目录
摘要Ⅲ
关键词Ⅲ
AbstractⅣ
引言
引言1
1 课题背景 1
1.1 社交电商的相关背景 1
1.1.1 社交电商的发展历程 1
1.1.2 社交电商的意义 2
1.2 对社交电商的用户增长模式的研究现状 2
1.2.1 基于改进的SEIRS模型的社交电商转发式广告传播模式探究 2
2 传染病微分方程模型 3
2.1 传染病微分方程模型的基本内容 3
2.1.1 模型一：SIS模型3
2.1.2 模型二：SIR模型4
2.2 传染病微分方程的实用价值 4
3 社交电商用户增长模式的微分方程模型 5
3.1 模型假设与建立 5
3.2 模型求解与分析 7
4 社交电商用户增长模式模型的实际应用 9
4.1 改变宣传数量，判断最优宣传对象 9
4.2 改变宣传时间，判断最优宣传时期12
5 总结与展望15
致谢 16
参考文献 17
表31 平台用户分类 5
表32 分享率、宣传率和免疫率 5
表33 模型初值与参数 7
表34 2017年中国人口及用户人数 7
表35 用户数据 8
表36 方程初值估计 8
图11 中国电商的发展趋势 2
图12 广告传播模型示意图 3
图31 用户转换关系 6
图32 四类用户占比走势9
图41 忽略q1 的活跃用户人数变化趋势10
图42 忽略q2 的活跃用户人数变化趋势11
图43 忽略q3 的活跃用户人数变化趋势12
图44 活跃用户占比变化的三个阶段13
图45 在平缓上升期进行宣传14
图46 在高峰期进行宣传14
图47 在稳定衰退期进行宣传15
基于传染病模型的社交电 *51今日免费论文网|www.51jrft.com +Q: @351916072@ 
商用户增长模式分析
摘要
本文在传染病微分方程模型的基础上对社交电商的用户增长模式进行了预测分析。围绕社交电商用户变化规律与传染病传播的相似性介绍了社交电商的相关背景、对社交电商的用户增长模式的研究现状、传染病微分方程模型的基本内容和实用价值。文中将社交电商用户分为：陌生用户、熟悉用户、活跃用户和免疫用户四类，在传染病模型的基础上建立了社交电商用户增长模型（SFAR模型），通过对参数的估计和模型的求解得到了四类人群占比趋势的走势曲线，可以一定程度上对社交电商的用户增长模式进行估计。继而在模型的基础上通过改变固定宣传源的宣传方向和宣传时期，得到不同宣传方案下活跃用户占比的走势曲线并进行比对，进一步得到两个结论：对熟悉用户进行宣传的回报率远大于对陌生用户进行宣传的回报率；在平缓上升期宣传的回报率远大于在高峰期和稳定衰退期宣传的回报率，从而对社交电商平台的实际运营提出了具体的建议。
ANALYSIS OF USER GROWTH MODEL OF SOCIAL ECOMMERCE BASED ON EPIDEMIC MODEL
ABSTRACT
Based on the epidemic model, this paper forecasts and analyzes the user growth mode of social ecommerce. This paper introduces the background of social ecommerce, the research status of the user growth model of social ecommerce, the basic content and practical value of the epidemic model. In this paper, social ecommerce users are divided into four categories: unfamiliar users, familiar users, active users and immune users. Based on the epidemic model, the social ecommerce user growth model (SFAR model) is established. Through the estimation of parameters and the solution of the model, the trend curve of the proportion of four categories of people is obtained, which can be used to estimate the growth mode of social ecommerce users to a certain extent. Then, on the basis of the model, through changing the direction and period of the fixed propaganda source, we get the trend curve of the proportion of active users under different propaganda schemes and make comparison, and then we get two conclusions: the rate of return of propaganda for familiar users is far greater than that for unfamiliar users; the rate of return of propaganda in the gentle rising period is far greater than that in the peak period and stable period Set the return rate of propaganda in the recession period, so as to put forward specific suggestions for the actual operation of social ecommerce platform.

原文链接：http://www.jxszl.com/jsj/xxaq/606968.html