共查询到17条相似文献,搜索用时 140 毫秒
1.
杜宾 《系统工程理论与实践》2014,34(10):2619-2627
研究异质消费者的社会学习效应和创新扩散模型对于创新企业具有重要意义. 根据社会学习的主体认知过程和消费者网络结构的线上线下差异性, 构建两阶段社会学习(TSSL)模型和线上线下(O2O)学习模型, 探索多层次网络叠加条件下的扩散规律, 弥补传统扩散模型和社会网络分析的仿真方法缺陷. 针对我国图书发行扩散数据进行实证研究发现, 基于消费者网络的创新扩散模型较好地拟合样本数据; 在图书发行扩散中消费者的社会学习效应发挥重要作用; 基于消费者网络的创新扩散模型表明, 各图书产品面对消费者网络拓扑结构的非一致性, 揭示各产品消费者群体创新采纳的学习影响机制差异性, 研究结果有益于深入了解创新产品扩散的内部规律及制定针对性的营销策略. 相似文献
2.
网上购物扩散对于开展电子商务的企业来说具有重要意义。本文通过结合网上购物历史扩散数据和消费者采纳网络结构特征,建立网上购物的扩散模型,弥补了以Bass模型或其扩展模型研究网上购物扩散而忽略消费者内部影响程度变化的缺陷。通过对中国网上购物扩散数据的实证研究发现:基于消费者采纳网络的网上购物扩散模型较好地拟合了样本数据;网上购物扩散主要依赖于消费者之间的口碑传播;基于消费者采纳网络的网上购物扩散模型揭示了消费者群体采纳网上购物的内部影响机制,研究结果有助于企业深入了解网上购物的扩散规律并制定有针对性的网络营销策略。将研究结果与Bass模型进行对比,发现模型的拟合度和预测精度都优于Bass模型。 相似文献
3.
消费者交互作用对网络效应产品扩散的影响——基于产品生命周期的视角 总被引:3,自引:1,他引:2
从消费者采用产品过程的生命周期(PLC)视角出发,运用微观扩散模型仿真分析消费者交互作用对网络效应产品扩散的影响.研究表明:消费者交互作用所产生的局部网络效应能够加快产品扩散早期和中期速度,而聚集效应则会降低产品扩散中期速度; 消费者之间交互强度越强,产品扩散中期速度越快; 全局交互型消费者则会降低产品扩散早期速度,但能提高产品扩散中期速度;且上述因素对网络效应产品PLC不同阶段扩散速度的影响还会由于消费者交互作用所形成的复杂社会网络结构差异而呈现不同模式.这些研究结论能够为网络外部性市场中企业的营销策略提供一定新启示. 相似文献
4.
考虑消费者社交网络的动态性和异质性,利用复杂网络和微分方程的相关理论,建立了不考虑广告或价格策略、考虑广告策略和同时考虑广告和价格策略的产品扩散模型,分析了垄断厂商产品持续扩散的阈值条件.研究表明:不考虑广告或价格策略时,产品持续扩散的阈值条件与网络特性和动态性有关.厂商实施广告和撇脂定价策略时,产品持续扩散与价格约束条件有关,该条件与网络的特性无关.其他策略情形下,若潜在消费者中存在创新者,产品将始终持续扩散. 相似文献
5.
云计算是继大型计算机、个人计算机及互联网之后的第四次信息技术革命,它给电子商务企业对个人用户的服务模式带来了根本性变革,云服务产品正在被个体用户广泛使用与购买.然而,传统的消费者行为模型不能解释云服务产品的购买,立足于云服务产品对个人用户的功能价值与服务价值,并结合品牌价值,在问卷调查的基础上,运用因果研究和结构方程模型,研究了网络生活方式对个人用户云服务购买意愿的影响.结果显示:①网络生活方式直接及间接影响了个人用户购买云服务产品的意愿;②网络生活方式影响个人用户对云服务产品的功能感知、品牌感知和服务感知;③个人用户对云服务产品的功能感知、品牌感知和服务感知影响其够买意愿.针对个人用户,本研究提出的基于网络生活方式的云服务购买意愿模型,推动了个人用户云服务的使用和购买. 相似文献
6.
7.
8.
基于多智能体的网游产品扩散特性 总被引:2,自引:2,他引:0
根据对网游产品的采用状况将整个人群划分为三类,分析这三类人群之间交互情况,基于人群关系网络的小世界特性视角,探讨了网游产品扩散问题,进一步建立了一个基于临近关系网络的网游扩散多智能体模型,通过多次仿真实验及参数的敏感性分析,结果表明:广告效应及积极口碑效应对产品扩散起推动作用,消极口碑效应阻碍网游产品扩散;消费者的负面情绪既阻碍了网游产品的扩散,又使得大量重复购买行为产生;网游产品的创新及积极口碑的传播能够保持市场稳定:网游运营企业在网游扩散的不同阶段需要制定相应的管理策略来应对网游扩散中的各种问题. 相似文献
9.
10.
11.
Change or innovation diffusion is a key issue for most business organizations but is yet difficult to implement as the change
management process is often complex as it relies on an organized methodology to complement an organization’s commitment and
participation. An ambiguous environment surrounding change mechanism tends to develop unintended attitudes, resulting in resistance
and conflict. The study proposes a model for the management of such conflicts among change participants (involved and affected)
in the context of organizational change. The authors consider organizational change process as an innovation project that
treats change and conflicts holistically with the Ulrich’s notion of boundary considerations (boundary critique). A social
network setting of multiple stakeholders is considered to effectively help in resolving problematic situations that hinder
organizational learning and change. The proposed model provides a theoretical foundation based on concepts governing Critical
Systems Heuristics (CSH), change theory, stakeholder theory and conflict management. 相似文献
12.
当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。 相似文献
13.
14.
15.
基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响. 相似文献
16.
为解决不同人员相同操作的个体差异以及同一人员不同时间相同操作差异的问题,提出一种基于混合专家系统(mixture of experts,MoE)和长短期记忆神经网络(long short-term memory,LSTM)的倒闸操作识别方法 MoE-LSTM。基于MoE对LSTM进行集成,学习不同来源数据的特征分布。采集加速度动作数据构建倒闸操作数据集,基于滑动窗口对动作序列进行切分;将动作序列输入到MoE-LSTM中,由不同LSTM独立学习不同动作的时序依赖;通过门控网络选择对当前输入分类较好的LSTM的输出作为动作识别结果。仿真结果表明:不同LSTM对来自不同时空的动作数据都有擅长分类的特征空间。 相似文献
17.
工业大数据具有多类型、多维度的特点,单一类型的深度学习网络结构无法充分提取数据中包含的性能退化特征。针对上述问题,提出一种可同时融合处理一维时间序列数据和二维图像数据的多输入混合深度学习网络健康因子构建模型。根据输入数据类型特点搭建的混合深度学习网络包含时间特征提取层、空间特征提取层、融合层和全连接层。时间特征提取层主要由叠加的多个长短时记忆(long short-term memory, LSTM)网络构成,用于提取一维时间序列数据中蕴含的时间特征。空间特征提取层主要由深度卷积神经网络(deep convolutional neural network, DCNN)构成,用于提取二维图像数据中的空间特征。融合层将时间特征与空间特征融合。最后,利用全连接层输出健康因子值。滚动轴承全寿命周期试验结果表明:本文提出的多输入混合深度学习网络的健康因子构建方法能够深度挖掘不同数据类型包含的性能退化信息,有效降低了性能退化曲线的离散性,有助于减小剩余寿命预测结果的不确定性,同时在一定程度上提高了单调性和趋势性,提高了剩余寿命预测精度。 相似文献