新智元報道
編輯：好睏
沒想到在「買買買」這件事上，來自清華大學電子係數據科學與智能實驗室聯合斯坦福大學、哈佛商學院、京都大學、香港城市大學等機構的研究人員，竟然做了一系列深入的研究。
相關成果已經發表在了該交叉研究涉及的社會計算、人機交互、信息檢索等領域頂級國際會議與期刊， 包括CHI、CSCW、ICWSM、WWW、WSDM、SIGIR等論文十餘篇。
圖1 社交電商平台
社交電商
在線數字社交經濟的典型場景是社交電商，通常指利用社交媒體和社交網絡進行在線交易活動的電子商務形式。
近年來，社交電商這一新型數字社交經濟形態在中國迅猛發展，取得了巨大成功。例如，社交電商巨頭拼多多在不到三年的時間裡就獲得了超過2億的用戶。
這些社交電商平台通過與以微信為代表的即時通訊業務緊密結合，滲透進入並利用原有的現實世界的密切關係，將中國社會中的「關係」納入經濟交易。
圖2 社交電商平台界面
和品牌、名人等關鍵意見領袖（Key Opinion Leader）發揮主導作用的傳統電商模式不同，在和微信深入契合的社交電商中，緊密的親友關係發揮極為重要的驅動作用：用戶通過微信將商品分享給親朋好友、進行推薦以獲得價格優惠，而社交電商的社交屬性也在用戶購物的同時提供了維繫親友關係的機會。
由此，不同於傳統經濟行為與社交行為相對獨立的電商平台和社交平台，社交電商提供了一個研究社會關係與經濟行為之間相互作用的獨特情景。
針對上述情況，研究團隊從機制理解建模和算法設計優化兩個角度出發，結合計算機科學、人工智能、數據科學、營銷學、管理學、社會學等跨學科研究方法，系統探究、揭示、建模數字社交經濟場景下社會關係和經濟行為深度耦合的新範式，並為未來社交電商及其他結合社會關係與經濟行為的社會計算系統設計提供洞見。
數字社交經濟機制理解建模
在機制理解建模方面，研究團隊通過系列工作從多個角度對社會關係和經濟行為深度耦合場景下的用戶行為進行全面的研究。
研究團隊通過千萬級用戶數據實證測量社交電商平台的網絡結構和動態（Cao et al. ICWSM 2020），發現社交電商在去中心化網絡結構、邀請級聯、購買同質性和用戶忠誠度方面與傳統場景存在顯著差異。
藉助用戶間的口口相傳（Word-of-Mouth）機制，社交電商生長速度更快、用戶粘性、忠誠度、復購率更高。
圖3 社交電商邀請級聯，相對傳統電商具有生長速度快的特點
研究團隊結合深度定性研究和大規模數據驅動的定量研究分析數字社交經濟場景下用戶購買動機與用戶體驗（Cao et al. CSCW 2021）和購買行為（Xu et al. CSCW 2019）。
研究發現社交電商平台中用戶的購買轉化率是傳統電商的3.09∼10.37倍，並且可以通過更好的興趣匹配、社會影響、社交認同和價格敏感性機制來解釋（Xu et al. CSCW 2019）。
研究團隊發現數字社交經濟能夠給用戶帶來更可達、更低成本、更泛在的購物體驗，通過引入個體間信任、群體信任認同、同質性、從眾性等機制影響決策過程。
區別於傳統電商，社交電商上用戶傾向於嘗試親友推薦較小眾、新穎的商品（傳統電商上人們更傾向於購買品牌產品）；購物與社交的邊界也較以往模糊，在社交同時產生經濟行為（Cao et al. CSCW 2021）。
研究團隊發現數字社交經濟成功帶動中國欠發達地區在傳統電商模式下被邊緣化的群體，將該群體熟悉的集市經濟轉換為線上形式（Chen et al. CHI 2022）。
圖4 社交電商商品多樣性與購買轉化率的關係：購買商品更多樣、轉化率更高
研究團隊分析在數字社交經濟生態環境中代理人/中介（agent/intermediary，社交電商中介於平台與普通用戶中間連接供需兩端、幫助銷售的角色，如「社區團長」）的角色特徵，揭示代理人的轉變過程（Xu et al. ICWSM 2021）和代理人在社交電商中發揮的作用（Chen et al. CSCW 2020, Piao et al. CSCW 2021）。
研究團隊發現數字社交經濟中代理人充當着局部趨勢發現者（洞察好友們需求）和「線上雜貨鋪」的作用，挖掘了成功代理人所採取的策略模式（Chen et al. CSCW 2020），並發現將代理人加入到推薦反饋迴路中顯著降低了推薦的同質性（Piao et al. CSCW 2021）。
研究團隊闡釋了影響代理人邀請和轉化的機制，證實了社交趨同性、社會關係影響、拒絕避免和成本-效益權衡等因素的重要影響作用（Xu et al. ICWSM 2021）。
圖5 介於社交電商平台與普通用戶間的代理人/中介（agent/intermediary）
研究團隊進一步證實，利用新型圖神經網絡對社交電商中複雜的社交互動行為進行有效建模，可以實現準確的用戶價值預測 (Piao et al. WWW 2021)和社群價值預測 (Zhang et al. WWW 2021)，從而有效利用用戶社交信息預測經濟價值。
同時研究團隊發現，可以基於因果推斷的方法建模社交影響的因果性，避免「偽關聯」，實現精準的社交電商用戶流失預測（Zhang et al. WSDM 2022）。
數字社交經濟平台算法設計優化
基於數字社交經濟機制的理解，研究團隊提出了一系列創新性的機器學習算法設計，從而構建了更有效、更先進用於數字社交經濟平台的推薦系統，為用戶提供更加精準的商品推薦。
在關係感知的社會化推薦方面，研究團隊利用基於三元組的口口相傳結構聯合建模用戶興趣和社交影響（Gao et al. TKDE2020a），設計特質化的社交正則方法，建模朋友間的細粒度相似性（Gao et al. TKDE2020b），並構建基於社會關係的注意力圖卷積網絡，有效建模社交電商異質信息網絡中不同種類的關係（Xu et al. CIKM 2019）。
圖6 社交電商異質信息網絡
在跨平台推薦方面，研究團隊同時考慮社交關係和跨平台特徵，有效利用不同平台的用戶-商品交互信息和社交媒體上的社交關係信息，實現精準的跨平台推薦系統(Lin et al. SIGIR 2019)。
圖7 跨平台推薦算法
在團購推薦方面，研究團隊設計用於刻畫複雜團購行為的圖卷積網絡方法(Zhang et al. ICDE 2021)，構建有向異質圖及基於多視圖嵌入傳播的圖卷積網絡模塊，表徵用戶面向拼團的購買行為及社交關係，提取圖上高階結構信息，並有效利用團購失敗記錄提升用戶偏好學習效果，實現精準拼團推薦。
圖8 團購推薦算法
開源數據集
為方便相關研究者的進一步分析研究數字社交經濟平台，研究團隊填補現今沒有公開社交電商數據集的空缺，精心收集、整理並開源了兩個真實世界大規模數據集。
用於精準社會化推薦、跨平台社會化推薦和口口相傳推薦的分享-購買行為數據集：
項目地址：https://github.com/fenglixu/RecoGCN
用於團購推薦的團購數據集：
項目地址：https://github.com/Sweetnow/group-buying-recommendation
作者信息
系列研究由清華大學電子係數據科學與智能實驗室李勇老師、金德鵬老師領導，主要作者包括數據科學與智能實驗室在讀研究生陳智隆、張國楨、朴景華、張鈞，數據科學與智能實驗室畢業生曹瀚成（現斯坦福大學博士生）、高宸（現清華大學博士後）、徐豐力（現芝加哥大學博士後）、林子恆（現小米科技）等。
金德鵬，教授，博士生導師，現為清華大學電子系黨委書記。長期從事網絡數據分析與通信系統方面研究工作。申請發明專利50餘項，已授權發明專利32項。2002年獲國家技術發明二等獎。歷年共發表學術論文200餘篇，其中SCI收錄論文120餘篇。
個人主頁：http://fi.ee.tsinghua.edu.cn/~liyong/
李勇，清華大學電子系長聘副教授，博士生導師，長江學者，國家重點研發計劃項目負責人。長期從事數據科學與智能方面的科研工作，在KDD、NeurIPS、ICLR、WWW、UbiComp等國際會議與期刊發表學術論文100餘篇（CCF A類80篇），6次獲國際會議最佳論文/提名獎，10篇論文入選ESI高被引用論文。
先後入選全球「高被引科學家」名單、國家「萬人計劃」青年拔尖人才計劃、中國科協青年人才「托舉工程」計劃，獲IEEE ComSoc亞太區傑出青年學者獎、教育部科技進步一等獎、電子學會自然科學二等獎、吳文俊人工智能優秀青年獎等。
個人主頁：https://achenzhl.github.io/
陳智隆，清華大學數據科學與智能實驗室博士生。
張國楨，清華大學數據科學與智能實驗室博士生。
個人主頁：http://hanchengcao.me/
曹瀚成，斯坦福計算機系博士生，斯坦福交叉學科獎學金得主，曾獲CHI，CSCW最佳論文提名。
個人主頁：https://sites.google.com/view/chengaothu/
高宸，清華大學數據科學與智能實驗室博士生博士後，曾獲SIGIR最佳短論文提名。
個人主頁：https://fenglixu.github.io/
徐豐力，芝加哥大學城市創新研究所與知識實驗室博士後。
個人主頁：https://lzhbrian.me/
林子恆，現就職於小米科技。
相關研究工作：
http://fi.ee.tsinghua.edu.cn/social-e-commerce/
留言列表