01 研究背景
近年来，直播带货已经从一种新兴电商形式迅速发展为平台经济中的重要交易场景。与传统电商依赖图文、评论和预录视频不同，直播带货的核心特征在于实时互动：主播一边展示商品，一边回答观众问题、调动情绪、制造促销氛围，并在有限时间内推动消费者下单。在这种场景下，主播不仅是商品信息的传递者，也是销售节奏、情绪氛围和购买压力的制造者。相比电视购物中相对固定、可排练、可剪辑的销售脚本，直播带货更强调“现场反应”。主播面对的是大规模、匿名且行为不断变化的观众群体，无法像线下销售一样观察顾客的表情、肢体语言和即时反应。因此，直播销售的成败不仅取决于商品本身，也高度依赖主播在复杂环境中的即时判断与即兴调整能力。
这种情境也提出了一个重要的信息系统问题：实时数据究竟会帮助决策者，还是反而增加负担？过去关于数据驱动决策的研究，更多关注企业如何利用历史数据、仪表盘和分析工具进行计划性决策，例如预测需求、优化库存、改进招聘或提升经营效率。但直播带货中的决策并不是慢节奏、可反复推敲的分析过程，而是发生在高互动、高不确定性和强时间压力下的即时决策。主播需要同时完成讲解商品、回应观众、调节气氛和促进成交等多重任务。此时，如果平台向主播展示实时销售数据，主播可能据此判断当前商品的市场反应，及时调整促销话术、情绪表达和讲解节奏；但也可能因为额外信息输入而分散注意力，甚至产生认知过载。正是在这一理论张力下，He 等人的研究将目光投向直播带货中的主播端实时销售数据，试图回答：在高速变化的数字销售场景中，实时数据是否真的能够改善人的现场决策，并最终提升销售绩效？
02 研究问题：直播带货中“实时销售数据”对主播行为和销售结果的影响
本研究提出三个研究问题：第一，平台向主播提供实时销售数据，是否会提升直播中的商品销售绩效？第二，如果销售绩效确实提升，主播是通过哪些即兴销售策略实现这一结果的，例如促销话术、情绪表达或讲解节奏的调整？第三，实时销售数据的作用是否存在边界条件，也就是说，它是否对某些主播或某些商品更有效？这三个问题共同指向一个更深层的理论关切：在高互动、高不确定性和强时间压力的直播销售场景中，实时数据究竟能否帮助主播改善现场决策。
03 实验设计
为了判断实时销售数据是否真的有效，作者与淘宝直播合作，在 2020 年 12 月 1 日至 3 日开展了一次发生在真实平台环境中的实验。实验聚焦于直播中的预售商品，这类商品通常需要消费者先支付订金，再在之后补齐尾款并等待发货。相比普通商品，预售商品往往缺乏历史销量和评价信息，因此主播更难判断消费者的真实需求，也更依赖现场反馈来调整销售策略。在实验中，平台将主播随机分成两组：一组主播可以在后台看到预售商品的实时销售数据，例如当前的订金金额和尾款金额；另一组主播则无法看到这些信息。除了这一点差异之外，两组主播在直播环境、商品类型以及平台规则等方面基本一致。这种在真实商业环境中的随机分组，使得实验结果更具有现实意义和外部有效性。
这样的设计可以帮助研究者更清楚地识别实时数据的作用。如果在实验结束后，两组主播所销售的预售商品表现出明显不同的销量，就可以更有把握地将这种差异归因于“是否能够看到实时销售数据”。最终，研究样本包括 457 名主播，以及 9,063 个“直播场次—预售商品”层面的观察数据，能够较为细致地分析每个商品在不同条件下的销售表现。为了确保实验结果可靠，作者还对两组主播在实验前的基本情况进行了比较，包括粉丝数量、是否为专业主播、历史直播次数、直播时长以及主播评分等指标。结果显示，两组在这些方面没有显著差异，这说明随机分组是成功的，也为后续分析提供了坚实基础。这也意味着后续观察到的差异更可能来自实验处理本身，而不是主播之间原有的差别。
04 结论
研究结果非常明确：当主播能够看到预售商品的实时销售数据时，这些商品的销量显著提高，处理组相比控制组的销量大约增加了40.21%。这说明，在直播带货这种节奏很快、观众反应很难预测的场景中，实时数据确实可以帮助主播做出更有效的现场判断。但文章的重点不只是“数据让销量变高”，还进一步解释了销量为什么会变高。作者发现，看到实时销售数据后，主播会更积极地调整自己的销售方式：他们更频繁地催促消费者下单，更多使用带有情绪感染力的表达，说话速度更快，并且会缩短单个预售商品的讲解时间。换句话说，实时数据帮助主播更快判断当前商品是否受欢迎，并据此调整推销节奏和表达方式。不过，实时数据并不是对所有情况都同样有效。它对不确定性更高的商品更有价值，例如小商家商品和体验型商品；同时，它也更适合能力更强、更受欢迎或评分更高的主播。对于经验不足或能力较弱的主播，实时数据未必能自动带来好结果，甚至可能成为额外负担。文章最终说明，平台提供的数据工具并不是简单地“给数据就有用”，关键在于数据是否能被主播及时理解、灵活使用，并转化为有效的现场销售行为。此外，这一发现也提醒平台在设计数据工具时，需要考虑不同主播的能力差异，避免“一刀切”的信息展示方式。对于主播而言，如何在高压环境中快速理解并利用数据，也成为提升销售能力的重要一环。从更广的角度来看，这项研究也为理解数字化工具如何影响一线决策提供了有价值的现实证据，也为未来相关研究提供了新的思路。
参考文献：He, Y., Huang, N., Wang, L., & Sun, Y. (2025).Real-Time Sales Data, Streamer Improvisation, and Sales Performance: Evidence From Live Stream Selling1. MIS Quarterly 1 December 2025; 49 (4): 1567–1594. https://doi.org/10.25300/MISQ/2025/18627
文章链接：https://doi.org/10.25300/MISQ/2025/18627
作者详细信息：
Yumei HE
Position: Assistant Professor of Management Science Area, A. B. Freeman School of Business, Tulane University
Area: digital interventions, human-AI collaboration, the commercialization of Generative AI and Large Language Models (LLMs)
Site: https://freeman.tulane.edu/faculty-research/management-science/yumei-he
Email: yhe17@tulane.edu
Ni HUANG
Position: Professor inDepartment of Business Technology, Miami Herbert Business School, University of Miami
Area: live streaming, online dating, online learning, online healthcare, mobile applications, and digital commerce
Site: https://people.miami.edu/profile/7abce556c6974d74e71c89fb865e4553
Email: nxh558@miami.edu
Lingli WANG
Position: Associate Professor inDepartment of Economic Information Management, School of Information, Renmin University of China
Area: Human-AI interaction; Live-streaming e-commerce; Online learning; User behavior in information systems
Site: 王伶俐 - 副教授 - 经济信息管理系 - 按教学机构查询 - - 中国人民大学信息学院
Email: wang.ll@ruc.edu.cn
Yan SUN
Position: DAMO Academy, Alibaba Group, Hangzhou, China
Email:sunyan.sy@alibaba-inc.com
