车货匹配网站评价指标体系的构建及实证分析

陈进博，戚铭尧，缪立新

（清华大学深圳研究生院 物流与交通学部，广东 深圳 518055）

1 引言

近年来公路货运在物流运输系统中的重要地位愈加凸显。中国物流年鉴显示[1]，2012年货运总量已达412亿t，其中公路货运量占78.2%。我国货运总量还在连年提升，且公路货运的占比也不断提高。但由于我国地域广阔、区域济发展不平衡、物流信息分布相对分散、物流信息沟通不畅，造成车辆的空载率高，极大地浪费了社会资源。随着我国物流信息化进程的加快，车货匹配网站应运而生，它能够有效缓解车货信息不对称的现象，减少车辆空载，降低社会成本，提升经济效率。

对车货匹配网站进行评价研究具有重要的意义。对网站经营者来讲，能促进网站的规范化建设，扩大其影响力；从用户角度出发，则是为了便捷使用，方便有效地浏览和获取信息。目前网站评价的对象主要集中在信息化程度较高的行业或细分市场[2]，如图书馆网站及电子商务网站等。虽对物流公共信息平台已有一定研究，但对车货匹配网站的评价研究还比较欠缺。本文结合车货匹配网站的业务流程，针对性地构建其评价指标体系，并对目前主要的车货匹配网站进行实证分析，丰富了物流公共信息平台的研究。

2 评价模型

车货匹配网站评价模型的建立包括两个重要部分：（1）评价指标体系的构建；（2）相应评价指标的权重赋值。完成这两部分便能得到综合得分，进行网站评价。

2.1 评价指标体系的构建

由于研究主体和研究目的的不同，相应的指标体系会有所不同。Cebi[3]从实用性、视觉效果、技术适用性、安全性、交互性及声誉六个方面对一般网站进行论述评价。蒋熙敏等[4]采用定量与定性相结合的方法，从营销服务、采购系统和综合绩效三个方面来评价企业的电子商务系统。赵洁等[5]将C2C电子商务网站竞争力的评价指标确定为网站的信息、技术、服务、安全与品牌。牟彤华[6]则结合物流业务的特点，建议从网站技术、网站设计、网站功能和经营业绩四个方面对物流公共信息平台进行综合评价。

通过文献调研发现，当前网站评价的研究存在以下特点：

（1）研究对象不断细化：从一般网站到企业的电子商务系统，继而对电子商务网站进行研究，再研究物流公共信息平台；

（2）构建评价指标体系时多从全面性和完整性的角度入手，选取的指标普遍较多；

（3）大部分指标集中于网站的功能实现和效益达成，对主体内容如信息源的重视程度不够。而且有些指标存在数据收集的困难，如经营业绩和网络连通性等。

延续前人的研究，将评价研究的对象细化到车货匹配网站，考察并总结其特点。车货匹配网站的主体是货源和车源信息，信息的数量及其完整程度是重点考察对象。而作为信息的载体，其功能模块也将作为评价体系的重要组成部分，常用功能包含信息检索、在线互动与交流、信用评价和交易支付等。另外，车货匹配网站的效益能直接反映网站经营的好坏程度，因此它是网站评价的重要部分。网站排名及平均每个IP的页面浏览量能有效衡量其整体效益，且页面布局的优劣会直接影响用户的数量，因此将它们作为效益模块的评价指标。

结合前人的研究成果及现存的不足，综合考虑车货匹配网站的特点及其定位，本文针对车货匹配网站提出基于信息、功能以及效益三大模块的评价指标体系。车货匹配网站的评价指标体系如图1所示。

图1 车货匹配网站的评价指标体系

向业界内权威的学者专家做问卷调研，这套评价指标体系的内容基本能获得认可。通常，评价网站还会考虑网站技术水平如速度、镜像数量以及连通性能等，但由于数据获取不易，本文暂且不考虑。而信息的真实性本应是一项重要指标，但由于缺乏对其有效评判的方法，姑且作理想化处理，认为发布的信息真实可信。

2.2 评价指标的权重赋值

确定车货匹配网站的评价指标体系之后，需要考虑相应的权重赋值问题。指标的权重赋值会受到评价方法的影响。目前研究广泛采用的评价方法主要有WebQual、层次分析法、模糊评价法、理想点法等。WebQual[7]注重倾听消费者的声音，会针对用户关心的问题进行问卷调研并分析关键要素。层次分析法[8-9]（AHP）先对指标进行分解，组成层次结构，再按层分析建立判断矩阵，进而求解权重。它是目前发展较为成熟的可量化的评价方法之一。但它只适用于清晰决策，且问卷设计较复杂，使用程序繁琐。模糊评价法[10]需首先构建评价指标的模糊评价集合，选择合适的隶属度矩阵进行处理。它的优势在于能够量化无法用数字准确表达的模糊信息。理想点法（TOPSIS）[11]是按照与理想解和负理想解的相对距离来做综合评价，理想解是各种属性最优的集合，而负理想解是最差者的集合。评价指标的值离理想解的差距越小，同时离负理想解的差距越大，评价就会越高。

对于网站评价，目前主流的研究方向是将多种方法结合起来，优势互补。如徐维祥等[12]结合改进的德尔菲法、层次分析法、灰色关联度以及模糊评价法，提出四元评价模型对信息系统进行评价实证研究。也有学者提出基于模糊环境的理想点法[13]以及模糊层次分析法[14]，分别将模糊评价法与理想点法和层次分析法相结合对网站做更贴近现实的评价研究。

本文将结合专家打分法和MA-OWA算子对车货匹配网站的评价指标进行权重赋值。专家打分法，也称德尔菲法，依托某领域中具有权威的专业人士，具有一定的合理性和指导意义。但由于其依靠经验的成分较多，主观性较强，极易造成偏差，需要科学的方法加以修正。Pelaez[15]提出的MA-OWA算子（Majority Additive-Ordered Weighting Averaging Operator）是一种偏好集结方法，能够尊重大多数专家相同的意见，体现专家的整体偏好。传统的集结方法是将所有元素整合在一起进行分析，而偏好集结法则是先分组，把相同的元素放在一起，然后再按组进行处理。

用MA-OWA算子对专家打分进行集结的步骤如下：（1）把相同的分数放在一起，各自分组；（2）从每组中取出一个元素并求它们的平均值，若该值与之前组中元素相同，则加到原组中，如果不同则定义为新组；（3）从原先的组中剔除一个元素，并剔除元素个数为0的组；（4）返回第二步，不断重复直到只剩下一组，且只有一个元素。这个元素就是该组专家打分的集结值。从集结过程可以看出，数量较少的打分会首先被剔除，因此集结值代表了大多数专家的相同意见，减少了不同意见的影响。它的应用效果优于传统的OWA算子。

2.3 网站评价的基本流程

有了车货匹配网站的评价指标体系和相应的权重赋值方法之后，可以总结网站评价的基本流程。先在车货匹配网站上收集和整理相应的原始数据，对整理好的数据进行归一化处理得到每个网站在每个指标下的分数。同时设计专家问卷并进行调研，并用偏好集结法做指标的权重赋值。这两部分可以同时进行。最后是用线性加权的方法得到每个网站的综合得分。对车货匹配网站的评价处理过程如图2所示。

图2 车货匹配网站评价的基本流程图

若无特殊说明，数据的归一化处理公式见式（1）。

其中，dij表示第i个网站第 j个指标的归一化得分；Dij表示第i个网站第 j个指标的原始数据根据特定的测定方法得到的数值。

对于每一个评价指标，经过MA-OWA处理之后都能得到一个综合了专家意见的集结值(bij)，将所有指标的集结值进行归一化处理能得到相应的权重ωij，见式（2）。

本文采用线性加权的方法对车货匹配网站进行综合评价。通过MA-OWA算子确定指标的权重，与指标的归一化分数进行线性加权，得到每个车货匹配网站的综合得分Fi。其数学公式见式（3）。

最后根据综合得分对车货匹配网站进行排序，得到综合排名。

3 评价模型的实证分析

基于上述评价模型，选取了7个具有代表性的车货匹配网站进行实证分析。这7个网站分别是林安物流网（0256.cn）、无忧运力网（51yunli.com）、八挂来网（8glw.com）、全国物流信息网（56888.net）、发啦网（fala56.com）、物流110网（56110.cn）以及中国物通网（chinawutong.com）。在后续处理中隐去其名称，只用代号W表示。

对相关车货匹配网站进行数据收集，每个指标都设计有相应的测算方法，见表1。根据测算方法能得到指标的归一化得分。同时设计了一套专家调查问卷，希望得到专家针对每个指标给出两个分数，分别是指标的相对权重（百分制）和重要程度。其中，重要程度采用Likert度量法，取值1、2、3、4、5，分别代表非常不重要、不重要、一般、重要和很重要5个级别。问卷调查的专家分为两类：一类是学者，另一类是熟悉相关网站运营的企业界专家。各占一半，共8人。由于他们相对了解车货匹配网站，问卷调研结果可靠程度较高。

表1 车货匹配网站不同指标的测算方法

根据设定的测算方案对收集的原始数据进行处理，最后整理的基本分结果见表2。其中A、B、C表示各大指标，W表示相应的车货匹配网站。

使用MA-OWA算子对回收的专家调查问卷进行统计分析和集结处理，各项指标的描述性统计数据及集结结果见表3，E表示专家。可以看出，集结值与算术平均值（简称均值）相比，更加贴近专家打分中出现次数最多的那个数，表明MAOWA这种方法更重视大多数专家认同的意见。

表2 车货匹配网站不同指标的基本分

表3 专家问卷描述性统计数据及集结结果

对问卷数据进行处理，权重赋值的情况见表4。其中，集结权重指的是各个集结值所占的相应权重；直接权重指的是专家问卷中对每个指标直接处理的平均值，代表最原始的专家打分结果。可以看出，根据偏好集结法得出集结权重的方差比直接赋值权重要小得多，说明MA-OWA算子遵循专家偏好，能在一定程度上缓解专家们不同意见的影响，这种方法具有更强的合理性。

表4 专家问卷的权重赋值情况

集结权重结果表明，专家最重视的指标依次是：货源信息数量、信用评价、车源信息数量以及安全支付，重要程度最差的是网站排名、额外服务、页面浏览量和页面布局。从各指标集结权重和直接权重的排名对比可以看出，二者基本上是吻合的，除了B2项外，其余的排名差别都不超过1，从另一个角度验证了专家的打分是合理的。

对于车货匹配网站，其货源、车源信息的数量代表其资源的多少，标识着网站的价值。而信用评价和安全支付代表其交易时的安全程度，关系到消费者的切身利益。相比而言，网站的页面浏览量、网站排名显得不那么重要，可以认为消费者对网站效益的关心程度并不很高。这套评价指标更多地从消费者利益出发，与“以客户为中心”的市场导向相吻合，指标的权重赋值情况更是符合信息和功能模块会受到很大重视的预期。

对各网站的实证得分结果和指标的权重赋值结果进行线性加权处理，计算相应的综合评价值，继而得到综合排名结果。各网站的综合排名情况见表5。

表5 各网站综合排名情况

从表2、表4、表5可以看出，网站的基本分和指标的权重会直接影响其综合排名。其中，分数排名第一的网站W1各项指标分数都很高，排名第二的W5在信息模块稍微不足，排名第三的W2在信息和功能模块都有所欠缺。因此对于车货匹配网站的建设而言，应更加注重货源和车源的引进，同时考虑增强信用评价和安全支付的功能，这对网站经营者有切实的指导意义。

4 结语

本文更侧重研究评价体系的构建以及实证分析。首次对车货匹配网站的评价方法进行研究，不仅注重车货匹配网站的信息主体，而且强调功能实现，同时考虑效益模块，指标的选择相对合理。此项研究以消费者利益为导向，既能为车货匹配网站的持续改进和规范化建设提供参考意见，又能促使信息发布与在线交易的标准化，从长远角度来看能促进物流电子商务的发展。

本文的研究还存在一定的局限性。首先做了一些理想化处理，认为网站发布的信息都真实有效，没有考虑信息真实性这项指标。同时由于车货匹配网站发布的信息数量多且更新快，选择集中在某个时间段内收集数据。其次，本文的适用范围有限。因研究的是物流公共信息平台的细化市场，研究成果虽只适用于物流公共信息平台领域，但对其他的研究有借鉴意义。随着物流信息化的发展，相应的评价指标与权重会发生变化。对车货匹配网站的研究还有待进一步深化，结合不同阶段网站发展的特点，针对性地进行研究是网站评价研究的一个重要方向。

[1]中国物流与采购联合会.中国物流年鉴[M].北京:中国物资出版社,2008-2013.

[2]贺婷婷.国内外网站评价研究比较及分析[J].图书与情报,2006,(3):28-33.

[3]Selcuk Cebi.A Quality Evaluation Model for The Design Quality of Online Shopping Websites[J].Electronic Commerce Research and Applications,2013,12(2):124-135.

[4]蒋熙敏,黄京华,王晖.电子商务系统评价模型及其应用[J].清华大学学报,2006,46(1):1 019-1 025.

[5]赵洁,陈敏,张瑞.C2C电子商务网站竞争力综合评价研究—以淘宝网为例[J].情报杂志,2010,29(3):57-58.

[6]牟彤华.物流公共信息平台综合评价模型及应用[J].开发研究,2010,(2):129-132.

[7]Barnes S J,R T Vidgen.WebQual:An Exploration of Web Site Quality[A].Proceedings of The Eighth European Conference on Information Systems[C].2000.

[8]T L Saaty.Multicriteria Decision Making:The Analytic Hierarchy Process[M].New York:McGraw-Hill,1980.

[9]C H Cheng,K L Yang,C L Hwang.Evaluating Attack Helicopters by AHP Based On Linguistic Variables Weight[J].European Journal of Operational Research,1999,116(2):423-435.

[10]Fei Ye,Yina Li.An Extended TOPSIS Model Based on The Possibility Theory under Fuzzy Environment[J].Knowledge-Based Systems,2014,67:263-269.

[11]张小栓,高明,张健,等.电子商务网站评价方法研究综述[J].情报杂志,2007,(6):2-5.

[12]徐维祥,杨肇夏.信息系统项目四元评价模型及其准确度研究[J].系统工程理论与实践,2002,(8):127-131.

[13]Chunguang Baia,Dileep Dhavaleb,Joseph Sarkis.Integrating Fuzzy CMeans and TOPSIS for Performance Evaluation:An Application and Comparative Analysis[J].Expert Systems with Applications,2014,41(9):4 186-4 196.

[14]Yi-wen Liu,Young-jik Kwon,Byeong-do Kang.A Fuzzy AHP Approach to Evaluating E-commerce Websites[J].Computer Society,2007,(29):114-120.

[15]Pelaez J I,Dona J M.Majority Additive-Ordered Weighting Averaging:A New Neat Ordered Weighting Averaging Operator Based on The Majority Process[J].International Journal of Intelligent Systems,2003,(18):469-481.