Tori lab 輪読会 WWW 2014 - Modeling and predicting the growth and death
1. Modeling and Predicting the Growth
and Death of Membership-based
Websites
WWW 2014 輪講会 発表者: 浅谷 公威 Kimitaka Asatani
2014/05/31
2. ABSTRACT
• 様々な種類の２２個のWebsiteのDAU(Daily Active User)を調べる
• Online social networks, grass root movements, online forums and
membership only Internet stores.
• Reaction diffusion decayプロセスを用いて、DAUをフィッティング
• 今後のDAUを予測
• Classify Community
• Self-sustainable vs un-un sustainable
• Classify Startup Process
• Marketing or word of month adoption
3. DAU(Daily Active User)
• これまでの研究はNumber of membersを使ってWebサイトを評価
• DAUは以下を示す指標としてNumber of membersより優れている
• Social impact
• Potential of revenue
• DAUのデータを入手し予測する
• 生涯にわたって不変なダイナミクスを検出する
• メンバー情報とかの特性をインプットとしない
4. Reaction diffusion decay equations
• Attention seeking interactions between
• active members
• In-active members
• No Yet members
• Take into account
• webサイトによるユーザーの興味を惹きつけようとする企画を実施
• ユーザー間の相互作用で、ユーザーがアクティブになる
5. In an information-rich world our attention is
bound to become one of our most scarce,
important and vied-for resources.
(Herbert. A. Simon 1971)
注:
近年では、インフォーメーションの欠乏ではなく注意の欠乏が問題
情報のフィルターをシステムとして実現しなければならない(Herbert. A. Simon 1996)
6. 目次
• Sec. 2 presents the related work.
• Sec. 3 presents our proposed model and the algorithm to fit its
parameters to the datasets.
• Sec. 4 fits the parameters to the datasets and present the fit and
prediction results.
• Sec. 5 presents our conclusions.
7. Related works
• Adoption model （ユーザーの状態遷移のモデル）
1. Network effect adoption models
• Individual Rationality and adoption cost in game theoretic framework
• E.g. K – core network analysis on Friendster network
• They do not consider Role of user activity
2. Threshold adoption models
• An individual adopts if enough of his or her friends are adopters.
• E.g. Product adoption on network
• Only local view of network is considered
8. Related works
• Adoption model （ユーザーの状態遷移のモデル）
3. Diffusion of innovation models
• Influence others to adopt through word-of-mouth, marketing…
• Demand forecasting at the aggregate level.
• Various type of S –shaped curve of number of adopters.
4. Adoption models from influence and network structure
• Considering the roles of edge on network.
• E.g. the probability of non-member user joins the network increase linearly with the
number of invitations. 我々のモデルに有用
9. Related works
• 先行研究はtotal number of user について議論
• DAUを議論する必要がある
• そのためには、attention-seeking interaction between active /
inactive usersについてモデル化する必要がある
• Facebookは他のユーザーのアクティビティを表示し、ユーザーをincites
→Active member の活動がin active memberのactive さへ影響を与えている
といえる
• また、news サイト等は、他のメンバーがコンテンツに惹かれてやってくる
→Non member の活動も考慮する必要がある
10. Proposed Model
• Chemical Reaction Process
• Molecules
• A: active user
• I: in-active user
• U: Non member
• Reaction
• A + I → 2A (α)
• A → I (β)
• A + U → 2A (γ)
• U → A (λ)
• Under the condition of
• A(t) + I(t) + U(t) = C.
• As C is the fraction of active Internet population
11. Long time evolution
After a certain – possibly large –
time t, the website nearly exhausts
its pool of non-members
Reaction
A + I → 2A (α)
A → I (β)
A + U → 2A (γ)
U → A (λ)
15. Fit the parameter to Dataset
• Dataset
• 22 web sites from 2007 to 2013
• Online social networks, grass root movements, online forums and membership only Internet stores.
• Automatic parameter fit
局所最適解の集合
α, β, λ, γ, and C
初期パラメータ:
α, β, λ, γ, and C
時系列データ
一番よい局所最適解
α, β, λ, γ, and C
k-medoids clustering
Levenberg-Marquardt
algorithm
18. Long-term DAU
sustainability
• Self-Sustaining
• Huffingtonpost
• Facebook等は意外とこの傾向
が強くない
• Unsustainable
• Party website
• Fads (12second.tv)
• Dating(true.com)
• 中間
• (Immoral dating)MarriedSecrets,
AshleyMadison
• 一般的な認識と一致
Reaction
A + I → 2A (α)
A → I (β)
A + U → 2A (γ)
U → A (λ)
19. Signatures of growth
• Media and campaign
• Ebay, theblaze(保守系ニュース)
• Word of mouth
• Others
• 基本的には口コミによって広
がっていくと言える
• Theblazeがメディア・キャンペー
ンなのに、Huffingtonpostと
Daily Newsが口コミであること
が不明
Reaction
A + I → 2A (α)
A → I (β)
A + U → 2A (γ)
U → A (λ)
20. Predicting future trends
• First Few Yearsのみのデータをインプットして、パラメータをフィッティ
ング
• その後のDAUの時系列をシミュレートし、実際のデータと比較する
21. Predicting future trends
Unsustainable
• フィッティング出来たと
著者は主張
• Inaccurate
• True.com Adaptu.com.
• strong competitor
• Brandstack.com
• Change the policy
Reaction
A + I → 2A (α)
A → I (β)
A + U → 2A (γ)
U → A (λ)
22. Predicting future trends
Self - sustainable
• Good result
• Facebook.com
• Changing the growth
strategy during the
period
• TheHuffingtonPost.com
• Unpredictable spike
• TheBlaze.com
Reaction
A + I → 2A (α)
A → I (β)
A + U → 2A (γ)
U → A (λ)
23. Conclusion
• Through reaction – decay - diffusion process, we model the dynamics of
websites.
• Predict the trend
• DAU signatures of growth
• media & marketing versus word-of-mouth
• DAU signatures of long term stability
• self-sustaining versus unsustainable
• Future work
• tailor the above reaction-diffusion-decay dynamics to specific types of websites and
changing environments (e.g., new technologies and competition)
• Modeling a broad range of dynamics of societal movements
24. 感想
• モデルについて
• モデルは単純なので他に応用可能
• 問題点
• パラメータは時系列で変化するのでは？
• 反応方程式のように各状態のユーザーの量に比例した確率でいいの？
• β>>αでないと最終的に収束する過程は観測できない
• Exogenousな効果はあつかえない
• Sirモデルとの対比
• ネットワークが存在しない
• I -> A が繰り返し起き、現実に近い
• パラメータ数が多くフィッティングしやすい
Reaction
A + I → 2A (α)
A → I (β)
A + U → 2A (γ)
U → A (λ)
