ارزیابی کارایی روش بازاریابی ویروسی ترکیبی با روش خوشه‌بندی شبکه‌ای و مقایسه نتایج
محورهای موضوعی : مديريت تکنولوژيفریدون اوحدی 1 , مهرنوش محمدی 2 , محمدجعفر تارخ 3
1 - دانشگاه علوم و تحقیقات تهران
2 - دانشگاه آزاد اسلامی واحد کرج
3 - دانشگاه بردفورد انگلستان
کلید واژه:
چکیده مقاله :
در یک بازار رقابتی، درک نیاز مشتریان و تبلیغات مؤثر، از مهم‌ترین فاکتورهای بقا به شمار می‌آید. گسترش اینترنت و شبکه‌های مجازی، فرصت مناسبی برای شرکت‌ها جهت تبلیغات فراهم کرده است و لذا مطالعه روش‌ها و مدل‌های بازاریابی الکترونیک اهمیت زیادی پیدا می‌کند. یکی از جدیدترین این روش‌ها، بازاریابی ویروسی است که بر تبلیغات دهان به دهان استوار بوده و قدرت بسیار زیادی دارد. بازاریابی ویروسی بر این اصل متکی است که در هر شبکه اجتماعی، تعدادی از کاربران قدرت و تأثیرگذاری بالایی روی دیگران دارند و لذا با شناسایی آن‌ها و ایجاد پیام‌های تبلیغاتی خوب، می‌توان از طریق آن‌ها به بازاریابی مؤثر پرداخت. بنابراین، شناسایی کاربران با اهمیت، مهم‌ترین فعالیت در بازاریابی ویروسی به حساب می‌آید. در این راستا، تحقیقات مختلفی با استفاده از انواع روش‌های مبتنی بر گراف و مبتنی بر انتشار، به شناسایی کاربران پرداخته‌اند. در این پژوهش، از قابلیت‌های هر دو روش استفاده شده و با به‌کارگیری معیار مرکزیت نیمه محلی از روش‌های مبتنی بر گراف و مدل خوشه‌بندی مارکوف از روش‌های مبتنی بر انتشار، یک مدل ترکیبی جدید جهت خوشه‌بندی کاربران و شناسایی کاربران کلیدی، ارائه گردیده است. نتایج به‌دست آمده، نشان‌دهنده همبستگی بالاتر روش پیشنهادی با معیار SIR و در نتیجه کارایی بالاتر آن از سایر روش‌های به‌کار گرفته شده در تحقیق است.
In a Competitive Market, Understanding Customer Demand and Effective Advertising is one of the most Important Factors in Survival. Extend the Internet and virtual networks have provided a great opportunity for companies to advertise, and thus studying electronic marketing methods and models is of great importance. One of the newest marketing methods is viral marketing that is based on mouth-to-mouth advertising and has a lot of power. Viral marketing relies on the principle that on any social network, a number of users have high power and influence on others, and by identifying them and creating good advertising messages, They can be used to effectively marketing. Therefore, The identification of important users is considered the most important activity in viral marketing. In this regard, various studies have been conducted to identify users using a variety of graph-based and publish-based methods. In this research, the capabilities of both methods have been used and by Using a semi-localized centrality criterion based on graph-based methods and Markov clustering model based on propagation methods, a new hybrid model for user clustering and identification of key users presented. The results show higher correlation between the proposed method and the SIR standard and, therefore, its higher efficiency than other methods used in the research.
