One Picture Is Worth a Thousand Words? The Pricing Power of Images in e-Commerce
One Picture Is Worth a Thousand Words? The Pricing Power of Images in e-Commerce(The Web conderence2020 Accepted paper)を読んでまとめました。
解釈間違い等ある時がありますので、その場合指摘いただけると助かります。
目次
背景と概要
- e-commerceにおいて、商品紹介文と特に画像はユーザーの意思決定に重要な情報を与えている事が知られている。
- しかし画像と価格の関係性はまだよく知られていない。
- 画像の外観と価格の間の因果関係を示した。
- 本論文では以下のWeb-miningフレームワークが提案されている
- Deep learningと統計的推論を含む3ステージ
- ステージ1:Price Adjustment
- 回帰
- ステージ2:Image Sentiment
- CNNの転移学習
- ステージ3:Hedonic Regression
- 回帰
- picture superiority effect:価格の変化において有益な画像は2856.03文字追加するのに相当すると結論づけられている。
問題設定
以下を考える
今回の問:がどの程度を説明するのか(他の共変量はコントロールされている)
以下の式で表されている。
提案アプローチ
以下の3ステージのアプローチが提案されている
- ステージ1: Price Adjustment
- ステージ2:Image Sentiment
- ステージ3:Hedonic Regression
検証データ
Real Estate Listings
説明変数
- 以下が主な変数およびその統計量となる。
- サイズ
- ベッドの数
- バスルームの数
- 画像の数
- 文章の長さ
結果抜粋
Image Sentimentと価格の関係性
- 以下がImage Sentimentを含めた変数の回帰係数を示している。
- Image Sentimentの寄与が大きく、目的変数であるmonthly rentに対してプラスに効いている。
- 画像の数はあまり効かないと思われる。
Image Sentimentと文章の比較
- 以下がImage Sentimentや文章に関する変数を含めた回帰係数を示している。
- ここの結果をもって本論文では、Image Sentimentが2856.03個分のwordと等しい影響をmonthly rentに与えると記述している。
予測モデル毎の精度比較
- 主に以下の分け方で予測モデルを作り、精度の比較を行っている
- M0:上記control variablesのみ
- M1,M1a,M1b:control variablesおよび画像に関する特徴量
- M2,M2a,M2b:control variables、画像および文章に関する特徴量