周嬋+寧丹丹

摘 要：在分析病毒式營(yíng)銷理論基礎(chǔ)上，研究電商病毒式營(yíng)銷的商業(yè)核心群體的選擇模型、算法思想以及營(yíng)銷策略。研究認(rèn)為，衡量商業(yè)核心群體的主要因素包括營(yíng)銷商品的歷史交易成功率、客戶對(duì)該類商品的購(gòu)買(mǎi)率、累計(jì)購(gòu)買(mǎi)率、推薦成功率等?？蛻魻I(yíng)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(yíng)銷提供了足夠的激勵(lì)作用。

關(guān)鍵詞：商業(yè)核心群體；營(yíng)銷策略；病毒式營(yíng)銷；電商

隨著信息科技和經(jīng)濟(jì)貿(mào)易一體化的發(fā)展，網(wǎng)絡(luò)購(gòu)物迅速崛起。據(jù)相關(guān)報(bào)告顯示，2013年，我國(guó)網(wǎng)絡(luò)購(gòu)物用戶規(guī)模達(dá)3.02億元，同比增長(zhǎng)24.8%。其中團(tuán)購(gòu)用戶規(guī)模達(dá)1.41億元，同比增長(zhǎng)68.9%，促使團(tuán)購(gòu)已成為增長(zhǎng)最快的商務(wù)類應(yīng)用。中國(guó)網(wǎng)絡(luò)購(gòu)物市場(chǎng)交易規(guī)模達(dá)1.85萬(wàn)億元，同比增長(zhǎng)42%，其中B2C交易規(guī)模達(dá)6500億元，占整個(gè)網(wǎng)絡(luò)市場(chǎng)比重的35.1%。網(wǎng)絡(luò)消費(fèi)交易額占全社會(huì)消費(fèi)品零售總額的7.8%，同比提高1.6%。這些數(shù)據(jù)無(wú)不顯示我國(guó)網(wǎng)絡(luò)市場(chǎng)正不斷擴(kuò)大。可見(jiàn)，網(wǎng)絡(luò)消費(fèi)市場(chǎng)具有較大的開(kāi)發(fā)前景。如何利用互聯(lián)網(wǎng)進(jìn)行營(yíng)銷，如何提升商品品牌知名度，應(yīng)尋找怎樣的消費(fèi)群體，這些問(wèn)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(wù)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(yíng)銷企業(yè)選擇商業(yè)核心群體帶來(lái)了困難。本文采用客戶信任度網(wǎng)絡(luò)構(gòu)建商業(yè)核心群體的選擇模型，探究網(wǎng)絡(luò)購(gòu)物中的病毒式營(yíng)銷策略中商業(yè)核心群體的選擇問(wèn)題。

一、病毒式營(yíng)銷理論及相關(guān)研究

病毒式營(yíng)銷概念是網(wǎng)絡(luò)創(chuàng)業(yè)者Steve（1997）提出的，美國(guó)學(xué)者Domingos和Richardson（2002）對(duì)其進(jìn)行拓展，采用信任度網(wǎng)絡(luò)模型構(gòu)造了最大化電商病毒式營(yíng)銷效果模型。Rick Ferguson（2008）也對(duì)病毒式營(yíng)銷進(jìn)行研究，探究口碑營(yíng)銷和病毒式營(yíng)銷在市場(chǎng)影響中的作用。Ralf（2010）又提出了一種預(yù)測(cè)病毒式營(yíng)銷傳播模型，通過(guò)隨機(jī)選擇客戶群體來(lái)研究病毒分支模型，但其并未考慮到核心群體的問(wèn)題。

國(guó)內(nèi)學(xué)者對(duì)于電商病毒式營(yíng)銷研究尚在初步階段。馮英?。?004）在《網(wǎng)絡(luò)營(yíng)銷基礎(chǔ)與實(shí)踐》一書(shū)中首次公開(kāi)發(fā)表病毒性營(yíng)銷的文章。此后，還有很多學(xué)者對(duì)電商病毒式營(yíng)銷進(jìn)行研究。如夏秀峰，趙秀濤（2011）采用客戶信任網(wǎng)絡(luò)模型對(duì)web病毒式營(yíng)銷進(jìn)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(gè)節(jié)點(diǎn)的客戶信任網(wǎng)絡(luò)；Ci表示該網(wǎng)絡(luò)模型中共的各個(gè)節(jié)點(diǎn)信息，包括客戶對(duì)該節(jié)點(diǎn)商品的興趣特征、該客戶節(jié)點(diǎn)接收其他客戶節(jié)點(diǎn)的評(píng)價(jià)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(guān)系及信任程度；Wi表示各個(gè)節(jié)點(diǎn)的信任關(guān)系中的信任權(quán)重；i=[1，n]。

綜觀國(guó)內(nèi)外學(xué)者研究，本文認(rèn)為電商病毒式營(yíng)銷是指利用客戶口碑的傳播原理，借助互聯(lián)網(wǎng)平臺(tái)，在獲得便捷性的同時(shí)擴(kuò)大用戶規(guī)模，從而實(shí)現(xiàn)營(yíng)銷的擴(kuò)大化。作為網(wǎng)絡(luò)營(yíng)銷與口碑信譽(yù)營(yíng)銷的有機(jī)結(jié)合，電商病毒式營(yíng)銷越來(lái)越受到消費(fèi)者關(guān)注。如今，雖然大量的宣傳信息流傳于各類網(wǎng)站中，但消費(fèi)者不再盲目的迷信各類廣告，且消費(fèi)行為越來(lái)越理性化。國(guó)內(nèi)外學(xué)者對(duì)于電商病毒式營(yíng)銷的研究基本僅限于構(gòu)建網(wǎng)絡(luò)信任模型，雖然有少數(shù)學(xué)者提到了病毒式營(yíng)銷中核心群體的挖掘問(wèn)題，但對(duì)電商病毒式營(yíng)銷過(guò)程中商業(yè)核心群體的選擇的研究卻較為鮮有。因此，該領(lǐng)域的研究具有較高的實(shí)踐價(jià)值和理論意義。

二、電商病毒式營(yíng)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(jìn)行選擇，根據(jù)預(yù)測(cè)得分來(lái)給出相應(yīng)的評(píng)價(jià)分?jǐn)?shù)。傳統(tǒng)的商業(yè)核心群體選擇模型是滿足推薦對(duì)象個(gè)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(lái)選擇核心群體，也就是說(shuō)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(kuò)散模型可深入挖掘病毒式營(yíng)銷中的核心群體，本文采用此方法來(lái)準(zhǔn)確選擇和挖掘核心群體。假定與某個(gè)節(jié)點(diǎn)存在之間信任關(guān)系的節(jié)點(diǎn)集合，也就是節(jié)點(diǎn)Ci與附近網(wǎng)絡(luò)節(jié)點(diǎn)之間存在直接的信任關(guān)系，只不過(guò)信任權(quán)重存在差異。信任程度E是一個(gè)描述客戶推薦行為與購(gòu)買(mǎi)行為影響程度的一個(gè)變量。根據(jù)信任程度的信任關(guān)系、客戶對(duì)商品的評(píng)價(jià)以及各個(gè)節(jié)點(diǎn)推薦行為等因素綜合來(lái)考慮。

在Web客戶信任網(wǎng)絡(luò)模型中，客戶節(jié)點(diǎn)表達(dá)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(gè)客戶的第i節(jié)點(diǎn)，Ii（t）表示第t個(gè)客戶對(duì)商品的自身興趣程度，Pi（t）表示第t個(gè)客戶第i節(jié)點(diǎn)接受其他同類節(jié)點(diǎn)推薦商品購(gòu)買(mǎi)的概率，Ri（t）表示第t個(gè)客戶對(duì)商品或服務(wù)的評(píng)價(jià)分?jǐn)?shù)，Bi（t）表示該客戶是否購(gòu)買(mǎi)了商品或服務(wù)。

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(dá)式來(lái)描述用戶之間的影響程度，具體表達(dá)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(diǎn)的興趣度，αi（t）表示節(jié)點(diǎn)的自依賴程度，gi（t）表示客戶信任網(wǎng)絡(luò)模型中其他節(jié)點(diǎn)對(duì)i節(jié)點(diǎn)的影響程度，Ii（t）含義同上。

伴隨著時(shí)間的推進(jìn)，客戶節(jié)點(diǎn)在信任度網(wǎng)絡(luò)中的興趣度hi（t）受其他節(jié)點(diǎn)的影響將日益增加，當(dāng)滿足hi（t）≥θi時(shí)，表明該節(jié)點(diǎn)被激活。θi表示節(jié)點(diǎn)Ci（t）的接受閾值。電商病毒式營(yíng)銷客戶信任網(wǎng)絡(luò)核心群體選擇的實(shí)質(zhì)就是尋找最大規(guī)模影響力的網(wǎng)絡(luò)影響集的節(jié)點(diǎn)。

電商病毒式營(yíng)銷核心群體選擇思想如下：首先，計(jì)算節(jié)點(diǎn)的網(wǎng)絡(luò)影響集。從Web客戶信任網(wǎng)絡(luò)中提取節(jié)點(diǎn)Ci的網(wǎng)絡(luò)附近集，獲取Ci節(jié)點(diǎn)的具體信息，包括向其他節(jié)點(diǎn)的推薦次數(shù)、接收其他節(jié)點(diǎn)的次數(shù)以及節(jié)點(diǎn)的影響權(quán)重。根據(jù)節(jié)點(diǎn)間的信任度、權(quán)重以及評(píng)價(jià)分析等信息來(lái)計(jì)算客戶之間興趣的相互影響，計(jì)算閾值，并利用閾值與節(jié)點(diǎn)之間的相互關(guān)系，得到節(jié)點(diǎn)的網(wǎng)絡(luò)影響集。然后，根據(jù)節(jié)點(diǎn)的網(wǎng)絡(luò)影響集來(lái)選擇核心群體。從客戶信任網(wǎng)絡(luò)中獲得節(jié)點(diǎn)的網(wǎng)絡(luò)影響集，分析客戶購(gòu)買(mǎi)商品特征、個(gè)人興趣等因素來(lái)計(jì)算客戶購(gòu)買(mǎi)商品的概率。接著，計(jì)算節(jié)點(diǎn)對(duì)其影響集合中各個(gè)節(jié)點(diǎn)的影響效果，并根據(jù)歷史交易情況來(lái)確定交易數(shù)量。最后，對(duì)子節(jié)點(diǎn)影響集中的節(jié)點(diǎn)進(jìn)行排序，選擇排序靠前的節(jié)點(diǎn)作為核心，篩選核心節(jié)點(diǎn)后，選出網(wǎng)絡(luò)影響集中的且高于閾值的用戶，求出每個(gè)核心節(jié)點(diǎn)影響集中用戶的累加購(gòu)買(mǎi)效率，最終確定最佳的核心群體。

三、病毒式營(yíng)銷核心群體的營(yíng)銷策略

核心群體在Web病毒式營(yíng)銷網(wǎng)絡(luò)中具有關(guān)鍵的作用，由于核心群體對(duì)消費(fèi)者而言具有較高的信任度，是消費(fèi)者的代表。借助核心群體的營(yíng)銷策略可鼓勵(lì)客戶更多的作出推薦，促使網(wǎng)絡(luò)營(yíng)銷活動(dòng)達(dá)到事半功倍的效果。為了深入研究病毒式營(yíng)銷中核心群體的營(yíng)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(yíng)銷商品的歷史交易成功率、客戶對(duì)該類商品的購(gòu)買(mǎi)率、累計(jì)購(gòu)買(mǎi)率、推薦成功率等等，下面進(jìn)行具體分析。

歷史交易成功率是指利用Web網(wǎng)絡(luò)信息，分析截止到時(shí)間t時(shí)，核心節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)營(yíng)銷商品的歷史交易成功率，包括歷史交易過(guò)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(duì)該類商品的購(gòu)買(mǎi)率[RPi，l（t）]是指在選擇核心節(jié)點(diǎn)網(wǎng)絡(luò)的過(guò)程中，客戶進(jìn)入網(wǎng)站瀏覽行為的集合。采用網(wǎng)絡(luò)影響集中客戶的興趣行為集合（Hi，l）和客戶對(duì)核心節(jié)點(diǎn)的信任度（Ti，l）來(lái)量化，具體表達(dá)式如下：

RPi，l（t）=Hi，l×Ti，l （5）

其中i表示第i個(gè)核心節(jié)點(diǎn)；l表示第l個(gè)客戶；Hi，l表示第l個(gè)客戶對(duì)核心節(jié)點(diǎn)i的興趣度；Ti，l表示第l個(gè)客戶對(duì)核心節(jié)i的信任度；RPi，l（t）表示第l個(gè)客戶對(duì)核心節(jié)點(diǎn)i商品的購(gòu)買(mǎi)率。

客戶的累計(jì)購(gòu)買(mǎi)率[SRPi，l（t）]是指將核心節(jié)點(diǎn)影響集中客戶的購(gòu)買(mǎi)率進(jìn)行排序篩選，并將符合條件的購(gòu)買(mǎi)率進(jìn)行累加。假定閾值為θi=0.5，即RPi，l（t）≥0.5，則認(rèn)為核心節(jié)點(diǎn)營(yíng)銷集中客戶購(gòu)買(mǎi)商品的概率較高，將其進(jìn)行累加處理，具體的計(jì)算公式如下：

其中Ai表示核心節(jié)點(diǎn)影響集中客戶的個(gè)數(shù)，SRPi，l（t）表示客戶的累計(jì)購(gòu)買(mǎi)率。

推薦成功率（RSTi）是指核心節(jié)點(diǎn)影響集中客戶的累計(jì)購(gòu)買(mǎi)率與歷史交易成功率的乘積，具體計(jì)算公式如下：

RSTi=Historyi（t）×SRPi，l（t） （7）

核心節(jié)點(diǎn)投入比重（Py，i（t））采用每個(gè)節(jié)點(diǎn)推薦成功率所占的比重來(lái)衡量，具體的計(jì)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(yíng)銷策略，具體過(guò)程見(jiàn)圖。

電商病毒式營(yíng)銷的商業(yè)核心群體營(yíng)銷策略具體流程如下：

第一步，從Web服務(wù)器中獲得元素?cái)?shù)據(jù)，構(gòu)建客戶信任網(wǎng)絡(luò)模型，并初步選擇病毒式營(yíng)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(gè)節(jié)點(diǎn)，包括用戶的基本信息、購(gòu)買(mǎi)能力、歷史購(gòu)買(mǎi)行為、瀏覽商品種類等方面的信息，利用公式（4）和（5）計(jì)算核心節(jié)點(diǎn)對(duì)于營(yíng)銷商品的歷史交易成功率（Historyi（t））及客戶對(duì)該類商品的購(gòu)買(mǎi)率[RPi，l（t）]；

第三步，選擇核心節(jié)點(diǎn)影響集中購(gòu)買(mǎi)率高于閾值的客戶，利用公式（6）計(jì)算病毒式營(yíng)銷中商品的累計(jì)購(gòu)買(mǎi)率[SRPi，l（t）]；

第四步，利用公式（7）計(jì)算核心節(jié)點(diǎn)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(diǎn)按照從大到小的順序排序，并重新編號(hào)；

第五步，利用公式（8）計(jì)算每個(gè)核心節(jié)點(diǎn)的營(yíng)銷投入比重，然后對(duì)核心群體中編號(hào)較小的節(jié)點(diǎn)進(jìn)行營(yíng)銷投入，根據(jù)推薦成功率大小按照權(quán)重進(jìn)行分配，營(yíng)銷投入核心節(jié)點(diǎn)組成了營(yíng)銷群體，其余部分則為備用核心群體；

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

電商病毒式營(yíng)銷商業(yè)核心群體選擇策略，結(jié)合了網(wǎng)絡(luò)影響集中核心客戶的購(gòu)買(mǎi)行為，能夠通過(guò)消費(fèi)者代表來(lái)加速網(wǎng)絡(luò)商品的營(yíng)銷效果。根據(jù)營(yíng)銷商品的歷史交易成功率、客戶對(duì)該類商品的購(gòu)買(mǎi)率、累計(jì)購(gòu)買(mǎi)率、推薦成功率等因素來(lái)選擇核心群體，折射出核心節(jié)點(diǎn)對(duì)營(yíng)銷商品的貢獻(xiàn)程度，準(zhǔn)確的確定了營(yíng)銷比重。客戶營(yíng)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(yíng)銷提供了足夠的激勵(lì)作用。

四、結(jié)語(yǔ)

本文在分析病毒式營(yíng)銷理論基礎(chǔ)上，介紹了一種電商病毒式營(yíng)銷的商業(yè)核心群體的選擇模型、算法思想以及營(yíng)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(yíng)銷商品的歷史交易成功率、客戶對(duì)該類商品的購(gòu)買(mǎi)率、累計(jì)購(gòu)買(mǎi)率、推薦成功率等。此外，客戶營(yíng)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(yíng)銷提供了足夠的激勵(lì)作用。本文提出的一種營(yíng)銷策略是建立在商業(yè)核心群體理性參與商業(yè)活動(dòng)基礎(chǔ)上的，能有效分析群體的推薦貢獻(xiàn)，并結(jié)合電商網(wǎng)絡(luò)影響商業(yè)集中群體的購(gòu)買(mǎi)行為，進(jìn)而影響營(yíng)銷效果。

參考文獻(xiàn)：

[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(yíng)銷在企業(yè)中的應(yīng)用研究[J].重慶郵電大學(xué)學(xué)報(bào)， 2010（5）

[4]蘇梅梅.電子商務(wù)Web病毒式營(yíng)銷核心群體動(dòng)態(tài)挖掘[J].沈陽(yáng)航空航天大學(xué)學(xué)報(bào)，2013，30（2）.

[5]祝映蓮.微博營(yíng)銷的病毒特征及應(yīng)用策略分析[J].商業(yè)時(shí)代，2011（33）

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

作者簡(jiǎn)介：周嬋（1979.9- ），女，漢族，廣西桂林人，柳州鐵道職業(yè)技術(shù)學(xué)院講師，主要研究電子商務(wù)、經(jīng)濟(jì)風(fēng)險(xiǎn)