本發(fā)明涉及績(jī)效度量，具體地說(shuō)是對(duì)社交網(wǎng)絡(luò)中具有影響力用戶的投放廣告能力的績(jī)效評(píng)估方法。

技術(shù)背景

隨著社交網(wǎng)絡(luò)用戶數(shù)量爆炸性的增長(zhǎng)，社交網(wǎng)絡(luò)已經(jīng)成為人們獲取、交互信息的重要平臺(tái)。在社交網(wǎng)絡(luò)中，節(jié)點(diǎn)用戶(即具有高影響力的網(wǎng)絡(luò)用戶，簡(jiǎn)稱影響力用戶)對(duì)于信息的傳播扮演著重要的角色?；谏鲜鎏卣鳎S多企業(yè)選擇合適的影響力用戶作為廣告代言人，使企業(yè)的廣告信息以最低的成本和最快的速度，擴(kuò)散到整個(gè)社交網(wǎng)絡(luò)。然而，關(guān)于如何幫助企業(yè)遴選廣告代言人的研究成果并不豐富。

目前針對(duì)遴選廣告代言人的方法可以分為兩個(gè)方向：(1)通過度量網(wǎng)絡(luò)影響力，將具有最高網(wǎng)絡(luò)影響力的用戶作為廣告代言人，如：利用網(wǎng)絡(luò)結(jié)構(gòu)，交互行為等發(fā)現(xiàn)社交網(wǎng)絡(luò)中的影響力用戶。但是并沒有研究表明網(wǎng)絡(luò)影響力與廣告效果呈線性關(guān)系，即擁有最大的網(wǎng)絡(luò)影響力用戶并不能產(chǎn)生出相應(yīng)的廣告效果。(2)通過度量廣告效果，將產(chǎn)生最大廣告效果的用戶作為廣告代言人。上述研究將廣告點(diǎn)擊率、瀏覽率等作為廣告效果的研究對(duì)象。然而，與傳統(tǒng)網(wǎng)絡(luò)平臺(tái)不同，社交網(wǎng)絡(luò)具有交互性，產(chǎn)生大量的用戶交互數(shù)據(jù)。因此，必須構(gòu)建一套具有社交網(wǎng)絡(luò)交互特征的指標(biāo)體系。

交叉效率dea模型是最有效地度量具有多投入與多產(chǎn)出績(jī)效值的方法，并且能夠生成具有獨(dú)特的排名機(jī)制。然而，交叉效率dea方法自身存在兩個(gè)弊端，效率值不唯一問題，效率集結(jié)問題；交叉效率dea的權(quán)重是模型自動(dòng)生成，難以體現(xiàn)決策者的偏好；交叉效率dea只能處理截面數(shù)據(jù)，難以解決動(dòng)態(tài)數(shù)據(jù)。解決以上問題，需要對(duì)交叉效率dea模型進(jìn)行重新設(shè)計(jì)，以此社交網(wǎng)絡(luò)的績(jī)效度量要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為克服現(xiàn)有技術(shù)存在的不足支持，提供一種基于dea模型的社交網(wǎng)絡(luò)廣告代言人的遴選方法，以期準(zhǔn)確度量社交網(wǎng)絡(luò)的廣告績(jī)效，降低企業(yè)遴選廣告代言人難度，從而有助于企業(yè)更好的掌握利用廣告代言人投放廣告，保證廣告信息以最快的速度和最低的成本擴(kuò)散到整個(gè)社交網(wǎng)絡(luò)中。

為了達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

本發(fā)明一種基于dea模型的社交網(wǎng)絡(luò)廣告代言人的遴選方法的特點(diǎn)是按如下步驟進(jìn)行：

步驟1、在第t個(gè)時(shí)期選取社交網(wǎng)絡(luò)平臺(tái)上影響力排名前n個(gè)用戶，作為網(wǎng)絡(luò)候選人，其中，第j網(wǎng)絡(luò)候選人記為dmuj，j＝1,2,…,n；

步驟2、構(gòu)建第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的投入指標(biāo)為其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第i個(gè)投入指標(biāo)，i＝1,2,…,m，t＝1,2,…,t；

構(gòu)建第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的產(chǎn)出指標(biāo)為其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第r個(gè)產(chǎn)出指標(biāo)，r＝1,2,…,s，t＝1,2,…,t；從而得到t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的投入指標(biāo)和產(chǎn)出指標(biāo)進(jìn)而得到t個(gè)時(shí)期n個(gè)網(wǎng)絡(luò)候選人的投入指標(biāo)x和產(chǎn)出指標(biāo)y；

步驟3、構(gòu)建由偏好交叉效率dea模型和動(dòng)態(tài)績(jī)效值模型組成的社交網(wǎng)絡(luò)廣告績(jī)效度量模型：

步驟3.1、利用李克特九級(jí)評(píng)價(jià)體系與ahp方法構(gòu)造所述投入指標(biāo)x的m階判斷矩陣w和所述產(chǎn)出指標(biāo)y的s階判斷矩陣z；

步驟3.2、計(jì)算所述m階判斷矩陣w的最大特征值λw和所述s階判斷矩陣z的最大特征值λz，從而構(gòu)建投入偏好矩陣w′＝w-λwem和產(chǎn)出偏好矩陣z′＝z-λzes；其中，em表示m階的單位矩陣，es表示s階的單位矩陣；

步驟3.3、對(duì)所述投入偏好矩陣w′和產(chǎn)出偏好矩陣z′進(jìn)行一致性檢驗(yàn)，若一致性檢驗(yàn)通過，則保留所述投入偏好矩陣w′和產(chǎn)出偏好矩陣z′，否則，返回步驟3.1，重新建立判斷矩陣；

步驟3.4、構(gòu)建偏好交叉效率dea模型為：

目標(biāo)函數(shù)：

約束條件：

式(1)表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第r個(gè)產(chǎn)出指標(biāo)的績(jī)效；其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第r個(gè)產(chǎn)出指標(biāo)的權(quán)重；表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第i個(gè)投入指標(biāo)的權(quán)重；

式(2)中，表示第t個(gè)時(shí)期第d個(gè)網(wǎng)絡(luò)候選人dmud對(duì)第j網(wǎng)絡(luò)候選人dmuj的他評(píng)績(jī)效值；其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmud的第i個(gè)投入指標(biāo)，i＝1,2,…,m，t＝1,2,…,t，1≤d≤n，d≠j；表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmud的第r個(gè)產(chǎn)出指標(biāo)，r＝1,2,…,s，t＝1,2,…,t，1≤d≤n，d≠j；

式(3)中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的自評(píng)績(jī)效值。

式(4)表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的投入指標(biāo)的權(quán)重與第r個(gè)產(chǎn)出指標(biāo)的權(quán)重的約束；

式(5)表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的投入指標(biāo)的權(quán)重與第r個(gè)產(chǎn)出指標(biāo)的權(quán)重符合偏好矩陣的約束；

步驟3.5、利用式(6)構(gòu)建第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的績(jī)效值

步驟3.6、構(gòu)建動(dòng)態(tài)績(jī)效值模型：

目標(biāo)函數(shù)：

約束函數(shù)：

式(7)表示對(duì)于第j網(wǎng)絡(luò)候選人dmuj在不同時(shí)期的松弛變量之和最大；其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的動(dòng)態(tài)績(jī)效值，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的松弛變量，l^t＝(1,1,…,1)^t表示全1向量；

式(8)表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的績(jī)效值與第t個(gè)時(shí)期的最優(yōu)前沿面的差值即為松弛變量其中，β^(t)表示第t個(gè)時(shí)期的權(quán)重值；

式(9)表示第t個(gè)時(shí)期的權(quán)重值之和的約束；

式(10)表示第t個(gè)時(shí)期權(quán)重值與松弛變量的約束；

步驟4、基于k-means方法對(duì)第j網(wǎng)絡(luò)候選人dmuj的動(dòng)態(tài)績(jī)效值進(jìn)行聚類，依據(jù)企業(yè)偏好，從聚類中心點(diǎn)值最小的類中，選擇n位廣告代言人。

步驟5、對(duì)廣告代言人產(chǎn)出效果進(jìn)行監(jiān)控：判斷第t個(gè)時(shí)期廣告代言人的績(jī)效值是否高于最小廣告績(jī)效值；若高于，則表示廣告代言人的廣告效果達(dá)到企業(yè)的預(yù)期目標(biāo)；否則，表示廣告效果未達(dá)到企業(yè)的預(yù)期目標(biāo)，并返回步驟5重新選擇廣告代言人。

相較于現(xiàn)有技術(shù)，本發(fā)明的有益效果體現(xiàn)在：

1、本發(fā)明基于社交網(wǎng)絡(luò)用戶的競(jìng)爭(zhēng)與合作關(guān)系，以績(jī)效作為遴選廣告代言人的標(biāo)準(zhǔn)，避免傳統(tǒng)方法(即以網(wǎng)絡(luò)影響力作為標(biāo)準(zhǔn))的缺陷，重新設(shè)計(jì)了交叉效率dea模型的第二目標(biāo)與效率集結(jié)公式，合理的度量了每個(gè)時(shí)期的廣告績(jī)效；基于動(dòng)態(tài)績(jī)效模型，綜合了不同時(shí)期的廣告績(jī)效，極大地降低了有效dmu數(shù)量，凸顯了不同dmu的績(jī)效差距，提供了獨(dú)特的排序策略，降低了遴選廣告代言人的難度。

2、本發(fā)明創(chuàng)建偏好矩陣，并代入到交叉效率dea模型。通過偏好矩陣反映出企業(yè)對(duì)不同指標(biāo)的喜好程度，求得的績(jī)效值能保證企業(yè)遴選出的廣告代言人更好的匹配廣告營(yíng)銷目標(biāo)。提高了績(jī)效值的適用性。

3、本發(fā)明構(gòu)建動(dòng)態(tài)績(jī)效模型，能對(duì)不同時(shí)期的廣告績(jī)效值進(jìn)行綜合求解，解決了dea模型只能處理截面數(shù)據(jù)的劣勢(shì)；此外，基于動(dòng)態(tài)績(jī)效值，該模型極大地降低了企業(yè)遴選廣告代言人的遴選難度。有助于企業(yè)運(yùn)用社交網(wǎng)絡(luò)廣告代言人投放廣告，保證信息以最快的速度和最低的成本傳播到社交網(wǎng)絡(luò)中。

附圖說(shuō)明

圖1為本發(fā)明遴選方法的流程圖；

圖2為本發(fā)明動(dòng)態(tài)社交網(wǎng)絡(luò)廣告績(jī)效聚類效果圖；

圖3為本發(fā)明廣告代言人績(jī)效控制圖。

具體實(shí)施方式

本實(shí)施例中，如圖1所示，一種基于dea模型的社交網(wǎng)絡(luò)廣告代言人的遴選方法，是按如下步驟進(jìn)行：

步驟1、在第t個(gè)時(shí)期選取社交網(wǎng)絡(luò)平臺(tái)上影響力排名前n個(gè)用戶，作為網(wǎng)絡(luò)候選人，其中，第j網(wǎng)絡(luò)候選人記為dmuj，j＝1,2,…,n；

本實(shí)施例中采用汽車之家的自駕游板塊的數(shù)據(jù)。本實(shí)驗(yàn)數(shù)據(jù)采集工作從2016年3月8日12點(diǎn)整開始，下載當(dāng)天論壇紅人榜前30位用戶所發(fā)布的帖子，并剔除與廣告主題不相關(guān)的干擾帖、僵尸帖后，篩選出23位用戶以及他們當(dāng)天所發(fā)布廣告帖子作為研究樣本。以月為數(shù)據(jù)觀測(cè)單位，實(shí)驗(yàn)周期為6個(gè)月，自2016年03月08日開始至2016年08月15日結(jié)束。

步驟2、構(gòu)建第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的投入指標(biāo)為其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第i個(gè)投入指標(biāo)，i＝1,2,…,m，t＝1,2,…,t；

構(gòu)建第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的產(chǎn)出指標(biāo)為其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第r個(gè)產(chǎn)出指標(biāo)，r＝1,2,…,s，t＝1,2,…,t；從而得到t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的投入指標(biāo)和產(chǎn)出指標(biāo)進(jìn)而得到t個(gè)時(shí)期n個(gè)網(wǎng)絡(luò)候選人的投入指標(biāo)x和產(chǎn)出指標(biāo)y；

具體實(shí)施中，社交網(wǎng)絡(luò)中的用戶通過自身的影響力發(fā)送廣告信息，在經(jīng)過一系列的交互后，形成廣告效果。由此，將網(wǎng)絡(luò)影響力看作是社交網(wǎng)絡(luò)廣告投入，將廣告效果看作是廣告產(chǎn)出。構(gòu)建如下指標(biāo)體系：

在第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的產(chǎn)出指標(biāo)為社交網(wǎng)絡(luò)廣告投入指標(biāo)表示個(gè)人身份。是否獲得社交網(wǎng)站認(rèn)證；表示等級(jí)威望。自用戶注冊(cè)后，社交網(wǎng)絡(luò)的等級(jí)數(shù)；表示發(fā)帖質(zhì)量。采集周期內(nèi)發(fā)帖的文本字?jǐn)?shù)與圖片數(shù)量的綜合；表示發(fā)帖數(shù)量。自用戶注冊(cè)后，用戶發(fā)帖數(shù)量；表示回帖數(shù)量。自用戶注冊(cè)后，用戶回復(fù)他人帖子數(shù)量；表示互動(dòng)頻度。自用戶注冊(cè)后，用戶完成網(wǎng)站互動(dòng)任務(wù)后獲得互動(dòng)標(biāo)識(shí)的數(shù)量。

在第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的產(chǎn)出指標(biāo)為社交網(wǎng)絡(luò)廣告投入指標(biāo)表示發(fā)布文本點(diǎn)擊次數(shù)。用戶發(fā)布含有廣告信息的文本后，該文本被點(diǎn)擊的次數(shù)；表示發(fā)布文本回復(fù)次數(shù)。用戶發(fā)布含有廣告信息的文本后，收到的回復(fù)次數(shù)；表示發(fā)布文本回復(fù)質(zhì)量。用戶發(fā)布含有廣告信息的文本后，每條回復(fù)的平均字?jǐn)?shù)。

步驟3、構(gòu)建由偏好交叉效率dea模型和動(dòng)態(tài)績(jī)效值模型組成的社交網(wǎng)絡(luò)廣告績(jī)效度量模型：

步驟3.1、利用李克特九級(jí)評(píng)價(jià)體系與ahp方法構(gòu)造投入指標(biāo)x的m階判斷矩陣w和產(chǎn)出指標(biāo)y的s階判斷矩陣z；

步驟3.2、計(jì)算m階判斷矩陣w的最大特征值λw和s階判斷矩陣z的最大特征值λz，從而構(gòu)建投入偏好矩陣w′＝w-λwem和產(chǎn)出偏好矩陣z′＝z-λzes；其中，em表示m階的單位矩陣，es表示s階的單位矩陣；

步驟3.3、對(duì)投入偏好矩陣w′和產(chǎn)出偏好矩陣z′進(jìn)行一致性檢驗(yàn)，若一致性檢驗(yàn)通過，則保留投入偏好矩陣w′和產(chǎn)出偏好矩陣z′，否則，返回步驟3.1，重新建立判斷矩陣；

步驟3.4、構(gòu)建偏好交叉效率dea模型為：

目標(biāo)函數(shù)：

約束條件：

式(1)表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第r個(gè)產(chǎn)出指標(biāo)的績(jī)效；其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第r個(gè)產(chǎn)出指標(biāo)的權(quán)重；表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的第i個(gè)投入指標(biāo)的權(quán)重；

式(2)中，表示第t個(gè)時(shí)期第d個(gè)網(wǎng)絡(luò)候選人dmud對(duì)第j網(wǎng)絡(luò)候選人dmuj的他評(píng)績(jī)效值；其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmud的第i個(gè)投入指標(biāo)，i＝1,2,…,m，t＝1,2,…,t，1≤d≤n，d≠j；表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmud的第r個(gè)產(chǎn)出指標(biāo)，r＝1,2,…,s，t＝1,2,…,t，1≤d≤n，d≠j；

式(3)中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的自評(píng)績(jī)效值。

式(4)表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的投入指標(biāo)的權(quán)重與第r個(gè)產(chǎn)出指標(biāo)的權(quán)重的約束；

式(5)表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的投入指標(biāo)的權(quán)重與第r個(gè)產(chǎn)出指標(biāo)的權(quán)重符合偏好矩陣的約束；

步驟3.5、利用式(6)構(gòu)建第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的績(jī)效值

步驟3.6、構(gòu)建動(dòng)態(tài)績(jī)效值模型：

目標(biāo)函數(shù)：

約束函數(shù)：

式(7)表示對(duì)于第j網(wǎng)絡(luò)候選人dmuj在不同時(shí)期的松弛變量之和最大；其中，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的動(dòng)態(tài)績(jī)效值，表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的松弛變量，l^t＝(1,1,…,1)^t表示全1向量；

式(8)表示第t個(gè)時(shí)期第j網(wǎng)絡(luò)候選人dmuj的績(jī)效值與第t個(gè)時(shí)期的最優(yōu)前沿面的差值即為松弛變量其中，β^(t)表示第t個(gè)時(shí)期的權(quán)重值；

式(9)表示第t個(gè)時(shí)期的權(quán)重值之和的約束；

式(10)表示第t個(gè)時(shí)期權(quán)重值與松弛變量的約束；

求出了不同時(shí)期的績(jī)效值和動(dòng)態(tài)績(jī)效值，見表一：

表一

從表一中，表示在第t時(shí)期由交叉效率dea計(jì)算出的績(jī)效值，績(jī)效值的取值范圍是0～1，值越大代表第j網(wǎng)絡(luò)候選人dmuj的廣告績(jī)效值越高，當(dāng)?shù)趈網(wǎng)絡(luò)候選人dmuj的廣告績(jī)效值為1的時(shí)候，本文認(rèn)為該dmu是有效的，否則是無(wú)效的；表示由動(dòng)態(tài)效率模型計(jì)算出的績(jī)效值，績(jī)效值大于0，當(dāng)績(jī)效值等于0的時(shí)候，表明第j網(wǎng)絡(luò)候選人dmuj最接近最優(yōu)前沿面，是有效的dmu。

步驟4、基于k-means方法對(duì)第j網(wǎng)絡(luò)候選人dmuj的動(dòng)態(tài)績(jī)效值進(jìn)行聚類，依據(jù)企業(yè)偏好，從聚類中心點(diǎn)值最小的類中，選擇n位廣告代言人。

本方法利用k-mean聚類方法，假設(shè)k＝3，由此將影響力用戶(即候選人)劃分為三類；如圖2所示；其中，a類中的dmu1具有最低的動(dòng)態(tài)社交網(wǎng)絡(luò)廣告績(jī)效值，可以作為企業(yè)的目標(biāo)廣告代言人。當(dāng)企業(yè)認(rèn)為一個(gè)廣告代言人難以實(shí)現(xiàn)既定的廣告營(yíng)銷目標(biāo)。企業(yè)可以在a類中選擇多個(gè)影響力用戶形成廣告代言團(tuán)隊(duì)。

步驟5、對(duì)廣告代言人產(chǎn)出效果進(jìn)行監(jiān)控：判斷第t個(gè)時(shí)期廣告代言人的績(jī)效值是否高于最小廣告績(jī)效值。若高于，則表示廣告代言人的廣告效果達(dá)到企業(yè)的預(yù)期目標(biāo)；否則，表示廣告效果未達(dá)到企業(yè)的預(yù)期目標(biāo)，并返回步驟5重新選擇廣告代言人。

基于單個(gè)時(shí)期社交網(wǎng)絡(luò)廣告績(jī)效值對(duì)影響力用戶的投放效果進(jìn)行監(jiān)控。企業(yè)依據(jù)廣告目標(biāo)，確定每個(gè)時(shí)間段的最低廣告績(jī)效值θlow＝0.8，匯總廣告代言人在不同時(shí)段的社交網(wǎng)絡(luò)廣告績(jī)效值從圖3中發(fā)現(xiàn)，在第一、二、三時(shí)期則廣告代言人的廣告績(jī)效達(dá)到企業(yè)的預(yù)期目標(biāo)。在第四時(shí)期表明廣告代言人的廣告績(jī)效并沒有達(dá)到企業(yè)的預(yù)期目標(biāo)，企業(yè)需要采取措施，驅(qū)使廣告代言人定期維護(hù)發(fā)布的廣告信息。

本方法的目的克服了現(xiàn)有社交網(wǎng)絡(luò)廣告代言人遴選機(jī)制的缺陷，提供一套行之有效的社交網(wǎng)絡(luò)廣告代言人的遴選策略，該方法將有助于企業(yè)更好的掌握利用廣告代言人投放廣告，保證廣告信息以最快的速度和最低的成本擴(kuò)散到整個(gè)社交網(wǎng)絡(luò)中。

以上是本發(fā)明的較佳實(shí)施例，凡依本發(fā)明技術(shù)方案所作的改變，所產(chǎn)生的功能作用未超出本發(fā)明技術(shù)方案的范圍時(shí)，均屬于本發(fā)明的保護(hù)范圍。