开放合作研究团队第77期Seminar学习讨论会
2024年11月19日晚上18:30-20:30，中山大学区域开放与合作研究院文献研读会议以线下的方式成功举行。本次学习讨论会由博士生梁韫捷同学分享文献《A New Livestream Retail Analytics Framework to Assess the Sales Impact of Emotional Displays》。参加学习讨论会人员包括博士生和硕士生等。
A New Livestream Retail Analytics Framework to Assess the Sales Impact of Emotional Displays
Bharadwaj Neeraj; Ballings Michel; Naik Prasad A.; Moore Miller; Arat Mustafa Murat
一、摘要
这篇论文开发了一个直播零售分析框框架，可以不引人注目地检测主播的面部表情，同时提取六种情绪：快乐、悲伤、惊讶、愤怒、恐惧和厌恶。作者分析了直播零售平台上的99451个推销，并将其与实际销售交易相匹配。结果显示，随着时间的推移，包括快乐在内的每种情绪表现都对销售额产生了负面的U形影响。最大的销售阻力出现在中间，而不是在推销的开始或结束。综上所述，结果表明，在一对多的屏幕中，主播应该面无表情地推销。此外，作者还推导出了面部和情绪表现的最佳分配，与U形效果相反，最佳面部存在感在开始时会减弱，逐渐增强，最终减弱。同时，该研究展示了如何客观地对销售人员进行排名，并规避绩效评估中的偏见，从而为人员分析做出新的贡献。
二、引言
本文分析了直播电商环境下主播情绪表达对销售业绩的影响。研究通过开发创新的直播零售分析框架,利用机器学习技术从大规模直播视频中自动提取主播的面部表情和情绪表达,并将其与实际销售数据相匹配,以深入探讨这些情绪因素如何影响销售业绩。
主要发现包括：
主播的正面和负面情绪表达均对销售产生负面影响,且影响幅度超过免运费优惠;
情绪表达的影响随时间呈现U型,中期达到最大负面影响;
最佳的面部出现率随时间先降低,后逐步增加,最后再次降低,符合故事情节的三段式结构;
客观评估主播绩效可以克服主观偏差。
三、模型
模型1：将销售人员和时间效应纳入营销组合模型
• Qis表示直播s中某个商品i的销售量，（i，s）=1，··，N=99451；
• Pis代表商品的价格，单位为美元；
• Dis是展示持续时间，单位为秒；
• Sis是一个虚拟变量，如果是免费送货，取值为1，否则为0；
• Cis = {0, 1} ，表示两种类型的产品之一（为保密起见，不披露）；
这五个变量是传统营销组合变量的代理：产品、价格、销售团队、营销传播（即广告长度）和促销（即免费送货）。
log-log, 参数（β1，β2）分别给出价格和持续时间的弹性，该弹性量化了价格或持续时间增加1%相关的销售影响百分比。
参数（β3，β4）衡量了免费送货和产品类别导致的销售额百分比变化。
• Hs是一个22×1的虚拟向量，用于标识主持直播s的单个主播j。相应的λj提供了各主播相对基准主播23的销售提升，j=1，…，22。
• Tis=(Yis，W′is，D′is)′ 包括年效应、周效应和日效应对商品销售的影响。
参数（μ0、μ1i、μ2s、ϵis）分别表示固定截距、商品随机截距、直播随机截距以及误差项。
模型2：结合面部表情和情绪表现
• Fis表示当某个商品i在直播s中显示时，提出的直播零售分析框架提供了包含面部的帧的比例；
•当某个商品i在直播s中显示时，Z1is、Z2is 、Z3is 、Z4is 、Z5is 、Z6is 代表六种情绪表现--快乐、悲伤、惊讶、愤怒、恐惧和厌恶的分数；
参数αk是面部表情和六种情绪表现对销售额的影响。
模型3：结合二次效应
模型4：结合交互效应
四、实证分析
表4（模型2）中.338的估计值意味着，当有一张脸时，销售额增长了.34%。这解释了为什么即使商品本可以匿名发布在互联网上，直播零售商却更喜欢直播。
表4还展示了（模型2）快乐、悲伤、愤怒、恐惧和厌恶对销售的影响。对于快乐（-0.033）、悲伤（-0.003）、惊讶（-0.001）、愤怒（-0.533）、恐惧（-0.005）和厌恶（-0.012）的αk估计值对于除惊讶之外的所有情绪都是一致的负向，并且具有统计学意义。因此，我们得出结论，情绪化展示会降低销售额。
(表4)面部和情绪的最佳分配：面部存在满足条件的最优解，F∗=−3.138/(−2×4.641) =.34。
为了进行比较，平均面部存在率为.19。因此，为了最大限度地提高销售额，平均面部存在率应从19%提高到34%。
模型4展示了情感展示与免费送货和价格的交互效应。表4显示，估计的ωk对所有k值都不显著。因此，无论是否免除运费，情绪表现的主要影响都成立。
恐惧、愤怒和厌恶与价格的交互效应并不显著。
快乐、悲伤和惊讶与价格的交互作用是显著和负的。这意味着随着主播情绪快乐的增加，观众对价格变得更加敏感。为什么？因为观众怀疑卖方是在以牺牲自己的利益为代价获得利益（Van Kleef et al. 2010），他们表现出“反对”的倾向（表1）。相似的结果适用于悲伤和惊讶。
这些交互效应概括了本文之前的发现：情绪表现对直播零售业务不利。
表3中估计的价格弹性等于 -.765，这意味着价格上涨10%对应销售量下降7.65%。估计的显示持续时间弹性等于.626，这意味着显示增加10%持续时间相当于销售量增长6.26%。免费送货增加销售量为.198%。.386 意味着，在其他条件不变的情况下，第1类产品的销量是第2类产品的1.47倍（=Exp（.386））。对于一个特定的销售人员，比如销售人员15，推销的影响是（.338+.418）=.756，这意味着销售额增长了0.76%。
五、结果
情绪化展示对销售的影响如下：快乐（-0.18%）、悲伤（-0.02%）、惊讶（-0.004%）、愤怒（-0.18%）、恐惧（-0.03%）和厌恶（-0.06%）。快乐和愤怒导致最大的销售额下降。综合这些情绪，总销售额下降的幅度（.47%）是免费送货效应（.198%）的两倍多。快乐对总销售额下降的贡献超过三分之一。
负面销售影响的原因是什么？
卖家的情绪表现会引发买家的推理和行动倾向。具体而言，积极的面部表情，如快乐，会对销售产生负面影响，因为消费者推断卖家正在以牺牲自己的利益为代价获得优势，从而降低了卖家的可信度，进而降低了买家的购买倾向(Van Kleef 2009, 2016; Van Kleef et al. 2010)。这一预期证实了（Wang et al.’s 2017）的研究结果，该结果表明，卖家灿烂的笑容会导致买家推断卖家能力低下，从而减少购买活动。政客们也会出现类似的情况，“永久微笑”（即长时间保持微笑）会引起不信任并导致选票丢失（Zetlin 2017）。至于负面的面部表情（即悲伤、愤怒、恐惧和厌恶），他们会引起离开的行动倾向，这证实了（Cheshin, Amit, and Van Kleef’s 2018）的发现。惊讶可以是积极的，也可以是消极的，这里对销售的影响微不足道。
因此本文认为，情绪化展示对直播零售业务不利。
U形：在一件商品的展示期内，销售额影响的大小逐渐增加，在中间达到最大值，并在接近尾声时下降。在六种情绪中，这种动态模式是一致的。
U形的原因是什么？
（Berlyne 1970; Calder and Sternthal 1980; Naik, Mantrala, and Sawyer 1998; Pechmann and Stewart 1988）提供了一种合理的解释。随着推销的进行，面部表情的重复性加剧了负面销售影响（即变得更加负面），并将其降至最低水平。之后，通常由于冗长的推销过程单调乏味（Berlyne 1970），观众的注意力从与信息相关的想法转移到他们自己对购买考虑的想法（Calder and Sternthal 1980），即平衡所展示物品的收益和成本并决定是否购买。因此，在购买考虑期间，负面影响有所改善。
图6和图7描绘了基于完整模型(模型4)的情绪化展示对销售的影响。
消极和积极的情绪化展示都会降低销售额。在这六种情绪中，总销售额下降的幅度(.47%)是免费送货效应(.20%)的两倍多。
由于图6和图7中曲线的切线随着情绪表现强度的增加而变得更陡，因此销售额下降加速。因此，不表现情绪是最佳的行动方案，应该以中立的面孔进行销售，尽管消费者如何解释“中立”取决于性别、面部形态和背景因素(Hareli、Shomrat和Hess 2009)。
图6和图7中的平行曲线揭示了适度的调节效应:随着价格上涨或促销活动减少，销售额会下降(虚线)。
六、稳健性检验
表3中可以看出显著的稳健性：在模型1-4中，价格弹性从0.76到-0.77不等，持续时间弹性从.55到.67不等。同样模型1至4的运输和产品估算分别为(.22，.41)、(.19，.36) 、(.19、.36)和(.20，.39)。主播在四种模型中的有效性也很稳定，例如主播15的销售额增长百分比徘徊在0.42左右。
测试了情绪表现的异质性效应，发现这两种产品类别的效应是同质的(见图6和图7)。因此，对所有变量和所有模型的广泛稳健性增强了对这些结果的信心。
此外，所有自变量的平均VIF为1.66，范围在1.01到5.17之间，远低于10，因此排除了共线性问题。
哪一模型最好?调整后的R2均约为80%，是显著的。对数似然、AIC和BIC见表5。
看起来，模型3和4在所有指标上都主导着模型1和2。BIC选择模型3，而其他指标(对数似然和AIC)都表明模型4优于其他指标。本文使用模型4绘制了图6和图7。
七、结论
本文开发了一个创新的直播零售分析框架，利用机器学习技术从大规模直播视频中自动提取主播的面部表情和情绪，并将之与实际销售数据相匹配，深入探讨了这些情绪因素对销售业绩的影响。
主要发现包括:1)主播的正面和负面情绪表达均对销售产生负面影响;2)情绪表达的影响随时间呈现U型;3)最佳的面部出现率呈现三段式动态变化;4)客观评估主播绩效可以克服主观偏差。
这些发现为直播电商管理者提供了优化主播表情管理和绩效评估的具体指引，有助于提升销售业绩。未来研究可进一步探讨内容效果、双向互动情境,以及情绪真实性的影响。
本次分享会为我院同学提供了一个学术交流的平台。我院将继续举办此类活动，以促进学术交流，推动学科发展。本次文献分享会在热烈的掌声中圆满结束，与会人员纷纷表示受益匪浅，期待未来能有更多此类学术交流的机会。
拟稿：梁韫捷
编辑：陈倩怡
审核发布：毛艳华