社交電商如何成功:購物連通社交關系,平台優化算法設計

admin

导语

為什麼社交電商巨擘拼多多在不到三年的時候里就得到跨越2亿的用户？人們為奈何此热中于社交電商？它們相對于傳统電商有哪些特色？钻研發明，社交電商讓人們的購物與社交糊口慎密連系，使得購物與社交的鸿沟變得模胡，在社交同時發生經濟举动，在購物同時维系親朋瓜葛。

清華大學電子系数据科學與智能實行室结合斯坦福大學、哈佛商學院、都門大學、香港都會大學等钻研機構，针對海内数字社交經濟成长新形态，體系揭露、建模以社交電商為代表的社會瓜葛與經濟举动耦合新范式。系列钻研功效颁發于该交织钻研触及的社管帐算、人機交互、信息檢索等范畴頂级國際集會與期刊， 包含CHI、CSCW、ICWSM、WWW、WSDM、SIGIR等论文十余篇。

钻研范畴：社交經濟，收集布局，呆板進修

曹瀚成、陈智隆 | 作者

梁金 | 审校

邓一雪 | 编纂

图1 社交電商平台
髮際修容神器,
社交電商作為数字社交經濟的典范場景，凡是指操纵社交媒體和社交收集举行在线買賣勾當的電子商務情势。比年来，社交電商這一新型数字社交經濟形态在中國迅猛成长，取患了庞大樂成。比方，社交電商巨擘拼多多在不到三年的時候里就得到了跨越2亿的用户。這些社交電商平台經由過程與以微信為代表的即時通信营業慎密連系，浸透進入并操纵原本的實際世界的紧密親密瓜葛，将中國社會中的“瓜葛”纳入經濟買賣。和品牌、名流等關頭定見魁首（Key Opinion Leader）阐扬主导感化的傳统電商模式分歧，在和微信深刻契合的社交電商中，慎密的親朋瓜葛阐扬极其首要的驱动感化：用户經由過程微信将商品分享给親友老友、举行举薦以得到代價優惠，而社交電商的社交属性也在用户購物的同時供给了维系親朋瓜葛的機遇。由此，分歧于傳统經濟举动與社交举动相對于自力的電商平台和社交平台，社交電商供给了一個钻研社會瓜葛與經濟举动之間互相感化的怪异情形。

针對山楂乾哪裡買,上述环境，钻研團隊從機制理解建模和算法設計優化两個角度动身，連系计较機科學、人工智能、数据科學、营销學、辦理學、社會學等跨學科钻研法子，體系探讨、揭露、建模数字社交經濟場景下社會瓜葛和經濟举动深度耦合的新范式，并為将来社交電商及其他連系社會瓜葛與經濟举动的社管帐算體系設計供给洞見。

图2 社交電商平台界面

1. 数字社交經濟機制理解建模

在機制理解建模方面，钻研團隊經由過程系列事情從多個角白內障,  度對社會瓜葛和經濟举动深度耦合場景下的用户举动举行周全的钻研。

钻研團隊經由過程万万级用户数据實證丈量社交電商平台的收集布局和动态（Cao et al. ICWSM 2020），發明社交電商在去中間化收集布局、约请级联、采辦同質性和用户虔诚度方面與傳统場景存在显著差别。借助用户間的口口相傳（Word-of-Mouth）機制，社交電商發展速率更快、用户粘性、虔诚度、复購率更高。

图3 社交電商约请级联，相對于傳统電商具备發展速率快的特色

钻研團隊連系深度定性钻研和大范围数据驱动的定量钻研阐發数字社交經濟場景下用户采辦念頭與用户體驗（Cao et al. CSCW 2021）和采辦举动（Xu et al. CSCW 2019）。钻研發明社交電商平台頂用户的采辦轉化率是傳统電商的3.09∼10.37倍，而且可以經由過程更好的樂趣匹配、社會影响、社交認同和代價敏感性機制来诠释（Xu et al. CSCW 2019）。

钻研團隊發明数字社交經濟可以或许给用户带来更可达、更低本錢、更泛在的購物體驗，經由過程引入個别間信赖、群體信赖認同、同質性、從眾性等機制影响决议计劃進程。區分于傳统電商上人們偏向于采辦品牌產物，社交電商上用户更偏向于測驗考試親朋举薦的较小眾、别致的商品；購物與社交的鸿沟也较以往模胡，在社交同時發生經濟举动（Cao et al. CSCW 2021）。

钻研團隊發明数字社交經濟樂成动員中國欠發財地域在傳统電商模式下被邊沿化的群體，将该群體認識的集市經濟轉換為线上情势（Chen et al. CHI 2022）。

图4 社交電商商品多样性與采辦轉化率的瓜葛：采辦商品更多样、轉化率更高

钻研團隊阐發在数字社交經濟生态情况中主體/中介（agent/intermediary，社交電商中介于平台與平凡用户中心毗連供需两頭、帮忙贩賣的脚色，如“社區團长”）的脚色特性，揭露主體的變化進程（Xu et al. ICWSM 2021）和主體在社交電商中阐扬的感化（Chen et al. CSCW 2020, Piao et al. CSCW 2021）。钻研團隊發明数字社交經濟中主體充任着局部趋向發明者（洞察老友們需求）和“线上杂貨铺”的感化，發掘了樂成主體所采纳的计谋模式（Chen et al. CSCW 2020），并發明将主體参加到举薦反馈回路中显著低落了举薦的同質性（Piao et al. CSCW 2021）。钻研團隊阐释了影响主體约请和轉化的機制，證明了社交趋同性、社會瓜葛影响、回绝防止和本錢-效益掂量等身分的首要影响感化（Xu et al. ICWSM 2021）。

图5 介于社交電商平台與平凡用户間的主體/中介（agent/intermediary）

钻研團隊進一步證明，操纵新型图神經收集對社交電商中繁杂的社交互动举动举行有用建模，可以實現正确的用户價值展望 (Piao et al. WWW 2021) 和社群價值展望 (Zhang et al. WWW 2021)，從而有用操纵用户社交信息展望經濟價值。同時钻研團隊發明，可以基于因果揣度的法子建模社交影响的因果性，防止“伪联系關系”，實現精准的社交電商用户流失展望（Zhang et al. WSDM 2022）。

2. 数字社交經濟平台算法設計優化

基于数字社交經濟機制的理解，钻研團隊提出了一系列立异性的呆板進修算法設計，從而構建了更有用、更先辈用于数字社交經濟平台的举薦體系，為用户供给加倍精准的商品举薦。

在瓜葛感知的社會化举薦方面，钻研團隊操纵基于三元组的口口相傳布局结合建模用户樂趣和社交影响（Gao et al. TKDE2020a），設計特質化的社交正则法子，建模朋侪間的细粒度類似性（Gao et al. TKDE2020b），并構建基于社會瓜葛的注重力求卷积收集，有用建模社交電商异質信息收集中分歧種類的瓜葛（Xu et al. CIKM 2019）。

图6 社交電商异質信息收集

在跨平台举薦方面，钻研團隊同時斟酌社交瓜葛和跨平台特性，有用操纵分歧平台的用户-商品交互信息和社交媒體上的社交瓜葛信息，實現精准的跨平台举薦體系 (Lin et al. SIGIR 2019)。

图7 跨平台举薦算法

在團購举薦方面，钻研團隊設計用于刻劃繁杂團購举动的图卷积收集法子 (Zhang et al. ICDE 2021)增強免疫力水果,，構建有向异質图及基于多視图嵌入傳布的图卷积收集模块，表征用户面向拼團的采辦举动及社交瓜葛，提取图上高阶布局信息，并有用操纵團購失败記實晋升用户偏勤學習结果，實現精准拼團举薦。

图8 團購举薦算法

開源数据集

為便利相干钻研者的進一步阐發钻研数字社交經濟平台，钻研團隊弥补當今没有公然社交電商数据集的空白，精心采集、收拾并開源了两個真實世界的大范围数据集：用于精准社會化举薦、跨平台社會化举薦和口口相傳举薦的分享-采辦举动数据集和用于團購举薦的團購数据集。

相干事情链接

相干论文详情拜見：

作者信息

系列钻研由清華大學電子系数据科學與智能實行室金德鹏教員、李勇教員带领，重要作者包含数据科學與智能實行室在讀钻研生陈智隆、张國桢、朴景華、张钧，数据科學與智能實行室结業生曹瀚成（現斯坦福大學博士生）、高宸（現清華大學博士後）、徐丰力（現芝加哥大學博士後）、林子恒（現小米科技）等。

金德鹏，傳授，博士生导師，現為清華大學電子系党委布告。持久從事收集数据阐發與通讯體系方面钻研事情。申请發現專利50余項，已授权發現專利32項。2002年获國度技能發現二等奖。积年共颁發學術论文200余篇，此中SCI收录论文120余篇。

李勇，清華大學電子系长聘副傳授，博士生导師，长江學者，國度重點研發规劃項目賣力人。持久從事数据科學與智能方面的科研事情，在KDD、NeurIPS、ICLR、WWW、UbiComp等國際集會與期刊颁發學術论文100余篇（CCF A類80篇），6次获國際集會最好论文/提名奖，10篇论文入選ESI高被援用论文。前後入選全世界“高被引科學家”名单、國度“万人规劃”青年拔尖人材规劃、中國科协青年人材“托举工程”规劃，获IEEE ComSoc亚太區精采青年學者奖、教诲部科技前進一等奖、電子學會天然科學二等奖、吴文俊人工智能優异青年奖等。

陈智隆，数据科學與智能實行室博士生。

张國桢，数据科學與智能實行室博士生。

朴景華，数据科學與智能實行室硕士生。

曹瀚成，斯坦福计较機系博士生，斯坦福交织學科奖學金得主，曾获CHI，CSCW最好论文提名。

高宸，清華大學数据科學與智能實行室博士後，曾获SIGIR最好短论文提名。

徐丰力， 芝加哥大學都會立异钻研所與常識實行室博士後。

林子恒，現小米科技。

相干钻研事情

[1] Hancheng Cao, Zhilong Chi88娛樂城,en, Mengjie Cheng, Shuling Zhao, Tao Wang, and Yong Li. 2020. You Reco妹妹end, I Buy: How and Why People Engage in Instant Messaging Based Social Co妹妹erce. In Proceedings of the ACM on Human-Computer Interaction 5, CSCW1 (2021). 1–25.

[2] Hancheng Cao, Zhilong Chen, Fengli Xu, Tao Wang, Yujian Xu, Lianglun Zhang, and Yong Li. 2020. When Your Friends Become Sellers: An Empirical Study of Social Co妹妹erce Site Beidian. In Proceedings of the International AAAI Conference on Web and Social Media, Vol. 14. 83–94.

[3] Zhilong Chen, Hancheng Cao, Xiaochong Lan, Zhicong Lu, and Yong Li. 2022. Beyond Virtual Bazaar: How Social Co妹妹erce Promotes Inclusivity for the Traditionally Underserved Co妹妹unity in Chinese Developing Regions. In Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems. 1–15.

[4] Zhilong Chen, Hancheng Cao, Fengli Xu, Mengjie Cheng, Tao Wang, and Yong Li. 2020. Understanding the Role of Intermediaries in Online Social E-co妹妹erce: An Exploratory Study of Beidian. In Proceedings of the ACM on Human-Computer Interaction 4, CSCW2 (2020). 1–24. link

[5] Jinghua Piao, Guozhen Zhang, Fengli Xu, Zhilong Chen, and Yong Li. 2021. Bringing Friends into the Loop of Reco妹妹ender Systems: An Exploratory Study. In Proceedings of the ACM on Human-Computer Interaction 5, CSCW2 (2021). 1–26.

[6] Chen Gao, Chao Huang, Donghan Yu, Haohao Fu, Tzu-Heng Lin, Depeng Jin, and Yong Li. 2020. Item Reco妹妹endation for Word-of-Mouth Scenario in Social E-Co妹妹erce. IEEE Transactions on Knowledge and Data Engineering (2020).

[7] Chen Gao, Nian Li, Tzu-Heng Lin, Dongsheng Lin, Jun Zhang, Yong Li, and Depeng Jin. 2020. Social Reco妹妹endation with Characterized Regularization. IEEE Transactions on Knowledge and Data Engineering (2020).

[8] Tzu-Heng Lin, Chen Gao, and Yong Li. 2019. Cross: Cross-platform Reco妹妹endation for Social E-co妹妹erce. In Proceedings of the 42nd International ACM SIGIR Conference on Research and Development in Information Retrieval. 515–524.

[9] Jinghua Piao, Guozhen Zhang, Fengli Xu, Zhilong Chen, Yu Zheng, Chen Gao, and Yong Li. 2021. Bringing Friends into the Loop of Reco妹妹ender Systems: An Exploratory Study. In Proceedings of the Web Conference 2021. 3146–3157.

[10] Fengli Xu, Zhenyu Han, Jinghua Piao, and Yong Li. 2019. "I Think You'll Like It" Modelling the Online Purchase Behavior in Social E-Co妹妹erce. In Proceedings of the ACM on Human-Computer Interaction 3, CSCW (2019). 1–23.

[11] Fengli Xu, Jianxun Lian, Zhenyu Han, Yong Li, Yujian Xu, and Xing Xie. 2019. Relation-Aware Graph Convolutional Networks for Agent-Initiated Social E-Co妹妹erce Reco妹妹endation. In Proceedings of the 28th ACM International Conference on Information and Knowledge Management. 529–538.

[12] Fengli Xu, Guozhen Zhang, Yuan Yuan, Hongjia Huang, Diyi Yang, Depeng Jin, and Yong Li. 2021. Understanding the Invitation Acceptance in Agent-Initiated Social E-Co妹妹erce. In Proceedings of the International AAAI Conference on Web and Social Media, Vol. 15. 820–829.

[13] Guozhen Zhang, Yong Li, Yuan Yuan, Fengli Xu, Hancheng Cao, Yujian Xu, and Depeng Jin. 2021. Co妹妹unity Value Prediction in Social E-Co妹妹erce. In Proceedings of the Web Conference 2021. 2958–2967.

[14] Guozhen Zhang, Jinwei Zeng, Zhengyue Zhao, Depeng Jin, and Yong Li. 2022. A Counterfac改善便秘,tual Modeling Framework for Churn Prediction. In Proceedings of the Fifteenth ACM International Conference on Web Search and Data Mining. 1424–1432.

[15] Jun Zhang, Chen Gao, Depeng Jin, and Yong Li. 2021. Group-Buying Reco妹妹endation for Social E-Co妹妹erce. In 2021 IEEE 37th International Conference on Data Engineering (ICDE). 1536-1547.

（可上下滑动檢察）

收集科學集智讲堂第三期報名中