社会媒体病毒营销效果预测及评价.docVIP

社会媒体病毒营销效果预测及评价 　　[摘要]伴随着互联网的普及与电子商务的发展，越来越多的企业尝试使用病毒营销作为企业战略。实际上，只有在深度分析病毒营销效果的基础上，精准预测病原体在未来的传染范围与频度，才能有针对性地进行市场定位。因此，文章的主要研究目的在于利用Logistic模型和主成分分析找出影响软文推送的质量因素，并据此精准观测到运营商所发布的“病原体”在未来的一定时期内传播速度及传播范围；同时基于预测，帮助企业衡量病毒营销效果的同时做出科学评价，使企业精准识别有价值的潜在用户。最终，透过病毒营销效果，发现用户偏好，精准定位，为企业发掘用户潜在需求，提供借鉴 [关键词]病毒营销；主成分分析；Logistic模型 1研究方法 11Logistic模型 假设每个感染者每天可以使λS（t）个易感染者S变为感染者I，又感染者的人数为Ni（t），所以每天共有λS（t）Ni（t）个易感染者被感染，于是λNsi就是感染者数Ni的增加率，即： 画出图像： 这时的感染者的增长率最快 12主成分分析 2实证分析 21样本点及指标的选取 根据上文建立的Logistics模型及图像，我们发现，决定微信推送传播范围的两个指标分别为初始感染者数量以及日接触率。又因为对于同一个公众号来说，他们的初始读者数量是相对固定的，因此唯一的变量就是日接触率。我们将用日平均接触率这项指标，来研究一篇软文推送的传播范围 为了方便研究，我们选取U合肥公众号作为研究对象。U合肥是一个典型的营销公众号，主要负责Uber打车软件在合肥的推广。我们统计了该公众号从建号以来至今为止一共发出的296条公众号。研究范围涉及“Uber”在合肥投放的前期预热推送，自媒体广告以及与各个商家捆绑的营销推送 通过筛选，我们根据推送内容，将296条推送大致分为4类：介绍类、优惠类、活动广告类、招聘类。我们进一步搜集发现，招聘类推送全部出现在推广初期，阅读量较少，研究意义不大，因此我们下文仅研究其他三类 22主成分分析 根据探究，我们选取以下6个维度：阅读量、点赞量、字数、篇幅长度、图片数量、评论数量来作为影响推送质量的因子（见下表）。接下来，我们将求取它们的平均值，并使用主成分分析法，对6个因子进行降维处理，从而找到最关键的影响因子，对其进行测算，寻找最合适的衡量指标 计算可得前两个主成分方差贡献率分别为672837%、292254%，累计贡献率为965091%，由此可以选取前两个阅读量和点赞量为代表来衡量微信推送的质量 3结论 在本节，我们将综合传播范围以及推送质量两个方面对U合肥3类微信推送进行预测评价。具体地，我们使用日均接触率、阅读量以及点赞量三个指标来衡量微信推送的质量等级 三个指标的平均分布散点图如图2所示 由图2我们大致可以看出，当日平均接触率与阅读量、点赞量成正比。模拟消费者心理变化的大致过程即为：接触到某一条推送，对该条推送进行阅读，若对该条推送满意则消费者会进行点赞。实际上，这也可以表示为，一条信息从接触者到潜在消费者再到消费者的一种转化规律，即越大的日平均接触率代表着会有越多的人阅读，或会有越多的人进行评价。于是，我们据此对每一种类型的推送进行逐一的评价 通过观察散点图，我们可以看出，介绍类的软文受大众欢迎的程度欠佳，日平均接触率大多分布在15～4，阅读量偏小，转化成为点赞的消费者也较少，营销价值低；广告类的软文的接触率传播范围以及用户转化率相对较高，是较好的一种微信推送类型，具有较高的营销价值；优惠类软文与介绍类相似 进一步地，通过分析我们发现，大多数优惠类的推送即使大范围被消费者熟知也没能使消费者对此作出反??，说明这类软文传播时具备以下特点：推送往往并不能在有效时间内完成使“感染者”向“易感染者”转变，一条即使阅读量再大的优惠类推送，如某篇软文达到28492的阅读量，都并不能够拥有超过35的点赞量。而我们说，在信息营销时代，企业最根本的，就是要使潜在消费者对企业所传达信息产生兴趣，作出评价反应，最终转化为实际消费者；显然在这一点上，U合肥可能仍停留在使消费者认识，而非感兴趣。而这一结果与笔者在实际生活中的认知有所偏颇 在软文扎堆，信息成群的网络时代，消费者的个性与差异化，决定了企业应当脱离曾经单纯依靠信息轰炸来获取客户的传统方式。于是，在利用社交媒体发布一篇软文实行病毒营销时，企业就必须精准而科学地预测到这篇软文将会带来多大的影响，即软文与受众的接触度和受众的认可度。此外，企业在利用社会媒体进行病毒营销时，为了达到战略目的，也必须对已推广实施的病毒营销战略的效果，做一个综合考量。找到易于被消费者接收的信息，发掘其营销价值；对于那些客户转化率较低，消费者迟