论文部分内容阅读
摘要：社会化营销是如今企业的主要营销方式，研究其中的信息传播机理有利于对营销信息传播过程进行分析，进而为企业社会化营销策略提出合理建议。通过重新划分和定义信息传播中的节点状态、分析归纳不同影响因素、从复杂系统的角度分析信息传播影响因素与不同的状态转换概率之间的联系，改进了SIR模型，构建了企业社会化营销背景下的LSOIR信息传播模型。仿真结果表明，模型能够反映出现实社会化营销中的信息传播规律。
关键词：社会化营销;信息传播;传染病模型;复杂系统;仿真
中图分类号：TP319.9 文献标识码：A
文章编号：1009-3044（2020）14-0028-07
1引言
随着网络社群人数急速增加，国内外社交媒体不断推陈出新，其中以微博、Twitter等社交媒体平台用户人数最多。据中商情报网统计数据显示，截至2018上半年中国微博用户规模为3.37亿人，在整体网民数量中微博用户数比例达到42.1%，成为国内用户数量最高的社会化媒体，当代社会化媒体呈现出蓬勃的发展趋势。社会化媒体具有良好的社会性和互动性，能够极大地提高信息传播的广度和深度，这些特点结合数量繁多的使用人群为企业打开了一个新的营销市场，为企业的产品和服务提供了实时的展示、沟通和服务平台嘲，能够让企业充分利用社会网络所带来的优势进而展开各种营销活动。根据微博提供的微数据显示，截至2018年8月，微博企业账号达到140万，覆盖行业超过60个，基于社交网络和多元内容的社交媒体平台受到越来越多企业的关注，社会化媒体营销成为企业的主要营销方式之一。
企业社会化营销不同于传统的线下及网络营销，它更强调与用户的互动，期望借助社会化媒体平台使用户成为营销活动的主动策划者、参与者。整个社会化营销是借助于社会网络中信息的传播和共享来实现的，一系列营销活动的本质就是信息传播。因此，研究企业社会化营销中的信息传播机理对于企业把握消费者行为、制定品牌营销策略等工作具有重要意义。
传染病学被广泛应用于复杂系统信息传播机理的相关研究中。传染病动力学模型包括了SI、SIS、SIR，其中最为经典的模型是SIR。该模型将一个群体中的个体状态分为了易感个体（Susceptible）、感染个体（Infeeted）和免疫个体（Recovered）這三类个体来代表信息传播中不同状态的个体，通常研究社会网络下的信息、谣言等传播过程及机理。另外，传染病学在营销领域的信息传播方面也应用得较为普遍，主要研究集中在病毒营销有效性预测模型、社会网络中营销信息的传播和渗透、社交媒体营销传播机理、信息源随时间的变化和信息传播幅度范围等传播规律这样几方面。以上文献均是在SIR模型的基础上，或是重新考虑了节点特征和不同的免疫方式，或是改进了感染及免疫概率的计算方式，但并没有将营销活动中的信息传播看作是一个受多种因素影响的复杂系统，没有从复杂系统的角度去考虑影响因素和节点状态转换概率的联系，进而构造一个更为贴合实际社会化营销信息传播的模型。企业社会化营销处于复杂的社会关系网络背景之下，企业与用户构成的社会化关系网络中节点状态复杂，并且信息传播过程受到多种外界因素的影响，为了研究企业社会化营销中的信息传播机理，需结合社会化营销的特点添加节点状态，并充分考虑信息传播的影响因素。
本文以微博中的企业社会化营销作为研究对象，基于信息传播影响因素的文献分析，结合企业社会化营销信息传播的特点，合理考虑到企业权威度、广告覆盖率、企业影响力以及外界评价四个影响因素，在经典SIR模型的基础上，重新划分了用户类型、添加并定义了用户状态，并提出一种新的企业社会化营销LSOIR模型，通过仿真实验组来研究企业社会化营销信息传播机理，探讨企业权威度、广告覆盖率、企业影响力以及外界评价对信息传播过程的影响，最后结合仿真结果为企业社会化营销活动提出策略建议。
2信息传播模型构建
2.1微博中的企业社会化营销信息互动模式
新浪微博是我国规模最大的社会化平台之一。其庞大的用户群体和多元化的平台功能吸引了众多企业在微博中开展社会化营销活动。微博中，用户都拥有“关注者”和“被关注者”两种身份，用户可以选择关注别人，也可以被别人关注，关注了一个用户，就能获知该用户发布的微博信息。企业社会化营销的目标是提升企业知名度，增长客户数量以及巩固客户忠诚度。微博中的企业社会化营销活动，就是企业账号通过发起具有一定吸引力营销活动，让营销信息在不同用户之间广泛传播，从而使用户了解并关注企业账号，成为企业粉丝，通过这样一个过程，企业提升了知名度，增加了客户数量，即达到了企业社会化营销的目的。
在微博中，企业进行社会化营销信息发布和扩散的方式有三种。一是企业自身通过微博平台账号发布相关营销信息，让已经关注了企业账号的用户第一时间收到营销信息。二是会与“代言账号”进行合作，这些代言账号通常是明星或者是自媒体账号，在微博平台和社会中拥有较多粉丝，具有一定影响力，让其帮助营销信息的扩散，从而让更多的用户知晓营销信息，并去关注企业，成为企业的粉丝。三是企业将营销信息放在微博热搜榜的推荐位上，让更多用户知晓营销信息，微博热搜榜涵盖了近期的时事、新闻热点，是微博平台的重要功能，并面向全体微博用户开放，企业通过微博热搜榜发布营销信息，可以达到信息被广泛知晓和传播的效果。
因为微博的关注机制，信息传播的过程中存在着“邻近者先知”的特点，即企业本身和企业代言发布的营销信息，先会被关注了他们的人接收到，再由知晓了信息的人进行信息传播，即转发，让没有关注企业的人接收到营销信息。企业社会化营销背景下的微博信息互动模式如下图l所示。
根据上图所示的关注关系，将用户分为以下四类：
1）关注了企业的用户A，该类用户第一时间获知由企业传播的营销信息;
2）关注企业代言的用户B，该类用户也能较快的获知由企业代言传播的营销信息; 3）没有关注企业和企业代言的用户C，在网络中与企业和广告商距离较近，能够获知由A或B类用户传播的营销信息;
4）没有关注企业和企业代言用户D，在网络中与企业和广告商距离较远，通过微博热搜榜获知营销信息。
2.2网络用户状态分类
经典SIR模型中，s、I、R三类状态在信息传播问题中分别代表的含义是未知状态、感染状态、免疫状态，分别表示对信息的未知、传播和停止传播。在微博平台中，企业社会化营销表现为：多渠道发布具有一定吸引力的营销活动信息，让尽可能多的用户关注企业账号，去参与活动和转发信息，从而达到企业社会化营销提升企业知名度，增长粉丝量的目的。所以在整个营销活动进行期间，用户状态经历了未知一已知—传播—停止传播的变化。
基于以上分析，本文结合2.1节中的用户分类和其对应的信息获知与传播状况，在经典SIR模型的基础上增加用户状态，并重新定义各状态含义。
1）L（Long-range）：有小机率知晓信息的人。
2）s（Susceptible）：有大机率知晓信息的人;
3）O（Observe）：知晓但还未传播信息的人;
4）I（Infected）：知晓并且传播信息的人;
5）R（Recovered）：停止传播信息的人;
四类状态转换过程如下图所示：
2.3转换概率的定义和取值
关于信息传播的影响因素，众学者通过实证等各种方法进行过许多深入研究，也有了众多研究成果，限于篇幅和研究重点，本文对此不作深入研究，只基于以往的研究基础，结合企业社会化营销的特点，归纳出企业社会化营销过程中信息传播的影响因素，并结合实际建立各因素与转换概率之间的联系。
社会网络中信息源的传播范围对传播过程有重要影响。在企业社会化营销中，营销初期信息发布范围的广度能够决定潜在传播信息的人数，并影响到企业社会化营销的最终效果。结合微博平台中企业发布信息的方式，企业合作代言人的影响力，以及企业将营销信息发布于微博热搜榜的位置，都对信息传播和营销效果起着重要的影响。本文将对应的两个影响因素分别称为广告覆盖率和企业权威度。
知晓信息后，是否传播信息取決于用户的传播意愿，决定用户传播意愿的有外界评论㈣、用户本身的想法等等，这里只关注外在因素，因此将是否传播信息的影响因素定为外界评价。
企业数量众多，大小不一，实力不同，社会影响力也不一样，用户有可能基于企业产品的品牌效应直接进行信息传播，本文将对应的影响因素称为企业影响力。
假设微博平台中用户只会对信息进行一次转发，即用户传播完信息后就对信息免疫，不再重复传播。
综上，信息传播过程中转换概率分为感染概率、传播概率和免疫概率三类。
1）感染概率p5：不易感节点L通过读取企业公开发布信息，即浏览微博热搜榜而获知企业营销信息，并以p5的概率转变为知晓信息的节点o。p5和广告覆盖率有关。
2）感染概率p3：易感节点S可通过其关注的用户转发到首页的营销信息而知晓营销信息，即I节点以p3的概率感染s，使其转变为0节点。p3与企业权威度有关。
3）传播概率p1：处于观望态的节点0再参考外界评论，影响自身传播意愿，转发营销信息，即I节点以p1的概率感染0，使其转变为I节点。p1和外界评价度有关。
4）传播概率p2和p4：用户基于品牌效应，不受到外界评论的影响，直接传播营销信息，从L和s节点分别以p4和p2的概率转变为I节点。p2和p4与企业影响力有关。
5）免疫概率p6：用户随时间增长而对营销信息失去兴趣，从而停止对营销信息的传播，即从I节点以p6的概率转变为R节点。因本文设定信息不再被重复传播，所以p6=1。
3仿真实验及分析
仿真情境：有一个正处于发展时期的中小型企业，意图通过微博平台上的社会化营销来增长粉丝量，提升知名度。该企业在营销活动开始之前粉丝量较少，平台中大多数用户在网络关系上与其距离较远。根据以上描述设定不同状态人数密度
整个信息传播过程四类用户密度随时间的变化情况如下图3所示。可以看到，在企业社会化营销信息传播过程中，L和S类人数密度逐渐减少，0类和I类人数密度起初先有一个增加的过程，后来逐渐减少，而R类人数密度随着时间的推移一直在增加，最终收敛到一个稳定值。
3.1感染概率对传播过程的影响
在其他初始值条件不变、其他概率取中值的情况下，感染概率p3和p5依次取不同的值，图4分别给出了p3和p5取不同值时节点L、S、O、I的密度随时间变化的曲线。本文从传播模型和现实意义两个角度进行结果分析。
1）传播模型的角度：在信息传播过程到达一个稳定的状态之前，p3对L几乎没影响，对S有影响;p5对L有影响，对S几乎没影响;p3和p5对0、I有一定的影响，且p5比p3对0、I的影响更大，0和I的密度峰值随着p3和p5的增大而增大。
2）现实意义的角度：和p3、p5有关的企业权威度、广告覆盖率在企业社会化营销过程中起着不同的作用。从a-d图来看，对于未知营销信息、且在社会网络中与企业距离较远的用户来说，广告覆盖率比企业权威度更能让他们接触到营销信息，而对于与企业距离较近的用户则相反;从e-h图来看，企业权威度和广澳覆盖率越高，曲线峰值越大，对应的信息传播速度也更快，知晓信息的人和传播信息的人越多。广告覆盖率的影响大于企业权威度的影响。
3.2传播概率对传播过程的影响
在其他初始值条件不变、其他概率取中值的情况下，传播概率p1、p2和p4依次取不同的值，图5分别给出了p1、p2和p4取不同值时不同节点密度随时间变化的曲线。 1）传播模型的角度：p1、p2和p4对L和s两类用户没有太大影响;p1、p2和p4对0和I都有一定的影响，且影响程度pl
关键词：社会化营销;信息传播;传染病模型;复杂系统;仿真
中图分类号：TP319.9 文献标识码：A
文章编号：1009-3044（2020）14-0028-07
1引言
随着网络社群人数急速增加，国内外社交媒体不断推陈出新，其中以微博、Twitter等社交媒体平台用户人数最多。据中商情报网统计数据显示，截至2018上半年中国微博用户规模为3.37亿人，在整体网民数量中微博用户数比例达到42.1%，成为国内用户数量最高的社会化媒体，当代社会化媒体呈现出蓬勃的发展趋势。社会化媒体具有良好的社会性和互动性，能够极大地提高信息传播的广度和深度，这些特点结合数量繁多的使用人群为企业打开了一个新的营销市场，为企业的产品和服务提供了实时的展示、沟通和服务平台嘲，能够让企业充分利用社会网络所带来的优势进而展开各种营销活动。根据微博提供的微数据显示，截至2018年8月，微博企业账号达到140万，覆盖行业超过60个，基于社交网络和多元内容的社交媒体平台受到越来越多企业的关注，社会化媒体营销成为企业的主要营销方式之一。
企业社会化营销不同于传统的线下及网络营销，它更强调与用户的互动，期望借助社会化媒体平台使用户成为营销活动的主动策划者、参与者。整个社会化营销是借助于社会网络中信息的传播和共享来实现的，一系列营销活动的本质就是信息传播。因此，研究企业社会化营销中的信息传播机理对于企业把握消费者行为、制定品牌营销策略等工作具有重要意义。
传染病学被广泛应用于复杂系统信息传播机理的相关研究中。传染病动力学模型包括了SI、SIS、SIR，其中最为经典的模型是SIR。该模型将一个群体中的个体状态分为了易感个体（Susceptible）、感染个体（Infeeted）和免疫个体（Recovered）這三类个体来代表信息传播中不同状态的个体，通常研究社会网络下的信息、谣言等传播过程及机理。另外，传染病学在营销领域的信息传播方面也应用得较为普遍，主要研究集中在病毒营销有效性预测模型、社会网络中营销信息的传播和渗透、社交媒体营销传播机理、信息源随时间的变化和信息传播幅度范围等传播规律这样几方面。以上文献均是在SIR模型的基础上，或是重新考虑了节点特征和不同的免疫方式，或是改进了感染及免疫概率的计算方式，但并没有将营销活动中的信息传播看作是一个受多种因素影响的复杂系统，没有从复杂系统的角度去考虑影响因素和节点状态转换概率的联系，进而构造一个更为贴合实际社会化营销信息传播的模型。企业社会化营销处于复杂的社会关系网络背景之下，企业与用户构成的社会化关系网络中节点状态复杂，并且信息传播过程受到多种外界因素的影响，为了研究企业社会化营销中的信息传播机理，需结合社会化营销的特点添加节点状态，并充分考虑信息传播的影响因素。
本文以微博中的企业社会化营销作为研究对象，基于信息传播影响因素的文献分析，结合企业社会化营销信息传播的特点，合理考虑到企业权威度、广告覆盖率、企业影响力以及外界评价四个影响因素，在经典SIR模型的基础上，重新划分了用户类型、添加并定义了用户状态，并提出一种新的企业社会化营销LSOIR模型，通过仿真实验组来研究企业社会化营销信息传播机理，探讨企业权威度、广告覆盖率、企业影响力以及外界评价对信息传播过程的影响，最后结合仿真结果为企业社会化营销活动提出策略建议。
2信息传播模型构建
2.1微博中的企业社会化营销信息互动模式
新浪微博是我国规模最大的社会化平台之一。其庞大的用户群体和多元化的平台功能吸引了众多企业在微博中开展社会化营销活动。微博中，用户都拥有“关注者”和“被关注者”两种身份，用户可以选择关注别人，也可以被别人关注，关注了一个用户，就能获知该用户发布的微博信息。企业社会化营销的目标是提升企业知名度，增长客户数量以及巩固客户忠诚度。微博中的企业社会化营销活动，就是企业账号通过发起具有一定吸引力营销活动，让营销信息在不同用户之间广泛传播，从而使用户了解并关注企业账号，成为企业粉丝，通过这样一个过程，企业提升了知名度，增加了客户数量，即达到了企业社会化营销的目的。
在微博中，企业进行社会化营销信息发布和扩散的方式有三种。一是企业自身通过微博平台账号发布相关营销信息，让已经关注了企业账号的用户第一时间收到营销信息。二是会与“代言账号”进行合作，这些代言账号通常是明星或者是自媒体账号，在微博平台和社会中拥有较多粉丝，具有一定影响力，让其帮助营销信息的扩散，从而让更多的用户知晓营销信息，并去关注企业，成为企业的粉丝。三是企业将营销信息放在微博热搜榜的推荐位上，让更多用户知晓营销信息，微博热搜榜涵盖了近期的时事、新闻热点，是微博平台的重要功能，并面向全体微博用户开放，企业通过微博热搜榜发布营销信息，可以达到信息被广泛知晓和传播的效果。
因为微博的关注机制，信息传播的过程中存在着“邻近者先知”的特点，即企业本身和企业代言发布的营销信息，先会被关注了他们的人接收到，再由知晓了信息的人进行信息传播，即转发，让没有关注企业的人接收到营销信息。企业社会化营销背景下的微博信息互动模式如下图l所示。
根据上图所示的关注关系，将用户分为以下四类：
1）关注了企业的用户A，该类用户第一时间获知由企业传播的营销信息;
2）关注企业代言的用户B，该类用户也能较快的获知由企业代言传播的营销信息; 3）没有关注企业和企业代言的用户C，在网络中与企业和广告商距离较近，能够获知由A或B类用户传播的营销信息;
4）没有关注企业和企业代言用户D，在网络中与企业和广告商距离较远，通过微博热搜榜获知营销信息。
2.2网络用户状态分类
经典SIR模型中，s、I、R三类状态在信息传播问题中分别代表的含义是未知状态、感染状态、免疫状态，分别表示对信息的未知、传播和停止传播。在微博平台中，企业社会化营销表现为：多渠道发布具有一定吸引力的营销活动信息，让尽可能多的用户关注企业账号，去参与活动和转发信息，从而达到企业社会化营销提升企业知名度，增长粉丝量的目的。所以在整个营销活动进行期间，用户状态经历了未知一已知—传播—停止传播的变化。
基于以上分析，本文结合2.1节中的用户分类和其对应的信息获知与传播状况，在经典SIR模型的基础上增加用户状态，并重新定义各状态含义。
1）L（Long-range）：有小机率知晓信息的人。
2）s（Susceptible）：有大机率知晓信息的人;
3）O（Observe）：知晓但还未传播信息的人;
4）I（Infected）：知晓并且传播信息的人;
5）R（Recovered）：停止传播信息的人;
四类状态转换过程如下图所示：
2.3转换概率的定义和取值
关于信息传播的影响因素，众学者通过实证等各种方法进行过许多深入研究，也有了众多研究成果，限于篇幅和研究重点，本文对此不作深入研究，只基于以往的研究基础，结合企业社会化营销的特点，归纳出企业社会化营销过程中信息传播的影响因素，并结合实际建立各因素与转换概率之间的联系。
社会网络中信息源的传播范围对传播过程有重要影响。在企业社会化营销中，营销初期信息发布范围的广度能够决定潜在传播信息的人数，并影响到企业社会化营销的最终效果。结合微博平台中企业发布信息的方式，企业合作代言人的影响力，以及企业将营销信息发布于微博热搜榜的位置，都对信息传播和营销效果起着重要的影响。本文将对应的两个影响因素分别称为广告覆盖率和企业权威度。
知晓信息后，是否传播信息取決于用户的传播意愿，决定用户传播意愿的有外界评论㈣、用户本身的想法等等，这里只关注外在因素，因此将是否传播信息的影响因素定为外界评价。
企业数量众多，大小不一，实力不同，社会影响力也不一样，用户有可能基于企业产品的品牌效应直接进行信息传播，本文将对应的影响因素称为企业影响力。
假设微博平台中用户只会对信息进行一次转发，即用户传播完信息后就对信息免疫，不再重复传播。
综上，信息传播过程中转换概率分为感染概率、传播概率和免疫概率三类。
1）感染概率p5：不易感节点L通过读取企业公开发布信息，即浏览微博热搜榜而获知企业营销信息，并以p5的概率转变为知晓信息的节点o。p5和广告覆盖率有关。
2）感染概率p3：易感节点S可通过其关注的用户转发到首页的营销信息而知晓营销信息，即I节点以p3的概率感染s，使其转变为0节点。p3与企业权威度有关。
3）传播概率p1：处于观望态的节点0再参考外界评论，影响自身传播意愿，转发营销信息，即I节点以p1的概率感染0，使其转变为I节点。p1和外界评价度有关。
4）传播概率p2和p4：用户基于品牌效应，不受到外界评论的影响，直接传播营销信息，从L和s节点分别以p4和p2的概率转变为I节点。p2和p4与企业影响力有关。
5）免疫概率p6：用户随时间增长而对营销信息失去兴趣，从而停止对营销信息的传播，即从I节点以p6的概率转变为R节点。因本文设定信息不再被重复传播，所以p6=1。
3仿真实验及分析
仿真情境：有一个正处于发展时期的中小型企业，意图通过微博平台上的社会化营销来增长粉丝量，提升知名度。该企业在营销活动开始之前粉丝量较少，平台中大多数用户在网络关系上与其距离较远。根据以上描述设定不同状态人数密度
整个信息传播过程四类用户密度随时间的变化情况如下图3所示。可以看到，在企业社会化营销信息传播过程中，L和S类人数密度逐渐减少，0类和I类人数密度起初先有一个增加的过程，后来逐渐减少，而R类人数密度随着时间的推移一直在增加，最终收敛到一个稳定值。
3.1感染概率对传播过程的影响
在其他初始值条件不变、其他概率取中值的情况下，感染概率p3和p5依次取不同的值，图4分别给出了p3和p5取不同值时节点L、S、O、I的密度随时间变化的曲线。本文从传播模型和现实意义两个角度进行结果分析。
1）传播模型的角度：在信息传播过程到达一个稳定的状态之前，p3对L几乎没影响，对S有影响;p5对L有影响，对S几乎没影响;p3和p5对0、I有一定的影响，且p5比p3对0、I的影响更大，0和I的密度峰值随着p3和p5的增大而增大。
2）现实意义的角度：和p3、p5有关的企业权威度、广告覆盖率在企业社会化营销过程中起着不同的作用。从a-d图来看，对于未知营销信息、且在社会网络中与企业距离较远的用户来说，广告覆盖率比企业权威度更能让他们接触到营销信息，而对于与企业距离较近的用户则相反;从e-h图来看，企业权威度和广澳覆盖率越高，曲线峰值越大，对应的信息传播速度也更快，知晓信息的人和传播信息的人越多。广告覆盖率的影响大于企业权威度的影响。
3.2传播概率对传播过程的影响
在其他初始值条件不变、其他概率取中值的情况下，传播概率p1、p2和p4依次取不同的值，图5分别给出了p1、p2和p4取不同值时不同节点密度随时间变化的曲线。 1）传播模型的角度：p1、p2和p4对L和s两类用户没有太大影响;p1、p2和p4对0和I都有一定的影响，且影响程度pl