网络零售市场信用机制优化研究

李敬泉

一、引言

近年来，随着我国信息技术的进一步发展、互联网的日益普及和电子商务的不断壮大，网络零售交易模式逐渐为广大消费者所接受，网购用户规模与交易额逐年增长。中国电子商务研究中心发布的《2012年度中国网络零售市场数据监测报告》显示：截止到2013年12月，我国网购用户规模达3.12亿人，而2012年我国网购用户规模为2.47亿人，同比增长26.3%；截止到2013年12月，中国网络零售市场交易规模达18851亿元，2012年为13205亿元，同比增长42.8%。①但与此同时，消费者关于网络零售商诚信问题的投诉次数却居高不下，虚假促销、网络诈骗等现象在我国网络零售市场中时有发生。事实上，由于网络交易的虚拟性，买卖双方在交易过程中通常处于非面对面的环境，商品质量、价格以及售后服务信息完全来自于买方自身的判断。因此，网络零售系统具有明显的信息不对称性，潜在风险巨大。在这样信息不对称的环境中，要保证交易的顺利进行，降低风险，交易双方的信用显得尤为重要。当前，信用风险已经成为了阻碍我国网络零售市场进一步发展的主要因素。为降低信用风险，我国网络零售电子商务网站纷纷建立了信用评价体系，但由于其评价等级设置过于简单，信用评价算法缺乏对用户信用度的考虑，没有涉及到交易金额，存在大量用户虚假评价等问题，各网络零售电商网站当前的信用评价方法不能反映店铺真实的信用水平，不能为买家提供可靠的参考。对此，理论界针对网络零售信用风险问题提出了各种解决办法，但均存在一定的不足。本文将以信任传递为基础，结合前人研究成果提出一种改进的信用计分机制，改善我国网络零售商信用评价机制，降低消费者购买的信用风险，促进我国网络零售市场进一步发展壮大。

二、国内外相关研究现状

目前，国内外有关电子商务系统中信用问题的研究较多。国外关于网络零售信用机制的研究，如张杰（Jie Zhang）[1]对卖家和买家的信用度进行量化，并提出了相应的函数模型。该研究认为，卖家的信用只与其卖出的记录有关，而与其作为买家时的买入记录无关，并利用易贝（Ebay）的数据对自己的结论进行了验证，不过该模型并没有考虑一些恶意破坏信用系统行为的影响。牟（Mui）[2]基于贝叶斯概率方法，构建了Mui信任模型，利用交易双方历史信息及历史信誉来推导用户信用值，但Mui信任模型难以准确地为互惠、信誉变量初始化赋值，并且该模型仅适用于简单的并行社会网络，难以消除恶意推荐的影响。阿卜杜拉赫曼（Abdul-Rahman）等人[3]提出了基于信誉机制的信任模型，但该模型仅采用单一数值来表示信任度，难以准确描述信用的多维特性。此外，由于该模型忽略了评分人的信用度，难以区分恶意用户与诚实用户，无法解决恶意推荐的问题。

针对我国网络零售市场信用评价体系存在的不合理之处，国内许多学者进行了研究并提出了改进意见。朴春慧、安静和方美琪[4]建立了改进的电子商务网站信用评价模型，提出了新的信用评价算法，通过权衡考虑交易对方的信用度和交易次数、交易金额来计算被评用户的信用加权平均分和信用度。甄磊、郑力、吴姗姗[5]提出，利用初始静态信用评价、加权平均、构建信用度函数图等方法，来更加科学合理地计算信用度。李瑞轩、卢正鼎等[6]提出了一种改进的信用计分算法，采用商品价格的区间分布和信用等级的扣分系数对交易成败进行加减分，并设计了一种网上交易的风险计算方法。

国内学者建立的网络零售市场信用模型大多采用模糊综合评价法，综合考虑影响信用的各种因素，并在此基础上计算信用度，信用度S的计算过程如下：

其中，S代表信用度，Wi代表权重，Vi表示影响因素。

这种方法虽然可在一定程度上对当前的信用评价机制进行改进，弥补电商平台信用影响因素的不足，但没有考虑到大量用户虚假评价带来的影响，而事实上，用户的虚假评价让店铺的信用度大大偏离了它真实的信用度。本文将提出一种基于信任传递原理进行改进的信用评价机制，以反映店铺真实的信用度。

三、网络零售市场信用评价体系发展状况

近年来，为解决信用带来的问题，我国网络零售网站纷纷建立了信用评价体系。以当前阿里巴巴旗下的淘宝网和天猫商城为例，买家和卖家每成功交易一笔，就可以对对方进行一次信用评分。评价分为好评、中评、差评三种，其中好评加一分，中评不加分，差评减一分。我们可以利用下面的公式来表示这种信用评价机制。

其中，Rt表示信用等级，Nt表示差评数，Zt表示好评率。[8]

在这种信用评价规则中，系统累计计算卖家得到的好评、中评、差评次数，卖家的信用度等于好评数与差评数之差，好评率为好评数占所有评价数的比率。[9]由上可知，我国网络零售市场信用等级计算采用的是一种累加的信用模型，鉴于我国网络零售市场好评率普遍较高的情况，这种信用评价机制主要反映了一个卖家经营的资历，卖家经营的时间越久，其信用等级越高，这样一来，新卖家的信用等级大多不如资历老的卖家，这对那些后进入市场的卖家而言是极为不利的。这样的信用评价机制既不利于公平竞争，也不能反映卖家真实的信用状况。有不少网购过的买家表示，自己曾经在一些经营资历老、信用等级高的店铺买到过假货。

为弥补信用等级评价存在的不足之处，淘宝网和天猫商城还设定了店铺最近半年的动态评分，包括买家对物品真实度、卖家服务和发货速度的评分。买家可根据自己的满意程度打1～5分，然后由系统计算出卖家所得到的平均分，并与同行业平均水平进行比较。

店铺的好评率和动态评分是所有买家评价的算术平均值，每个买家的评价对店铺信用的影响是相同的，并没有考虑到买家自身的信用度，这就给一些卖家提供了可乘之机。为提高信用等级或动态评分，有的店铺不惜花重金雇人进行“信用炒作”，或对竞争对手给予“恶意评价”，从而在竞争中获得优势。于是，在买家对店铺的信用评价中充斥着大量的虚假评价，严重影响了店铺真实的信用度。

四、基于信任传递对我国网络零售市场信用机制的改进

1.模糊综合评价法及信用评价指标的确定

（1）模糊综合因素分析法。模糊综合评价法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即利用模糊数学对受到多种因素制约的事物或对象作出一个总体的评价。将模糊综合评价法用于我国网络零售市场交易主体的信息评价，可综合考虑影响店铺信用的各种因素，并根据这些因素的重要程度以及对它的评价结果，把原来的定性结果定量化，较好地处理买卖过程中存在的多因素以及主观判断等问题，建立一套科学的综合信用评价体系，为买家提供店铺综合信用判别比较的依据，降低交易的风险性。

（2）我国网络零售市场信用评价指标的确定。根据我国零售市场交易主体信用指标评价设置的原则，本文将信用评价指标分为商家基本状况、动态交易状况、商家服务情况三大类指标，以更加全面地反映店铺的信用状态。零售店铺的信用评价指标体系如图1所示。

零售店铺信用评价指标的说明：

①商家综合信用评分：表示商家的综合信用度，用S表示。

②商家基本状况：商家基本状况的信用评分用S0表示。商家经营的资历即商家的经营时间（V01）越长，S0越高；商家经营的规模（V02）越大越可靠，S0也越高；商家参与的保障服务（V03）越多越可靠，失信的风险越小，S0越高。

③动态交易状况：动态交易状况的信用评分用S1表示。货物与描述相符程度（V11）越高，S1越高；商家的服务态度（V12）越好，S1越高；商家的发货速度（V13）越快，S1越高；交易金额（V14）越大，S1越高；买家自身的信用状况（V15）越好，S1越高。

④商家服务情况：商家服务情况的信用评分用S2表示。因质量问题的退款率（V21）越低，S2越高；商家的被投诉率（V22）越低，S2越高；商家平均受到的处罚数（V23）越少，S2越高。

2.基于信任传递改进的商家动态交易状况信用评分

在商家综合信用评价指标体系中，商家的基本状况属于静态评价指标，商家的服务情况由第三方监督管理，商家很难做手脚。但在对商家动态交易状况进行信用评分时，由于买家信用评分数目有限，有些店铺中买家给予的信用评分数目甚至不足百条，再加之买家信用度设计得并不合理，给一些商家在有限的买家评价中进行信用炒作提供了可乘之机。下面拟利用信任传递原理，扩大参与信用评分的用户数，让一些商家的信用炒作行为变得徒劳。

（1）信任传递原理。信任在人与人之间是可以相互传递的。在生活中，当人们面临多个选择时，如在众多电子商家中选择购买一部手机，选择一家可靠的驾校，人们总会征求自己身边人的意见，参考他们对商家或驾校的信任程度，然后作出选择。根据信任路线，可以得到一个人对另外一个与自己不发生直接信任关系的人的相对衍生信任度。

信任传递原理（Trust Transitivity Principle）[10]描述的是A直接信任B、B直接信任C时，A对C会产生衍生信任，所产生的衍生信任度与A对B的信任度有关，如图2所示。

（2）买家直接信任系数。通过与买家直接发生信任关系的买家，可以得到买家对陌生卖家的衍生信用度。在我国网络零售市场中，与买家直接发生信任关系的“周围人”主要包括卖家的朋友、与买家发生过交易的卖家（在网络购物中，卖家也是买家）、购买资历老且信用等级高的买家（这类买家极少，设定标准较高）。

假设共有j名用户与买家A发生直接信任关系，我们用PAj表示A对j的直接信任度（1≤PAj≤5，如果j为卖家，则Pij=Qij，Qij表示买家i对店铺 j动态交易状况的信用评分）。CAj表示A对j的直接信任系数。

很显然，0≤CAj≤1，所有的直接信任系数之和为1。直接信任系数不能直接表示信任度，只有在确定了买家A时，直接信任系数才有意义，我们不能通过直接信任系数判断信任度的高低，这也是直接信任系数的一个不足之处。

图1 零售店铺的信用评价指标体系

图2 信任传递原理

（3）基本信任传递计算出衍生信用评分。现将信任传递原理用于我国网络零售市场信用体系。如买家A在陌生网店K购物时，看到了众多买家给予的评价，他无法识别哪些买家给予的评价是真实可信的，也无法得知店铺K的真实信用度。买家A需要在众多的买家评论中挑选出那些真实可靠的评价，剔除掉那些炒作的恶意评价。对买家A而言，在众多的买家评论中，买家A的朋友、与买家A有过交易记录、购买资历老且信用等级高的买家评价无疑是最真实可靠、最具有参考价值的。根据买家A的直接信任系数和“周围人”对店铺K的信用评分，可以计算出买家A对店铺K的衍生信用评分。

我们也可以把它写成向量的形式。在此，我们定义：

那么：

这看起来似乎是一种计算衍生信用评分很有效的方法，而事实上，由于个人的局限性，当他准备在陌生店铺购物时，此前他的“周围人”大部分也未曾光顾过该店铺，这样可供参考的“周围人”就很少了。因此，我们需要扩大范围，利用信任传递原理把“周围人”的范围扩大到“周围人”的“周围人”。

“周围人”的范围扩大一次：

“周围人”的范围扩大n次：

当n足够大时，买家就可以通过“周围人”与大部分曾在陌生店铺购物并给出信用评分的用户发生信任联系，从而根据他们的信用评分得出自己对陌生店铺的衍生信用评分。

（4）扩大的参与信用评分的用户数。根据信任传递原理，可以得到买家对陌生买家、陌生店铺的衍生信用评分。在结合买家评价计算店铺信用评分的时候，未参与直接购物的买家的衍生信用评分也应当作为参考。图3为当前计算店铺信用评分时参考的用户评价范围，图4为改进后计算店铺信用评分时扩大参考的用户评价范围。

（5）改进的网络零售市场商家动态交易状况信用评分。假设在网络零售市场中存在n个用户（包括买家与卖家），商家动态交易状况信用评分与其他每个用户给予他的信用评分、评价用户自身的信用度、评价用户的购买金额相关。于是，本文构造出商家动态交易状况信用评分的计算公式如下：

（i≠j，如果 Pi'j不存在，i≠i'）

其中，Pi表示根据其他用户评价得出的关于用户i的信用度（如果是商家，则Pi=S1i）。S1j表示用户商家j动态交易状况的信用评分。Pij表示i对j的衍生信用评分，1+λij表示i关于j的购买金额系数，如果i不是直接购买用户，则λij=0。

3.网络零售市场信用评价改进模型的建立

商家基本状况的信用评分为：

其中，W01、W02、W03分别表示商家基本状况信用评价指标的权重。

动态交易状况的信用评分为：

其中，Qij表示买家i对店铺j动态交易状况的信用评分，W14i、W15i表示买家i的购买金额与自身信用状况的权重。

而买家i对店铺j动态交易状况的信用评分为：

图3 改进前的用户评价数

图4 扩大的用户评价数

其中，W11、W12、W13分别表示每个用户对商家动态交易状况评分的信用评价指标的权重。

商家服务情况的信用评分为：

其中，W21、W22、W23分别表示商家服务情况的信用评价指标的权重。

商家的综合信用评分为：

其中，W0、W1、W2分别表示三类信用评分的权重。

改进的网络零售市场信用评分法以更大范围的用户评价作为参考，综合考虑了用户自身的信用度、用户购买金额等因素，能够有效降低用户直接评价中虚假评价对店铺信用度的影响，降低“信用炒作”、“恶意诋毁”等行为的作用。同时，还能反映店铺卖家和买家真实的信用度，降低买家购买时因信息不对称带来的信用风险，为网络零售商营造一个公平竞争的环境。

五、总结

我国网络零售市场要进一步发展壮大，信用风险控制显得尤为重要。本文提出的基于信任传递原理改进的网络零售市场信用评价机制，能够有效降低用户虚假评价及其他蓄意破坏行为对我国网络零售市场信用系统的影响，反映店铺真实的信用度，降低买家因信息不对称和时空分隔带来的不信任性，降低消费者购买的信用风险，同时为卖家提供一个公平的竞争环境，为我国网络零售市场健康发展奠定良好的信用基础。

注释：

①数据来源于中国电子商务研究中心（www.100ec.cn）。

[1]Jie Zhang.The Roles of Players and Reputation：Evidence from Ebay online Auctions[J].Decision Support Systems，2006（42）：1800-1818.

[2]Mui L.，Mohtashemi M..A Computational Model for Trust and Reputation[J].Systems Sciences， 2002：2431-2439.

[3]Abdul Rahman，Hailes.Supporting Trust in Virtual Communities[J].Systems Sciences，2000：56-87.

[4]朴春慧，方美琪.C2C电子商务网站信用评价模型及算法研究[J].情报杂志，2007（8）：105-107.

[5]甄磊，郑力，吴姗姗.基于C2C电子商务信用评价体系的探讨[J].大众商务，2010（1）：147-178.

[6]李瑞轩，卢正鼎.C2C电子商务交易的信用评估风险方法研究[J].通信学报，2009， 7（30）：78-85.

[7]徐大鹏，洪红，王超.电子商务信用风险研究综述[J].经营管理者，2001（20）：1-3.

[8]杨蕾，单晓菲.基于SNS的C2C市场信用改进研究——以淘宝网为例[J].电子商务，2011（7）：15-18.

[9]张建，张勇，赵洁.面向领域的电子商务平台交易信用研究[J].计算机与数字工程，2012（11）：32-49.

[10]AudunJosang，Roslan Ismail，Clion Boyd.A Survry of Trust Reputation Systems for Online Service Provision[J].Decision Support Systems，2007（43）：618-644.