Trouver des moyens de maximiser l'influence sur les réseaux sociaux est un effort important pour un large éventail de personnes, y compris celles impliquées dans le marketing, campagnes électorales, et la détection des épidémies, par exemple. Techniquement dans un scénario de réseau, "La maximisation de l'influence traite du problème de la recherche d'un sous-ensemble de nœuds appelés graines dans le réseau social de telle sorte que ces nœuds finissent par répandre une influence maximale dans le réseau."

Écrire dans le Journal international des sciences et de l'ingénierie informatiques des chercheurs indiens soulignent qu'il s'agit de l'un des problèmes difficiles à résoudre connus sous le nom de problèmes NP-difficiles. Dans leur papier, ils se concentrent sur la fourniture d'une vue d'ensemble du problème de maximisation de l'influence et couvrent trois aspects principaux. D'abord, ils examinent les différents types d'intrants requis. Deuxièmement, ils étudient des modèles de propagation d'influence qui cartographient la propagation de l'influence dans un réseau. Finalement, ils examinent les algorithmes d'approximation proposés pour la sélection des ensembles de graines.

L'étude fournit de nouvelles informations sur la façon dont un responsable marketing pourrait déclencher une réponse virale au lancement d'un produit grâce à la sélection très minutieuse d'influenceurs clés dont la promotion du bouche à oreille atteindrait et affecterait le plus grand nombre de personnes. De la même manière, il pourrait être utilisé pour diffuser un message politique plus rapidement que par les méthodes traditionnelles de démarchage. Mais, du point de vue scientifique, les mêmes outils et connaissances pourraient nous aider à mieux comprendre comment quelques individus infectés pourraient conduire à l'émergence d'une épidémie.

"La portée des travaux futurs dans le domaine de la maximisation de l'influence réside principalement dans la recherche de solutions efficaces aux extensions du problème de base de la maximisation de l'influence, conclut l'équipe et à trouver des moyens de gérer les quantités énormes et croissantes de données que les réseaux peuvent générer dans un court laps de temps.