡的過程中，客戶進入網(wǎng)站瀏覽行為的集合。采用網(wǎng)絡影響集中客戶的興趣行為集合（Hi，l）和客戶對核心節(jié)點的信任度（Ti，l）來量化，具體表達式如下：

RPi，l（t）=Hi，l×Ti，l （5）

其中i表示第i個核心節(jié)點；l表示第l個客戶；Hi，l表示第l個客戶對核心節(jié)點i的興趣度；Ti，l表示第l個客戶對核心節(jié)i的信任度；RPi，l（t）表示第l個客戶對核心節(jié)點i商品的購買率。

客戶的累計購買率[SRPi，l（t）]是指將核心節(jié)點影響集中客戶的購買率進行排序篩選，并將符合條件的購買率進行累加。假定閾值為θi=0.5，即RPi，l（t）≥0.5，則認為核心節(jié)點營銷集中客戶購買商品的概率較高，將其進行累加處理，具體的計算公式如下：

其中Ai表示核心節(jié)點影響集中客戶的個數(shù)，SRPi，l（t）表示客戶的累計購買率。

推薦成功率（RSTi）是指核心節(jié)點影響集中客戶的累計購買率與歷史交易成功率的乘積，具體計算公式如下：

RSTi=Historyi（t）×SRPi，l（t） （7）

核心節(jié)點投入比重（Py，i（t））采用每個節(jié)點推薦成功率所占的比重來衡量，具體的計算公式如下：

根據(jù)上文分析，提出電商病毒式商業(yè)核心群體營銷策略，具體過程見圖。

電商病毒式營銷的商業(yè)核心群體營銷策略具體流程如下：

第一步，從Web服務器中獲得元素數(shù)據(jù)，構建客戶信任網(wǎng)絡模型，并初步選擇病毒式營銷中的商業(yè)核心群體；

第二步，利用Web客戶信息分析核心群體中的每個節(jié)點，包括用戶的基本信息、購買能力、歷史購買行為、瀏覽商品種類等方面的信息，利用公式（4）和（5）計算核心節(jié)點對于營銷商品的歷史交易成功率（Historyi（t））及客戶對該類商品的購買率[RPi，l（t）]；

第三步，選擇核心節(jié)點影響集中購買率高于閾值的客戶，利用公式（6）計算病毒式營銷中商品的累計購買率[SRPi，l（t）]；

第四步，利用公式（7）計算核心節(jié)點客戶的推薦成功率（RSTi），根據(jù)推薦成功率將核心群體的節(jié)點按照從大到小的順序排序，并重新編號；

第五步，利用公式（8）計算每個核心節(jié)點的營銷投入比重，然后對核心群體中編號較小的節(jié)點進行營銷投入，根據(jù)推薦成功率大小按照權重進行分配，營銷投入核心節(jié)點組成了營銷群體，其余部分則為備用核心群體；

第六步，將剩余的營銷投入小于核心節(jié)點最低投入的部分進行沖洗分配，按照公式（8）將投入再次分配給營銷群體，也就是二次投入。

電商病毒式營銷商業(yè)核心群體選擇策略，結合了網(wǎng)絡影響集中核心客戶的購買行為，能夠通過消費者代表來加速網(wǎng)絡商品的營銷效果。根據(jù)營銷商品的歷史交易成功率、客戶對該類商品的購買率、累計購買率、推薦成功率等因素來選擇核心群體，折射出核心節(jié)點對營銷商品的貢獻程度，準確的確定了營銷比重。客戶營銷投入的多次分配有效避免了商業(yè)核心群體投入失衡的情況，為電商病毒式營銷提供了足夠的激勵作用。

四、結語

本文在分析病毒式營銷理論基礎上，介紹了一種電商病毒式營銷的商業(yè)核心群體的選擇模型、算法思想以及營銷策略。根據(jù)研究發(fā)現(xiàn)：衡量商業(yè)核心群體的主要因素包括營銷商品的歷史交易成功率、客戶對該類商品的購買率、累計購買率、推薦成功率等。此外，客戶營銷投入的多次分配有效避免了核心群體投入失衡的情況，為電商病毒式營銷提供了足夠的激勵作用。本文提出的一種營銷策略是建立在商業(yè)核心群體理性參與商業(yè)活動基礎上的，能有效分析群體的推薦貢獻，并結合電商網(wǎng)絡影響商業(yè)集中群體的購買行為，進而影響營銷效果。

參考文獻：

[1]Rick Ferguson. Word of mouth and viral marketing： taking the temperature of the hottest trends in marketing[J]. Journal of Consumer Marketing， 2008， 25（3）.

[2] Ralf vanderLans， Gerrit van Bruggen. A Viral Branching Model for Predicting the Spread of Electronic Word of Mouth[J]. Marketing Science， 2010， 29（2）..

[3]季芳.病毒式營銷在企業(yè)中的應用研究[J].重慶郵電大學學報， 2010（5）

[4]蘇梅梅.電子商務Web病毒式營銷核心群體動態(tài)挖掘[J].沈陽航空航天大學學報，2013，30（2）.

[5]祝映蓮.微博營銷的病毒特征及應用策略分析[J].商業(yè)時代，2011（33）

[6]夏秀峰，趙秀濤.客戶信任網(wǎng)絡下病毒式營銷核心群體的挖掘[J].小型微型計算機系統(tǒng)，2011（1）.

作者簡介：周嬋（1979.9- ），女，漢族，廣西桂林人，柳州鐵道職業(yè)技術學院講師，主要研究電子商務、經(jīng)濟風險