基于电商病毒式营销理论的商业核心群体选择策略

周婵+宁丹丹

摘 要：在分析病毒式营销理论基础上，研究电商病毒式营销的商业核心群体的选择模型、算法思想以及营销策略。研究认为，衡量商业核心群体的主要因素包括营销商品的历史交易成功率、客户对该类商品的购买率、累计购买率、推荐成功率等。客户营销投入的多次分配有效避免了核心群体投入失衡的情况，为电商病毒式营销提供了足够的激励作用。

关键词：商业核心群体；营销策略；病毒式营销；电商

随着信息科技和经济贸易一体化的发展，网络购物迅速崛起。据相关报告显示，2013年，我国网络购物用户规模达3.02亿元，同比增长24.8%。其中团购用户规模达1.41亿元，同比增长68.9%，促使团购已成为增长最快的商务类应用。中国网络购物市场交易规模达1.85万亿元，同比增长42%，其中B2C交易规模达6500亿元，占整个网络市场比重的35.1%。网络消费交易额占全社会消费品零售总额的7.8%，同比提高1.6%。这些数据无不显示我国网络市场正不断扩大。可见，网络消费市场具有较大的开发前景。如何利用互联网进行营销，如何提升商品品牌知名度，应寻找怎样的消费群体，这些问题都值得深入研究。海量的商品信息与数据充斥在电子商务网站中，一方面，用户难以选择可信任的商品；另一方面，也给营销企业选择商业核心群体带来了困难。本文采用客户信任度网络构建商业核心群体的选择模型，探究网络购物中的病毒式营销策略中商业核心群体的选择问题。

一、病毒式营销理论及相关研究

病毒式营销概念是网络创业者Steve（1997）提出的，美国学者Domingos和Richardson（2002）对其进行拓展，采用信任度网络模型构造了最大化电商病毒式营销效果模型。Rick Ferguson（2008）也对病毒式营销进行研究，探究口碑营销和病毒式营销在市场影响中的作用。Ralf（2010）又提出了一种预测病毒式营销传播模型，通过随机选择客户群体来研究病毒分支模型，但其并未考虑到核心群体的问题。

国内学者对于电商病毒式营销研究尚在初步阶段。冯英健（2004）在《网络营销基础与实践》一书中首次公开发表病毒性营销的文章。此后，还有很多学者对电商病毒式营销进行研究。如夏秀峰，赵秀涛（2011）采用客户信任网络模型对web病毒式营销进行研究，建立了WEB客户信任度模型，其具体形式如下：

Gn=（Ci，E，Wi） （1）

其中Gn示含有n个节点的客户信任网络；Ci表示该网络模型中共的各个节点信息，包括客户对该节点商品的兴趣特征、该客户节点接收其他客户节点的评价情况以及客户向其他客户推荐的情况等信息；E表示信任关系及信任程度；Wi表示各个节点的信任关系中的信任权重；i=[1，n]。

综观国内外学者研究，本文认为电商病毒式营销是指利用客户口碑的传播原理，借助互联网平台，在获得便捷性的同时扩大用户规模，从而实现营销的扩大化。作为网络营销与口碑信誉营销的有机结合，电商病毒式营销越来越受到消费者关注。如今，虽然大量的宣传信息流传于各类网站中，但消费者不再盲目的迷信各类广告，且消费行为越来越理性化。国内外学者对于电商病毒式营销的研究基本仅限于构建网络信任模型，虽然有少数学者提到了病毒式营销中核心群体的挖掘问题，但对电商病毒式营销过程中商业核心群体的选择的研究却较为鲜有。因此，该领域的研究具有较高的实践价值和理论意义。

二、电商病毒式营销的商业核心群体选择模型及算法思想

传统的选择模型往往是利用客户的兴趣、客户的相似程度以及商品相似特征进行选择，根据预测得分来给出相应的评价分数。传统的商业核心群体选择模型是满足推荐对象个体的兴趣与需求，最大程度上迎合商家的要求，主要从商家的角度来选择核心群体，也就是说传统的核心群体选择模型并不适合向核心群体选择。因此，需要综合考虑核心群体各类信息行为，找出更优的选择方法。由于信息扩散模型可深入挖掘病毒式营销中的核心群体，本文采用此方法来准确选择和挖掘核心群体。假定与某个节点存在之间信任关系的节点集合，也就是节点Ci与附近网络节点之间存在直接的信任关系，只不过信任权重存在差异。信任程度E是一个描述客户推荐行为与购买行为影响程度的一个变量。根据信任程度的信任关系、客户对商品的评价以及各个节点推荐行为等因素综合来考虑。

在Web客户信任网络模型中，客户节点表达式可表示如下：

Ci（t）=（Ii（t），Pi（t），Ri（t），Bi（t）） （2）

其中Ci（t）表示第t个客户的第i节点，Ii（t）表示第t个客户对商品的自身兴趣程度，Pi（t）表示第t个客户第i节点接受其他同类节点推荐商品购买的概率，Ri（t）表示第t个客户对商品或服务的评价分数，Bi（t）表示该客户是否购买了商品或服务。

为了更精确的描述客户之间兴趣的相互影响，采用线性表达式来描述用户之间的影响程度，具体表达式如下：

hi（t）=αi（t）×Ii（t）+[1-αi（t）]×gi（t） （3）

其中hi（t）表示客户节点的兴趣度，αi（t）表示节点的自依赖程度，gi（t）表示客户信任网络模型中其他节点对i节点的影响程度，Ii（t）含义同上。

伴随着时间的推进，客户节点在信任度网络中的兴趣度hi（t）受其他节点的影响将日益增加，当满足hi（t）≥θi时，表明该节点被激活。θi表示节点Ci（t）的接受阈值。电商病毒式营销客户信任网络核心群体选择的实质就是寻找最大规模影响力的网络影响集的节点。

电商病毒式营销核心群体选择思想如下：首先，计算节点的网络影响集。从Web客户信任网络中提取节点Ci的网络附近集，获取Ci节点的具体信息，包括向其他节点的推荐次数、接收其他节点的次数以及节点的影响权重。根据节点间的信任度、权重以及评价分析等信息来计算客户之间兴趣的相互影响，计算阈值，并利用阈值与节点之间的相互关系，得到节点的网络影响集。然后，根据节点的网络影响集来选择核心群体。从客户信任网络中获得节点的网络影响集，分析客户购买商品特征、个人兴趣等因素来计算客户购买商品的概率。接着，计算节点对其影响集合中各个节点的影响效果，并根据历史交易情况来确定交易数量。最后，对子节点影响集中的节点进行排序，选择排序靠前的节点作为核心，筛选核心节点后，选出网络影响集中的且高于阈值的用户，求出每个核心节点影响集中用户的累加购买效率，最终确定最佳的核心群体。

三、病毒式营销核心群体的营销策略

核心群体在Web病毒式营销网络中具有关键的作用，由于核心群体对消费者而言具有较高的信任度，是消费者的代表。借助核心群体的营销策略可鼓励客户更多的作出推荐，促使网络营销活动达到事半功倍的效果。为了深入研究病毒式营销中核心群体的营销策略，分析影响核心群体选择的主要因素，这些因素包括营销商品的历史交易成功率、客户对该类商品的购买率、累计购买率、推荐成功率等等，下面进行具体分析。

历史交易成功率是指利用Web网络信息，分析截止到时间t时，核心节点对网络营销商品的历史交易成功率，包括历史交易过程中的总数量[Total（t）]、成果交易数量[Success（t）]，那么历史交易成功率[Historyi（t）]可表示如下：

Historyi（t）=Success（t）/Total（t） （4）

客户对该类商品的购买率[RPi，l（t）]是指在选择核心节点网络的过程中，客户进入网站浏览行为的集合。采用网络影响集中客户的兴趣行为集合（Hi，l）和客户对核心节点的信任度（Ti，l）来量化，具体表达式如下：

RPi，l（t）=Hi，l×Ti，l （5）

其中i表示第i个核心节点；l表示第l个客户；Hi，l表示第l个客户对核心节点i的兴趣度；Ti，l表示第l个客户对核心节i的信任度；RPi，l（t）表示第l个客户对核心节点i商品的购买率。

客户的累计购买率[SRPi，l（t）]是指将核心节点影响集中客户的购买率进行排序筛选，并将符合条件的购买率进行累加。假定阈值为θi=0.5，即RPi，l（t）≥0.5，则认为核心节点营销集中客户购买商品的概率较高，将其进行累加处理，具体的计算公式如下：

其中Ai表示核心节点影响集中客户的个数，SRPi，l（t）表示客户的累计购买率。

推荐成功率（RSTi）是指核心节点影响集中客户的累计购买率与历史交易成功率的乘积，具体计算公式如下：

RSTi=Historyi（t）×SRPi，l（t） （7）

核心节点投入比重（Py，i（t））采用每个节点推荐成功率所占的比重来衡量，具体的计算公式如下：

根据上文分析，提出电商病毒式商业核心群体营销策略，具体过程见图。

电商病毒式营销的商业核心群体营销策略具体流程如下：

第一步，从Web服务器中获得元素数据，构建客户信任网络模型，并初步选择病毒式营销中的商业核心群体；

第二步，利用Web客户信息分析核心群体中的每个节点，包括用户的基本信息、购买能力、历史购买行为、浏览商品种类等方面的信息，利用公式（4）和（5）计算核心节点对于营销商品的历史交易成功率（Historyi（t））及客户对该类商品的购买率[RPi，l（t）]；

第三步，选择核心节点影响集中购买率高于阈值的客户，利用公式（6）计算病毒式营销中商品的累计购买率[SRPi，l（t）]；

第四步，利用公式（7）计算核心节点客户的推荐成功率（RSTi），根据推荐成功率将核心群体的节点按照从大到小的顺序排序，并重新编号；

第五步，利用公式（8）计算每个核心节点的营销投入比重，然后对核心群体中编号较小的节点进行营销投入，根据推荐成功率大小按照权重进行分配，营销投入核心节点组成了营销群体，其余部分则为备用核心群体；

第六步，将剩余的营销投入小于核心节点最低投入的部分进行冲洗分配，按照公式（8）将投入再次分配给营销群体，也就是二次投入。

电商病毒式营销商业核心群体选择策略，结合了网络影响集中核心客户的购买行为，能够通过消费者代表来加速网络商品的营销效果。根据营销商品的历史交易成功率、客户对该类商品的购买率、累计购买率、推荐成功率等因素来选择核心群体，折射出核心节点对营销商品的贡献程度，准确的确定了营销比重。客户营销投入的多次分配有效避免了商业核心群体投入失衡的情况，为电商病毒式营销提供了足够的激励作用。

四、结语

本文在分析病毒式营销理论基础上，介绍了一种电商病毒式营销的商业核心群体的选择模型、算法思想以及营销策略。根据研究发现：衡量商业核心群体的主要因素包括营销商品的历史交易成功率、客户对该类商品的购买率、累计购买率、推荐成功率等。此外，客户营销投入的多次分配有效避免了核心群体投入失衡的情况，为电商病毒式营销提供了足够的激励作用。本文提出的一种营销策略是建立在商业核心群体理性参与商业活动基础上的，能有效分析群体的推荐贡献，并结合电商网络影响商业集中群体的购买行为，进而影响营销效果。

参考文献：

[1]Rick Ferguson. Word of mouth and viral marketing： taking the temperature of the hottest trends in marketing[J]. Journal of Consumer Marketing， 2008， 25（3）.

[2] Ralf vanderLans， Gerrit van Bruggen. A Viral Branching Model for Predicting the Spread of Electronic Word of Mouth[J]. Marketing Science， 2010， 29（2）..

[3]季芳.病毒式营销在企业中的应用研究[J].重庆邮电大学学报， 2010（5）

[4]苏梅梅.电子商务Web病毒式营销核心群体动态挖掘[J].沈阳航空航天大学学报，2013，30（2）.

[5]祝映莲.微博营销的病毒特征及应用策略分析[J].商业时代，2011（33）

[6]夏秀峰，赵秀涛.客户信任网络下病毒式营销核心群体的挖掘[J].小型微型计算机系统，2011（1）.

作者简介：周婵（1979.9- ），女，汉族，广西桂林人，柳州铁道职业技术学院讲师，主要研究电子商务、经济风险