基于顾客集合的C2C电子商务商家信用模型研究

徐 峰

(义乌工商职业技术学院 经济管理分院，浙江 义乌322000)

0 引言

随着网络技术和设备的日益完善，中国互联网迅速得到了普及，基于互联网基础之上的电子商务随之也得到了空前的发展.电子商务是一种全新的商务模式，因它具有独有的优势而得到了爆发式的发展，它的未来更具有巨大的价值创造潜能和发展空间.电子商务目前主要有三种模式：一种是企业与企业之间的网上交易，即为B2B模式；一种是企业与个人之间的网上交易，即为B2C模式；还有一种是个人与个人的交易行为，即为C2C模式.[1]这三种模式各有不同的应用领域，其中C2C模式因具有更加灵活、面对的对象更加广泛的特点，而发展得最快.但是由于网络的虚拟性，在C2C交易的双方无法真实接触，顾客对交易的商品无法真实感知，交易双方信息不对称，再加上C2C中的商家相对B2B和B2C的商家整体实力更弱，一些商家存在弄虚作假、欺诈顾客的行为，使得在交易过程中顾客对商家的信任问题越来越突出，因而信用问题已成为C2C电子商务进一步发展的最大阻碍.

当前大多数C2C电子商务平台提供的信用评价体系都存在着一定的缺陷，本文在原有的信用评价基础上，提出了基于顾客集合的C2C电子商务商家信用模型，以期更为全面、科学地评价商家的信用状况.

1 基于顾客集合的C2C电子商务商家信用影响因素分析

针对目前C2C电子商务平台所提供的信用评价体系存在的缺陷和不足，从顾客的角度分析和总结了影响C2C电子商务商家信用的5大因素，并把它们分为5个模块，分别为:店铺相关模块、商品相关模块、交易过程相关模块、服务相关模块和评价人相关模块，[2-4]具体模块对应的细分信用影响因素如表1所示.

2 基于顾客集合的C2C电子商务商家信用模型设计

表1中较为全面地分析了影响C2C电子商务商家信用的主要因素，在此基础上，构建一种全新的基于顾客集合的商家信用模型，该模型以顾客为中心，和商家有过相关联系的所有顾客都是该信用模型的组成部分，该信用模型能动态反映商家即时的信用情况，随着顾客与商家交易的时间、行为、感受及顾客本身因素的不同，对应的对信用模型影响的值也不同.[5-6]

2.1 顾客集合的C2C电子商务商家信用模型构建

本模型将表1中所分析的所有因素都作为输入的变量，根据相应的函数计算，获得对应的定值.本模型的具体构建思路及组成结构如下：

表1 基于顾客集合的C2C电子商务商家信用影响因素及含义

在f(Ci)的转换函数中，因信用影响因素Ci的不同，故对应的f(Ci)函数也不同.

对于如下影响因素：店铺形象(C1)、店铺专业度(C2)、店铺规模(C3)、店铺访问便利度(C4)、商品质量(C5)、商品价格(C6)、商品信息完整性(C7)、咨询沟通(C8)、商品物流包装(C12)、物流可靠度(C13)、物流服务(C14)、售后服务(C15)、承诺兑现程度(C16)和评价人信用(C17)，其对应的函数为：

对于影响因素交易金额(C9)和评价人总体消费金额(C19)，对应的函数f(Ci)需要实现的是，当交易金额(amount)越大，产生的信用效应也就越大.设置一个金额比较值(constant1)，由amount和constant1比较获得定值,具体为：

对于影响因素交易时间(C10)，对应的函数f(Ci)需要实现的是，交易时间(time1)离当前时间(constant 2)越近，产生的信用效应也就越大，反之就越小.具体为：

对于影响因素物流时间(C11)，对应的函数f(Ci)需要实现的是，物流时间(time 2)越短，产生的信用效应也就越大，反之就越小.设置两个时间参考值，分别为constant 3和constant 4，其中constant 4> constant 3,具体为：

对于影响因素评价人交易频率(C18)，对应的函数f(Ci)需要实现的是，频率(frequency)越高，顾客对商家的熟悉度就越高，产生的信用效应也就越大，反之就越小.设置交易频率参考值(constant 5)具体为：

2.2 确定C2C电子商务商家信用影响因素权重Wi

如表1所示，基于顾客集合的C2C电子商务商家信用影响因素共为5个相关模块，每个模块又细分成许多个独立的影响因素，可见确定相关的信用影响因素权重是一个非常复杂的系统工程，需要从多层次、多因素进行分析.因层次分析法特别适用于处理多目标、多层次及很难完全用量化方法来分析与决策的复杂问题，所以本文采用层次分析法来确定各个因素的权重.

2.2.1 构造各层的判断矩阵

根据C2C电子商务运营的具体情况及专家的意见，按照9级相对重要性标度表对应的相对重要性标度表确定两两比较判断矩阵.第一层对应的矩阵为：

第二层对应的矩阵分别为：

2.2.2 确定各层特征向量，并进行一致性检验

通过按列归一化、按行相加、按行归一化等步骤完成各层特征向量的计算.[7]

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

按照以上方法获得第二层权向量：

2.2.3 计算底层各细分影响因素对总目标的组合权重

表2 各细分影响因素对总目标的组合权重

2.3 商家最终信用值计算

在计算出所有细分信用影响因素相对应的权重值后(见表2)，结合公式，可得出某一顾客在某次交易后对商家产生的信用值为：

0.0276×f(C4)+…+0.0108×f(C19).

同理可得该顾客在一商家上所有对应的交易产生的信用值，最后将与商家相关的所有顾客的所有交易产生的信用值进行叠加，即为该商家的信用总值，总值越高，则该商家的可靠性就越好.[8]

3 结束语

本文提出基于顾客集合的信用模型，是一种比较完善、比较全面的C2C电子商务信用模型，该模型突出了商品质量、商品价格、咨询沟通、物流服务、售后服务等因素的权重，同时也引入了交易时间、交易金额以及顾客本身信用的因素，能够真实、动态地反映C2C电子商务商家的信用情况，为消费者放心购物提供可靠的参考和依据.

参考文献:

[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电子商务卖家的竞争战略研究：基于淘宝网的分析[J]. 南开管理评论，2012(5):129-140.

[5]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.

[6]徐兰芳，陈勇，杨铃,等. 基于客户诚信交易的信誉计算模型[J].计算机工程与科学，2009(3):9-12.

[7]于兆吉，金仲，赵帅. 基于卖方行为影响的电子商务在线信誉评价[J].东北大学学报(自然科学版)，2013(1):149-152.

[8]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(13):5-7.