那日萨; 崔雪莲
【期刊名称】《《系统工程学报》》
【年(卷),期】2019(034)003
【总页数】11页(P324-334)
中华精英联盟【关键词】在线口碑; SIR模型; 情感传播; 仿真实验
【作 者】那日萨; 崔雪莲
【作者单位】大连理工大学系统工程研究所 辽宁 大连 116023; 山东科技大学经济与管理学院 山东 青岛 266590
【正文语种】中 文
【中图分类】G206.3TP391.9
1 引 言
中国药理学通报情感信息对于口碑传播的策略制定有重要价值.近年来,社交媒体技术快速发展,越来越多的消费者选择在社交网络上分享消费体验,这使得口碑中的情感信息的传播与交流空间空前活跃[1,2].研究口碑情感信息的传播规律,有助于企业随时监控消费者对产品的情感态度,对企业及时制定有效策略、引导口碑情感传播方向具有重要意义. 在线口碑具有明显的情感倾向,表达消费者对产品或服务的态度[3-5].Mudambi 等[6] 指出,在线评论的情感因素可以有效提升其传播速度,含有情感的比不含的传播更快,因而,更多的消费者会获得包含情感的口碑,并受其影响.Hornik 等[7]研究了在线口碑中的消极偏倚现象,发现消费者口碑传播的消极倾向很大.依据动态社会影响理论,其实验结果表明, 相比于积极的消息,负面消息的传播范围更广, 传播时间更长, 而且传播方式更加细致,更具同化性.蔡淑琴等[8]从信息传播特征的视角, 基于SIR 模型(susceptible infected recovered model),以多智能体建模方法研究了网络中负面口碑传播过程,发现负面口碑的信息价值能有效促进其传播.并在文献[9]中构建了考虑企业响应的负面口碑传播模型,分析了企业价值共创策略对负面口碑传播的影响.
正、负面口碑的传播实际上也是消费者对产品的情感态度的传播.目前, 社交网络上的情感传播研究主要从两方面展开：其一是实证研究.Coviello 等[10] 通过对Facebook上数百万用户的实证数据研究表明,用户的情感可以通过社交网络传播,在线社交网络可能会放大全球情感同步的强度.Bae 等[11]基于Twitter用户的三百万条推文数据,研究了具有影响力的用户对普通用户的情感影响,发现普通用户积极或消极的情感变化与影响力用户的现实情感有关.Garcia 等[12]实证测试了207 名参与者参与在线讨论中情绪状态变化,验证了在线集体情绪模型的微观动力学.Bollen 等[13]通过追踪Twitter 用户6 个月个人推文记录,发现他们倾向于和具有相似幸福感程度的用户连接,验证了社会网络的同质性,有助于理解和分析用户一般情感在社交网络上的传播规律.其二是情感传播理论和模型研究.Rao 等[14]基于统计学理论,提出一种称为MoodCast 的动态连续因子图模型,预测社会网络中的情感动态,并分别在移动社交网络和在线虚拟社区网络上检验了方法有效性.Lee 等[15]基于心理学理论,构建了研究多领域集体情感动态变化的布朗Agent仿真模型,确定了集体情感极端化情景特征.Xiong 等[16] 提出一种情感独立级联模型,引入传递性以测量社交网络中传播情绪相对个体能力,实验发现该模型能够反映异构社交媒体情感传染的现实情况.
现有的关于社交网络上情感传播的研究多集中于个体一般情感的传播,如用户的心情、幸福
感等,针对商业产品的在线口碑中的情感信息传播问题的研究不足.消费者行为研究表明,大多数消费者在购买产品时,会主动搜索以及浏览网上的现有评论,并作为购买决策的依据[17-19].因此,区别于一般的情感,消费者口碑中的情感,不仅仅受相邻节点情感的影响,还受社会网络中整体情感的影响.例如,Lee 等[20]在研究消费者评分受现有评分影响作用中,区分朋友和陌生人对消费者评分的影响,发现朋友的评分会引起集效应,而社交网络的存在会降低该效应.现有的关于口碑情感演化分析方法多从文本挖掘角度出发,通过情感计算方法,得到并预测消费者情感倾向.例如,卜湛等[21]将评论情感计算方法和博弈论理论相结合,提出一种用户交互评论过程中的情感演化预测算法.然而,这些研究忽视了口碑传播过程中社交网络的作用,局限于少部分用户之间的交互,并不能从全局把握网络消费者口碑的情感状态.另外,区别于一般情感,企业会积极干预在线口碑情感的传播,希望促使消费者正面情感的传播并抑制负面情感的传播.这些因素增加了在线口碑情感传播过程不确定性,其传播规律有待发现.
针对社交网络商品在线口碑情感信息传播问题,本文结合心理学上的情绪感染理论以及复杂网络传播动力学理论,考虑企业干预包括企业采取措施时间以及资源投入量这一因素,基于SIR 传染病模型,研究社交网络上口碑信息及其情感的传播过程,构建在线口碑情感传播模型,模型中引入消费者全局感知因子,用以描述消费者情感受全局网络的影响程度.采用仿真
模拟方法,揭示在线口碑情感信息的传播机理及内在规律,并研究了企业采取措施的时间以及资源投入量对口碑情感传播的影响,为企业制定应对策略提供理论支持.dsj
2 在线口碑正负情感传播模型
在线口碑的传播中伴随着消费者情感传播.当社交网络中的潜在消费者接收到口碑信息时,其不仅仅获得了相关产品客观评价信息,同时也感知到传递者所表达的对产品的主观情感态度.由情绪传染理论,接收口碑的消费者对产品的情感会受到传递者情感的影响,因此消费者情感随着口碑信息的传播而传播.以新浪微博为例,以用户为节点,关注与被关注关系构成一个社交网络.用户a 打开微博,浏览到一条来自于用户b 企业官微的关于“三星note8 新产品发布”的微博,该微博以溢美之词向消费者推荐该产品,这即是用户a 接收到用户b 传播的口碑信息,直接接收到的口碑情感为正向,而此时若用户a 能感知到除用户b 之外的消费者对该产品的口碑信息,如通过浏览微博评论等途径,那么用户a 在转发或评论该微博时其情感可能会发生改变.即一条由用户b 传播的正面口碑,用户a 接收后,有一定概率会演变为一条负面口碑.这说明口碑传播了,即用户a 成为新增加的传播者,但正面情感并不一定成功传播,即用户a 可能成为负面口碑传播者.
2.1 网络模型
本文研究的是社交网络上消费者口碑情感信息的传播过程,首先对仿真网络模型简单介绍.假设网络中有N 个节点,每个节点代表一个消费者,两个节点之间有连边,则认为对应的两个消费者之间是朋友关系.通常,如果两个节点之间有连边,则称为强关系,否则,则为弱关系.
网络中所有节点分为三类状态：
1)不满足节点：未接收到口碑信息的消费者,简称为US 节点;
2)满足节点：通过好友传播或者主动搜索,已接收到口碑信息,而且有再传播意愿的消费者,简称为S节点;
3) 移除节点：曾经接收过口碑信息, 但由于失去兴趣或者传播动机消失, 不再传播的消费者, 简称为D 节点.
显然,每个时刻,一个节点仅能处于一种状态.
如前文所述,消费者的在线口碑中蕴含有情感信息,表达对产品的满意度.因而,对于每一个曾
经接收过口碑信息的消费者k,k =1,2,...,N,用变量ζk 表示其情感值,并假设ζk ∈[-1,1],若ζk ＞0 则表示其口碑情感为正面的,反之,若ζk ＜0 则表示为负面的.|ζk|表示口碑情感的强度,|ζk|值越大,表示正面或负面的情感越强烈.US 节点由于尚未接收到口碑信息,因此尚未形成口碑情感,在模型中默认US 节点的情感值为0.
规划成果
初始设置中,随机选择S0 个节点作为S 节点,代表初始时刻已经发布或转发口碑信息的消费者.其它节点为处于未接收口碑信息状态的US 节点.同时,假设网络结构是静态的,即认为节点数目和连边情况不发生变化.
2.2 基本传播模型
口碑可以帮助消费者规避风险,从口碑传播的动机来看,消费者不仅仅是被动地接收口碑,还会主动搜索产品口碑信息,因此,与一般信息传播过程不同,在线口碑传播对强关系并不具有依赖性,往往会通过弱关系发生.本文假设网络中任何两个节点之间都有可能发生口碑传播行为,而且假设这个概率服从负指数分布.负指数分布常用于描述网络节点之间的相遇情况,认为任意两个节点连续相遇之间的时间间隔服从负指数分布.这里,借鉴节点相遇规律,来表示口碑在弱关系中的传播规律.
鸡链球菌病
首先,构建口碑信息的传播模型.消费者接收口碑、传播口碑以及退出传播过程与疾病传播有类似之处,消费者的状态随信息传播过程而改变,可以用SIR 模型描述[8],具体如下：
US→S：US 节点以概率PS 从S 节点接收到口碑信息,转变为S 点.
S→D：S 节点可能会因为对口碑信息失去兴趣而不愿再继续传播,此时该节点以概率PD 变为D 节点.
当消费者处于移除状态D 之后,其对该产品已经失去兴趣,退出口碑传播过程,由于社交网络口碑信息的快速更新性,一旦消费者退出口碑传播过程,其曾经发布的口碑信息将迅速被新的信息所淹没,因此即使US 状态的消费者主动搜索,也难以接收到该口碑信息,即很难恢复传播性.所以D 节点不会转变为具有传播性的S 节点,即节点状态转移顺序为US→S→D,该过程如图1 所示.
图1 在线口碑信息传播过程Fig.1 Online word-of-mouth diffusion process
消费者状态发生改变的概率PS、PD 可借鉴求解网络节点相遇概率的方法[22] 进行求解.分别以Xt、Yt和Zt 表示t 时刻S 节点、US 节点和D 节点个数,以UXt、UYt 和UZt 分别表示t 时
硅片刻S 节点、US 节点和D节点的集合.
在[t,t+Δt]时间内,由于任意两个节点发生口碑信息传播的概率服从参数为λ 的负指数分布,因此一个US 节点k 被一个S 节点j 感染的概率为
而t 时刻,网络中S 节点数目为Xt,US 节点k 被其中任意一个S 节点感染,该节点就变为S 节点.因此,一个US 节点k 转变为S 节点的概率为
一个S 节点可以在传播口碑信息之后依然具有传染性,继续传播口碑给US 节点.同时,它也有可能由于对口碑信息失去兴趣而不再传播,转变为D 节点.概率PD 依赖于距离初始传播的时间间隔.假设PD 服从一个参数为µ的负指数分布,即
由于状态为S 和D 的消费者均是接收过口碑消息的,因此用Rt =Yt+Zt 表示t 时刻口碑信息的传播范围.
其次,伴随着口碑信息的传播,消费者对产品的情感也在传播,即消费者的情感值在改变.当节点由不满足状态US 转变为满足状态S 时,其情感值由默认值0 发生改变,具体如下：
在[t,t+Δt]时间内,一个US 节点k 被一个S 节点j 感染时,情感强度值发生变化.消费者k,k ∈UYt接收到来自于消费者j,j ∈UXt 的口碑信息,但是,在情感上并不会完全一致,会基于其自身对产品的认知程度,以及感知到的网络中其它人的口碑情感综合形成自己对该产品的口碑信息.因此,接收到口碑后的消费者k,k ∈UXt+Δt\UXt 的情感值受两部分影响,其一是传递给其口碑信息的消费者,即消费者j ;其二是当前网络中整体口碑的情感值,本文用所有接收过口碑信息的消费者的情感平均值表示.另外,由于消费者的异质性,不同消费者对全局信息的感知程度不同,因而给每个消费者设定一个全局感知因子ε,ε ∈[0,1],ε 越大,表示对全局信息的了解程度越高,受到的影响也越大.消费者的全局感知能力受多个因素影响,如消费者性格、网络活跃度和社交网络平台特点等,根据中心极限定理,若一个事物受多个独立因素的影响,其平均值往往服从正态分布,因此本文假设消费者的全局感知因子ε 呈正态分布,即εk ～N(a,b2),a 是平均值,b 是标准差.综上,新接收到口碑的消费者k,k ∈UXt+Δt\UXt 的情感值为
其中εk 代表消费者k 的全局感知因子;ζj 代表t 时刻传递口碑消息的消费者j 的口碑情感值;〈ζt〉代表t时刻全局网络的情感强度平均值,即
由于消费者一旦发布或转发口碑信息,即接收到口碑信息,其情感值就已经确定,因此,消费者
的情感变化仅仅发生于其状态由不满足状态US 转变满足状态S 的过程中,其它过程,消费者情感值保持不变.
消费者情感的传播过程中,主要关心其情感值的正负性,即新感染的消费者产生的是正面口碑(positive word of mouth,PWOM)还是负面口碑(negative word of mouth,NWOM).记t 时刻口碑情感值为正的消费者的数量为则
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议