C2C电子商务动态信用评价模型研究分析Word下载.docx
- 文档编号:16845434
- 上传时间:2022-11-26
- 格式:DOCX
- 页数:21
- 大小:48.90KB
C2C电子商务动态信用评价模型研究分析Word下载.docx
《C2C电子商务动态信用评价模型研究分析Word下载.docx》由会员分享,可在线阅读,更多相关《C2C电子商务动态信用评价模型研究分析Word下载.docx(21页珍藏版)》请在冰豆网上搜索。
数据挖掘,电子商务。
+l,i„=lF„_1(好评)K=U„=『„_!
(中评)
=R„-,,w„二双“+i(差评)
C=Rn-W„
(2)
P=—(3)
n
c„=c_,+C(4)
其中交易的次数为n,好评的个数为R„,差评的个数为W,C表示用户得到第n次信用反馈后的评分,P为好评率,C„表示用户的当前信用度,C„_,表示用户上一次交易结束后的信用度.
本文分析现有的C2C模型和算法发现存在如下问题:
2.1信用评价模型的缺陷
C2C信用评价模型大多数是采用“好、中、差”三个档的模糊评价体系⑷,分值分别是“1,0,-1”,它是一种交易型信用评价体系模式,其等级设计过于简单化,不一定能客观的反映出评价两方的真实态度.因为对于“好、中、差”评、物品的质量、物流的快慢和服务的态度以及当时评价人的心情等多个方面的感受基本上都取决于评价人的主观想法,没有统一的一个标准,即不同的人对同一物品有不同的心里评价标准.比如很多人习惯性对比较满意的商品给于好评,但也有一些人习惯觉得比较满意就给中评.
2.2信用度变化只与交易次数有关,与交易金额无关
在实际交易过程当中,一般交易价值越大,信任风险也就越大.而在淘宝网上,更多注重的是交易次数,与价格没有关系,这就可能出现信息不对称的现象.因为交易过程中几元钱的交易与几百元或几千元、甚至上万元的交易所获得的评价机会是相同的,而且信用度分值的增减也是相同的.如卖100件1元的商品获得的信用假如是100分,而卖一件1000元商品获得的信用才1分,相差100倍,而实际上,一件1000元商品的评价的参考价值远远超过那100件1元的商品的评价.
2.3近期信用度影响卖家信用度的变化不大
因为信用度是由于卖家前期积累下来的,卖家有可能积累到较高信用度时,转卖差的产品,后期的差评对高信用度的卖家影响变化小.在电子商务网站中,近期评价累计的信用评分更具有参考价值,也是商家最近卖的产品真实反映.
2.4缺乏考虑评价人的信用度
在淘宝网中没有考虑评价人的信用度,而是采用每一位交易者对卖家的评价做简单累计的方法,即对卖家的信用度变化影响是相同的.这就打击了消费者对卖家及时评价的积极性,甚至可能会导致恶意评价或信誉诋毁等行为,这在C2C网站交易中常发生的事情.事实上,高信用度的用户做出的评价具有更高的参考性,应考虑对被评用户的信用度变化的影响加大.
2.5退货不参评问题
在淘宝网的交易中,如果消费者收到商品后发现有问题或不满意实现退货,这时买卖双方都不能互相评价.而在实际当中,这是一个很大的漏洞.货是进行交易了,但不能说货退了,就不能参评,我们应该要考虑究竟是什么原因造成的退货,如尺码、型号,质量不佳、与描述不符合、腿色等问题,不同问题应该要不同对待.
2.6对修改后的评价积分问题
在淘宝网中,交易完成后,客户收到的物品有质量问题,跟店家描述的不一致等,消费者给于差评,有的卖家发短信说退多少钱给消费者改为“好评”或“中评”,甚至有些还一直打电话骚扰让改为“好评碰到这种情况许多买家勉强给于好评,这样修改后的好评与未修改的好评分值均为1,对被评用户的信用度影响是相同的.这些评价都有失信用度的真实性.
2对现有的C2C信用评价模型的不足提出建议与策略
C2C网络购物是网络交易重要组成部分,正快速的发展,但是,如何在发展的同时逐步规范,以减少损害当事人正当权益的事件发生、促进合理公平的信用评价和惩罚机制的形成,是当前迫切需要研究并加以解决的问题.本文从理论上提出以下几个方面的建议:
对信用评价等级过于简单问题提出新的等级设计
根据目前的“好、中、差”评三种简单模式,在原有基础上增设几个评价等级,为消费者评价提供更多的选择空间•如设为“很好”、“好”、“中”、“差”、“很差”等五个评价等级,对应的分值为“2,1,0,-1,-2”,并分别给出对应每个等级的统一标准.如“对质量非常满意、跟店家描述完全符合,商家服务态度非常好,发货速度快”即可给予“很好”的评价.
2.1对交易金额无关信用度问题提出新的算法
在评价模型体系中将交易金额作为重要参考之一’占一定的权重,金额设置评分权重,小金额交易影响的信用度值变化少,大金额交易影响信用度值变化大.使用交易金额直接加权累积的方法即交易金额直接作为权重乘以每次交易获得的评分,如销售5000元的商品获得的信用度,对于低价X元的商品要销售5000/X件才可以获得同样的信用度.这样有效的防止信用炒作.因为如果想要快速的累积信用度,就必须要进行高价商品交易才能达到目的.然而,进行高价商品交易一方面需要大量的资金,这样提髙了炒作的成本,另一方面,因为资金髙商家或被委托炒作的人都担心被对方骗了而无处申诉.所以这种方式有效的预防了信用炒作的发生[8]■
2.2对影响信用度变化少的两个因素进行重新调整
在淘宝网中,近期的信任度和评价人的信任度对影响信用度的变化小,这就使得一些人有机可乘.本文建议近期的信任度和评分人的信任度对信用度的影响加大,因为近期评价累计的信用度才是商家最近卖的产品真实反映;
信用度高的人比信用度差的人说话更可信,同时也说明其在网络购物中交易记录比较多,也就是有比较好的心态和一定的分辨能力.所以可以采用权值方法来解决,如历史的信用度对现有信用度值的变化影响根据时间来占权值,时间越久的信用度影响越小;
越近的信用评价对信用度的影响越大.评价人的信用度越髙,评价出的分值对信用度影响越大.可以参考的方法:
如最近0.5年的评分*0.9,最近一年的评分*0.8,最近1.5年的评分*0.7……前5年的评分*0.1.如果对于髙信用的商家,近期被给与差评的扣分机制可适当加大.又因为评价人的信用度分等级,假设信用度分为5个等级,最髙信用度为第五等级其评分*0.4,第四等级评分*0.3,第三等级*0.2,第二等级*0.1,第一等级也就是受到过惩罚的或身份未认证的用户的评分*0.
2.3对修改后的评价和退货不参评问题提出新的策略
对要求修改后的评价对信用度值不增加分值,但可以显示评价信息,这样减少受到卖家的电话骚扰.退货也应该参与评价,因为退货有很多种原因,如果因为质量问题而退货,货是退了,但对商家没有任何影响,商家还可以继续卖差的产品,所以应考虑退货的各种原因,同样参与评价以及要显示退货原因的记录,并且评价的分值等同于正常的评价分值.
2.4对恶意攻击、虚假交易等问题提出的建议
2.51建立完善的法律体系和新的惩罚机制,对信用炒作、信用诋毁、信用榨取等行为,信用评价体系必须能够找出这样的卖家’并采取针对性的措施,给予严厉的惩罚或赔偿责任,严重者最终将此类卖家逐出市场.
2.52无论是商家还是消费者都严格执行采用实名制(一个注册名对应一个实际名字)如采用身份认证、手机认证、居住地址认证,发货收货地址认证等实现动态跟踪商家和消费者.
2.53使用一定的奖励方式鼓励交易者及时参评或对不参评者使用一些扣分、或简单惩罚方式.笔者根据上面改进的方法得到一种C2C新的信用评价模型如图2所示:
o
交易成功/退货成功
商家
消费者
被评对象的历史信用度
根据新等级给予该次的评价
<
本次交易金额产生的信用度
>
评价人的历史信用度
V
退货评价
)
杳看评价规则给予评价
产生新
的评价
商家的信用度、信用等级
消费者的信用度、信用等级
图2:
新的C2C倍用评价模型结构
3结束语
随着电子商务的不断向前发展,网络购物尤其是个体消费者网络购物的数量、金额快速地增长,所以加强电子商务网站的信用评价对于消费者和商家其重要性也越来越大.本文提出一种对C2C新的信用度的评价模型,希望能够提高国内C2C电子商务网站的信用评价体系,降低网络购物的风险,进一步推动电子商务的发展.
[参考文献]
[1]CNNIC第29次中国互联网络发展状况统计报告[EB/OL].2012-01-16[2012-03-10].http:
//www.cnnic.com.cn.
[2]原娟娟.改进的C2C电子商务信用评价模型及算法研究[J]-价值工程,2012(34):
149-150.
[3]彭惠,王永瑞•C2C信用评级制度的有效性及改进[J].北京邮电大学学报,2011,13(6):
53-61.
[4]孟丛,王新春•基于C2C模式的电子商务信用评价模型研究[J]•济南职业学院学报,2008(6):
103-113.
[5]刘春明.C2C电子商务个人信用评价问题实证研究[J].商业时代,2010(26):
48-28.
[6]江朦朦,周哲•对C2C模式下网上交易信用机制的思考[J].商业研究,2010
(1):
91.
[7]张巍,朱艳春.C2C网上拍卖中的信任计算模型研究[J].计算机工程与应用,2006,42(13):
5-7.
[8]贾艳涛,虞慧群.基于C2C的可信信用评价模型[J].计算机工程,2010(18):
256-258.
(责任编辑:
李洁坤)
OnProblemsofCreditEvaluationModeforC2CE-commerceSites
HUANGHongliu;
JIANGLinli
(DepartmentofMathematicsandComputerScience,LiuzhouTeacherCollege,Liuzhou,Guangxi545004China)
Abstract:
AimingattheinformationasymmetryandthetraderscreditproblemsinE-commercewebsiteandtakingtheTaoBao.comasanexample,thispaperpresentsanewC2Ccreditevaluationmodelbymeansofanglicizingthedegradedesigning,andthefactorsimpactingthecredit,theevaluationmodifyingandevaluationofreturningthegoods.
Keywords:
onlineshopping;
C2CE-commercewebsite;
creditevaluationmodel
郭亦涵,郑植
第13卷第4期北京邮电大学学报(社会科学版)V。
】.13,No.4
2011年8目JournalofBeijingUniversityofPostsandTelecommunications(SocialSciences'
Edition)Aug.2011
•电子商务•
究
研
型
模
价
评
用
信
站
网
务
商
子
电
C
C2
(北京邮电大学经济管理学院,北京100876)
摘要:
回顾C2C电子商务的发展,讨论目前的信任评价系统中存在的问题。
在调査研究的基础上,提出一个新的信用评价模型。
模型分为两部分:
一是信用反馈评价指标体系的设计,反映评价者的主观意愿,其中运用AHP方法确定各指标权重;
二是综合考虑对信用评价有重要影响的其他因素,与信用反馈评价指标体系集结成为基于多影响因素的信用评价模型。
信用评价模型;
AHP;
电子商务网站
中图分类号:
F713.363文献标识码:
1008-7729(2011)04-0021-05
一、研究背景
随着科学技术的发展进步,人们的生活已经逐渐步入互联网的时代。
互联网在人们的日常生活中扮演的角色越来越重要,越来越多的人利用互联网展开各种活动,其中就包括在网上进行商品交易。
而为人们在网上进行商品交易提供服务的C2C电子商务网站在我国也相应地呈现出了蓬勃发展的趋势。
由中国互联网协会、DCCI互联网数据中心联合发布的《INTERNETGUIDE2007中国互联网调查报告》数据显示,2006中国互联网C2C电子商务网站交易规模达216亿元。
到2008年,我国C2C的交易规模已经达到1194.7亿元,实现了130.6%的高增长。
国内市场份额遥遥领先于竞争对手的淘宝网在2008年的注册用户即已经达到9800万,并且还在持续地高速增长中⑴。
此外,2008年6月发布的《2008年中国网络购物调查研究报告》给出,中国总体网络购物渗透率达到27.9%,也就是说半年内在网上买过东西的用户数量占网民数量的比例达到了27.9%。
其中网络购物渗透率最高的城市上海巳达到45.2%。
通过上面的数据不难看出,C2C电子商务已经成为我国互联网信息服务的重要领域之一,具有相当大的交易规模和用户数量,且仍在持续地高速发展中[2]。
但是C2C电子商务主要参与者为个体,市场进出壁垒低,参与者可以匿名并易于注册等特点,导致了其交易风险较大,网上诈骗现象屡出不穷,这极大地阻碍了电子商务的发展。
因此,减少C2C电子商务交易风险,促进诚信交易巳成为网上交易安全问题的重要课题。
建立一套旨在提高交易成功率的较为完善的信用评价体系亦是C2C电子商务网站的当务之急。
现有的网络购物网站信用评价模型都较为简单,虽然在一定程度上得到普及,但不能很好地反映用户真实的信用水平。
笔者通过对现有C2C网络购物网站的信用评价模型进行比较研究,构建了基于多影响因素的C2C网络购物网站信用评价模型,并期望通过该模型可以更加合理地反映用户的实际信用情况。
二、现有信用评价体系中存在的问题
1.信用评级设计不够合理
目前淘宝、拍拍等网站的信用评级仅设“好评”、“中评”、“差评”三档,分别对应一个积分,即
收稿日期:
2011-06-27
作者简介:
郭亦涵(1990—),女,河北承德人,北京邮电大学经济管理学院2008级本科生。
“好评”+1分,“中评”+0分,“差评”-1分。
但这种评分只是评价者对于本次交易的总体主观评价,并不能反映交易中各个因素(如商品质量、服务态度等)的具体得分m。
比如用户在收到商品时发现商品有些磨损,但由于购买过程中卖家服务态度很好,商品金额数目较小,磨损不影响使用等原因,买家可能会不予追究,并依旧给予好评。
又如买卖双方成交之后,买家发现有其他卖家提供了史为优惠的价格,但是收到的商品没有任何质量问题,因此也会给予好评。
从以上两例可以看出,这两类好评的内涵并不相同:
前者对卖家服务态度很满意,但是对商品质量有些不满;
后者对商品质量满意,但觉得商品价格偏高。
诸如此类的交易中的具体问题只能够通过买家留言评价反映,并不能够从信用评分中明确的体现⑷。
2.信用度的可比性较差
目前大多数C2C电子商务网站,信用度的变化仅依据交易的次数,而与每次交易的金额尤关。
这就意味着,一笔一元钱的交易与一笔一万元的交易所获得的评价机会都是一样的,信用度的变化幅度也是相同的。
这样,就使得一些卖低值商品(如手机卡、QQ号)的卖家信用度增加很快,但其实很长时间交易的总金额数可能还不如高值商品(如电脑、手机等)一笔交易的金额数多。
因此,有不少卖家利用信用系统这一漏洞,通过大量的小额交易,在短时间内迅速提高自己的信用度,之后再转卖其他髙值商品,这就造成了信用度的不对等。
尽管淘宝、拍拍等网站在信用度积累方面有详细的记录,但是这需要买家仔细查询卖家的历史交易记录才能分辨,这对于一些缺乏网购经验的买家来说,存在T一定的风险。
3.缺乏对评价用户信用的考虑
现行的信用评价模型中都没有考虑评价用户的信用度,对作为被评用户的卖家而S,任何-位矢家的评分对他的信用度的影响都是相同的。
比如同一卖家注册了多个用户账号,与自己进行无实际的交易,并恶意推荐,以此给其他买家带来虚假的信息。
又如,一些卖家为了排挤同行,利用注册的多个用户账号,对同行进行恶意评价、信用诋毁。
由于网络交易中买家的匿名方式以及宽松简单的注册,使得很多人有机可乘,用低信用度的用户账号进行随意评价。
由此可以看出,信用度高的用户相对于信用度低的用户所做出的评价,更具可信性,对被评用户的信用度的影响应更大151。
4.缺乏对卖家近期交易频率的考虑
尽管C2C网站中对卖家交易历史有详细记录,卖家近一周、一个月、几个月的交易均有记录,{II.是信用度的计算并没有把卖家交易频率考虑进去,只是把卖家交易频率作为一个参考值。
然而对买家来说,近期交易频繁的卖家相对偶尔进行交易的卖家,具有更高的可信度。
比如在淘宝网站中,有同样信用度的两位钻石卖家,如果一位卖家交易频繁,近一周内有几十笔甚至更多笔的交易,说明此卖家的业务量大,那么其造假的可能性会比较小;
相反,如果另一位卖家,巳经有•个月甚至几个月没有进行交易,那么相对而言,前一位卖家更具可靠性。
三、改进的信用评价模型
1.层次分析法
屋次分析法(AnalyticalHierarchyProcess,简称AHP)是美国数学家萨蒂(TLSaaty)在20世纪70年代提出并逐步完善的一种简易实用的决策方法。
它是一种分析多目标、多准则量化、将人脑分析方案的过程数学化、定性与定量相结合的系统分析方法。
本文使用AHP(层次分析法)来确定信用反馈评价实证指标体系中各指标的权重W。
由于交易信用是受多个变量影响的,所以要区分每一个变量对交易信用的影响程度。
因此,采用层次分析法可以考虑到交易信用的可变因素。
2.确定信任评价指标
首先,我们根据对于消费者在网上购物比较关心的指标做了调查和研究,结合调查问卷和数据分析,得到以下几个评价因素。
其中,卖家信用反馈评价指标主要由产品质量、信息质量、配送质量和•22.
服务质量构成。
而产品质量则由发货是否正确、产品是否为真以及产品是否完好这些因素决定;
信息质量则由产品与描述是否相符决定;
配送质量由卖家的发货速度来描述;
服务质量则由卖家的服务态度和售后服务来描述。
在深入分析所研究的问题后,将问题中所包含的因素划分为目标层、指标层和措施层,并画出层次结构图表示层次的递阶结构和相邻两层因素的从属关系。
评价指标体系与各评级因素建立层次分析模型如图1。
图1层次分析模型
3.确定评价因素权重
为了确定评价因素权重,我们建立了一个比较指标矩阵。
判断矩阵的值表示人们对各因素关于目标的相对重要性的认识。
在相邻两个层次中,高层次为目标,低层次为因素。
矩阵显示了两个因素相对于一些在某些因素上层次相对重要程度。
重要的规模从1“同样重要”到9“极端重要”。
根据上述规则以及我们在网上对消费者通过调查问卷所采集的数据的分析结果,我们建立了对于M~A层判断矩阵。
M
A1
A2
A3A4
1
3
68
1/3
21/4
A3
1/6
1/2
11
A4
1/8
4
其中A1:
产品质量;
A2:
信息质量;
A3配送质量;
A4服务质量
同样,
也可以建立A1
~B的判断矩阵和A4〜B的判断矩阵,分别如下所示,这些原则和方法与上
述相同。
A1〜B的判断矩阵
A4~B的判断矩阵
B1
B2
B3
B6B7
1/5
B6
14
5
2
B7
1/41
其中B6:
卖家的服务态度;
B7:
售后服务
其中B1:
发货是否正确;
B2:
产品是否为真品;
B3:
产品是否完好
4.评价者信用权值
在这里,我们假设等级高的买家信用高,所—
以他的反馈更值得信赖。
对于信用不同的评价者一
所做出的评价应赋予不同的权重。
因此,买家的信用值越大,权值越大,见表2。
5.交易金额信用权值
由于较贵的产品交易量相对较少,如果只按交易次数来确定信用值的变化存在不合理性,所以引人交易价格权重,交易价格越大,权重越—
大。
假设交易金额越大,所得到的反馈越值得被重视。
因此,交易金额越大,权值也会越大,见表3。
6.交易时间信用权值
对于一个卖家来说,消费者更愿意关注他的近期的信用水平,所以可以根据评价时间的不同,对卖家的评分应按照不同的权值来计算,详见表4。
权值0.800.850.90
1.95
2.00
评价者信用值/分4~150151~20002001~5000050001~10000001000000以上
构成因子
权值
驱动因子
排序
发货是否正确(B1)
0.0
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- C2C 电子商务 动态 信用 评价 模型 研究 分析