徐 峰

(義烏工商職業(yè)技術學院 經濟管理分院，浙江 義烏322000)

0 引言

隨著網絡技術和設備的日益完善，中國互聯(lián)網迅速得到了普及，基于互聯(lián)網基礎之上的電子商務隨之也得到了空前的發(fā)展.電子商務是一種全新的商務模式，因它具有獨有的優(yōu)勢而得到了爆發(fā)式的發(fā)展，它的未來更具有巨大的價值創(chuàng)造潛能和發(fā)展空間.電子商務目前主要有三種模式：一種是企業(yè)與企業(yè)之間的網上交易，即為B2B模式；一種是企業(yè)與個人之間的網上交易，即為B2C模式；還有一種是個人與個人的交易行為，即為C2C模式.[1]這三種模式各有不同的應用領域，其中C2C模式因具有更加靈活、面對的對象更加廣泛的特點，而發(fā)展得最快.但是由于網絡的虛擬性，在C2C交易的雙方無法真實接觸，顧客對交易的商品無法真實感知，交易雙方信息不對稱，再加上C2C中的商家相對B2B和B2C的商家整體實力更弱，一些商家存在弄虛作假、欺詐顧客的行為，使得在交易過程中顧客對商家的信任問題越來越突出，因而信用問題已成為C2C電子商務進一步發(fā)展的最大阻礙.

當前大多數C2C電子商務平臺提供的信用評價體系都存在著一定的缺陷，本文在原有的信用評價基礎上，提出了基于顧客集合的C2C電子商務商家信用模型，以期更為全面、科學地評價商家的信用狀況.

1 基于顧客集合的C2C電子商務商家信用影響因素分析

針對目前C2C電子商務平臺所提供的信用評價體系存在的缺陷和不足，從顧客的角度分析和總結了影響C2C電子商務商家信用的5大因素，并把它們分為5個模塊，分別為:店鋪相關模塊、商品相關模塊、交易過程相關模塊、服務相關模塊和評價人相關模塊，[2-4]具體模塊對應的細分信用影響因素如表1所示.

2 基于顧客集合的C2C電子商務商家信用模型設計

表1中較為全面地分析了影響C2C電子商務商家信用的主要因素，在此基礎上，構建一種全新的基于顧客集合的商家信用模型，該模型以顧客為中心，和商家有過相關聯(lián)系的所有顧客都是該信用模型的組成部分，該信用模型能動態(tài)反映商家即時的信用情況，隨著顧客與商家交易的時間、行為、感受及顧客本身因素的不同，對應的對信用模型影響的值也不同.[5-6]

2.1 顧客集合的C2C電子商務商家信用模型構建

本模型將表1中所分析的所有因素都作為輸入的變量，根據相應的函數計算，獲得對應的定值.本模型的具體構建思路及組成結構如下：

表1 基于顧客集合的C2C電子商務商家信用影響因素及含義

在f(Ci)的轉換函數中，因信用影響因素Ci的不同，故對應的f(Ci)函數也不同.

對于如下影響因素：店鋪形象(C1)、店鋪專業(yè)度(C2)、店鋪規(guī)模(C3)、店鋪訪問便利度(C4)、商品質量(C5)、商品價格(C6)、商品信息完整性(C7)、咨詢溝通(C8)、商品物流包裝(C12)、物流可靠度(C13)、物流服務(C14)、售后服務(C15)、承諾兌現程度(C16)和評價人信用(C17)，其對應的函數為：

對于影響因素交易金額(C9)和評價人總體消費金額(C19)，對應的函數f(Ci)需要實現的是，當交易金額(amount)越大，產生的信用效應也就越大.設置一個金額比較值(constant1)，由amount和constant1比較獲得定值,具體為：

對于影響因素交易時間(C10)，對應的函數f(Ci)需要實現的是，交易時間(time1)離當前時間(constant 2)越近，產生的信用效應也就越大，反之就越小.具體為：

對于影響因素物流時間(C11)，對應的函數f(Ci)需要實現的是，物流時間(time 2)越短，產生的信用效應也就越大，反之就越小.設置兩個時間參考值，分別為constant 3和constant 4，其中constant 4> constant 3,具體為：

對于影響因素評價人交易頻率(C18)，對應的函數f(Ci)需要實現的是，頻率(frequency)越高，顧客對商家的熟悉度就越高，產生的信用效應也就越大，反之就越小.設置交易頻率參考值(constant 5)具體為：

2.2 確定C2C電子商務商家信用影響因素權重Wi

如表1所示，基于顧客集合的C2C電子商務商家信用影響因素共為5個相關模塊，每個模塊又細分成許多個獨立的影響因素，可見確定相關的信用影響因素權重是一個非常復雜的系統(tǒng)工程，需要從多層次、多因素進行分析.因層次分析法特別適用于處理多目標、多層次及很難完全用量化方法來分析與決策的復雜問題，所以本文采用層次分析法來確定各個因素的權重.

2.2.1 構造各層的判斷矩陣

根據C2C電子商務運營的具體情況及專家的意見，按照9級相對重要性標度表對應的相對重要性標度表確定兩兩比較判斷矩陣.第一層對應的矩陣為：

第二層對應的矩陣分別為：

2.2.2 確定各層特征向量，并進行一致性檢驗

通過按列歸一化、按行相加、按行歸一化等步驟完成各層特征向量的計算.[7]

W=(w1，w2，w3，w4，w5)=(0.0703，0.4187，0.1537，0.2926，0.0648).

按照以上方法獲得第二層權向量：

2.2.3 計算底層各細分影響因素對總目標的組合權重

表2 各細分影響因素對總目標的組合權重

2.3 商家最終信用值計算

在計算出所有細分信用影響因素相對應的權重值后(見表2)，結合公式，可得出某一顧客在某次交易后對商家產生的信用值為：

0.0276×f(C4)+…+0.0108×f(C19).

同理可得該顧客在一商家上所有對應的交易產生的信用值，最后將與商家相關的所有顧客的所有交易產生的信用值進行疊加，即為該商家的信用總值，總值越高，則該商家的可靠性就越好.[8]

3 結束語

本文提出基于顧客集合的信用模型，是一種比較完善、比較全面的C2C電子商務信用模型，該模型突出了商品質量、商品價格、咨詢溝通、物流服務、售后服務等因素的權重，同時也引入了交易時間、交易金額以及顧客本身信用的因素，能夠真實、動態(tài)地反映C2C電子商務商家的信用情況，為消費者放心購物提供可靠的參考和依據.

參考文獻:

[1]Macinnis D J，Folkes V.The disciplinary status of consumer behavior: a sociology of science perspective on key controversies[J].Journal of Consumer Research，2010(6):899-914.

[2]Xiao B，Benbasat I.Product-related deception in E-commerce: a theoretical perspective[J].MIS Quarterly，2011(1):169-196.

[3]Wang H C，Doong H S，Foxall G R.Consumers’intentions to remain loyal to online reputation systems[J].Psychology&Marketing，2010(9):887-897.

[4]薛有志，郭勇峰.C2C電子商務賣家的競爭戰(zhàn)略研究：基于淘寶網的分析[J]. 南開管理評論，2012(5):129-140.

[5]賈艷濤，虞慧群.基于C2C 的可信信用評價模型[J].計算機工程，2010(18):256-258.

[6]徐蘭芳，陳勇，楊鈴,等. 基于客戶誠信交易的信譽計算模型[J].計算機工程與科學，2009(3):9-12.

[7]于兆吉，金仲，趙帥. 基于賣方行為影響的電子商務在線信譽評價[J].東北大學學報(自然科學版)，2013(1):149-152.

[8]張巍，朱艷春.C2C 網上拍賣中的信任計算模型研究[J].計算機工程與應用，2006(13):5-7.