本发明属于数据分析，具体涉及一种带货视频时长对产品销量的预测方法。
背景技术：
1、随着互联网技术的迅速发展，网络经济已经融入生产生活的各个方面，线上购物成为常态。短视频作为一种新兴的媒体形式，凭借其内容丰富和传播即时的特点，迅速适应了新媒体营销时代的需求，成为不可或缺的工具，对企业营销策略和自媒体带货模式产生了革命性的影响。带货短视频的收益直接体现在产品销量上，因此，探究产品销量的预测方法至关重要。
2、视频时长过长会使观看者产生疲惫心理，而时长过短会导致提供信息不足。合理优化视频时长不仅可以显著提升信息传递效率，确保观众在短时间内获得关键信息，进而提高购买转化率，还能维持观众的兴趣和注意力，避免由过长内容导致的观众流失。因此，确定合理的带货视频时长，提高产品销量至关重要。但是目前，大多数产品销量预测的相关发明主要集中关注短视频内容、创意和传播策略等方面，忽略了带货视频时长对预测产品销量的重要作用。此外，在带货视频产品销量研究方面，学者们多采用线性模型分析各影响因素对销量的影响，较少探究非线性关系，而在现实生活中，使用非线性关系预测更为准确。
技术实现思路
1、本发明的目的在于为解决现有技术存在的上述问题，提供一种带货视频时长对产品销量的预测方法。
2、本发明分析的数据是从达多多抖音数据平台获取到的带货视频相关数据。其中包括带货视频的销售数据，以及相关的博主和产品数据。通过对大量视频数据的分析处理，获得表现视频特征中的一些关键信息，如视频的实际时长、点赞数、转发数和评论数，产品的类别、销量和销售额，以及博主的粉丝数和总点赞数等。进一步利用计量经济模型，探究带货视频时长对产品销售量的倒u型影响，分析得到影响带货产品销售量的关键因素，并建立模型预测带货视频时长对产品销量的影响，可为平台和带货自媒体主播及时调整营销策略，解决带货视频时长与产品销量之间的关系问题提供有用的指导。
3、为实现上述目的，本发明采取的技术方案如下：
4、一种带货视频时长对产品销量的预测方法，所述方法包括以下步骤：
5、步骤一：获取原始数据集；首先根据抖音数据平台的导出数据功能获取带货视频基础信息，然后在douyin.com上获取带货视频剩余信息，得到原始数据集；
6、步骤二：数据预处理；对原始数据集进行数据预处理，包括依据视频网址将带货视频基础信息与剩余信息进行合并、数据统一单位和删除缺少数据的样本，得到预处理后的数据集；
7、步骤三：变量定义和计算；通过对带货短视频和倒u型关系检验的梳理，确定带货视频时长对产品销量影响的研究模型，如式(1)所示，对研究模型所需的变量进行定义，并利用步骤二得出的预处理后的数据集对所需的变量进行计算；即产品价格由产品销售额/产品销售量计算得出，视频实际时长二次项与视频实际时长三次项由乘方计算得出；
8、
9、上式中：i为类别，j为带货视频，lnqij为因变量，即第i个类别第j个带货视频的产品销量的对数；lndurationij与lnduration2ij均为自变量，即第i个类别第j个带货视频的视频实际时长的对数与视频实际时长的对数的二次项；controlij为第i个类别第j个带货视频的控制变量，包括第i个类别第j个带货视频的带货视频评论数、带货视频转发数、带货视频点赞数、博主粉丝数与博主总点赞数，classfei为类别随机效应，ε0为随机扰动项；系数β10为常数项；系数β11代表视频实际时长的对数对产品销量的对数的影响；系数β12代表视频实际时长的对数的二次项对产品销量的对数的影响；系数∑θij代表控制变量对产品销量的对数的影响；
10、步骤四：计量经济模型分析；基于研究模型将定义出的变量分别设定为被解释变量、解释变量、调节变量和控制变量，将产品类别变量加入研究模型以固定产品类别效应，使用最小二乘回归构建包含上述被解释变量、解释变量和控制变量的计量经济模型，如式(1)所示，利用倒u型关系检验三步法，将步骤三中得到的变量数据导入stata软件来拟合计量经济模型，计算得到计量经济模型的系数和残差项；
11、步骤五：稳健性检验；通过根据拐点拆分数据进行分样本线性回归、排除s型关系的可能、对自变量进行截尾处理的方法对计量经济模型进行稳健性检验；若计量经济模型通过了稳健性检验，则该模型具有可靠性，将步骤四计算得到的计量经济模型的系数和残差项带入计量经济模型，即得到带货视频时长对产品销量的倒u型关系的预测模型；若未通过稳健性检验，则需对预测模型进行再次构建与分析，即返回步骤四；
12、步骤六：异质性检验；探究产品价格与产品类别对两者倒u型关系的影响。
13、进一步的是，步骤一具体为：首先根据达多多抖音数据平台的导出数据功能获取带货视频基础信息，然后利用python爬虫程序在douyin.com上获取带货视频剩余信息，从而得到原始数据集。
14、进一步的是，所述带货视频基础信息包括带货视频评论数、带货视频转发数、带货视频点赞数、产品销量、产品销售额、视频网址；所述带货视频剩余信息包括视频实际时长、博主粉丝数、博主总点赞数、产品类别、视频持续时长。
15、进一步的是，步骤三中，对研究模型所需的变量进行定义，包括产品销量、视频实际时长、视频实际时长二次项、视频实际时长三次项、产品价格、带货视频评论数、带货视频转发数、带货视频点赞数、博主粉丝数、博主总点赞数、视频持续时长、产品类别。
16、进一步的是，步骤四中，所述基于研究模型将定义出的变量分别设定为被解释变量、解释变量、调节变量和控制变量，具体为：
17、将产品销量作为被解释变量；将视频实际时长、视频实际时长二次项、视频实际时长三次项作为解释变量；将带货视频评论数、带货视频转发数、带货视频点赞数、博主粉丝数、博主总点赞数、视频持续时长作为控制变量；产品价格作为调节变量。
18、进一步的是，步骤六中，所述探究产品价格与产品类别对两者倒u型关系的影响；具体为：
19、通过以产品价格为调节变量的调节作用检验与按照产品类别进行分样本回归的检验方法对上述计量经济模型进行异质性检验；分别进行倒u型关系检验后进行比较。
20、进一步的是，所述以产品价格为调节变量的调节作用检验需要在步骤四的模型基础中引入产品价格与视频实际时长的交互项、产品价格与视频实际时长二次项的交互项、产品价格变量，并关注产品价格与视频实际时长二次项的交互项的系数的显著性。
21、进一步的是，所述按照产品类别划分为搜索型与体验型产品，搜索型产品是指产品的主要属性，即颜色、尺寸、材质，通过能够获得的相关信息来客观评估的产品；体验型产品是指通过其他人体验使用后，给出评论信息后，能够了解商品的质量的产品。
22、与现有技术相比，本发明的有益效果是：
23、本发明的预测方法首先运用来自达多多抖音数据平台与douyin网站的带货视频的销售数据，以及相关的博主和产品数据，并根据数据计算模型所需的变量，如产品价格等，以及将带货产品类别层面的特征进行控制，构建计量经济模型，通过倒u型关系检验三步法分析带货视频时长与产品销量的倒u型关系，并探究产品价格与产品类别对带货视频时长与产品销量的倒u型关系的影响，即异质性检验，基于模型分析结果得出带货视频时长与产品销量的倒u型关系的预测方法。本发明的预测方法在管理带货视频领域，将带货视频时长的影响纳入考虑，同时将带货视频评论数、带货视频转发数、带货视频点赞数、博主粉丝数、博主总点赞数等要素全面的纳入考量，构建计量经济模型，探究带货视频时长对产品销量的倒u型影响关系，为短视频平台管理者与带货博主合理确定带货视频时长提供实践指导。其次，本发明的预测方法可以根据每个产品类别的独特特征进行考量，依据特定产品类别的数据构建属于特定产品类别自己的计量经济模型，针对性的为平台与带货博主提供更好的服务。最后也极为重要的，本发明的预测方法中计量经济模型也可以大量分析带货视频销售数据，对销量数据和产品与博主信息进行全面的、高效的挖掘和分析。
1.一种带货视频时长对产品销量的预测方法，其特征在于：所述方法包括以下步骤：
2.根据权利要求1所述的一种带货视频时长对产品销量的预测方法，其特征在于：步骤一具体为：首先根据达多多抖音数据平台的导出数据功能获取带货视频基础信息，然后利用python爬虫程序在douyin.com上获取带货视频剩余信息，从而得到原始数据集。
3.根据权利要求2所述的一种带货视频时长对产品销量的预测方法，其特征在于：所述带货视频基础信息包括带货视频评论数、带货视频转发数、带货视频点赞数、产品销量、产品销售额、视频网址；所述带货视频剩余信息包括视频实际时长、博主粉丝数、博主总点赞数、产品类别、视频持续时长。
4.根据权利要求1所述的一种带货视频时长对产品销量的预测方法，其特征在于：步骤三中，对研究模型所需的变量进行定义，包括产品销量、视频实际时长、视频实际时长二次项、视频实际时长三次项、产品价格、带货视频评论数、带货视频转发数、带货视频点赞数、博主粉丝数、博主总点赞数、视频持续时长、产品类别。
5.根据权利要求1所述的一种带货视频时长对产品销量的预测方法，其特征在于：步骤四中，所述基于研究模型将定义出的变量分别设定为被解释变量、解释变量、调节变量和控制变量，具体为：
6.根据权利要求1或5所述的一种带货视频时长对产品销量的预测方法，其特征在于：步骤六中，所述探究产品价格与产品类别对两者倒u型关系的影响；具体为：
7.根据权利要求6所述的一种带货视频时长对产品销量的预测方法，其特征在于：所述以产品价格为调节变量的调节作用检验需要在步骤四的模型基础中引入产品价格与视频实际时长的交互项、产品价格与视频实际时长二次项的交互项、产品价格变量，并关注产品价格与视频实际时长二次项的交互项的系数的显著性。
8.根据权利要求6所述的一种带货视频时长对产品销量的预测方法，其特征在于：所述按照产品类别划分为搜索型与体验型产品，搜索型产品是指产品的主要属性，即颜色、尺寸、材质，通过能够获得的相关信息来客观评估的产品；体验型产品是指通过其他人体验使用后，给出评论信息后，能够了解商品的质量的产品。
