論文の概要: You Recommend, I Buy: How and Why People Engage in Instant Messaging Based Social Commerce

• arxiv url: http://arxiv.org/abs/2011.00191v2
• Date: Sat, 23 Jan 2021 05:42:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-26 05:45:25.270206
• Title: You Recommend, I Buy: How and Why People Engage in Instant Messaging Based Social Commerce
• Title（参考訳）: みんながインスタント・メッセージベースのソーシャル・コマースに参加する方法と理由
• Authors: Hancheng Cao, Zhilong Chen, Mengjie Cheng, Shuling Zhao, Tao Wang, Yong Li
• Abstract要約: IMをベースとしたソーシャルコマースは、より使いやすく、コストを低減し、没入的なユーザショッピング体験を可能にする。 また、既存の社会的関係、相互信頼、共有アイデンティティ、コミュニティ規範を通じて、ショッピングにおけるユーザー決定プロセスを形成する。 本研究は,社会商取引における重要な研究と設計の意義,および社会技術全般を分散した信頼性の高い社会技術システムについて考察する。
• 参考スコア（独自算出の注目度）: 9.967051663208435
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As an emerging business phenomenon especially in China, instant messaging (IM) based social commerce is growing increasingly popular, attracting hundreds of millions of users and is becoming one important way where people make everyday purchases. Such platforms embed shopping experiences within IM apps, e.g., WeChat, WhatsApp, where real-world friends post and recommend products from the platforms in IM group chats and quite often form lasting recommending/buying relationships. How and why do users engage in IM based social commerce? Do such platforms create novel experiences that are distinct from prior commerce? And do these platforms bring changes to user social lives and relationships? To shed light on these questions, we launched a qualitative study where we carried out semi-structured interviews on 12 instant messaging based social commerce users in China. We showed that IM based social commerce: 1) enables more reachable, cost-reducing, and immersive user shopping experience, 2) shapes user decision-making process in shopping through pre-existing social relationship, mutual trust, shared identity, and community norm, and 3) creates novel social interactions, which can contribute to new tie formation while maintaining existing social relationships. We demonstrate that all these unique aspects link closely to the characteristics of IM platforms, as well as the coupling of user social and economic lives under such business model. Our study provides important research and design implications for social commerce, and decentralized, trusted socio-technical systems in general.
• Abstract（参考訳）: 特に中国では、インスタントメッセージング(IM)ベースのソーシャルコマースが急速に普及し、数億人のユーザーを惹きつけ、人々が日々の買い物をする重要な方法になりつつある。 そのようなプラットフォームは、たとえばwechat、whatsappなど、imアプリの中にショッピング体験を埋め込んでいる。 なぜユーザーはIMベースのソーシャルコマースに関わっているのか? このようなプラットフォームは、事前の商業とは別の新しい体験を生み出すだろうか? そして、これらのプラットフォームはユーザーの社会的生活と関係に変化をもたらすだろうか? そこで我々は、中国で12のインスタントメッセージングベースのソーシャルコマースユーザーを対象に、半構造化されたインタビューを行った。 私たちはimベースのソーシャルコマースを 示しました 1) リーチ性,コスト低減性,没入型ユーザショッピングエクスペリエンスの実現。 2)既存社会関係,相互信頼,共有アイデンティティ,コミュニティ規範を通じて,買い物におけるユーザの意思決定プロセスを形作る 3) 既存の社会的関係を維持しつつ, 新たな結び合い形成に寄与する新たな社会的相互作用を創り出す。 これらの特有な側面は、IMプラットフォームの特徴と、そのようなビジネスモデルの下でのユーザ社会と経済生活の結合に密接に関連していることを示します。 本研究は, 社会的商業, 分散的, 信頼された社会工学システム全般に対して, 重要な研究と設計の意義を提供する。

関連論文リスト

• EVOLVE: Predicting User Evolution and Network Dynamics in Social Media Using Fine-Tuned GPT-like Model [5.5997926295092295]
  本研究では,ソーシャルメディア上での利用者の生活の進化を予測的に理解する手法を提案する。 GPTライクなデコーダのみのモデルを微調整し、オンラインソーシャルメディアにおけるユーザの進化の将来の段階を予測する。
  論文  参考訳（メタデータ） (2024-07-12T21:20:57Z)
• SocialBench: Sociality Evaluation of Role-Playing Conversational Agents [85.6641890712617]
  大規模言語モデル(LLM)は、様々なAI対話エージェントの開発を進めてきた。 SocialBenchは、ロールプレイングの会話エージェントの社会的性を個人レベルとグループレベルで評価するために設計された最初のベンチマークである。 個人レベルで優れたエージェントは,集団レベルでの熟練度を示唆しない。
  論文  参考訳（メタデータ） (2024-03-20T15:38:36Z)
• Social World Knowledge: Modeling and Applications [2.9417848476446364]
  社会世界の知識は、人間や機械による効果的なコミュニケーションと情報処理の重要な要素である。 ソーシャルネットワークで発生する社会的文脈から低次元の実体埋め込みを抽出するフレームワークであるSocialVecを紹介する。 テキストセマンティクスを含む作業を容易にする単語埋め込みと同様に、学習されたソーシャルエンティティ埋め込みは、複数のソーシャルフレーバーのタスクに利益をもたらすことを期待する。
  論文  参考訳（メタデータ） (2023-06-28T15:25:30Z)
• SocialVec: Social Entity Embeddings [1.4010916616909745]
  本稿では,ソーシャルワールドの知識をソーシャルネットワークから引き出すためのフレームワークであるSocialVecを紹介する。 Twitterネットワークのサンプルから、約20万の人気のアカウントのソーシャル埋め込みを学びました。 われわれはSocialVecの埋め込みを利用して、Twitterのニュースソースの政治的偏見を誇示している。
  論文  参考訳（メタデータ） (2021-11-05T14:13:01Z)
• Dual Side Deep Context-aware Modulation for Social Recommendation [50.59008227281762]
  社会的関係と協調関係をモデル化する新しいグラフニューラルネットワークを提案する。 高次関係の上に、友人の情報とアイテムのアトラクションを捉えるために、双方向のコンテキスト認識変調を導入する。
  論文  参考訳（メタデータ） (2021-03-16T11:08:30Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)
• Over a Decade of Social Opinion Mining [1.0152838128195467]
  この体系的なレビューは、社会オピニオン鉱業の進化する研究領域に焦点を当てている。 自然言語は、人間によって表現されるように、異なる意見次元の観点で理解することができる。 今後の研究の方向性が提示される一方、さらなる研究と開発は、より広範な学術的・社会的影響を残す可能性がある。
  論文  参考訳（メタデータ） (2020-12-05T17:59:59Z)
• SoMin.ai: Personality-Driven Content Generation Platform [60.49416044866648]
  世界初のパーソナリティ駆動型マーケティングコンテンツ生成プラットフォームであるSoMin.aiを紹介します。 このプラットフォームは、ディープ・マルチビュー・パーソナリティ・プロファイリング・フレームワークと、スタイル・ジェネレーティブ・敵ネットワークを組み合わせている。 ソーシャルネットワーキングのユーザエクスペリエンスの向上や、コンテンツマーケティングのルーチンに使用できる。
  論文  参考訳（メタデータ） (2020-11-30T08:33:39Z)
• Understanding the Role of Intermediaries in Online Social E-commerce: An Exploratory Study of Beidian [15.756811089823575]
  ソーシャルeコマースは、ソーシャルコンピューティングベースのマーケティングプラットフォームの新しい形態として、既存の現実世界のソーシャルを利用して、製品のプロモーションと販売を行っている。 これらのプラットフォーム上で市場取引を可能にするアクターの主要なグループは、プロデューサと消費者を結びつける仲介業者である。 彼らの重要な役割にもかかわらず、これらのソーシャルeコマースプラットフォームにおける仲介者の性格と行動は体系的に分析されていない。
  論文  参考訳（メタデータ） (2020-10-16T20:07:35Z)
• Study of the usability of LinkedIn: a social media platform meant to connect employers and employees [91.3755431537592]
  本稿では,LinkedInのユーザビリティをユーザ評価と専門家評価の両方を用いて評価する。 LinkedInアプリケーションの全体的なユーザビリティは、SUS(System Usability Scale)を使用して測定されている。
  論文  参考訳（メタデータ） (2020-06-06T18:19:45Z)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。