基于模糊理论的O2O模式商家信誉评估模型

茹永梅

(三明职业技术学院 人文系，福建 三明 365000)

基于模糊理论的O2O模式商家信誉评估模型

茹永梅

(三明职业技术学院 人文系，福建 三明 365000)

摘要:为解决O2O(Online To Offline)电子商务中的商家信誉评估问题，建立基于模糊理论的O2O电子商务商家信誉评估模型，该模型运用层次分析法和模糊综合评价法对O2O电子商务中的商家信誉进行度量，给出O2O电商交易中影响商家信誉的5个主要因素为商家、顾客、商家提供的产品和服务、O2O网站平台及交易环境，通过采集数据对各因素影响程度进行实证研究。结果表明，三明市具有O2O电子商务模式相关营运经验的商家信誉水平总体较低；5个一级指标中，顾客因素的权重最高，对商家信誉评价的影响也最大；19个二级指标中，权重排在前5名的依次是商家异议处理能力、消费及使用经验、提供的服务过程、平台口碑、线下店铺环境。

关键词:模糊理论；O2O模式；商家信誉；评估模型

O2O(OnlineToOffline，O2O)电子商务是指顾客依托网络平台寻找服务信息，根据自己的经验确定购买并支付费用，然后到实体店完成消费的线上与线下有机互动交易模式。据艾瑞咨询发布的市场数据显示，O2O市场高速发展，近年的增长率均超过30%，2014年的渗透率4.4%。经历2010-2011年的爆发式增长，以及连续几年的高速增长，本地生活服务O2O的普及度已经达到40%[1]。影响O2O电子商务的发展因素有信誉的内涵、种类、影响因子、形成原理、信誉破坏、信誉修复等[2-4]。有学者从消费者、商家、平台及交易环境等方面，分析评价消费者的信任因素[5-7]，结合网络环境的开放性、不确定性及欺诈性特点，提出了基于模糊理论的Web服务信任评估模型，得到较为真实可靠的评价结果[8]，为解决P2P电子商务中的信任缺失问题，提出了一种基于模糊理论的P2P电子商务信任动态评估模型，有效防止了交易中的欺诈行为[9]。

上述主要是针对不同电商模式下的消费者信誉进行研究，针对不同电商模式下的商家信誉研究涉及甚少。本文选取O2O电商模式下的商家信誉作为研究对象，实证分析其影响因素，建立模糊评价模型来探索商家信誉的特征和规律，得出相关结论。

1模糊综合评价的理论基础

1.1模糊综合评价的基本原理

模糊综合评价方法，基本原理是从影响评价对象的各个因素出发，按照评价等级确定被评价对象的评语向量和每个评价指标的权重向量，并据此分别对各指标做出相应的模糊评价，构造模糊判断矩阵，并将权重矩阵与该模糊判断矩阵进行模糊运算，得出定量的综合评价结果。

1.2模糊综合评价的方法和步骤

1.2.1方法

构造等级模糊子集，对反映被评对象的模糊指标做量化(即确定隶属度)处理，并利用模糊变换的数学原理对各个指标进行综合[10-11]。

1.2.2步骤

模糊综合评价的一般流程，见图1所示。

图1　模糊综合评价流程图

(1)评价对象因素向量的确定。

(2)评价对象评语向量的确定。

(3)确定评价因素的权重向量(使用层次分析法，确定评价指标间的权系数，并在合成之前对其做归一化处理)。

(4)采集数据并建立模糊关系矩阵。

(5)合成模糊向量并得到模糊综合评价模型。

(6)代入数据求解模型得到模糊综合评价结果。

1.3模糊综合评价中各指标权重确定层次分析法

模糊综合评价的关键在于确定权重。层次分析法是一种确定权重的有效方法。利用层次分析法确定权重的一般步骤是：(1)确定评价的目标和评价的因素；(2)构造判断矩阵；(3)借助数学软件计算判断矩阵最大特征根及对应特征向量，该特征向量就是权系数；(4)对权重结果进行一致性检验。当一致性比例小于0.1时，接受该层次分析排序的结果，即分配的权系数是合理的，否则，需调整判断矩阵各元素的取值，重新分配权系数的值，直到满意为止(一致性比例小于0.1)。

2O2O电子商务商家信誉模糊综合评价指标体系的建立

2.1指标体系的构成

根据目前O2O电子商务发展现状，将O2O电子商务模式商家信誉评价指标确定为5个一级指标和19个二级指标，如表1所示。

表1　O2O电子商务模式商家信誉评价指标体系

2.2构建评价指标体系的依据

在O2O电商交易中，影响电子商务网站客户和商家信誉的因素有很多。根据实际调研100家电商运营情况，将影响商家信誉因素确定为商家、顾客、商家提供的产品与服务、O2O网站平台、交易环境5个因素。

2.2.1商家因素

商家是O2O模式中一个重要组成部分。由于线上线下渠道业务分离，顾客在与O2O电商产生购物交易行为时，会根据商家以往口碑、商家本身所具有的信誉度来决定购买行为。同时，顾客购物交易行为的实际体验及商家对顾客异议的处理能力，也决定了顾客对商家的信任。故商家因素主要通过商家口碑、商家信任倾向以及异议处理能力等指标来体现。

2.2.2顾客因素

顾客作为O2O模式商家信誉关系中的主体和基础，由于不同个体所受教育程度、人格特征、成长经历存在差异，因此顾客的信任倾向影响其对O2O模式的信任度。此外，顾客个人消费及使用经验、消费习惯以及消费成本，对其信任产生影响。所以，顾客变量因素主要通过顾客个人信任倾向、过往的消费或使用经验以及使用成本等指标来体现。

2.2.3商家提供的产品和服务因素

O2O模式商家提供的产品和服务具有线上先行确认支付购买，到实体空间使用的特点。因此，商家提供的服务质量对顾客信任产生影响，有一定的流程和标准的服务以及价美的产品，这些都会给顾客带来更高的信任感；同时，商家推介描述的商品与实际收到使用货物出入较大时，也将严重影响顾客的信任。此外，对于服务和产品信息披露的完整性也会对顾客信任的产生影响。所以，商家提供的产品和服务因素主要通过商家提供服务过程，或产品的质量及商家商品详情描述一致性等指标来体现。

2.2.4O2O网站平台因素

O2O网站平台是顾客接触消费使用信息的重要载体，是维系商家和顾客的纽带。一个具有良好声誉的平台能得到诸多顾客的信任，因为其能够为顾客带来便利和效益，而网站自身功能的安全性也能对顾客产生信任。因此，网站平台各模块的功能性、易用性和便捷性及安全性对顾客信任也有影响。此外，网站有效的经营管理，也会对顾客的信任产生较大影响。所以，O2O网站平台因素通过网站平台口碑、网站功能性、网站易用性和便捷性以及网站的安全性等指标来体现。

2.2.5交易环境因素

顾客与商家交易过程中存在风险和不确定性因素，需要相关合同条款、交易规则、安全交易保障机制，保护顾客个人的隐私和其他必要保全的信息。因此，那些能够降低顾客交易风险，支付的便捷性和安全性对顾客信任的影响较大。此外，商家给顾客的中肯建议及店铺装修程度也会让顾客产生信任。所以，交易环境通过政策法律环境、顾客保障机制、第三方支付便捷性和安全性、商家推荐建议和店铺装修程度等指标来体现。

3O2O电子商务商家信誉模糊综合评价模型的建立

3.1评估对象因素向量U的确定

由于O2O模式的商家信誉度是由多因素综合作用的结果，各个因素主要是根据商家销售所表现出来的种种努力来确定，要使顾客达到认可信誉的主观感受，要用精确数据来量化具有模糊性和主观性的努力，难度很大。

根据实际调研情况最终确定，影响商家对O2O模式信誉程度的主因素包含商家、顾客、商家提供的产品与服务、O2O网站平台和交易环境5个一级指标，用向量

U=(u1,u2,u3,u4,u5)

表示，向量各分量与表1中各一级指标相互对应，每个一级指标下又包含相应数量的二级指标。根据O2O模式商家信誉模糊理论的计算需求，现设定相关子因素向量为

U1=(u11,u12,u13)，

U2=(u21,u22,u23,u24)，

U3=(u31,u32,u33)，

U4=(u41,u42,u43,u44)，

U5=(u51,u52,u53,u54,u55)。

其中各子因素与表1中各二级指标相互对应。

3.2评估对象评语向量V的确定及量化

首先，建立评语向量

V=(v1,v2,v3,v4,v5)，

其中v1表示“差”，v2表示“一般”，v3表示“中等”，v4表示“良好”，v5表示“优秀”;其次，利用公式

对评语集对应的等级进行量化，得到新的评价向量

Y=(y1,y2,y3,y4,y5)。

公式中，yi表示第i个评语量化后的数值，ti表示原始评语向量中的第i个评价等级,ti=i(i=1,2,3,4,5)。对评语向量对应等级进行归一化处理，得到新的评价向量

Y=(y1,y2,y3,y4,y5)=

(0,0.25,0.5,0.75,1)。

3.3指标权重向量W的确定

由于权重向量确定是商家对于O2O模式信誉评估工作关键因素，采用层次分析法来确定权重。

设主因素权重向量

W=(w1,w2,w3,w4,w5)，

设各子因素权重向量分别为

W1=(w11,w12,w13)，

W2=(w21,w22,w23,w24)，

W3=(w31,w32,w33)，

W4=(w41,w42,w43,w44)，

W5=(w51,w52,w53,w54,w55)。

在确定权重过程中，为保证数据的准确性和可靠性，采用以下4个步骤进行。

第一步，分析O2O模式信誉评估工作影响商家信誉各因素间的关系，建立系统的层次结构。将商家信誉确定为目标层，并依照前文分析确定准则与决策层，具体见表1。

第二步，对同一层的每个元素，就上一层中某个指标重要性进行两两比较。构造两两比较的因素判断矩阵。这里为使得数据更加客观，请三明市电子商务协会的10名多年从事电子商务工作的专家，针对评价指标进行了评价，评价采用9级标度法作为依据,随后整合汇总各专家意见，确定因素判断矩阵A，这里A=(aij)n×n。

第三步，进行判断矩阵的一致性检验，并利用Matlab编程确定出各个指标的权重系数，依据因素判断矩阵的最大特征值所对应的的特征向量来确定。

(1) 根据公式

其中CI为计算因素判断矩阵A的一致性指标。其中，λmax表示A的最大特征值，n表示指标数。

(2) 查询平均随机一致性指标RI，见表2。

表2　平均随机一致性指标

(3) 根据公式

其中CR为计算一致性比例，CI表示A的一致性指标，RI表示平均随机一致性指标。

研究表明，当CR<0.1时，可以接受该判断矩阵A的一致性；否则需要根据实际情况重新对所研究指标进行成对比较，对判断矩阵A进行调整，使其达到一致性的可接受范围。

第四步，利用相关软件对A进行综合计算，求出该矩阵对应的最大特征值和特征向量，并据此得到决策层影响目标层的权重值，值最大的方案就是实现目标的最佳方案。根据以上步骤，利用Matlab软件编程计算求解的因素判断矩阵和权重，结果见表3。

表3　各因素判断矩阵及权重系数

其中类别1代表主因素，类别2代表商家因素，类别3代表顾客因素，类别4代表商家提供的产品和服务因素，类别5代表O2O网站平台因素，类别6代表交易环境因素。

根据O2O的实际运营情况,结合AHP对一致性比例的要求，研究所确定的各因素的判断矩阵依次为

据此，借助Matlab软件，得到主因素的权重向量

W=(0.13,0.27,0.26,0.23,0.11),

各子因素的权重向量为

W1=(0.12,0.32,0.56)，

W2=(0.16,0.54,0.15,0.15)，

W3=(0.54,0.16,0.30)，

W4=(0.43,0.18,0.12,0.27)，

W5=(0.10,0.08,0.19,0.25,0.38)。

3.4采集数据建立模糊关系矩阵

为了建立模糊关系矩阵，选择三明市具有O2O模式相关营运经验的商家作为调查访问对象，利用问卷调查方法对选定商家进行数据采集，要求受访商家按照“差、一般、中等、良好、优秀”5个等级进行填写。总共发放问卷100份，收回95份，其中有效问卷共90份。相关数据统计所得结果，见表4所示。

表4　商家信誉评价分布情况表

依据表1所示，指标体系以及表4的调查数据，可建立商家、顾客、商家提供的产品及服务等、O2O网站平台、交易环境5个因素的模糊关系矩阵。

R1第一行的算法为

24÷95=0.27,15÷95=0.17,

20÷95=0.22,16÷95=0.18,

15÷95=0.17。

第二、三行算法类似。同理可以得到

3.5合成模糊向量并得到模糊综合评价模型

根据模糊综合评价原理，建立O2O模式商家信誉模糊综合评价总得分模型

D=100YCT=

100(y1c1+y2c2+y3c3+

y4c4+y5c5)

(1)

其中，

C=WB

(2)

B=(B1,B2, …,B5)T,

Bi=WiRi(i=1,2,3,4,5)

(3)

这里，D表示模糊评价总得分，Y表示对评价集做归一化处理后的评价矩阵，y1,y2,y3, y4,y5表示Y的分量。C表示一级模糊评价矩阵，c1,c2,c3,c4,c5表示C的分量,CT表示C的转置矩阵。W表示主因素的权重，Wi表示子因素权重，权重B表示二级模糊评价矩阵，Bi表示B的行分向量，Ri表示第i个一级指标对应的模糊关系矩阵。

4 O2O电子商务商家信誉模糊综合评价模型的求解

首先，将表3中的权重数据Wi和3.4得到的模糊关系矩阵Ri代入(3)式得到O2O模式商家信誉二级模糊评价矩阵的分向量

B1=W1R1=(0.23，0.19，0.26，0.16，0.16),

B2=W2R2=(0.19，0.20，0.23，0.19，0.19),

B3=W3R3=(0.17，0.16，0.24，0.23，0.20),

B4=W4R4=(0.17，0.17，0.24，0.20，0.22),

B5=W5R5=(0.11，0.15，0.29，0.20，0.25)。

其次，将上面的计算结果代入(2)式，结合表3主因素权重数据可得

C=WB=(0.13，0.27，0.26，0.23，0.11)·

(0.18，0.18，0.25，0.20，0.20)。

最后，根据公式(1)计算O2O模式商家信誉模糊综合评价总得分

D=100YCT=

100(y1c1+y2c2+y3c3+

y4c4+y5c5) =

100(0，0.25，0.5，0.75，1)·

(0.18，0.18，0.25，0.20，0.20)T=52 。

由此得出，三明市O2O模式商家信誉评价的平均得分为52，与满分100分相比明显偏低。由此可见，目前三明市O2O模式下商家总体信誉水平较低。

5结语

基于模糊理论，建立O2O电商模式下一种较为直观有效的商家信誉水平评估模型，对受访商家的信誉进行了评估测定。从评估结果来看，5个一级指标中顾客因素对商家信誉的影响最大。这表明，O2O电商模式下的商家要提高自身的信誉度，就必须要做好市场调研和客户回访，经营中秉承“客户至上”原则。另外，从19个二级指标的权重关系对比来看，商家异议处理能力、消费及使用经验、提供服务过程、平台口碑、线下店铺环境等因素所占的权重均比其他同级指标的权重要高。由此可见，商家只有在销售中不断提高自身的异议处理能力、抓好“内涵”建设、提升服务质量、提高自身销售平台的竞争力、营造“个性化”的网络购物环境等，才能迅速提升其信誉水平。

参考文献

[1]艾瑞咨询.2015年中国企业O2O化服务模式研究报告[EB/OL].(2015-09-07)[2016-02-02]http://report.iresearch.cn/report/201509/2443.shtml.

[2]SHANKARAV，URBANBGL，SULTANEF，etal.Onlinetrust：astakeholderperspective，concepts，implications，andfuturedirections[J]．JournalofStrategicInformationSystems，2002，11(3):325-344.DOI:10.1016/S0963-8687(02)00022-7.

[3]SCHOORMANFD．Anintegrativemodeloforganizationaltrust：past，present，andfuture[J]．AcademyofManagementReview，2007，32(2)：344-354．DOI:10.5465/AMR.2007.24348410.

[4]TOMLINSONEC,MAYERRC．Theroleofcausalattributionndimensionsintrustrepair[J]．AcademyofManagementReview，2009，34(1)：85-104．DOI:10.5465/AMR.2009.35713291.

[5]杨旭，梁敏，吴军.基于模糊综合评价的O2O电子商务信任测度研究[J].北京邮电大学学报：社会科学版，2014,16(3)：45-51.

[6]赵梦光.我国旅游电子商务网站客户采纳行为研究[D].西安：西安邮电大学，2014，19(4):39-54.

[7]陈湘青，余以胜.O2O电子商务消费者信任模糊综合评价[J].企业经济，2015(7)：110-114.DOI: 10.13529/j.cnki.enterprise.economy.2015.07.022.

[8]程冬，董才，林喻莹.基于模糊理论的Web服务信任评估模型[J].计算机应用于软件，2012,29(10):82-84.DOI: 10.3969 /j.issn.1000-386x.2012.10.023.

[9]刘彦宾，李丽琼.基于模糊理论的P2P电子商务信任评估模型[J].湖南师范大学自然科学学报，2013,36(1)：34-38.

[10] 汪华东，郭嗣琮,岳立柱.基于结构元理论的模糊多元线性回归模型[J].系统工程理论与实践，2014，34(10):2628-2636.DOI:10.12011/1000-6788(2014)10-2628.

[11] 王新洲.模糊空间信息处理[M].武汉：武汉大学出版社，2003：130-131.

[责任编辑:汪湘]

ReputationevaluationmodeforO2Omodebusinessesbasedonfuzzytheory

RUYongmei

(DepartmentofHumanities,SanmingVocationalTechnicalCollege,Sanming365000,China)

Abstract:A fuzzy logic based credit rating model for O2O e-commerce sellers was built to address seller rating problems in O2O e-commerce. This model combines AHP and fuzzy comprehensive evaluation method to rate sellers’ credit in O2O e-commerce. There are five major factors that affect sellers’ credit in O2O business: sellers, customers, products and service provided by sellers, O2O website platform and trading environment. An empirical research is conducted through data collection to assess the role of each of these five factors. Results indicate that the overall credit rating of sellers who have O2O e-commerce related operational experience in Sanming City is low; the factor of customer weighs the most among the five A level indicators, and hence plays the most important role in sellers’ credit rating; among the nineteen B level indicators, the weight of sellers’ dispute settlement performance, consumption and service experience, servicing process, public opinion on the platform and offline store condition top the five.

Keywords:fuzzy theory, O2O mode, sellers’ credits, evaluation mode

doi:10.13682/j.issn.2095-6533.2016.03.021

收稿日期：2016-02-22

基金项目：福建省教育科学规划课题2015年度课题(FJJKCG15-106);三明市社科规划一般课题(Y1519)

作者简介：茹永梅(1979-)，女，硕士，讲师，从事不确定性推理、数学建模研究。E-mail: 564521687@qq.com

中图分类号：F724.6

文献标识码：A

文章编号：2095-6533(2016)03-0120-07