基于層次分析法的動態C2C電子商務信用評價模型改進研究

【摘要】利用多因素分析法算出買賣雙方信用評價比重，科學設定成交額、時間跟蹤、信用值對信用評價的影響權重比例，建立交易雙方信用值綜合計算公式。

【關鍵詞】因素分析法;信用違約

為了降低買賣雙方為了各自利益做出的不誠信行為，國內所有電子商務平臺都有自己的評價系統，跟蹤買賣交易過程，分析評價行為，計算雙方信用值。現有C2C平臺信用評價模型存在結構單一，不全面準確性較差，信用評價標準不一致，信用數據不共享等問題。建立一個更加準確、全面、數據共享的第三方信用評價平臺勢在必行。

1 C2C電子商務動態信用評價模型改進原則

電子商務行業主流的信用評價模型，采用累加法，雙方完成交易然后互評，不同評價獲得不同分值，累加計算出最后分值，從而顯示不同時期信用狀況變化。系統簡單，運營成本較低，能夠有效降低信用違約風險。實際運作中存在如下因素對信用評價的影響需要改進：（1）交易金額;（2）評價時間;（3）買家信用度。

2 C2C賣家動態信用評價模型的構建

在全新的動態評價體系中，設定為五個評分檔，較好（+1），好（+0.5），中（0），差（-1），較差（-2）。買家打分后通過公式算出得分。模型自動采集交易金額、雙方信用評級、評價時間等數據，將數據輸入模型最后綜合計算出準確的信用值。

2.1評價指標的權重的確定

采用階梯層級遞進的原則進行各指標權重判定。通過邀請業內權威專家評審團分別對同級指標和子級內同級指標進行分析比較，由公式計算其全部指標的重要特性值，建立一個指標重要特性判斷矩陣。

2.1.1一級指標權重的確定

第一步，構造賣家信用值判斷矩陣;第二步，計算重要性排序;第三步，一致性檢驗。

2.1.2二級指標權重的確定

（商品信息）B1、（服務水平）B2、（配送延時）B3的判斷矩陣及指標權重，二級評估指標的權重為下：WB1（0.2314，0.5817，0.1205，00664）;WB2（0.2297，0.1220，0.6483）;WB3（0.6667，0.3333）。

2.1.3層次總排序

根據賣價的信用值A，通過二級指標層對于一級指標層權重的排列，可以清晰看出各指標在信用評價體系中所占的權重比例。

2.2交易金額加權計算

為求公平公正，需要將成交額數據納入評價模型中。通過對京東以及淘寶網交易數據進行大數據分析，以及對賣家進行問卷調查，得出如下商品交易額權重。

3 C2C買家動態信用評價模型的構建

3.1買家信用度加權計算

為了保證信用配件準確性也必須需要把買家信用等級加入到評價模型中。高信用買家的權重高于低信用買家。

3.2評價時間加權計算

評價模型必須根據不用的評價時間對賣家信用產生不同的影響。應該增加近期評價在模型中的權重比例。提高評價準性，將降雙方違約風險。

參考文獻：

[1]李道全，吳興成，郭瑞敏.基于層次分析法的電子商務交易決策模型[J].現代電子技術，2017，40（10）：68-71.

[2]郭順利，張向先，李中梅.基于加權灰色關聯度的C2C平臺商品信息可信度評估方法研究[J].情報科學，2017（7）：142-148.

[3]李聰，李雪琴，Gajanan G.Hegde，等.C2C電子商務差異化折扣模型：基于在線購買歷史聚合[J].管理工程學報，2016，30（2）：64-75.

作者簡介：

王曉東（1978-），男，漢族，遼寧朝陽人，本科，副教授，研究方向：政務信息化與電子商務。