学术交流回顾 | Deep-DiD 模型在创作者激励计划中的创新应用

       2025 年 4 月 23 日（星期三）上午，香港中文大学商学院市场营销系助理教授汪静波到访中山大学中观经济学与区域产业协同发展重点实验室开展学术交流。实验室执行主任徐现祥教授出席并主持交流会。

       汪静波助理教授此次交流主题为 Deep-DiD 模型在视频平台创作者激励计划中的创新应用。他以某大型视频分享平台推出的 “创作者签约计划” 为研究对象，该计划旨在签约创作者并激励其在平台上产出更多高质量视频内容。汪教授团队基于平台的匹配数据集，运用双重差分法（DiD），实证分析了签约计划对创作者表现的影响。研究发现，签约计划显著提升了创作者的产出与影响力，签约创作者不仅上传视频数量大幅增加，其视频带来的用户观看总时长和互动参与度也显著高于未签约创作者。

       更具创新性的是，汪教授提出了一种新颖的 Deep-DiD 模型，该模型将深度神经网络与双重差分法相结合，突破传统模型只能评估平均处理效应的局限，实现对签约计划个体层面异质性处理效应的精准测算。通过挖掘创作者处理前的多维特征，该模型能够为平台筛选出预计激励效果最佳的创作者。对比显示，基于 Deep-DiD 模型筛选的创作者，其预计处理效应显著高于平台原有筛选机制，且在实际表现上实现了更大幅度的跃升。此外，研究还强调了非结构化数据的价值，将视觉、音频等特征纳入模型，进一步提升了评估与预测的准确性，为视频平台内容生态优化提供了全新的方法论视角。

       在交流过程中，汪教授详细介绍了研究的关键要点。他指出，Deep-DiD 是一种较新的方法，目前应用相对较少，而深度学习此前在营销领域已展现出良好的适用性。与传统 DiD 使用平均处理效应（ATT）不同，此研究结合机器学习聚焦异质性处理效应同时，汪教授还分享了研究中使用的工具和方法，如采用 PyTorch 而非 tensorflow进行模型估计，通过交叉验证处理不同模型，运用 deepseek 分析文本数据等。

       在讨论环节，与会师生踊跃发言，围绕 Deep-DiD 模型的应用场景拓展、非结构化数据处理细节、不同模型选择的依据等问题展开了深入探讨。大家积极交流想法，现场学术氛围浓厚。

       最后，徐现祥教授对本次交流进行总结。他对汪静波助理教授带来的前沿研究分享表示衷心感谢，并指出汪教授提出的 Deep-DiD 模型及其在创作者激励计划中的应用，为营销分析与量化研究提供了新的思路和方法，对推动相关领域的学术研究和实践应用具有重要意义，鼓励师生们积极学习这种创新的研究模式，探索学术前沿。

       会后，与会师生亲切交流，本次学术交流活动圆满结束。