不确定环境下移动电子商务商家评价方法

张恩桥 ，赵树平

（1.安徽财经大学工商管理学院，安徽 蚌埠233030；2.合肥工业大学管理学院，安徽 合肥230009；3.合肥工业大学，智能决策与信息系统技术教育部工程研究中心，安徽合肥230009）

一、引言

21世纪以来，中国网民规模增长了近30倍，目前网络的渗透率约为52%。得益于移动通讯网络建设的高速发展及无线通讯技术的飞速进步，中国手机网民占总网民比大幅攀升，从2007年的24%迅速攀升至2009年的61%，再到目前的90%以上[1]。终端的普及促进了移动电子商务的发展。与传统电子商务相比，无线通讯技术使移动电子商务摆脱了PC端有线的束缚，具有移动性、便利性、个性化等特点。但不同于PC端宽大清晰的显示屏和性能强大的处理器，受制于尺寸所限，移动终端的处理能力和屏显明显处于劣势，这在很大程度上影响着用户的体验，当一个商品搜索出来几千甚至几万条信息在移动端展示是没有意义的。相对于过剩的信息，消费者的注意力反而成为了一种稀缺资源，这种现象在网络时代表现得尤为明显[2]。为有效利用挖掘这一资源，基于经济利益的考虑，移动电子商务平台往往通过一定技术手段使特定商家显示在第一屏，这有利于移动电子商务平台和商家的利润增长，但对于消费者却形成了一定误导。快速有效地对移动电子商务商家做出客观评价有利于保护消费者利益，维护移动电子商务良好的商务环境。

Morgan R M指出信任是社会交换关系的基础[3]。相较于现实环境中的市场交换，移动电子商务由于其环境的虚拟性，交易行为更加依赖于交易双方的信任基础。对于信任的研究主要分为定性研究和定量研究两类。对于定性研究，主要研究信任的影响因素并由此给出增强信任促进商务活动的相关建议。

李文、孟德才、林家宝等基于TAM模型，分别从消费者的互联网经验、感知创新、移动技术、移动商务供应商、制度、安全、信息、易用性等因素方面入手进行分析，并比较了不同要素对移动电子商务活动的影响程度[4-6]。对于信任的定量研究，研究者主要关注对信任的评估、预测。“信任管理”由M.Blaze等人于1996年首次提出，其特征是基于定量的方法采用标准化的模式描述信任关系[7]。李志宏和李敏霞研究了信任的基础、网络信任的形成过程以及移动商务信任特点并在此基础上提出相关建议帮助移动电子商务商家提高市场竞争力[8]。樊丽杰等通过分析客户信任影响因素提出了一种基于改进灰色预测的移动电子商务交易信任预测算法[9]。徐旭等通过借助因子分析法、BP神经网络法构建客户信任评价模型,并以移动电子商务中的微商为例对信任模型进行了检验[10]。Lu,BZ等基于制度信任理论分别从网站制度、技术与制度混合治理视角、市场制度等方面构建了电子商务的信任模型[11]。张芊、徐向龙研究了移动电子商务环境下客户信任影响因素并分别构建了信任评估模型[12-13]。

上述研究为消费者提供了有效评估框架和评估方法，然通过调查我们发现在实际的移动电子商务活动中，对于一件普通的商品，由于消费者信息处理能力不同且考虑到信息搜集成本，普通消费者通常只会参考电子商务平台提供的商家信誉评价，然而这种评价并非完全客观，网络上刷单刷好评现象屡禁不止。针对这种问题，本文在上述文献及调查的基础上构建了包括描述一致性、服务、物流、差评率、退款率、销量与评价数一致性、历史信誉、制度保证等指标的新的评估体系，该体系删减了部分数据难以获取或需要较高专业知识的评估指标，增加了基于商家现有数据的评估指标，该类指标通过挖掘现有数据间逻辑关系识别出刷单、刷好评等作弊商家。相较于正面评价信息，商家对于差评的态度是尽量消除，而无法消除的差评对于消费者而言具有真正的参考价值；退款率一方面能反映出该商家商品的品质另一方面也能间接反映有无刷单。

二、基于证据推理的商家评估方法

由于移动端显示屏尺寸局限、网络速度及购物时间等因素的影响，消费者往往不能或不愿对每一个具体的指标给出精确地判断，最终影响评判的正确性。基于证据推理方法在处理不确定、不完全决策信息方面的优势，本文将其用于存在不完全评价信息的移动电子商务信任评价。

消费者对商家al在指标ci上做出评价，评价等级由差及好记为 Hr（r＝1，…，5），以 βr，i（al）为消费者对商家al在ci评为Hr的比率，为获得al在整体指标上的综合评估等级，考虑到各指标权重ωi，定义基本评估等级 mr，i、基本未知评估等级 mH，i[14]：

由递归算法对 mr，i、mH，i集结，可得商家 al在整体指标上的综合评估等级为 Hr 的概率 βr，i（al），综合未知信息 βr，i（al）[14]：

其中

记消费者者对al的综合评估等级为：假设 Hr的效用以 u（Hr）表示，则 G（al）的效用为：

消费者al对商家做出部分评估时，即当βH（al）≠0时，由于最低评价等级有最小的效用，最高评价等级有最大的效用，因此 U（G（al））的最小、最大效用值[14]为：

三、算例分析:

由于雾霾严重,某公司计划购买一批空气净化器。通过初步筛选，从网上选出a1、a2、a3三个备选商家，相关指标评价由差到好分为5个等级，其效用分别为（0,0.25,0.5,0.75,1.0），设定各指标权重分别为（0.1,0.1,0.1,0.15,0.15,0.15,0.15,0.1），并给出初步评价如表1所示，由于信息不完整，商家a3的退款率评价未能给出，以#代替。

表1 商家评价信息表

由上表所知，三个备选商家在评价体系中表现各有优劣，且商家a3评价信息不完全，这给消费者选择带来困难。根据式(1)-(11)计算可知，三个备选商家效用分别为 (0.7245,0.7245)、(0.9633,0.9633)、（0.7402,0.6274）,a2为满意商家。

四、结论与展望

移动电子商务在提供快速便捷的商务服务的同时由于其技术、设备特点使商家与消费者之间存在着信息的不对称性，一些不良商家隐匿其中通过刷单、虚假宣传等手段欺骗消费者，破坏了移动电子商务环境。本文构建了科学合理的评价体系，并基于证据推理方法处理不确定信息，为消费者的评价选择提供了有效支持。