直播 commerce 中的明星产品及其定位价值：以抖音的数据为例

《Journal of Retailing and Consumer Services》：Hero products and the value of position in live streaming commerce evidence from Douyin

　　摘要
每次直播销售环节中总会有一款产品销量最高，而这款产品展示的几分钟正是观众数量达到峰值的时段。本文探讨了这一关键时刻对周围其他产品的影响：紧随其后出现的商品，或是展示在其之前的商品，能否将吸引的流量转化为自身的销售？通过分析8123次抖音直播中260,252组产品-环节数据，并采用具有环节固定效应的事件研究设计，我们发现紧随“主角”产品之后的销售转化率最高，相比其他商品高出0.0177。这种优势并非借来的流量。这种效应不仅出现在“主角”之前，也出现在之后；只有相邻的环节才会打破这种对称性；当同一产品在不同展示位置上进行比较时，大部分优势会消失，除非它紧邻“主角”。因此，销售顺序主要揭示了主播将哪些产品放置在了“主角”产品附近，我们观察到的是一种位置关联，而非注意力溢出效应。这种效应的存在是有条件的。利用大型语言模型对每个产品的列表标题进行评分，我们发现可信度信号会减弱这一优势，而信息量则会在两个方向上影响这一效果；当“主角”产品出现在销售顺序的前三分之一时，这一优势才会存在，如果将其展示到结尾，则优势会消失。对于管理者来说，安排“主角”产品两侧的环节值得特别关注；而排在后面的环节则无需过多考虑。

引言
想象一下直播销售活动中某款产品展示的最后几秒钟：主播将商品举向镜头，屏幕上的计数器不断倒计时，评论快速滚动，人们来不及阅读；一个固定的横幅提示只剩下几百件商品。然后该环节结束，主播将商品收起，下一个产品出现，其销量受到之前展示内容的影响。一次直播会依次展示众多这样的环节，具体顺序完全由主播决定。如今，在淘宝直播和抖音等平台上，这样的场景每天发生数百万次。直播商业已从新興模式发展成为数字零售领域发展最快的渠道之一，将娱乐、社交互动和即时购买融合为一体（Wongkitrungrueng和Assarut, 2020）。一位网红在一个晚上售出的商品数量可能超过传统旗舰店一个月的销量，而这些直播的创作者本身也成为了商业中介（Hughes等人，2019）。

这一模式的强大之处也使其在分析上具有独特性。传统的网店提供了一个稳定的产品目录，消费者可以按照自己的节奏浏览。而直播则不同：产品逐一展示，顺序完全由主播控制。时间压力持续存在，一旦某个环节结束就无法重开。越来越多的研究开始解释观众购买行为的原因：直播的实时互动性增强了观众的参与度和信任感，从而推动购买意愿（Sun等人，2019；Hu和Chaudhry，2020）。然而，这些研究几乎总是将整个直播视为一个整体，将其效果归因于主播的 charisma 或整个直播的质量。对于直播环节内部的具体情况，以及产品之间如何相互影响，却鲜有探讨。这种缺失令人惊讶，因为实践者显然认为展示顺序非常重要。主播通常会围绕一两款“主打”产品来组织整个环节：这些产品受到重点推广、大幅折扣，旨在吸引观众并营造直播的情感氛围，就如同超市使用促销商品或百货商店的橱窗展示一样。虽然普遍认为“主打”产品本身就能带来销售，但这种观点是否成立、哪些产品会受到何种程度的影响，以及在什么条件下产生影响，目前尚缺乏实证研究。这个问题具有实际意义：如果转化率确实随与“主角”产品的距离系统性地变化，那么直播的顺序就变成了管理者可以操控的因素；如果处理不当，就会错失销售机会。

相关文献对此并未达成一致意见。在信息丰富的环境中，注意力是决定性的限制因素：当多个刺激同时竞争有限的认知资源时，某一时刻吸引的注意力会决定下一个时刻人们注意到什么和评价什么（Falkinger，2008）。从传统零售和选择理论来看，接近显眼商品的位置应能提高转化率（Chandon等人，2009；Ghose等人，2014；Bordalo等人，2013）；但后续研究指出相反的结果：当选项依次呈现而非并排展示时，前面的产品会成为比较标准，从而降低后续产品的评价（Mantonakis等人，2009；Chernev，2011；Bhargava和Fisman，2014）。直播正是一种这样的顺序展示，我们可以通过它来验证这两种理论。

基于此，我们提出了三个问题：首先，产品的转化率如何随着其相对于“主角”产品在销售顺序中的位置而变化？这种优势是仅作用于下一个产品，还是会在多个环节中逐步累积或减弱？其次，在什么条件下这种优势成立：产品的哪些属性使其接近“主角”时会更有优势，哪些属性又使这种优势减弱？第三，这些发现对“主角”产品在销售顺序中的位置有何启示？

为回答这些问题，我们收集了来自8123次抖音直播的411位大V的大量数据，计算了产品相对于“主角”产品的转化率。通过分析每个产品列表本身所具备的特征，我们发现可信度信号会减弱这种优势，而信息量则会在两个方向上影响转化率；只有当“主角”产品出现在播放顺序的前三分之一时，这种优势才会存在。

数据收集与分析
我们首先整理了抖音直播数据，涵盖了411位大V的411,252组产品-环节对，估计了产品转化率与它们与“主角”产品距离之间的关系。为了确定这种优势成立的条件，我们需要分析产品列表本身的特点。我们利用平台已记录的文本数据：大型语言模型读取每次环节开始时产品卡片上的列表标题，并从三个维度对其进行评分：列表的信息量、稀缺性的感知强度以及可信度信号的强度（McKnight等人，2002）。附录B详细介绍了这些评估方法的验证过程。

分析结果表明，靠近“主角”产品的产品转化率更高，尤其是紧邻“主角”的环节；这种优势在下游五个环节中仍然显著存在。无论我们如何定义对照组，或是否打乱位置与“主角”产品的关联，这一模式都保持不变。在不同的“主角”定义下，只有紧邻“主角”的环节的估计结果仍然成立；而其他位置的估计结果则不成立。不过，这种模式通常没有明显的方向性。正式测试显示，在“主角”产品前后，产品转化率的平均分布没有显著差异；只有紧邻“主角”的环节存在方向性差异。因此，我们将这种模式解释为一种位置关联（即“主角”产品周围的商品销量更高），而非环节间的影响传递。列表特征以多种方式影响了这种关联：可信度信号会减弱这种优势，信息量会在两个方向上影响转化率，稀缺性指标不够精确，无法明确其影响程度；而只有在“主角”产品提前出现的情况下，这种优势才会显现。

本研究有三个贡献：第一是实证贡献：我们明确了产品转化率如何随其相对于“主角”产品的位置而变化；这一变量在直播策略分析模型中被视为参数（Song等人，2026），但此前尚未被量化。第二是理论拓展：两种已有的理论对产品顺序优势的预测相反，我们确定了哪一种在何种位置和条件下成立。第三是方法论贡献：我们展示了如何将平台已记录的产品列表文本转化为可靠的指标，以评估其说服力，并提出了评估这些指标所需的可靠性和跨模型证据。

本文的其余部分结构如下：第2节回顾相关文献并阐述我们的预期；第3节介绍研究方法、数据和变量；第4节展示关于位置关联的实证结果、影响该关联的列表特征以及不同类别、环节格式和“主角”产品位置下的差异；第5节进行了一系列稳健性检验；第6节讨论研究的意义、局限性及未来研究方向。三个附录分别提供了补充诊断信息、列表特征评估方法的构建与验证过程，以及推断和方向性检验的结果。

直播商务作为一种电子市场
直播商务作为一种独特的电子市场，主播实时向观众介绍产品，结合了娱乐、社交互动和即时交易（Wongkitrungrueng和Assarut，2020）。与传统电子商务不同，观众可以在自己节奏下浏览静态商品目录；而直播则是主播控制下的、不可重复的产品展示序列，伴随着持续的时间压力和社会监督。

数据收集
我们通过第三方数据供应商从抖音收集了411位大V的直播数据，每位大V的粉丝数量超过1000万。其中131位大V的直播数据被纳入了分析样本，时间跨度为4月25日至10月25日。

为了探究转化率如何随产品与“主角”产品在销售顺序中的距离而变化，我们采用了事件研究方法，考虑了产品位置与“主角”产品之间的距离对转化率的影响。

稳健性检验
我们需要验证三个假设：首先，由于我们将销售额最高的产品指定为“主角”，因此变量计算中包含了实际销售数据，这种循环性可能导致位置与转化率的虚假关联；其次，由于主播有意安排产品展示顺序（前置促销产品、后置清仓产品），位置既与转化率相关也与距离相关，因此顺序梯度可能被错误地归因于“主角”产品；最后，由于注意力在直播过程中是动态变化的，这也可能影响结果。

结论
本文旨在探讨“主角”产品的位置对其周围产品转化率的影响，并确定在主播控制的不可重复直播序列中哪种理论预测成立。通过分析8123次抖音直播的260,252组产品-环节数据，我们发现紧邻“主角”的产品销售转化率最高（0.0177，p<0.01）。

在论文撰写过程中，作者使用了ChatGPT（OpenAI）进行语言和语法检查，并在部分实验中使用了Claude（Anthropic）。作者对AI辅助生成的文本进行了必要的审核和编辑，对最终发表的文章内容负全责。

本研究未接受任何公共机构、商业机构或非营利组织的资金支持。

作者声明
作者声明没有已知的可能影响本研究结果的财务利益或个人关系。