شبکه های اعتماد مشترک برای بازاریابی الکترونیکی شفاهی
ترجمه نشده

شبکه های اعتماد مشترک برای بازاریابی الکترونیکی شفاهی

عنوان فارسی مقاله: شناسایی متقاضیان برتر در شبکه های اعتماد مشترک برای بازاریابی الکترونیکی شفاهی
عنوان انگلیسی مقاله: Identifying top persuaders in mixed trust networks for electronic marketing based on word-of-mouth
مجله/کنفرانس: سیستم های دانش بنیان - Knowledge-Based Systems
رشته های تحصیلی مرتبط: مدیریت
گرایش های تحصیلی مرتبط: بازاریابی، مدیریت فناوری اطلاعات، مدیریت کسب و کار، مدیریت بازرگانی
کلمات کلیدی فارسی: اعتماد، عدم اعتماد، محرمانه برتر، شبکه های اجتماعی، تجارت الکترونیکی، بازاریابی دهان به دهان
کلمات کلیدی انگلیسی: Trust، Distrust، Top persuaders، Social network، e-commerce، Word-of-mouth marketing
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journals List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.knosys.2019.06.011
دانشگاه: School of Computer and Information Engineering, Chuzhou University, Chuzhou, Anhui 239000, China
صفحات مقاله انگلیسی: 10
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 6/610 در سال 2018
شاخص H_index: 94 در سال 2019
شاخص SJR: 1/460 در سال 2018
شناسه ISSN: 0950-7051
شاخص Quartile (چارک): Q1 در سال 2018
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E12599
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست مطالب (انگلیسی)

Abstract

1- Introduction

2- Related works

3- Problem formulation and methodology

4- Empirical study

5- Conclusions

References

بخشی از مقاله (انگلیسی)

Abstract

The identification of top persuaders from social networking websites is increasingly attracting attention because they can significantly affect consumers’ purchasing decisions in electronic word-of-mouth (eWOM) marketing. Existing studies on the identification of top persuaders have mainly focused on the idea of trust and have not considered distrust. However, this omission may lead to a high negative impact of the top persuaders identified from trust networks. To address this issue in the context of mixed trust networks, this study formulates the top persuader identification problem and develops a novel approach to identifying top persuaders. The structural properties of mixed trust networks are investigated through four measures: the degree of distribution, the correlation coefficient of trust and distrust, the cumulative distribution of the ratio between the degree of distrust and the degree of trust, and the mix pattern. To adapt to the context of mixed trust networks, a mixed trust PageRank (MTPR) index is conceived to evaluate the influential power of a top persuader. Reinforced by the dimensions of trust and distrust, the MTPR-based approach is proposed to identify top persuaders in mixed trust networks. The experimental results using real-world data collected from Epinions show that the proposed approach outperforms the degree centrality approach and the PageRank approach.

Introduction

In the digital era, Internet-based social communication services (e.g., Twitter, MySpace, Facebook, and LinkedIn) have resulted in the emergence of social persuasion as a complex force that governs the propagation of influence in online social networks (OSNs) [1–3]. Social persuasion is closely related to social contagion and network diffusion, by which a consumer’s attitude, belief, or behavior is influenced by other consumers in an OSN [4]. This phenomenon has allowed various companies to identify top persuaders who can propagate social influence through their high network status in OSNs and who have the ability to affect the behavior and attitudes of other consumers [5–7]. Therefore, the ability to discover top persuaders in an OSN has become critical to companies in electronic word-of-mouth (eWOM) marketing [8– 10]. In this context, marketing information can be diffused faster and be promoted better by top persuaders to their followers in OSNs via word of mouth.