view pdf winform c# : Add hyperlinks to pdf application software utility azure windows wpf visual studio word_of_mouth200612162-part1415

Estimating the Dynamic Effects of Online Word-Of-Mouth 
19 
customer acquisition.  WOM referrals were about 2.5 times higher than the average 
advertising elasticity reported in the literature (Hanssens et al 2001).  In addition, our 
estimated WOM effect on new customer acquisition is also larger than that of traditional 
forms of marketing. In particular, WOM is about 20 times higher than the elasticity for 
marketing events (0.53 vs. 0.026) and 30 times higher than the elasticity for media 
appearances (0.53 vs. 0.017). We also conducted a simulation to highlight the economic 
implications from inducing additional WOM by offering financial incentives to existing 
customers. Our results suggest that social networking firms with a primary stream of 
revenues coming from online advertising should be willing to pay about 75 cents per each 
referral.  
Our research also has several limitations.  Most importantly, our data come from 
one social networking site, so further research is needed to examine whether our findings 
generalize to other companies and settings. In this regard, we note that, in a review of 23 
service categories, East et al. (2005) found that WOM had greater reported impact on 
brand choice than advertising or personal search. Second, data limitations prevent us 
from analyzing the effects of WOM for and marketing actions by competing sites, a 
situation typical for these types of company data sets. Third, our model is reduced form, 
and thus the long-run impact calculations are subject to the assumption that the basic 
data-generating process does not change. This is appropriate for “innovation accounting,” 
i.e., identifying and quantifying the effects of WOM and traditional marketing on signups 
in the data sample (Franses 2005; van Heerde, Dekimpe, and Putsis 2005). The modeling 
approach is not suited for revealing structural aspects of subscriber and company 
behavior.  
Add hyperlinks to pdf - insert, remove PDF links in C#.net, ASP.NET, MVC, Ajax, WinForms, WPF
Free C# example code is offered for users to edit PDF document hyperlink (url), like inserting and deleting
pdf edit hyperlink; pdf link open in new window
Add hyperlinks to pdf - VB.NET PDF url edit library: insert, remove PDF links in vb.net, ASP.NET, MVC, Ajax, WinForms, WPF
Help to Insert a Hyperlink to Specified PDF Document Page
accessible links in pdf; add hyperlink to pdf in
Estimating the Dynamic Effects of Online Word-Of-Mouth 
20 
When a company stimulates WOM activity it’s not an “organic” word-of-mouth 
th 
anymore. Indeed, we might call it “fertilized” word-of-mouth. And in such a case we do 
not know whether fertilized word-of-mouth would produce the same elasticity as the 
organic word-of-mouth observed in our data. Especially if the paid nature is known to 
to 
invitees, fertilized word-of-mouth is likely to be less effective than organic word-of-
f-
mouth. In this respect, our economic value calculations may provide an upper bound of 
the money generated by word-of-mouth. On the other hand, our data may miss some 
me 
benefits to word-of-mouth; i.e. signups not captured through either the referral process at 
invitation or the self-report process at signup. Finally, our simulation does not consider 
other important elements of CLV such as user’s impact on retention and site usage of 
other existing network members. Metcalfe's law (e.g., Reed 1999) states that the value of 
a network is proportional to the square of the number of users of the system. The 
proposed approach does not allow evaluation of customer value beyond a volume of 
generated referrals. Therefore, a next step would be to develop an individual level model 
that allows user-specific contributions to the network.  
C# PDF Convert to HTML SDK: Convert PDF to html files in C#.net
Embed PDF hyperlinks to HTML links. How to Use C#.NET Demo Code to Convert PDF Document to HTML5 Files in C#.NET Class. Add necessary references:
change link in pdf; add hyperlink to pdf acrobat
VB.NET PDF Convert to HTML SDK: Convert PDF to html files in vb.
Turn PDF images to HTML images in VB.NET. Embed PDF hyperlinks to HTML links in VB.NET. Convert PDF to HTML in VB.NET Demo Code. Add necessary references:
add url link to pdf; add a link to a pdf file
Estimating the Dynamic Effects of Online Word-Of-Mouth 
21 
References 
Box, George E.P. and Gwilym M. Jenkins (1970), Time series analysis: Forecasting and 
control, San Francisco: Holden-Day.  
Bucklin, Randolph E. and Sunil Gupta (1999), “Commercial Use of UPC Scanner Data: 
Industry and Academic Perspectives,” Marketing Science, Vol. 18, No. 3, Special Issue 
on Managerial Decision Making, 247-273. 
Chevalier, Judith, and Dina Mayzlin (2006), “The Effect of Word of Mouth Online: 
Online Book Reviews,” Journal of Marketing Research, 43 (August), 345-354. 
comScore Media Metrix (2006), “Total Number of Unique Visitors to Selected Social 
Networking Sites, as of March 2006”, as appears at 
http://www.emergencemarketing.com/archives/2006/05/social_networking_sites_d.php, 
May 22, 2006. 
De Bruyn, Arnaud, and Gary L. Lilien (2004), “A Multi-Stage Model of Word of Mouth 
Through Electronic Referrals,” eBusiness Research Center Working Paper, February, 
2004. 
Dekimpe, Marnik, and Dominique M. Hanssens (1995), “The Persistence of Marketing 
Effects on Sales,” Marketing Science, 14(1), 1-21. 
Dekimpe, Marnik, and Dominique M. Hanssens (1999), “Sustained Spending and 
Persistent Response: a New Look at Long-term Marketing Profitability,” Journal of 
Marketing Research, 36 (November), 397-412. 
East, Robert, Kathy Hammond, W. Lomax and H. Robinson, H. (2005) 'What is the 
s the 
effect of a recommendation?', Marketing Review, 5, 2, 145-157. 
VB.NET PDF Page Replace Library: replace PDF pages in C#.net, ASP.
all PDF page contents in VB.NET, including text, image, hyperlinks, etc. Replace a Page (in a PDFDocument Object) by a PDF Page Object. Add necessary references:
adding links to pdf document; add hyperlink pdf document
VB.NET PDF Thumbnail Create SDK: Draw thumbnail images for PDF in
PDF document is an easy work and gives quick access to PDF page and file, or even hyperlinks. How to VB.NET: Create Thumbnail for PDF. Add necessary references:
add hyperlink to pdf in preview; add links to pdf online
Estimating the Dynamic Effects of Online Word-Of-Mouth 
22 
Enders, Walter (1995), Applied Econometric Time Series, Wiley, New York. 
Forrester Research (2005), “What’s The Buzz on Word-Of-Mouth Marketing? 
Social Computing and Consumer Control Put Momentum into Viral Marketing,” May 
(2005), www.forrester.com. 
Franses, Philip Hans (2005), “On the Use of Econometric Models for Policy Simulation 
in Marketing,” Journal of Marketing Research, 42, 4-14. 
Godes, David, and Dina Mayzlin (2004), “Using Online Conversations to Study Word-
of-Mouth Communication,” Marketing Science, 23 (4), 545-560. 
Granger, Clive W.J. (1969), “Investigating Causal Relations by Econometric Models and 
Cross-Spectral Methods,” Econometrica, 37, 424–438. 
Hanssens, Dominique M., Leonard J. Parsons, and Randall L. Schultz (2001), Market 
Response Models: Econometric and Time-Series Research, 2nd ed. Kluwer Academic 
Publishers, Boston, MA.  
Joshi, Amit and Dominique M. Hanssens (2006), “Advertising Spending and Market 
Capitalization,” MSI Report No. 04-110. 
Katz, Elihu, and Paul F. Lazarsfeld (1955), Personal Influence; The Part Played by 
People in the Flow of Mass Communications, Glencoe, Ill. Free Press. 
Kwiatkowski, D., Phillips, P. C., Schmidt, P., and Shin, Y. (1992), “Testing the Null 
Hypothesis of Stationarity Against the Alternative of a Unit Root: How Sure Are We 
that Economic Time Series Have a Unit Root?” Journal of Econometrics, 54(1-3), 159- 
178. 
.NET PDF SDK | Read & Processing PDF files
by this .NET Imaging PDF Reader Add-on. Include extraction of text, hyperlinks, bookmarks and metadata; Annotate and redact in PDF documents; Fully support all
add a link to a pdf; pdf link to specific page
PDF Image Viewer| What is PDF
advanced capabilities, such as text extraction, hyperlinks, bookmarks and Note: PDF processing and conversion is excluded in NET Imaging SDK, you may add it on
chrome pdf from link; add hyperlinks pdf file
Estimating the Dynamic Effects of Online Word-Of-Mouth 
23 
Liu, Yong (2006), “Word-of-Mouth for Movies: Its Dynamics and Impact on Box Office 
Revenue,” Journal of Marketing, Vol. 70, July 2006, 74-89. 
Lutkepohl, Helmut (1993), Introduction to Multiple Time Series Analysis, Springer-
-
Verlag, Berlin, Germany.  
Misner, Ivan R. (1999), The World’s Best Known Marketing Secret: Building Your 
Business with Word-of-Mouth Marketing, 2nd ed. Bard Press, Austin, TX. 
Maddala, G.S. and I.M. Kim (1998), Unit Roots, Cointegration, and Structural Change, 
Cambridge, University Press, Cambridge. 
Money, Bruce R., Mary C. Gilly, and John L. Graham (1998), “Explorations of National 
Culture and Word-Of-Mouth Referral Behavior in the Purchase of Industrial Services in 
the United States and Japan,” Journal of Marketing, 62 (4), 76-87.  
Montgomery, Alan L., Shibo Li, Kannan Srinivasan, and John C. Liechty (2004), 
“Modeling Online Browsing and Path Analysis Using Click-stream Data,” Marketing 
Science, 23(4), 579-595. 
Nielsen//NetRatings (2005), “A Community Uprising,” February (2005), www.nielsen-
netratings.com.  
Nijs, Vincent, Marnik Dekimpe, Jan-Benedict E. M. Steenkamp, and Dominique 
Hanssens (2001), “The Category Demand Effects of Price Promotions,” Marketing 
Science, 20(1), 1-22.  
Pauwels, Koen (2004), “How Dynamic Consumer Response, Competitor Response, 
Company Support, and Company Inertia Shape Long-Term Marketing Effectiveness,” 
Marketing Science, 23 (4), 596-610. 
Estimating the Dynamic Effects of Online Word-Of-Mouth 
24 
Pauwels, Koen, Dominique Hanssens, and S. Siddarth (2002), “The Long-term Effects of 
Price Promotions on Category Incidence, Brand Choice and Purchase Quantity,” Journal 
of Marketing Research, 39 (November), 421-439. 
Pauwels, Koen and Enrique Dans (2001), “Internet Marketing the News: Leveraging 
Brand Equity from Marketplace to Marketspace,” Brand Management, 8(4), 303-314. 
Pauwels, Koen H., Imran Currim, Marnik G. Dekimpe, Dominique M. Hanssens, Natalie 
Mizik, Eric Ghysels and Prasad Naik (2004), ”Modeling Marketing Dynamics by Time 
Series Econometrics,” Marketing Letters, 15, 4 (December), 167-183 
Pesaran, M.H., R. G. Pierse, and K. C. Lee (1993), “Persistence, Cointegration, and 
Aggregation: A Disaggregated Analysis of Output Fluctuations in the U.S. Economy,” 
Journal of Econometrics, 56 (March), 57-88. 
Pesaran, M. Hashem, and Yongcheol Shin (1998), “Generalized Impulse Response 
Analysis in Linear Multivariate Models,” Economics Letters, Vol.58, 17-29. 
Phelps, Joseph E., Lewis, Regina, Lynne Mobilio, David Perry, and Niranjan Raman 
(2004), “Viral Marketing or Electronic W-O-M Advertising: Examining Consumer 
Responses to Pass Along Email,” Journal of Advertising Research, 44(4), 333-348. 
Reed, David P.  (1999), “Weapon of Math Destruction: a Simple Formula Explains Why 
the Internet is Wreaking Havoc on Business Models,” Context Magazine, Spring 1999. 
Reibstein, David J. and Paul W. Farris (1995), “Market Share and Distribution: A 
Speculation, and Some Implications,” Marketing Science, Special Issue on Empirical 
Generalizations in Marketing, Vol. 14, 3 (part 2), 1995, 190-202.  
Rosen, Emmanuel (2000), The Anatomy of Buzz: How to Create Word-of-Mouth 
th 
Marketing, New York: Doubleday. 
Estimating the Dynamic Effects of Online Word-Of-Mouth 
25 
Sims, Christopher A. and Tao Zha (1999), “Error Bands for Impulse Responses,” 
Econometrica, 67 (5), 1113-1155. 
Srinivasan, Shuba, Koen Pauwels, Dominique M. Hanssens, and Marnik G. Dekimpe 
(2004), “Do Promotions Benefit Manufacturers, Retailers, or Both?” Management 
Science, 50 (May), 617-629. 
Van Heerde, Harald J., Marnik. G. Dekimpe, and William P. Putsis, Jr. (2005), 
“Marketing Models and the Lucas Critique,” Journal of Marketing Research, February, 
42 (1), 15-21. 
Villanueva, Julian, Shijin Yoo, and Dominique M. Hanssens (2006), “The Impact of 
Marketing-Induced vs. Word-of-Mouth Customer Acquisition on Customer Equity,” 
y,” 
January 2006, working paper. 
Whitman, Janet (2006), “Lessons Learned: New Dot-Coms Seek Attention Cheaply,” The 
Wall Street Journal, February 13, 2006. 
Wikipedia (2006), “List of Social Networking Websites,” as appears at 
http://en.wikipedia.org/wiki/List_of_social_networking_websites, May 22, 2006. 
Estimating the Dynamic Effects of Online Word-Of-Mouth 
26 
Table 1. Social Networking Sites Ranking 
Social Networking  
Sites 
Number of Visitors 
(in thousands) 
MYSPACE.COM 
41,889 
FACEBOOK.COM 
12,917 
XANGA.COM 
7,448 
LIVEJOURNAL.COM 
4,047 
Yahoo! 360
3,614 
MYYEARBOOK.COM 
3,613 
HI5.COM 
2,609 
TAGWORLD.COM 
2,275 
TAGGED.COM 
1,668 
BEBO.COM 
1,096 
FRIENDSTER.COM 
1,066 
Tribe 
871 
43THINGS.COM 
661 
SCONEX.COM 
372 
Internet Total 
171,421 
Source: ComScore MediaMetrix, March 2006 Report 
Table 2. Descriptive Statistics
*
Mean 
Median  Maximum  Minimum  Std. Dev. 
Signups 
11.36 
11.30 
11.89 
10.86 
0.29 
WOM-referrals 
11.37 
11.42 
12.09 
10.53 
0.38 
Media 
0.92 
1.34 
Events 
0.39 
0.64 
*
The numbers reported in Table 2 and Figure 3 have been monotonically transformed to preserve the 
anonymity of the collaborating site. Actual data were used in econometric analysis.
Estimating the Dynamic Effects of Online Word-Of-Mouth 
27 
Table 3: Regression analysis explaining log of signups 
Equation 1 (immediate) 
Equation 2 (carry-over) 
LogWOMReferrals 
0.141 
(6.38)
0.136 
(5.79) 
LogMEDIA 
0.000 
(.57) 
0.000 
(0.39) 
LogEVENTS 
0.002 
(2.06) 
0.002 
(2.13) 
LogWOMReferrals(-1)  
0.013 
(0.57) 
LogMEDIA(-1)  
0.000 
(0.26) 
LogEVENTS(-1)  
0.001 
(0.97) 
Constant 
9.305 
(36.88) 
9.208 
(29.91) 
Time Trend 
0.003 
(24.91) 
0.003 
(23.89) 
Monday 
0.093 
(5.96) 
0.098 
(5.79) 
Tuesday 
0.058 
(3.16) 
0.063 
(3.05) 
Wednesday 
0.032 
(1.68) 
0.034 
(1.67) 
Thursday 
0.013 
(0.69) 
0.015 
(0.74) 
Saturday 
-0.053 
(-2.93) 
-0.050 
(-2.66) 
Sunday 
-0.085 
(-5.34) 
-0.083 
(-5.01) 
Summer 
0.136 
(6.09) 
0.140 
(6.00) 
Lagged dependent variable 
0.453 
(7.92) 
0.451 
(7.82) 
R
2
adjusted R
2
.932 
.929 
.932 
.928 
Akaike Information Criterion 
-2.248 
-2.225 
*
t-statistic is reported in parenthesis 
Estimating the Dynamic Effects of Online Word-Of-Mouth 
28 
Table 4: Results of the Granger Causality tests: minimum p-values across 20 lags 
Dependent variable 
Is Granger caused by: 
Signups 
WOM-referrals 
Media 
Events 
Signups 
.02* 
.00 
.00 
WOM referrals 
.00 
.22 
.08 
Media 
.00 
.58 
.02 
Events 
.02 
.00 
.01 
* Read as: WOM-referrals are Granger caused by Signups at the .02 significance level
l
Documents you may be interested
Documents you may be interested