Главная
Коллекция "Revolution"
Маркетинг, реклама и торговля
Сравнение степени влияния двух типов факторов, определяющих успешность продвижения сообщения в социальных сетях
Сравнение степени влияния двух типов факторов, определяющих успешность продвижения сообщения в социальных сетях
Социальные медиа как основа современной коммуникации, особенности коммуникации в электронных социальных сетях. Сравнение факторов, определяющих распространенность и популярность сообщений в социальных сетях.Роль социальных медиа в новой эре маркетинга.
| Рубрика | Маркетинг, реклама и торговля |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 09.07.2016 |
| Размер файла | 496,1 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.
Первым из факторов, который был рассмотрен исследователями как основополагающий для распространения сообщения - это контент сообщения, то есть непосредственно то, чему посвящена запись, какую информацию и про кого она включает.
Так, Р. Бандари, С. Асюр и Б. Хуберман в свей статье «The Pulse of News in Social Media: Forecasting Popularity» предполагали, что контент, который интересен большим массам пользователей, будет иметь большую популярность и распространение, нежели содержание, интересное лишь небольшой прослойке Интернет-сообщества. В целом, статья была посвящена непосредственно предсказанию популярности сообщения. Исследователи поставили главной гипотезой своего исследования предположение о том, что популярность записи напрямую зависит лишь от того, какая информация в ней заключена. На основе базы сообщений микроблога «Twitter», собранных за 50 дней, путем классификации и регрессионного анализа, авторы проверяли, насколько для распространения записи важны следующие характеристики:
· Исходный автор сообщения (ресурс);
· Тематика сообщения (категория);
· Тип написания (субъективность\объективность изложения);
· Упоминание в сообщении известных личностей.
Что касается непосредственных результатов исследования, то предсказательные способности построенных моделей не превышали 34%, в случае регрессионного анализа. Наилучшая модель имела следующие параметры, где S обозначает ресурс, Entct - количество упомянутых известных лиц, Entavg - среднее количество упоминаний конкетного человека в посте, Entmax - наибольшее число упоминаний в посте какой-либо известной личности:
(1)
Так, исходные предположения о том, что тематика сообщения существенно влияет на популярность сообщения, а также гипотеза о том, что субъективность языка значима для распространения записи, не подтвердились. Однако авторы достигли большей точности предсказаний при построении деревьев классификации, где она достигла 84%. В конце исследования исследователи приходят к выводу, что контент сообщения не так важен для распространения сообщения как ресурс (автор), который разместил его.
Тогда как в работе Р. Бандари, С. Асюр и Б. Хуберман содержание записи было рассмотрено с точки зрения тематики сообщения, а также упоминаний известных личностей, исследователи Линчи, Квок, Беи и Ю в своей статье «Spreading Social Media Messages on Facebook: An Analysis of Restaurant Business-to-Consumer Communications» реализовали иной подход. В рамках контент-анализа была проанализирована популярность сообщений о 12 ресторанах в социальной сети Facebook. С помощью этого метода попытались определить группы наиболее типичных слов, которые часто встречаются в успешных, популярных сообщениях. Так, ключевыми словами для «более популярных сообщений» стали следующие слова:
1. Слова, описывающие пункты меню (например, «сэндвич», «лобстеры», «шоколад»);
2. Специальные предложения в ресторанах и временные характеристики (например, «октябрь», «пятница» и «август»);
3. Вопросы к посетителям (например, «как», «кто», «попробуйте»);
4. Отношение компании к общественной деятельности (например, «ветеран» и «пожертвовать»).
Наименее популярные же сообщения включают в себя слова, относящиеся к маркетинговым акциям кампаний (например, «победитель», «победа», «шанс» и «конкурс»).
С одной стороны, данные результаты помогли сделать более общий вывод о том, что маркетинговые сообщения пользуются меньшей популярностью. Но с другой, такой подход к анализу приводит к следующей проблеме: такие группы лексики чрезвычайно трудно и практически невозможно найти, и они очень зависят от тематики анализируемых сообщений. Также, одни и те же слова могут употребляться в различных значениях и в сообщениях различных тематик, и в популярных и в не популярных сообщениях. Итак, подобный подход имеет множество слабых сторон, а его результаты нельзя распространить на генеральную совокупность. коммуникация социальный маркетинговый сеть
Ещё одной рассмотренной характеристикой в исследовании Линчи, Квок, Беи и Ю «Spreading Social Media Messages on Facebook: An Analysis of Restaurant Business-to-Consumer Communications» был «Медиа-тип» сообщения, под которым понимался формат сообщения: просто текст, сообщение со ссылкой, пост с фото, запись с видео. Анализ показал, что текстовые и сообщения с фото получают больше отклика от пользователей Facebook, чем те, которые содержат ссылку или видео. С точки зрения исследователей дают два объяснения подобного явления. Так, возможно, что пользователей больше привлекают простые и общие сообщения, содержащие фотографии и текстовую информацию, а не те, которые требуют времени на изучение (просмотр сайта по ссылки или видео). Но также вероятна и ситуация, когда после просмотра видео или нажатия гиперссылки многие просто забывают или пренебрегают нажатием кнопки «Мне нравится» или написания комментария.
Как уже было сказано ранее, в исследователи Р. Бандари, С. Асюр и Б. Хуберман в свей работе «The Pulse of News in Social Media: Forecasting Popularity» доказали, что контент не является важным для распространения сообщения, однако ресурс в полученной модели оказался значимым. Авторы статьи «Online Social Advertising via Influential Endorsers» Lee, Li и Lien пришли к схожему выводу. Согласно их результатам, возможности рекламы в социальных сетях зависят от самих пользователей, которые составляют эти сети. Причем некоторые из пользователей являются более значимыми, чем другие, и они носят название «влиятельных сторонников» («influential endorsers»). Так рекламные стратегии и механизмы должны исследовать и использовать возможности пользователей для достижения наиболее успешного распространения своей рекламы. Для доказательства успешности этого подхода авторы реализовали эксперимент в сети Facebook. Результаты показали, что система, основанная на социальных связях, превосходит по эффективности другие рекламные он-лайн механизмы. А значит можно предположить, в процессе распространения информации, и не только рекламного характера, ключевую роль играют конкретные люди, которые становятся залогом успешного распространения сообщения.
Так, мы можем подытожить, что в целом, тематика и сам контент сообщения (использованные слова, субъективность изложения) не являются важными для его распространения. Значимым стоит считать лишь медиа-тип, то есть структуру сообщения и наличия дополнительных ссылок или прикрепленных файлов. Что касается влияния на процесс самого распространителя сообщения, то его можно считать ключевым: некоторые пользователей действительно могут способствовать более успешному распространению информации. Несмотря на то, что важность отдельных влиятельных акторов для информационных процессов в социальной сети является очевидной, данный подход не был широко исследован, и остается неясным, кого следует относить к этой категории «влиятельных сторонников» и какие характеристики отличают их от других пользователей.
Выводы
Процессы распространения информации в он-лайн социальных сетях на сегодняшний день являются актуальным объектом для изучения: они оказывают серьезное влияние на события, имидж общественных деятелей и компаний, а также различные сферы жизни общества в целом. Основной особенностью подобных сайтов, которая способствует этому, является принцип «совместного изменения Интернета». Пользователи, создавая или пересылая чужое сообщение, создают уникальные информационные потоки для людей, входящих в их он-лайн сети социальных связей. Подобные стохастические процессы являются сложно контролируемыми, в то время как их значимость для общества является неоспоримой. Вопрос о тех факторах, которые могут его детерминировать также является достаточно сложным. Подход, рассматривающий важность тематики, эмоциональности и использования определенной лексики в сообщении не смог объяснить, почему некоторые записи получают большее распространение, чем другие. С точки зрения структуры сообщения была доказана значимость лишь медиа-типа поста (наличия изображения, прикрепленного видео, сторонних ссылок и т.д.). Большой потенциал для объяснения имеет теория «влиятельных сторонников», которая предполагает, что в он-лайн социальных сетях существуют такие пользователи, записи которых распространяются лучше и являются более популярными, чем у других. Однако отличительные черты этих влиятельных пользователей остаются неясными: отсутствует какое-либо представление о том, какими характеристиками должен обладать пользователь, чтобы стать ключевым элементов в процессе распространения информации по социальной сети.
Глава 2. Сравнение факторов, определяющих распространенность и популярность сообщений в социальных сетях Основные понятия исследования
Социальные медиа - категория веб-сайтов, предоставляющих возможность публикации, обмена и обсуждении контента широким кругом пользователей, в чем и реализуется наиболее характерная черта социальных медиа, а именно принцип совместного изменения Интернета. Наиболее яркими представителями социальных медиа являются: социальные сети (например: «Facebook», «Вконтакте» и др.),блоги (например: «Liveinternet», «Livejournal» и др.) и микроблоги (например: «Twitter» и др.).
Страница пользователя - персональное пространство пользователя на сайте, где он может опубликовывать записи, и где также хранится его персональная информация;
Пользователь, разместивший сообщение на своей странице - первоначальный автор сообщения или же человек, сделавший «репост» чужой записи;
Успешность продвижения сообщения - количество полученных откликов на сообщение от других пользователей в сети:
· Количество «репостов» (от анг. «repost» - перессылка) - распространенность записи, обеспечивается через распространение записи через других пользователей;
· Количество «лайков» (от англ. «like» - нравиться) - популярность записи. Большое число «лайков» переводит сообщение в список «наиболее интересных новостей», что впоследствии может сказаться на его последующем распространении.
Медиа-тип сообщения определяется наличием у него дополнительных структурных атрибутов: картинки, видео-файла, ссылки на сторонний источник.
Целевая группа сообщения - аудитория пользователей, которая потенциально заинтересована в информации, представленной в записи. К примеру, пользователи Iphone о приложениях, новых версиях телефона и деятельности компании Apple в целом.
Концептуальная модель исследования
Рис. 2. Процесс распространения сообщения в социальной сети
Размещено на http://www.allbest.ru/
Обоснование и выбор темы для сбора сообщений
Процесс сбора данных для базы сообщений проходил в несколько этапов. Первый из них касался выбора темы, которая бы подходила для анализа. Данным кейсом стал конфликт Ю. Архиповой, студентки ВШЭ, и известного телеведущего В. Соловьева. Что касается выбора темы, то сообщения, входящие в неё, являются подходящей базой для анализа по следующему ряду причин:
1) Достаточное количество записей, посвященных этой теме. Количество записей, посвященных данной тематике является достаточным для построения прогностических моделей, в том числе регрессионных (общий объем базы 1466 записей);
2) Однородность информации. Все сообщения носят информационный однотипный характер и различаются лишь медиа-типом, поскольку изначально в гипотезы исследования закладывалось лишь изучение значимых детерминант, определенных на основе анализа литературы. Из анализа результатов предшествующих исследований же было выявлено, что значимыми факторами со стороны структуры и контента сообщения является лишь медиа тип, следовательно, сообщения должны быть достаточно однородными и различаться только медиа-типом;
3) Сообщения разного медиа-типа. В базе присутствуют сообщения различного медиа-типа: ссылки на новость на информационных сайтах, видео-записи передачи, картинки. Это позволит нам провести сравнение по значимости медиа-типов записей для их распространенности и популярности;
4) Большая вариация значений успешности и популярности сообщения. Среди записей, составляющих базу сообщений, есть как посты с большим числом «репостов» и «лайков», так и сообщений, характеризующиеся их небольшим числом. Это значит, что наши изучаемые зависимые переменные для моделей имеют большую вариацию, что дает нам возможность построить хорошие прогностические модели;
5) Доступная «целевая группа сообщения». Поскольку несколько гипотез исследования связаны с пользователями, потенциально заинтересованными в информации сообщения, необходимо было подобрать тему, где группа таких людей легко бы идентифицировалась по доступной персональной информации в социальной сети. Поскольку название ВУЗа непосредственно упоминалось во всех сообщениях выбранной тематики, и большинство из новостей носило заголовок «Полный контакт с Вышкой», в данном случае подобным «маркером» «целевой группы сообщения» выступает упоминание НИУ ВШЭ в месте работы или учебы.
Процесс сбора данных и итоговая выборка исследования
После выбора темы наступал следующий этап, который касался сбора списка ссылок на сообщения, данные по разместивших их пользователям и медиа-типу потом дополнялись в базу. Он проходил через формирование поискового запроса по ключевым словам, которые включены в сообщение ((«ВШЭ» или «Архипова» или «Вышка») и («Соловьев»)). Каждое сообщение в базе имело свой уникальный идентификатор и ссылку на исходное сообщение. Далее база дополнялась и проверялась по «репостам» записи, которые уже имели в базе. То есть просматривались все «репосты» каждой записи и недостающие ссылки на сообщения дополнялись в базу. Это было необходимо, поскольку любой механизированный поиск информации в социальных медиа (и поиск вручную по «новостям» и итоговые базы компаний мониторинга социальных медиа») не могут собрать все сообщения по запросу, ввиду особенностей работы и программного кода сайтов. Также на этом же этапе определялись «отношения» между сообщениями: исходный автор сообщения и «родитель» - пользователь от которого был сделан «репост». В случае если сообщение являлось оригиналом, исходной записью, то и номер автора, «родителя» и самого пользователя совпадали. В результате определения подобных «отношений» между записями удалось визуализировать процесс распространения записей в программе Gephi (см. рисунок 3.).
Рис. 3. Распространенность информации «Вконтакте» по теме
конфликта Ю. Архиповой и В. Соловьева за период с 20.02.14 по 8.03.14
Третий этап касался сбора информации по медиа-типу сообщения и пользователю, опубликовавшему запись по базе собранных ссылок. Практически все характеристики, за исключением «количества читателей из целевой группы сообщения» и «принадлежности пользователя к целевой группе сообщения». Данные характеристики дополнялись в последующем вручную. В результате сбора данных было собрано 1466 сообщений по данной тематике за период с 21.02.14 по 8.03.14. Итоговое распределение записей по временному периоду представлено на рисунке 4.
Рис. 4. Общее количество опубликованных сообщений по дням
(за период с 20.02.14-08.03.14)
Ограничения исследования
Исходя из ряда особенностей процесса сбора информации, текущее исследование имеет ряд ограничений:
1) За основу анализа взят лишь один кейс (одна тема), поскольку процесс сбора подробных данных по теме является трудоемким, в большинстве ручным. Механизации не может быть подвержен сбор ряда характеристик пользователей, а также общий исходный список ссылок сообщений необходимый для последующего автоматизированного парсинга данных. И ввиду ограниченности человеческих ресурсов и временных рамок выполнения работы, сбор данных в большем объеме является невозможным. В дальнейшем развитии направления исследования интересным бы являлся сбор данных ещё по одной теме и сравнение полученных итоговых данных;
2) Общий объем сообщений может быть неполным. Процесс сбора велся по поиску новостей в социальной сети «Вконтакте», далее база дополнялась и проверялась сообщениями из «репостов» записи, уже включенной в базу. К сожалению, даже такой тщательный ручной метод сбора не исключает возможности покрытия не всех данных. Результаты данного метода сбора сравнивались с итогами сбора компании мониторинга социальных медиа, специализирующихся на сборе информационных баз в социальных медиа по поисковым заданным поисковым запросам. Однако база, собранная компанией мониторинга социальных медиа, насчитывала лишь 182 сообщения за указанный период, тогда как база, ставшая основой исследования, составила 1466 записей. Такая разница объясняется тем, что автоматизированный процесс поиска записей по необходимому запросу в сети является не всегда удачным, что обосновывается сложностями составления программного кода данных операций для постоянно обновляющихся интерфейсов программирования приложений сайтов социальных медиа. Условно говоря, программисты слишком часто вносят изменения в структуру кода сайтов, что влияет на качество автоматизированного сбора информации с данных сайтов во временной перспективе. Эта проблема меньшим образом затрагивает ручной поиск сообщений, то есть поиск записей вручную по определенному запросу в «новостях», поскольку разработчики самих сайтов адаптируют и обновляют данную функцию, исходя из последних внесенных изменений в программный код сайта. И имея список ссылок на записи, собранный вручную по «поиску по новостям», сами характеристики по записи и пользователю с помощью парсинга, к примеру, через PHP-скрипт, можно собрать достаточно эффективно, что и было сделано в текущем исследовании;
3) В исследовании взяты сообщения только из социального медиа типа «социальная сеть», а именно «Вконтакте». Во-первых, поскольку в профилях пользователей достаточно большое количество персональной информации, к примеру, в отличие от микроблока «Twitter». Во-вторых, выбор непосредственно социальной сети «Вконтакте» обоснован тем, что особенность структуры и программного html-кода сайта удобнее для механического сбора информации чем, к примеру, сеть «Facebook»;
4) Рассмотренные характеристики пользователей в данной модели ограничены тем набором характеристик, который можно извлечь непосредственно из персональной страницы пользователя;
5) Особенность сбора в целом темы и сообщений, которые были включены в неё, обоснованы гипотезами исследования о влиянии лишь медиа-типа на степень продвижения сообщения, что было выведено на основе анализа литературы. Поэтому сообщения, включенные в итоговую базу однородны, носят информационных характер, и различаются лишь медиа-типом, что исключает влияния прочих факторов со стороны сообщения на степень его распространения;
6) Итоговый анализ проводится лишь по категории «пользователей» и в расчет не берутся сообщения «сообществ» и «пабликов» «Вконтакте», поскольку полученные данные по последним категориям крайне невелики по объему. По пользователям итоговое количество сообщений - 1395 сообщение, по «группам» и «пабликам» - 71 сообщение.
Прежде чем перейти к более подробному описанию наших моделей и итоговых результатов, нам стоит сделать небольшое отступление и пояснить, почему мы используем именно показатели числа «лайков» и «репостов», а не применяем более сложные показатели сетевого анализа, которые бы показывали, какое конечное положение определенный пользователь занимает в общей структуре распространения сообщения, что бы как раз и задавало его характеристики «влиятельного сторонника» - ключевого актора в сети. Одним из наиболее подходящих показателей «веса» пользователя в процессе передачи сообщений в социальной сети стоит считать характеристику центральности собственного вектора («eigenvector centrality»). Она определяет степень влияния узла в сети через контакты с другими узлами, с которыми он соединен. При этом, согласно статье Bonacich P. «Some unique properties of eigenvector centrality», подобный способ измерения центральности через собственный вектор имеет существенное преимущество, поскольку данная метрика дифференцирует «вес» контактов, с которыми связан узел. Таким образом, показатель eigenvector centrality может также рассматриваться не просто как взвешенная сумма только прямых связей пользователя, но и его косвенных связей. Для исследуемой базы сообщений подобная метрика была высчитана и проверена на корреляцию с показателями числа «репостов» и «лайков» записи. Как и стоило ожидать, полученные коэффициенты корреляции получились крайне высокими (0,995 для количества «репостов» и 0,975 для количества «лайков»). Для нас это означает, что в принципе, число «лайков» и «репостов» записи фактически и определяют итоговое положение и «вес» узла в общей сети передачи информации. И значит, строя прогностические модели для метрик популярности и распространенности сообщения, мы работаем непосредственно с влиятельностью пользователя, которая полностью детерминирована числом «лайков» и «репостов», которые получила его запись.
Итак, для определения значимых факторов, обуславливающей на успешность продвижения записи в социальной сети, была выбрана модель регрессионного анализа. В данной работе успешность продвижения сообщения измеряется через два показателя: распространенности сообщения (количество последующих «репостов») и популярность записи (количество полученных «лайков»). По типу наши обе зависимые переменные являются интервальными, поэтому модель множественной линейной регрессии с фиктивными переменными была выбрана как адекватный метод решения поставленных задач.
В качестве независимых переменных в для обоих моделей (как для предсказания популярности, так и для предсказания распространенности) использовались следующие характеристики.
Модель 1. Теория «влиятельных сторонников»
(значимость характеристик пользователя)
Социально-демографические характеристики пользователя
1. Пол (контрольная группа - пользователи мужского пола);
2. Возраст;
3. Принадлежность пользователя к «целевой группе сообщения». Напомним, что к данной группе относятся те пользователи, которые потенциально заинтересованы в информации, которую несет сообщение. В данном случае в качестве «целевой группы сообщения» были выбраны студенты и сотрудники НИУ ВШЭ ( контрольная группа - пользователи, относящиеся к «целевой группе сообщения»);
Характеристики интернет-пользователя
1. Активность в социальной сети пользователя, разместившего сообщение (среднее количество записей в месяц);
2. Опыт пользования социальной сетью пользователя, разместившего сообщение (в годах);
3. Общее количество читателей (суммарное количество друзей и подписчиков пользователя, разместившего у себя запись);
4. Количество читателей из «целевой группы сообщения», потенциально заинтересованных в информации (определялось числом студентов и сотрудников НИУ ВШЭ в друзьях и подписчиках пользователя).
Таким образом, для модели «влиятельных сторонников» контрольной группой, с которой сравнивались показатели, являются представители «целевой группы сообщения (студенты и сотрудники НИУ ВШЭ) мужского пола.
Модель 2. Подход со стороны структуры сообщения
(медиа-тип записи)
Характеристики медиа-типа записи
1. Наличие прикрепленной ссылки на сторонний интернет-ресурс;
2. Наличие прикрепленной картинки к сообщению;
3. Наличие прикрепленной видео-записи к сообщению.
Таким образом, для модели «медиа-тип» сообщения, контрольной группой стали те записи, которые не имеют никаких прикрепленных ссылок и прочих файлов, то есть являются просто текстовыми сообщениями.
Итоговые модели проверялась на ограничения линейной регрессии, а именно: нормальность распределения остатков, гомоскедастичность и мультиколлениарность. Тест Колмогорова-Смирнова показал нормальное распределение остатков, в модели присутствует гомоскедастичность, мультиколлениарность в модели отсутствует (коэффициенты корреляции Пирсона между независимыми переменными не превышает 0,34, что позволяет поместить весь набор независимых переменных в одну модель).
Факторы, определяющие популярность сообщения в социальной сети
Модель 1. Теория «влиятельных сторонников»
в перспективе объяснения популярности записи
Рассмотрим модель, предсказывающую популярность записи с точки зрения теории «влиятельных сторонников», которая предполагает, что успешность продвижения информации зависит от тех пользователей, которые её размещают. После построения данной модели мы сможем понять, какие именно характеристики пользователей являются значимыми для количества «лайков», которые получит запись. Обратимся к показателям качества полученной модели.
Таблица 2
Качество модели предсказания числа «лайков» записи через
характеристики пользователя, разместившего запись на своей странице
|
R |
R-квадрат |
Скорректированный R-квадрат |
Стандартная ошибка оценки |
|
|
,474a |
,225 |
,183 |
2,56732 |
Традиционно характеристикой качества линейной регрессионной модели принято считать коэффициент детерминации - R2. Итак, исходя из показателя качества данной модели, можно сделать вывод о том, что количество «лайков» записи определяется характеристиками пользователя достаточно значительно. Дисперсия нашей зависимой переменной (количество «лайков» со страницы пользователя) объясняется нашим набором независимых переменных (характеристик пользователя) на 22,5%. Чтобы определить, какие именно характеристики отличают тех пользователей, чьи сообщения становятся наиболее популярными, обратимся к более подробным коэффициентам модели.
Таблица 3
Регрессионные коэффициенты для модели
предсказания числа «лайков» записи через характеристики пользователя, разместившего запись на своей странице
|
Параметр |
Нестандартизованные коэффициенты |
Стандартизованные коэффициенты |
т |
Знач. |
||
|
B |
Стандартная Ошибка |
Бета |
||||
|
(Константа) |
1,341 |
1,585 |
,846 |
,399 |
||
|
Социально-демографические характеристики |
||||||
|
Пол |
-,057 |
,461 |
-,010 |
-,123 |
,902 |
|
|
Возраст |
,014 |
,081 |
,017 |
,171 |
,864 |
|
|
Не относятся к «целевой группе сообщения» |
,561 |
,693 |
,091 |
,809 |
,420 |
|
|
Характеристики интернет-пользователя |
||||||
|
Общее количество читателей |
,003 |
,001 |
,193 |
2,000 |
,048 |
|
|
Количество читателей из «целевой группы сообщения» |
,019 |
,005 |
,363 |
3,504 |
,001 |
|
|
Активность пользователя (среднее количество постов на стене в месяц) |
-,023 |
,009 |
-,214 |
-2,699 |
,008 |
|
|
Опыт пользования сайтом (в годах) |
-,318 |
,142 |
-,203 |
-2,231 |
,027 |
Примем уровень доверительной вероятности в 95%, и рассмотрим, какие коэффициенты получились значимыми. Оцененное на данных уравнение регрессии для данной модели написано ниже:
Популярность сообщения = 0,003*Общее количество читателей + 0,19*Количество читателей из целевой группы - 0,023*Активность пользователя - 0,318* Опыт пользования сайтом
(2)
Константа не является значимой, и это означает, что в среднем, у сообщений пользователей мужского пола из «целевой группы сообщения» количество «лайков» записи равна 0. Также можно заметить, все показатели значимости для блока переменных социально-демографических характеристик больше 5%, а значит количество «лайков» на принятом уровне доверительно вероятности не связано с социально-демографическими характеристиками пользователя, а именно с полом, возрастом и потенциальной заинтересованностью в информации. Выходит, что сообщения пользователей различного пола, возраста и с разной степенью заинтересованностью к информации сообщения в равной степени могут оказаться популярными.
Совершенно обратную картину мы видим для блока характеристик интернет-пользователей. Все коэффициенты для данной категории атрибутов определяют популярность сообщения. Так, значимым является и общее число читателей пользователя, и количество читателей из «целевой группы», то есть тех, кто потенциально заинтересован в информации. При сравнении стандартизованных коэффициентов в регрессии можно заключить, что именно число читателей из «целевой группы» является более важным для популярности записи, чем общее их общее количество (коэффициент для общего количества читателей - 0,193, а для количества читателей из «целевой группы» - 0,393). Это можно объяснить тем, что люди, которые заинтересованы в информации действительно более склонны выражать свое отношение к сообщениям, которое в рамках социальных сетей можно передать через проставления «лайка» к записи, характеризующего некий эмоциональный отклик к информации, содержащейся в самом сообщении. Что касается остальных двух характеристик данного блока, то они характеризуют некий «портрет» пользователя, который разместил сообщение. А именно его опыт пользования социальной сетью и его активность. Оба коэффициента являются отрицательными. Это можно объяснить тем, что в социальной сети пользователей, которые распространяют большое количество информации, и в том числе «репостов» записей, зачастую считают «спамщиком» (человеком, который целенаправленно распространяет рекламу). Поэтому с наибольшим вниманием в социальной сеть относятся к записям тех людей, которые более внимательно отбирают контент, который размещают на своих страницах, и размещают достаточно лимитированное число записей. Что же касается опыта пользования, то здесь интерпретация отрицательного коэффициента связи может быть следующая. Количество «лайков» записи наиболее важно лишь начинающим пользователям, тогда как более опытные менее ориентированы на подобный социальный отклик и являются более самостоятельными субъектами социальной сети, и размещают у себя ту информацию, которая кажется интересной им, не ориентируясь на мнение других. Пользователям-новичкам же более важно некое одобрение своих действий в рамках социальных сетей, которое и оказывают другие пользователи через выставление «лайков» записям. Стоит отметить, что данное явление большей популярности записей молодых пользователей нельзя списать на так называемых «ботов» (специально созданных аккаунтов для распространения рекламных записей), которые создаются на короткое время и чей «опыт пользования сетью» крайне мал. Это было достигнуто за счет того, что каждый аккаунт из выборки проверялся вручную через месяц после сбора базы, и все подозрительные пользователи, а также уже удаленные пользователи, которыми чаще всего и являются «спам-аккаунты», были изъяты из итогового массива данных.
Итак, мы определили, что в целом, популярность записи во многом зависит от характеристик пользователя, разместившего запись, а именно от его количества читателей, количества читателей из елевой группы сообщения», опыта пользования социальной сетью и активности в сети. Теперь перейдем к рассмотрению второго фактора, предположительно влияющего на популярность записи.
Модель 2. Влияние медиа-типа на популярность записи
Следующая группах характеристик, которая предположительно связана с популярностью сообщения - это медиа-тип сообщения. Напомним, что медиа-тип, согласно предыдущим исследованиям, является единственным параметром непосредственно со стороны структуры и контента сообщения, который влияет на его успешность в сети. Статистики по качеству модели представлены ниже.
Таблица 4
Качество модели предсказания числа «лайков» записи через медиа-тип сообщения
|
R |
R-квадрат |
Скорректированный R-квадрат |
Стандартная ошибка оценки |
|
|
,029a |
,001 |
-,002 |
31,16176 |
Как можно отметить по значению коэффициента детерминации, данный набор независимых переменных медиа-типа объясняет популярность сообщения лишь на 0,1%, что практически означает, что популярность сообщения не зависит от того, какой у него медиа-тип. Обратимся к более подробным статистикам модели.
Таблица 5
Регрессионные коэффициенты для модели предсказания
числа «лайков» записи через медиа-тип сообщения
|
Параметр |
Нестандартизованные коэффициенты |
Стандартизованные коэффициенты |
т |
Знач. |
||
|
B |
Стандартная Ошибка |
Бета |
||||
|
(Константа) |
3,413 |
1,515 |
2,253 |
,024 |
||
|
Наличие ссылки на сторонний сайт |
,440 |
2,197 |
,007 |
,200 |
,841 |
|
|
Наличие видео-файла |
-,184 |
6,758 |
-,001 |
-,027 |
,978 |
|
|
Наличие картинки |
1,736 |
2,359 |
,026 |
,736 |
,462 |
Проанализировав значимость коэффициентов для модели, рассматривающей влияние медиа-типа на популярность записи, можно заключить, что в среднем, сообщение без ссылок на сторонние сайты, без прикрепленных видео или картинок способно в среднем получить 3,4 «лайка». Однако наличие каких-либо дополнительных медиа-файлов не гарантирует его большей популярности.
Обобщая полученные результаты по моделям, предсказывающим популярность сообщения, можно утверждать, что «теория влиятельных сторонников» достаточно хорошо объясняет интересующее нас явление, тогда как модель медиа-типа показала нулевые предсказательные возможности. Что касается проверки наших гипотез, то лишь некоторые из них оказались весомыми. А именно те, которые касались значимости специфических характеристик интернет-пользователей. Так, положительная связь была обнаружена с общим числом читателей, а также с количеством читателей из «целевой группы сообщения». Отрицательно же связаны с числом «лайков» активность пользователя и опыт пользования социальной сетью «Вконтакте», причем последнее отвергает поставленную ранее гипотезу. Так, мы можем подытожить, что тех самых ключевых акторов, сообщения которых становятся наиболее популярными, отличает большое общее число читателей, и в том числе из «целевой группы сообщения», достаточно низкая активность по общему числу записей (что делает каждое их опубликованных сообщений более значимым и достойным внимания других пользователей) и небольшой опыт пользования социальной сетью.
Как уже было сказано ранее, успешность продвижения сообщения в сети включает в себя кроме популярности ещё и распространенность записи. Перейдем к моделям, определяющим эту характеристику сообщения.
Факторы, определяющие распространенность сообщения в социальной сети
Модель 3. Теория «влиятельных сторонников»
в перспективе объяснения распространенности записи
Рассмотрим модель, предсказывающую распространенность записи с точки зрения теории «влиятельных сторонников» и выявим, какие именно характеристики пользователей могут определять, насколько будет распространенно сообщения, опубликованное на их персональной страницы в социальной сети. Интересным является сравнение двух моделей. Первая из которых будет рассматривать взаимосвязь количества «репостов» с характеристиками первичного автора записи, а вторая непосредственно с атрибутами пользователя, который впоследствии разместил запись на своей странице. Подобная дифференциация моделей поможет понять, можно ли уже на стадии первичного возникновения сообщения определить, будет ли оно иметь существенное распространение или же оно зависит от последующих пользователей, делающих «репосты» записи. Ранее, прогнозирование общей популярности записи через характеристики первичного автора не выполнялось по следующей причине: для количества «лайков» такая модель является затруднительной для построения ввиду особенностей процессов присвоения «лайков» к записям в сети «Вконтакте». Так, у первичной записи не всегда все собранные «лайки» являются отраженными. Для ситуации же с «репостами», общее количество отраженных «репостов» первичной записи равно сумме всех «репостов» со страниц пользователей, которые делали «перепост» записи и «репостов» непосредственно со страницы автора. Именно поэтому мы можем построить две дифференцированные модели: для определения значимых характеристик непосредственного «автора записи» и для характеристик пользователей, которые её продолжили распространять. Для начала рассмотрим модель влияния характеристик первичного автора сообщения.
Таблица 6
Качество модели предсказания числа «репостов» записи
через характеристики автора сообщения
|
R |
R-квадрат |
Скорректированный R-квадрат |
Стандартная ошибка оценки |
|
|
,245a |
,060 |
,009 |
,33893 |
Как можно заметить, полученные нами статистики качества модели крайне низки. Так мы видим, что характеристики первичного автора сообщения определяют его последующую распространенность лишь на 6%. Рассмотрим более подробные коэффициенты модели.
Таблица 7
Регрессионные коэффициенты для модели предсказания числа «репостов» записи через характеристики автора сообщения
|
Параметр |
Нестандартизованные коэффициенты |
Стандартизованные коэффициенты |
т |
Знач. |
||
|
B |
Стандартная Ошибка |
Бета |
||||
|
(Константа) |
-,011 |
,209 |
-,055 |
,956 |
||
|
Социально-демографические характеристики |
||||||
|
Пол |
,031 |
,061 |
,045 |
,509 |
,611 |
|
|
Возраст |
,010 |
,011 |
,105 |
,979 |
,329 |
|
|
Не относятся к «целевой группе сообщения» |
-,014 |
,092 |
-,019 |
-,153 |
,879 |
|
|
Характеристики интернет-пользователя |
||||||
|
Общее количество читателей |
,000 |
,000 |
,198 |
1,861 |
,065 |
|
|
Количество читателей из «целевой группы сообщения» |
,000 |
,001 |
-,061 |
-,538 |
,591 |
|
|
Активность пользователя (среднее количество постов на стене в месяц) |
-,001 |
,001 |
-,095 |
-1,083 |
,281 |
|
|
Опыт пользования сайтом (в годах) |
-,038 |
,019 |
-,204 |
-2,037 |
,054 |
Примем уровень доверительной вероятности в 95%, и рассмотрим, какие коэффициенты значимы. Как можно заметить исходя из значимости коэффициентов, ни одна из характеристик первичного автора не влияет на последующую успешность записи. Далее рассмотрим модель, в которой «распространенность» сообщения будет определяться характеристиками пользователей, которые не являются авторами сообщения, а принимают участие в дальнейшем распространении уже созданного сообщения.
Таблица 8
Качество модели предсказания числа «репостов» записи
через характеристики пользователя, разместившего запись на странице
|
R |
R-квадрат |
Скорректированный R-квадрат |
Стандартная ошибка оценки |
|
|
,458a |
,210 |
,167 |
,55059 |
Итак, исходя из качества модели (значения R-квадрат) можно сделать вывод о том, что количество «репостов» записи определяется характеристиками пользователя, который размещает у себя на странице чью-то запись, достаточно сильно. Дисперсия нашей зависимой переменной (количество «репостовв» со страницы пользователя) объясняется нашим набором независимых переменных на 21%. Обратимся к более подробным коэффициентам модели (таблица 9).
Таблица 9
Регрессионные коэффициенты для модели предсказания числа «репостов» записи через характеристики пользователя,
разместившего запись на своей странице
|
Модель |
Нестандартизованные коэффициенты |
Стандартизованные коэффициенты |
т |
Знач. |
||
|
B |
Стандартная Ошибка |
Бета |
||||
|
(Константа) |
-,786 |
,340 |
-2,311 |
,022 |
||
|
Социально-демографические характеристики |
||||||
|
Пол |
-,034 |
,099 |
-,028 |
-,348 |
,728 |
|
|
Возраст |
,041 |
,017 |
,236 |
2,400 |
,018 |
|
|
Не относятся к «целевой группе сообщения» |
,116 |
,149 |
,088 |
,779 |
,437 |
|
|
Характеристики интернет-пользователя |
||||||
|
Общее количество читателей |
,001 |
,000 |
,245 |
2,522 |
,013 |
|
|
Количество читателей из «целевой группы сообщения» |
,002 |
,001 |
,213 |
2,039 |
,043 |
|
|
Активность пользователя (среднее количество постов на стене в месяц) |
-,001 |
,002 |
-,043 |
-,532 |
,596 |
|
|
Опыт пользования сайтом (в годах) |
-,034 |
,031 |
-,104 |
-1,126 |
,262 |
Примем уровень доверительной вероятности в 95%, и рассмотрим, какие коэффициенты получились значимыми. Оцененное на данных уравнение регрессии для данной модели написано ниже:
Популярность сообщения = -0,786 +0,41*Возраст пользователя+0,001*Общее количество читателей + 0,002*Количество читателей из целевой группы
(3)
Можно заметить, что в отличии от модели предсказания популярности сообщения, для распространенности записи важны не только характеристики человека как интернет-пользователя, но и его социально-демографические показатели, а именно возраст. Переменная возраста имеет положительный коэффициент, а значит люди более старшего поколения имеют в среднем большую распространенность своих записей. Это можно объяснить тем, что информацией, размещенной более взрослым человеком, доверяют больше, поскольку, исходя из своего опыта, он может более качественно её отбирать и определять важную и правдивую информация. Что касается переменных, относящихся к блоку характеристик интернет-пользователя, то здесь значимыми оказались характеристики электронного социального капитала пользователя, а именно его общего количества читателей и количества читателей из «целевой группы сообщения». Причем в данном случае, общее количество читателей оказывается более значимым, чем количество читателей из «целевой группы сообщения», которые могли бы быть потенциально заинтересованы в информации.
Итак, мы определили, что в целом, распространенность записи во многом зависит от характеристик именно пользователя, разместившего у себя написанную кем-то запись (сделавшего «репост» с чьей-то страницы). Характеристики же первичного автора определяют последующую распространенность сообщения намного слабее. Так, можно прийти к выводу, что общая распространенность записи зависит не столько от автора, сколько от тех пользователей, которые включаются в последующий обмен информацией. Теперь перейдем к рассмотрению второго фактора, а именно медиа-типа сообщения.
Модель 4. Влияние медиа-типа на распространенность записи
Второй группой факторов, которые взаимосвязаны с распространенностью сообщения в социальной сети, является медиа-тип сообщения. В данном случае независимыми переменными являются три фиктивных переменные, а именно: наличие ссылки на сторонний сайт в сообщении, наличие видео-файла, наличие картинки в сообщении. Статистики по качеству модели представлены ниже.
Таблица 10
Качество модели предсказания числа «репостов» записи
через медиа-тип сообщения
|
R |
R-квадрат |
Скорректированный R-квадрат |
Стандартная ошибка оценки |
|
|
,018a |
,000 |
-,003 |
6,48948 |
Как и в случае предсказания популярности сообщения, мы видим, что медиа-тип имеет предсказательные способности числа «репостов» сообщения на уровне 0%, это означает, что распространенность сообщения не зависит от того, какого медиа-типа оно является.
Таблица 11
Регрессионные коэффициенты для модели предсказания числа
«репостов» записи через медиа-тип сообщения
|
Нестандартизованные коэффициенты |
Стандартизованные коэффициенты |
т |
Знач. |
|||
|
B |
Стандартная Ошибка |
Бета |
||||
|
(Константа) |
,799 |
,316 |
2,532 |
,011 |
||
|
Наличие ссылки на сторонний сайт |
,055 |
,458 |
,004 |
,121 |
,904 |
|
|
Наличие видео-файла |
,322 |
1,407 |
,007 |
,229 |
,819 |
|
|
Наличие картинки |
,205 |
,491 |
,014 |
,417 |
,677 |
Рассмотрев значимость коэффициентов для модели, рассматривающей влияние медиа-типа на распространенность записи, можно заключить, что в среднем, сообщение без ссылок на сторонние сайты, без прикрепленных видео или картинок способно в среднем получить менее 1 «репоста». Это означает, что медиа-тип никак не сказывается на распространенности записи и нам следует обращаться к теории «влиятельных сторонник» для объяснения распространенности тех или иных сообщений в рамках социальной сети.
Обобщая полученные результаты по моделям, предсказывающим распространенность сообщения, как и в случае с популярностью, мы можем заключить, что «теория влиятельных сторонников» продемонстрировала хорошие предсказательные возможности, в отличии модели, обуславливающей распространенность медиа-типом записи. Что касается проверки наших гипотез, то, как и в модели предсказания популярность записи, лишь некоторые из них подтвердились. В данном случае значимыми оказались возраст и электронный социальный капитал пользователя в случае предсказания распространенности сообщений со страниц людей, не являвшихся первоначальными авторами записи. В данном случае было доказано, что сообщения взрослых пользователей с большим количеством друзей, а также друзей из целевой группы, имеют в среднем большую распространенность. Также, отдельно была рассмотрена ситуация значимости характеристик автора для общего количества полученных «репостов» записи. Предположительно, они могли играть роль, поскольку именно первоначальный автор выбирает контент сообщения и его общий формат, и возможно, делая очередной «репост» записи, пользователь обращает внимание непосредственно на то, кто является исходным автором сообщения. Однако наша модель для значимости характеристик автора оказалась крайне низкого качества, что доказывает тот факт, что в процессе распространения информационных сообщений в социальной сети наиболее важными являются те люди, которые непосредственно распространяют записи, тогда как характеристики самих первоначальных авторов отходят на второй план.
Теперь, имея представление о том, какие именно факторы влияют на распространенность сообщения, а какие на его популярность, проведем сравнение их степени влияния. Как уже было сказано ранее, обе изучаемые характеристики продвижения сообщения (популярность и распространенность) крайне плохо объясняются медиа-типом сообщения. Однако теория влиятельных сторонников для обоих случае показала хорошие прогностические возможности. Обратимся к более подробным статистикам по отдельным характеристикам, отличающих «влиятельных сторонников» записей. И для распространенности, и для популярности сообщения весомым оказался электронный социальный капитал пользователя (его общее число читателей и число читателей из «целевой группы сообщения»). Причем, тогда как для категории «репостов» два данных параметра социального капитала имеют схожее влияние, для популярности записи большей вес имеют непосредственно читатели из «целевой группы сообщения». Ещё одной отличительной особенностью является значимость возраста для категории предсказания числа «репостов» сообщения, тогда как для категории «популярности» он оказался незначимым. Так, сообщения со страниц более взрослых пользователей умеют большую распространенность. Для категории же «лайков» таким отличительными значимыми характеристиками стали опыт и общая активность и опыт пользования социальной сетью, связанные обратной связью с категорией «популярности» сообщения. Делая общие выводы по сравнению факторов, влияющих на «популярность» и «распространенность» сообщения, можно заключить, что для обоих характеристик продвижения записи в первую очередь важен электронный социальный капитал пользователя, который в большинстве своем и определяет кем будет распространяться запись далее по социальным связям. Однако наиболее интересны именно те значимые характеристики, которые различаются для двух моделей. Тогда как «популярности» записи взаимосвязана с общим «портретом» интернет-пользователя (его опытом пользования сайтом и общей активностью), то для непосредственного распространения записи важен возраст пользователей, из которого вытекает их больший жизненный опыт, а значит и более тщательный подход к отбору информации, размещаемой на их персональной странице.
Заключение
На сегодняшний день процессы продвижения информации в он-лайн социальных сетях являются актуальным объектом для изучения со стороны социальных наук: они оказывают серьезное влияние на события, имидж общественных деятелей и компаний, а также различные сферы жизни общества в целом. Это происходит по той причине, что социальные медиа отличаются от своих предшественников тем, что теперь пользователи могут самостоятельно создавать и распространять любой контент. В рамках социальных медиа в новостных лентах пользователей создаются уникальные информационные потоки, относящиеся к информации абсолютно различного рода: от покупок бытовой техники до записей о митингах и протестах. Такие стохастические процессы распространения информации являются сложно контролируемыми, в то время как их значимость для общества является неоспоримой. Данная работа была нацелена на изучение тех факторов, которые в итоге детерминируют общую распространенность той или иной информации. В данном исследовании анализу с точки зрения значимости для продвижения сообщения в социальной сети подверглись две группы факторов медиа-тип сообщения и характеристики пользователя, разместившего запись на своей странице. Первый фактор относится к объяснению успешности продвижения записи со стороны самого сообщения, а именно его медиа-типа, второй же к теории «влиятельных сторонников», которая предполагает, что в процессах продвижения информации важны «ключевые акторы», которые способны дать сообщению большее продвижение. Под данным термином «успешность продвижения» в данной работе понимались две характеристики сообщения: его распространенность (количество «репостов записи) и популярность (количество «лайков» записи). И как оказалось, данные характеристики продвижения сообщения определяются различными параметрами.
Если сравнивать две модели прогнозирования популярности и распространенности записи через «теорию влиятельных сторонников», то можно заключить, что, тогда как популярность записи зависит лишь от общего «интернет-портрета пользователя», то есть его характеристик опыта, активности и числа читателей, то для непосредственной распространенности записей важен «электронный социальный капитал» пользователя и возраст тех пользователей, которые не являясь первичными авторами, включаются в процесс распространения информации. Причем в обоих случаях важными являются характеристики именно пользователей, распространяющих информацию, а не самих авторов записей. Отсюда можно заключить, что по сути, продвижение сообщения зависит не столько от автора, а от людей, которые начнут дальше распространять информацию и непосредственно их социального капитала.
Что же касается влияния второй группы факторов, а именно медиа-типа сообщения, то показатели качества как для модели «лайков», так и «репостов», около нуля. Возможно, это стоит объяснить тем, что за основу исследования был взят чисто информационный повод, и в данном случае большую роль играет непосредственно сама информация, а медиа-тип не играет абсолютно никакой роли, что и получилось в рамках данного исследования. Эти предположения закладывают основу для будущих исследований, в рамках которых было бы разумно рассмотреть ряд других кейсов не новостной тематики. Однако в рамках данного исследования, исходя из ограниченности временных и трудовых ресурсов, а также сложности и трудоемкости сбора данных, это невозможно было осуществить.
Подводя общие итоги, можно заключить, что подход теории «влиятельных сторонников» действительно является значимым для объяснения процессов продвижения информации в социальных медиа. Исходные предположения о том, что предсказательные способности «теории влиятельных сторонников» велики, полностью подтвердились. Дальнейшие исследования в данной области в первую очередь должны коснуться проверки результатов исследования на кейсах другой тематики, возможно не такого «острого» информационного характера, сравнение которого с данным информационным кейсом поможет сделать ряд выводов о том, как продвигается информация подобного «скандального» характера, как в проанализированном кейсе, в сравнении с довольно нейтральным и обыденным контентом. Однако уже на данном этапе проведения исследования можно заключить, что при анализе факторов, определяющих течение информационных процессов в социальных медиа, характеристики пользователей, распространяющих информацию, занимают одно из ключевых мест в процессах продвижения информации в социальных медиа.
Список использованной литературы
Книги и статьи
1) Вайнерчук Г. Лайкни меня! Экономика благодарности = The Thank You Economy. М.: «Альпина Паблишер», 2012.;
2) Грановеттер М. Сила слабых связей (перевод З. В. Котельниковой) // Экономическая социология. 2009. Т. 10. № 4. С. 31-50;
...Подобные документы
Популярные социальные сети и их сильные стороны. Варианты реализации рекламной компании в социальных сетях. Формирование отдела по продвижению в социальных платформах. Система продвижения сообщества "ALDO Coppola Baku" в социальной сети Facebook.
курсовая работа [88,9 K], добавлен 03.03.2016Понятие и задачи маркетинга в социальных сетях как инновационная форма продвижения товаров и услуг. Анализ системы продвижения компании и разработка мероприятий по продвижению компании с помощью социальных сетей. Совершенствования системы продвижения.
курсовая работа [432,2 K], добавлен 24.09.2019Изучение рынка товаров и услуг с точки зрения социологии. Проведение сравнительного анализа инструментов продвижения товаров и услуг. Рассмотрение феномена социальных сетей в постиндустриальном обществе. Влияние интернет-маркетинга в социальных сетях.
дипломная работа [410,6 K], добавлен 16.06.2017Специфика социальных сетей как средства маркетинга, особенности организации PR и рекламной деятельности. Разновидности рекламно-маркетинговых целей и задач. Оптимизация Pr-деятельности для жилого комплекса в социальных сетях Вконтакте и Facebook.
дипломная работа [901,1 K], добавлен 30.06.2015Маркетинговые коммуникации и цели проведения рекламных кампаний. Конкурентный анализ рынка логистических компаний. Применение алгоритма построения стратегии рекламной кампании в социальных сетях для компании Containerships. Методы оценки SMM-маркетинга.
дипломная работа [1,8 M], добавлен 22.05.2015Использование современных информационно-коммуникационных технологий с целью продвижения малого бизнеса. Анализ состояния и тенденций развития маркетинга в социальных сетях. Характеристика инструментов, применяемых при распространении рекламы в Instagram.
курсовая работа [3,3 M], добавлен 11.12.2021Разработка SMM-стратегии, обязанности и ключевые навыки SMM-менеджера, методы измерения эффективности, способы создания контента, бесплатное и платное продвижение. Методы, примененные для продвижения товаров Интернет-магазина в социальных сетях.
дипломная работа [7,4 M], добавлен 05.02.2017Социальные сети как самый популярный вид досуга, их классификация и категории. Сети общего формата, профессиональные, по интересам. Разновидности рекламы в социальных сетях, стоимость ее размещения. Вирусный, партизанский маркетинг, статьи и публикации.
презентация [487,3 K], добавлен 28.12.2015Понятие "современный потребитель" и клиенто–ориентированный подход в социологических маркетинговых исследованиях. Основные модели стимулирования потребительского спроса в социальных сетях. Особенности мотивации совершения покупок у россиян в Интернете.
дипломная работа [105,5 K], добавлен 16.06.2017Теоретические аспекты возможностей и способов использования социальных сетей для продвижения имиджа арт-компании. Методы взаимодействия коммерческого бренда с целевой аудиторией, возможности рекламного таргетирования в социальных сетях и блогосфере.
дипломная работа [3,5 M], добавлен 13.06.2015Понятие и принципы работы социальных сетей, тенденции их развития. Продвижение товара в социальной сети как инструмент маркетинга. Анализ эффективности продвижения методами использования таргетинговой рекламы, создания сообщества бренда в социальной сети.
курсовая работа [251,5 K], добавлен 03.03.2015Характеристика ключевых тенденций развития электронной торговли в России. Технологии продвижения интернет-компании в социальных сетях. Анализ возможностей социальных сетей как рекламных площадок для осуществления рекламно-коммуникационного продвижения.
дипломная работа [2,3 M], добавлен 27.09.2017Особенности и главные закономерности маркетинга в туристской индустрии, существующие коммуникации. Маркетинг территорий в условиях развития новых технологий, видеоблог как одна из форм его реализации. Продвижение туристской территории в социальных медиа.
дипломная работа [441,2 K], добавлен 10.07.2017Медиа-исследование как подход к анализу культурной динамики информационного общества. Фокусирование медиа-анализа на средствах передачи сообщения и их специфике (гибридизация, эксплицитность, перформативность), технологических и социальных изменениях.
контрольная работа [36,8 K], добавлен 26.11.2012Бизнес-коммуникации в маркетинговой стратегии фирмы. Анализ связей в социальных сетях как части виртуального сообщества. Взаимодействие субъектов коммуникации в интернете. Суть общения в Инстаграм с точки зрения потребителя и предпринимательства.
дипломная работа [259,6 K], добавлен 25.08.2017Особенности брендовых стратегий как форма маркетинговой конкуренции. Стратегическое планирование и позиционирование брендов. Коммуникационные стратегии как форма управления потребительским поведением. Условия продвижения бренда в социальных медиа.
дипломная работа [937,9 K], добавлен 16.06.2017Социальная сеть: понятие, особенности, форматы (общий, профессиональный, "по интересам"). Стратегии продвижения в социальных медиа: размещение баннерной и контекстной рекламы; партизанский и вирусный маркетинг. Этапы PR и рекламных кампаний в соцсетях.
реферат [500,7 K], добавлен 14.01.2015Понятие "социальная сеть" и возможности PR в социальных сетях. Общие принципы работы виртуальных социальных сетей. Анализ содержания группы "Турфирмы MIRACLE TRAVEL". Анализ группы в социальной сети "В Контакте" косметической компании "Орифлэйм".
курсовая работа [45,5 K], добавлен 27.04.2011Бренд применительно к личности, определяемый как устойчивый набор ассоциаций, сложившийся образ. Брендинг в социальных сетях. Продвижение бренда в сети интернет. Самый распространённый способ заработка в сети интернет. Методы развития медиа-контента.
доклад [52,7 K], добавлен 14.06.2016Рассмотрение Интернет как рекламной площадки для оптимального выбора средств рекламирования, а также их эффективного использования. Особенности продвижения в социальных сетях; поисковая оптимизация. Рассмотрение перспектив развития Интернет-рекламы.
курсовая работа [60,0 K], добавлен 24.05.2015
