Daily paper -Science 2006: Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market (探究群体行为对商品销量的影响)
论文: Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market
发表期刊:Science 2006
作者: Matthew J. Salganik, Peter Sheridan Dodds, Duncan J. Watts
单位: Columbia University
原文链接:http://science.sciencemag.org/content/311/5762/854/tab-pdf
前言: 最近论文涉及在商品的销售中,群体行为对个体购买选择的影响这一研究问题。这篇利用在线音乐下载数据,分析群体行为(herding behavior or information cascade)对音乐下载量的影响,发表在Science 2006 期刊上,文章有些老,分析也非常简单,但是分析角度比较巧妙,快速总结了下,与大家分享。
一、写作动机
我们在网购一件商品时,往往认为购买的人越多,即该商品越受欢迎,其质量越可靠。这种现象就是群体行为(herding behavior),也叫做信息级联(information cascade). 简单来讲,就是个体的决策受到群体选择的影响。 研究群体行为,在市场研究领域:品牌推广,市场营销; 在社会学领域: 股市走向,信息决策等都有重要的意义。这篇论文利用在线音乐下载数据,用三组对比实验,探究了群体对音乐的评价(下载量)对个体音乐下载的影响。
具体概念见下链接:
herding behavior: https://en.wikipedia.org/wiki/Herd_behavior
information cascade: https://en.wikipedia.org/wiki/Information_cascade
两者联系:https://blogs.cornell.edu/info2040/2011/11/15/information-cascade-or-herd-behavior/
二、实验设置和分析
1. 三组对比实验: (1)indepent: 自然选择喜欢的歌曲下载;(2)Exp1: 歌曲保留历史下载量的信息,但歌曲顺序随机打乱; (3) Exp2: 歌曲保留历史下载量信息,歌曲顺序按照下载量递减排序。
2. 用户分组: 为了实验的可靠性,将用户分为八个组,每个组完全隔离单独实验
3. 分析指标:
(1) 不对等性(Inequality): 用基尼系数(Gini coefficient)分别计算Exp1 和Exp2 与 indepent组, 歌曲下载的差异平均值,差异越大,群体行为(即歌曲历史下载量)影响越大。
基尼系数(0-1之间,用来评价分配的差异程度)详细: http://baike.baidu.com/item/%E5%9F%BA%E5%B0%BC%E7%B3%BB%E6%95%B0
实验结果如下,结论: Exp2 中不对等性更为明显, 群体行为会影响个体对商品的选择。群体行为越明显,影响越大。
(2)不可预测性(Unpredictability): 分别计算在八个独立的实验组中,每两个实验组之间,每首歌曲的下载量的差异。差异越大,不可预测性越大。
实验结论: Exp2 中差异更大,不可预测性更高,群体行为对个体行为的影响存在差异。
(3)商品质量和销量的关系: 用indepent 组的下载量(排名)表示音乐质量,Exp1 和 Exp2 中的下载量 (排名)表示音乐的销量,探究在群体行为影响下,音乐质量和销量之间的关系。
实验结果:用下载量评价时,质量好的音乐销量不会太差,而质量差的音乐也不会太好(即最好的和最差的音乐受群体行为影响不大),其他中等音乐则受群体行为影响较大; 在用音乐排名评价时,表现质量和销量出无关联性。
三、总结和思考
这篇文章分析非常简单,探究的问题也比较大,没有深入,但是角度比较巧妙。说明,群体行为会对个体决策有影响。是一篇高引用论文。
Daily paper -Science 2006: Experimental Study of Inequality and Unpredictability in an Artificial Cultural Market (探究群体行为对商品销量的影响)的更多相关文章
- Flipping Bits in Memory Without Accessing Them: An Experimental Study of DRAM Disturbance Errors
目录 . Rowhammer Introduction . Rowhammer Principle . Track And Fix 1. rowhammer introduction 今天的DRAM ...
- (zhuan) Paper Collection of Multi-Agent Reinforcement Learning (MARL)
this blog from: https://github.com/LantaoYu/MARL-Papers Paper Collection of Multi-Agent Reinforcemen ...
- tpo-09 C1 Advice on a term paper's topic
第 1 段 1.Listen to a conversation between a student and her professor. 请听一段一名学生和教授讨论的对话. 第 2 段 1.Befo ...
- Recommender Systems中Yehuda Koren 和 Ma Hao的paper
以前读了Yehuda Koren和Ma Hao的论文,感觉非常不错,这里分享一下.如果想着具体了解他们近期发的论文,可以去DBLP去看看. Yehuda Koren也是Netflix Prize的冠军 ...
- weekly paper read
week9: 查找论文的情况 1.*(reference) title:Improving Performance and Capacity of Flash Storage Devices by E ...
- 【Mac进销存管理软件】Daily Sales Pro Mac
[简介] Daily Sales Mac版是Mac平台上的一款进销存软件,库存管理系统.Daily Sales Mac版是一款易于使用的进出库存管理软件,让您及时了解库存状况.销售收入.采购成 ...
- Networked Graphics: Building Networked Games and Virtual Environments (Anthony Steed / Manuel Fradinho Oliveira 著)
PART I GROUNDWORK CHAPTER 1 Introduction CHAPTER 2 One on One (101) CHAPTER 3 Overview of the Intern ...
- 基音检测算法的性能:Performance Evaluation of Pitch Detection Algorithms
http://access.feld.cvut.cz/view.php?cisloclanku=2009060001 Vydáno dne 02. 06. 2009 (15123 přečtení) ...
- 论文翻译:2020_DCCRN: Deep Complex Convolution Recurrent Network for Phase-Aware Speech Enhancement
论文地址:DCCRN:用于相位感知语音增强的深度复杂卷积循环网络 论文代码:https://paperswithcode.com/paper/dccrn-deep-complex-convolutio ...
随机推荐
- python语法学习面向对象之继承
python语法学习面向对象之继承 转载自:http://www.cnblogs.com/Joans/archive/2012/11/09/2757368.html 只要涉及到面向对象,”类“是必须出 ...
- Python web前端 09 jQuery
Python web前端 09 jQuery 一.三个重要网址 http://jquery.cuishifeng.cn/ #中文查询网站 http://www.bootcdn.cn/ #引入jq ht ...
- docker 部署 笔记
Docker虚拟机常用命令 先更新软件包 yum -y update 安装Docker虚拟机 yum install -y docker 运行.重启.关闭Docker虚拟机 service d ...
- C++_代码重用2-包含对象成员的类
对于姓名可以使用字符数组来表示,但这将限制姓名的长度.当然,还可以使用char指针和动态内存分配,但这要求提供大量的支持代码.有一个好的方法就是使用一个他人开发好的类的对象来表示.如果C++库提供了合 ...
- SGU - 507 启发式合并维护平衡树信息
题意:给定一颗树,每个叶子节点\(u\)都有权值\(val[u]\),求每个非叶子节点子树的最小叶子距离,若该子树只有一个叶子节点,输出INF 貌似本来是一道树分治(并不会)的题目,然而可以利用平衡树 ...
- 通过 rundll32 创建设置注册表项权限
[Version]SIGNATURE="$Windows NT$" [DefaultInstall]AddReg=test.reg [test.reg]HKLM,"SOF ...
- Python入门笔记——(1)数字与表达式
一.算术运算 整除:// 取余:% 乘方:** (a ** b = pow(a, b)) 十六进制表示:0x...,八进制表示0... round(x [, n]):对x从小数点第n位取四舍五入结果, ...
- 依赖倒置(Dependence Inversion Principle)DIP
关于抽象类和接口的区别,可以参考之前的文章~http://www.cnblogs.com/leestar54/p/4593173.html using System; using System.Col ...
- 案例48-crm练习利用spring管理service和dao层的对象
1 导包 2 将 Service 对象以及 Dao 对象配置到 spring 容器 <?xml version="1.0" encoding="UTF-8" ...
- MongoDB的聚合函数 Aggregate
Aggregate的使用,有利于我们对MongoDB中的集合进行进一步的拆分. 示例: db.collection.aggregate( {$match:{x:1}, {limit:10}, {$gr ...