近年来,我国社交电商平台发展迅猛,其中短视频营销功不可没。由于其沟通方便,互动性强,这一营销方式受到越来越多的用户的青睐。作为短视频管理的平台方,如何判断视频内容对用户是否“有用”是其亟待解决的问题之一,因为“有用”的视频是平台进行精准推荐的重要依据。当前大量的研究聚焦于在线评论的文本有用性和图片有用性上,鲜有针对短视频有用性的研究。鉴于此,本文以社交电商平台中的短视频为研究对象,基于信息采纳模型,对短视频有用性进行了深入研究。在理论方面,从短视频内容和短视频发布者两个方面,对短视频有用性的影响因素进行了梳理,建立了短视频影响因素理论模型,运用面板随机效应回归方法找出了显著的影响因素。基于此,运用机器学习stacking集成方法构建了短视频有用性预测模型。在方法方面,短视频数据存在难以度量、个体效应不好理解等难点问题。对于难以度量的文本情感值和音频情感值,本文在数据预处理阶段,基于长短时记忆网络对视频描述的文本情感值进行了计算,并基于梅尔频率倒谱系数对视频内容中的音频情感进行了计算;对于个体效应不好理解的问题,在模型求解阶段,将个体异质性的截距项引入到了面板随机效应方法中。基于社交电商平台小红书的数据进行了实证研究,结果表明视频描述的文本可读性、视频发布者动作与商品的相关度、视频情感值、视频评论数、视频发布者粉丝数、视频发布者累计获赞数、视频发布者累计发布作品数均对短视频的有用性有较大影响。基于构建的预测模型进行的实证研究结果表明,本文提出的方法对短视频有用性的预测效果良好。本文关于社交电商平台中短视频有用性的研究丰富了以往的信息类型,从文本评论、图片扩展到了视频,完善了在线评论信息有用性理论模型。本文提出的短视频有用性预测方法为短视频的精准推荐提供了理论依据。