Коммуникации в сетях как база для понимания распространения информации. Анализ графов распространения информации. Классические и современные подходы к прогнозированию распространения информации. Рекомендации по работе с рекламой и трендами в YouTube.
Аннотация к работе
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ Факультет Санкт-Петербургская школа экономики и менеджмента Выпускная квалификационная работа по направлению подготовки 38.03.02 Менеджмент образовательная программа «Менеджмент»Анализ распространения информации позволяет выявлять паттерны и факторы виральности, которые помогают маркетологам увеличить показатели конверсии и охвата аудитории. Цель данной работы выявить факторы, которые влияют на распространение рекламного сообщения на платформе YOUTUBE. В исследовании рассматривается сеть русскоязычных каналов и движение среди них 8 сообщений, часть из которых коммерческие, а часть - не рекламные. Автор анализирует три группы факторов: характеристики сообщения и его автора, черты узла, принимающего сообщение.Интернет и социальные сети плотно вошли в жизнь людей, становясь важной частью повседневной жизни. В среднем россияне тратили 143 минуты в день на социальные сети в 2015 году, тогда как в 2012 году этот показатель был меньше - 90 минут. Например, такие исследования публикуются Google и Yandex в конце каждого года. Весь двадцатый век ученые [Кермак и МАККЕНДРИК, 1927; Далей и Кендалл, 1965] предлагают различные математические модели взаимодействия между людьми (коммуникаций), посредством которых движется информация. Для достижения поставленной цели нам необходимо выполнить следующие задачи: ? рассмотреть текущие модели распространения информации, чтобы выявить релевантные для анализа факторы;Для этого информационная диффузия будет представлена с нескольких позиций: с точки зрения сообщения, которое передается в процессе коммуникации, и с точки зрения сети, в которой процесс и происходит.Связи между элементами сети называются ребрами (edges), и чем больше ребер входит в узел или выходит из него, тем значимей данный элемент для структуры. Здесь связь между узлами означает контакт - коммуникацию между пользователями. Вес СМИ значителен перед весом аудитории, которая в этой структуре выглядит пассивным потребителем информации, но существуют аргументы против данного утверждения. И публичный контакт между двумя людьми в сети является массовой коммуникацией, т.к. общение двух людей в комментариях или в Twitter становится достоянием общественности, которая может вмешиваться в обсуждение. Во-вторых, в интернете мы имеем дело не с просто массовой коммуникацией, а с названной Кастельсом (2009) массовой самокоммуникацией.Сообщение - это закодированная информация, которая передается в процессе коммуникации. Внутренне сообщения представляют собой совокупность трех измерений или семантический треугольник (рис. Если говорить о YOUTUBE, то знаком будет выступать видео (его визуальный и звуковой ряды), в котором отображается некое событие в реальности (предмет). В этой части нас интересует, как само сообщение влияет на его интерпретацию - то, что получает адресат, - и его виральность. В предыдущей части мы заключили, что на интерпретацию влияют: ? изначальная идея, закодированная в сообщение;Но так или иначе, данные модели можно использовать для описания движения информации в интернете и социальных сетях. В таком случае модель выглядит следующим образом: Модель DK [Далей и Кендалл, 1965] в отличие от SIR рассматривает распространение слухов. Здесь узлы в сети делятся также на три группы: те, кто начинают распространять сообщение (или ранние последователи) - U, продолжающие распространение - V, и те, кто отказываются распространять дальше сообщение - W. Данная модель используется в анализе социальных сетей и оценивает влиятельность одного узла для другого. Данное мнение складывается на основе мнений агентов, которым данный агент доверяет: Зная данное уравнение, возможно просчитать как и на каких агентов необходимо воздействовать, чтобы сформировать в сообществе определенное мнение по необходимому вопросу.В данной главе мы рассмотрим данные, которые будут использоваться в исследовании, и методы анализа для выявления атрибутов и построения модели.Все сообщения мы выбирали от 2017 года, т.к. это более релевантно к текущей ситуации на платформе как с точки зрения последних событий, так и с точки зрения контента, который может создаваться для распространения сообщения. После разрыва на девушку посыпался негатив, о чем она рассказывает в другом своем видео от 6 января 2017 года (видео набрало 15 миллионов просмотров, при обычной отметке от 2 до 4 миллионов). В целом фигура Марьяны Ро связана с негативом (или как его называют в YOUTUBE сообществе - хейтом) и разного рода скандалами, которые периодически всплывают в интернет-пространстве и обсуждаются в течении нескольких дней в различных видеороликах. Самым популярным стал ролик Дружко и Джарахова, он набрал больше 25 миллионов просмотров. Самые популярные обзоры-реакции вышли на каналах петербургских блогеров: Кузьма (ролик набрал 475 тысяч просмотров) и СМН (ролик набрал 893 тысячи просмотров).В случае со сбором данных о сообщениям мы использовали метод search().list().
План
Содержание
Введение
Глава 1. Факторы информационной диффузии в теории и эмпирических моделях
1.1 Коммуникации в сетях как база для понимания распространения информации
1.2 Структурные особенности сообщения в интернете и рекламе на YOUTUBE
1.3 Классические и современные подходы к анализу и прогнозированию распространения информации
Глава 2. Процесс сбора данных, построения графа и анализа
2.1 Выборка сообщений и их контекст
2.3 Сбор данных о сообщениях
2.3 Сбор данных о каналах
2.4 Построение и анализ графа
2.5 Сбор фич и их анализ
Глава 3. Оценка факторов на основе моделей и рекомендации по работе с ними
3.1 Структурный анализ графов распространения информации
3.2 Сравнение моделей регрессии и классификации в оценке факторов
3.3 Рекомендации по работе с рекламой и трендами в YOUTUBE