基于云模型的網購滿意度綜合評價

郭學品，羅自強，石 春

（海南師范大學 信息科學技術學院，海口 571158）

0 引言

網購過程存在許多不確定性，網購感受在很大程度上影響到消費者的購買行為，因此，對于商家來說，消費者網購是否滿意對于他們的銷售業績非常重要。消費者網購的滿意度在網絡銷售中占有非常重要的作用。滿意度的評價往往因人而異，評價結果帶有一定的隨機性和模糊性。中國工程院院士李德毅所提出的云模型理論，在處理事物評價中具有很大的優勢，能將評價中的隨機性和模糊性結合起來，反映出評價中的真實情況。

云模型是實現定性評價和定量數值之間相互轉換的工具，采用期望值Ex、熵En、超熵He三個數字特征來表示，反映出評價結果在一定范圍內波動，受人為因素影響但也呈現出一個整體趨勢的的事實。正是基于云模型理論在定性評價中的這些優勢，將其應用于當下流行的網上購物的滿意度評價中。

1 網購滿意度評價指標體系

1.1 評價指標體系的建立

影響網絡購物的滿意度取決于網購的一系列環節，包括網上挑選產品、交易過程、產品的配送、產品的使用和售后服務等各個環節。在參考文獻[1-3]的基礎上，結合消費者的購物體驗，建立基于網上購物的消費滿意度評價指標。

在挑選商品時，主要關注商品這幾個方面：產品質量是否得到保證，是否提供權威的證明；產品與網絡描述的相符度如何，消費者買到的實際商品和網上樣品描述情況是否一致；商品價格比較，是否在合理區間；商品信息提供是否詳盡，滿足消費者的信息需求。

交易過程主要關注購物的便捷性：購物過程是否便捷，操作簡單；資金支付是否安全，不能泄漏個人隱私；客服態度是否禮貌、耐心、細心，是否具備產品專業知識的交流能力。

物流配送主要關注商品的整個配送過程：商家在接訂單后是否在約定的時間內及時發貨；物流速度快慢，能否在預期的時間內準時送達；消費者隨時查看了解自己訂購商品的詳細配送信息；快遞公司送達的商品包裝是否完好，沒有破損情形。

售后服務主要關注所銷售商品的維護問題：是否支持7天無理由退貨，退貨渠道是否便捷；質保期是否符合行業規范，明確承諾商品的維修責任；商品的維修點布局是否合理，維修手續是否簡單，能否在較短的時間內將產品維修好。

基于網上購物的消費滿意度評價指標體系如圖1。

圖1 網購滿意度評價指標體系

1.2 網購滿意度等級劃分

消費者在網絡購物平臺購物過程中，對每個服務項目的體驗和評價，匯總得到網上購物的綜合滿意度。消費者的網購滿意度如何，可以通過設定滿意度劃分等級來體現。設定滿意度等級區間值如表1所示。

表1 網購滿意度評價等級劃分區間表

根據計算得到的滿意度分值所對應的評價等級，判定出消費者在網上對某商家所銷售商品的滿意度的評價等級。

2 網購滿意度評價模型

定義1：設U是數值表示的論域，v是與U相關聯的滿意度描述值，對于任意值x∈U，x對于v所描述的滿意度的隸屬度μv(x)是一個具有穩定傾向的隨機數，該滿意度隸屬度在論域上的分布稱為滿意度隸屬云；每一個元素與其隸屬度的序對(xi，μv(xi))稱為滿意度云滴[4]。

云模型的數字特征采用期望Ex、熵En和超熵He來表示。期望值Ex反映了所描述的定性概念滿意度的典型樣本；熵En反映了滿意度在評價過程中存在的模糊性和隨機性等特性，超熵He是熵的熵，反映了滿意度云的凝聚性[5]。

2.1 網購滿意度的評語集云模型

利用云模型給出被評價對象的評語集，每個評語取值在一定的范圍內，存在雙邊約束。設定評語取值范圍的最小邊界值為Fmin，最大邊界值為Fmax，則評語集云模型的數字特征采用式（1）計算出來[6]。

其中k表示網購滿意度評價的隨機性，k取值大則滿意度評價隨機性大，k取值小則滿意度評價隨機性小，這里k取值為0.1。

滿意度值在[0,3)區間時，表示不滿意，其相應的云模型參數為(1.5,0.5,0.1)，滿意度值分布在[3,5]區間時，表示不太滿意，其相應的云模型參數為(4,0.33,0.1)，基本滿意、比較滿意、滿意分別對應的云模型參數是(6,0.33,0.1)、(8,0.33,0.1)、(9.5,0.17,0.1)。

2.2 網購滿意度綜合評價方法

根據調查分析，找出影響網購滿意度的因子X={X1，X2，…，Xn}，每個因子所對應的權重系數設為A={A1，A2，…，An}。根據一組專家分別給各個因子權重A={A1，A2，…，An}打分，每個專家打分的結果不相同，通過云模型的逆向云發生器[7]對每個權重分值進行計算，分別求出各個權重系數的分值。權重系數的分值分布在一定的范圍，體現了一定的模糊性和隨機性。采用權重矩陣A表示為：

根據專家意見，結合消費者的購物感受和反饋信息，對影響因子X={X1，X2，…，Xn}進行打分。由于各個影響因子的得分都不盡相同，每個影響因子的取值都在一定的范圍內，體現了評分的隨機性和模糊性。通過云模型逆向云發生器對每個影響因子的各個分值進行計算，求出每個影響因子的綜合評價云模型參數。

采用綜合評價矩陣P表示為：

根據綜合評價矩陣P和權重矩陣A，利用模糊合成算子[8]求得綜合評價云模型為：

2.3 滿意度云模型相似度

定義2：設2個滿意度云分別為MYC1(Ex1，En1，He1) 、MYC2(Ex2，En2，He2)，將滿意度云MYC1經過云模型正向云發生器生成云滴(xi，μi)，若xi在滿意度云MYC2中的隸屬度為為滿意度云MYC1與滿意度云MYC2的相似度，記為ψ。

滿意度云相似度計算算法[9]：

輸入：滿意度云MYC1(Ex1，En1，He1),滿意度云MYC2(Ex2，En2，He2),n；

輸出：滿意度云MYC1與滿意度云MYC2的相似度ψ。

算法步驟如下：

（1）在滿意度云MYC1(Ex1，En1，He1) 中生成以En1為期望和He1為標準差的正態隨機數En11′；

（2）在滿意度云MYC1(Ex1，En1，He1) 中生成以Ex1為期望和為標準差的正態隨機數x′；

將計算出的網購滿意度綜合評價云模型和評語集云模型進行云模型相似度計算，找出相似度最高所對應的滿意度等級，得出最符合滿意度等級的評價結果。

3 實例分析

選取某網購平臺某商家某品牌電子產品作為評價對象，根據商家提供的信息和消費者的反饋信息，組織專家和消費者進行打分，將相關數據按云模型理論進行處理。根據逆向云發生器求出權重矩陣A：

網上購物滿意度評分的各項數據分值分布在0～10之間，根據逆向云發生器求出綜合評價矩陣P：

根據綜合評價矩陣P和權重矩陣A，綜合評價云模型參數的計算結果為：

W=P?A=(8.5744，0.0711，0.0268)

根據云模型相似度計算方法，計算出綜合評價云模型參數相對于評語集各個等級區間云模型的相似度，分別對應滿意度評價等級區間的評價等級，結果如表2所示。

表2 網購滿意度綜合評價云模型與評語集云模型等級劃分區間的相似度

相似度計算結果中最高值所對應的滿意度等級就是最終的評價等級。顯然，相似度最大值為0.2563159，對應的等級區間是“比較滿意”；相似度次大值為0.0000014，對應的等級區間是“滿意”。表明該網購平臺上某電子產品的購買滿意度的綜合評價等級為“比較滿意”，確切地說，應該是“比較滿意”偏向于“滿意”。

利用綜合評價云模型數字特征值和正向云算法仿真作出滿意度綜合評價云圖，效果如圖2。很顯然，通過圖2云滴的分布情況來看，絕大部分云滴都落在綜合評價的等級區間(8,9)中，其次極小部分云滴落在等級區間(9,10)中。因此本次網上購物的滿意度最終評價結果為“比較滿意”等級，而更為確切的評價結果應該是“比較滿意”偏向“滿意”等級。評價結果和云模型的相似度計算結果相同。

圖2 網購滿意度綜合評價云圖

4 結束語

消費者的網上購物行為往往取決于對整個購物過程的整體感受，取決于對商家提供的服務的滿意度高低，具有極強的不確定性。滿意度高，購買的意愿就強烈，滿意度低，購買該商品的意愿就減少。即使是在滿意度低的情況下實施了購買行為，那么消費者對該商家提供商品的忠誠度也將蕩然無存。采用云模型理論處理網購滿意度的綜合評價，通過云模型相似度計算結果和實驗仿真結果的一致性比較，驗證了基于云模型的網購滿意度綜合評價的可行性；另外，也體現了評價中主觀因素的不確定性、隨機性和模糊性，描述了評價中的各項細節，反映了綜合評價中的真實性，使評價的結果更具體、更可靠，具有合理性。