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

3NingboUniversity

Abstract它将每张图像分割成块并将其转换为向量嵌入。然后我

们将一组中所有图像的块嵌入进行池化，并应用无监督

电子商务卖家的一个常见挑战是决定在在线购物网站上

聚类算法（例如，K-均值）来分组语义相似的块。通过

展示哪些产品图片。本文提出并验证了一个新的指标k

标准轮廓分数确定的最佳聚类数量作为我们提出的衡

值，用于量化图像集的信息丰富度，并进一步研究其对

消费者购买决策的影响。我们利用VisionTransformers量产品图像集信息丰富度的标准。这种方法结合了最先

本(ViT)的块级嵌入，并应用k-means聚类来识别不同的进的计算机视觉工具与消费者研究文献中基于特征的

译视觉特征，将k值定义为簇的数量。在线实验表明，k值信息理论构造。

中与人类感知的信息丰富度一致，验证了该指标的有效性。我们的方法背后的直觉很简单。消费者通过图像的

一个模拟的在线购物实验进一步揭示了一个显著且反直每个小片段（即补丁）感知产品特征，这些补丁中嵌入

2觉的结果：虽然具有较高k值（信息更丰富）的图像集了上下文信息。这些有意义的视觉线索被ViT的补丁嵌

v缩短了决策时间，但出人意料地降低了购买倾向。我们

1入所捕捉，将每个补丁映射到一个向量表示，也就是高

4的研究阐明了视觉信息丰富度与消费者行为之间的复杂维空间中的一个点。根据设计，相似的嵌入反映了相似

5关系，为卖家提供了一种可量化的图片选择工具。

4的视觉特征，并且它们将是高维空间中彼此接近的点。

0.因此，通过聚类对补丁嵌入进行分组有效地揭示了图像

8介绍集传达的不同视觉特征的数量。最优聚类数量反映了一

0

5产品图片在在线购物中扮演着关键角色，因为它是种最佳方式来分组这些点，从而作为我们所提出的衡量

2消费者在做出购买决定前获取产品信息的主要来源（例一组产品图片包含信息丰富度的标准。

:

v如，Li,Wang,andChen2014）。例如，对于时尚产品，我们进行了两项在线实验。第一次实验作为对所提

i

x消费者主要依赖产品图片来了解产品的特性，如图案、出指标的经验验证，证实了我们的提议指标与人类对视

r

a印刷、剪裁、场合、颜色等。根据麦肯锡的一份报告觉信息丰富度的感知紧密一致。在此基础上，我们进行

（Fiedleretal.2020），产品图片被列为影响在线购物体了一项旨在揭示产品图像中包含的信息量与消费者购

验的最重要因素之一。