Leveraging Community Engagement for Brand Engagement, 2012, presentation
-
Upload
florent-renucci -
Category
Documents
-
view
238 -
download
5
description
Transcript of Leveraging Community Engagement for Brand Engagement, 2012, presentation
Sommaire
n I – Contexte n I.1 – Structure d’un site de e-business
n I.2 – Le portail
n II – Prétraitement des données n II.1 – Premier traitement
n II.2 – Correction et complétion des données
n III – Séries temporelles n III.1 – Modèles VAR et SVAR
n III.2 – Impulse Response Functions
n III.3 – Interprétations
n IV – Prochaines étapes
26/11/13
I.1 - Structure d’un site de e-business
UGC : User Generated Content (blog, forum, photos…) PGC : Professional Generated Content (articles)
I.2 – Le portail
Créé en 1999, 44 millions de visiteurs uniques en 2011 dans le monde. Vend de l’espace publicitaire en ligne.
• Plus cher sur les pages PGC • Plus de trafic sur les pages UGC
à Comment augmenter le trafic vers les sections PGC ? à Comment les pages UGC affectent l’acquisition et la
rétention de nouveaux clients ?
II.1 – Prétraitement des données
Features : • nombre de visiteurs et de visites sur les pages éditoriales,
blog, album, forum; • nombre de création de fil ou de réponse à un fil dans un
forum; • nombre de posts sur les pages blog; • nombre de posts de photos sur les pages album. = 12 variables observées sur 73 jours. Algorithme :
- Couper les données; - Traiter chaque fichier découpé; - Recoller les résultats en sommant les variables agrégées.
II.2 – Correction et complétion des données
Algorithme : • on découpe les fichiers initiaux en "plus gros morceaux"
• pour chaque jour k § on extrait les données relatives au jour k § on parcourt les fichiers de complétion, on conserve les
nouvelles observations § on sauvegarde les données relatives au jour k,
complètes
• pour chaque jour k on compte le nombre d’observations pour toutes les variables agrégées
• on somme sur tous les jours.
III.1 – Modèles VAR et SVAR
Critères BIC ou Akaike ? à lag = 1. SVAR : 10 paramètres VAR :
9 paramètres donc hypothèses sur le SVAR VMA : Résidus corrélés = Cholesky Decomposition pour l’étude des IRF. Quel ordre pour la décomposition ?
III.2 – Impulse Response Functions
Choix de l’ordre des variables :
• Calcul de la matrice de covariance des chocs • Normalisation de chaque ligne • Détection des variables les plus influentes
III.3 – Interprétations
UGC PGC
$ $
Posts
Editoviews
views, visitors
Forum
Posts
views, visitors
Blog
Posts
views, visitors
Album Contenu éditorial