基于用戶社交網絡信息的微營銷渠道優化分析

陳思靜+劉崢+趙程程+趙袁軍

內容摘要：微營銷渠道是微營銷廣告信息從發送者傳向接收者經過的整個路徑。由于社交網絡媒體存在大量的冗余信息，采用微營銷渠道將營銷廣告準確傳遞給用戶變得越來越困難。為了黏住企業社交平臺關注者并將他們轉化為消費者，本文構建微營銷渠道模型，并結合用戶的社交網絡信息，對模型進行優化。同時，采用算例分析驗證優化后模型的優越性，結果表明優化后的微營銷渠道模型能夠在三個月內，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%。

關鍵詞：微營銷渠道優化 社交網絡 推薦系統算法 客戶流失率

研究思路

微營銷是一種針對一小群高度相關的目標消費群體進行特定廣告投放的營銷策略，基于社交網絡的微營銷在企業運營中扮演越來越重要的作用，諸如微信、微博等的社交平臺，可以幫助企業以較低的成本實施微營銷，然而也存在一些問題。

隨著信息爆炸和社交網絡的迅速發展，傳統的微營銷渠道（TMC）遇到一些困境，主要包括如何保證企業社交平臺關注者對企業發送的信息感興趣、如何平衡公司對不同社交平臺的使用、如何提高關注公司社交平臺賬號的用戶對公司產品的購買意愿。為了避免客戶流失和利潤損失，本文基于用戶社交網絡信息構建優化的微營銷渠道模型（OMC）。

在傳統的微營銷渠道中，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的所有關注者發布營銷信息。但每個用戶有自己獨特的性格特征和興趣，考慮用戶個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考慮了三個特點：用戶加入的興趣小組以及個性化標簽；在社交平臺中的個人公開數據；評論或轉發等的社交行為。考慮以上這三個因素，OMC可以解決TMC遇到的困境。

模型構建

（一）模型介紹

本文模型選取收益、客戶流失以及影響企業收益的客戶流失率作為約束條件，在構建模型之前，相關的模型參數介紹如下：

收益。本文計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個產品，并且該公司所有的社交平臺上有n個關注者， pj表示公司從產品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所有社交平臺的關注者貢獻的利潤總和。

用戶的購買可能性 BPij（ Ppa表示產品在廣告中的標價）。本文采用用戶關注相似公司賬戶的數量以及用戶的社交網絡活動來評價用戶的購買意愿，平臺關注者的購買可能性可以通過計算他們的購買意愿和保留價格獲得。定義用戶j關注相關官方賬號的數量NF，用戶轉發和評論相似廣告的數量NC。如果NF超過五并且NC存在，則定義用戶對產品的購買意愿BW，為強烈意愿。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）項中， Wint指出接收社交平臺感興趣信息的客戶數量，若他們沒有收到他們感興趣的信息，會取消對C官方賬戶的關注。（c）中， Wbuy表示顧客通過社交平臺購買的產品數量，若他們不接受自己喜歡的廣告，他們將不會購買。另外，（d）為C的社會平臺沖突的約束。從模型中可以發現，優化之后的模型對CLR和CL的影響較大，這也會相應地影響企業總利潤。

算例分析

為了便于計算和比較，本文選擇C公司在三個月內的社交平臺營銷進行實驗。假設C有五個主要的社交平臺S1、S2、S3、S4、S5存在于其現有的社交網絡。

（一）數據

仿真實驗用于比較客戶流失率、顧客忠誠度等指標，因此數據應該能夠獲取所有相關的目標和約束。在月初，本文假設公司C在其所有的平臺擁有1000個關注者，每個社交平臺有相應的關注者。現有的用戶可能同時關注超過C的1個甚至是5個社交平臺。在設置了一個公司的社會平臺上最初的關注者和他們的關注狀態后，收集相關數據描述用戶的特點，包括他們的個性化特征和行為。由表1、表2、表3分析可知，用戶的生活城市、性別、轉發信息等與OMC模型密切相關。

（二）推薦算法

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

此外，用戶評論和轉發廣告信息，能為公司找到用戶喜歡的話題或產品。對于用戶使用的社交平臺，本文采用用戶在所有社交平臺上的活動來評價其偏好。

（三）結果及分析

在仿真實驗中，C的傳統微營銷渠道（TMC）在其所有的五個社交平臺上，給其1000個追隨者發布信息150條信息。然而，OMC將在不同的社交平臺上，為C的不同關注者選擇不同的定制化信息。在存儲數據和部署實驗環境后，運行結果如表4、表5、表6所示。

表4給出了三個月內公司C從其社交平臺獲得的利潤對比，采用優化后的微營銷渠道可以幫助企業提高27%的利潤。表5給出了TMC和OMC之間的客戶流失率對比，優化之后的微營銷渠道可以幫助企業將客戶流失從10%降到8%。表6給出了TMC和OMC之間的客戶忠誠度比較，結果表明OMC可以將企業的客戶忠誠度從5%提高到15%。實驗結果表明優化后的微營銷渠道可以提高企業利潤和客戶忠誠度，并且該模型可以滿足客戶，從而大大地降低客戶流失率。

結論

本文構建了微營銷渠道的優化模型。在該模型中，過濾器可以根據用戶的社交網絡信息，為他們選擇適當的平臺，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通過采用推薦系統相關算法，可以分析并發現其關注者的偏好和興趣，可以幫助公司發送特定的營銷信息給其關注者，這能夠很大程度上黏住消費者，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，但仍有一些方向值得未來繼續研究。endprint

參考文獻：

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，Frankowski 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：社交網絡與微營銷。

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

趙程程（1985-），女，漢族，上海工程技術大學講師，研究方向：區域創新管理，創新供應鏈。

趙袁軍（1988-），男，漢，山東薛城人，博士研究生 ，研究方向：財務管理與資產經營。endprint