基于DEA模型的旅游網站效率評價研究

孫慧婷 方曉 王紀 閆磊

摘 要：DEA模型是一種綜合交叉學科研究的方法，國內外許多學者利用它在經濟、管理、金融等領域上對績效評價、金融財務分析等方面進行研究.基于DEA模型構建旅游網站效率評價指標體系，并選取國內12家旅游網站進行效率評價.結果表明：其中10家投入與產出達到最佳的匹配狀態；1家市場表現良好，但規模過大產生不可避免的低效，導致投入冗余；1家投入要素不合理，需要改善內部管理、技術投入，以提高網站效率.

關鍵詞：DEA模型；旅游網站；效率評價

中圖分類號：O22：F592 DOI：10.16375/j.cnki.cn45-1395/t.2018.03.019

0 引言

目前線上平臺與線下供應商結合的電子商務模式在旅游業迅速發展，旅游者更加依賴旅游網站和移動終端提供的產品和服務做出決策行為，制定旅游計劃.因此，旅游企業提高網站效率，加強旅游信息發布效果，優化網站訂購功能成為提高企業競爭力的關鍵一環[1].雖然各類旅游網站層出不窮，但是運行效果參差不齊，相當一部分的網站缺乏對網站科學設計、運營的意識，導致一些旅游平臺的效率不佳.因此，科學分析網站運行效果，發現運行短板，從理論和實踐考慮，對于提高企業網站效率具有重要意義.DEA（Data envelopment analysis）模型是一種進行相對有效性評價的評價工具，擺脫了其他方法沒有絕對標準或者絕對標準人工設置的弊端[2].通過同類事物的衡量分析，并根據既定的統一標準作為參照，得出優劣排序.DEA方法研究直接通過輸入指標和輸出指標的計算確定相對權重[3]，而輸入指標和輸出指標的獲取是通過軟件在線抓取，避免了人為干預的因素，因此，DEA方法的數據獲取、模型運算都是客觀的，所得到的評價結果是對客觀事實的評價，評價結果更加具有可靠性[4].本文通過DEA模型對于旅游電子商務網站進行的科學評價和分析，可以給企業的技術開發和管理部門提供優化依據，對于網站和公司整體未來的發展提供支持.

1 DEA方法概述和指標體系的構建

1.1 DEA方法概述

數據包絡分析法（DEA法）最初是一種運籌學方法.1978年，美國運籌學家A.Charnes等為了評價不同決策單元的相對有效性，而發明了該方法.此時的DEA模型是CCR模型，也就是通過尋找最優邊界，比較不同決策單元的投入產出效率[5].經過幾十年的發展，在模型的具體形式上，DEA方法也在不斷衍化和調整，從最初的CCR模型發展到BCC模型、CCW模型、CCWH模型等.DEA方法的基本原理：首先，明確決策單元（DMU），數據包絡分析方法首先是將要評價的對象作為一個決策單元.然后，根據決策單元實際情況選取投入、產出指標，建立模型，通過進行投入、產出指標的權重變化運算，判斷決策單元是否相對有效.最后，使用投影方法可以分析形成非有效的決策單元的原因，依據結果制定改進建議[6].

1.2 構建評價指標體系

1）DMU的選取

DEA方法行之有效的前提是合理選擇決策單元，也就是研究對象.在進行決策單元選擇時，一般遵循以下幾個原則[7]：

①同質化.研究對象必須是同質化的個體，即其在市場環境、功能設計、主體受眾等方面具有可比性.旅游網站的主要功能是提供在線旅游產品和服務，滿足主體受眾旅游需求，因此，旅游必須是網站的主題，在此基礎上，豐富受眾其他需求[8].

②靜態網頁.選取的研究對象要以靜態網頁形式提供產品和服務信息.為了保證所有決策單元相關要素數據的可得性和質量，研究的網站要以靜態網頁形式提供信息.

③差異性.因為進行DEA評價的目的是通過進行網站效率的分析，發現效率高者的優勢，為低效企業提供借鑒和改進策略，因此，在決策單元選擇時，要保證所選擇主體的差異性分布.

為了保證研究中所選擇的研究對象同時兼具上述的同質化和差異性，筆者選取站長之家中排名前30的中國在線旅游企業中數據相對完整的12家在線旅游企業，其基本信息如表1所示.

2）指標體系的選取

基于DEA模型評價網站的重要前提就是選擇合理的投入和產出[9].網站建立和運營過程中，會涉及大量的資源投入，遍布網站頁面布局設計、前后臺硬件投入、網站后臺開發投入、網站維護投入、網站推廣投入等.在進行指標的選取中，要充分考慮各個要素的通用性、數據可獲得性、適用性等原則.在指標選取方面，也有大量相關的研究[10].總體而言，企業網站效率評價指標的選取主要考慮是否能反映網站規模、網站技術難度、網站安全等方面.而具體到指標投入方面主要為網站包含頁面數、網站連接數、網站對象數、網站載入時間等；網站訪問量、網站訪問速度、網站安全性、網站成交量等方面是產出的主要指標[11].

所以，本文在進行網站效率評價指標的選取時，結合了許多學者的研究經驗，充分考慮到指標對于行業性質的適用性原則，從網站建設和消費者感受兩個方面出發，全面考量網站建設和運營投入.同時充分考慮消費者對在線旅游網站的需求.據此建立指標體系，如表2所示.

運用 Maxamine Web Analyst 軟件分析表 1 中的12 個網站，在每個網站所分析出的總報告中統計并分析所選取輸入指標（網站總頁面數（PAG）、平均每個網頁的鏈接數（LPP）、目錄中其他文檔的總數（DOC）、所引用的外部站點頁面的數量（DFP）、圖像鏈接總數（內部+外部）（TIL）、非復制鏈接（內部鏈接+國外網站鏈接+文檔鏈接）（DL）、鏈接數量（TL）、web對象的數量（頁面+圖像+文檔）（TO）.8 項輸入指標的數據值如表3所示.

通過工具alexa分析出這12個決策單元的同一時期的網站日訪問量 （WST）和網站流量排名（WR），這兩項輸出結果如表4所示.

3）計算出決策單元的效率評價指數

鑒于上述選擇的決策單元的指標體系是多輸入指標和多輸出指標，所以，基于DEA模型，宜采用CCR模型，對所獲取的數據進行計算.

研究時選取n個（n=12）決策單元（Decision Making Units），這n個單元滿足同質化原則，針對每個決策單元都選取m（m=8）種類型的輸入指標以及s（s=2）種類型的輸出指標[12].

這n個企業及其輸入-輸出關系如圖1所示.

在圖1中，n為決策單元數，m為輸入指標數，s為輸出指標數，[i∈1， 2， …， m， ][r∈1， 2， …， s， ][j∈1， 2， …， n]；[xij]是第j個決策單元在第i個輸入指標中的投入情況，并且滿足xij>0；yrj是第j個決策單元在第r個輸出指標中的產出情況，并且滿足yrj>0；vi是實現第i個輸入指標影響結果的權重系數；ur是達到第r個輸出指標影響結果的權重系數[13].在本研究中，n=12，m=8，s=2.

將上面的元素轉換成向量形式，如圖2所示.

模型中，xij，yrj是已知數，vi，ur是變量.模型表達的內容是以vi、ur作為變量，決策單元的效率指標hj作為約束，把第[j0]個決策單元的效率指數作為目標，即判斷第j0個決策單元的效率相對于其他所有決策單元是不是有效[14].這是一個分式規劃模型，求解需要將它轉化為線性規劃模型.令：

當且僅當D（對偶規劃）的目標值θ=1時，決策單元j0相對于其他決策單元來說是有效的[15].

2 結果與評價分析

基于DEA模型分析出這12家電子商務網站的純技術效率、規模效率、綜合效率，計算出的結果如圖3所示.

以D1為例進行分析，D1的具體計算結果如表5所示.

從表5中看出決策單元D1，也就是攜程網的投入冗余（Radial movement）和產出不足（Slack movement）都是0，達到DEA有效的目標值（Projected value）都是原始值（Original value），故D1的純技術效率是1.再從圖3中看出規模效率，綜合效率都等于1，說明DEA是有效的.

計算中，D2、D3、D4、D6、D7、D8、D9、D10、D11投入冗余（Radial movement）和產出不足（Slack movement）也都是0，達到DEA有效的目標值（Projected value）都是原始值（Original value）（具體計算結果此處省略）.從圖3也看出這9個旅游網站的純技術效率、規模效率、綜合效率都等于1，規模效益不變，說明DEA是有效的.也就是這10家企業（攜程旅游、阿里去啊、途牛旅游、去哪兒、百程旅行、驢媽媽、同程旅行、芒果網、眾信旅游、欣欣旅游）投入得到了最大產出，他們網站投入與產出達到最佳的匹配狀態，沒有出現投入的冗余或者產出的不足，實現了既技術有效，又規模有效.

以D5為例進行分析.D5的具體計算結果如表6所示.

決策單元D5（凱撒旅游）的兩項輸出指標（Output1、Output2）存在著投入冗余（Radial movement），而輸入指標中除了第二項輸入指標（Input2）投入比較合理，其他輸入指標均產出不足（Slack movement）.從圖3中看出D5的純技術效率、規模效率、綜合效率均小于1，說明這家企業存在投入要素不合理情況，需要改善企業內部管理、技術投入或者優化網站設計，以提高網站效率.另從圖3中看出凱撒旅游綜合效率只有39.7%，在12家網站中綜合效率最低，亦即凱撒旅游的網站建設中存在相對明顯的投入冗余，網站效率還有較大的提高空間.

D12的計算具體結果如表7所示.

從表7中看出，決策單元D12，也就是中青遨游的投入冗余（Radial movement）和產出不足（Slack movement），都是0，原始值（Original value）達到DEA有效的目標值（Projected value），故D1的純技術效率是1.但是從圖3中看出規模效率小于1，所以綜合效率小于1，非DEA有效，即規模效率遞減.說明這家企業雖然發展較為迅速并且具有較好的市場表現，但是由于規模過大產生了一些不可避免的低效，導致一定的投入冗余.在加強管理的情況下，企業規模還具有增長空間，或者通過適當減少投入，節約成本.

從圖3中可以看出12家旅游電子商務企業的平均技術效率和平均規模效率均小于1，平均規模效率為0.955，即平均來看，僅有0.45%的投入沒有進行充分地產出，這12家企業的投入產出比即效率已經較為高效.

3 結語

采用了DEA模型對12家旅游電子商務網站技術效率、純技術效率和規模技術效率進行了測度，從數據分析出網站的投入與產出的匹配情況.由于電子商務網站的效益不是短時間內可以充分體現的，因此，并不能通過某一階段的網站排名，就概論這個網站的優劣，只能說網站的某個發展時期與同類型網站的對比表現.無論怎樣選取評價指標，都不可能全面反映事物各個方面的特征，甚至準確描述事物某個方面的特征，或者因素之間完全避免重復交叉.在DEA模型中，輸入和輸出指標是相對靈活的，需要隨時進行調整，以便得到最優的結果.通過對網站效率現狀的分析，發現網站管理與建設中的問題，為網站的改進升級提供參考依據，為企業建立更加高效的網站助力.

參考文獻

[1] 張補宏，閆艷芳.旅游景區網站績效評估體系及應用研究——以廣州長隆旅游度假區網站為例[J]. 地理與地理信息科學，2014，30（5）：121-126.

[2] WANG F C，HUANG W T，SHANG J K. Measuring pure managerial efficiency of international tourist hotels in Taiwan [J]. The Service Industries Journal，2006，26（1）：59-71.

[3] 李方強.基于DEA-AHP的上市商業銀行績效評價研究[D].天津：天津商業大學，2015.

[4] 齊德廣.軍醫大學臨床教學質量常態化評價指標體系的構建[D].重慶：第三軍醫大學，2011.

[5] 張俊容.DEA若干理論及其應用的研究[D].成都：西南交通大學，2003.

[6] 閻友兵，馬朋.基于DEA方法的旅游電子商務網站效率評價研究[J]. 湖南財政經濟學院學報，2013（4）：32-36.

[7] KGKSAL D C，AKSU A A. Efficiency evaluation of a-group travel agencies with data envelopment analysis（DEA）：a case study in the antalya region，Turkey [J]. Tourism Management，2007，28（3）：830-834.

[8] 秦蓮蓮.在線旅游需求的預測模型及實證研究——基于在線旅游服務供應鏈視角[D]. 太原：中北大學，2016.

[9]鄭曉曉，劉伊生，時穎. 基于DEA模型的北京市建筑業生產效率評價[J]. 北京交通大學學報（社會科學版），2017，16（2）：76-84.

[10] 高李昊，馬璐，金山.基于NOM-Hybrid DEA和Meta-frontier的效率模型研究[J]. 廣西科技大學學報，2015，26（4）：97-102.

[11] 黃麗江. 農業科研院所網站建設評價指標體系研究[J]. 農業網絡信息，2013（6）：5-10.

[12] 徐愛萍. 基于三維協同的組織智力資本績效評價研究[M]. 武漢：湖北科學技術出版社，2011.

[13] 潘廣瑋.基于DEA方法的O2O電商網站效率評估及影響因素研究[D]. 廣州：華南理工大學，2016.

[14] 張倩.基于DEA方法的跨境電商企業經營績效評價[J]. 廣西科技大學學報，2018，29（2）：126-133.

[15]徐文燕，張青.基于DEA方法的在線旅游服務創新效率評價研究[J]. 哈爾濱商業大學學報（社會科學版），2015 （5）：100-110.