通过网络分析实现更有效的消费者导向

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Towards more effective consumer steering via network analysis》
---
作者：
Jacopo Arpetti, Antonio Iovanella
---
最新提交年份：
2019
---
英文摘要：
  Increased data gathering capacity, together with the spread of data analytics techniques, has prompted an unprecedented concentration of information related to the individuals\' preferences in the hands of a few gatekeepers. In the present paper, we show how platforms\' performances still appear astonishing in relation to some unexplored data and networks properties, capable to enhance the platforms\' capacity to implement steering practices by means of an increased ability to estimate individuals\' preferences. To this end, we rely on network science whose analytical tools allow data representations capable of highlighting relationships between subjects and/or items, extracting a great amount of information. We therefore propose a measure called Network Information Patrimony, considering the amount of information available within the system and we look into how platforms could exploit data stemming from connected profiles within a network, with a view to obtaining competitive advantages. Our measure takes into account the quality of the connections among nodes as the one of a hypothetical user in relation to its neighbourhood, detecting how users with a good neighbourhood -- hence of a superior connections set -- obtain better information. We tested our measures on Amazons\' instances, obtaining evidence which confirm the relevance of information extracted from nodes\' neighbourhood in order to steer targeted users.
---
中文摘要：
数据收集能力的提高，加上数据分析技术的普及，促使与个人偏好相关的信息空前集中在少数守门员手中。在本论文中，我们展示了平台的性能如何与一些未开发的数据和网络属性相关，能够通过提高评估个人偏好的能力来增强平台实施指导实践的能力。为此，我们依赖网络科学，其分析工具允许数据表示，能够突出主题和/或项目之间的关系，提取大量信息。因此，考虑到系统中可用的信息量，我们提出了一种称为网络信息遗产的措施，并研究了平台如何利用网络中连接的配置文件中的数据，以获得竞争优势。我们的度量考虑了节点之间连接的质量，作为一个假设用户与其邻居的关系，检测具有良好邻居的用户（因此具有更好的连接集）如何获得更好的信息。我们在Amazons的实例上测试了我们的措施，获得的证据证实了从节点附近提取的信息的相关性，以便引导目标用户。
---
分类信息：

一级分类：Computer Science        计算机科学
二级分类：Social and Information Networks        社会和信息网络
分类描述：Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模，包括它们在联机信息访问、通信和交互方面的应用，以及它们作为数据集在这些领域和其他领域的问题探索中的作用，包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题；计算应用包括H.3、H.4和H.5中的主题；计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议（例如TCP/IP）的论文通常更适合网络和因特网体系结构（CS.NI）类别。
--
一级分类：Computer Science        计算机科学
二级分类：Information Retrieval        信息检索
分类描述：Covers indexing, dictionaries, retrieval, content and analysis. Roughly includes material in ACM Subject Classes H.3.0, H.3.1, H.3.2, H.3.3, and H.3.4.
涵盖索引，字典，检索，内容和分析。大致包括ACM主题课程H.3.0、H.3.1、H.3.2、H.3.3和H.3.4中的材料。
--
一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Towards_more_effective_consumer_steering_via_network_analysis.pdf (849.39 KB)

2022-6-14 09:04:30 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：网络分析 消费者 Applications Quantitative relationship

Noname手稿编号（将由编辑插入），通过网络分析更有效地指导消费者Jacopo Arpetti·Antonio IovanellaReceived:date/Accepted:date摘要增加了数据收集能力，并推广了数据分析技术，促使与个人偏好相关的信息空前集中在少数守门员手中。在本论文中，我们展示了平台的性能如何与一些未开发的数据和网络属性相关，能够通过提高评估个人偏好的能力来增强平台实施指导实践的能力。为此，werely研究了网络科学，其分析工具允许数据表示，能够突出主题和/或项目之间的关系，提取大量信息。因此，考虑到系统中可用的信息量，我们提出了一种称为“网络信息遗产”的措施，并研究了平台如何利用网络中连接的文件中的数据，以获得竞争优势。我们的度量考虑了节点之间的连接质量，作为一个假设用户与其邻居的关系，检测具有良好邻居的用户（因此是超级连接集的用户）如何获得更好的信息。

我们在Amazons的实例上测试了我们的测量方法，获得的证据证实了从节点附近提取的信息的相关性，以便引导目标用户。数据价值·网络驱动经济·转向·网络理论·最近邻度Ejel分类D83·D85·L11雅格布·阿佩蒂，通讯作者(http://orcid.org/0000-0002-3448-1055)，Antonio Iovanella(http://orcid.org/0000-0001-8147-3747)罗马大学企业工程系Tor Vergata，Via del Politecnico，1-00133，Rome，ItalyTel：+39-06-72597788电子邮件：（jacopo.arpetti，antonio.iovanella）@uniroma2。it2雅各布·阿佩蒂（Jacopo Arpetti），安东尼奥·伊奥瓦内拉（Antonio Iovanella1）简介在上个世纪的革命中，最重要的一场是网络革命，它标志着每个经济部门，影响着我们日常生活的方方面面。如今，从2.0版开始，网络让个人不再仅仅是互联网上信息的用户，而是随着互联网平台和移动应用的出现，人们可以访问搜索引擎、地图、音乐或视频点播等一系列服务（经济顾问委员会-CEA，2015），真正的数据伪造者，通常具有明显的个人性质（Jentzsch，2017）。在此背景下，数据共享扩大到全球范围（Acquisti et al.，2016），模糊了数字世界和物理世界之间的区别，即在线和在线之间的区别。由于数据收集能力的提高和数据分析技术的广泛应用，大量与个人偏好相关的信息如今掌握在少数守门员手中，而这些信息之前在现实世界中没有留下任何痕迹（Pagallo，2014）。

这使他们能够潜在地影响和引导个人的购买选择，以及向不同的客户收取不同的价格（如果他们是电子商务平台）（第445页，Acquisti等人，2016年；经济顾问委员会-CEA，2015年；Kshetri，2014年），这些客户通过不同的技术聚集在一起。事实上，数据平台收集的数据越多，他们的尝试就越能从第三种价格歧视程度（不同的价格针对不同的社会人口群体）转变为完美的歧视，在这种情况下，可以为不同的个人设定不同的价格，或者根据价格敏感性促使相同的消费者购买某种优质服务（Shiller，2014；Kr"amer和Kalka，2017；Regner和Riener，2017）。它可能会被基于过去在线购物的产品推荐所解决，被反映过去浏览行为的实时广告所瞄准，或者成为来自个人查询的定制搜索结果的接收者（Levin，2011）。事实上，平台收集数据越多，就越能实现完美的区分。证明逐步增强的平台实施歧视性做法的能力在于其评估个人偏好的能力增强（Lü等人，2012年；Lu等人，2015年）。本论文的目的是研究通过使用网络表示和利用网络属性，平台是否可以使用从客户处获取的数据来设计更有效的价格歧视实践，或者更好地推动和引导消费者购买。通过让信息在整个网络中流动，从而考虑到与目标节点更接近的节点的偏好（即。

与目前普遍存在的将个体划分为集群的情况相比，平台可以捕获更多的信息。事实上，考虑到整个网络，而不仅仅是其子集（通过网络分析技术实现更有效的消费者导向的思维集群，因此项目和/或主题被划分为集群，被视为整个宇宙的一部分），我们有理由认为，在整个宇宙中收集的相应数量的信息越多，可能会带来更好的盈利结果。本论文提出的理论建议主要基于网络价值的概念，该概念用于估计系统内可用的信息，以及平台如何从网络中的连接文件中发布数据。从观察到单个节点不仅受其变化（即其邻居）的影响，而且还受其变化的影响（Cerqueti等人，2018a）开始，考虑网络连接模式中信息可用性的来源。因此，我们利用了一些相关的网络措施，并在这样做的过程中，我们提供了一些全新的措施，从节点和网络层面的价值概念转变为信息遗产的概念。本论文的目的不是提供一种旨在为不同用户设定不同价格的方法，而是阐明网络系统如何可能提供比预期更多的信息。论文组织如下：第2节概述了制作技术的演变。第3节回顾了网络属性及其对支持技术的影响。

第4节是关于网络理论的某些相关符号的概述。第5节介绍并讨论了我们的提案和相关解释。第6节显示了一些解释性模拟。最后一节给出了一些结论性意见，并提出了未来研究的方向。2基于聚类的支持技术和相关限制的演变自90年代中期电子商务平台开始利用客户提供的信息，以生成一个向他们推荐的项目列表（Kamishimaand Akaho，2011）。协同过滤技术（CF）是平台改进自身算法以识别个人偏好的一种技术方法。平台的目的确实是根据现有文献确定网络的价值，可以从托梅卡夫定律（Gilder，1993）中推断出网络的价值，该定律将网络价值定义为与其规模的平方成比例。还提出了其他一些法律：萨尔诺定律和里德定律（Reed，1999）和奥德利兹科定律（Briscoe et al.，2006）。

然而，尽管梅特卡夫定律简单且存在一些局限性（Swann，2002；Briscoe et al.，2006），但它仍然是一个可靠的工具（Madureiraet al.，2013；Van Hove，2016），例如，为了计算出出超出Facebook的网络价值，人们一直在使用它（梅特卡夫，2013；Zhang et al.，2015）。协作过滤算法实施推荐系统（Lüet al.，2012），以向用户提供商品或服务，从分析其行为（以及类似用户的行为）开始，最后建议同一消费者可能会做什么，根据所表达的偏好（Resnick和Varian，1997年；Sarwar等人，4 Jacopo Arpetti，Antonio Iovanellatthe个人偏好不仅基于一些目标群体产生的数据，而且还通过使用与他相关的用户所获得的信息，通过相同的购买选择和偏好。在这方面，早在2010年的《经济学人》特刊中，就提到了亚马逊和NetFLIX使用了一种称为协作过滤的统计技术，以便“根据其他用户的喜好向用户提出建议”（The Economist，2010）。算法将来自相似客户的项目聚合起来，然后删除用户已经购买的项目，并将剩余的项目推荐给同一主题。通过数字足迹来支持消费者，企业可以预测个人的需求以及他们对价格点的敏感性，最终改变价格和价值谈判中的力量平衡（Gertz，2002）。

此外，理清推荐难题——决定向谁建议什么——可以让平台实施尖锐的价格歧视形式。找出与用户需求相关的项目最有效的方法之一是基于经过培训的算法，通过协作过滤将类似对象或类似个人分组或分类在一起。平台使用的算法的目标，本质上是引导用户做出决策，向他们暗示某种好处，而不是价格敏感性的另一种关系。聚类和分类算法（如CF使用的算法，如kMeans聚类和k-近邻算法，k-NN）显示了though2001；Breese等人，2013），类似消费者所做的选择，这允许将他们聚集在一起（Xue等人，2005）。依靠类似形式的用户支持技术（如协同过滤方法）可能确实能够有效地匹配人员和相关购买机会（Levin，2011），尽管这也可能导致一些扭曲和不平衡，甚至导致市场失灵（Gertz，2002）。

有关数字市场功能的不同表现，请参见Fuller（2019）。亚马逊的专业技术——即所谓的项目对项目协作过滤——重点不是根据相似客户的个人分析行为对其进行分组，而是通过他们选择的项目之间的相似性关联对其进行聚类：根据用户购买和/或评级的项目，该算法试图找出与尚未选择的项目的相似之处，然后将其汇总，以提出购买建议（Linden et al.，2003）。协作过滤根据客户的购买历史进行消费预测（Linden等人，2003年）。在这方面，值得回顾的是，经济文献确定了三种类型的价格歧视：一级价格歧视，当卖方能够为每个买方收取不同的价格（个性化定价）时发生；二级价格歧视，当消费者通过选择最符合其需求的特定套餐（其单价取决于购买金额）自我选择时发生（想想每个人可以根据其特定需求自由选择的净套餐）；当卖家向不同的社会人口群体提出不同的价格时，会产生三级价格歧视（Cabral，2000；Acquisti，2008；Arpetti，2018）。这类商品可以是完美的替代品，算法可以决定只显示其中的一部分，向消费者建议唯一能够反映为该支持用户确定的支付意愿（WTP）的商品。CF使用的两种最著名的分类和聚类算法分别是k-最近邻算法（k-nn）（不要与“通过网络分析向更有效的消费者方向靠拢”5的几个限制混淆。

事实上，即使已知它们的计算复杂性是点数大小的多项式，这种算法也会受到主要未解决问题的影响（Xu和Wunsch，2005；Firdaus和Uddin，2015）。后者主要与数据的稀疏性、高冗余性、固有噪声、对异常值的敏感性、聚类维数的异质性有关；此外，没有评估结果质量的指标（Sarwaret al.，2001；Nguyen et al.，2007）。除了上述可伸缩性和稀疏性之外，推荐系统解决了所谓的“冷启动”问题（Nguyen et al.，2007；Castillejo et al.，2012；Konstas et al.，2009；Lamand Goeksel，2010）。尽管一些作者试图通过将社交网络网站的数据（即通过其明确的社交网络收集的信息）和推荐系统（Konstas et al.，2009；Liu and Lee，2010）相结合来解决此类问题，上述问题仍未解决（Castillejo等人，2012年）。3网络属性应用于专业技术如谷歌搜索引擎所示，网络属性在解决推荐系统限制方面可能至关重要（Page et al.，1999；Castillejo et al.，2012）。事实上，平台可能依赖另一种基于网络科学（networkscience，NS）范式（Barabási，2013）的数据表示，即表示平台和/或用户提供的项目的节点之间关系的网络表示。事实上，正式的网络表示（即数学表示）允许通过建立明确的预定义关系的链接来组织用户或对象。因此，可以使用网络科学工具，尤其是那些从社交网络分析中继承下来的工具（例如。