随着数字渠道的激增、消费者和企业关注范围的缩小以及对所有直接广告的信任缺乏,新产品或服务的营销一年比一年复杂。据统计,因战略规划不佳或重点渠道错误而导致的营销预算损失达到 26% 以上。 与此同时,开发新产品和服务的成本逐年上升,例如制药业开发每种新药物的成本超过 26 亿美元。在这种情况下,针对具有影响力的中心人物进行营销就显得尤其重要——在通过影响力进行的营销中,92% 的营销人员表示这种方式很有效。
影响力营销出现在生活中的方方面面,例如因为女儿最喜欢的 YouTube 网红使用 Coach 钱包而为她购买同款;或者因为您信任的心脏病专家推荐了一种功效更高的新降脂或降压药,而将当前使用的药物换成推荐的药物。营销者面临的主要挑战是找到这些具有影响力的中心人物、了解每个中心人物关联的社区并确定优先的营销活动,从而通过这些中心人物来有效发布新产品或服务。
在 TigerGraph 中,发现推荐关系要轻松得多,以医疗行业为例,TigerGraph 能够在 GraphStudio 中直观显示与该患者和开方医生关联的所有病历,这样数据分析师就能轻松了解其中关系。TigerGraph 还能基于时间段将它们相关联,从而推断出推荐关系。
在建立第一步的推荐关系后,下一步是确定最具影响力的KOL。图算法 PageRank 通常用于此用途。图算法PageRank 能够为每个医生创建唯一评分,从而可以直观了解每个医生的具体影响力。
在完成第一步和第二步后,最后一步是识别每个中心人物周围的社区,并评估市场机会以确定每个社区的相对重要性。TigerGraph的开放源图算法库包括社区检测算法,可以让你轻松识别每个中心人物周围的社区。
Anna Veronika Dorogus
Machine Learning Expert
Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.