×
肖恩德拉·希尔;福斯特教务长;克里斯·沃林斯基

基于网络的营销：通过消费者网络确定可能的采用者。 （英语） Zbl 1426.62374号

统计科学。 21，第2期，256-276（2006）.
摘要：网络营销是指利用消费者之间的联系来增加销售额的营销技巧的集合。我们专注于使用消费者之间的直接交互（例如通信）形成的消费者网络。我们调查了有关此类营销的各种文献，重点是使用的统计方法以及这些方法所应用的数据。我们还讨论了这一新兴研究课题的挑战和机遇。我们的调查突出了文献中的一个缺口。由于数据不足，先前的研究无法为网络链接可以直接影响产品/服务采用的假设提供直接的统计支持。使用一个代表采用新电信服务的新数据集，我们对这一假设表示了非常有力的支持。具体来说，我们展示了三个主要结果：（1）“网络邻居”（Network neighbors）——与之前的客户相关联的消费者——采用该服务的速度是公司营销团队最佳实践选择的基准组的3-5倍。此外，通过分析网络，该公司可以获得新客户，否则这些客户将无法通过传统属性进行识别。（2） 使用大量地理、人口统计和先前购买数据构建的统计模型通过包含网络信息而得到了显著改进。（3） 更详细的网络信息允许对网络邻居进行排名，从而允许选择具有很高采纳概率的小组个人。

引用于19文件

MSC公司：

62第20页 统计学在经济学中的应用
91B42型 消费者行为、需求理论

关键词：

病毒式营销;口头传述的;目标营销;网络分析;分类;统计关系学习

软件：

网络工具包
PDF格式BibTeX公司 XML格式引用
\textit{S.Hill}等人，《统计科学》。21，第2号，256--276（2006；Zbl 1426.62374）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Adomavicius，G.和Tuzhilin，A.（2005）。面向下一代推荐系统：对最新技术和可能扩展的调查。IEEE传输。知识与数据工程17 734–749。
[2] Agarwal，D.和Pregibon，D.（2004）。使用贝叶斯随机块模型增强感兴趣的社区。程序中。第四届SIAM数据挖掘国际会议。费城SIAM。
[3] Bass，F.M.（1969年）。模型耐用消费品的新产品增长。管理科学。15 215–227. ·Zbl 1231.91323号 ·doi:10.1287/mnsc.15.5215
[4] Blau，P.M.（1977年）。不平等和异质性：社会结构的原始理论。纽约自由新闻社。
[5] Bowman，D.和Narayandas，D.（2001年）。管理客户与制造商的联系：对类别要求份额和口碑行为的影响。《市场营销研究杂志》38 281–297。
[6] Brin，S.和Page，L.（1998年）。对大型超文本Web搜索引擎的剖析。计算机网络和ISDN系统30 107–117。
[7] Case，A.C.（1991）。家庭需求的空间格局。《计量经济学》59 953–965。
[8] Chan，E.和Stolfo，S.（1998年）。面向非均匀类和成本分布的可扩展学习：信用卡欺诈检测案例研究。程序中。第四届知识发现和数据挖掘国际会议164–168。加利福尼亚州门罗公园AAAI出版社。
[9] Clearwater，S.H.和Stern，E.G.（1991年）。高能物理事件分类中的规则学习程序。计算机物理通信67 159–182·Zbl 0900.68349号 ·doi:10.1016/0010-4655（91）90014-C
[10] Dellarocas，C.（2003年）。口碑数字化：在线反馈机制的前景和挑战。管理科学。49 1407–1424.
[11] Domingos，P.和Richardson，M.（2001年）。挖掘客户的网络价值。程序中。第七届ACM SIGKDD知识发现和数据挖掘国际会议57-66。纽约ACM出版社。
[12] DuMouchel，W.、Volinsky，C.、Johnson，T.、Cortes，C.和Pregibon，D.（1999）。压扁扁平锉刀更平整。程序中。第五届ACM SIGKDD知识发现和数据挖掘国际会议6–15。纽约ACM出版社。
[13] Fichman，R.G.（2004）。超越信息技术创新研究的主导范式：新兴概念和方法。信息系统协会期刊5 314–355。
[14] Fildes，R.（2003）。《新产品扩散模型综述》，V.Mahajan、E.Muller和Y.Wind编辑，国际。J.预测19 327–328。
[15] Frenzen，J.和Nakamoto，K.（1993年）。市场信息的结构、合作和流动。J.消费者研究20 360–375。
[16] Getoor，L.（2005）。统计关系学习教程。第15届国际归纳逻辑编程会议。计算机课堂讲稿。科学。3625 415. 柏林施普林格。
[17] Getoor，L.、Friedman，N.、Koller，D.和Pfeffer，A.（2001）。学习概率关系模型。关系数据挖掘（S.Díeroski和N.Lavrać，eds.）307–338。柏林施普林格。
[18] Getoor，L.、Friedman，N.、Koller，D.和Taskar，B.（2003年）。学习链路结构的概率模型。J.马赫。学习。第3 679–707号决议·Zbl 1112.68441号 ·doi:10.1162/jmlr.2003.3.4-5.679
[19] Getoor，L.和Sahami，M.（1999）。使用概率关系模型进行协同过滤。WEBKD 1999，加利福尼亚州圣地亚哥。
[20] Gladwell，M.（1997）。酷寻。《纽约客》，78-88年3月17日。
[21] Gladwell，M.（2002）。小贴士：小事一桩能产生巨大的影响。波士顿后湾图书公司。
[22] Hightower，R.、Brady，M.K.和Baker，T.L.（2002）。调查物理环境在享乐服务消费中的作用：对体育赛事的探索性研究。《商业研究杂志》55 697–707。
[23] Hoff，P.D.、Raftery，A.E.和Handcock，M.S.（2002年）。社会网络分析的潜在空间方法。J.Amer。统计师。协会97 1090–1098。JSTOR公司：·Zbl 1041.62098号 ·doi:10.1198/016214502388618906
[24] Huang，Z.、Chung，W.和Chen，H.C.（2004）。电子商务推荐系统的图模型。J.Amer。Soc.信息科学与技术55 259–274。
[25] Japkowicz，N.和Stephen，S.（2002年）。阶级失衡问题：一项系统研究。智能数据分析6 429–449·Zbl 1085.68628号
[26] Joshi，M.、Kumar，V.和Agarwal，R.（2001）。评估boosting算法以分类稀有类：比较和改进。程序中。IEEE国际数据挖掘会议257–264。新泽西州皮斯卡塔韦IEEE出版社。
[27] Kautz，H.、Selman，B.和Shah，M.（1997年）。推荐网站：结合社交网络和协作过滤。通信ACM 40（3）63–65。
[28] Kleinberg，J.（1999）。超链接环境中的权威源。美国医学会期刊46 604-632·Zbl 1065.68660号 ·doi:10.1145/324133.324140
[29] Kumar，V.和Krishnan，T.V.（2002年）。跨国扩散模型：替代框架。营销科学。21 318–330.
[30] Liben-Nowell，D.和Kleinberg，J.（2003）。社交网络的链接预测问题。程序中。第十二届信息和知识管理国际会议556–559。纽约ACM出版社。
[31] Linden，G.、Smith，B.和York，J.（2003年）。Amazon.com推荐——逐项协作过滤。IEEE Internet Computing 7 76–80。
[32] Macskassy，S.和Provost，F.（2004）。网络数据分类：工具包和单变量案例研究。CeDER工作文件#CeDER-04-08，纽约大学斯特恩商学院。
[33] Mahajan，V.、Muller，E.和Kerin，R.（1984年）。积极和消极口碑的新产品引进策略。管理科学。30 1389–1404. ·Zbl 0547.90061号 ·doi:10.1287/mnsc.30.12.1389
[34] McCullagh，P.和Nelder，J.A.（1983年）。广义线性模型。查普曼和霍尔，纽约·Zbl 0588.62104号
[35] McPherson，M.、Smith-Lovin，L.和Cook，J.（2001）。物以类聚：社交网络中的同性恋。《社会学年鉴》27 415–444。
[36] Mease，D.、Wyner，A.和Buja，A.（2006年）。增强分类树和类概率/分位数估计。J.马赫。学习。研究·Zbl 1222.68261号
[37] Montgomery，A.L.（2001）。将定量营销技术应用于互联网。接口31（2）90–108。
[38] Newton，J.和Greiner，R.（2004）。协同过滤的层次概率关系模型。统计关系学习研讨会，第21届机器学习国际会议。加拿大阿尔伯塔省班夫。
[39] Paumgarten，N.（2003年）。1号风机部门承认。《纽约客》5月5日。
[40] Perlich，C.和Provost，F.（2006年）。基于分布的聚合，用于带有标识符属性的关系学习。机器学习62 65–105。
[41] Poole，D.（2004）。估计电话世界的规模。贝叶斯标记重捕获方法。程序中。第十届ACM SIGKDD知识发现和数据挖掘国际会议659–664。纽约ACM出版社。
[42] Richardson，M.和Domingos，P.（2002年）。挖掘知识共享网站进行病毒式营销。程序中。第八届ACM SIGKDD知识发现和数据挖掘国际会议61-70。ACM出版社，纽约。
[43] Rogers，E.M.（2003）。《创新扩散》，第五版，纽约自由出版社。
[44] Rosenbaum，P.R.和Rubin，D.B.（1984年）。使用倾向得分的子分类减少观察性研究中的偏见。J.Amer。统计师。协会79 516–524。
[45] Tout，K.、Evans，D.J.和Yakan，A.（2005年）。协同过滤：预测分析中的特例。国际。J.计算机数学82 1–11·Zbl 1062.68517号 ·网址：10.1080/00207160412331290702
[46] Ueda，T.（1990）。考虑企业间竞争的Bass竞争模型研究。J.日本运筹学学会33 319–334·Zbl 0727.90013号
[47] Van den Bulte，C.和Lilien，G.L.（2001）。重温医疗创新：社会传染与营销努力。美国社会学杂志106 1409–1435。
[48] Walker，R.（2004）。隐藏的（显而易见的）说服者。《纽约时报》杂志，196-75年12月5日。
[49] Weiss，G.和Provost，F.（2003）。训练数据昂贵时的学习：类别分布对树归纳的影响。《人工智能研究杂志》19 315–354·Zbl 1046.68094号
[50] Weiss，G.M.（2004年）。《稀有采矿：统一框架》，ACM SIGKDD探索新闻稿6 7–19。
[51] Yang，S.和Allenby，G.M.（2003）。建立相互依赖的消费者偏好模型。《市场营销研究》40 282–294。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。