معیارهای ارزیابی ارزش اثرگذاری کاربران رسانه های اجتماعی- چارچوبی براساس کاوش رسانه های اجتماعی
الموضوعات :روجیار پیرمحمدیانی 1 , شهریار محمدی 2
1 - دانشکده مهندسی کامپیوتر، دانشگاه کردستان، ایران
2 - دانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، ایران
الکلمات المفتاحية: ارزش اثرگذاری, کاوش رسانه های اجتماعی, رفتارهای تعاملی کاربران ,
ملخص المقالة :
امروزه رفتارهای تعاملی کاربران در رسانه های اجتماعی به یک منبع مهم و اثرگذار بر فعالیت های حوزه ی بازاریابی تبدیل شده است. مفاهیم موجود در کاوش رسانه های اجتماعی، تکنیک های لازم برای محاسبه ی معیارهای مربوط به ارزیابی رفتارهای اثرگذار کاربران را فراهم می آورد. علیرغم اهمیت کاوش رسانه های اجتماعی برای تحلیل رفتارهای تعاملی کاربران، فقدان یک بازنگری جامع و طرح کلاس بندی در این زمینه وجود دارد. به این منظور در این تحقیق در قدم اول با ارائه ی یک دسته بندی شامل سه حوزهی، تحلیل مبتنی بر کاربر، تحلیل مبتنی بر ارتباط و تحلیل مبتنی بر محتوا، تکنیک های کاوش رسانه های اجتماعی برای تحلیل رفتارهای اثرگذار کاربران مورد بررسی قرار گرفته است. در ادامه با توجه به مرور ادبیات صورت گرفته، یک چارچوب نوآورانه و ترکیبی شامل دو بعد اصلی" پتانسیل اثرگذاری" و "سطح اثرگذاری" ارائه گردیده است و معیارهای "تعداد کاربران فعال"، "رتبه ی کاربر"، "کیفیت و میزان تحلیلی و قضاوتی بودن متون تولید شده توسط کاربران" برای محاسبه ی هر یک از این ابعاد تعریف شده است. در واقع این مقاله اولین کلاس بندی جامع و آکادمیک در خصوص تکنیک های کاوش رسانه های اجتماعی مثمرثمر در تحلیل رفتارهای کاربران میباشد که با ارائه ی یک چارچوب امکان ارزیابی ارزش اثرگذاری کاربران را برای کسب وکارها فراهم می نماید.
1. Agarwal, N., Kumar, S., Gao, H., Zafarani, R., & Liu, H. (2011). Analyzing Behavior Of The Influentials Across Social Media.
2. Bi, B., Tian, Y., Sismanis, Y., Balmin, A. & Cho. J. (2014). Scalable topic-speci_c inuence analysis on microblogs.
In Proceedings of the 7th ACM International Conference on Web Search and Data Mining, WSDM '14, 513-522, New York, NY, USA.
3. Eirinaki, M., Monga, S.,Sundaram, S. (2012). Identification of influential social network users. International Journal of Web Based Communities 8(2),136–158
4. Kitsak, M., Gallos, L. K., Havlin, S., Liljeros, F., Muchnik, L., Stanley, H. E., & Makse, H. A. (2010). Identification of influential spreaders in complex networks. Nat Phys, 6(11), 888-893. doi: http://www.nature.com/nphys/journal/v6/n11/abs/nphys1746.html#supplementary-information
5. Kumar, V., Bhaskaran, V., Mirchandani, R., Shah,. Milap, S. )2013(. Creating a Measurable Social Media Marketing Strategy: Increasing the Value and ROI of Intangibles and Tangibles for Hokey Pokey. Journal of Marketing Science, 32(2), 194–212.
Kumar, V., Aksoy, L., Donkers, B., Venkatesan, R., Wiesel, Th., & Tillmanns, S. (2010). Undervalued or Overvalued Customers: Capturing Total Customer Engagement Value. Journal of Service Research, 13(3), 297-310.
7. Lerman, K., & Ghosh, R. (2010). Information Contagion: an Empirical Study of the Spread of News on Digg and Twitter Social Networks. CoRR, abs/1003.2664.
8. Liang, T. P., & Turban, E. (2012). Introduction to the Special Issue Social Commerce: A Research Framework for Social Commerce, International Journal of Electronic Commerce, 16(2), 5–13.
9. Libai, B., Muller, E. & Peres, R. (2012). Decomposing the Value of Word-of-Mouth Seeding Programs: Acceleration vs. Expansion, Journal of Marketing Research.
10. Li, Y., Ma, S., Zhang, Y. & Huang, R. (2013). An improved mix framework for opinion leader identification in online learning communities, Knowledge-Based Systems, (43), 43–51.
11. Li, Y.-M., Lai, C.-Y., and Chen, C.-W. (2011). Discovering influencers for marketing in the blogosphere. Inf. Sci., 181(23), 5143-5157.
12. Li, Y.-M., Lin, C.-H., & Lai, C.-Y. 2010. Identifying influential reviewers for word-of-mouth marketing. Electronic Commerce Research and Applications. 9(4), 294-304.
13. Goldenberg,J., Hang, S., Lehmann, D., & Weon Hong, J.(2009). The Role of Hubs in the Adoption Process. Journal of Marketing, 73(2), 1-13
14. Greve,G. (2014). The moderating effect of customer engagement on the brand image – brand loyalty relationship,, 148, 203 – 210¬.
15. Hajli, M. N. (2014). The role of social support on relationship quality and social commerce. Technological Forecasting and Social Change, 87(0), 17-27.
16. Heidemann, J., Klier, M., Probst, F., & Betriebswirtschaftslehr, U. L. f. (2010). Identifying Key Users in Online Social Networks:A PageRank Based Approach.
17. Ilyas, M. U., & Radha, H. (2011). Identifying Influential Nodes in Online Social Networks Using Principal Component Centrality. Paper presented at the Communications (ICC), 2011 IEEE International Conference on
18. Jiliang, T., Yi, Ch. & Huan, L. 2014, Mining Social Media with Social Theories: A Survey, ACM SIGKDD Explorations Newsletters, 15(2), 20-29.
19. Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of social media. Business Horizons, 53(1), 59–68.
20. Katsimpras, G., Vogiatzis, D., & Paliouras, G. (2015). Determining Influential Users with Supervised Random Walks. Paper presented at the Proceedings of the 24th International Conference on World Wide Web, Florence, Italy.
21. Kiss, C., & Bichler, M. (2008). Identification of influencers — measuring influence in customer networks. Decision Support Systems, 46(1), 233-253. doi: http://dx.doi.org/10.1016/j.dss.2008.06.007
22. Munger, T., & Zhao, J. (2015). Identifying Influential Users in On-line Support Forums using Topical Expertise and Social Network Analysis. Paper presented at the Proceedings of the 2015 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining 2015, Paris, France.
23. Peters, K., Chen, Y., Kaplan, A. M., Ognibeni, B. & Pauwels,K. (2013). Social Media Metrics - A Framework and Guidelines for Managing Social Media, Journal of Interactive Marketing, 27, 281 – 298.
24. Probst, F., Grosswiele, L. & Pflege, R. (2013). Who will lead and who will follow: Identifying Influential Users in Online Social Networks, Business & Information Systems Engineering, (3), DOI 10.1007/s12599-013-0263-7.
25. Raamakirtinan, S. & Livingston, L. M. J. (2016). Identifying Influential Users in Facebook - A Sentiment Based Approach. Indian Journal of Science & technology, 9(10).
26. Saito, K., Kimura, M., Ohara, K., & Motoda, H. (2012). Efficient discovery of influential nodes for SIS models in social networks. Knowledge and Information Systems, 30(3), 613-635. doi: 10.1007/s10115-011-0396-2
27. Yong, S. K. & Tran, V. L. (2013). Assessing the Ripple Effects of Online Opinion Leaders With Trust and Distrust metrics, Expert Systems with Applications, (40), 3500–3511
28. Zafarani, R. & Liu, H., 2014. Behavior Analysis in Social Media, IEEE Intelligent Systems, 29 (4), 1-4.
29. Zhang, Y., Wang, Z., & Xia, C. (2010). Identifying Key Users for Targeted Marketing by Mining Online Social Network. Paper presented at the Proceedings of the 2010 IEEE 24th International Conference on Advanced Information Networking and Applications Workshops.
30. Zhao, K., Greer, G. E., Y, J., Mitra, P., Portier, K. (2014). Leader identification in an online health community for cancer survivors: a social network-based classification approach, Information System E-Business Management, DOI 10.1007/s10257-014-0260-5.
31. Zheng, X., Zhu, S., & Lin, Z. (2013). Capturing the essence of word-of-mouth for social commerce: Assessing the quality of online e-commerce reviews by a semi-supervised approach, Decision Support Systems, 56(0), 211-222.
32. Zolfaghar, K. & Aghaie, A. (2011). A syntactical approach for interpersonal trust prediction in social web applications: Combining contextual and structural data, Knowledge-Based Systems.doi:10.1016/j.knosys.2010.10.07
