大数据营销 课件 第九章 社会化广告

第九章社会化广告1了解互联网广告的类别掌握社交网络大数据处理方法认识全员营销下的促销广告2学习目标本章思维导图3联合利华的社会化广告2013年4月，联合利华举办了多芬的“你比你认为的还美（RealBeautySketches）”社会化广告活动，这个活动旨在让女性更加了解自己的容貌，变得更自信。活动内容：素描艺术家找了一些女性进行社会实验，这些女性参与者并没有意识到这是一个实验。艺术家按照陌生人对女性肖像的描述进行了绘画，然后按照女性对自身肖像的描述进行了绘画。结果发现两组肖像图之间存在显著差异。尤其是基于陌生人描述的肖像图要比女性自我描述的更美。强调“你比你认为的还美”的价值理念，而不是一味地对多芬进行品牌曝光。最终，该广告在社交媒体上第一个月的浏览量超过1.14亿次，用户在观看后点赞、分享的可能性增加了约80%，并最终覆盖了110多个国家。联合利华的社会化广告内容并不是过度宣传企业品牌信息，而是通过增强女性的自我认同感，改变了女性对自身的看法。当企业在实施广告策略时，不应只宣传企业的产品或服务，还应该通过富有创意的广告去铸造企业的品牌文化。这种传递正能量、高价值的广告，会吸引用户的喜欢，进而激发广告在社会网络种的快速传播。

那么，什么是社会化广告？社会化广告包含哪些类型，以及具备哪些特征？4开篇案例一、互联网广告的发展历程二、互联网广告的定义及特征

三、互联网广告的类别

四、社会化广告的定义及特征

5第一节

互联网广告互联网广告的萌芽期（1994-1996）：1994年10月27日，AT&T公司向HotWired支付30000美元投放的第一个横幅广告。HotWired在线杂志为AT&T公司投放的第一个广告，不仅标志着横幅广告(Bannerads)时代的开启，也标志着互联网广告的诞生。1995年，横幅广告变得越来越具备针对性，广告定向投放随之流行起来。WebConnect广告公司，帮助广告商进行定向投放广告，该策略的实施使广告商能接触到更多的潜在客户。1996年DoubleClick开发了动态广告报告和定位的技术(DynamicAdvertisingReportingandTargeting,DART)，是互联网广告发展的重要里程碑，它是首批广告投资回报率测量工具，可以对广告的点击数和浏览数进行跟踪，帮助广告商监控广告投放效果。6一、互联网广告的发展历程互联网广告的发展期（1997-2010）：1997年，在GeoCities任职的约翰-希普尔基于这一功能，发明了弹出式广告，是一种将用户浏览页面和广告联系起来的在线广告形式。他的工作原理是通过强行介入用户网页，利用漂浮、盘旋的方式去吸引互联网用户的注意。1999年，GoT公司的比尔-格罗斯发明了付费投放模式(paidplacementmodel,PPM)，并主要向广告商提供付费搜索引擎服务。付费搜索引擎是指广告商可以通过向该公司付费来决定在搜索引擎结果中位置的排列。2003年，LinkedIn、Facebook等社交媒体平台开始运行广告项目，广告的表现形式逐渐发生变化，视频弹出广告被最终创造出来。2006年起，与以往采用广告内容轰炸相比，互联网广告逐渐开始重视用户的广告体验。例如，Facebook推出了信息流广告。2008年，Youtube推出了预付费广告和促销视频，来帮助企业宣传产品或服务。7一、互联网广告的发展历程互联网广告的繁荣期（2010-至今）：2010年，BuzzFeed和Mashable等新兴媒体公司开始出现，它们通过向广告商客户提供赞助内容、原生广告等方式，帮助企业获得与目标受众联系的机会。2011年，Instagram实施标签化，可以帮助用户发现其他人就同一主题分享照片，进而加强用户之间的交流沟通。随着Facebook、Twitter、Instagram的流行，人与人之间已经形成了巨大的网络，社会化广告得以出现。2012年，互联网广告领域最重要的新事物之一是Snapchat。截止2022年，Snapchat在全球的用户高达4.937亿用户。如今，搜索广告和信息流广告迅速流行起来。常用的知名搜索广告平台有谷歌、百度、搜狗等，信息流广告平台有今日头条、抖音、快手等。HubSpotResearch的最新数据结果显示90%以上的受访者都提出现在的广告入侵性比较强。因此，未来互联网广告可能会朝向更加个性化、定制化、体验型、互动性的方向发展，横幅广告会逐渐向原生广告发展，社交媒体广告会更加注重内容质量，更加关注用户的体验感受，更好的满足用户需求。8一、互联网广告的发展历程互联网广告的定义：互联网是基于一套技术协议进行运行，使来自世界各地的用户通过电子邮件、万维网、社交媒体等工具进行信息查阅、访问和交流的载体。广告是来自可识别来源的一种付费模式和中介形式的沟通，其目的主要是说服接收者现在或将来进行点击、购买等行为。互联网广告包含四个关键要素：它的传递依据互联网；它是中介信息，而非像销售人员可以直接与顾客沟通；它是一种付费形式的信息传递；它的首要目的是劝服接收者能产生所预期的特定行为。互联网广告是指广告商借助互联网所发布的任何形式的营销信息，它可以出现在电子邮件、搜索引擎、社交媒体、浏览器、电商平台等移动端或PC端中，旨在说服广告接收者现在或将来发生点击、购买等特定行为。9二、互联网广告的定义及特征互联网广告的特征：10成本较低减少了印刷和邮寄费用.效率较高信息量大、更新及时且多渠道投放.个性化程度高通过记录用户信息和定向投放，提升体验和销量.整合性强能整合客户全流程服务和统一不同渠道的营销活动信息.二、互联网广告的定义及特征产品列表广告(productlistingads,PLA)：是用户在查找产品或服务时出现在搜索引擎上的广告，它是能比标准文本广告展示更多详细信息的广告形式。产品列表广告中的信息一般是与产品或服务相关，通过图像和实时价格去展示企业销售的产品，因此也被成为购物广告。产品列表广告是按点击付费广告，只有当用户点击广告时，企业才需要付费。横幅广告(bannerads)：也被称为展示广告。它通过购买网站上的预定空间，以图像的形式向用户展示产品或服务的信息，将正在浏览网页的用户吸引到目的网站。其主要目的在于增加品牌的曝光度，提高用户的品牌意识。企业可以对横幅广告进行个性化设置。11三、互联网广告的类别联盟广告(Affiliateads)：是指一个网站通过推广其他广告商的产品或服务，赚取佣金的过程，该网站需要向广告商提供特定服务才能获取奖励。联盟广告的优势在于启动成本较低，投资回报率高。联盟广告也存在一定的劣势。例如，广告商往往很难决定广告的样式，一般都是由出版商决定。联盟广告前期准备时间较长，需要起草条款、合同等环节，完成投放的效率较低。搜索引擎广告(searchengineads)：又被称为在线搜索广告，是指被展示在搜索引擎结果中的付费广告，通常包括标题、URL链接等内容。搜索引擎广告的关键要素是关键词，关键词的选择会决定广告出现的搜索结果范围，企业需要通过关键词竞价去选择适合自己的关键词。广告质量分数在搜索引擎排名中也起到重要作用，一般用1-10级对广告的相关性、实用性进行打分，得分越高，在搜索引擎结果排名就越靠前。12三、互联网广告的类别社交媒体广告(socialmediaads)：是数字营销的一种形式。一方面，社交媒体广告更具个性化，通过制定个性化广告来接触潜在客户。另一方面，社交媒体广告更具爆发性。企业通过在社交媒体商投放富有趣味性和故事性的内容，可以在短时间内引发信息在整个社会网络中的传播。原生广告(nativeads)：它的展现形式与所在网站的外观上比较匹配，是通过无缝安装的方式，让广告与网页自然的结合在一起，看起来不那么像广告。与其他广告相比，原生广告对界面设置要求较高，所以其投放成本也会相对较高，因为企业必须找到与自身产品或服务匹配度高的网站。电子邮件广告(emailads)：是借助电子邮件渠道进行的广告活动，一般通过两个方式去展示广告。一种是在电子邮件的页眉或页脚插入产品或服务相关的广告及链接，另外一种是通过用户注册资料等信息，了解用户偏好，然后个性化发送广告给目标受众。13三、互联网广告的类别社会化广告的定义：以社交媒体平台为媒介展开的，并依靠社交网络以及人与人之间的信息分享，实现营销信息的快速传播，进而提高企业绩效。它的核心在于利用用户社交网络、员工社交网络等企业外部网络资源实现营销信息从企业内部到企业外部的传播。社会化广告的特征：传播速度较快：它通过发布高质量内容，寻找“正确”的“引爆点”，进而实现营销信息在整个社会网络的中快速传播。病毒式广告就是典型的社会化广告，它是通过创建病毒性的信息促使用户和消费者向他们的朋友和家人进行分享。用户参与度高：这是因为社会化广告主要是依据社会网络进行信息传播，呈现出全员营销的趋势。不仅是指企业内部的员工，还包括企业外部的消费者、潜在消费者等，他们都可能会通过分享行为去推进营销信息的进一步传播。14四、社会化广告的定义及特征社会化广告的特征：投资回报率高：一方面，社会化广告的投资成本较低。社会化广告利用用户的社交网络进行信息传播，可以引发信息的大范围扩散，降低企业的广告支出。另一方面，社会化广告为企业带来较大收益。与营销人员相比，由于用户分享的内容更容易增强他人的信任感，获得潜在顾客的机会就越多，销售转化率就越高。社交互动性强：与报纸、电视、广播等传统媒介相比，社交媒体具有互动性，它为企业和用户之间的信息交流、知识共享提供渠道。用户可以在社交媒体上对企业发布的广告进行评论、点赞、分享等，社会化广告增强了企业与用户之间的互动性。内容质量较高：在广告信息过剩的时代，企业若想击败竞争对手，发布的广告中必须包含有价值的信息。例如，Berger和Milkman(2012)研究发现内容中包含实用、有趣的信息时，会更容易实现病毒性传播。社会化广告的目的在于实现营销信息在社会网络中的快速传播，只有质量高的内容才更容易获得用户的推荐。15四、社会化广告的定义及特征一、社交网络大数据的应用二、社交网络大数据的分析流程三、社交网络大数据的预处理和导入四、社交网络大数据的可视化五、社交网络大数据指标计算16第二节

社交媒体中的网络大数据社交网络大数据被应用于细分目标客户：利用社交网络大数据可以准确的将用户细分为不同的群体，进而可以因人而异的进行个性化广告投放。社交网络大数据被运用于营销信息的传播：社交网络大数据在营销信息传播上的应用主要体现在两个方面：一是加快营销信息传播；二是预测营销信息的传播。社交网络大数据被运用于预测产品采用：企业利用社交网络大数据可以对产品采用情况进行准确预测，这不仅能帮助企业降低库存风险，还能发掘影响新产品采用的因素，进而提高产品的销量。帮助企业制定可持续发展政策：社交媒体已成为企业与顾客之间沟通的最佳营销工具，顾客可以在社交媒体上发表对产品或服务的看法，企业在得到顾客反馈后，可以更加针对性的解决顾客提出的问题。企业利用社交媒体与顾客交流互动，可以进一步促使企业创造出更具人性化、更具创新性的产品。17一、社交网络大数据的应用无向和有向网络分析图18二、社交网络大数据的分析流程在网络分析中，经常会使用中心度的测量指标。中心度又被划分为度数中心度、中间中心度、接近中心度和特征向量中心度这四个维度。19

二、社交网络大数据的分析流程20

二、社交网络大数据的分析流程21

二、社交网络大数据的分析流程

在本书中，我们将主要介绍Pajek软件是如何处理社会网络大数据的。Pajek软件设计的主要目标是：22将一个社会网络大数据递归分解为几个小网络来支持抽象，进而用更复杂的方法进行处理Pajek软件为用户提供了强大的可视化工具Pajek软件可以通过高效的算法对社会网络大数据进行分析二、社交网络大数据的分析流程社会网络大数据的来源：将以Facebook的数据为例，进行社会网络大数据的分析和处理。该数据来源于斯坦福大学提供的大型网络数据集，数据来源网址如下所示：/data/社会网络大数据的预处理：如何将txt数据格式转化为Pajek格式：JürgenPfeffer开发的text2Pajek3软件可将txt数据转化为Pajek格式，该软件的免费下载网址在：http://www.pfeffer.at/txt2pajek/将txt数据转化为Pajek格式的步骤为：Basic>InputFile>Separator>Networktype>Headerlines>Run23三、社交网络大数据的预处理和导入社会网络大数据的预处理：如何将Excel数据格式转化为Pajek格式：JürgenPfeffer开发了Excel2Pajek软件，用于处理将Excel数据格式转化为Pajek格式。该软件的免费下载网址在：http://vlado.fmf.uni-lj.si/pub/networks/pajek/howto/text2pajek.htm在Pajek软件中，将Excel数据转化为Pajek格式的步骤为：InputFile>1-modenetwork/2-modenetwork>directed/undirected>CreatePajekFile。24三、社交网络大数据的预处理和导入常见的社交网络数据可视化的软件有Pajek、Ucinet、NWB、NodeXL和Gephi等软件，这些软件不仅能为用户提供网络数据分析，还可以将网络数据进行可视化。Ucinet软件是较为主流的网络数据可视化工具之一，它的NetDraw的多种布局算法（环状、地图）可将一维、二维数据进行可视化分析。Pajek软件的特色是能分析100万个节点以上的大型社交网络数据。它不仅满足了用户对海量的网络数据进行可视化分析的需求，还可以对1-模网络、2-模网络、多关系网络等类型的网络进行可视化分析。25四、社交网络大数据的可视化NWB（NetworkWorkbench）工具包和Pajek软件是为数不多可以对100万个节点以上数据进行可视化分析的工具。它集成了小世界布局、力导引、环状等布局算法，在布局和交互方面灵活性较好，但NWB工具包缺少时区视图和地区视图的功能。NodeXL是由微软研究院开发的Excel外接程序，主要基于力导引布局方式，适用于大型网络。它具有图像移动、变焦等可视化交互功能，用户可以直接导入网页中的数据，易用性好。Gephi被称为网络数据可视化领域的Photoshop，它向用户提供了链接分析、小世界网络分析等面向复杂网络的分析功能。Gephi能通过外界网络爬虫来获得实施网络数据信息，常被用来分析信息传播、知识分享等主题的网络研究。26四、社交网络大数据的可视化在本书中，主要介绍如何采用Pajek软件将网络大数据进行可视化，以下将从网络大数据整体呈现、网络大数据分类展示这两个层面进行可视化分析：网络大数据整体呈现：利用Pajek软件画图的详细步骤是：首先打开Pajek软件导入Facebook的.net格式的数据，然后点击Draw，默认的网络数据展示形式是椭圆形。常用的网络数据展示格式为SeparateComponents，快捷键为Ctrl+K。大家可根据自己的需求选择格式，可以选择2D还是3D格式呈现。数据可视化的步骤为：File>Network>Read>Draw>Layout27四、社交网络大数据的可视化网络大数据分类展示：Facebook上用户的度数中心度为例，Pajek上的操作步骤是：首先，找到Partitions下的degree进行用户度数中心度的计算。然后选择Draw-partition进行网络数据的分类展示。其中颜色相同的点，代表度数中心度相同。此外，我们还可以在社会网络图中以节点的大小来呈现用户度数中心度的大小，与上述操作不同的是，在画图时需要选择Draw-vector。红色圆点越大，代表该用户的度数中心度越大，反之则越小。28四、社交网络大数据的可视化本书将根据上述所提到的Facebook数据进行网络指标的计算，主要包括度数中心度、中间中心度、接近中心度、聚类系数这四个常用的网络指标。度数中心度：测量的是行动者在社会网络中预期直接相连的行动者的数量，它是绝对度数中心度。绝对中心度大小的比较，只有在同一个社会网络中进行才有意义。因为不同的行动者可能处于不同的规模的社会网络中，这时就需要用相对度数中心度进行衡量。由于Facebook网络是无向的，无向网络下相对度数中心度的计算公式如下所示，n代表社交网络规模。

Pajek软件计算绝对/相对度数中心度的步骤是：Net>Partitions>Degree>AllPajek计算中间中心度的步骤是：Net>Vector>Centrality>Betweenness。与度数中心度指标相比，中间中心度的计算公式较为复杂，因此在用Pajek进行计算时，运算时间互相对较长。29五、社交网络大数据指标计算Pajek计算接近中心度的步骤是：Net>Vector>Centrality>Closeness。接近中心度是指某一行动者与其他行动者之间的接近程度，接近中心度越高，代表该行动者就越不依赖他人。聚集系数（clusteringcoefficient,CC）：又被成为集群系数，被用来测量一个节点的相邻节点之间相互连接的程度，相互连接程度越高，则聚集系数值越大。在无向网络中，聚类系数的计算公式如下所示。其中m表示在某个节点的d个相邻节点之间的边数。CC=2*m/(d*(d-1))

Pajek中计算聚集系数的步骤为：Net>Vector>ClusteringCoefficients30五、社交网络大数据指标计算一、营销场景介绍及问题提出二、数据来源及模型构建三、数据分析及解决问题四、结论及营销建议31第三节

社会化广告的案例营销场景介绍：全员营销整合了企业内部和外部资源，做到了人人营销、时时营销、处处营销。企业利用全员营销，可以实现营销信息的快速传播。例如，图9.9所示，图中星星状的图形代表营销信息，①代表企业员工，②代表企业员工的朋友，③代表朋友的朋友，以此类推。若企业员工将营销信息分享到自己的社会网络，员工的朋友如果看到了，并选择了分享，则会延长营销信息的传播链条，进一步实现营销信息在整个社会网络中的传播。本节的营销场景是企业为了实现促销广告在企业内部和外部网络中的快速传播，调动企业内部员工和企业外部用户进行促销广告传播的场景。32一、营销场景介绍及问题提出研究问题的提出：从理论层面来说，以往研究就促销广告对信息传播的影响展开了讨论。有些学者认为促销广告有利于信息传播。从实践层面来说，促销广告它既给企业带来收益，也带来成本。从收益角度来看，促销广告包含打折、优惠券等有用信息，这会促使用户在社交网络中分享转发，引发促销广告的病毒式传播。此外，促销广告中包含的优惠信息，使产品或服务的价格具有竞争优势，刺激购买行为，进而增加销售额；从成本角度来看，促销广告会花费企业大量金钱，尤其是促销广告的精准投放过程。因此，接下来的研究问题是：在全员营销中，促销广告是否有利于信息传播？社会联系数量多的用户是否适合促销广告的信息传播？广告中同时包含促销信息和品牌信息是否有利于信息传播？接下来，我们将带着这些问题展开数据分析和讨论。33一、营销场景介绍及问题提出数据来源：本节促销广告的数据由湖南一家婚纱公司提供数据支持，该公司提供了该企业员工及用户在中国最大社交媒体平台（类似Facebook）上的内容分享数据。在该社交媒体平台上，用户与用户之间的关系是无向的，用户双方必须相互同意，才能互为好友关系。在2017年5月至2017年10月期间，该公司员工在社交媒体上发布了营销相关的广告，其中包含促销相关的广告。员工的朋友可以阅读这些内容，并决定是否通过其社交媒体账户分享或转发。如果销售人员的朋友分享了这些内容，他们的朋友也可以阅读这些内容并选择是否分享，进而引发信息传播。根据朋友之间的信息交流行为，本文进行了社交网络构建，并计算出用户的度数中心度指标。34二、数据来源及模型构建数据编码：关于数据的编码，若营销信息中包含打折、优惠券等优惠信息，将会被编码为1，否则将编码为0；根据营销信息中是否包含品牌相关内容进行编码，包含品牌信息的内容被编码为1，否则将编码为0。其中用户的阅读时刻为虚拟变量，若用户是在早上8:00-12:00的时间段进行阅读，被编码为1，其余时间段阅读时刻被编码为0；根据用户的阅读时间是否为周一至周五的工作日（除去法定节假日），将阅读时间为工作日的帖子编码为1，其余时间编码为0。本节从该公司提供的数据中随机抽取10000个样本进行分析，并选取信息传播第二层级用户（即员工的朋友）进行分析。选择第二层级用户进行数据分析的原因是，员工的朋友在信息传播中扮演者重要的角色，员工的朋友是否分享决定了营销信息是否能从企业内部传播到企业外部。35二、数据来源及模型构建数据描述性统计：模型构建：本节数据分析方法采用COX比例风险回归模型。下列展示了本文的COX比例风险回归模型的公式，其中各个字母所代表的含义如下表所示。其中若，代表事件发生的风险比率大于1，则该系数对应的变量会对用户的信息分享行为产生正向影响；代表事件发生的风险比率小于1，则该系数对应的变量会对用户的信息分享行为产生负向影响；代表事件发生的风险比率等于1，则该系数对应的变量会对用户的信息分享行不产生影响。36二、数据来源及模型构建模型及变量含义：37二、数据来源及模型构