دانلود ترجمه مقاله مطالعه ای بر اعتبار راهبردهای بازاریابی ویروسی با استفاده از شبیه سازی اجتماعی

1. مقدمه 2. کارهای مرتبط 3. روش 4. مدل های پایه و پیشنهادی برای گسترش و کنترل شایعه 5. تحلیل و مجموعه داده های شایعه 6. شبیه ساز توئیتر بزرگ 7. نتایج تجربی 8. نتیجه گیری و کارهای آتی

مقدمه: بازاریابی با ایجاد یک نام تجاری (برند) شروع می شود، ایجاد برند (یعنی محصول / خدمات / شرکت شما) برای متقاعد کردن مردم به این موضوع که محصولات شما بهترین است، صورت می گیرد و باعث حفظ روابط شما با مشتریان خودتان خواهد شد (کوهن، 2015). پدیده بازاریابی معمولا برای رویکردهای تحلیلی و تجربی مرسوم مانند مدل سازی تحلیلی و یا آزمایشات رفتار مصرف کننده بیش از حد پیچیده می باشد (راند و راست، 2011). به ویژه، این رویکردها به محققان اجازه بیان سناریوهای "what-if" به منظور تست فرضیاتشان را نمی دهد. این موارد باعث می شود که بازاریابی پروسه پرهزینه ای از آزمون و خطا باشد: پیشنهاد یک نظریه، تصور اثرات آن در بازار، تلاش در دنیای واقعی و مشاهده نتایج (استالت، 2015). شبیه سازی اجتماعی مبتنی بر عامل (ABSS) با استفاده از نسخه ساده ای از "استعاره عامل" به منظور تعیین اجزاء واحد و تعاملات میان آن ها با شبیه سازی کامپیوتری و علوم اجتماعی ترکیب می شود. شبیه سازی اجتماعی مبتنی بر عامل یکی از محبوب ترین تکنیک ها برای مدل و سیستم های پیچیده مطالعاتی مانند مدیریت بحران (سرانو، پودا و گارجیو، 2014)، محیط های هوشمند (کامپوزانو، گارسیا – ولواردو، سرانو و بوتای، 2014)، اقتصادی (فارمر و فولی، 2009) و بازاریابی (راند و راست، 2011) می باشد. در مورد بازاریابی، این مدل ها همانند مدل های دیگر متکی بر این فرضیه که بازارها در جهت دستیابی به یک حالت متعادل از پیشن تعیین شده حرکت می کنند، نیستند (فارمر و فولی، 2009). عوامل، که می تواند به عنوان مدلی از مصرف کنندگان تا برندها و موسسات به کار گرفته شود بر اساس زیر عمل می کند: وضعیت فعلی آن، وضعیت دنیای اطراف آن و قوانین حاکم بر رفتار آن ها. بنابراین، کاربرد صحیح شبیه سازی اجتماعی مبتنی بر عامل در بازاریابی یک نوع مدل سازی بازار مجازی اما واقع بینانه به منظور تست استراتژی های بازاریابی، مانند سناریوهای what-if قبل از به کار گرفتن آن در دنیای واقعی می باشد. این موضوع امکان: تست انواع گسترده ای از استراتژی های احتمالی با هزینه های ناچیز، پیش بینی اثرات این استراتژی ها برای ارزیابی آن ها و مهم تر این که، افزایش درک بازار و افزایش استراتژی های طراحی را توسط طرح مداوم سوال و تست سناریوهای what-if را فراهم می آورد.

Introduction: Marketing is building your brand, convincing people that your brand (meaning your product/service/company) is the best and protecting the relationships you build with your customers (Cohen, 2015). Marketing phenomena usually are too complex for conventional analytical or empirical approaches such as analytical modeling or consumer behavior experiments (Rand & Rust, 2011). Particularly, these approaches do not allow researchers to state "what-if" scenarios to test their hypotheses. This makes marketing a costly process of trial and error: proposing a theory, imagining its effects in the market, trying in the real world, and seeing results (Statell, 2015). Agent-based Social Simulation (ABSS) combines computer simulation and social science by using a simple version of the agent metaphor to specify single components and interactions among them. ABSS' has become one of the most popular technologies to model and study complex adaptive systems such as: disaster management (Serrano, Poveda, & Garijo, 2014), intelligent environments (Campuzano, Garcia-Valverde, Serrano, & Botia, 2014), economy (Farmer & Foley, 2009), and marketing (Rand & Rust, 2011). In the marketing case, these models do not rely on the assumption that the markets will move towards a predetermined equilibrium state, as other models do (Farmer & Foley, 2009). Agents, which can model from consumers to brands and institutions, act according to: its current situation, the state of the world around it, and the rules governing its behavior. Therefore, the straightforward application of ABSS in marketing is modeling a virtual but realistic market to test marketing strategies, i.e. what-if scenarios, before taking them to the real world. This allows: testing a great variety of possible strategies at negligible cost; predicting the effects of these strategies for their evaluation; and, more importantly, increasing the understanding of the market and enhancing the strategies design by continually asking and testing what-if scenarios.