全部版块 我的主页
论坛 经济学人 二区 外文文献专区
911 17
2022-04-24
英文标题:
《Allocating marketing resources over social networks: A long-term
  analysis》
---
作者:
Vineeth S. Varma, Samson Lasaulce, Julien Mounthanyvong and
  Irinel-Constantin Morarescu
---
最新提交年份:
2020
---
分类信息:

一级分类:Economics        经济学
二级分类:Theoretical Economics        理论经济学
分类描述:Includes theoretical contributions to Contract Theory, Decision Theory, Game Theory, General Equilibrium, Growth, Learning and Evolution, Macroeconomics, Market and Mechanism Design, and Social Choice.
包括对契约理论、决策理论、博弈论、一般均衡、增长、学习与进化、宏观经济学、市场与机制设计、社会选择的理论贡献。
--
一级分类:Computer Science        计算机科学
二级分类:Computer Science and Game Theory        计算机科学与博弈论
分类描述:Covers all theoretical and applied aspects at the intersection of computer science and game theory, including work in mechanism design, learning in games (which may overlap with Learning), foundations of agent modeling in games (which may overlap with Multiagent systems), coordination, specification and formal methods for non-cooperative computational environments. The area also deals with applications of game theory to areas such as electronic commerce.
涵盖计算机科学和博弈论交叉的所有理论和应用方面,包括机制设计的工作,游戏中的学习(可能与学习重叠),游戏中的agent建模的基础(可能与多agent系统重叠),非合作计算环境的协调、规范和形式化方法。该领域还涉及博弈论在电子商务等领域的应用。
--
一级分类:Computer Science        计算机科学
二级分类:Social and Information Networks        社会和信息网络
分类描述:Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模,包括它们在联机信息访问、通信和交互方面的应用,以及它们作为数据集在这些领域和其他领域的问题探索中的作用,包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题;计算应用包括H.3、H.4和H.5中的主题;计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议(例如TCP/IP)的论文通常更适合网络和因特网体系结构(CS.NI)类别。
--
一级分类:Computer Science        计算机科学
二级分类:Systems and Control        系统与控制
分类描述:cs.SY is an alias for eess.SY. This section includes theoretical and experimental research covering all facets of automatic control systems. The section is focused on methods of control system analysis and design using tools of modeling, simulation and optimization. Specific areas of research include nonlinear, distributed, adaptive, stochastic and robust control in addition to hybrid and discrete event systems. Application areas include automotive and aerospace control systems, network control, biological systems, multiagent and cooperative control, robotics, reinforcement learning, sensor networks, control of cyber-physical and energy-related systems, and control of computing systems.
cs.sy是eess.sy的别名。本部分包括理论和实验研究,涵盖了自动控制系统的各个方面。本节主要介绍利用建模、仿真和优化工具进行控制系统分析和设计的方法。具体研究领域包括非线性、分布式、自适应、随机和鲁棒控制,以及混合和离散事件系统。应用领域包括汽车和航空航天控制系统、网络控制、生物系统、多智能体和协作控制、机器人学、强化学习、传感器网络、信息物理和能源相关系统的控制以及计算系统的控制。
--
一级分类:Electrical Engineering and Systems Science        电气工程与系统科学
二级分类:Systems and Control        系统与控制
分类描述:This section includes theoretical and experimental research covering all facets of automatic control systems. The section is focused on methods of control system analysis and design using tools of modeling, simulation and optimization. Specific areas of research include nonlinear, distributed, adaptive, stochastic and robust control in addition to hybrid and discrete event systems. Application areas include automotive and aerospace control systems, network control, biological systems, multiagent and cooperative control, robotics, reinforcement learning, sensor networks, control of cyber-physical and energy-related systems, and control of computing systems.
本部分包括理论和实验研究,涵盖了自动控制系统的各个方面。本节主要介绍利用建模、仿真和优化工具进行控制系统分析和设计的方法。具体研究领域包括非线性、分布式、自适应、随机和鲁棒控制,以及混合和离散事件系统。应用领域包括汽车和航空航天控制系统、网络控制、生物系统、多智能体和协作控制、机器人学、强化学习、传感器网络、信息物理和能源相关系统的控制以及计算系统的控制。
--

---
英文摘要:
  In this paper, we consider a network of consumers who are under the combined influence of their neighbors and external influencing entities (the marketers). The consumers\' opinion follows a hybrid dynamics whose opinion jumps are due to the marketing campaigns. By using the relevant static game model proposed recently in [1], we prove that although the marketers are in competition and therefore create tension in the network, the network reaches a consensus. Exploiting this key result, we propose a coopetition marketing strategy which combines the one-shot Nash equilibrium actions and a policy of no advertising. Under reasonable sufficient conditions, it is proved that the proposed coopetition strategy profile Pareto-dominates the one-shot Nash equilibrium strategy. This is a very encouraging result to tackle the much more challenging problem of designing Pareto-optimal and equilibrium strategies for the considered dynamical marketing game.
---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-4-24 13:53:28
在社会网络中分配营销资源:长期分析V.N.VARMA,Samson Lasaulce,Julien Mounthanyvong和IrimelStangin Mor损坏损坏。在本文中,我们考虑了一个在他们的邻居和外部的组合实体(营销者)的组合下的消费者网络。消费者的观点遵循一种混合动态,其观点的跳跃是由于营销活动。通过使用最近在[1]中提出的相关静态博弈模型,我们证明,尽管营销人员处于竞争中,因此在网络中制造了紧张,但网络达成了共识。利用这一关键结果,我们提出了一种合作竞争营销策略,该策略结合了一次性纳什均衡行为和无广告策略。在合理的充分条件下,证明了所提出的合作竞争策略是一次性纳什均衡策略。这是一个非常令人鼓舞的结果,可以解决更具挑战性的问题,即为所考虑的动态营销博弈设计帕累托最优和均衡策略。索引词社交网络,资源分配。简介在许多领域,如经济和政治领域,人们(如消费者或选民)都受到他们的资历、朋友或亲戚以及外部实体(如营销人员或候选人)的影响;这些影响因素通常被称为营销人员。这些外部实体目前正在更好地实现获取和利用有关数字社交网络相应动态的一些知识的潜力,以设计良好的策略。目标营销和病毒式营销是说明这一趋势的好例子[2]。举一个具体的例子,最近,一些公司开始向广受欢迎的博主或YouTube支付报酬,以便在他们的视频中宣传一些商品。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-24 13:53:35
本论文的主要目的正是研究人们在“邻居”(可能有不同程度的影响力)和营销人员(通常有不同的利益)的共同影响下的意见演变。尽管意见动力学(OD)一直吸引着研究人员的大量关注,尤其是在控制社区,控制意见动力学的问题几乎没有得到探索。此外,如果考虑多个控制器而不是一个控制器存在的问题,那么似乎只有两个正式的工作可用。在有关控制OD的相关著作中,我们发现[3],[4]作者在其中研究了控制的作用(来自aThis)。该研究部分得到了80年代初期的INS2I CNRS的支持。V.S.Varma和I-C.Morarescu与洛林大学、CNRS、克兰、F-54000、法国南希、康斯坦丁合作。morarescu@univ-洛林。法国伊维特河畔Gif的拉绍尔神父和J.蒙塔尼冯教授在法国巴黎南部中央苏佩莱大学信号系统实验室(L2S)工作。单一控制器)网络中的少量代理,以增强共识。我们还发现,最近有人试图控制观点的离散时间动态,例如,在一定数量的影响实例之后,尽可能多的代理到达某一集合[5]。关于营销人员之间非合作博弈的经典文献假设消费者群体是同质的[6]、[7]、[8]。对于直接涉及当前工作的场景,即涉及多个控制者或营销者在社交媒体上影响消费者的场景,最接近的作品由[9]和[1]给出。在〔9〕中,作者认为在博弈理论的框架下,多个竞争实体控制消费者的意见。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-24 13:53:40
这项工作假设OD有一个无向图和一个(特定的)投票者模型,从而产生独立于节点中心性(即代理影响力)的策略。另一方面,在[1]中,作者使用节点中心性来定义代理人的影响力,并展示营销人员如何利用这一数量来分配他们对代理人的营销预算,从而“优化”他们在市场份额方面的投资回报。然后,作者使用静态或单点博弈模型,并进行相应的纳什均衡(NE)分析。所获得的结果清楚地表明,利用对代理网络图的有效了解,设计目标营销策略的益处。然而,这个有趣的分析是不完整的,因为它假设每个营销人员独立于不同的活动做出决策。此外,当营销人员实施衍生的一次性策略时,人们不知道营销人员的长期行为。值得注意的是,本函中进行的长期分析显示,市场人士可能有兴趣停止投资,从而影响消费者,并接受在网络平衡点上运营市场份额。符号让R≥0:= [0, ∞) 表示非负实数的集合。如果f(t)是t处的下半连续函数,我们使用符号f(t+)来暗示f(t+)=limt→t、 t>tf(t)。由于我们在这部作品中关注的是双头垄断,为了便于阐述,我们将用-我当∈ {1,2}是一个玩家索引,指的是另一个玩家的索引,即。-i:=1+i模2。二、建议的问题公式我们假设有两个营销人员想要在一个共同市场上捕获代理(他们也将被称为消费者)。消费者的集合用N={1,2,…,N}表示;这些消费者通过社交网络连接起来。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-24 13:53:46
消费者的意见∈ 阿提姆t≥ 0由标量xn(t)表示∈ (0,1),带x(t)∈ X和X:=(0,1)N.向量X(t)=(X(t),X(t),xN(t))>被称为时间t时的网络状态。在没有营销人员的情况下,意见基于拉普拉斯矩阵L在agraph(N,E)上的共识模型演变。在被称为营销活动的特定时间,消费者会受到营销人员的影响。营销活动实例集由T={T,T,…,tK}表示,K是活动的数量;战役指数集用K表示:={1,2,…,K}。k阶段的竞选持续时间∈ {1,…,K- 1} 吉文比是Tk吗∈ (0,tk+1)- tk]和tk>0,用于阶段K。在每个时刻tk∈ T,营销者i∈ {1,2}根据(动作)向量ai(k)=(ai,1(k),ai,N(k))>∈ Ai,其中营销人员i的相应行动空间定义为:Ai=nai∈ 护士:哎,n≥ 0,PNn=1ai,n≤ Bio,Bi>0是营销人员i的可用预算。由于营销活动,消费者的OD被认为遵循以下混合模式˙x(t)=-Lx(t)T∈ R\\Tx(t+k)=Φ(x(tk),a(k),a(k))tk∈ T,k∈ K、 其中Φ(x(tk),a(K),a(K))=(φ(x(tk),a1,1(K),a2,1(K))。。,φ(xN(tk),a1,N(k),a2,N(k))>和φ(xN(tk),a1,N(k),a2,N(k))=xN(tk)+a1,N(k)1+a1,N(k)+a2,N(k)。(2) [1]中提出了假设跳跃模型,并通过公理化方法对其进行了验证。事实上,它也可以通过其他好的论据来证明,例如,通过概率论证[10]或从经济资源配置的角度[11]。市场营销者的行为被认为是由他们的效用函数驱动的。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-24 13:53:52
营销人员i(即当前活动产生的)在营销活动k中的阶段收入或效用∈ 假设K由[12]中开发的一次博弈模型给出,即:u(x(t+K),a(K),a(K))=ρ(K)>x(t+K)- λ> Na(k)u(x(t+k),a(k),a(k))=ρ(k)>(1N- x(t+k))- λ> Na(k)(3),其中1Nis是N个和λi的列向量≥ 0是一个代表Marketer i广告成本的参数。请注意,假设的效用可以看作是对意见的平均效应的结果。事实上,在[12,Prop.1]中,我们可以写ethattk+Tktk>Nx(t)dt=ρ(k)>x(t+k),其中ρ(k)依赖于tk和L。现在,如果实用程序必须仅与最终意见相关,请注意1>Nx(tk+tk)=ρ(k)x(t+k),其中ρ(k)>=1>Nexp(-五十> Tk)。这是证明(3)中效用形式的两种不同情况,其中只有ρ的表达式变化。我们将后一个关键数量称为消费者n过度消费k的代理影响力。在[1]中,作者建议一种可能的策略是,营销人员在每个阶段(或活动)选择其与静态游戏定义相关的(独特)单一行为{1,2},A×A,{ui}i∈{1,2}. 这里,为了对问题进行长期分析,我们考虑一个包含该模型的设置。事实上,我们考虑长期效用,这是由于平均阶段效用超过K阶段的结果。为了确定这些设施,我们首先确定营销策略。营销者i的营销策略是由σi表示的功能序列,定义为:σi,k:Hk→ Aih(k)7→ ai(k)(4)式中Hk=(X×A×A)k-1是在阶段k和h(k)=(x(t),a(1),a(1),…,的长期博弈的可能历史的集合,x(tk-1) ,a(k)- 1) ,a(k)- 1) )是k阶段的历史实现。营销者i的长期效用或总净收入由以下公式给出:Ui(σ,σ)=KKXk=1ui(x(tk),a(k),a(k))。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群