車貨匹配網(wǎng)站評價指標體系的構(gòu)建及實證分析

陳進博，戚銘堯，繆立新

（清華大學深圳研究生院 物流與交通學部，廣東 深圳 518055）

1 引言

近年來公路貨運在物流運輸系統(tǒng)中的重要地位愈加凸顯。中國物流年鑒顯示[1]，2012年貨運總量已達412億t，其中公路貨運量占78.2%。我國貨運總量還在連年提升，且公路貨運的占比也不斷提高。但由于我國地域廣闊、區(qū)域濟發(fā)展不平衡、物流信息分布相對分散、物流信息溝通不暢，造成車輛的空載率高，極大地浪費了社會資源。隨著我國物流信息化進程的加快，車貨匹配網(wǎng)站應(yīng)運而生，它能夠有效緩解車貨信息不對稱的現(xiàn)象，減少車輛空載，降低社會成本，提升經(jīng)濟效率。

對車貨匹配網(wǎng)站進行評價研究具有重要的意義。對網(wǎng)站經(jīng)營者來講，能促進網(wǎng)站的規(guī)范化建設(shè)，擴大其影響力；從用戶角度出發(fā)，則是為了便捷使用，方便有效地瀏覽和獲取信息。目前網(wǎng)站評價的對象主要集中在信息化程度較高的行業(yè)或細分市場[2]，如圖書館網(wǎng)站及電子商務(wù)網(wǎng)站等。雖對物流公共信息平臺已有一定研究，但對車貨匹配網(wǎng)站的評價研究還比較欠缺。本文結(jié)合車貨匹配網(wǎng)站的業(yè)務(wù)流程，針對性地構(gòu)建其評價指標體系，并對目前主要的車貨匹配網(wǎng)站進行實證分析，豐富了物流公共信息平臺的研究。

2 評價模型

車貨匹配網(wǎng)站評價模型的建立包括兩個重要部分：（1）評價指標體系的構(gòu)建；（2）相應(yīng)評價指標的權(quán)重賦值。完成這兩部分便能得到綜合得分，進行網(wǎng)站評價。

2.1 評價指標體系的構(gòu)建

由于研究主體和研究目的的不同，相應(yīng)的指標體系會有所不同。Cebi[3]從實用性、視覺效果、技術(shù)適用性、安全性、交互性及聲譽六個方面對一般網(wǎng)站進行論述評價。蔣熙敏等[4]采用定量與定性相結(jié)合的方法，從營銷服務(wù)、采購系統(tǒng)和綜合績效三個方面來評價企業(yè)的電子商務(wù)系統(tǒng)。趙潔等[5]將C2C電子商務(wù)網(wǎng)站競爭力的評價指標確定為網(wǎng)站的信息、技術(shù)、服務(wù)、安全與品牌。牟彤華[6]則結(jié)合物流業(yè)務(wù)的特點，建議從網(wǎng)站技術(shù)、網(wǎng)站設(shè)計、網(wǎng)站功能和經(jīng)營業(yè)績四個方面對物流公共信息平臺進行綜合評價。

通過文獻調(diào)研發(fā)現(xiàn)，當前網(wǎng)站評價的研究存在以下特點：

（1）研究對象不斷細化：從一般網(wǎng)站到企業(yè)的電子商務(wù)系統(tǒng)，繼而對電子商務(wù)網(wǎng)站進行研究，再研究物流公共信息平臺；

（2）構(gòu)建評價指標體系時多從全面性和完整性的角度入手，選取的指標普遍較多；

（3）大部分指標集中于網(wǎng)站的功能實現(xiàn)和效益達成，對主體內(nèi)容如信息源的重視程度不夠。而且有些指標存在數(shù)據(jù)收集的困難，如經(jīng)營業(yè)績和網(wǎng)絡(luò)連通性等。

延續(xù)前人的研究，將評價研究的對象細化到車貨匹配網(wǎng)站，考察并總結(jié)其特點。車貨匹配網(wǎng)站的主體是貨源和車源信息，信息的數(shù)量及其完整程度是重點考察對象。而作為信息的載體，其功能模塊也將作為評價體系的重要組成部分，常用功能包含信息檢索、在線互動與交流、信用評價和交易支付等。另外，車貨匹配網(wǎng)站的效益能直接反映網(wǎng)站經(jīng)營的好壞程度，因此它是網(wǎng)站評價的重要部分。網(wǎng)站排名及平均每個IP的頁面瀏覽量能有效衡量其整體效益，且頁面布局的優(yōu)劣會直接影響用戶的數(shù)量，因此將它們作為效益模塊的評價指標。

結(jié)合前人的研究成果及現(xiàn)存的不足，綜合考慮車貨匹配網(wǎng)站的特點及其定位，本文針對車貨匹配網(wǎng)站提出基于信息、功能以及效益三大模塊的評價指標體系。車貨匹配網(wǎng)站的評價指標體系如圖1所示。

圖1 車貨匹配網(wǎng)站的評價指標體系

向業(yè)界內(nèi)權(quán)威的學者專家做問卷調(diào)研，這套評價指標體系的內(nèi)容基本能獲得認可。通常，評價網(wǎng)站還會考慮網(wǎng)站技術(shù)水平如速度、鏡像數(shù)量以及連通性能等，但由于數(shù)據(jù)獲取不易，本文暫且不考慮。而信息的真實性本應(yīng)是一項重要指標，但由于缺乏對其有效評判的方法，姑且作理想化處理，認為發(fā)布的信息真實可信。

2.2 評價指標的權(quán)重賦值

確定車貨匹配網(wǎng)站的評價指標體系之后，需要考慮相應(yīng)的權(quán)重賦值問題。指標的權(quán)重賦值會受到評價方法的影響。目前研究廣泛采用的評價方法主要有WebQual、層次分析法、模糊評價法、理想點法等。WebQual[7]注重傾聽消費者的聲音，會針對用戶關(guān)心的問題進行問卷調(diào)研并分析關(guān)鍵要素。層次分析法[8-9]（AHP）先對指標進行分解，組成層次結(jié)構(gòu)，再按層分析建立判斷矩陣，進而求解權(quán)重。它是目前發(fā)展較為成熟的可量化的評價方法之一。但它只適用于清晰決策，且問卷設(shè)計較復雜，使用程序繁瑣。模糊評價法[10]需首先構(gòu)建評價指標的模糊評價集合，選擇合適的隸屬度矩陣進行處理。它的優(yōu)勢在于能夠量化無法用數(shù)字準確表達的模糊信息。理想點法（TOPSIS）[11]是按照與理想解和負理想解的相對距離來做綜合評價，理想解是各種屬性最優(yōu)的集合，而負理想解是最差者的集合。評價指標的值離理想解的差距越小，同時離負理想解的差距越大，評價就會越高。

對于網(wǎng)站評價，目前主流的研究方向是將多種方法結(jié)合起來，優(yōu)勢互補。如徐維祥等[12]結(jié)合改進的德爾菲法、層次分析法、灰色關(guān)聯(lián)度以及模糊評價法，提出四元評價模型對信息系統(tǒng)進行評價實證研究。也有學者提出基于模糊環(huán)境的理想點法[13]以及模糊層次分析法[14]，分別將模糊評價法與理想點法和層次分析法相結(jié)合對網(wǎng)站做更貼近現(xiàn)實的評價研究。

本文將結(jié)合專家打分法和MA-OWA算子對車貨匹配網(wǎng)站的評價指標進行權(quán)重賦值。專家打分法，也稱德爾菲法，依托某領(lǐng)域中具有權(quán)威的專業(yè)人士，具有一定的合理性和指導意義。但由于其依靠經(jīng)驗的成分較多，主觀性較強，極易造成偏差，需要科學的方法加以修正。Pelaez[15]提出的MA-OWA算子（Majority Additive-Ordered Weighting Averaging Operator）是一種偏好集結(jié)方法，能夠尊重大多數(shù)專家相同的意見，體現(xiàn)專家的整體偏好。傳統(tǒng)的集結(jié)方法是將所有元素整合在一起進行分析，而偏好集結(jié)法則是先分組，把相同的元素放在一起，然后再按組進行處理。

用MA-OWA算子對專家打分進行集結(jié)的步驟如下：（1）把相同的分數(shù)放在一起，各自分組；（2）從每組中取出一個元素并求它們的平均值，若該值與之前組中元素相同，則加到原組中，如果不同則定義為新組；（3）從原先的組中剔除一個元素，并剔除元素個數(shù)為0的組；（4）返回第二步，不斷重復直到只剩下一組，且只有一個元素。這個元素就是該組專家打分的集結(jié)值。從集結(jié)過程可以看出，數(shù)量較少的打分會首先被剔除，因此集結(jié)值代表了大多數(shù)專家的相同意見，減少了不同意見的影響。它的應(yīng)用效果優(yōu)于傳統(tǒng)的OWA算子。

2.3 網(wǎng)站評價的基本流程

有了車貨匹配網(wǎng)站的評價指標體系和相應(yīng)的權(quán)重賦值方法之后，可以總結(jié)網(wǎng)站評價的基本流程。先在車貨匹配網(wǎng)站上收集和整理相應(yīng)的原始數(shù)據(jù)，對整理好的數(shù)據(jù)進行歸一化處理得到每個網(wǎng)站在每個指標下的分數(shù)。同時設(shè)計專家問卷并進行調(diào)研，并用偏好集結(jié)法做指標的權(quán)重賦值。這兩部分可以同時進行。最后是用線性加權(quán)的方法得到每個網(wǎng)站的綜合得分。對車貨匹配網(wǎng)站的評價處理過程如圖2所示。

圖2 車貨匹配網(wǎng)站評價的基本流程圖

若無特殊說明，數(shù)據(jù)的歸一化處理公式見式（1）。

其中，dij表示第i個網(wǎng)站第 j個指標的歸一化得分；Dij表示第i個網(wǎng)站第 j個指標的原始數(shù)據(jù)根據(jù)特定的測定方法得到的數(shù)值。

對于每一個評價指標，經(jīng)過MA-OWA處理之后都能得到一個綜合了專家意見的集結(jié)值(bij)，將所有指標的集結(jié)值進行歸一化處理能得到相應(yīng)的權(quán)重ωij，見式（2）。

本文采用線性加權(quán)的方法對車貨匹配網(wǎng)站進行綜合評價。通過MA-OWA算子確定指標的權(quán)重，與指標的歸一化分數(shù)進行線性加權(quán)，得到每個車貨匹配網(wǎng)站的綜合得分Fi。其數(shù)學公式見式（3）。

最后根據(jù)綜合得分對車貨匹配網(wǎng)站進行排序，得到綜合排名。

3 評價模型的實證分析

基于上述評價模型，選取了7個具有代表性的車貨匹配網(wǎng)站進行實證分析。這7個網(wǎng)站分別是林安物流網(wǎng)（0256.cn）、無憂運力網(wǎng)（51yunli.com）、八掛來網(wǎng)（8glw.com）、全國物流信息網(wǎng)（56888.net）、發(fā)啦網(wǎng)（fala56.com）、物流110網(wǎng)（56110.cn）以及中國物通網(wǎng)（chinawutong.com）。在后續(xù)處理中隱去其名稱，只用代號W表示。

對相關(guān)車貨匹配網(wǎng)站進行數(shù)據(jù)收集，每個指標都設(shè)計有相應(yīng)的測算方法，見表1。根據(jù)測算方法能得到指標的歸一化得分。同時設(shè)計了一套專家調(diào)查問卷，希望得到專家針對每個指標給出兩個分數(shù)，分別是指標的相對權(quán)重（百分制）和重要程度。其中，重要程度采用Likert度量法，取值1、2、3、4、5，分別代表非常不重要、不重要、一般、重要和很重要5個級別。問卷調(diào)查的專家分為兩類：一類是學者，另一類是熟悉相關(guān)網(wǎng)站運營的企業(yè)界專家。各占一半，共8人。由于他們相對了解車貨匹配網(wǎng)站，問卷調(diào)研結(jié)果可靠程度較高。

表1 車貨匹配網(wǎng)站不同指標的測算方法

根據(jù)設(shè)定的測算方案對收集的原始數(shù)據(jù)進行處理，最后整理的基本分結(jié)果見表2。其中A、B、C表示各大指標，W表示相應(yīng)的車貨匹配網(wǎng)站。

使用MA-OWA算子對回收的專家調(diào)查問卷進行統(tǒng)計分析和集結(jié)處理，各項指標的描述性統(tǒng)計數(shù)據(jù)及集結(jié)結(jié)果見表3，E表示專家。可以看出，集結(jié)值與算術(shù)平均值（簡稱均值）相比，更加貼近專家打分中出現(xiàn)次數(shù)最多的那個數(shù)，表明MAOWA這種方法更重視大多數(shù)專家認同的意見。

表2 車貨匹配網(wǎng)站不同指標的基本分

表3 專家問卷描述性統(tǒng)計數(shù)據(jù)及集結(jié)結(jié)果

對問卷數(shù)據(jù)進行處理，權(quán)重賦值的情況見表4。其中，集結(jié)權(quán)重指的是各個集結(jié)值所占的相應(yīng)權(quán)重；直接權(quán)重指的是專家問卷中對每個指標直接處理的平均值，代表最原始的專家打分結(jié)果。可以看出，根據(jù)偏好集結(jié)法得出集結(jié)權(quán)重的方差比直接賦值權(quán)重要小得多，說明MA-OWA算子遵循專家偏好，能在一定程度上緩解專家們不同意見的影響，這種方法具有更強的合理性。

表4 專家問卷的權(quán)重賦值情況

集結(jié)權(quán)重結(jié)果表明，專家最重視的指標依次是：貨源信息數(shù)量、信用評價、車源信息數(shù)量以及安全支付，重要程度最差的是網(wǎng)站排名、額外服務(wù)、頁面瀏覽量和頁面布局。從各指標集結(jié)權(quán)重和直接權(quán)重的排名對比可以看出，二者基本上是吻合的，除了B2項外，其余的排名差別都不超過1，從另一個角度驗證了專家的打分是合理的。

對于車貨匹配網(wǎng)站，其貨源、車源信息的數(shù)量代表其資源的多少，標識著網(wǎng)站的價值。而信用評價和安全支付代表其交易時的安全程度，關(guān)系到消費者的切身利益。相比而言，網(wǎng)站的頁面瀏覽量、網(wǎng)站排名顯得不那么重要，可以認為消費者對網(wǎng)站效益的關(guān)心程度并不很高。這套評價指標更多地從消費者利益出發(fā)，與“以客戶為中心”的市場導向相吻合，指標的權(quán)重賦值情況更是符合信息和功能模塊會受到很大重視的預期。

對各網(wǎng)站的實證得分結(jié)果和指標的權(quán)重賦值結(jié)果進行線性加權(quán)處理，計算相應(yīng)的綜合評價值，繼而得到綜合排名結(jié)果。各網(wǎng)站的綜合排名情況見表5。

表5 各網(wǎng)站綜合排名情況

從表2、表4、表5可以看出，網(wǎng)站的基本分和指標的權(quán)重會直接影響其綜合排名。其中，分數(shù)排名第一的網(wǎng)站W(wǎng)1各項指標分數(shù)都很高，排名第二的W5在信息模塊稍微不足，排名第三的W2在信息和功能模塊都有所欠缺。因此對于車貨匹配網(wǎng)站的建設(shè)而言，應(yīng)更加注重貨源和車源的引進，同時考慮增強信用評價和安全支付的功能，這對網(wǎng)站經(jīng)營者有切實的指導意義。

4 結(jié)語

本文更側(cè)重研究評價體系的構(gòu)建以及實證分析。首次對車貨匹配網(wǎng)站的評價方法進行研究，不僅注重車貨匹配網(wǎng)站的信息主體，而且強調(diào)功能實現(xiàn)，同時考慮效益模塊，指標的選擇相對合理。此項研究以消費者利益為導向，既能為車貨匹配網(wǎng)站的持續(xù)改進和規(guī)范化建設(shè)提供參考意見，又能促使信息發(fā)布與在線交易的標準化，從長遠角度來看能促進物流電子商務(wù)的發(fā)展。

本文的研究還存在一定的局限性。首先做了一些理想化處理，認為網(wǎng)站發(fā)布的信息都真實有效，沒有考慮信息真實性這項指標。同時由于車貨匹配網(wǎng)站發(fā)布的信息數(shù)量多且更新快，選擇集中在某個時間段內(nèi)收集數(shù)據(jù)。其次，本文的適用范圍有限。因研究的是物流公共信息平臺的細化市場，研究成果雖只適用于物流公共信息平臺領(lǐng)域，但對其他的研究有借鑒意義。隨著物流信息化的發(fā)展，相應(yīng)的評價指標與權(quán)重會發(fā)生變化。對車貨匹配網(wǎng)站的研究還有待進一步深化，結(jié)合不同階段網(wǎng)站發(fā)展的特點，針對性地進行研究是網(wǎng)站評價研究的一個重要方向。

[1]中國物流與采購聯(lián)合會.中國物流年鑒[M].北京:中國物資出版社,2008-2013.

[2]賀婷婷.國內(nèi)外網(wǎng)站評價研究比較及分析[J].圖書與情報,2006,(3):28-33.

[3]Selcuk Cebi.A Quality Evaluation Model for The Design Quality of Online Shopping Websites[J].Electronic Commerce Research and Applications,2013,12(2):124-135.

[4]蔣熙敏,黃京華,王暉.電子商務(wù)系統(tǒng)評價模型及其應(yīng)用[J].清華大學學報,2006,46(1):1 019-1 025.

[5]趙潔,陳敏,張瑞.C2C電子商務(wù)網(wǎng)站競爭力綜合評價研究—以淘寶網(wǎng)為例[J].情報雜志,2010,29(3):57-58.

[6]牟彤華.物流公共信息平臺綜合評價模型及應(yīng)用[J].開發(fā)研究,2010,(2):129-132.

[7]Barnes S J,R T Vidgen.WebQual:An Exploration of Web Site Quality[A].Proceedings of The Eighth European Conference on Information Systems[C].2000.

[8]T L Saaty.Multicriteria Decision Making:The Analytic Hierarchy Process[M].New York:McGraw-Hill,1980.

[9]C H Cheng,K L Yang,C L Hwang.Evaluating Attack Helicopters by AHP Based On Linguistic Variables Weight[J].European Journal of Operational Research,1999,116(2):423-435.

[10]Fei Ye,Yina Li.An Extended TOPSIS Model Based on The Possibility Theory under Fuzzy Environment[J].Knowledge-Based Systems,2014,67:263-269.

[11]張小栓,高明,張健,等.電子商務(wù)網(wǎng)站評價方法研究綜述[J].情報雜志,2007,(6):2-5.

[12]徐維祥,楊肇夏.信息系統(tǒng)項目四元評價模型及其準確度研究[J].系統(tǒng)工程理論與實踐,2002,(8):127-131.

[13]Chunguang Baia,Dileep Dhavaleb,Joseph Sarkis.Integrating Fuzzy CMeans and TOPSIS for Performance Evaluation:An Application and Comparative Analysis[J].Expert Systems with Applications,2014,41(9):4 186-4 196.

[14]Yi-wen Liu,Young-jik Kwon,Byeong-do Kang.A Fuzzy AHP Approach to Evaluating E-commerce Websites[J].Computer Society,2007,(29):114-120.

[15]Pelaez J I,Dona J M.Majority Additive-Ordered Weighting Averaging:A New Neat Ordered Weighting Averaging Operator Based on The Majority Process[J].International Journal of Intelligent Systems,2003,(18):469-481.