基于电商病毒式营销理论商业核心群体选择策略.docVIP

基于电商病毒式营销理论商业核心群体选择策略 　　摘 要：在分析病毒式营销理论基础上，研究电商病毒式营销的商业核心群体的选择模型、算法思想以及营销策略。研究认为，衡量商业核心群体的主要因素包括营销商品的历史交易成功率、客户对该类商品的购买率、累计购买率、推荐成功率等。客户营销投入的多次分配有效避免了核心群体投入失衡的情况，为电商病毒式营销提供了足够的激励作用。 　　关键词：商业核心群体；营销策略；病毒式营销；电商 　　随着信息科技和经济贸易一体化的发展，网络购物迅速崛起。据相关报告显示，2013年，我国网络购物用户规模达3.02亿元，同比增长24.8%。其中团购用户规模达1.41亿元，同比增长68.9%，促使团购已成为增长最快的商务类应用。中国网络购物市场交易规模达1.85万亿元，同比增长42%，其中B2C交易规模达6500亿元，占整个网络市场比重的35.1%。网络消费交易额占全社会消费品零售总额的7.8%，同比提高1.6%。这些数据无不显示我国网络市场正不断扩大。可见，网络消费市场具有较大的开发前景。如何利用互联网进行营销，如何提升商品品牌知名度，应寻找怎样的消费群体，这些问题都值得深入研究。海量的商品信息与数据充斥在电子商务网站中，一方面，用户难以选择可信任的商品；另一方面，也给营销企业选择商业核心群体带来了困难。本文采用客户信任度网络构建商业核心群体的选择模型，探究网络购物中的病毒式营销策略中商业核心群体的选择问题。 　　一、病毒式营销理论及相关研究 　　病毒式营销概念是网络创业者Steve（1997）提出的，美国学者Domingos和Richardson（2002）对其进行拓展，采用信任度网络模型构造了最大化电商病毒式营销效果模型。Rick Ferguson（2008）也对病毒式营销进行研究，探究口碑营销和病毒式营销在市场影响中的作用。Ralf（2010）又提出了一种预测病毒式营销传播模型，通过随机选择客户群体来研究病毒分支模型，但其并未考虑到核心群体的问题。 　　国内学者对于电商病毒式营销研究尚在初步阶段。冯英健（2004）在《网络营销基础与实践》一书中首次公开发表病毒性营销的文章。此后，还有很多学者对电商病毒式营销进行研究。如夏秀峰，赵秀涛（2011）采用客户信任网络模型对web病毒式营销进行研究，建立了WEB客户信任度模型，其具体形式如下： 　　Gn=（Ci，E，Wi） （1） 　　其中Gn示含有n个节点的客户信任网络；Ci表示该网络模型中共的各个节点信息，包括客户对该节点商品的兴趣特征、该客户节点接收其他客户节点的评价情况以及客户向其他客户推荐的情况等信息；E表示信任关系及信任程度；Wi表示各个节点的信任关系中的信任权重；i=[1，n]。 　　综观国内外学者研究，本文认为电商病毒式营销是指利用客户口碑的传播原理，借助互联网平台，在获得便捷性的同时扩大用户规模，从而实现营销的扩大化。作为网络营销与口碑信誉营销的有机结合，电商病毒式营销越来越受到消费者关注。如今，虽然大量的宣传信息流传于各类网站中，但消费者不再盲目的迷信各类广告，且消费行为越来越理性化。国内外学者对于电商病毒式营销的研究基本仅限于构建网络信任模型，虽然有少数学者提到了病毒式营销中核心群体的挖掘问题，但对电商病毒式营销过程中商业核心群体的选择的研究却较为鲜有。因此，该领域的研究具有较高的实践价值和理论意义。 　　二、电商病毒式营销的商业核心群体选择模型及算法思想 　　传统的选择模型往往是利用客户的兴趣、客户的相似程度以及商品相似特征进行选择，根据预测得分来给出相应的评价分数。传统的商业核心群体选择模型是满足推荐对象个体的兴趣与需求，最大程度上迎合商家的要求，主要从商家的角度来选择核心群体，也就是说传统的核心群体选择模型并不适合向核心群体选择。因此，需要综合考虑核心群体各类信息行为，找出更优的选择方法。由于信息扩散模型可深入挖掘病毒式营销中的核心群体，本文采用此方法来准确选择和挖掘核心群体。假定与某个节点存在之间信任关系的节点集合，也就是节点Ci与附近网络节点之间存在直接的信任关系，只不过信任权重存在差异。信任程度E是一个描述客户推荐行为与购买行为影响程度的一个变量。根据信任程度的信任关系、客户对商品的评价以及各个节点推荐行为等因素综合来考虑。 　　在Web客户信任网络模型中，客户节点表达式可表示如下： 　　Ci（t）=（Ii（t），Pi（t），Ri（t），Bi（t）） （2） 　　其中Ci（t）表示第t个客户的第i节点，Ii（t）表示第t个客户对商品的自身兴趣程度，Pi（t）表示第t个客户第i节点接受其他同类节点推荐商品购买的概率，Ri（t）表示第t个客户对商品或服务的评价分数，Bi（t）表示该客户是否购买了商品或服务。