C2C电子商务信用评价与供应商优选改进模型研究

王志勇，张 侃，梁 新

(海军工程大学 管理工程与装备经济系，湖北 武汉 430033)

C2C(consumer to consumer)电子商务模式属于消费者与消费者之间开展经济活动的交易形式，因其发展前景良好、应用范围广泛、交易灵活便捷等显著优点而深受消费者青睐。与之相伴而来的是C2C电子商务模式的信用风险问题，由于该模式具有较高的不确定性、虚拟性和隐匿性，容易引发网络采购商品的信用危机，从而阻碍电子商务市场的健康发展。电子商务信用风险通常是指在电子商务交易过程中，由于买方或卖方因主观原因或不可抗力等因素拒绝执行贸易合约，而给交易对方带来潜在损失的可能程度。研究表明，为有效管控C2C电子商务信用风险，建立C2C电子商务信用评价体系，开展行之有效的电子商务信用评价工作来科学选择最优供应商，对于完善我国C2C电子商务信用评价机制具有非常重要的意义[1-4]。

当前，关于C2C电子商务信用评价的研究主要集中在指标体系构建和评价方法选择两个方面。在指标体系构建方面，随着研究不断深入，指标体系构建结构也在不断地优化和完善，更加注重从不同角度来实现指标设计的功能完整性和整体平衡性。文献[5]提出建立第三方电子商务信用评价机制的构想，认为应结合电子商务信用数据和信用调查来确定信用评价指标；文献[6]从大数据背景出发，提出基于第三方数据、电商平台交易数据和网络轨迹数据构建电商信用评价体系的应用方法；文献[7]在分析当前主流C2C信用评价模型局限性的基础上，建议将退货因素和评价人信用因素引入信用评价模型进行重新设计。

在评价方法选择方面，如何提高评价结论的有效性则是长期以来学术界关注的问题。以往研究中，常用的评价方法多为单一评价方法，如层次分析法(AHP)[8]、熵值法[9]和灰色关联分析法[10]等。然而，AHP法虽然使用简便，但指标选取主观色彩浓厚，权重设计人为分割痕迹较重；熵值法虽然体现了指标的客观数据信息特征，但利用所得结论来分析问题的解释性通常不强；灰色关联分析法以灰色理论为基础，在进行指标数据分析时，能够适用于时间序列和非时间序列等多种情形，应用范围广，主观性和客观性兼有，但评价问题时使用的灰色关联度公式本身存在一定的缺陷，影响评价结果的准确性。据此，笔者在汲取传统单一评价方法优点的基础上，引入海明贴近度和变权理论思想，建立可变熵权模糊物元模型，可有效克服C2C电子商务信用评价与供应商优选过程中的人为主观判别随意性，增强评价结论的解释性和说服力，使供应商选择更加科学、简明。

1 C2C电子商务信用评价指标体系构建

电子商务信用评价通常采用定性分析与定量分析相结合的方法进行测定，对于C2C电子商务模式而言，风险主要来源于信息甄别、商品订货、客户评价、质量保障服务等行为过程中产生的卖方信用风险，因此笔者将卖方主体作为评价对象进行C2C电子商务信用评价指标体系构建，C2C电子商务信用评价指标体系如图1所示。

图1 C2C电子商务信用评价指标体系

由图1可看出，按照系统分解的基本思想，将总目标划分为静态指标和动态指标两个大的评价维度，静态指标为定性评价指标，主要反映电商的基本资质信息是否合规、完整、真实、准确。动态指标为定量评价指标，主要对当年电商交易过程和顾客评价反馈等环节中发生的各种可以量化的信息进行收集、整理、统计，形成评价依据。经过对总目标的层层分解后，可以得到20项具有可度量性的四级指标，其中属于基础信息三级指标的有6项，属于当年交易信息三级指标的有5项，属于当年评价信息三级指标的有5项，属于当年技术信息三级指标的有4项。

2 基于海明贴近度可变熵权模糊物元模型设计

2.1 模糊物元基本原理

物元分析法的主要特点在于能够将多指标评估中容易出现的矛盾性问题转化为相容性问题，从而使得问题迎刃而解。在现实生活中，由于物元的量值元素通常具有模糊属性，因此形成了新的模糊不相容问题。通过引入模糊数学理论，将其与物元分析法有机结合、渗透交融，形成的新方法就叫做模糊物元分析法。该方法具有计算简便、结论可靠、适应性强等特点。

2.1.1 模糊物元与复合模糊物元

物元是指构建用于描述某一事物的有序三元组R=(N,C,V)，其中事物名称为N，特征值为C，量值为V。当V具有模糊属性时，便构成模糊物元。对于具有n个特征c1,c2,…,cn和对应n个量值v1,v2,…,vn的多维特征事物N，称R为n维模糊物元。对于m个事物、n维物元进行组合的情形，则构成m个事物n维复合物元，记作Rnm,如式(1)所示。进一步地，若Rnm的量值具有模糊属性，则称为m个事物n维复合模糊物元，记作⊗Rnm，如式(2)所示。

(1)

(2)

式中：Xij为第j个事物第i个特征值对应的量值；⊗ij为第j个事物第i个特征值对应的模糊量值；i=1,2,…,n;j=1,2,…,m。

2.1.2 从优隶属度原则与标准模糊物元

(3)

(4)

(5)

式中：mi和Mi分别为各评价对象在第i个指标处的下限值和上限值；⊗ij为第j个评价对象在第i个指标处的隶属度大小。对于评语型指标，笔者结合研究实际，选择其隶属度计算公式为(优，良，中，低，差)=(1.0，0.8，0.6，0.4，0.0)。

2.2 可变熵值原理与权重设计

在电商信用评价中，需要科学分配权重系数来衡量各评价指标的重要性差异，笔者采用可变熵值原理来进行权重设计。可变熵值原理是一个组合概念，由熵值理论和变权理论两部分构成。其主要原理思想是指一方面运用熵值理论来确定常权重，另一方面运用变权理论来确定变权重，经过合理叠加而形成综合可变熵权。

2.2.1 熵值法确定常权重

一个系统有序程度越高，则熵就越小，所含信息量就越大。反之，若系统的无序程度越高，则熵就越大，其信息含量就越低。一般地，对于包含m个事物的评价对象集{Bj}(j=1,2,…,m)，每个事物包含n项评价指标，构建原始指标得分矩阵Z=(zij)n×m(i=1,2,…,n;j=1,2,…,m)。对于矩阵Z中某项指标，采用不同测算方法得到的指标得分zij误差越大，则说明该指标在综合评价中所起到的作用越大，该指标应当得到重视，其权重值系数应当越大，对应的信息熵则越小，反之亦然。利用信息熵来为指标评价工作提供依据，应当统一指标评价数据量纲，需要对原始指标矩阵Z进行数据标准化处理，得到标准化矩阵Y=(yij)n×m。由此，求得第i项指标值相对强度的信息熵ei。

(6)

通常认为k=1/lnm，m为事物数量，即C2C电子商务信用评价中供应商的数量。熵值ei越小，说明yij的差异性越大。设差异系数为gi，则有gi=1-ei。此时，第i个指标的熵权，记作wi。

(7)

2.2.2 变权理论确定变权重

变权理论[11]认为，指标之间的重要程度并不是一成不变的，而是会随着指标数值的改变而改变。在C2C电子商务信用评价指标体系中，当某些指标处于偏离标准值较远的状态时，会加速对电商信用水平造成负面影响。但在使用常权进行评价时，由于权重固定，则最终评价结果无法真实地反映指标状态的加持影响，从而造成评价结果失真。基于此，笔者采用具有正负激励效应的局部状态变权向量对常权wi进行修正。

(8)

(9)

式中：⊗i为第i项评价指标的从优隶属度函数值；α,β,γ,c均为[0,1]内的参数，α为否定水平，β为惩罚水平，γ为激励水平，c为调整水平。借鉴文献[12]，笔者取α=0.25,β=0.65,γ=0.80,c=0.20。

2.3 海明贴近度与综合评价

贴近度是对两个模糊集接近程度的一种量度。设论域为U，直积U×U上关于U的2个模糊子集A和B的映射n(A,B)→[0,1]若满足以下3个条件，则称n(A,B)为A与B的贴近度：①n(A,A)=1，n(∅,U)=0；②n(A,B)=n(B,A)；③A⊆B⊆C⟹n(A,C)≤n(A,B)Λn(B,C)。基本原理公式如式(10)所示。

n(A,B)=1-d(A,B)=(∑|A(Uk)-

B(Uk)|p)1/p

(10)

式中：当p=1时，d(A,B)为海明距离[13-14]；当p=2时，d(A,B)为欧式距离。

结合评价实际，构建模糊物元模型，引入可变熵权，生成距离矩阵，选择应用广泛、计算简便的海明贴近度作为评价标准，并采用M(·,+)算法，将式(10)改写为式(11)的形式，构建海明贴近度复合模糊物元RρH，如式(12)所示，并将不同供应商的RρH按照由大到小的顺序进行排序，最终确定最优选择方案。

(11)

(12)

3 实证分析

3.1 研究背景与数据采集

某单位计划网上采购一套故障数据采集分析集成设备，以完善装备故障分析与可靠性预测功能。依据前期市场调查，采购专家小组初步筛选符合实验要求的4家集成设备供应商，分别记为甲、乙、丙、丁。现对4家供应商2017年度电子商务信用水平进行考察，通过网上咨询与实地考察，查阅核实4家供应商基本数据如表1所示。其中指标U33～U35为定性评价指标，由采购专家小组的5位专家结合评价指标相关信息，给出对应评语并进行综合评定。指标U23～U25、U32、U42为成本型指标，其余指标均为效益型指标。

表1 信用评价基本数据表

3.2 案例求解

(13)

利用式(11)和式(12)计算海明贴近度，得到海明距离矩阵H和海明贴近度复合模糊物元RρH，分别如式(14)和式(15)所示。

从计算结果看，甲的海明贴近度为0.953，乙的海明贴近度为0.863，丙的海明贴近度为0.880，丁的海明贴近度为0.921，排列顺序为甲>丁>丙>乙。海明贴近度越大，则方案越优，故应当选择甲为相对最优供应商。

3.3 结论分析

根据距离矩阵H进一步分析，可发现供应商甲、乙、丙和丁在信用评价方面，均存在不同程度的改进余地。①对于甲而言，需要改进的指标按照重要程度依次递减，排在前3位的分别是U22、U44和U23，即“电商交易成功率”、“电商链接用户转发率”和“电商交易欠款率”这3方面需要进一步加强，查明交易失败原因，增强商品品牌宣传推送力度，强化资金管理。②对于乙而言，重点改进指标依次为U11、U42和U32，即“工商注册信息完善度”、“电商交易退货率”和“电商交易投诉率”这3方面需要进一步加强，尤其是要努力降低退货率和投诉率，改进电商产品和服务质量。③对于丙而言，重点改进指标依次为U22、U13和U11，即“电商交易成功率”、“域名注册信息完善度”和“工商注册信息完善度”这3方面需要进一步加强，表现在交易失败率较高且与电商资质相关的静态信息缺失较多，重点查找电商资质信息缺失较多是否是造成客户信任危机，进而产生交易失败的直接原因，需要尽快补充缺失信息。④对于丁而言，重点改进指标依次为U15、U11和U22，即 “备案审核信息完善度” 、“工商注册信息完善度”和“电商交易成功率”这3方面需要进一步加强，虽然电商丁与电商丙有两项改进指标存在重合，说明存在与丙类似的问题，但是问题的严重程度却比丙要小得多。

表2 供应商指标权重对照表(四级指标)

表3 供应商指标权重对照表(三级指标)

(14)

(15)

4 结论

随着网络技术的快速发展和新兴交易模式的出现，C2C电子商务不断得到普及推广，电子商务交易过程中的信用问题日益成为制约电子商务运营发展的瓶颈问题。为解决多指标评估的不相容性问题，笔者引入海明贴近度概念，构建了模糊物元模型，结合变权理论设计了可变熵权，克服了传统主观定权方法的缺陷。经实证检验，该方法有效挖掘了C2C电商信用评价信息要素，可分析不同电商信用的优势与短板，综合评价效果良好，评价结论可信度高，能够较好地解决C2C电子商务信用评价问题，为选择最优供应商提供有益的思路借鉴。