淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-1902201311381300
中文論文名稱 社群網路資訊傳播效果之量化研究:以臉書為例
英文論文名稱 Quantitative measures on the spread of information in social networks: Facebook as an example
校院名稱 淡江大學
系所名稱(中) 資訊管理學系碩士班
系所名稱(英) Department of Information Management
學年度 101
學期 1
出版年 102
研究生中文姓名 李家宏
研究生英文姓名 Chia-Hong Li
學號 699630355
學位類別 碩士
語文別 中文
口試日期 2012-12-29
論文頁數 72頁
口試委員 指導教授-鄭啟斌
委員-林東清
委員-吳雅玲
中文關鍵字 社群網路  資訊傳播  口碑行銷 
英文關鍵字 Spread of information  Word-of-Mouth Marketing  Social network 
學科別分類
中文摘要 社群網路的崛起,除了可以讓使用在網路上交換想法與意見,其快速傳播資訊的能力也可以達到良好的口碑行銷效果,但如何善用社群網路本身的架構以提升口碑行銷的效率卻尚未有詳細的研究。本研究的目的在探討社群網路中節點的群聚特性是否影響資訊傳播的效率。本研究以最受歡迎的社群網路臉書為對象,量化分析節點的群聚中心性對於傳播效率的影響程度。由於實際的網路太大難以分析,我們以抽樣的方式由實際的社群網路中抽取並形成一個四萬個節點的網路,然後以電腦模擬的方式模擬資訊傳播的過程。本研究使用Pajek網路分析軟體來衡量各節點的中心性,並分別以不同中心性的節點做為初始節點進行資訊傳播模擬,以驗證節點的群聚中心性對於資訊傳播效率的影響。
英文摘要 The advent of social networks not only enable the exchanges of ideas but also facilitate the use of word-of-mouth (WOM) marketing due to its capability of fast broadcasting of information. However, how to take the advantage of the network structure to enhance the efficiency of WOM is not well studied. The purpose of this study is to investigate the effect of the centrality of a node in the network on the efficiency of information broadcast of the network. This study uses the most popular social network, Facebook, as an example to analyze the broadcasting efficiency of nodes in terms of their centralities. Since the real network is too huge to be analyzed, a sample network with 40000 nodes is randomly abstracted from the Facebook social network. Information broadcasting process of the sample network is observed through computer simulation. The software Pajek is employed to measure the centralities of nodes, and then nodes with different degrees of centrality are chosen as initial nodes in a series of experiments of information broadcast to evaluate the effect of node centrality on the efficiency of information broadcast of the network.
論文目次 謝詞 i
中文摘要 ii
英文摘要 iii
目錄 iv
表目錄 vi
圖目錄 x
第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 4
第三節 研究目的 5
第二章 文獻探討 7
第一節 複雜網路 7
2.1.1 無尺度網路 8
2.1.2 小世界網路 9
2.1.3 中心性分析 11
第二節 社群網路 13
第三章 研究方法 18
第一節 研究架構 18
第二節 模型建立與分析 19
第三節 模擬方法 22
3.3.1 模擬步驟 25
第四章 實驗模擬與實證比對 26
第一節 實驗模擬一 26
第二節 實驗模擬二 31
第三節 實驗模擬三 63
第四節 實證比對 64
第五章 結論與建議 66
第一節 研究結論以及貢獻 66
第二節 管理意涵及實務建議 67
第三節 未來研究方向與建議 68
參考文獻 70

表目錄
表1-1社群網站使用型態的改變 2
表2-2社群網路定義(本研究整理) 13
表2-3 InsightXplorer 創市際『ARO網路廣告測量研究』 15
表2-4國內臉書與口碑行銷結合相關論文 16
表3-1依據活躍人數排名之臉書粉絲團 24
表4-1實驗一相關節點中心性表現 26
表4-2真實分享機率第一次模擬 27
表4-3真實分享機率第二次模擬 27
表4-4真實分享機率第三次模擬 28
表4-5真實分享機率第四次模擬 28
表4-6真實分享機率第五次模擬 28
表4-7真實分享機率第六次模擬 29
表4-8真實分享機率第七次模擬 29
表4-9真實分享機率第八次模擬 29
表4-10真實分享機率第九次模擬 30
表4-11真實分享機率第十次模擬 30
表4-12真實分享機率平均資訊接收人數和分享人數 30
表4-13實驗二相關節點中心性表現 31
表4-14實驗二模擬不同中心性節點在不同分享機率下所得平均結果(前面數字為平均收到資訊人數,括號內為平均分享人數) 31
表4-15實驗二模擬不同中心性節點在不同分享機率下所得標準差(前面數字為平均收到資訊人數,括號內為平均分享人數) 32
表4-16不同分享機率D5(高度數節點)收到資訊人數成對平均數差異檢定結果 32
表4-17不同分享機率D5(高度數節點)分享資訊人數成對平均數差異檢定結果 33
表4-18不同分享機率D6(低度數節點)收到資訊人數成對平均數差異檢定結果 34
表4-19不同分享機率D6(低度數節點)分享資訊人數成對平均數差異檢定結果 35
表4-20不同分享機率D7(低全域值節點)收到資訊人數成對平均數差異檢定結果 36
表4-21不同分享機率D7(低全域值節點)分享資訊人數成對平均數差異檢定結果 37
表4-22不同分享機率D8(高全域值節點)收到資訊人數成對平均數差異檢定結果 38
表4-23不同分享機率D8(高全域值節點)分享資訊人數成對平均數差異檢定結果 38
表4-24 D5(高度數節點) vs D6(低度數節點)接收資訊人數成對平均數差異檢定結果 39
表4-25 D5(高度數節點) vs D6(低度數節點) 資訊分享人數成對平均數差異檢定結果 40
表4-26 D5(高度數節點) vs D7(低全域值節點)接收資訊人數成對平均數差異檢定結果 41
表4-27 D5(高度數節點) vs D7(低全域值節點)資訊分享人數成對平均數差異檢定結果 41
表4-28 D5(高度數節點) vs D8(高全域值節點)接收資訊人數成對平均數差異檢定結果 42
表4-29 D5(高度數節點) vs D8(高全域值節點)資訊分享人數成對平均數差異檢定結果 43
表4-30 D6(低度數節點) vs D7(低全域值節點)接收資訊人數成對平均數差異檢定結果 43
表4-31 D6(低度數節點) vs D7(低全域值節點)資訊分享人數成對平均數差異檢定結果 44
表4-32 D6(低度數節點) vs D8(高全域值節點)接收資訊人數成對平均數差異檢定結果 45
表4-33 D6(低度數節點) vs D8(高全域值節點)資訊分享人數成對平均數差異檢定結果 45
表4-34 D7(低全域值節點)vs D8(高全域值節點)接收資訊人數成對平均數差異檢定結果 46
表4-35 D7(低全域值節點) vs D8(高全域值節點)資訊分享人數成對平均數差異檢定結果 46
表4-36實驗二新朋友網路相關節點中心性表現 47
表4-37實驗二新網路模擬不同中心性節點在不同分享機率下所得平均結果(前面數字為平均收到資訊人數,括號內為平均分享人數) 48
表4-38不同分享機率D9(高度數節點)收到資訊人數成對平均數差異檢定結果 48
表4-39不同分享機率D9(高度數節點)分享資訊人數成對平均數差異檢定結果 49
表4-40不同分享機率D10(低度數節點)收到資訊人數成對平均數差異檢定結果 50
表4-41不同分享機率D6(低度數節點)分享資訊人數成對平均數差異檢定結果 51
表4-42不同分享機率D11(低全域值節點)收到資訊人數成對平均數差異檢定結果 52
表4-43不同分享機率D11(低全域值節點)分享資訊人數成對平均數差異檢定結果 53
表4-44不同分享機率D12(高全域值節點)收到資訊人數成對平均數差異檢定結果 53
表4-45不同分享機率D12(高全域值節點)分享資訊人數成對平均數差異檢定結果 54
表4-46 D9(高度數節點) vs D10(低度數節點)接收資訊人數成對平均數差異檢定結果 55
表4-47 D9(高度數節點) vs D10(低度數節點) 資訊分享人數成對平均數差異檢定結果 56
表4-48 D9(高度數節點) vs D11(低全域值節點)接收資訊人數成對平均數差異檢定結果 56
表4-49 D9(高度數節點) vs D11(低全域值節點)資訊分享人數成對平均數差異檢定結果 57
表4-50 D9(高度數節點) vs D12(高全域值節點)接收資訊人數成對平均數差異檢定結果 58
表4-51 D9(高度數節點) vs D12(高全域值節點)資訊分享人數成對平均數差異檢定結果 58
表4-52 D10(低度數節點) vs D11(低全域值節點)接收資訊人數成對平均數差異檢定結果 59
表4-53 D10(低度數節點) vs D11(低全域值節點)資訊分享人數成對平均數差異檢定結果 60
表4-54 D10(低度數節點) vs D12(高全域值節點)接收資訊人數成對平均數差異檢定結果 60
表4-55 D10(低度數節點) vs D12(高全域值節點)資訊分享人數成對平均數差異檢定結果 61
表4-56 D11(低全域值節點)vs D12(高全域值節點)接收資訊人數成對平均數差異檢定結果 62
表4-57 D11(低全域值節點) vs D12(高全域值節點)資訊分享人數成對平均數差異檢定結果 62
表4-58不同代表性初始節點到達目標節點所需擴散次數 64
表4-59代表節點臉書實際文章資訊接收人數和分享人數(括號為分享人數) 65

圖目錄
圖1-1 AIDMA轉變AISAS示意圖 3
圖2-1 隨機網路與無尺度網路分佈圖 9
圖2-2小世界網路模型 10
圖2-3六節點網路圖 12
圖3-2 Pajek主介面圖 21
圖3-3 Pajek可視化介面 22
參考文獻 王冰、修志龍、唐煥文,2005,基於複雜網路的代謝網路結構研究進展,中國生物工程雜誌,第25卷,第6期,頁10-14。
江怡君,2006,口碑行銷模式之探索性研究,台灣科技大學碩士論文。
林芳如,2008,在有限資源下無尺度網路上的傳播動態,國立交通大學碩士論文。
胡長愛、朱禮軍,2010,複雜網路軟體分析與評價,中國科學技術訊息研究所報告。
創世紀市場調查公司,2011,ARO觀察-社群服務發展概況市調報告。
盧昭燕、蔡紀眉,2011,與粉絲耳語-企業最省錢的廣告,天下雜誌,第469期,
頁76-78。
龔涵君,2011,Facebook之廣告效果研究-以PLaiN服飾為例,銘傳大學碩士論文。
Adler, R. P., & Christopher, A. J., 1998, Internet community primer-overview & business opportunity. New York:Harper Collins
Arndt, J., 1967, Role of product-related conversations in the diffusion of a new product. 4(3), Journal of Marketing Research, pp. 291-295.
Barabasi, A., & Bonabeau, E., 2003, Scale-free networks. Scientific American, 288(5), pp. 50-59.
Bitcart, B., & Schidler, R. M., 2001, Internet forums as influential sources of consumer information. Journal of Interactive Marketing, 15(3), pp. 31-40.
Brass, D. J., & Burkhardt, M. E., 1992, “Centrality and Power in Organization,” In Noria, Networks and Organizations: Structure, Form and Action, Boston, Massachusetts: Harvard Business School Press, pp.191-215.
Buttle, F., 1998, Word of mouth: understanding and managing referral marketing. Journal of Strategic Marketing, 6, pp. 241-254.
Christophe, V. B., & Joshi, Y. V., 2007, New product diffusion with influential and imitators. Marketing Science, 26(3), pp. 400-421.
Day, G. S., 1971, Attitude change, media and word of mouth. Journal of Advertising Research, pp. 31-40.
eMarketer, 2011, What changing social media usage means for marketers. Retried from http://www.emarketer.com/Article/What-Changing-Social-Media-Usage-
MeanM-Marketers/1008550
Fernback, J., & Thompson, B., 1995, Virtual communities:abort,retry,failure? Computer mediated communication and the American collectivity:The dimensions of a community within cyberspace. New Mexico: International Communication Association, Albuquerque.
Forrest, 2010, The state of retailing online 2010: marketing, social commerce, and mobile.
Freeman, L., 1979, Centrality in social networks: conceptual clarification. Social Networks, 1, pp. 215-239.
Gremler, D. D., & Brown, S. W., 1999, The loyalty ripple effect: appreciating the full value of customers. International Journal of Service Industry Management, 10(3), pp. 271-291.
Inbaria, M., Shayo, C., & Olfman, L., 1999, On becoming virtual: the driving. Proceeding of SIGCPR’99, New Orleans LA USA, pp. 27-41.
Jianmei Y., Canzhong Y., Weicheng M., & Guanrong C., 2010, A study of the spreading scheme for viral marketing based on a complex network model, Physica A, 389, pp. 859-870.
Kannan, P. K., Chang, A., & Whinston, A. B., 2000, Electronic communities in e-business, Information Systems Frontiers, 1(4), pp. 415-426.
Krackhardt, D., 1993, MRQAP : Analytic versus permutation solutions. Carnegie Mellon University.
Luce R. D., & Perry, A. D, 1949, A method of matrix analysis of group structure. Psychometrika, 14(1), pp. 95-116.
Marks, G., 2009, Beware social media marketing myths. Business Week Online, pp. 7.
Milgram, S., 1967, The small world problem. Psychology Today, 2, pp. 60-67.
Murray, K., 1991, A test of services marketing theory: consumer information acquisition activities. Journal of Marketing, 55, pp. 10-25.
Newman, M., 2005, A measure of centrality based on random walks. Social Networks, 27, pp. 39-54.
Newman, M., Barabasi, A., & Watts D. J., 2006, The structure and dynamics of networks. Princeton University Press.
Rheingold, H., 1993, The Virtual Community: Homesteading on the Electronic Frontier Reading. Massachusetts: Addison-Wesley.
Satorras, R. & Vespignani, A., 2002, Epidemic spreading in scale-free networks. Physical Review Letters, 86, pp. 3200-3203.
Scott, J., 2000, Social network analysis : a handbook. London, UK:Sage.
Strogatz, H., 2001, Exploring complex networks. Nature, 410, pp. 268-276.
Watts, D. J. & Strogatz, S. H., 1998, Collective dynamics of small-world networks. Nature, 393, pp. 440-442.
Wouter, D. N., Mrvar, A., & Vladimir, B., 2005, Exploratory social network with Pajek. New York: Cambridge University.
Yinan, 2006, Study on construction and application of word-of mouth marketing in new market environment. Shandong: Shandong University.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2013-02-19公開。
  • 同意授權瀏覽/列印電子全文服務,於2013-02-19起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信