摘要：如今有奖转发式广告因其传播范围广、传播速度快、费用不高的优点而被社交平台电商大量使用。有奖转发式广告充斥着各大社交平台，竞争十分激烈，分析竞争环境下，社交平台电商激励率对转发式广告传播量与速度十分必要。利用Vensim软件采用仿真实验的方式，将SEIRS模型用于研究社交平台中有奖转发式广告的传播过程，并且在SEIRS模型基础上引入社交平台电商激励率，研究发现在零和竞争环境下转发式广告传播过程中，社交平台电商激励率能有效提高转发式广告传播量和传播速率。

关键词：SEIRS模型；社交平台电商激励率；转发式广告；竞争环境

引言

近年来，以微博、微信等为代表的社交平台兴起的抽奖转发式广告发展迅猛。一些社交平台电商通过社交平台自己或者请网络红人和知名大V有奖转发式广告。例如在2018年11月，王思聪在微博上为IG电竞俱乐部有奖转发式广告，开奖前该微博转发量近三千万人次。还有以拼多多为代表的购物平台，让用户将转发广告到微信等社交平台，让别人帮忙砍价最终免费得到商品的方式，进行广告宣传。不论是抽奖转发式广告还是转发砍价式广告，都可视为有奖转发式广告，在这些广告传播的过程中，都是由社交平台电商设置一定的激励，促使社交平台用户够在短时间内来大量转发广告，快速达到宣传的目的。有奖转发式广告的传播过程与网络舆情传播过程相似，网络舆情的传播是信息传播的过程，而转发式广告的传播也属信息传播，传播过程的特点基本相同。当今网络舆情传播研究主要利用传染病模型进行仿真。传染病模型SIR模型，由Kermack等提出[1]。Sudbury第一个将SIR模型用来对网络舆情传播过程进行模拟[2]。Anderson等在SIR模型中加入潜伏态节点E，提出的SEIR模型[3]。当今信息技术飞速发展，信息传播渠道变得越来越多，速度越来越快，人们每天接收海量信息，接收信息时缺乏信息甄别能力，并且接收到的信息不断衍生变化，由此朱恒民等[4]构建了具有话题衍生性的SIRS模型。陈福集等[5-6]进一步分析了舆情传播过程中话题衍生率的影响效果。以上研究大部分，对于信息传播的研究没有考虑竞争状况，也即是环境中只有一个网络信息，而没有考虑多种信息共存互相竞争的情况。本文是基于陈福集等[5-6]的研究之上，将SEIRS模型用于社交平台中转发式广告传播量和传播速度的研究。

1、模型构建

基于陈福集等学者[5-6]的SEIRS模型，本文构建了转发式广告传播模型，图1为模型示意图。与传统SEIRS模型相比，本模型增加社交平台电商激励率θ这一变量，模型将社交平台中的人分为四类：未知者(S)，它表示在t时刻不知道广告信息的人；犹豫者(E)，它表示在t时刻已知广告但犹豫是否转发的人；转发者(I)，它表示在t时刻将广告转发出去的人；不转者(R)，它表示在t时刻已知广告但不转发的人。该模型里，ρ是知道率表示未知者知道广告信息的概率，β是转发率表示犹豫者转发广告的概率，γ是删除率表示转发者删除转发广告的概率，ε是不转率表示犹豫者不转发广告的概率δ是遗忘率不转者重新成为未知者的概率，τ是变心率表示不转者重新转发广告的概率，θ是激励率表示受社交平台电商激励影响的犹豫者转发广告的概率。

2、模型应用

如今社交平台上转发式广告很多，不同电商在同一环境中共同进行转发式广告的传播，此情况下，不同电商广告在传播过程中会相互影响互相竞争。此处将零和竞争转发模式定义为，在犹豫者E转发电商1广告成为I1后，不会再转发电商2的广告，不会成为I2。也即是转发者只能转发众多广告中的一个。为了探究零和竞争转发模式中不同社交平台电商激励率θ，对各自转发式广告转发数量和速度的影响，采用控制变量法，使得平台中的SEIR四种状态人的初始值相同，各自的转化概率参数都相同，只有电商1和电商2的激励率θ1和θ2不同。

3、结论与建议

本文将社交平台电商激励率引入SEIRS模型，构建了有奖转发式广告传播模型，探究转发式传播过程中，电商激励率对四种状态下的人数的影响。构建了一千人规模的社交平台，进行仿真实验，分析无在无竞争环境下和零和竞争环境下，转发式广告传播过程中，电商激励率对转发式广告传播量和速度的影响。仿真结果表明，若电商在转发式广告传播过程中，设置一定的激励率，能促使更多知道广告但仍在犹豫是否转发的人更快地将广告传播出去。因此，社交平台电商为提高其在社交平台上的转发式广告传播量和速度，应当对转发广告者设置适当的激励，可以采用转发式抽奖式广告，也可以采用转发帮忙砍价式广告等带有激励性质的转发广告模式。

作者:王梓伍 朱美光