Identifying influencers in a social network: The value of real referral data

افراد از طریق تعاملات اجتماعی و بازاریابان، یکدیگر را تحت تاثیر قرار می دهند تا از این نفوذ بین فردی برای جذب مشتری جدید استفاده کنند. هنوز هم چالشی برای شناسایی مشتریان در شبکه اجتماعی است که بیشترین تاثیر را در ارتباطات اجتماعی خود دارند. یک رویکرد رایج در مورد مساله حداکثر سازی نفوذ، شبیه سازی آبشارهای نفوذ از طریق شبکه بر اساس وجود لینک در شبکه با استفاده از مدل های انتشار است. مطالعه ما با ارزیابی این اصول با استفاده از داده های رفتار ارجاعی زندگی واقعی، به ادبیات کمک می کند. یک معیار ارزیابی جدید، به نام رتبه ارجاع، معرفی شده است که بر پایه مفهوم نظری بازی ارزش شپلی برای اختصاص هر فرد در شبکه ارزش است که نشان دهنده احتمال ارجاع مشتریان جدید است. ما همچنین کشف می کنیم که آیا می توان این روش ها را با فراتر از محدوده ی یکپایه نفوذگران بهبود بخشید. آزمایشات بر روی داده های مجموعه داده های تلفنی و داده های ارجاعی نشان می دهد که استفاده از روش های مبتنی بر شبیه سازی سنتی برای شناسایی نفوذگران در یک شبکه اجتماعی می تواند به تصمیم گیری های غیرمستقیم منجر شود؛ زیرا نتایج به دست آوردن آبشارهای واقعی ارجاع بیش از حد است. ما همچنین می بینیم که با نگاه به نفوذ دو همپیمان مشتریان مشتری، گسترش نفوذ و پذیرش محصول را بهبود می بخشد. یافته های ما نشان می دهد که شرکت ها می توانند دو اقدام برای بهبود سیستم پشتیبانی تصمیم خود برای شناسایی مشتریان با نفوذ را انجام دهند: (1) داده ها را با ترکیب داده هایی که نشان دهنده رفتار ارجاع واقعی مشتریان هستند، بهبود می بخشد یا (2) گسترش روش با در نظر گرفتن نفوذ از ارتباطات در محله دو هبه مشتریان.