社交关系对在线购买行为的影响研究

摘要

当今社会，科技日新月异，以 Twitter、Facebook、新浪微博以及微信等为代表的社交网络平台的飞速发展，不仅给互联网带来重大变革，而且对整个社会生活产生了很大的影响。目前社交网络业已成为Web2.0时代最为流行的应用，其服务范围更是横跨社交关系管理、媒体信息传播、电子商务、网络营销等领域。本文旨在探究零售型电商网站下的社交关系对在线消费者购买行为的影响，以及由在线消费者组成的社交关系网络中成员的易受影响程度和社交关系网络中的影响者识别，为后续的广告投放、网络营销以及产品推荐提供支持。
　　本研究利用文献分析法对影响在线消费者购买行为相关的因素以及其研究方法进行分析。通过比较之前学者的研究方法，并结合本文使用的数据集，提出了单因素方差分析的方法检验分析社交关系对在线消费者购买行为的影响。分析结果表明社交关系对在线消费者的购买行为具有显著的影响。关于在线消费者社交网络中的影响者识别和成员易受影响程度分析方面，利用文献研究的方法，回顾了网络中成员之间的影响力、成员自身在网络中的影响力和影响力在网络中的扩散机理。对社交网络中影响力相关的研究方法的特点进行总结，并结合了社交网络社区发现以及聚类等领域的方法提出了SOMA框架----社交影响分析框架。该框架可用于社交网络中影响者识别和用户易受影响程度分析。SOMA将 AP算法应用于社交网络中的影响者发现。为了分析AP算法的可行性，采用zachary的karate club社会网络数据集进行了验证分析，结果表明，该算法对社交网络中的影响者挖掘和社区发现具有较好的效果。在空手道社会网络数据集上的影响者的识别的正确率为100%，社区成员划分的结果和经典的NETFLOW算法相当。利用SOMA分析框架对karate club社交网络中的用户进行了易受影响程度分析，并将该方法的结果与PageRank算法的分析结果做了相关性分析。其结果表明二者存在负相关关系，相关性系数为-0.8654845。为了保证文章的完整性，将SOMA分析框架用于社交影响数据集中的影响者识别，并分析了其中成员的易受影响程度。经过分析发现，影响者影响用户数量的多少和该影响者所直接影响的朋友数量存在明显的正相关关系。另外，用户对外层用户的影响较弱，一般不超过三层。关于影响者特征，影响者具有大量的粉丝朋友，其受影响的粉丝朋友占其总共的粉丝朋友的比例较大。但是，用户作为elite用户的时间长度，对其是否能够成为影响者没有直接的关系。就购买商品的数量而言，影响者所购商品数据普遍较多。在地域方面，大部分影响者对其影响的用户在某一地区的影响力较强。在用户的易受影响程度方面，影响者具有较小的易受影响程度；用户作为elite用户的时间长度和购买商品的数量，对用户的易受影响程度具有一定的影响。

目录

声明

1.引言

1.1 研究背景

1.2 研究内容

1.3 研究意义

1.4 本文创新点与不足

1.5 本文组织结构

2.文献综述

2.1 在线消费者行为相关研究

2.2 在线社交网络影响力相关研究

3. Yelp数据集描述

3.1 相关概念定义

3.2 Yelp数据集实验数据集基本描述

3.3 Yelp数据集中的社交关系描述

4.社交关系对在线消费者购买行为影响的检验分析

4.1 基本研究思路

4.2 两总体均值比较

4.3 实证分析

5. SOMA：一个社交影响的分析框架

5.1 基本研究思路

5.2 Affinity Propagation算法原理

5.3 社交网络中的影响者挖掘

5.4 社交网络中用户易受影响程度分析

5.5 实验分析

6. SOMA在社交影响数据集上的应用分析

6.1 相似性度量

6.2 在线消费者社交关系影响者挖掘

6.3 在线消费者易受影响程度分析

6.4 总结

7.总结与展望

7.1 总结

7.2 展望

参考文献

后记

致谢

在读期间科研成果目录