【摘要】：分眾營(yíng)銷是針對(duì)傳統(tǒng)營(yíng)銷的一種突破，其強(qiáng)調(diào)精確、細(xì)分、實(shí)效。微博則是近幾年最流行的新興網(wǎng)絡(luò)媒介，其信息傳播速度之快，用戶參與程度之高，用戶凝聚力之強(qiáng)大，正好與分眾營(yíng)銷所需的條件不謀而合。 基于微博的分眾營(yíng)銷，有兩個(gè)方面的問(wèn)題非常重要，需要認(rèn)真研究，及時(shí)解決。第一：準(zhǔn)確的預(yù)測(cè)出營(yíng)銷的產(chǎn)品有哪些用戶感興趣，并能引發(fā)這些用戶持續(xù)的關(guān)注與討論。第二，對(duì)于這些感興趣的用戶，采用何種方式進(jìn)行推薦，才有可能讓微博用戶主動(dòng)關(guān)注廣告，信任廣告推薦內(nèi)容，得到最好的推薦效果。 針對(duì)如何準(zhǔn)確預(yù)測(cè)分眾營(yíng)銷信息的傳播，本文提出了微博系統(tǒng)的信息傳播模型的概念，對(duì)微博信息的傳播過(guò)程進(jìn)行了描述，建立了微博信息傳播模型的數(shù)學(xué)公式，最后通過(guò)Nutch工具，抓取新浪微博的數(shù)據(jù)對(duì)模型進(jìn)行仿真分析，并將仿真分析結(jié)果與實(shí)際的話題傳播數(shù)據(jù)進(jìn)行了對(duì)比分析，驗(yàn)證了本文的微博信息傳播模型能較好地契合實(shí)際。 針對(duì)采用何種有效的信息推薦傳播方式問(wèn)題，本文在分析總結(jié)現(xiàn)有推薦算法的基礎(chǔ)上，結(jié)合微博數(shù)據(jù)特點(diǎn)，提出了一種在前融合推薦框架下采用基于人口統(tǒng)計(jì)學(xué)協(xié)同分析和內(nèi)容分析相融合的推薦算法OMCFA (Oriented MicroblogCollaboration-based Filtering Algorithm基于協(xié)同過(guò)濾的微博推薦算法)。該算法將用戶相似度和微博相似度融入推薦框架，采用貝葉斯混合效果回歸模型，通過(guò)馬爾科夫蒙特卡洛方法得到模型中的各個(gè)效用公式中各個(gè)參數(shù)的值。最后通過(guò)本文提出的信息傳播模型，抓取新浪微博數(shù)據(jù)對(duì)OMCFA進(jìn)行算法驗(yàn)證，并與簡(jiǎn)單的協(xié)同過(guò)濾算法、基于內(nèi)容的推薦算法相比較，分析結(jié)果，得出了OMCFA算法具有較好的推薦效果。 本文提出了微博系統(tǒng)的信息傳播模型和基于人口統(tǒng)計(jì)學(xué)協(xié)同分析和內(nèi)容分析相融合的推薦算法OMCFA，為基于微博的分眾營(yíng)銷系統(tǒng)的研究奠定基礎(chǔ)。最后對(duì)于分眾營(yíng)銷未來(lái)研究方向進(jìn)行了展望，認(rèn)為微博的獨(dú)特優(yōu)勢(shì)將讓它在分眾營(yíng)銷中大有所為。
【圖文】：

圖 3.1 事件每日新增帖數(shù)從圖中可以看出，雖然同屬熱點(diǎn)事件，但三個(gè)話題信息的傳播規(guī)模差距較大。從曲線的趨勢(shì)可以看出，三個(gè)事件的擁有相似的傳播特征：事件發(fā)生后，短期內(nèi)達(dá)到話題信息傳播的峰值，之后迅速衰落，然后在某個(gè)時(shí)間點(diǎn)(tx)逐漸放緩，形成一條重尾曲線。因此，對(duì)于微博營(yíng)銷，營(yíng)銷的最好時(shí)間段為 [t 1 ,tx]， [t x ,tn]時(shí)間段內(nèi)，營(yíng)銷的效果比較差。3.2.4 仿真分析根據(jù)公式 3.9，未知參數(shù)包括如下：公式（3.3）的λ ,公式（3.4）的 β 和公式（3.6）的ν ，，因此，在真實(shí)的話題傳播速率的基礎(chǔ)上，定義出關(guān)于三個(gè)自變量的方差公式如公式 3.10 所示：∑=Ψ= NnERtnNRtnN12((,,,)/`())1( λ,β,ν)λβν（3.10）本文要求得到的模型越貼近真實(shí)的傳播模型，則要求函數(shù) Ψ ( λ,β,ν)越小，因

一種基于微博分眾營(yíng)銷的個(gè)性化推薦算法的研究與應(yīng)用表 3.1 參數(shù)最優(yōu)解表事件 傳染概率 λ 形狀參數(shù) β 知名度線性增長(zhǎng)率ν Ψ( λ,β,ν)事件 1 0.15 0.57 0.1831.310 ×事件 2 0.09 0.66 0.0346.710 ×事件 3 0.11 0.59 0.0732.610 ×根據(jù)最優(yōu)解，得到三個(gè)事件的模擬傳播數(shù)據(jù)曲線，與實(shí)際的傳播數(shù)據(jù)曲線對(duì)比結(jié)果如圖 3.2 所示：
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP393.092;TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 許卓;;微博客的傳播優(yōu)勢(shì)及發(fā)展前景探析[J];今傳媒;2010年01期

2 劉濤;高健;;微博營(yíng)銷:網(wǎng)絡(luò)時(shí)代的圖書營(yíng)銷新體驗(yàn)[J];出版發(fā)行研究;2010年05期

3 張巨才;;基于分眾時(shí)代的營(yíng)銷傳播革命[J];中國(guó)廣告;2007年03期

4 邢春曉;高鳳榮;戰(zhàn)思南;周立柱;;適應(yīng)用戶興趣變化的協(xié)同過(guò)濾推薦算法[J];計(jì)算機(jī)研究與發(fā)展;2007年02期

5 王國(guó)霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

6 溫會(huì)平;陳俊杰;;基于用戶模糊聚類的個(gè)性化推薦算法[J];計(jì)算機(jī)與數(shù)字工程;2008年02期

7 張光衛(wèi);李德毅;李鵬;康建初;陳桂生;;基于云模型的協(xié)同過(guò)濾推薦算法[J];軟件學(xué)報(bào);2007年10期

8 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報(bào);2009年02期

9 李光斗;分眾營(yíng)銷 新?tīng)I(yíng)銷利器[J];網(wǎng)際商務(wù);2003年10期

10 王喜瑋;王煦法;;一種利用作者興趣構(gòu)建博客圈的方法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年12期

本文編號(hào)：2530554