多维兴趣图谱建模下的社会化营销精准“推送-扩散”研究：兴趣表征、用户聚合与匹配扩散

At present，the extensive and inundant marketing dissemination in Social Marketing is a prominent issue, which troubled enterprises, users and platforms. How to realize the transformation of Social Marketing from the simple, extensive “relationship marketing” to precise “interest marketing”? The project integrates the basic theories and methods in Marketing Science and Information Science, and then with the breakthrough point of modeling multidimensional user interest graph, explores the serial key problems in accurate “pushing-diffusing” of Social Marketing, including: combining user's social behaviors and influences from social relationships and constructing the model of multidimensional user interest graph based on multidimensional interest presentation; furthermore, designing similar interest measures to cluster users with similar interests, and then building different virtual interest communities; under the constraints of marketing costs, budget and other related resources, designing greedy strategy algorithm to identify the “seed users” with higher influence in the initial stage of marketing information pushing; Last, adopting the reverse sorting query method driven by recommendation object and designing the precise algorithm for matching from “marketing information” to “user interest” in the stage of marketing diffusion. The related research at home and abroad is still in the initial stage. Then this project will build a systematic research system from three levels of theoretical study, model construction and algorithm design. Meanwhile, the achievements of this project will provide appropriate and powerful method support and decision aid in the precise social marketing practices.

粗放、泛滥的营销传播是现阶段社会化营销中，困扰企业、用户、平台三方的一个突出问题。如何实现社会化营销从简单的“关系营销”向精准的“兴趣营销”转变？项目融合营销科学与信息科学基础理论方法，以多维用户兴趣图谱建模为切入点，探索社会化营销精准“推送-扩散”中的系列关键问题，包括：综合用户自身社交行为与社交关系影响，建立基于用户多维兴趣表征的兴趣图谱模型；进一步地，设计相似兴趣测度指标对用户聚合计算，进而构建不同的虚拟兴趣社区；营销成本、预算等相关资源约束下，设计贪婪策略算法，甄别初始营销信息“推送”中的高影响力“种子用户”；采用推荐对象驱动下的逆向排序查询方法，设计从“营销信息”到“用户兴趣”间的快速响应、精准匹配的扩散算法。相关研究尚处于起步阶段，项目将从理论研究、模型构建到算法设计，构成系统性研究体系。同时，项目成果也将为精准社会化营销实践，提供有力的方法支持与决策辅助。

社会化营销是推进“互联网+”以及“数字经济发展”国家战略的重要需求组成。当前社会化营销的实践与研究中，往往过度消费用户间的连接关系与互动行为，而较少考虑用户兴趣，进行营销信息的“强推-强送”。这是困扰用户、企业、平台三方的一个突出问题。本项目自正式立项以来，项目组融合营销科学与信息科学基础理论方法，紧紧围绕着既定思路，以多维用户兴趣图谱建模为切入点，探索社会化营销精准“推送-扩散”中的系列关键问题。取得的主要研究成果包括：第一，从用户的在线记录和生成内容提取特征项，计算与兴趣图谱树中节点间的语义相似度。通过提出的无监督算法，推断出用户从粗粒度主题到细粒度兴趣主题的显式和隐式兴趣。进而构造面向社会化营销的用户兴趣图谱UIG模型；第二，从用户的静态网络结构特征与动态信息交互两方面入，基于熵权灰色关联方法，建立综合7项测度指标体系的计算模型。为社会化营销等实践中的意见领袖识别提供有力方法支持；第三，以传染病SIR传播模型为基础，考虑在网络中引入了直接免疫参数，借鉴统计物理学中平均场的概念，根据社会化网络特征和传染病动力学建立营销信息在社交网络中的传播模型。第四，在传统推荐模型基础上，考虑用户位置改变对其兴趣点改变的影响，融合用户间相似性和地理位置的影响，提出了面向移动社会化营销实践的精准用户兴趣点推荐模型。成果可以有效预测用户下一个大概率的兴趣点，同时有效缓解了传统推荐算法中的数据稀疏性和冷启动问题。在服务实践方面，项目研究成果为实现社会化营销从简单、粗放的“关系营销”向精准的“兴趣营销”转变，进行了系统性研究并提出了坚实的方法支持和决策依据。在学术贡献方面，项目成果发表在ECRA、《系统工程理论与实践》、《情报学报》等国内知名学术期刊论文14篇，同时，获得辽宁省政府第八届哲学社会科学二等奖。在此项目基础上，继续获得国家自然科学基金项目在内的4课题资助。