基于人工心理线索的虚拟社区营销优化系统

王翠玲

(烟台职业学院 信息工程系， 山东 烟台 264670)



基于人工心理线索的虚拟社区营销优化系统

王翠玲

(烟台职业学院 信息工程系， 山东 烟台 264670)

社区营销面临着平面化海量数据与消费者信任缺失等问题.针对上述问题，提出了基于人工心理线索的社区营销优化系统.该系统中建立了个人与群体人工心理模型；通过对社区主题的纵向挖掘和发散评论的横向挖掘，运用朴素贝叶斯分类法构建特定营销活动的人工心理线索；最终通过客户心理演化模型，进行营销优化.仿真实验证明，该系统能够高效地发掘社区中的营销线索，向客户提供优质的心理服务.

电子商务；人工心理；社区营销

虚拟社区作为现实社区在虚拟网络中的对应物，它为有着相同爱好、经历或业务相关的网络客户提供了一个信息聚集的空间，能够使他们彼此交流和分享信息与经验.随着虚拟社区的重要性逐步凸显，越来越多的电子商务企业注意到了虚拟社区营销的必要性；进而使得如何兼顾网络活动的经济性和有效性开展虚拟社区营销就成了众多企业关注的焦点[1-3].目前，虚拟社区营销中最主要的方式就是营销软文(相对于硬性广告)推广；因此必须结合产品特征和网络流行趋势选择推广切入点，尽可能不留痕迹地将产品、服务或品牌等信息嵌入软文内容中.在实施过程中，电子商务营销人员一方面通过对客户群体所经常光临的虚拟社区，进行科学的组合调查与测量，根据人气、流量等网络数据进行分主次和批次的软文推广，使其达到最佳的营销效果；另一方面虚拟社区营销要与其他的营销方式相结合，就必须从心理上抓住通过虚拟社区营销获得的潜在用户，进而尽量多的得到客户需求等相关信息，然后通过相关的营销方式与客户进行沟通.针对这种现实需求，人工心理研究得到了众多科研人员的关注.人工心理采用信息科学技术方法，对人类(客户、观众等)在信息世界中的心理活动(尤其是情感、倾向、品质、创造等)进行全面的计算机实现.目前，已有研究人员对营销中的人工心理应用进行了探究[4-5]，例如：谷学静和王志良等人开展的人工心理模型在个性化商品推荐系统中的应用；张雪元应用情感建模及人工心理交互技术研究了花卉导购系统等.

1 问题分析

人工心理技术可以在虚拟社区创建以及扩展等方面得到应用.但在应用过程中，还存在着下述问题[6-7]：

首先，从创建虚拟社区的基本步骤来看，开展虚拟社区营销需要营销人员在网络上建立专营虚拟社区，或者利用现成的、内容相关的虚拟社区开展营销，这种方式通常会受到所在网站的约束，因而制约了虚拟社区的潜力发挥.只有尽可能地寻找出虚拟社区中的可用心理元素，才能在虚拟社区营销开展过程中，帮助营销人员确定创建社区的目标(包括价格定位、销售目标划分等)，进而可以扩展潜在的客户群.本系统通过问卷调查等形式，确立了两类心理元素：第一类是显性元素，如客户输入的搜索关键词、发帖的主题词、点击率高的主题、网站日志提供的客户浏览偏好、客户对某一主题的选择与投票等；另一类是隐性元素，如客户投诉中的隐性需求、客户个性化界面配置中流露出的心理信息、社区游戏等.

其次，人工心理技术能够帮助营销人员确定待建虚拟社区的主题和类型，或选择心理相关性较强的托管虚拟社区[8-9].最终，人工心理技术能够最大化社区前期推广工作效果，从而发展和壮大虚拟社区，相关工作包括向虚拟社区营销人员提供站内的心理价值趋向，建立合理的客户激励机制，形成虚拟社区讨论组核心，并培养社区文化，从而保证虚拟社区的心理稳定.在此过程中，本系统通过客户心理线索的识别与跟踪，根据客户的心理需求和心理变化趋势，选择合适的脚本和模板，协助客户实现个性化的社区界面配置和人性化的虚拟社区服务，从而达到优化虚拟社区营销过程的目的.

2 系统模型

本系统的模型主要分为3个层面：首先是客户端层面，主要监测客户的页面切换频次等行为信息，并提交服务器；其次是服务器层面，主要处理两类信息：客户端上传的监测信息和管理员以及编辑提供的社区营销优化信息；最后是管理员和社区编辑层面，主要在服务器层面的支持下进行营销优化和虚拟社区中的自动回帖、智能叙事等工作.系统结构如图1所示.

系统中的关键单元及其运作流程如下：

(1)人工心理线索采集单元.该单元负责进行客户的心理元素采集以及心理发展趋势跟踪，可细分为客户端和服务器端两个子单元.其中，采集的心理元素主要包括3类：首先是客户回复或者发表的各类文字(博客、回帖、在线交流等)；其次是客户的访问偏好与兴趣(例如：客户在进入某营销预设帖后，滞留时间，有否粘贴、回帖等主动操作)；最后是客户登录网站后，各种个性化配置变化情况(例如界面颜色、风格、加入的虚拟社团等).心理发展趋势的跟踪基于心理元素的定时采集，服务器端子单元在不断接收到特定客户的心理元素后，将其向量化，并采用朴素贝叶斯分类算法进行人工心理线索分类，及时更新服务器中的客户状态并提交心理状态管理单元，用以预测客户的进一步的心理变化.特别需要注意的是：和其他系统不同的是，本系统同时从两方面进行心理元素挖掘.首先是通过对社区主题的纵向挖掘，这个方向上主要是进行帖子中的相关心理元素进行过滤、聚集和分类；其次是对发散评论的横向挖掘，主要是对特定主题的评价元素进行聚类，以便评价营销优化效果和采集产品的心理元素特征.

图1 系统功能结构单元

(2)人工心理状态管理单元.该单元在服务器中运行，它通过上述信息的采集、归纳与发掘，能够确定客户在线期间的心理状态及其变化趋势，并由此结合虚拟社区营销的客体(所需要推广的产品或服务)进行营销服务匹配与选择.主要包括：根据虚拟社区营销人员提供的产品特征描述与推广叙事的脚本等信息，发掘和整理其中的心理元素，并定义其心理特征(和线索采集单元提供的心理元素互为同维度向量)，最终将二者注入匹配空间备用；客户活动进行一段时间后，其心理元素及线索在系统中具有了一定的积累，即可对其心理状态和心理需求进行判断.本单元将从匹配空间中提取相似度较高的向量，交由营销优化单元和营销人员，根据其中包含的信息实施个性化的虚拟社区心理服务.

(3)基于人工心理线索的虚拟社区营销优化单元.该单元也在服务器中运行，它主要接收人工心理状态管理单元发布的向量，可以采用人机交互的方式，配制出多种组合方案提交给虚拟社区营销人员，经过甄别后进行营销优化实施；也可以采用自动配置方式进行营销优化.其优化方式类似于部分搜索引擎优化，包括：心理期望关键词替换、相关主题帖推荐、高热度议题在线讨论组织等等.

3 关键技术

为了加速人工心理线索的分类，本系统采用了朴素贝叶斯分类算法.该算法的流程可以描述为：

客户的人工心理监测数据使用一个特殊的n维心理特征向量X={x1,x2,…,xn}表示，其中的元素分别对应n个属性A1,A2,…,An人工心理样本的n个度量.

当m个人工心理指标参数C1,C2,…,Cm描述出需要进行判断的单个客户心理数据X，朴素贝叶斯分类法将预测该客户的当前心理(心理变化通常是有一定趋势的)属于哪一种X条件下的最高后验概率类.通过朴素贝叶斯分类算法，当下式成立时候，本系统将未知类型的客户X分配给特定的人工心理类Ci

P(Ci/X)>P(Cj/X), 1≤j≤m,j≠i

而P(X1/Ci)，…，P(Xn/Ci)在本系统模型中采用历史数据估值法，其中对于不同的属性，计算方法不同.若属性Ak是分类属性，则P(Xk/Ci)=sik/si，参数解释见上文；若属性Ak是连续值(例如客户的心理变化曲线)，本系统假设属性Ak服从高斯分布.由此可得：

其中，公式g(xk,μCi,σCi)是人工心理参数Ak的高斯函数.对应的μCi与σCi分别为其平均值和标准差.至此，可以对客户X进行人工心理分类计算，即：对每个人工心理分类Ci，统一计算P(X/Ci)P(Ci)之值.综上所述，可得客户X为类Ci心理，当且仅当所有的数据满足：

P(X/Ci)P(Ci)>P(X/Cj)P(Cj), 1≤j≤m,j≠i

由此，本系统可以对客户心理的变化进行实时计算，并根据客户的心理环境上下文进行其心理变化预测，并最终向客户推荐相关链接及服务.

4 仿真实验与分析

系统的性能采用了仿真和实际测试结合的方法.首先，在实际虚拟社区营销的运营环境中，进行了系统的运行性能测试.应运营商要求，主要从存储性能和网络流量占用率等几方面对系统进行了测试，测试结果参见图2.从测试结果看，本系统占用各种资源有限，较好的兼顾了虚拟社区的整体性能和营销发掘工作.其原因可归结为：由于本系统较好的实现了客户心理需求的预测与发掘，减少了客户的随意浏览行为，从而减少了动态网页的生灭过程，保证了不过多占用系统资源.

其次，通过虚拟社区的监测日志对本系统的客户行为进行了跟踪，并通过调查问卷方式对客户进行了满意度调查.其统计对比结果如表1所示.

图2 系统性能对比

表1 客户效用对比

从表1可知，由于系统较好的发掘了客户的心理线索，因此延长了客户在虚拟社区的停留时间，提高了其信息吸纳度；同时，由于本系统提供的信息较为符合客户心理，因此客户访问系统推荐链接的次数明显增加，且减少了客户人工搜索的次数，提高了客户使用的方便性和快捷性.

5 结论

针对当前虚拟社区营销中存在的部分问题，本文提出了基于人工心理线索挖掘的解决方案与对应系统.实验与仿真证明：该系统具有较好的客户效用比，对系统运营性能影响很小，因此具有一定的实用和推广价值.未来的研究将着力于提高虚拟社区中基于人工心理的智能叙事子系统的处理效率.此外，将对Web系统中人工心理挖掘作进一步的研究.

[1] 郑魁,疏学明,袁宏永.网络舆情热点信息自动发现方法[J].计算机工程，2010，36(2):4-6.

[2] 任永功,孙宇奇,吕朕.一种基于局部信息的社区发现方法[J].计算机工程，2010，37(4):12-14.

[3] 纪淑娴,赵波.潜在网络购物者与有经验者购买意愿比较研究[J].计算机应用研究，2010，27(9):3358-3363.

[4] 倪静,严广乐,叶林,等.基于复杂网络的电子商务群聚消费传播模型研究[J].计算机应用研究，2011，28(3):1003-1006.

[5] OHBYUNG K.Psychological model based attitude prediction for context-aware services [J].Expert Systems with Applications，2010，37(3):2477-2485.

[6] STEPHEN H.Fundamentals of physiological computing [J].Interacting with Computers，2009，21(1-2):133-145.

[7] ROBERT W,RONNIE W.Selective attention and control of action：comparative psychology of an artificial,evolved agent and people[J].Journal of Experimental Psychology：Human Perception and Performance,2008，34(5):1165-1182.

[8] EVREN D,HAKAN T,MURAT Y.Behavioral task processing for cognitive robots using artificial[J].Neurocomputing,2009,72(8):2835-2844.

[9] SHI Xue-fei,WANG Zhi-liang,PING An,et al.Artificial emotion model based on reinforcement learning mechanism of neural network[J].The Journal of China Universities of Posts and Telecommunications,2011,18(3):105-109.

[责任编辑 王新奇]

Virtual Community Marketing Optimizing Systembased on Artificial Psychological Clues

WANG Cui-ling

(Department of Information and Engineering, Yantai Vocational College, Yantai 264670, China)

Virtual community marketing faces to a series of problems including mass data processing, mutual distrust and so on. In order to deal with them, a virtual community marketing optimizing system is presented based on artificial psychological clues. In this system, the artificial psychology model of individual and group is established. Through the depth mining of the community theme and the width mining of the divergence comment, the artificial psychological clues to the specific marketing activities are constructed by using of the naive Bayes classifier algorithm. At last, consumer psychology evolvement model is established to optimize the virtual community marketing. Simulation results show that the system can provide good psychology service to consumers and perform well.

electronic commerce; artificial psychology; community marketing

1008-5564(2016)04-0048-05

2016-02-16

王翠玲(1971—)，女，山东烟台人，烟台职业学院信息工程系讲师，硕士，主要从事计算机控制研究.

TP393

A