Анализ основных подходов к моделированию экономического поведения пользователей социальных сетей

Определение оттока пользователей из сети. Основные критерии, в соответствии с которыми того или иного пользователя можно было бы признать покинувшим сеть. Методы исследования факторов, которые влияют на принятие пользователем решения покинуть сеть.

Рубрика Экономика и экономическая теория
Вид статья
Язык русский
Дата добавления 29.08.2018
Размер файла 40,9 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Анализ основных подходов к моделированию экономического поведения пользователей социальных сетей

Камоцкий А. С.

соискатель кафедры социально-экономического планирования

Сибирского федерального университета (г. Красноярск)

Зандер Е. В.

заведующий кафедрой социально-экономического планирования

Сибирского федерального университета (г. Красноярск),

доктор экономических наук, профессор

В статье выполнен анализ основных подходов к моделированию экономического поведения пользователей социальных сетей. Вводится определение оттока пользователей из сети. Даются основные критерии, в соответствии с которыми того или иного пользователя можно было бы признать покинувшим сеть. Рассматриваются методы исследования факторов, которые влияют на принятие пользователем решения покинуть сеть. Среди рассмотренных методов как классические (регрессионный анализ, анализ деревьев решений, построение нейросетей), так и специальные методы решения поставленной задачи. Доказывается, что комбинации классических методов предсказания оттока пользователей могут быть более предпочтительными к использованию с точки зрения соотношения затрат на предотвращение оттока к точности предсказания

Ключевые слова: социальные сети, отток пользователей, экономико-математический анализ, регрессионный анализ, анализ деревьев решений

отток пользователь сеть решение

Современная экономика всё больше «виртуализируется», то есть постепенно уходит от производства исключительно материальных благ (см., например, [Зуев, Мясникова, 2004]). С каждым годом растет объем услуг, которые оказываются с помощью интернет-технологий. Одним из основных элементов новой интернет-экономики являются социальные сети, эволюционировавшие за последние десять лет из экспериментальных студенческих проектов в мощный бизнес, который играет всё большую роль в мировой экономике. Так, в 2013 г. крупнейшая мировая социальная сеть Facebook насчитывала 1,3 млрд пользователей, то есть почти четверть населения планеты, а ее годовой оборот приблизился к 7,8 млрд дол. США. Столь бурное развитие данной сферы экономической жизни предопределяет появление новой отрасли экономической науки, изучающей феномен социальных сетей как предпринимательских структур специфического типа.

Особое развитие данное направление получило в иностранной литературе (см., например, работы [Awang, Rahman, Ismail, 2012; Karnstedt et al., 2010; Kawale, Pal, Srivastava, 2009; Krombholz, Merkl, Weippl, 2012; Masand et al., 1999; Mohammadi G., Tavakkoli-Moghaddam, Mohammadi M., 2013; Wai-Ho, Chan, Yao, 2003]). Кроме того, в последние годы исследования в области экономики социальных сетей появились и в России [Бахтин, 2012; Викторова, 2014; Голова, 2013, 2014; Губанов, Новиков, Чхартишвили, 2009a, 2009b; Мирошникова, 2014; Митрофанова, 2014; Новиков, Оганесян, 2012; Bershadskaya et al., 2012]. Несмотря на глобальный характер социальных сетей, при детальном рассмотрении выясняется, что фактически их рынки довольно четко сегментированы как по географиче¬ским регионам, так и по социальным признакам аудитории. Например, Facebook относительно непопулярен в России, где основную долю рынка делят «ВКонтакте», ориентированный на молодежную аудиторию и «Одноклассники», объединяющие представителей более старших поколений. Помимо классических социальных сетей, на рынке представлено множество мобильных игр с развитыми механизмами социализации. Таким образом, можно сделать вывод о том, что рынок социальных сетей в высокой степени гетерогенен.

Экономика социальных сетей устроена следующим образом. Подавляющее большинство социальных сетей устроено по модели «фримиум» (англ. freemium), предполагающей бесплатное пользование основными услугами социальной сети, либо с использованием смешанной модели «фримиум + реклама». Вместе с тем, некоторые специфические услуги предоставляются на платной основе (например, виртуальные подарки другим пользователям, предоставление премиальных учетных записей и др.). Оплата таких услуг формирует существенную часть доходов социальной сети наряду с контекстной рекламой. Расходная же часть бюджета социальной сети, помимо оплаты труда и обеспечения технического функционирования, формируется затратами на привлечение новых пользователей.

По мере развития рынка услуг социальных сетей стоимость привлечения новых клиентов неуклонно возрастает, что приводит к необходимости повышения эффективности расходов на привлечение. Одним из очевидных способов решения данной задачи является снижение первоначального оттока пользователей, под которым мы подразумеваем «затухание» активности пользователей, откликнувшихся на мероприятия по привлечению в течение некоторого короткого периода.

Целью нашего исследования является исследование основных подходов к предсказанию и предотвращению первоначального оттока пользователей из социальных сетей. В англоязычной литературе утвердился термин churn analysis, как обозначение анализа оттока пользователей из определенной системы.

Вначале обсудим основные подходы к определению факта ухода пользователей из сети в соответствии с классификацией, предложенной М. Карнштедтом и др. [Karnstedt et al., 2010].

Индивидуальный отток. Определим окно предыдущей активности (PA) как временной период между днями t1 и (t1 + n - 1) включительно, предполагая, что n - некоторое натуральное неотрицательное число. Пусть мpA(иi) обозначает среднюю активность пользователя иi в окне предыдущей активности. Тогда окно ухода -- это временной период между днями t2 = (t1 + n) и (tv2+m-1) включительно, где m -- также натуральное неотрицательное число. Пусть мc(ui) -- это средняя активность пользователя иi в рамках окна ухода. Будем считать пользователя ушедшим в течение окна ухода, если

где T(S) -- пороговый множитель, зависящий от системы параметров S. По сути, T(S) регулирует чувствительность системы определения уходов пользователей. Предполагается, что cистема параметров S определяется, исходя из особенностей поведения пользователей в сети.

Проще говоря, в соответствии с вышеприведенным определением, пользователь считается ушедшим, если его средняя активность за последние m дней упала ниже, чем доля T от его средней активности за предыдущие n дней. Очевидно, что основной вопрос здесь заключается в том, как определить T(S)? Чем меньше T, тем позднее определяется потенциальный уход пользователя. В предельном случае, при T?=?0, ушедшими будут считаться только те пользователи, которые вообще не были активны в течение окна ухода. Чем ближе T к единице, тем большее количество пользователей будут причислены к ушедшим. В предельном случае, при T?=?1, ушедшими будут признаны все пользователи, чей уровень активности в течение окна ухода был не выше, чем в период окна предыдущей активности.

Средняя активность. Пусть a(ui, t) обозначает активность пользователя иi в день t; N?- общее число наблюдений (дней); U -- совокупность всех пользователей сети. Положим, что норма ¦U¦ -- это количество всех пользователей сети. Тогда средняя активность всех пользователей сети определится следующим образом:

Данное определение дает представление об общей сетевой активности пользователей в определенный период, не давая представления об индивидуальной активности конкретного пользователя.

Градиент ухода. Пользователь ui считается ушедшим в день m(t1?<?m???N) , если

Проще говоря, пользователь считается покинувшим сеть, если абсолютный наклон его убывающей активности в окне из m дней выше порогового значения T(S). Данный подход применяется в случаях, когда есть предположение о том, что перед уходом активность пользователя снижается постепенно.

Выбор критерия признания пользователя ушедшим зависит от особенностей социальной сети и конкретной задачи, стоящей перед исследователем. На наш взгляд, в большин¬стве случаев оптимальным является критерий индивидуального оттока, поскольку он является естественным и довольно простым с точки зрения интерпретации получаемых результатов.

В зарубежной литературе накоплен богатый опыт исследования оттока клиентов (пользователей) в применении к различным сферами экономики: телекоммуникациям, банков¬скому сектору и пр. (ср. [Awang et al., 2012; Kawale et al., 2012; Shaaban et al., 2012]).

Для моделирования оттока пользователей применяется целый ряд различных математических инструментов. Рассмотрим основные из них в контексте возможности их применения для решения поставленной нами задачи. Все рассмотренные ниже подходы предполагают наличие достаточно больших выборок данных как с точки зрения количества наблюдений, так и широты номенклатуры наблюдаемых параметров. Как правило, данное условие легко выполняется, поскольку любые информационные системы, лежащие в основе деятельности изучаемых систем, накапливают разнообразную информацию, как о своих пользователях, так и их действиях (транзакциях). Если разработать критерий признания пользователя ушедшим из системы, то легко получить еще один параметр, который выступит ключевой зависимой переменной. В зависимости от конкретной задачи его можно представить как в виде бинарной переменной, так и в виде числа, описывающего ожидаемую вероятность ухода.

1. Регрессионный анализ. Предполагает построение логистической регрессии на вероятность ухода пользователя из сети. Данный метод нашел широкое применение в силу простоты реализации и достаточно высокой точности предсказания. Применим как для статического, так и для динамического анализа. Считается, что данный метод относительно менее точен по сравнению с нижеперечисленными методами.

2. Построение деревьев решений. Методом прямого перебора находятся значения переменных, которые разбивают выборку на классы. Применим лишь для статического анализа, поскольку алгоритм построения дерева (графа) решений обладает экспоненциальной сложностью (то есть, применение для постоянного мониторинга оттока пользователей возможно, но лишь при условии привлечения больших вычислительных мощностей, что требует существенного увеличения бюджета проекта предотвращения оттока пользователей).

3. Методы, основанные на нейросетях. Эмпирически (но не теоретически) доказано, что данная методология превосходит прочие по точности предсказания. Сложнее в реализации, чем простые регрессии.

4. Эволюционные алгоритмы. Используют идею эволюции живых клеток в организме для моделирования процесса развития, мутации и гибели элементов изучаемых систем. Эффективность эволюционных алгоритмов сопоставима с эффективностью нейросетей.

Представленные подходы расположены в порядке повышения точности предсказания и возрастания стоимости реализации. Наименее точным, но наиболее простым в реализации является метод логистической регрессии, в эконометрике часто называемого логит-анализом. Распространено мнение о том, что точность применения регрессионного анализа в целях предсказания оттока пользователей из некоторой системы достаточно высока и достигает 75-80% [Awang et al., 2012]. Судя по всему, данный результат является приемлемым для большинства ситуаций, тем не менее, данный метод применяется в качестве базового, а его точность принимается эталонной для сравнения с другими методами. Построение деревьев решений, нейросетевые и эволюционные алгоритмы, как правило, дают увеличение точности прогноза до 85--90%, однако требуют гораздо больших ресурсов для реализации.

Известны две специализированные разработки, предназначенные для решения исключительно поставленной нами задачи: Data Mining by Evolutionary Learning (DMEL) [Wai-Ho et al., 2003] и CHAMP (CHurn Analysis, Modeling and Prediction) [Datta et al., 2000; Masand et al., 1999].

Методика DMEL использует в своей основе эволюционные алгоритмы, имеет высокую точность предсказания. Разумеется, вычислительная сложность ее процедур значительно выше, чем у регрессионных моделей, но примерно в два раза ниже стандартных нейросетевых алгоритмов. Алгоритм DMEL исчерпывающе описан в работе [Wai-Ho et al., 2003]. В результате анализа DMEL генерирует системы правил, по которым можно идентифициировать группы пользователей с наибольшим риском возможности скорого покидания сети. Результаты применения DMEL показывают, что его эффективность превышает эффективность нейросетевых алгоритмов только на маленьких обучающих выборках (<10% от общей совокупности). Если же для обучения доступны большие объемы наблюдений, то процедура DMEL теряет свои преимущества перед более простыми разработками, оставаясь при этом более дорогой с точки зрения реализации.

Алгоритм CHAMP также позволяет выделить группы пользователей, находящихся в группе риска. Данный подход основан на комбинированном применении нескольких методов предсказания «текучести» пользователей: дерево решений, нейросети и др. К сожалению, подробное описание рабочего алгоритма CHAMP недоступно, поэтому практическая реализация данной процедуры невозможна.

Вышесказанное свидетельствует о том, что специализированные процедуры выявления оттока пользователей из социальных сетей обладают сравнительно небольшими преимуществами в точности по сравнению с базовыми статистическими инструментами, которые не всегда способны окупить большие затраты на их практическую реализацию, связанные как с более высокой стоимостью разработки, так и более широкими потребностями в вычислительной мощности и объеме накопительных систем. Таким образом, для практической реализации систем, анализирующих параметры оттока пользователей в социальных сетях следует применять некоторые комбинации следующих инструментов: методы регрессионного анализа, анализа деревьев решений, а также нейросетевые алгоритмы. Комбинация методов зависит от масштаба социальной сети и, разумеется, объема бюджета, который компания готова выделить на реализацию данного проекта.

Литература

1.?Бахтин С.А. Роль социальных сетей в формировании новых рыночных подходов развития мировой экономики // Вестник экономической интеграции. -- 2012. -- №?10. -- С. 44-49.

2.?Викторова Т.С. Эффективность работы в социальных сетях // Экономика и предпринимательство. -- 2014. -- С. 837-841.

3.?Голова А. Парадоксы социальных сетей интернета // Общество и экономика. -- 2013. -- № 1-2. -- С. 225-236.

4.?Голова А. Управленческий ресурс социальных сетей Интернет // Вестник Российского государственного гуманитарного университета. -- 2014. -- № 3. -- С.?130-140.

5.?Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Модели влияния в социальных сетях // Управление большими системами: сборник трудов. -- 2009. -- № 27. -- С. 205-281.

6.?Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. Модели информационного влияния и информационного управления в социальных сетях // Проблемы управления. -- 2009. -- №5. -- С. 28-35.

7.?Зуев А., Мясникова Л. Электронный рынок и «новая экономика» // Вопросы экономики. -- 2004. -- № 2. -- С. 55-71.

8.?Мирошникова М. Н. Вопросы управления в электронной коммерции // Моделирование, оптимизация и информационные технологии. -- 2014. -- №1(4). -- С.8.

9.?Митрофанов Н.И. Тенденции современного российского предпринимательства в социальных сетях // Экономика и предпринимательство. -- 2014. -- № 1-2. -- С.749-753.

10.?Новиков В.С., Оганесян Л.Л. К вопросу о виртуализации экономики: содержательный аспект // Экономика и предпринимательство. -- 2012. -- № 1. -- С. 63-66.

11.?Awang M. K., Rahman M. N. A., Ismail M.R. Data Mining for Churn Prediction: Multiple Regressions Approach // Communications in Computer and Information Science. Berlin, Heidelberg: Springer Berlin Heidelberg, 2012. -- Pp. 318-324.

12.?Bershadskaya L. et al. Social networks and sociometry research: theoretical basements and practical examples of computerized instruments implementation for virtual communities studies // Информационные ресурсы России. -- 2012. -- № 4. -- С. 19-24.

13.?Datta P. et al. Automated Cellular Modeling and Prediction on a Large Scale // Artificial Intelligence Review. -- 2000. -- Vol. 14.?-- №?6. -- Pp. 485-502.

14.?Karnstedt M. et al. Churn in Social Networks // Handbook of Social Network Technologies and Applications / ed. B. Fuhrt. -- Boston, MA: Springer US, 2010. -- Pp. 185-220.

15.?Kawale J., Pal A., Srivastava J. Churn Prediction in MMORPGs: A Social Influence Based Approach. : IEEE. -- 2009. -- Pp. 423-428.

16.?Krombholz K., Merkl D., Weippl E. Fake identities in social media: A case study on the sustainability of the Facebook business model // J Serv Sci Res. -- 2012. -- Vol. 4. -- № 2. -- Pp. 175-212.

17.?Masand B. et al. CHAMP: A Prototype for Automated Cellular Churn Prediction // Data Mining and Knowledge Discovery. -- 1999.?-- Vol. 3. -- № 2. -- Pp. 219-225.

18.?Mohammadi G., Tavakkoli-Moghaddam R., Mohammadi M. Hierarchical Neural Regression Models for Customer Churn Prediction // Journal of Engineering. -- 2013. -- Vol. 2013. -- No. 23. -- Pp. 1-9.

19.?Wai-Ho Au, Chan K. C. C., Xin Yao. A novel evolutionary data mining № 6. -- Pp. 532-545.

Размещено на Allbest.ru

...

Подобные документы

  • Понятие социальных сетей, их влияние на экономику. Структура социального капитала. Потребительское сотрудничество в Интернете. Преимущества торговли через соцсети. Примеры их эффективного использования. Экономические аспекты рекламы в социальных сетях.

    курсовая работа [130,3 K], добавлен 17.05.2012

  • Принятие решения по инвестиционным проектам. Критерии, используемые в анализе инвестиционной деятельности. Метод расчета нормы прибыли инвестиций, определение срока их окупаемости. Расчет влияния трудовых факторов на изменение выручки от продаж.

    контрольная работа [695,3 K], добавлен 10.10.2012

  • Сущность, содержание теории потребительского поведения, этапы эволюции концептуальных подходов в ней. Факторы, оказывающие влияние на покупательское поведение, его типы. Теория полезности в трактовке Джевонса, Кейнса, Менгера. Принятие решения о покупке.

    курсовая работа [325,3 K], добавлен 19.04.2015

  • Предпринимательское поведение как предмет социально-экономического анализа. Исследования классиков экономического поведения. Изучение происхождения норм поведения бизнесменов. Определение общих способностей предпринимательского поведения к управлению.

    курсовая работа [41,7 K], добавлен 26.01.2016

  • Общая характеристика и сравнительное описание подходов, используемых в практике оценки недвижимости на современном этапе: затратный, рыночный и денежный. Практические методы оценки, определение их основных преимуществ и недостатков, критерии выбора.

    контрольная работа [12,5 K], добавлен 08.12.2011

  • Расчет капитальных вложений на организацию и эксплуатацию сети. Определение доходов от реализации услуг (квартальная прибыль от вновь вводимой емкости). Оценка инвестиционной эффективности от внедрения сети кабельного телевидения и сети передачи данных.

    курсовая работа [167,8 K], добавлен 29.02.2012

  • Характеристика величины и структуры затрат на текущий ремонт и техническое обслуживание электрических сетей, анализ влияющих факторов. Методики обоснования планового уровня затрат. Резервы и экономическая оценка проектов повышения эффективности затрат.

    дипломная работа [182,2 K], добавлен 09.04.2010

  • Розничная торговая сеть: понятие, характеристика отдельных видов, типизация, специализация, современные форматы торговли. Состояние торговой сети потребительской кооперации. Направления совершенствования розничной торговли потребительской кооперации.

    курсовая работа [52,8 K], добавлен 13.06.2013

  • Истоки фундаментальных программ эмпирических и экспериментальных исследований экономического поведения. Психологические эксперименты Дэниела Канемана в экономике. Сущность разработанных Верноном Смитом лабораторных экспериментов в экономическом анализе.

    реферат [384,1 K], добавлен 20.04.2012

  • Сущность управленческого решения. Логика построения и корректировки систем управления. Критерии исследования и причины патологий управленческих систем. Механизм принятия, специфика реализации и показатели оценки эффективности управленческих решений.

    реферат [22,3 K], добавлен 19.01.2012

  • Систематизация теоретических знаний о конкуренции в сфере услуг и понятие конкурентоспособности. Анализ экономической деятельности сети ресторанов ООО "Глобал Поинт". Определение пути совершенствования деятельности ресторанов - "22.13" и "Barbaresco".

    курсовая работа [381,4 K], добавлен 01.06.2014

  • Систематизация и теоретическое исследование основных факторов эффективного экономического роста. Анализ состояния промышленности, сельского хозяйства и научного потенциала России. Основные приоритеты и оценка факторов эффективного развития экономики РФ.

    дипломная работа [170,5 K], добавлен 30.09.2011

  • Расчет затрат на модернизацию и монтаж локальной вычислительной сети Департамента социальной защиты населения города Ярославль. Общая смета затрат на обслуживание ЛВС. Расчет амортизационных отчислений, составление технико-экономического обоснования.

    курсовая работа [40,6 K], добавлен 01.06.2013

  • Сущность, методы и критерии измерения экономического роста, факторы, влияющие на него. Исследование основных моделей экономического роста, его проблемы в современной рыночной экономике. Экономическая политика России в 2008 году: определение приоритетов.

    курсовая работа [499,8 K], добавлен 08.03.2010

  • Проведение оценки информативности финансовой отчетности с позиции основных групп ее пользователей. Оценка движения денежных потоков на основе анализа информации, содержащейся в отчете о движении денежных средств. Основные средства на предприятиях.

    контрольная работа [26,3 K], добавлен 10.04.2014

  • Особенности земли как экономического ресурса. Абсолютная и дифференциальная рента. Цена земли для сельскохозяйственных и несельскохозяйственных пользователей. Добавленная стоимость как рыночная стоимость продукции. Расчет экономической прибыли бизнеса.

    контрольная работа [19,4 K], добавлен 06.11.2011

  • Сущность, основные этапы разработки и реализации управленческого решения. Методы оценки последствий реализаций управленческих решений на предприятии на примере ООО "Шатер Девелопмент". Расчет экономического обоснования принятия управленческого решения.

    курсовая работа [345,9 K], добавлен 29.10.2015

  • Анализ выбора схемы локальной вычислительной сети. Описание технологического процесса выполнения монтажных работ на прокладке ЛВС. Ведомость затрат на основные материалы, комплектующие изделия. Расчет заработной платы, стоимости монтажных работ.

    курсовая работа [135,6 K], добавлен 12.03.2013

  • Затраты на создание локальной сети: основные составляющие. Количество персонала инженерно-технического отдела по эксплуатации локальной сети. Стоимость проектных и монтажно-инсталляционных работ. Затраты на заработную плату, эксплуатационные расходы.

    реферат [34,3 K], добавлен 03.03.2011

  • Розничная торговая сеть. Функции и классификация розничного торгового предприятия. Специализация и типизация розничного торгового предприятия. Принципы размещения розничного торгового предприятия. Торговое предприятие – звено розничной торговой сети.

    курсовая работа [47,8 K], добавлен 23.02.2009

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.