文章汉化系列目录
《A multimodal analytics framework for product sales prediction with the reputation of anchors in live streaming e-commerce》
摘要
销售预测不足容易导致供应配送不及时,进而引发库存问题,造成商家利润损失。 以往的销售预测研究主要基于传统电商平台,无法直接应用于直播电商,因为直播电商涉及许多重要因素。本研究的主要贡献是设计了一个多模态分析框架,用于直播电商中产品销售预测。在该框架中,我们探讨了主播声誉对产品销售的影响,并创新性地考虑了历史和实时声誉信号。此外,为了更好地提取实时信号中的有价值信息,我们提出了一个A-tiFSR模型,用于从产品文本和图片中提取特征,并设计了一种细粒度分析方法来挖掘弹幕数据。我们基于从抖音直播收集的真实数据集进行实验。实验结果验证了主播的多模态声誉信号在产品销售预测中的有效性。本研究的管理启示是,商家和主播应更加关注其多维度声誉。所提出的销售预测框架可以帮助商家更准确地预测销售,优化库存策略和营销策略。因此,本研究支持了直播电商市场的更有效发展。
引言
近年来,电子商务平台的销售模式发生了迅速变化。最初,产品仅通过文本描述和图片呈现,但随着时间的推移,已经发展为主播通过直播与消费者实时展示和互动 [1]。直播电商已成为产品推广的重要手段 [2],全球主要的电商平台,如淘宝和亚马逊,已将其作为促进产品销售的重要战略 [1]。
以往关于直播电商的研究大多集中在消费者的感知或购买意图上 [1],较少有研究关注直播电商中的销售预测问题,而销售预测对于帮助企业优化库存管理、为营销策略提供准确的决策支持具有重要意义 [3]。现有的销售预测研究主要集中在传统电商平台,探讨了如产品价格、图片 [4] 和用户评价 [5] 等影响因素。然而,直播电商增加了更多元素,如主播、直播展示和互动弹幕,这使得销售预测更加困难。因此,我们设计了一个多模态分析框架,用于直播电商中的产品销售预测,并考虑了几个创新的影响因素。
根据电商研究者的观点,声誉模型可以保护消费者免受可能由不确定性引发的欺诈行为的侵害 [6]。一些研究者将卖家声誉作为消费者推断产品质量的重要信号 [7,8]。已有研究表明,声誉会影响买家的选择,并在产品销售中起到调节作用 [9,10]。在现有研究中,研究者主要通过商家或电子平台的展示信息来评估声誉 [11]。与传统电商相比,直播电商增加了主播的角色,主播在实时提供产品详细说明中扮演着特殊角色。研究表明,观看直播的消费者可能会被主播的个人魅力所吸引并信任他们,从而导致未计划的购买 [12]。消费者通常信任排名靠前的主播,而对新主播在产品质量上的表现持怀疑态度。因此,主播的过去声誉可能会影响消费者的购买意图,并进而影响产品销售。
过去的长期声誉代表了主播的历史表现;然而,在直播电商中,同一主播经常在不同的直播中销售完全不同的产品。在这种情况下,考虑历史声誉时可能会丧失一些有价值的信息,因此提取一些有价值的特征来衡量实时声誉显得尤为重要。产品信息是其质量和潜在市场价值的直观表现,可能会影响产品销售 [13]。表现良好的主播团队会经历筛选过程,以最终确定产品展示信息,确保描述文本和展示图片清晰且恰当,并且相互对应。先前的研究表明,卖家的声誉信号可以从产品描述中提取 [14]。因此,所选择的产品文本和图片反映了主播的专业水平,这可以作为一种实时声誉信号。此外,先前的研究表明,消费者的文本反馈,如评论,可以有效传达卖家最近的声誉信息 [15]。在直播过程中,弹幕是一种实时文本反馈,观众可以在直播过程中发送弹幕与主播互动,这不仅能增强气氛,还能影响其他消费者的购买行为。经验丰富的主播擅长不断引入新的互动话题,以鼓励观众参与。此外,专业的解释和性价比高的产品可能会吸引更多的正面弹幕评论。因此,挖掘弹幕内容也可以衡量主播的实时声誉信号,这可能会影响产品销售。
总之,本研究的主要贡献有四点。首先,我们提出了一个多模态分析框架,用于直播电商中的产品销售预测,整合了产品、直播记录和主播的相关信息。第二,我们构建了一个综合的主播声誉衡量模型,考虑了长期历史声誉和实时声誉信号。第三,我们提出了A-tiFSR模型,用于提取产品文本和图片中的特征,以及它们之间的相似性和相关性。最后,我们设计了一个细粒度分析框架MCFF,用于提取直播电商中的实时弹幕特征。先前的研究 [16] 提到,使用实际购买数据的方法比自报告方法更为准确,未来的直播电商研究应关注实际交易数据,以更准确地研究客户行为。我们进行了一项基于真实数据集的实证分析。实验结果验证了构建的主播声誉信号在预测产品销售中的有效性,并确认了所提出框架的有效性。据我们所知,这是首个考虑直播电商中主播声誉影响的研究。此外,较少有研究集中在基于多模态直播电商数据的产品销售预测任务上。
本研究的管理启示如下。在应用方面,在直播开始之前,我们的模型可以用来模拟产品销售,帮助主播调整直播内容和营销策略,并及时优化产品展示信息。在正式直播过程中,我们的模型可以在产品推广环节结束后、整个直播结束前立即预测产品的最终销售情况,从而帮助商家优化库存调度和风险管理。具体而言,主播可以借此灵感为产品描述准备合适的文本和图片,并更多关注弹幕内容。商家可以优化库存管理和营销策略,直播平台可以为主播提供实时行为指导,吸引更多商家和主播在平台上建立自己的影响力。销售预测在商业企业决策支持系统中的作用日益突出 [17]。我们的研究可以帮助企业做出有关库存管理、营销策略和定价的基于数据的决策。因此,本研究为在直播电商空间运营的电子商务企业提供了一个有价值的决策支持工具。
本论文的其余部分结构如下。第二节回顾相关的前人研究。第三节描述了所提出的框架。第四节详细介绍了计算方法。第五节描述了实验设置,实验结果展示了实验的设置和结果。最后一节给出了结论并指出未来工作的方向。