Social media marketing analytics : a multicultural approach applied to the beauty \& cosmetic sector
我们在本文中提出了一种多元文化的方法来社会媒体营销分析，应用在两个Facebook的品牌页面：法国（个人主义文化，品牌的国家）与沙特阿拉伯（集体主义文化，其国家主机之一），这是由一个internationalbeauty \& cosmetics公司发布。使用社会网络分析和内容分析，我们确定了这两个品牌页面中最受欢迎的帖子和最有影响力的用户，并突出了品牌和用户互动中出现的不同社区。这些社区似乎是文化为导向时，他们周围的社会化品牌的职位和产品线为导向时，广告品牌的职位。
2017-02-06 cs.SI
Trending Chic: Analyzing the Influence of Social Media on Fashion Brands
社交媒体平台是时尚品牌营销和广告的热门场所。随着原生广告的引入，用户不必忍受那些没有显著性和吸引力的横幅广告。使用图像和微妙的文本覆盖，即使在一个注意力持续时间不断下降的世界里，品牌也可以留住他们的受众，并拥有广阔的创造潜力。虽然各种各样的营销策略都被介绍过，但各种类型的营销策略之间的微妙区别仍然没有得到充分的探索。本文对社交媒体平台对服装品牌营销行为的影响进行了定性分析。我们采用语言和计算机视觉技术，同时比较和对比战略特质。我们还分析了品牌受众保留率和社交参与度，从而为通过Twitter和Instagram调整广告和营销策略提供建议。
2016-03-08 cs.SI
Data Mining Cultural Aspects of Social Media Marketing
研究社交媒体上营销信息受欢迎程度的文化影响，采用文本挖掘、自动翻译和情感分析，发现发布时间和情绪是转发次数的重要预测因素。
2014-04-16 cs.SI cs.SY eess.SY
Opinion modeling on social media and marketing aspects
我们介绍和讨论动力学模型的意见形成社交网络中的分布函数取决于双方的意见和连接的代理。意见形成模型随后与描述通过社交网络在网络上传播产品的受欢迎程度的动力学模型相耦合。对基本动力学模型的数值实验表明，与社交媒体网站上的标签趋势的一些测量结果有很好的定性一致性，并说明了公司如何利用网络结构来最好地获得其产品的广告。
2018-05-04 cs.SI nlin.AO physics.soc-ph
Online word-of-mouth in West Africa: the effects of snowball sampling on completion rate, respondent demographics, and survey responses
Two Six Technologies（两六技术公司）
本文研究了西非地区通过雪球抽样和河流抽样获取受访者在完成率、人口统计学特征和响应时间上的差异，发现雪球抽样受访者更可能完成调查且包含更多新用户和女性，响应时间更短。
2026-05-01 cs.CY cs.SI
Endorsements on Social Media: An Empirical Study of Affiliate Marketing Disclosures on YouTube and Pinterest
伪装成非广告内容的在线广告给用户带来了许多风险。当内容创作者或“影响者”在其内容中为产品和品牌背书时，这种隐藏的广告就会出现在社交媒体平台上。虽然联邦贸易委员会（FTC）要求内容创作者披露他们的认可，以防止欺骗和伤害用户，但我们不知道内容创作者是否以及如何遵守FTC的指导方针。在本文中，我们研究了联盟营销中的披露，这是社交媒体内容创建者使用的一种基于背书的广告策略。我们检查了内容创建者是否遵循FTC的披露指南，他们如何披露，以及这些披露是否有助于用户识别广告的联盟营销内容。为此，我们首先测量了超过50万个YouTube视频和210万个Pinterest pin中的信息披露的普遍程度，并确定了这些信息披露的类型。然后，我们对1，791名参与者进行了用户研究，以测试这些披露的有效性。我们的调查结果显示，这两个平台上只有大约10%的联盟营销内容包含任何披露。此外，用户无法理解较短的、非解释性的披露。根据我们的研究结果，我们提出了各种设计和政策建议，以帮助改善社交媒体平台上的广告披露实践。
2018-10-06 cs.CY cs.HC cs.SI
An Integrated Framework for Competitive Multi-channel Marketing of Multi-featured Products
对于任何公司来说，为了推销其产品，都有多种渠道可以接触到人群。一些最知名的渠道是（a）大众媒体广告，（b）使用社交广告的推荐，以及（c）使用社交网络的病毒式营销。该公司希望最大限度地扩大其覆盖范围，同时也考虑到竞争产品的同时营销，其中产品营销可能不是独立的。在这个方向上，我们提出并分析了一个多功能的推广经典的线性阈值模型。因此，我们开发了一个框架，考虑到营销渠道整合到社会网络，并在这些渠道之间分配预算的方法。
2018-04-16 cs.SI
Maximizing the Influence of Bichromatic Reverse k Nearest Neighbors in Geo-Social Networks
地理社交网络为地理定位服务的营销和推广提供了机会。在这种情况下，我们探索一个新的问题，称为最大化双色反向k最近邻的影响（MaxInfBRkNN）。我们的目标是找到一组兴趣点（POI），这是地理文本和社会吸引力的社会影响者，预计将在很大程度上促进POI通过在线影响传播。换句话说，该问题旨在检测具有最大口碑（WOM）营销潜力的最佳POI集合。此功能在各种现实生活应用中非常有用，包括社交广告、基于位置的病毒式营销和个性化POI推荐。然而，解决MaxInfBRkNN与理论保证是具有挑战性的，因为禁止开销的BRkNN检索地理社会网络，和NP和#P-硬度在寻找最佳POI集。为了实现实际的解决方案，我们提出了一个框架，精心设计的索引，高效的批处理BRkNN处理算法，以及替代POI选择策略，支持近似和启发式解决方案。在真实数据集和人工数据集上的大量实验证明了我们所提出的方法的良好性能。
2022-04-25 cs.DB cs.SI
Data Science for Influencer Marketing : feature processing and quantitative analysis
通过社交媒体内容影响目标受众已成为营销领导者感兴趣的新焦点。虽然影响者每天都会产生大量的异构数据，但影响者营销（IM）领域的专业人士仍然依赖于简单的定量指标，如社区规模或参与率来估计影响者的价值。由于很少有研究论文提出了一个框架，通过使用量化的影响者数据（追随者数量，参与度......）来量化影响者的表现，定性信息（年龄、国家、城市等），自然文本（个人资料和帖子描述）和视觉信息（图像和视频），我们决定探索这些变量并定量评估它们的依赖性。通过对5个社交媒体平台上的713，824名影响者进行为期一年的分析，我们确定了价值主张数据（参与度，覆盖范围，受众），人口统计学，自然文本模式和视觉信息之间的关系。本文的主要目标是为IM专业人员提供一种现代方法，以更好地了解他们的影响者的价值，并为聚类、评分或推荐提供机器学习算法。
2019-05-10 cs.SI
Algorithm for Achieving Consensus Over Conflicting Rumors: Convergence Analysis and Applications
受社交网络研究的启发，本文利用gossip算法研究了多个消息在同一网络上的传播问题。给定分布在图的一些节点上的两个消息，我们首先研究给定初始状态的消息的最终分布。然后，提出了一种算法，以实现共识的消息之一。最后，一个游戏理论的应用和比喻口碑营销概述。
2015-02-03 cs.DC cs.SI math.PR
Scalable Cost-Aware Multi-Way Influence Maximization
病毒式营销不同于其他营销策略，因为它利用了亲密关系中的影响力，例如，亲密的朋友，家庭成员，夫妻由于Facebook、Twitter和Pinterest等社交网络服务的发展和普及，近年来出现了“社交媒体营销”的新概念，并为在线实现大规模和流行的病毒式营销提供了新的机会。为了促进销售增长，企业正在大力拥抱社交媒体。据《今日美国》报道，运行企业社交网络的软件销售额将以每年61%的速度增长，到2016年将达到$6.4$亿美元的规模。
2015-06-26 cs.DS cs.SI physics.soc-ph
Negative Effects of Incentivised Viral Campaigns for Activity in Social Networks
病毒式营销是社交社区口碑营销的重要方法。这些运动的目的是鼓励人们积极活动。本文研究了激励和非激励活动的问题。基于在真实社交网站中收集的数据，对这两种方法进行了比较。实验结果显示，一个高动机的活动不一定提供更好的结果，由于重叠效应。其他研究表明，可以根据其服务概况预测活动中单个社区成员的行为，但分类准确性可能有限。
2013-03-10 cs.SI physics.soc-ph
Vaporous Marketing: Uncovering Pervasive Electronic Cigarette Advertisements on Twitter
背景：Twitter已经成为广告公司营销和促销策略的“狂野西部”。电子烟在Twitter上被大量推广，提供折扣，“儿童友好”口味，算法生成的虚假推荐和免费样品。方法：从2012年1月至2014年12月的10% Twitter样本（约850，000条推文）中识别出所有电子烟关键词相关推文，并通过结合关键词分类和机器训练的人体检测算法将其分类为自动或有机。使用Hedonometrics对Organic tweets进行情感分析，以量化消费者情感随时间的变化。商业化的推文通过关键短语模式匹配进行主题分类。结果：绝大多数（80%）推文被归类为自动或促销性质。这些推文中的大多数都被编码为商业化（2013年为83.65%），其中高达33%提供折扣或免费样品，并出现在超过10亿个Twitter Feed中。有机（人类）分类推文的积极性随着时间的推移而下降（2013年为5.84，2014年为5.77），这是由于负面词语禁令，烟草，不，毒品，反对，毒药，税收的相对增加以及积极词语的相对减少，如哈哈，好，酷。自动推文比有机推文更积极（6.17比5.84），因为营销词最好，赢，买，卖，健康，折扣相对增加，而负面词如坏，恨，愚蠢，不要相对减少。结论：由于Twitter上的年轻人以及电子烟消费的长期健康并发症的临床不确定性，保护公共健康需要对社交媒体营销进行审查和潜在监管。
2016-03-05 cs.SI
A Viral Marketing-Based Model For Opinion Dynamics in Online Social Networks
在线社交网络为公民提供了一个就不同社会问题形成意见的媒介，也是一个公众讨论的论坛。它们还使用户接触到病毒式内容，如突发新闻文章。在本文中，我们研究这两个方面之间的相互作用：意见形成和信息级联在线社交网络。我们提出了一个新的模型，使我们能够量化用户如何改变他们的意见，因为他们接触到病毒式内容。我们的模型是流行的Friedkin-Johnsen模型的意见动态和独立的级联模型的信息传播的组合。我们提出了模拟我们的模型的算法，我们提供了近似算法优化某些网络指数，如用户意见或分歧-争议指数的总和，我们的方法可以用来获得洞察到多少病毒内容可以增加这些指数在线社交网络。最后，我们在真实世界的数据集上评估我们的模型。我们的实验表明，营销活动和极化内容对网络的影响有很大的不同：虽然前者对网络中的极化只有有限的影响，后者可以增加极化高达59%，即使只有0.5%的用户开始分享极化内容。我们相信，这一发现揭示了当今在线媒体中日益严重的隔离现象。
2022-04-08 cs.SI
Modeling Influencer Marketing Campaigns in Social Networks
International Institute of Information Technology Bangalore（班加罗尔国际信息技术学院）
本研究提出基于智能体的概率图模型ABM，模拟多场景下网红营销活动动态，纳入多种现实因素，评估不同网红在不同情境下的表现，揭示网红营销的情境依赖性，为策略选择提供参考。
2022-01-22 cs.AI cs.SI
Event-aware analysis of cross-city visitor flows using large language models and social media data
The University of Hong Kong（香港大学）；The Hong Kong Polytechnic University（香港理工大学）
本研究提出结合大语言模型与社交媒体数据的事件感知跨城客流分析框架，提取活动特征并预测客流，经香港案例验证R²超85%，揭示不同活动与出行方式的异质性影响，为交通政策制定提供支撑。
2025-05-05 cs.SI
ENWalk: Learning Network Features for Spam Detection in Twitter
University of Houston（休斯顿大学）；IIT Kharagpur（印度理工学院卡拉格普尔分校）
社交媒体正在通过大量的公共信息增加其影响力，导致公司和组织积极使用它们进行营销。这样的营销推广是很难识别不同的传统媒体，如电视和报纸。因此，识别社交媒体中的推广者非常重要。虽然，有积极的正在进行的研究，现有的方法是远远不能解决这个问题。为了识别这些冒名顶替者，了解他们的社交圈创建策略和内容发布动态非常重要。是否有任何特定的垃圾邮件发送者类型？每种类型有多成功？我们根据Twitter中的社会关系来分析这些问题。我们的分析发现了两种类型的垃圾邮件发送者和他们的动态内容的帖子的关系。我们的研究结果发现新的动态垃圾邮件是直观和可验证的。我们提出了ENWalk，一个框架来检测垃圾邮件发送者通过学习的特征表示的用户在社交媒体。我们学习的特征表示使用随机游走偏向于垃圾邮件的动态。在大规模twitter网络和相应tweet上的实验结果表明了该方法的有效性
2017-04-11 cs.LG cs.SI
Designing a Social Media Analytics Dashboard for Government Agency Crisis Communications
社交媒体已成为提取社会危机数据的宝贵来源，也是传播官方信息的重要渠道。政府机构越来越多地转向社交媒体，将其作为危机时期的喉舌。然而，通过社交媒体分析获取情报对政府机构来说仍然是一个挑战，例如由于缺乏培训和工具。为了弥补这一缺陷，政府机构需要工具来支持他们分析社交媒体数据以实现公共利益。本文提出了一种设计科学研究方法，指导区域政府机构的社交媒体分析仪表板的开发。报告了研讨会的初步结果和第一个原型的设计结果。一个用户友好和响应式的设计，是安全的，灵活的，快速使用，以及信息显示的区域讨论统计数据，情绪和新兴的主题可以确定为要求。
2022-02-11 cs.CY cs.SI
Social Media and Political Contributions: The Impact of New Technology on Political Competition
政治竞选是美国最复杂的营销活动之一。作为其营销传播战略的一部分，越来越多的政治家采用社交媒体来告知其选民。本研究通过关注竞选捐款的变化，记录了竞选国会议员的政治家采用新技术（即Twitter）的回报。我们比较了政治家在Twitter渗透率高和低的地区开设Twitter账户之前和之后收到的每周捐款，控制了政治家月固定效应。具体而言，在政治竞选过程中，我们估计在Twitter渗透率高与低的地区开设Twitter账户的差异效应相当于所有政治家的捐款增加0.7-2%，而新政治家的捐款增加1-3.1%，他们以前从未当选为国会议员。相比之下，经验丰富的政治家加入Twitter的影响仍然微不足道。我们发现一些证据与这种解释一致，即这种效应是由关于候选人的新信息驱动的，例如，这种影响主要是由新的捐助者而不是过去的捐助者，没有Facebook帐户和Twitter更多信息的候选人驱动的。总体而言，我们的研究结果表明，社交媒体可以通过降低新进入者向其选民传播信息的成本来加剧政治竞争，从而减少进入政治的障碍。
2020-11-05 cs.SI econ.GN q-fin.EC
DFW-PP: Dynamic Feature Weighting based Popularity Prediction for Social Media Content
IIIT Sri City（印度国际信息技术学院斯里城校区）；Shiv Nadar University（希夫纳达尔大学）
社交媒体平台的日益普及使得研究用户参与变得非常重要，这是任何营销策略或商业模式的重要方面。社交媒体平台上内容的过度饱和促使我们确定影响内容受欢迎程度的重要因素。这是因为只有极少量的海量在线内容能吸引目标受众的注意力。在流行度预测领域已经使用几种机器学习技术进行了全面的研究。然而，我们观察到，在分析媒体内容的社会重要性方面仍有很大的改进余地。我们提出了DFW-PP框架，以了解随着时间的推移而变化的不同功能的重要性。此外，所提出的方法通过应用对数-对数归一化来控制特征分布的偏度。所提出的方法进行了实验与基准数据集，显示出可喜的结果。该守则将在https://github.com/chaitnayabasava/DFW-PP上公布。
2021-10-16 cs.IR cs.LG cs.SI
OranSim: Simulating Consumer Response to Social Media Campaigns Before Launch
OranAI（奥兰智能）；Northeastern University（东北大学）；OranAI Ltd.（奥兰人工智能有限公司）
提出OranSim社会模拟框架，连接创意、定向和预算选择与消费者回应传播，支持根据营销目标进行广告活动选择。
2026-10-01 cs.SI
Across Platforms and Languages: Dutch Influencers and Legal Disclosures on Instagram, YouTube and TikTok
Utrecht University（乌得勒支大学）；Maastricht University（马斯特里赫特大学）
针对社交媒体网红营销披露不合规的问题，本文提出基于法律标准的披露合规衡量方法，区分合法与不合法披露，通过荷兰150名网红的跨平台多语言数据集验证，发现普遍披露不足且大网红合规性未必更高。
2024-08-12 cs.CL cs.CY cs.SI
The utilization of social networking as promotion media (Case study: Handicraft business in Palembang)
如今，社交媒体（Twitter，Facebook等），不仅仅是作为传播媒介，也是为了宣传。社交网络媒体为公司和组织提供了许多商业利益。研究目的为探讨巨港市手工业利用社群网路媒体作为促销媒介的模式。本研究采用质性与量性研究设计，探讨巨港市的手工业如何利用社群媒介网络作为促销媒介。研究结果显示，35%的手工艺企业已经利用社交媒体作为宣传媒体。使用的社交媒体是博客开发15%，Facebook 46%，Twitter等39%。他们使用社交媒体的原因包括：1）成本最低，2）易于识别，3）全球分销区域。社交媒体强调更好地与客户直接互动。通过与客户的直接沟通，使营销方式更加个性化。
2013-12-12 cs.CY cs.SI
InfluencerRank: Discovering Effective Influencers via Graph Convolutional Attentive Recurrent Neural Networks
University of South Florida（南佛罗里达大学）；University of California, Los Angeles（加州大学洛杉矶分校）；Sungkyunkwan University（成均馆大学）
本文提出 InfluencerRank，利用图卷积网络建模影响力者的发帖行为与社交关系，并结合注意力循环神经网络捕捉其动态变化，从而在 Instagram 大规模数据上有效识别高效影响力者。
2023-04-12 cs.AI cs.SI
Connection Discovery using Shared Images by Gaussian Relational Topic Model
社交图谱代表用户之间的在线友谊，是许多应用程序的基本数据类型之一，例如社交媒体中的推荐，病毒式传播预测和营销。然而，由于用户的隐私问题，这些数据可能不可用，或者由社交网络运营商保持私密，这使得这样的应用变得困难。近年来，通过用户共享的多媒体内容来推断用户兴趣和发现用户连接引起了越来越多的关注。本文提出了一种高斯关系主题模型，用于社交媒体中用户共享图片的连接发现。该模型不仅将用户的兴趣作为潜在变量通过他们的共享图像进行建模，而且还考虑了用户之间的连接作为他们的共享图像的结果。它明确地将用户共享图像以分层、系统和监督的方式与用户连接相关联，并为该问题提供了端到端的解决方案。本文还推导了有效的变分推理和学习算法的后验的潜变量和模型参数。通过对Flickr中20万多幅图像的实验表明，该方法的性能明显优于以往的方法。
2016-12-12 cs.IR cs.SI
Clust-LDA: Joint Model for Text Mining and Author Group Inference
社交媒体语料库带来了独特的挑战和机遇，包括通常较短的文档长度和丰富的元数据，如作者特征和关系。这为系统分析庞大的用户群体创造了巨大的潜力，从而为有针对性的营销等工业战略提供了启示。在这里，我们提出了一种新的和统计原则的方法，clust-LDA，将作者身份结构的主题建模，从而完成的任务的主题推理的基础上，跨文件的作者身份，同时，作者之间的分组识别。我们开发了一个推理程序集群LDA和模拟数据上的表现，表明集群LDA优于“香草”LDA的主题识别任务，作者表现出独特的主题偏好。我们还展示了clust-LDA基于Reddit的真实社交媒体数据集的经验性能。
2018-10-05 cs.IR cs.SI stat.AP
Social Media Impact on Website Ranking
互联网对商业、工业和个人来说正迅速变得至关重要。搜索引擎是通信网络中最重要的组成部分，也是用户或人们用来发现信息的工具。搜索引擎优化（SEO）是一个过程，主要用于增加流量从免费，有机或自然上市的搜索引擎，也有助于提高网站排名。它包括链接建设，目录提交，分类提交等技术，但另一方面，SMO是在社交媒体平台上推广您的网站的过程。它包括像RSS提要、社交新闻和书签网站、视频和博客网站以及社交网站（如Facebook、Twitter、Google+、Tumblr、Pinterest、Instagram等）这样的技术。社交媒体优化对于搜索引擎优化正变得越来越重要，因为搜索引擎越来越多地利用社交网络的用户的推荐来对搜索引擎结果页面中的页面进行排名。由于它是更难提示的影响力的搜索引擎在这种方式。社交媒体优化（SMO）也可以用来在网站上产生流量，在社交营销中心推广您的业务并提高排名。
2014-08-02 cs.SI
Navigating the massive world of reddit: Using backbone networks to map user interests in social media
在社交媒体的庞大网络世界中，用户经常依靠围绕感兴趣的特定主题组织自己，以找到志同道合的人并与之互动。然而，导航这些庞大的世界并找到特定兴趣的主题通常被证明是困难的，因为世界大多是随意组织的，让用户通过口碑或使用基本的搜索功能来找到相关的兴趣。在这里，我们报告了一种使用网络主干来创建任何社交网络中感兴趣的主要主题的地图的方法。为了演示该方法，我们为社交新闻网站reddit构建了一个兴趣地图，并展示了如何使用这样的地图来导航社交媒体世界。此外，我们分析了Reddit社交网络的网络属性，发现它具有无标度，小世界和模块化的社区结构，就像其他在线社交网络，如Facebook和Twitter。我们认为，将兴趣地图整合到流行的社交媒体平台中将有助于用户将自己组织成更具体的兴趣群体，这将有助于缓解大型在线社区中经常出现的过度拥挤效应。
2013-12-12 cs.SI physics.soc-ph
SMTPD: A New Benchmark for Temporal Prediction of Social Media Popularity
本文构建了基于YouTube多模态内容的社交媒体时间流行度预测新基准SMTPD及基线框架，验证了时间对齐与早期流行度对预测的关键作用。
2025-03-06 cs.MM cs.SI
Towards Decentralization of Social Media
Pune Institute of Computer Technology（浦那计算机技术学院）
Facebook使用人工智能根据用户参与的事件（如分享、点赞、发表评论、朋友发帖、创建群组等）向用户投放广告。每个用户都以不同的方式与这些事件进行交互，从而收到Facebook智能系统策划的不同推荐。Facebook将其用户隔离在不同的房间里，将他们分割成不同的社区。这项技术彻底改变了营销领域。然而，它陷入了一场争夺我们有限注意力的竞赛，动机是赚越来越多的钱。Facebook不是一个中立的产品。它被编程为让用户沉迷于它，目的是获得有关用户的附加信息，并根据用户的偏好优化提供给用户的推荐。本文描述了Facebook的推荐系统是如何工作的，并提出了三种方法来保护Facebook和其他公司利用的人类漏洞。
2018-11-28 cs.AI cs.SI
Social media use among American Indians in South Dakota: Preferences and perceptions
本研究通过在线调查评估了COVID-19期间南达科他州美国印第安人的社交媒体使用偏好与感知，发现Facebook等平台最受欢迎，且用户普遍认为负面影响多于正面影响。
2023-07-03 cs.SI econ.GN q-fin.EC
Identifying exogenous and endogenous activity in social media
系统中新事件的发生通常由外部原因和系统内部发生的先前事件驱动。这是一个一般性的声明，适用于一系列情况，包括最近的在线社交网络（OSN）中的用户活动。在这里，我们开发了一种方法，用于从一系列的发布时间中提取外源性（例如新闻媒体）和内源性（例如信息级联）的相对贡献。该方法是基于广义线性模型（GLM）配备了自激机制的拟合。我们用非线性霍克斯过程生成的合成数据测试了该方法，并将其应用于具有给定主题标签的实时推文序列。在经验数据集中，估计的贡献外生和内生量分别接近原始推文和转推的数量。最后，我们讨论的方法，例如在网上营销的可能应用。
2018-08-02 cs.SI physics.soc-ph
Multi-Modal Embeddings for Isolating Cross-Platform Coordinated Information Campaigns on Social Media
本文提出一种融合文本、时间和网络信息的多模态方法，用于识别跨多个社交媒体平台的协同信息活动，并在白头盔相关数据上验证了其有效性。
2023-09-22 cs.SI
Who creates trends in online social media: The crowd or opinion leaders?
在线社交媒体的趋势总是反映了整个网络中大量个人的集体关注。例如，网络俚语可以在极短的时间内因社会模因和网络传播而无处不在。通过对中国微博的研究发现，网络流行语的使用在时间演变过程中经历了两个高峰，其中前者的使用率远低于后者。事实上，这一有趣的现象提供了一个体面的窗口，揭示了推动在线社交媒体大规模扩散趋势的基本因素。具体而言，通过对不同峰值所代表的传播效果进行深入比较，发现在传播初期，人群的关注度越高，传播效果越好;而在传播初期，意见领袖的主导参与度越高，传播效果越差。我们的研究结果在定量上挑战了传统的影响者假设。并讨论了这些新发现对营销实践和社交网络中影响力最大化的影响。
2014-09-05 cs.CY cs.SI physics.soc-ph
Towards a Better Understanding of Online Influence: Differences in Twitter CommunicationBetween Companies and Influencers
在过去的十年中，Twitter等社交媒体平台在公司的各种营销策略中发挥了重要作用。这项工作的目的是检查文本层面上的影响力的内容的存在，通过调查的社会影响力理论的背景下，推文的特点，其尺寸的即时性。为此，我们分析了2018年黑色星期五期间有影响力的Twitter通信数据，使用社交媒体分析方法，如情感分析和程度中心性。结果显示，公司和影响者之间的沟通风格存在显着差异。公司发布了更长的文本内容，并创建了更多具有积极情绪和更多第一人称代词的推文。这些发现将作为未来实验研究的基础，以检验文本存在对消费者认知和购买意愿的影响。
2022-02-16 cs.SI
Detecting Ideal Instagram Influencer Using Social Network Analysis
Queen Mary University of London（伦敦玛丽女王大学）
社交媒体是现代社会的一个重要方面，人们在这里分享他们的思想，观点，感受和情感。在过去的几年里，社交媒体的普及导致了数据的巨大增长。用户使用这种媒介来表达他们对各种主题的想法，感受和观点，包括政治和名人。因此，社交媒体已经发展成为一个有利可图的平台，公司可以扩大其范围并改善其前景。本文的重点是社会网络分析（SNA）的现实世界的在线营销策略。该研究通过比较各种中心性指标来确定网络中最中心的节点，并使用线性阈值模型来了解单个用户的传播行为。总之，本文将不同的中心性度量与传播行为相关联，以确定网络中最具影响力的用户
2021-07-12 cs.AI cs.SI
Public emotions on Internet: In case of AIGC
本研究利用实时跟踪系统分析了中国三大社交媒体上九款AIGC产品的公众情绪动态，揭示了不同平台和用户特征对情绪的影响，为管理网络舆论和定向营销提供指导。
2024-12-24 cs.SI
A Survey of Stance Detection on Social Media: New Directions and Perspectives
College of Big Data and Internet, Shenzhen Technology University（深圳技术大学大数据与互联网学院）；College of Computer Science and Software, Shenzhen University（深圳大学计算机与软件学院）；Hong Kong University of Science and Technology（香港科技大学）；School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院）；School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区网络空间安全学院）；Peking University Shenzhen Graduate School（北京大学深圳研究生院）
本文系统综述了社交媒体立场检测的任务定义、数据集、传统模型与基于大语言模型的最新方法，分析了现有研究的优势与不足，并展望了多模态和低资源语言等未来方向。
2024-11-25 cs.CL cs.IR cs.SI
Assessing the influence of social media feedback on traveler's future trip-planning behavior: A multi-model machine learning approach
Indian Institute of Management Indore（印度管理学院印多尔分校）
本研究针对印度年轻游客群体，构建多模型机器学习框架，探究社交媒体分享获得的社交回报对其未来短期旅行决策的影响，经调查数据验证模型准确率超75%，为印度旅游业及相关研究提供参考。
2025-10-28 cs.SI stat.AP
Truth Social Dataset
本研究构建了包含超82.3万条帖子和45.4万用户的Truth Social数据集，并对其内容、时间特征和网络结构进行了基础分析，填补了该新兴替代性社交媒体平台的数据空白。
2023-03-20 cs.SI
Prioritizing Risk Factors in Media Entrepreneurship on Social Networks: Hybrid Fuzzy Z-Number Approaches for Strategic Budget Allocation and Risk Management in Advertising Construction Campaigns
University of Alabama（阿拉巴马大学）；Science and Research Branch, Islamic Azad University（伊斯兰阿扎德大学科学与研究分校）；G. Brint Ryan College of Business, University of North Texas（北德克萨斯大学G.布林特·瑞安商学院）；Iowa state university（爱荷华州立大学）；The University of Texas at Arlington（阿灵顿得克萨斯大学）
本文提出了一种基于Z数理论的混合模糊方法，用于优化社交媒体广告活动的预算分配和风险管理。
2026-02-10 cs.CY cs.SI
Evidence of Complex Contagion of Information in Social Media: An Experiment Using Twitter Bots
由于Twitter等拥有数百万用户的在线平台的出现，最近有可能大规模研究技术社会系统中的信息传播动态。一个经常出现的问题是，信息的传播是按照简单的还是复杂的动力学进行的：每次接触到一条信息，用户接受它的概率是独立的（简单传染），还是这种概率取决于接触源的数量，超过某个阈值后会增加（复杂传染）？到目前为止，大多数研究都是观察性的，因此，无法解开混淆因素，如社会强化，同质性，有限的注意力，或网络社区结构的影响。在这里，我们描述了一个新的控制实验，我们在Twitter上使用“社交机器人”部署进行协调尝试传播信息。我们提出了两个贝叶斯统计模型描述简单和复杂的传染动力学，并测试竞争的假设。我们提供的实验证据表明，复杂的传染模型比简单的传染更准确地描述了所观察到的信息扩散行为。我们的研究结果的未来应用包括更有效地防御社交媒体上的恶意宣传活动，改进营销和广告策略，以及设计有效的网络干预技术。
2017-03-17 cs.SI physics.soc-ph
Community Specific Temporal Topic Discovery from Social Media
研究社交媒体中话题的时间动态对理解在线用户行为非常有用。关于这一主题的现有工作大多数通常监测全球趋势，而忽略了社区之间的差异。由于来自不同社区的用户往往具有不同的品味和兴趣，因此捕获社区级别的时间变化可以改善对社交内容的理解和管理。此外，它还可以进一步促进社区发现，时间预测和在线营销等应用。然而，由于社区和主题之间复杂的相互作用以及难以处理的计算复杂性，这种抽取变得具有挑战性。本文针对社区级主题动态抽取问题，提出了一种统一的解决方案。提出了一个概率模型CosTot（Community Specific Topics-over-Time），用于发现隐藏的主题和社区，并捕捉社区特定的时间动态。具体而言，CosTot同时考虑文本，时间和网络信息，并很好地发现社区和主题之间的互动随着时间的推移。然后，我们讨论了近似推理实现，使模型参数的可扩展计算，特别是对于大型社会数据。在此基础上，研究了应用层对多尺度时态分析和社区探索的支持。在一个真实的微博数据集上进行了大量的实验研究，验证了该模型在时间戳预测、链接预测和主题混淆等任务上的优越性。
2013-12-03 cs.SI physics.soc-ph
Anticipating Activity in Social Media Spikes
我们提出了一个新的数学模型，在外部，事件驱动的尖峰期间的微博客的活动。该模型导致了一个可测试的预测，即如果出现尖峰，谁会变得最活跃。这种类型的信息对商业组织、政府和慈善机构非常感兴趣，因为它可以在网络最容易接受信息的时候，实时的识别出可以成为信息目标的关键人物。该模型考虑到这样一个事实，即动态交互是在一个底层的静态网络上发展的，该网络记录了谁在听谁的话。该模型是基于这样的假设，即在整个社区已经意识到外部新闻事件的情况下，活动的一个关键驱动因素是通过响应传入的消息来参与的动机。我们测试的模型上的一个大规模的Twitter对话有关任命英国英超足球俱乐部经理。我们还提供了德甲足球比赛、营销活动和电视节目的进一步结果。在每一种情况下，我们发现，利用底层的连接结构，提高了预测谁将是活跃的尖峰。我们还展示了如何在活动的峰值的半衰期可以量化的网络大小和典型的响应率。
2014-06-08 cs.SI physics.soc-ph
Detecting and Tracking the Spread of Astroturf Memes in Microblog Streams
在线社交媒体正在补充并在某些情况下取代人与人之间的社交互动，并重新定义信息的传播。特别是，微博已经成为公共关系、市场营销和政治斗争的重要阵地。我们引入了一个可扩展的框架，将使在社交媒体中的模因扩散的实时分析，挖掘，可视化，映射，分类和建模的公共微博事件的大规模流。我们描述了一个Web服务，利用这个框架来跟踪Twitter中的政治模因，并帮助检测美国政治选举背景下的astroturfing，诽谤活动和其他错误信息。我们提出了一些滥用行为的情况下发现我们的服务。最后，我们讨论了有前途的初步结果，通过监督学习的基础上提取的扩散网络的拓扑结构，情感分析，和众包注释的特征检测可疑模因。
2010-11-16 cs.CY cs.SI
Characterising and Detecting Sponsored Influencer Posts on Instagram
近年来，出现了一种新的广告活动形式：那些涉及所谓的社交媒体影响者的广告活动。这些影响者通过他们的社交媒体推送来推广产品，以换取金钱。虽然这是一种新的和令人感兴趣的营销形式，但它也提出了许多问题，特别是与透明度和监管有关的问题。例如，有时可能不清楚哪些账户是正式的影响者，或者什至是什麽构成了影响者/广告。这对于建立影响者的完整性并确保遵守广告法规非常重要。我们收集了一个大规模的Instagram数据集，涵盖了数千个广告产品的账户，并根据他们接触的用户数量进行分类。然后，我们详细分析了这些账户所宣传的产品类型，它们的潜在覆盖范围以及它们从追随者那里获得的参与度。根据我们的发现，我们训练机器学习模型来区分赞助内容和非赞助内容，并识别人们在没有正式标记的情况下生成赞助帖子的情况。我们的研究结果为了解在线影响者的未充分研究空间迈出了第一步，这可能对研究人员，营销人员和政策制定者有用。
2020-11-11 cs.SI
Online Influence Maximization in Non-Stationary Social Networks
The University of Hong Kong（香港大学）；Tsinghua University（清华大学）
社交网络已经成为信息传播的流行平台。一个重要的用例是病毒式营销：在给定推广预算的情况下，广告主可以选择一些有影响力的用户作为种子集，并向他们提供免费或折扣的样品产品;这样，广告主希望通过口碑效应增加产品在用户朋友圈中的知名度，从而最大化产品信息所能到达的用户数量。有大量文献研究了影响力最大化问题。然而，现有的研究大多是一次性的基础上调查的问题，假设固定的已知的影响力概率之间的用户，或确切的社会网络拓扑结构的知识。在实践中，社交网络拓扑和影响概率通常对于广告商是未知的，其可以随时间变化，即，在新建立、加强或削弱社会联系的情况下。在本文中，我们专注于一个动态的非平稳的社会网络和设计的随机算法，RSB，基于多臂强盗优化，最大限度地提高影响力传播随着时间的推移。该算法产生一系列在线决策，并利用先前决策的结果来校准其探索-利用策略。它被严格证明可以达到一个上界的遗憾在奖励和适用于大规模的社交网络。使用合成和真实世界的数据集，这表明我们的算法优于以前的平稳方法在非平稳条件下的实际有效性进行评估。
2016-04-26 cs.DS cs.LG cs.SI
A dynamical measure of algorithmically infused visibility
针对算法注入社会中的社交媒体可见性问题，提出结合主题排名停留时间与所达排名、并由区分水平参数调节权重的动态测度，实验表明其可有效解释主题累计浏览量变异。
2024-12-06 cs.CY cs.SI stat.AP
BN-AuthProf: Benchmarking Machine Learning for Bangla Author Profiling on Social Media Texts
Premier University（普雷米尔大学）；Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）
本文构建含300位作者、30,131条帖子的孟加拉语作者画像数据集 BN-AuthProf，并基准评测多种模型，SVM与MNB分别在性别、年龄分类上取得最佳效果。
2024-12-03 cs.CL cs.SI
Modelling Formation of Online Temporal Communities
当代社会媒体网络可以被视为对早期两步流模型的突破，在早期两步流模型中，有影响力的个人充当媒体和公众之间的中介，进行信息扩散。今天的社交媒体平台使用户能够生成和消费在线内容。用户不断地参与和脱离讨论，并进行不同程度的互动，从而形成不同的在线社区。这些社区通常是基于元数据（如Twitter上的主题标签）或由少数有影响力的用户触发的流行内容而形成的。这些在线社区往往不能反映真正的连通性，缺乏传统社区的凝聚力。在这项研究中，我们调查实时形成的时间社区在Twitter上。我们的目标是定义高和低级别的连接，并揭示集群的凝聚力的时间基础上的大小。受现实生活中的活动中心的座位安排的情况下，所提出的方法的目的是集群用户到不同的和有凝聚力的在线时间社区。社区的成员资格依赖于内在的推文属性来定义相似性，作为交互网络的基础。所提出的方法可以用于本地事件监测和基于客户端的营销等应用。
2018-04-27 cs.SI physics.soc-ph
Closing the Loop: Testing ChatGPT to Generate Model Explanations to Improve Human Labelling of Sponsored Content on Social Media
Maastricht University（马斯特里赫特大学）；Studio Europa（欧罗巴工作室）；Utrecht University（乌得勒支大学）
针对社交媒体赞助内容人工标注一致性低影响检测模型可靠性的问题，提出用ChatGPT补充相关特征短语与解释辅助标注，实验证明可提升标注一致性、准确率及标注者信心，助力监管合规。
2023-06-08 cs.CL cs.SI
Identifying Influential Brokers on Social Media from Social Network Structure
本研究通过对比源头传播者与中心节点，利用三个社交媒体数据集分析特征，发现多数源头传播者并非中介者，且中心节点重叠小，进而提出基于节点嵌入的预测模型，有效识别有影响力的中介者。
2022-08-01 cs.CY cs.SI
Unveiling the Potential of Knowledge-Prompted ChatGPT for Enhancing Drug Trafficking Detection on Social Media
West Virginia University（西弗吉尼亚大学）；University of Notre Dame（圣母大学）
本文首次系统研究利用ChatGPT等大语言模型检测社交媒体毒品贩运，提出知识知情提示框架和蒙特卡洛dropout提示优化方法，检测准确率较基线模型提升近12%，有效应对毒贩的欺骗性语言和委婉语。
2023-07-07 cs.AI cs.CL cs.SI
Preserving privacy enables "co-existence equilibrium" of competitive diffusion in social networks
随着社交媒体的出现，不同的公司经常同时推广竞争产品，以获得社交网络中用户的口碑传播和采用。对于这种竞争扩散的情况，先前的研究表明，较弱的产品将很快灭绝（即，“赢家通吃”）。然而，有趣的是，在实践中，竞争产品，如iPhone和Android手机，往往在市场上共存。这种差异可能是由许多因素造成的，例如现实世界中的用户可能由于对产品或隐私保护的不满意而不会传播其对产品的使用的现象。在本文中，我们将用户的隐私传播行为的竞争扩散的两种产品，并开发了一个问题的隐私意识的竞争扩散。然后，我们证明了隐私保护机制可以实现“共存均衡”（即，两种竞争产品在均衡中共存）在社交网络上的竞争扩散中。除了严格的分析，我们还证明了我们的结果与实验在真实的网络拓扑结构。
2019-11-02 cs.CR cs.SI
