柳保燕 仝青山 雷鳳君

摘 要： 網(wǎng)上購(gòu)物越來越成為大眾的消費(fèi)方式，其中C2C經(jīng)營(yíng)模式下會(huì)出現(xiàn)同種商品在不同店鋪進(jìn)行銷售的情況，用戶很難根據(jù)繁雜的數(shù)據(jù)得到商品的實(shí)際信息，這可以通過對(duì)不同店鋪的同種商品在多種指標(biāo)下進(jìn)行綜合評(píng)價(jià)來解決。研究了在C2C模式下根據(jù)店鋪評(píng)價(jià)和商品信息對(duì)商品可購(gòu)買度作出評(píng)價(jià)，鑒于綜合評(píng)價(jià)是一個(gè)受多因素影響的評(píng)價(jià)，因此采用灰色關(guān)聯(lián)分析法來評(píng)價(jià)商品的可購(gòu)買度。所提出的針對(duì)可夠買度的評(píng)價(jià)模型及其算法具有實(shí)用價(jià)值。

關(guān)鍵詞： 網(wǎng)上購(gòu)物； 灰關(guān)聯(lián)評(píng)價(jià)方法； 評(píng)價(jià)模型； 店鋪評(píng)價(jià)； C2C； 購(gòu)買度

中圖分類號(hào)：TP399 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2013）05-25-03

Purchase degree evaluation model of C2C goods based on grey relation

Liu Baoyan， Tong Qingshan， Lei Fengjun

（China University of Mining &Technology， Beijing 100083， China）

Abstract： Online shopping has become a more and more popular consumption mode. The situation that the same goods are sold in different shop will appear under C2C management mode. It is difficult for customer to judge according to the complicated information， which can be solved by comprehensive evaluation for different stores. This paper will be in C2C mode according to the shop score and commodity information for goods can buy a degree evaluation， In view of multiple factors influencing evaluation， grey relational evaluation is applied. The results show that the purchase degree evaluation model and its algorithm has very practical significance.

Key words： online shopping； grey relational evaluation method； evaluation model； shop score； C2C； purchase degree

0 引言

在網(wǎng)絡(luò)購(gòu)物越來越普及的今天，如何有效地購(gòu)物成為消費(fèi)者的一個(gè)難題，比如在淘寶網(wǎng)（C2C購(gòu)物模式）上，顧客可以根據(jù)站內(nèi)搜索或者產(chǎn)品分類導(dǎo)航功能，找到需求的商品。通常情況下，在商品展示頁面上會(huì)呈現(xiàn)給顧客很多相同的商品而店鋪不同的情形，此情形下，如何挑選出比較滿意的商品，對(duì)于顧客來說就是一件比較費(fèi)時(shí)的事。在目前的C2C購(gòu)物平臺(tái)上，已經(jīng)提供了很多供顧客選擇的購(gòu)物方式，比如顧客可以根據(jù)商品的銷量、價(jià)格，或是商家的信譽(yù)進(jìn)行查詢，但是單一的指標(biāo)還不足以綜合衡量這件商品的可購(gòu)買度。因此，一種新的個(gè)性化服務(wù)需求是第三方亟待解決的問題。根據(jù)網(wǎng)絡(luò)購(gòu)物受多因素和因素不確定性和模糊性的影響，本文采用灰關(guān)聯(lián)評(píng)價(jià)方法，對(duì)同種商品不同商家的商品可購(gòu)買度進(jìn)行評(píng)價(jià)，最終提供給用戶一種新的購(gòu)物推薦方式。

1 研究現(xiàn)狀

現(xiàn)有大多數(shù)C2C網(wǎng)站上的評(píng)價(jià)規(guī)則是既有信用評(píng)分也有店鋪評(píng)分，信用評(píng)價(jià)的目的是讓消費(fèi)者能夠監(jiān)督賣家。信用評(píng)價(jià)體系經(jīng)過多年的運(yùn)營(yíng)后，實(shí)質(zhì)上成為了“店鋪品牌”的評(píng)判標(biāo)準(zhǔn)。為了更準(zhǔn)確地對(duì)店鋪?zhàn)鞒鲈u(píng)價(jià)，從而更好地保護(hù)消費(fèi)者利益，在評(píng)價(jià)體系里設(shè)置了店鋪評(píng)分，增加了對(duì)物流、服務(wù)態(tài)度等項(xiàng)進(jìn)行評(píng)分。店鋪評(píng)分的誕生，對(duì)賣家進(jìn)行更多維度的評(píng)價(jià)，給了買家更多維度的參考[1]。

目前關(guān)于電子商務(wù)網(wǎng)站的信用評(píng)價(jià)模型也有很多，宋光興、楊德禮[2]分析了電子商務(wù)環(huán)境下建立信任困難的原因；熊于寧[3]探討了C2C電子商務(wù)模式中信任建立方面存在的問題；曾小春、王曼[4]用賣方信息、買方信息、交易和制度四個(gè)維度構(gòu)建了C2C信任體系；何清泉、鄒運(yùn)梅[5]運(yùn)用交易對(duì)手的信用度和交易次數(shù)、交易金額來計(jì)算被評(píng)用戶的信用加權(quán)平均分和信用度。

上述文獻(xiàn)的研究各有側(cè)重，同時(shí)對(duì)我們問題的解決也有很大幫助。首先，對(duì)于評(píng)價(jià)指標(biāo)的選取問題，結(jié)合我們的研究目的，我們選擇了店鋪信用度和價(jià)格來作為一級(jí)評(píng)價(jià)指標(biāo)。其次，目前店鋪評(píng)價(jià)的衡量指標(biāo)是商品質(zhì)量，物流質(zhì)量，服務(wù)質(zhì)量[6]，因此將這三個(gè)指標(biāo)作為二級(jí)評(píng)價(jià)指標(biāo)（見圖1）。最后，由于這些指標(biāo)是與交易時(shí)間、交易金額和交易對(duì)象的信用度有關(guān)的[5]，我們將這三個(gè)二級(jí)評(píng)價(jià)指標(biāo)的原始評(píng)價(jià)值進(jìn)行時(shí)間、金額、交易對(duì)象信用的加權(quán)處理，得到新的評(píng)價(jià)值，因此這些新的評(píng)價(jià)值更接近真實(shí)評(píng)價(jià)。新的評(píng)價(jià)值作為層次灰關(guān)聯(lián)評(píng)價(jià)方法的原始值。

2 C2C網(wǎng)購(gòu)商品可購(gòu)買度的評(píng)價(jià)模型

綜合評(píng)價(jià)一個(gè)商品的可購(gòu)買度，既要看在架商品本身所具有的屬性，也要看店鋪的信用度。在架商品的屬性是及時(shí)性的，而商鋪的信用度是經(jīng)過長(zhǎng)時(shí)間積累的，某次的信用度是不能正確反映店鋪的綜合信用度的，因此需要綜合考慮店鋪信用度。目前C2C的信用度集結(jié)模式是簡(jiǎn)單的相加，這種方式既沒有考慮時(shí)間對(duì)信用的影響，也沒有考慮交易價(jià)格和評(píng)價(jià)者信用的影響，因此該模型中我們將這些因素考慮在內(nèi)。雖然也已經(jīng)有研究提出把這些因素考慮在內(nèi)，但是其算法流程一般是根據(jù)質(zhì)量、服務(wù)、物流相對(duì)于信用的權(quán)重計(jì)算每次交易的信用度，最后再根據(jù)每次的信用度做時(shí)間上的加權(quán)計(jì)算，得到店鋪綜合信用度[5]，但是這種方法既不能真實(shí)反映每次評(píng)價(jià)值的真實(shí)性，也不能很好地反應(yīng)店鋪信用在各個(gè)指標(biāo)上綜合評(píng)價(jià)能力。

2.1 評(píng)價(jià)模型

⑴ 指標(biāo)的選取

我們的評(píng)價(jià)模型的指標(biāo)選取如圖1所示。

[目標(biāo)＼&一級(jí)指標(biāo)＼&二級(jí)指標(biāo)＼&商品可購(gòu)買度（C）＼&商鋪的信用度（A1）＼&商品質(zhì)量 （B1）＼&物流（B2）＼&服務(wù)（B3）＼&商品價(jià)格（A2）＼&＼&]

圖1 商品可購(gòu)買度的影響因素

⑵ 指標(biāo)值的預(yù)處理

計(jì)算質(zhì)量，物流，服務(wù)指標(biāo)在時(shí)間，金額，買家信用加權(quán)下截止到當(dāng)前的評(píng)價(jià)值TN。

⑴

⑵

其中，Rm表示對(duì)應(yīng)于時(shí)刻tm（某年某月）的指標(biāo)評(píng)價(jià)值，r表示第i此交易時(shí)評(píng)價(jià)者的原始評(píng)價(jià)值，Ii表示金額權(quán)重系數(shù)，Ei示評(píng)價(jià)者信用權(quán)重系數(shù)，TN表示截止到當(dāng)前的綜合指標(biāo)評(píng)價(jià)值，σ表示時(shí)間權(quán)重系數(shù)。

⑶ 評(píng)價(jià)方法的選取[7]

本論文采用多層次灰關(guān)聯(lián)評(píng)價(jià)方法，該方法用灰色關(guān)聯(lián)度來描述各比較序列與最優(yōu)參考序列之間的關(guān)聯(lián)度，然后依據(jù)關(guān)聯(lián)的大小來對(duì)評(píng)價(jià)對(duì)象進(jìn)行比較、排序。根據(jù)我們的評(píng)價(jià)模型，我們既可以用更接近真實(shí)的評(píng)價(jià)值來計(jì)算，也可以看到某段時(shí)期內(nèi)店鋪在各個(gè)指標(biāo)上的綜合值。

2.2 指標(biāo)值的預(yù)處理

2.2.1 評(píng)價(jià)者權(quán)重系數(shù)的確定[8]

為防止一些不良消費(fèi)者的惡意評(píng)價(jià)，在構(gòu)建評(píng)價(jià)模型時(shí)以評(píng)價(jià)者自己的信用水平為權(quán)重來表示其評(píng)價(jià)對(duì)被評(píng)價(jià)者的總影響，一個(gè)用戶評(píng)價(jià)的商品數(shù)量夠多，說明是一個(gè)非常有經(jīng)驗(yàn)的用戶，因此，其用戶信用度可以用他對(duì)商品的評(píng)價(jià)數(shù)目來反映：

其中，nu表示用戶u所評(píng)價(jià)過的資源數(shù)目，A為一個(gè)常數(shù)，稱作懲罰數(shù)目，一般取50。當(dāng)nu=A時(shí)權(quán)重為1。

2.2.2 交易金額權(quán)重系數(shù)的確定[9]

大量的事實(shí)證明，當(dāng)網(wǎng)上交易金額較大時(shí)，買賣雙方的評(píng)價(jià)都比較謹(jǐn)慎客觀，因此把交易金額作為每次交易的評(píng)價(jià)值權(quán)重。其確定方法可以規(guī)定如下：100元以下的權(quán)重設(shè)為0.1，100-500元的權(quán)重設(shè)為0.2，500-1000元的設(shè)為0.3，1000-2000元的設(shè)為0.4，以此類推。

2.2.3 時(shí)間權(quán)重系數(shù)的確定

其中，Δtj表示時(shí)刻t到時(shí)刻tj所持續(xù)的月份，Δtj/12為時(shí)刻tj對(duì)應(yīng)的月份的權(quán)重，Yk為年份對(duì)應(yīng)的權(quán)重。tN-12·1表示距tN一年前的時(shí)刻（某年某月），tN-12·2表示距tN兩年前的時(shí)刻，依此類推。

計(jì)算Δtj時(shí)使用的時(shí)刻t的計(jì)算方法為：若tj處于tN-12·1和tN之間，則t=tN-12·1；若tj處于tN-12·2和tN-12·1之間，則t=tN-12·2；同理，取t=tN-12·3…。

Yk的計(jì)算方法為：當(dāng)tj處于tN-12·1和tN之間時(shí)，取Y0==1；當(dāng)tj處于tN-12·2和tN-12·1之間時(shí)，??；以此類推，…。

2.3 灰關(guān)聯(lián)綜合評(píng)價(jià)方法

灰色綜合評(píng)價(jià)法[10]是一種定性與定量分析結(jié)合的綜合評(píng)價(jià)方法。用灰色單層次綜合評(píng)判模型進(jìn)行n個(gè)方案優(yōu)劣的比較，其具體算法描述如下。

假設(shè)系統(tǒng)是由m個(gè)指標(biāo)（因素）構(gòu)成單層次系統(tǒng)。若系統(tǒng)有n個(gè)方案，則第i個(gè)方案的m個(gè)指標(biāo)構(gòu)成數(shù)列，Xik=[Xi1，Xi2，…，Xim]，（i=1，2，…，n；k=1，2，…，m），n個(gè)方案的原始指標(biāo)構(gòu)成矩陣Xnm。

⑴ 確定最優(yōu)指標(biāo)集（X0k）

設(shè)X0k=[X01，X02，…，X0m] 式中：X0k（k=1，2，…，m）為第k個(gè)指標(biāo)在諸方案的最優(yōu)值。在指標(biāo)中，如某一指標(biāo)取大值為好，則取該指標(biāo)在各方案的最大值，如取最小值為好，則取各方案中最小值。

⑵ 指標(biāo)值的規(guī)范化處理

由于指標(biāo)相互之間通常具有不同的量綱和數(shù)量級(jí)，不能直接進(jìn)行比較，因此需要對(duì)原始指標(biāo)值進(jìn)行規(guī)范化處理。用下式進(jìn)行規(guī)范化處理：

⑶ 計(jì)算關(guān)聯(lián)度系數(shù)

將規(guī)范化處理后的最優(yōu)指標(biāo)集{λ0k}作為參考數(shù)列，經(jīng)規(guī)范處理后各方案的指標(biāo)值{λik}作為被比較數(shù)列，則可用下述關(guān)聯(lián)系數(shù)公式分別求得第i個(gè)方案第k個(gè)指標(biāo)與第k個(gè)最優(yōu)指標(biāo)的關(guān)聯(lián)系數(shù)，記：

則

該式中，ρ為分辨率系數(shù)ρ∈[0，1]，引入它是為了減少極值對(duì)計(jì)算的影響。在實(shí)際應(yīng)用中，一般取ρ≤0.5。進(jìn)一步求得關(guān)聯(lián)系數(shù)矩陣E。

該式中，i（k）=（i=1，2，…，n；k=1，2，…，m）為第i種方案第k種指標(biāo)與第k個(gè)最優(yōu)指標(biāo)的關(guān)聯(lián)系數(shù)。

⑷ 建立灰色單層次評(píng)價(jià)模型

數(shù)學(xué)模型：R=P×E

該式中，R為n個(gè)方案綜合評(píng)價(jià)結(jié)果矩陣。P為m個(gè)評(píng)價(jià)指標(biāo)的權(quán)重分配矩陣，應(yīng)滿足。各個(gè)指標(biāo)的權(quán)重可以由層次分析法（AHP 法）[11]來確定。

第i個(gè)方案的綜合評(píng)判結(jié)果即關(guān)聯(lián)度ri，可由下式求得

2.4 綜合評(píng)價(jià)

多層次灰關(guān)聯(lián)評(píng)價(jià)是以單層次灰關(guān)聯(lián)評(píng)價(jià)為基礎(chǔ)的。具體方法為：先將第三層指標(biāo)運(yùn)用單層次灰關(guān)聯(lián)評(píng)價(jià)方法得到店鋪信用度評(píng)價(jià)結(jié)果C；然后將C作為第二層次的指標(biāo)矩陣中的一個(gè)列向量，進(jìn)行第二層的單層次灰關(guān)聯(lián)綜合評(píng)估，得到評(píng)判結(jié)果D；比較D中各元素的大小，其值越大，表明相應(yīng)商品的綜合評(píng)價(jià)指數(shù)越高。

3 評(píng)價(jià)算法

步驟1：輸入每次交易店鋪在商品質(zhì)量、服務(wù)質(zhì)量、物流質(zhì)量的原始評(píng)價(jià)值，計(jì)算每次的交易金額權(quán)重和評(píng)價(jià)者信用權(quán)重，根據(jù)公式⑴計(jì)算店鋪在某年某月的指標(biāo)評(píng)價(jià)值Rm。

步驟2：計(jì)算時(shí)間權(quán)重系數(shù)，根據(jù)公式⑵計(jì)算時(shí)間加權(quán)的各個(gè)指標(biāo)評(píng)價(jià)值TN。

步驟3：重復(fù)步驟1和2，計(jì)算n個(gè)商店的指標(biāo)評(píng)價(jià)值TN（B1）i、TN（B2）i、TN（B3）i，得到一個(gè)評(píng)價(jià)矩陣Xi=[TN（B1）i，TN（B2）i，TN（B3）i]T（i=1，2，…，n；k=1，2，3），i表示店鋪數(shù)量。

步驟4：用層次分析法得到二級(jí)指標(biāo)的相對(duì)權(quán)重和一級(jí)指標(biāo)的相對(duì)權(quán)重。

步驟5：運(yùn)用單層次的灰關(guān)聯(lián)評(píng)價(jià)方法，得出n個(gè)店鋪的信用評(píng)價(jià)值。

步驟6：把價(jià)格和店鋪信用值構(gòu)成新的評(píng)價(jià)矩陣Xi=[A1i，A2i]T（i=1，2，…，n），再次運(yùn)用單層次的灰關(guān)聯(lián)評(píng)價(jià)方法，得出n個(gè)店鋪該商品的可購(gòu)買度值。購(gòu)買度值大的店鋪，說明該店鋪的這種商品優(yōu)于購(gòu)買度值小的其他店鋪。

4 結(jié)束語

建立商品可購(gòu)買度的評(píng)價(jià)模型對(duì)于電子商務(wù)有實(shí)際意義。在此評(píng)價(jià)模型中，我們引入多層次的評(píng)價(jià)指標(biāo)，將指標(biāo)劃分為及時(shí)性的因素和非及時(shí)性的因素。對(duì)于非及時(shí)性因素我們考慮應(yīng)用時(shí)間加權(quán)處理；對(duì)于用戶評(píng)價(jià)的數(shù)據(jù)，我們也引入了用戶信用度和交易金額信用度來處理每次用戶的評(píng)價(jià)。經(jīng)過處理的評(píng)價(jià)值更接近真實(shí)性，提高了評(píng)價(jià)模型的準(zhǔn)確度。綜合評(píng)價(jià)模型對(duì)多指標(biāo)推薦算法[12，13]也有很好的借鑒價(jià)值。本文只從理論方面對(duì)商品的可購(gòu)買度進(jìn)行了探索研究，還缺乏對(duì)模型的實(shí)證分析。

參考文獻(xiàn)：

[1] 紅色成偉.淘寶網(wǎng)新的評(píng)價(jià)規(guī)則店鋪動(dòng)態(tài)評(píng)[EB/OL].http：//blog.

sina.com.cn/s/blog_45c4b1ff0100c5lj.html，2009-02-15.

[2] 宋光興，楊德禮.電子商務(wù)中信任問題及信任建立途徑[J].科技進(jìn)步

與對(duì)策，2004.11：129-131

[3] 熊于寧.電子商務(wù)C2C模式信任機(jī)制研究[J].中山大學(xué)學(xué)報(bào)論從，

2006.9：56-58

[4] 曾小春，王曼.電子商務(wù)的信任機(jī)制研究—針對(duì)不同模式的比較分析

[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2007.2：57-63

[5] 何清泉，鄒運(yùn)梅.C2C電子商務(wù)網(wǎng)站信用綜合評(píng)價(jià)[J].圖書情報(bào)工作，

2011.16：132-135

[6] 淘寶網(wǎng).店鋪評(píng)分的計(jì)分、修改的規(guī)則[EB/OL].http：//rule.taobao.

com/detail-95.htm？spm=0.0.0.76.1dMamX，2012-07-17.

[7] 蘇為華.多指標(biāo)綜合評(píng)價(jià)理論與方法問題研究[D].廈門大學(xué)博士學(xué)位

論文，2000.

[8] 吳彬.引入用戶權(quán)威性的分類協(xié)同過濾推薦算法的研究[J].焦作高等

?？茖W(xué)校學(xué)報(bào)，2008.24（1）：78-79

[9] 原娟娟.改進(jìn)的C2C電子商務(wù)信用評(píng)價(jià)模型及算法研究[J].價(jià)值工

程，2010.34：149-150

[10] 杜棟，龐慶華，吳炎.現(xiàn)代綜合評(píng)價(jià)方法與案列精選[M].清華大學(xué)出

版社，2008.

[11] 韓中庚.數(shù)學(xué)建模方法及應(yīng)用[M].高等教育出版社，2005.

[12] 張付志，?？★L(fēng)，王棟.基于Widrow_Hoff神經(jīng)網(wǎng)絡(luò)的多指標(biāo)推薦算

法[J].模式識(shí)別與人工智能，2011.24（2）：233-242

[13] Yi Peng， Wenli Zhang， and Gang Kou. A Fuzzy MCDM Based

Approach for Hybrid Recommender systems[A].第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C]，2011.