基于DANP的電商平臺評價模型及其應(yīng)用

李慶昌

?

基于DANP的電商平臺評價模型及其應(yīng)用

李慶昌

集美大學(xué)工商管理學(xué)院

當(dāng)前，越來越多的消費者習(xí)慣在京東、亞馬遜或淘寶商城等電商平臺進行消費，了解消費者選擇不同電商平臺的行為特點對電商平臺的自我提升具有重要意義。該研究采用混合型多準則決策方法——基于決策試驗與評價實驗室法(Dematel)的網(wǎng)絡(luò)分析法(ANP)，對消費者選擇電商平臺的因素進行分析，以發(fā)現(xiàn)不同因素對消費者選擇的影響及其內(nèi)在聯(lián)系，進而構(gòu)建消費者評價模型。在此基礎(chǔ)上，該文還采用TOPSIS方法對當(dāng)前國內(nèi)主流電商平臺進行評價，以了解他們之間的競爭態(tài)勢。

電商平臺 評價模型 DANP TOPSIS分析

1 概述

隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的人采用電商平臺完成日常的購買行為，而電商平臺也逐漸發(fā)展成為一個重要的零售渠道。電商平臺的建設(shè)和發(fā)展離不開對消費者選擇行為的深度認識。消費者對電商平臺的評價方式對電商平臺的發(fā)展具有重要意義。本研究利用混合多準則決策分析法，通過對影響消費者選擇電商平臺的決策因素進行分析，構(gòu)建出基于消費者的電商平臺評價體系，并借助該體系分析不同電商平臺的優(yōu)劣勢以及整體競爭態(tài)勢，為電商平臺制定發(fā)展策略，提升服務(wù)水平提供支持。

電商平臺是消費者通過網(wǎng)絡(luò)平臺，獲取商品信息，進行選擇和購買決策以及獲取相關(guān)售后服務(wù)的場所。消費者的電商消費行為本身是復(fù)雜的，包含了理性選擇因素、娛樂因素以及社會溝通和比較的因素[1]，因此，了解消費者的需求和選擇行為，對電商平臺的發(fā)展和成功有很重要的有意義[2]。

以往的研究主要聚焦在消費者的動機[3]、消費者購買行為[4]、網(wǎng)絡(luò)智能[5]、滿意度與忠誠度關(guān)系[6]等方面，很少有人對這些因素之間的內(nèi)在關(guān)聯(lián)以及相對的重要程度進行研究，而這方面的研究有利于企業(yè)發(fā)現(xiàn)自身的不足和競爭差距，對自我提升和策略制定很有意義。本研究采用多準則決策模型中基于決策試驗與評價實驗室法的網(wǎng)絡(luò)分析法(Dematel- based ANP, DANP), 以研究不同決策影響因素對消費者作出選擇的相應(yīng)影響權(quán)重，并采用TOPSIS方法對結(jié)果進行評價。通過該方法，可以幫助電商平臺管理層了解消費者選擇電商平臺的因素差異，分析自己與競爭者之間差異的影響，并以此制定相應(yīng)策略。

本研究將評價模型結(jié)果應(yīng)用到當(dāng)前國內(nèi)主流三大電商平臺A電商、B電商商城和C電商，并以此評價模型對三家電商的優(yōu)勢進行分析，提出各自的應(yīng)對策略。

2 文獻綜述與評價指標

客戶滿意度研究一直是營銷領(lǐng)域一個非常重要的課題。公司需要通過了解客戶分析以制定相關(guān)策略[7]。電商平臺同樣需要通過滿足消費者需求、提升服務(wù)價值，以獲得消費者的認可[8]。因此，了解消費者選擇影響因素的優(yōu)先順序，是提升企業(yè)服務(wù)的重要一環(huán)[9]。

了解消費者行為首先需要確定哪些行為會影響消費者對電商平臺的選擇。本研究首先基于消費者滿意度研究，對以往文獻和教材進行梳理，獲取相關(guān)的因素，并基于消費者一般購物流程，將這些因素分為五個步驟，分別為需求確認、信息搜索、評估、購買和購后評價五個步驟[10]。也有研究將這些步驟分為需求確認、信息搜索、評估、購物和購后行為等[11]。美國Bizrate.com和Alexa.com進行了一次調(diào)查，根據(jù)消費者的反饋，將這5個細分為14個準則，分別為產(chǎn)品種類、尋找便利、整體網(wǎng)站設(shè)計、產(chǎn)品信息清晰、評論數(shù)量、品牌信任度、價格比較、付款方式、配送方式、購物安全性、訂單追蹤、配送及時、產(chǎn)品符合預(yù)期以及投訴處理程序[12]。在上述因素基礎(chǔ)上，本研究通過初期調(diào)研，就需求確認因素，發(fā)現(xiàn)很多國內(nèi)的消費者的需求確認并不僅只有產(chǎn)品種類，多數(shù)受訪者認為定期促銷活動，如“雙十一”、新年促銷等，折扣力度，都會影響消費者對需求的判斷和認識。因此，本研究所涉及的準則，分為五個構(gòu)面，分別為需求確認、信息獲取、購買評價、選擇與購買流程和購后行為。其中需求確認構(gòu)面有三個準則，分別為產(chǎn)品種類、定期促銷活動、折扣力度；信息獲取構(gòu)面有三個準則，為尋找便利、整體網(wǎng)站設(shè)計、產(chǎn)品信息清晰；購買評價上有評價數(shù)量、品牌信任度和價格比較；選擇與購買流程上，分別有付款方式、配送方式、購物安全性三個準則；購后行為則有四個準則，為訂單追蹤、配送及時、產(chǎn)品符合預(yù)期以及投訴處理程序。表1對這些要素有詳細描述。

表1 研究基本構(gòu)面和準則

本研究將基于上述研究構(gòu)面和準則，分析不同因素之間在消費者選擇過程的對滿意度影響的差異，以及彼此的內(nèi)在聯(lián)系，并基于這些要素確定評價模型。

3 研究方法與步驟

網(wǎng)絡(luò)層次分析法（The Analytic Network Process, 簡稱ANP）是在AHP的基礎(chǔ)上發(fā)展起來的一種新的實用決策方法，由T.L. Saaty教授于1996年提出[13]。它是一種適應(yīng)非獨立遞階層次結(jié)構(gòu)的決策方法，在AHP的基礎(chǔ)上考慮了層次之間及內(nèi)部元素的反饋與依賴，對反饋系統(tǒng)超矩陣和極限超矩陣排序方法進行深入研究并對指標賦權(quán)。當(dāng)時用網(wǎng)絡(luò)圖描述實務(wù)問題時，ANP可以用一決定網(wǎng)絡(luò)關(guān)系圖中各個準則之間的權(quán)重。而為了表達網(wǎng)絡(luò)關(guān)系圖中各準則之間的關(guān)系與相依性，決策試驗與評價實驗室法則是一個相當(dāng)有效的工具。日內(nèi)瓦中心喬治亞大學(xué)Battelle協(xié)會于1971~1976年，為解決科學(xué)與人類事務(wù)計劃開發(fā)出“決策試驗與評價實驗室法” (Decision Making Trial And Evaluation Laboratory，Dematel)，其方法特性為有效獲得屬性間影響程度及屬性間關(guān)聯(lián)程度，進而建立模型結(jié)構(gòu)，其運算方式基礎(chǔ)為矩陣相關(guān)數(shù)學(xué)理論，因此該方法能夠有效簡化現(xiàn)實社會環(huán)境的復(fù)雜程度，并給予具有因果關(guān)系的改善方向。Dematel在建立和分析結(jié)構(gòu)式模型時是一個有效能的方法，且常被用于尋找社會現(xiàn)象中的關(guān)系以及解決元素間相依問題[14]。通過Dematel，我們可以輕松地將包含在復(fù)雜問題群中眾多要素之彼此關(guān)系予以量化，并從復(fù)雜問題群的結(jié)構(gòu)化模型中，來發(fā)現(xiàn)眾多策略之間的優(yōu)先次序，以改善整個問題結(jié)構(gòu)。

近年來，結(jié)合Dematel與ANP作為研究方法的論文相當(dāng)多元，廣泛用于管理決策的選擇、改善制造流程、選擇合適的策略伙伴等，是企業(yè)戰(zhàn)略決策制定和服務(wù)流程改造的有效工具[15,16]。

Dematel 運算分為五大步驟：

（1）步驟1，建立直接影響關(guān)系矩陣

專家們借由李克特五尺度(0表示無影響；1表示很低影響；2表示低影響；3表示高影響；4表示很高影響)將現(xiàn)實社會的經(jīng)驗轉(zhuǎn)換為模型結(jié)構(gòu)內(nèi)屬性相互影響程度值，建立 n×n 非負值的直接影響關(guān)系矩陣 Y，Y表示第 i 屬性影響第 j 屬性的影響程度，p為專家數(shù)量。

（2）步驟2，初始化直接影響關(guān)系矩陣

整合 p 位專家的直接關(guān)系矩陣 Y，可以獲得代表 p 位專家經(jīng)驗的初始化直接影響關(guān)系矩陣 Z， p 為專家總數(shù)量，Y表示第 i 屬性影響第 j 屬性的影響程度。

（3）步驟 3，建立正規(guī)化直接關(guān)系矩陣

初始化直接影響關(guān)系矩陣Z經(jīng)過處理后建立其影響關(guān)系矩陣的邊界，其影響關(guān)系矩陣的影響值都介于0～1之間，爾后可獲得正規(guī)化后直接關(guān)系矩陣X，其行列總值最小為0，最大為 1。

（4）步驟 4，獲得總影響關(guān)系矩陣

正規(guī)化直接關(guān)系矩陣X，經(jīng)處理，可以計算屬性的多次影響及屬性的間接影響值，亦即屬性的總影響值。因此當(dāng) 0→∞即N0→[0]n×n即獲得總影響關(guān)系矩陣T，其中I為單位矩陣。

（5）步驟 5，建立網(wǎng)絡(luò)關(guān)系圖

最后將獲得總影響關(guān)系矩陣 T 內(nèi)，屬性列加總為屬性影響程度之總額r，行加總為屬性被影響程度之總額d，r+d為屬性關(guān)聯(lián)性程度，稱為中心度(prominence)；r-d為屬性影響性質(zhì)顯著程度，稱為原因度(relation)11]。此外這種將系統(tǒng)結(jié)構(gòu)關(guān)系量化方法，可以有效簡化因素間關(guān)聯(lián)性的復(fù)雜程度，使得人們更容易了解整個系統(tǒng)的全貌。

DANP是基于Dematel基礎(chǔ)上的ANP方法，曾國雄于2011年提出該方法，其以Dematel的總影響矩陣直接作為ANP的未加權(quán)超級矩陣，免除成對比較問卷的制作[16]。后按照ANP相關(guān)步驟，求出穩(wěn)定的極限超級影響矩陣，獲得各因素之間的權(quán)重。

在獲得相關(guān)的權(quán)重指標之后，本研究將采用TOPSIS方法對三個研究對象A電商、B電商商城和C電商進行評估。TOPSIS是2001年Luitzen de Boer等建議用Hwang和Yoon的逼近于理想解的排序方法對結(jié)果進行評價，借助于評價的“理想解”和“負理想解”進行排序。其基本思路是確定一個實際不存在的最佳方案和最差方案，然后計算現(xiàn)實中的每個方案與最佳方案和最差方案的距離，最后利用理想解的相對接近度作為綜合評估的標準[17]。該方法將對現(xiàn)有的三大電商平臺進行科學(xué)排序，并了解不同電商平臺的優(yōu)劣勢。

4 數(shù)據(jù)分析與研究結(jié)論

首先選取30名受訪者，該受訪者必須具備三個基本條件：（1）經(jīng)常在網(wǎng)絡(luò)電商平臺購買商品，其中購買頻率達到4分（5分為頻繁，1分為很少）以上，并且填寫問卷前一周有過網(wǎng)購體驗，同時該受訪者具有2年以上網(wǎng)購經(jīng)驗；（2）網(wǎng)購商品需要有4類以上，而且最近一個月都有購買；本要素設(shè)定旨在減少因為僅購買一種產(chǎn)品而是研究受到產(chǎn)品屬性差異的影響；（3）為配合后續(xù)研究，該受訪者要求對A電商、B電商和C電商都有較多了解，曾經(jīng)分別在三個平臺有購物經(jīng)歷。

30名受訪者在確認滿足條件后，被要求根據(jù)個人對14個不同準則的認識以及彼此之間的關(guān)系填寫Dematel相互影響矩陣問卷。其中3分表示因素A對因素B有很大影響，0分表示因素A對因素B沒有影響。基于結(jié)果，將每個問卷的數(shù)值進行加總平均，得出直接影響關(guān)系矩陣，詳見表2。按照Dematel相關(guān)步驟，最后得出總影響矩陣，詳見表3。

以總影響矩陣作為基礎(chǔ)，按照ANP相關(guān)步驟，求出穩(wěn)定的極限超級影響矩陣，獲得各因素之間的權(quán)重，如表4所示。

表2 直接影響關(guān)系矩陣

表3 總影響矩陣

表4 各要素DANP計算權(quán)重結(jié)果

從表4看，消費者心中最重要的因素是網(wǎng)站的價格相對于其他網(wǎng)站價格的對比和品牌信任度兩個因素。產(chǎn)品是否能夠符合購買預(yù)期、購物安全性以及評論數(shù)量則排第三到第五位。有趣的是，消費者心目中付款方式與訂單追蹤功能則是消費者不看重的，其權(quán)重基本趨于0。

從五個構(gòu)面的角度上看，購買評價是所有消費者最為看重的要素，其三個準則評論數(shù)量(0.0879)、品牌信任度(0.1127)、價格比較(0.1130)權(quán)重在所有的要素中都是比較高的。這表明，消費者在購物的流程中，會通過他人的評價、電商平臺品牌的信任度來評估該電商平臺的價值，而與其他電商平臺價格上的差異是消費者另外一個重要的考量。

其次是需求確認構(gòu)面。產(chǎn)品種類、促銷活動和折扣的力度是誘發(fā)消費者到電商網(wǎng)站尋找所需信息的一個關(guān)鍵因素。這三個因素雖然并不突出，但整體的重要性基本接近，相對促銷活動和折扣力度是兩個很重要的誘因。這也可以幫助我們更好地理解雙十一購物潮的內(nèi)在原因。

第三重要的構(gòu)面是信息獲取方面，其中消費者更加注重尋找便利(0.0867)以及產(chǎn)品信息清晰度(0.0879)這兩個指標，而網(wǎng)站整體設(shè)計(0.0147)并不是很重要的因素。對企業(yè)而言，對產(chǎn)品的搜索優(yōu)化以及提供清晰的產(chǎn)品說明是能夠有效提升消費者滿意度的兩個準則。

購買流程方面的三個準則在消費者看來并不是很重要的因素，消費者對付款方式基本沒有太多的關(guān)注，而配送方式上消費者也并不在意。經(jīng)過訪談了解，多數(shù)消費者認為當(dāng)前電商平臺的付款方式基本都類似，同時在配送方面的選擇也基本涵蓋消費者希望的主流模式。網(wǎng)站間在這兩準則上的差異性不大，關(guān)注的需求就弱化了。而購物安全性，包括個人信息的安全，獲取運輸過程的安全以及財務(wù)方面的安全則是消費者在這個構(gòu)面較重視的。

最后，在售后服務(wù)環(huán)節(jié)，消費者對產(chǎn)品是否與預(yù)期(0.1127)一致的要求比較高。相對而言，提供訂單追蹤服務(wù)本身的意義不大。這方面的原因主要是消費者對物流環(huán)節(jié)缺乏控制，即便能夠追蹤訂單，也很難對訂單有直接的影響。而且消費者對網(wǎng)絡(luò)配送的時間都有一定的預(yù)期，除非出現(xiàn)特別長時間的拖延，否則一般都不會太敏感，配送及時的指標也僅有(0.0244)。研究訪談顯示，很多消費者雖然有投訴意愿，但經(jīng)常發(fā)現(xiàn)投訴流程過于繁瑣，或者無法很快地獲得投訴結(jié)果，因此對投訴處理程序的重視度較低(0.0074)。

基于此要素權(quán)重表，本研究利用TOPSIS方法對國內(nèi)三大主流電商平臺A電商、B電商和C電商進行評估。研究選取30名受訪者對三大主流電商平臺的14個指標進行打分。之后參照TOPSIS計算方式，計算各要素的理想解和負理想解，并計算不同電商平臺該指標與理想解之間的距離，詳見表5。

表5 TOPSIS結(jié)果

結(jié)果顯示，A電商在產(chǎn)品種類、定期促銷活動、折扣力度、尋找便利性、整體網(wǎng)站設(shè)計、產(chǎn)品信息清晰方面都有明顯的優(yōu)勢；B電商在這些指標方面排名第二，而C電商在這些方面都處于比較弱勢的地位。相對而言，B電商的優(yōu)勢在于品牌信任度和價格比較上。調(diào)查顯示，多數(shù)消費者雖然對A電商整體的滿意度高，但由于內(nèi)部有很多的賣家，賣家本身的信任度影響到A電商的信任度，這讓A電商在這方面有一些劣勢。C電商的優(yōu)勢主要體現(xiàn)在購物安全性和產(chǎn)品符合預(yù)期亮相指標，并且在配送及時方面和B電商都高過A電商。

將所有指標整合起來，計算整體的排名Ci+= Si/(Si++ Si-)，結(jié)果顯示，A電商(0.5347)>C電商(0.5092)>B電商商城(0.2426)。這表明，A電商從需求啟動和信息獲取方面獲得優(yōu)勢，使其在各個指標中達到消費者認同，C電商在售后流程和購物安全方面較為突出，B電商雖然每個指標都相對不錯，但由于沒有突出的表現(xiàn)，在消費者感知上缺乏明確的特色，在整體三大平臺的競爭中相對落后了。

5 結(jié)論與實踐意義

電商平臺發(fā)展迅速，很多電商企業(yè)需要時刻評估自身各個指標對消費者滿意度的影響，了解消費者對自身服務(wù)的滿意情況。因此，一個客觀合理的評價模型，對電商企業(yè)至關(guān)重要。本研究基于網(wǎng)絡(luò)購物流程的五個構(gòu)面，通過14個準則對網(wǎng)絡(luò)電商平臺服務(wù)進行定義，利用DANP方法獲得14個準則的對應(yīng)權(quán)重和重要性排名。電商平臺可以根據(jù)本結(jié)果按照一定的輕重緩急安排不同服務(wù)的提升。研究表明，品牌信任度提升和價格明顯優(yōu)勢是消費者最為看重的指標，產(chǎn)品符合預(yù)期、購物安全性以及評論數(shù)量也能夠有效提升消費者滿意度的因素。電商平臺在發(fā)展過程中需要著重在這些方面投入、提升。

此外，通過TOPSIS評估方法，電商企業(yè)可以對自身服務(wù)在不同準則下的相對表現(xiàn)進行測試，了解本企業(yè)和其他企業(yè)之間的相對優(yōu)勢和不足，以及消費者綜合考慮后對企業(yè)的整體看法。以近期的調(diào)查結(jié)果為例，A電商的優(yōu)勢明顯，C電商的規(guī)范化程度較高，而B電商在整體評估上的劣勢就會呈現(xiàn)出來。

此外，同樣的方法也可以用于許多平臺的評估上。首先確定影響因素，通過DANP進行要素權(quán)重分析，了解不同要素的權(quán)重，然后再選取主要用戶樣本，通過TOPSIS分析各個平臺的綜合評價和各自的優(yōu)勢，發(fā)現(xiàn)彼此的核心競爭力和主要差異性，便于彼此制定相應(yīng)的戰(zhàn)略決策。

[1] Wu J H, Wang Y M. Development of a tool for selecting mobile shopping site: a customer perspective[J]. Electronic Commerce Research and Applications, 2006(5): 192–200.

[2] Fransi E C, Viadiu F M. A study of e-retailing management: analysing the expectations and perceptions of Spanish consumers [J]. International Journal of Consumer Studies, 2007(31): 613–622.

[3] Ganesh J, Reynolds K E, Luckett M, et al. Online shopper motivations, and e-store attributes: an examination of online patronage behavior and shopper typologies[J]. Journal of Retailing, 2010, 86(1): 106–115.

[4] Khare A, Rakesh S. Antecedents of online shopping behavior in India: an examination[J]. Journal of Internet Commerce, 2011(10): 227–244.

[5] Liang W Y, Huang C C, Tseng T L, et al. The evaluation of intelligent agent performance——an example of B2C e-commerce negotiation [J]. Computer Standards & Interfaces, 2012(34): 439–446.

[6] Polites G L, Williams C K, Karahanna E, et al. A theoretical framework for consumer e-satisfaction and site stickiness: an evaluation in the context of online hotel reservations[J]. Journal of Organizational Computing and Electronic Commerce, 2012(22): 1–37.

[7] Langella I M, Carbo J, Dao V. An examination of the symbiosis between corporations and society with lessons for management education and practice[J]. Global Virtue Ethics Review, 2012(6): 51–82.

[8] Chen Z, Dubinsky A J. A conceptual model of perceived customer value in ecommerce:a preliminary investigation[J]. Psychology and Marketing, 2003 (20): 323–347.

[9] Tarantola C, Vicard P, Ntzoufras I. Monitoring and improving greek banking services using bayesian networks: an analysis of mystery shopping data[J]. Expert Systems with Applications, 2012, 39(11): 10103-10111.

[10] Pachauri M. Researching online consumer behaviour: current positions and future perspectives[J]. Journal of Customer Behaviour, 2002(1): 269–300.

[11] Tse C B, Yim F. Factors affecting the choice of channels–online vs. conventional[J]. Journal of International Consumer Marketing, 2002(14): 137–152.

[12] Gauri D K, Bhatnagar A, Rao R. Role of word of mouth in online store loyalty[J]. Communications of the ACM (Association for Computing Machinery), 2008(51): 89–91.

[13] Saaty, Thomas L. Decision making with dependence and feedback: the analytic network process [J]. RWS Publication, 4992 Ellsworth Avenue, Pittsburgh, PA, 1996.

[14] Lee W S, et al. Analysisi of decision making factors for equity investment by DEMATEL and analytic network process[J]. Expert Systems with Applications, 2011, 38(7):8375-8383.

[15] Chen T, Sun K S. Exploring the strategy to improve senior citizens’ participation on recreational sports[J]. Knowledge-based Systems, 2012 (26): 86-92

[16] Tzeng G H, Huang J J. Multiple attribute decision making: methods and applications [M]. CRC Press, 2011.

[17] Luitzen de Boer, et al. A review of methods supporting supplier selection [J]. European Journal of Purchasing and Supply Management, 2001, 2(7):75-89.