Popularity, face and voice: Predicting and interpreting livestreamers' retail performance using machine learning techniques
人气、面容与声音：用机器学习预测和解释主播销售表现AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究直播销售的通用机器学习预测；纵向数据本身不足以证明采用面板计量方法，也不属于宏观或收益预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
人气、面容与声音：用机器学习预测和解释主播销售表现
- 研究问题
- 在直播电商中，人气、外貌和声音特征如何帮助预测商品交易总额，其预测作用是否因主播性别和销售增长阶段而异？
- 方法与思路
- 作者构建含19,175条观测的企业纵向数据库，比较八种机器学习模型，再用可解释人工智能及三维SHAP图分析预测特征关系。
- 材料陈述的贡献
- 摘要称，随机森林在所比较模型中预测最佳，并报告人气、声音与性别差异等模式；三维SHAP图用于呈现特征重要性及销售关系。
- 阅读关注点
- 应核对预测训练与测试划分、同一企业重复观测是否导致信息泄漏，以及SHAP关系是否被恰当地限制为模型预测层面的解释。
- 阅读边界
- 这是arXiv预印本，同行评审或接收状态未核实；摘要未说明样本外验证细节，特征重要性不能直接证明人气或声音的因果影响。
原文摘要
Livestreaming commerce, a hybrid of e-commerce and self-media, has expanded the broad spectrum of traditional sales performance determinants. To investigate the factors that contribute to the success of livestreaming commerce, we construct a longitudinal firm-level database with 19,175 observations, covering an entire livestreaming subsector. By comparing the forecasting accuracy of eight machine learning models, we identify a random forest model that provides the best prediction of gross merchandise volume (GMV). Furthermore, we utilize explainable artificial intelligence to open the black-box of machine learning model, discovering four new facts: 1) variables representing the popularity of livestreaming events are crucial features in predicting GMV. And voice attributes are more important than appearance; 2) popularity is a major determinant of sales for female hosts, while vocal aesthetics is more decisive for their male counterparts; 3) merits and drawbacks of the voice are not equally valued in the livestreaming market; 4) based on changes of comments, page views and likes, sales growth can be divided into three stages. Finally, we innovatively propose a 3D-SHAP diagram that demonstrates the relationship between predicting feature importance, target variable, and its predictors. This diagram identifies bottlenecks for both beginner and top livestreamers, providing insights into ways to optimize their sales performance.