網絡零售市場信用機制優化研究

李敬泉

一、引言

近年來，隨著我國信息技術的進一步發展、互聯網的日益普及和電子商務的不斷壯大，網絡零售交易模式逐漸為廣大消費者所接受，網購用戶規模與交易額逐年增長。中國電子商務研究中心發布的《2012年度中國網絡零售市場數據監測報告》顯示：截止到2013年12月，我國網購用戶規模達3.12億人，而2012年我國網購用戶規模為2.47億人，同比增長26.3%；截止到2013年12月，中國網絡零售市場交易規模達18851億元，2012年為13205億元，同比增長42.8%。①但與此同時，消費者關于網絡零售商誠信問題的投訴次數卻居高不下，虛假促銷、網絡詐騙等現象在我國網絡零售市場中時有發生。事實上，由于網絡交易的虛擬性，買賣雙方在交易過程中通常處于非面對面的環境，商品質量、價格以及售后服務信息完全來自于買方自身的判斷。因此，網絡零售系統具有明顯的信息不對稱性，潛在風險巨大。在這樣信息不對稱的環境中，要保證交易的順利進行，降低風險，交易雙方的信用顯得尤為重要。當前，信用風險已經成為了阻礙我國網絡零售市場進一步發展的主要因素。為降低信用風險，我國網絡零售電子商務網站紛紛建立了信用評價體系，但由于其評價等級設置過于簡單，信用評價算法缺乏對用戶信用度的考慮，沒有涉及到交易金額，存在大量用戶虛假評價等問題，各網絡零售電商網站當前的信用評價方法不能反映店鋪真實的信用水平，不能為買家提供可靠的參考。對此，理論界針對網絡零售信用風險問題提出了各種解決辦法，但均存在一定的不足。本文將以信任傳遞為基礎，結合前人研究成果提出一種改進的信用計分機制，改善我國網絡零售商信用評價機制，降低消費者購買的信用風險，促進我國網絡零售市場進一步發展壯大。

二、國內外相關研究現狀

目前，國內外有關電子商務系統中信用問題的研究較多。國外關于網絡零售信用機制的研究，如張杰（Jie Zhang）[1]對賣家和買家的信用度進行量化，并提出了相應的函數模型。該研究認為，賣家的信用只與其賣出的記錄有關，而與其作為買家時的買入記錄無關，并利用易貝（Ebay）的數據對自己的結論進行了驗證，不過該模型并沒有考慮一些惡意破壞信用系統行為的影響。牟（Mui）[2]基于貝葉斯概率方法，構建了Mui信任模型，利用交易雙方歷史信息及歷史信譽來推導用戶信用值，但Mui信任模型難以準確地為互惠、信譽變量初始化賦值，并且該模型僅適用于簡單的并行社會網絡，難以消除惡意推薦的影響。阿卜杜拉赫曼（Abdul-Rahman）等人[3]提出了基于信譽機制的信任模型，但該模型僅采用單一數值來表示信任度，難以準確描述信用的多維特性。此外，由于該模型忽略了評分人的信用度，難以區分惡意用戶與誠實用戶，無法解決惡意推薦的問題。

針對我國網絡零售市場信用評價體系存在的不合理之處，國內許多學者進行了研究并提出了改進意見。樸春慧、安靜和方美琪[4]建立了改進的電子商務網站信用評價模型，提出了新的信用評價算法，通過權衡考慮交易對方的信用度和交易次數、交易金額來計算被評用戶的信用加權平均分和信用度。甄磊、鄭力、吳姍姍[5]提出，利用初始靜態信用評價、加權平均、構建信用度函數圖等方法，來更加科學合理地計算信用度。李瑞軒、盧正鼎等[6]提出了一種改進的信用計分算法，采用商品價格的區間分布和信用等級的扣分系數對交易成敗進行加減分，并設計了一種網上交易的風險計算方法。

國內學者建立的網絡零售市場信用模型大多采用模糊綜合評價法，綜合考慮影響信用的各種因素，并在此基礎上計算信用度，信用度S的計算過程如下：

其中，S代表信用度，Wi代表權重，Vi表示影響因素。

這種方法雖然可在一定程度上對當前的信用評價機制進行改進，彌補電商平臺信用影響因素的不足，但沒有考慮到大量用戶虛假評價帶來的影響，而事實上，用戶的虛假評價讓店鋪的信用度大大偏離了它真實的信用度。本文將提出一種基于信任傳遞原理進行改進的信用評價機制，以反映店鋪真實的信用度。

三、網絡零售市場信用評價體系發展狀況

近年來，為解決信用帶來的問題，我國網絡零售網站紛紛建立了信用評價體系。以當前阿里巴巴旗下的淘寶網和天貓商城為例，買家和賣家每成功交易一筆，就可以對對方進行一次信用評分。評價分為好評、中評、差評三種，其中好評加一分，中評不加分，差評減一分。我們可以利用下面的公式來表示這種信用評價機制。

其中，Rt表示信用等級，Nt表示差評數，Zt表示好評率。[8]

在這種信用評價規則中，系統累計計算賣家得到的好評、中評、差評次數，賣家的信用度等于好評數與差評數之差，好評率為好評數占所有評價數的比率。[9]由上可知，我國網絡零售市場信用等級計算采用的是一種累加的信用模型，鑒于我國網絡零售市場好評率普遍較高的情況，這種信用評價機制主要反映了一個賣家經營的資歷，賣家經營的時間越久，其信用等級越高，這樣一來，新賣家的信用等級大多不如資歷老的賣家，這對那些后進入市場的賣家而言是極為不利的。這樣的信用評價機制既不利于公平競爭，也不能反映賣家真實的信用狀況。有不少網購過的買家表示，自己曾經在一些經營資歷老、信用等級高的店鋪買到過假貨。

為彌補信用等級評價存在的不足之處，淘寶網和天貓商城還設定了店鋪最近半年的動態評分，包括買家對物品真實度、賣家服務和發貨速度的評分。買家可根據自己的滿意程度打1～5分，然后由系統計算出賣家所得到的平均分，并與同行業平均水平進行比較。

店鋪的好評率和動態評分是所有買家評價的算術平均值，每個買家的評價對店鋪信用的影響是相同的，并沒有考慮到買家自身的信用度，這就給一些賣家提供了可乘之機。為提高信用等級或動態評分，有的店鋪不惜花重金雇人進行“信用炒作”，或對競爭對手給予“惡意評價”，從而在競爭中獲得優勢。于是，在買家對店鋪的信用評價中充斥著大量的虛假評價，嚴重影響了店鋪真實的信用度。

四、基于信任傳遞對我國網絡零售市場信用機制的改進

1.模糊綜合評價法及信用評價指標的確定

（1）模糊綜合因素分析法。模糊綜合評價法是一種基于模糊數學的綜合評價方法。該綜合評價法根據模糊數學的隸屬度理論把定性評價轉化為定量評價，即利用模糊數學對受到多種因素制約的事物或對象作出一個總體的評價。將模糊綜合評價法用于我國網絡零售市場交易主體的信息評價，可綜合考慮影響店鋪信用的各種因素，并根據這些因素的重要程度以及對它的評價結果，把原來的定性結果定量化，較好地處理買賣過程中存在的多因素以及主觀判斷等問題，建立一套科學的綜合信用評價體系，為買家提供店鋪綜合信用判別比較的依據，降低交易的風險性。

（2）我國網絡零售市場信用評價指標的確定。根據我國零售市場交易主體信用指標評價設置的原則，本文將信用評價指標分為商家基本狀況、動態交易狀況、商家服務情況三大類指標，以更加全面地反映店鋪的信用狀態。零售店鋪的信用評價指標體系如圖1所示。

零售店鋪信用評價指標的說明：

①商家綜合信用評分：表示商家的綜合信用度，用S表示。

②商家基本狀況：商家基本狀況的信用評分用S0表示。商家經營的資歷即商家的經營時間（V01）越長，S0越高；商家經營的規模（V02）越大越可靠，S0也越高；商家參與的保障服務（V03）越多越可靠，失信的風險越小，S0越高。

③動態交易狀況：動態交易狀況的信用評分用S1表示。貨物與描述相符程度（V11）越高，S1越高；商家的服務態度（V12）越好，S1越高；商家的發貨速度（V13）越快，S1越高；交易金額（V14）越大，S1越高；買家自身的信用狀況（V15）越好，S1越高。

④商家服務情況：商家服務情況的信用評分用S2表示。因質量問題的退款率（V21）越低，S2越高；商家的被投訴率（V22）越低，S2越高；商家平均受到的處罰數（V23）越少，S2越高。

2.基于信任傳遞改進的商家動態交易狀況信用評分

在商家綜合信用評價指標體系中，商家的基本狀況屬于靜態評價指標，商家的服務情況由第三方監督管理，商家很難做手腳。但在對商家動態交易狀況進行信用評分時，由于買家信用評分數目有限，有些店鋪中買家給予的信用評分數目甚至不足百條，再加之買家信用度設計得并不合理，給一些商家在有限的買家評價中進行信用炒作提供了可乘之機。下面擬利用信任傳遞原理，擴大參與信用評分的用戶數，讓一些商家的信用炒作行為變得徒勞。

（1）信任傳遞原理。信任在人與人之間是可以相互傳遞的。在生活中，當人們面臨多個選擇時，如在眾多電子商家中選擇購買一部手機，選擇一家可靠的駕校，人們總會征求自己身邊人的意見，參考他們對商家或駕校的信任程度，然后作出選擇。根據信任路線，可以得到一個人對另外一個與自己不發生直接信任關系的人的相對衍生信任度。

信任傳遞原理（Trust Transitivity Principle）[10]描述的是A直接信任B、B直接信任C時，A對C會產生衍生信任，所產生的衍生信任度與A對B的信任度有關，如圖2所示。

（2）買家直接信任系數。通過與買家直接發生信任關系的買家，可以得到買家對陌生賣家的衍生信用度。在我國網絡零售市場中，與買家直接發生信任關系的“周圍人”主要包括賣家的朋友、與買家發生過交易的賣家（在網絡購物中，賣家也是買家）、購買資歷老且信用等級高的買家（這類買家極少，設定標準較高）。

假設共有j名用戶與買家A發生直接信任關系，我們用PAj表示A對j的直接信任度（1≤PAj≤5，如果j為賣家，則Pij=Qij，Qij表示買家i對店鋪 j動態交易狀況的信用評分）。CAj表示A對j的直接信任系數。

很顯然，0≤CAj≤1，所有的直接信任系數之和為1。直接信任系數不能直接表示信任度，只有在確定了買家A時，直接信任系數才有意義，我們不能通過直接信任系數判斷信任度的高低，這也是直接信任系數的一個不足之處。

圖1 零售店鋪的信用評價指標體系

圖2 信任傳遞原理

（3）基本信任傳遞計算出衍生信用評分。現將信任傳遞原理用于我國網絡零售市場信用體系。如買家A在陌生網店K購物時，看到了眾多買家給予的評價，他無法識別哪些買家給予的評價是真實可信的，也無法得知店鋪K的真實信用度。買家A需要在眾多的買家評論中挑選出那些真實可靠的評價，剔除掉那些炒作的惡意評價。對買家A而言，在眾多的買家評論中，買家A的朋友、與買家A有過交易記錄、購買資歷老且信用等級高的買家評價無疑是最真實可靠、最具有參考價值的。根據買家A的直接信任系數和“周圍人”對店鋪K的信用評分，可以計算出買家A對店鋪K的衍生信用評分。

我們也可以把它寫成向量的形式。在此，我們定義：

那么：

這看起來似乎是一種計算衍生信用評分很有效的方法，而事實上，由于個人的局限性，當他準備在陌生店鋪購物時，此前他的“周圍人”大部分也未曾光顧過該店鋪，這樣可供參考的“周圍人”就很少了。因此，我們需要擴大范圍，利用信任傳遞原理把“周圍人”的范圍擴大到“周圍人”的“周圍人”。

“周圍人”的范圍擴大一次：

“周圍人”的范圍擴大n次：

當n足夠大時，買家就可以通過“周圍人”與大部分曾在陌生店鋪購物并給出信用評分的用戶發生信任聯系，從而根據他們的信用評分得出自己對陌生店鋪的衍生信用評分。

（4）擴大的參與信用評分的用戶數。根據信任傳遞原理，可以得到買家對陌生買家、陌生店鋪的衍生信用評分。在結合買家評價計算店鋪信用評分的時候，未參與直接購物的買家的衍生信用評分也應當作為參考。圖3為當前計算店鋪信用評分時參考的用戶評價范圍，圖4為改進后計算店鋪信用評分時擴大參考的用戶評價范圍。

（5）改進的網絡零售市場商家動態交易狀況信用評分。假設在網絡零售市場中存在n個用戶（包括買家與賣家），商家動態交易狀況信用評分與其他每個用戶給予他的信用評分、評價用戶自身的信用度、評價用戶的購買金額相關。于是，本文構造出商家動態交易狀況信用評分的計算公式如下：

（i≠j，如果 Pi'j不存在，i≠i'）

其中，Pi表示根據其他用戶評價得出的關于用戶i的信用度（如果是商家，則Pi=S1i）。S1j表示用戶商家j動態交易狀況的信用評分。Pij表示i對j的衍生信用評分，1+λij表示i關于j的購買金額系數，如果i不是直接購買用戶，則λij=0。

3.網絡零售市場信用評價改進模型的建立

商家基本狀況的信用評分為：

其中，W01、W02、W03分別表示商家基本狀況信用評價指標的權重。

動態交易狀況的信用評分為：

其中，Qij表示買家i對店鋪j動態交易狀況的信用評分，W14i、W15i表示買家i的購買金額與自身信用狀況的權重。

而買家i對店鋪j動態交易狀況的信用評分為：

圖3 改進前的用戶評價數

圖4 擴大的用戶評價數

其中，W11、W12、W13分別表示每個用戶對商家動態交易狀況評分的信用評價指標的權重。

商家服務情況的信用評分為：

其中，W21、W22、W23分別表示商家服務情況的信用評價指標的權重。

商家的綜合信用評分為：

其中，W0、W1、W2分別表示三類信用評分的權重。

改進的網絡零售市場信用評分法以更大范圍的用戶評價作為參考，綜合考慮了用戶自身的信用度、用戶購買金額等因素，能夠有效降低用戶直接評價中虛假評價對店鋪信用度的影響，降低“信用炒作”、“惡意詆毀”等行為的作用。同時，還能反映店鋪賣家和買家真實的信用度，降低買家購買時因信息不對稱帶來的信用風險，為網絡零售商營造一個公平競爭的環境。

五、總結

我國網絡零售市場要進一步發展壯大，信用風險控制顯得尤為重要。本文提出的基于信任傳遞原理改進的網絡零售市場信用評價機制，能夠有效降低用戶虛假評價及其他蓄意破壞行為對我國網絡零售市場信用系統的影響，反映店鋪真實的信用度，降低買家因信息不對稱和時空分隔帶來的不信任性，降低消費者購買的信用風險，同時為賣家提供一個公平的競爭環境，為我國網絡零售市場健康發展奠定良好的信用基礎。

注釋：

①數據來源于中國電子商務研究中心（www.100ec.cn）。

[1]Jie Zhang.The Roles of Players and Reputation：Evidence from Ebay online Auctions[J].Decision Support Systems，2006（42）：1800-1818.

[2]Mui L.，Mohtashemi M..A Computational Model for Trust and Reputation[J].Systems Sciences， 2002：2431-2439.

[3]Abdul Rahman，Hailes.Supporting Trust in Virtual Communities[J].Systems Sciences，2000：56-87.

[4]樸春慧，方美琪.C2C電子商務網站信用評價模型及算法研究[J].情報雜志，2007（8）：105-107.

[5]甄磊，鄭力，吳姍姍.基于C2C電子商務信用評價體系的探討[J].大眾商務，2010（1）：147-178.

[6]李瑞軒，盧正鼎.C2C電子商務交易的信用評估風險方法研究[J].通信學報，2009， 7（30）：78-85.

[7]徐大鵬，洪紅，王超.電子商務信用風險研究綜述[J].經營管理者，2001（20）：1-3.

[8]楊蕾，單曉菲.基于SNS的C2C市場信用改進研究——以淘寶網為例[J].電子商務，2011（7）：15-18.

[9]張建，張勇，趙潔.面向領域的電子商務平臺交易信用研究[J].計算機與數字工程，2012（11）：32-49.

[10]AudunJosang，Roslan Ismail，Clion Boyd.A Survry of Trust Reputation Systems for Online Service Provision[J].Decision Support Systems，2007（43）：618-644.