测量产品图像中的信息丰富度：对在线销售的影响.pdfVIP

测量产品图像中的信息丰富度：对在线销售的影响

1223

YutingZhu,XinyuCao,YuzhuoSu,YongbinMa

1NationalUniversityofSingapore

2TheChineseUniversityofHongKong

3NingboUniversityy.zhu@.sg

Abstract营销理论（例如，Branco,Sun,andVillas-Boas2012;

Ke,Shen,andVillas-Boas2016）。为了操作化这一点，

电子商务卖家的一个常见挑战是决定在在线购物网站上

我们利用了视觉变压器（ViT；Kolesnikovetal.2021），

展示哪些产品图片。本文提出了一个新的指标k值来量

化一组图像的信息丰富程度，并进一步研究了其对消费将每张图像分割成补丁，并将其转换为向量嵌入。然后

者购买决策的影响。我们利用视觉变压器（ViT）的补丁我们将一组中所有图像的补丁嵌入进行池化，并应用无

本级嵌入并应用k均值聚类来识别不同的视觉特征，定义k监督聚类算法（例如，K‑means）来分组语义相似的补

译值为聚类的数量。一项在线实验表明，k值与人类感知的丁。通过标准轮廓分数确定的最佳聚类数量作为我们提

中信息丰富度一致，验证了该指标。一个模拟的在线购物出的度量产品图片集中信息丰富性的指标。该方法结合

实验进一步揭示了一个显著且违反直觉的结果：虽然一了最先进的计算机视觉工具与消费者研究文献中基于

1组具有较高k值（信息更丰富）的图像缩短了决策时间，特征的信息理论构造。

v但悖论的是它减少了购买倾向。我们的研究结果阐明了

1我们的方法背后的直觉很简单。消费者通过图像中

4视觉信息丰富程度与消费者行为之间的复杂关系，为卖

5家提供了一种可量化的图像选择工具。的每个小片段（即块）来感知产品特性，这些块中嵌入

4了上下文信息。这些有意义的视觉线索由ViT的块嵌

0.入捕获，将每个块映射到一个向量表示，也就是高维空

8介绍间中的一个点。按照设计，相似的嵌入反映了相似的视

0

5产品图片在在线购物中扮演着关键角色，因为这是觉特征，并且它们将在高维空间中彼此接近。因此，通

2消费者在做出购买决定前获取产品信息的主要来源（例过聚类来分组块嵌入有效地揭示了图像集中传递的不

:

v如，Li,Wang,andChen2014）。例如，对于时尚产品，同视觉特性的数量。最佳聚类数量反映了对这些点进行

i

x消费者主要依赖产品图片来了解产品的特性，如图案、分组的最佳方式，从而作为我们提出的衡量产品图像集

r印刷、裁剪、场合、颜色等。根据麦肯锡的一份报告信息丰富度的标准。

a

（Fiedleretal.2020），产品图片被列为影响在线购物体我们进行了两次在线实验。第一次实验作为对所提

验的最重要因素之一。