Xu, W., Zhang, X., Chen, R.*, & Yang, Z. (2023). How do you say it matters? A multimodal analytics framework for product return prediction in live streaming e-commerce. Decision Support Systems, 113984.

直播电商作为数字经济发展的重要创新业态之一，近年来发展迅速。相较于传统电商，该模式下更高的商品退货率不仅影响用户购物体验，也不利于整个行业的进一步健康发展。以往关于商品退货的研究主要集中于传统电商情景，对于直播电商领域的退货研究仍然缺乏。因此，本研究通过基于真实客观二手数据进行多模态特征提取，构建了直播电商情境下的商品退货率预测模型。

本文的贡献主要包括以下几个方面：第一，这是首个研究直播电商中商品退货问题的研究，并创新性地设计了一个同时考虑产品信息和直播记录的产品退货预测模型。第二，设计了多模态学习框架从不同数据源(产品描述和直播记录)中提取多模态特征(文本、视觉、声学、数字特征)，并能提取不同模态数据间的关系。实证分析表明，提取的多模态特征在退货预测任务中都是有价值的。第三，很少有研究涉及声学特征在电子商务领域的商业应用，而本研究提出了名为“OpenTransformer”的声学特征提取模型，在本任务中表现出了高于基线模型的提取性能。此外，本研究也具有一定的管理和实践意义。具体而言，主播可以更有效地准备他们在直播中的言论，从而降低产品退货率，并逐渐提高他们的声誉。此外，实验结果表明，产品的文本信息和视觉信息都有助于预测产品退货。当商家设计有关产品描述时，可以着重考虑这方面的信息。此外，通过我们的模型，平台可以在直播过程中及时预测高退货率的产品，提供预警功能从而提高客户满意度，支持直播电商行业的健康发展。