Mining the Network Value of Customers

挖掘用户的网络价值

传统的大规模营销模式是毫无区分的对每个用户进行产品推销，而直销营销首先做的是选择那些可能带来利润的的用户进行推销。通过用户的历史购买行为和人口统计信息我们可以预测用户对推销的反馈行为。但是直销营销的缺点是它独立的为每个用户进行推销，而忽略了用户之间的交互关系。因此，基于社会影响力的营销模式要比传统的营销模式有更好的效果。这种营销模式也叫做病毒营销，因为它类似病毒的传播过程。

考虑是否对一个用户进行推销时不仅要考虑该用户的固有价值（推销后他会购买所产生的价值）还要考虑他的网络价值（他影响别人购买带来的价值）。用户的网络价值不仅仅取决于用户本身还潜在的依赖于网络的结构和状态。

本文提出了一个框架用来计算用户的网络价值，并且利用这些信息来优化营销策略，同时评估一下对每个用户的获取成本是否合理。我们的模型是基于马尔科夫随机场，其中每个用户购买的可能性是一个关于用户的固有价值和社会价值的函数。最后将这个框架运用到电影领域的营销，用来证明这种营销模式比传统营销模式更有优势。

这篇论文所做的事情：

1.计算用户的网络价值

2.利用这网络价值信息优化营销策略

3.评估用户获取成本

4.该框架的具体运用

大纲：

1.社交网络营销建模

1.社交网络营销建模：

X={ X1 , X2 . . .Xn }，其中n表示用户数，Xi取值1（用户被营销后购买该产品），Xi值为0（没有购买）；

Ni={ Xi1 ,Xi2 . . .Xit }，其中t表示用户Xi的邻居个数，Xij表示用户i的第j个邻居。那么当Ni确定时，Xi与X-{Xi}-Ni是相互独立的；

Y={ Y1 ,Y2 . . .Ym}，其中m表示产品特征数；

M={ M1 ,M2 . . .Mn}，表示对n个用户的营销行为；

：表示用户购买行为已知的集合；

：表示用户购买行为未知的集合；

：表示用户i的购买行为未知的邻居集合；

那么，对于所有的购买行为未知的用户有如下分析：

其中，表示Xi的所有未知购买行为的邻居节点。

每个节点初始状态要么是活跃的要么是非活跃的；

一个活跃的节点可能会激活邻近节点；

单调性假设:活跃节点永远不会变成不活跃的节点；

（1）.线性阈值模型：

为每个节点随机的初始化一个阈值：

每个节点v受到其邻居节点w的影响力表示为：

一个非活跃的节点被激活的条件是：

（2）独立级联模型：

独立级联模型中每个活跃节点只有一次机会可以激活其邻居节点，当v在t 时刻被激活了，那么在 t +1时刻它可以尝试激活其邻居，之后就不再尝试激活任何节点。

尝试激活邻居的概率表示为Pvw

影响力最大化问题

假设初始化活跃的节点为S，用f(S)表