社會化商務中基于經驗及推薦的消費者感知信任模糊融合模型

尹 進，胡祥培，鄭 毅，周子軒

(1.廈門理工學院經濟與管理學院， 福建 廈門 361024；2.大連理工大學系統工程研究所，遼寧 大連 116023；3.東京工業大學土木環境工學系，日本 東京 1585502)

1 引言

近年來，社會化商務以社會化媒體為依托在我國迅猛發展[1]，已成為電子商務的重要組成部分[2]。社會化媒體中的用戶生成內容(如分享產品購買信息、消費體驗與評價等)通過社交網絡迅速傳播[3]，成為消費者感知信任的重要來源[4]。分析與預測消費者根據他人推薦產生的感知信任是社會化商務商家面臨的新問題，也是社會化商務營銷策略研究的發展方向。

社會化商務中消費者感知信任的建立是一種特殊的信任融合問題[5]。信任融合模型起源于計算機網絡安全領域，研究主體為計算機節點[6-8]，研究重點為如何融合來自不同路徑上的推薦信息。但由于研究背景限制，一般將網絡中節點視為同質，而不考慮決策主體的經驗和主觀性，因此難以直接應用于社會化商務之中。融入主體的主觀性是信任融合研究的重要發展趨勢[9-10]，構建社會化商務背景下新的信任融合方法迫在眉睫。在線評價是消費者商品選擇的重要影響因素[11]，消費者將他人推薦與個人經驗相結合建立感知信任也可看做是由相似性引導的決策過程，體現在：(1)相似性孕育信任[12-13]：推薦主體與決策主體的相似性，是推薦信息是否有效的決定性因素[14-16]，如女性購買護膚品時，膚質相似消費者的推薦信息影響較大；(2)過往類似經驗主導消費者的決策方向：人們往往根據以前相似的購物事件、當時的決策及決策效果作為決策依據[17-19]。

基于案例的決策理論(Case-based decision theory，CBDT)適用于這種根據以往相似案例進行決策的問題[20]，其基本假設是人在面對新問題進行決策時，以過往相似事件的決策及決策效果為依據，既考慮過往事件的相似性，又考慮過往方案的實施效果，非常適用于根據他人經驗進行決策的問題[21]。Brit Grosskopf等學者通過實驗方檢驗CBDT的理論基礎，證明了在信息有限的情況下，決策事件的相似性對消費者決策具有重要影響[22]。王翯華等學者將CBDT融入語言信息灰靶決策分類模型，以案例符合度最大為目標，提出了靶心設置的改進方法[23]。李永海等學者在CBDT基礎上構建解決廣義不確定型決策問題的決策方法，并將其應用于煤礦瓦斯爆炸應急預案選擇問題[24]和新產品開發項目風險應對方案選擇問題[25]。

然而，社會化商務中消費者信任融合問題具有以下特點給CBDT的應用帶來挑戰：(1)感知信任的模糊性：感知信任是一種對他人是否可信的主觀判斷，具有強烈的模糊性和主觀性，而CBDT是一種確定性決策方法，用于感知信任的計算存在一定的局限性；(2)消費者感知信任形成的復雜性及相似性判斷的多面性：消費者決策過程中需要判斷與推薦者之間主體屬性的相似性，也要判斷過往決策經歷與本次決策事件之間的相似性，帶來融合難的問題，CBDT僅能對決策事件之間的相似性進行判斷，其理論框架仍需要進一步擴展；(3)感知信任形成的多源性：消費者感知信任往往受到社會關系強度、推薦者權威程度和推薦者信譽等多種因素的影響，帶來相似度與感知信任度量難的問題。

針對以上難點問題，本文以CBDT為理論基礎構建模型框架，與直覺模糊集、多屬性決策理論及錨定理論相結合，構建新的感知信任模糊融合模型。將多種方法優勢互補，克服CBDT在社會化商務背景下應用的局限性，為社會化商務中消費者融合個人經驗和他人推薦建立感知信任提供新的度量方法，完善信任融合方法體系，對多學科交叉有意義。

2 模型原理及感知信任的關鍵影響因素

2.1 模型原理

本文以CBDT方法為理論框架，用直覺模糊集來描述消費者的主觀感知，對CBDT方法和直覺模糊集的原理介紹如下：

(1)CBDT方法

CBDT方法用過往決策問題與新問題的相似性以及過往決策的效用來計算新決策問題的效用[20]。將決策主體曾經解決過的問題描述為(q,a,r)，其中q表示問題，這些問題的集合為M，a表示針對問題q采取的行動，r為行動帶來的結果，而結果的效用為u(r)。面對新問題p，如果做出的決策仍然為r，則決策的效用U(a)為相似性的函數：

U(a)=∑(q,b,r)∈Ms(p,q)u(r)

(1)

其中，s(p,q)為新問題p與過去決策問題q的相似性，M為過去決策問題的集合。

(2)直覺模糊集及計算方法

直覺模糊集常用來描述人的主觀感知[26-27]，消費者感知信任是一種主觀判斷，用直覺模糊集A=<μ,ν>表示。其中，模糊隸屬度μ∈[0,1]，模糊非隸屬度ν∈[0,1]，且有0≤μ+ν≤1，猶豫度π=1-μ-ν。所有這樣直覺模糊集組成的集合為直覺模糊集矩陣F。

直覺模糊集的數乘為：

λA=<1-(1-μ)λ,νλ>

(2)

兩個直覺模糊集A=<μ,ν>與B=<μ′,ν′>的和為：

A+B=<μ+μ′-μ·μ′,ν·ν′>

(3)

2.2 感知信任的關鍵影響因素

社會化商務中，消費者的感知信任受到多種因素影響，其中關鍵的因素和行為特點包括以下幾方面：

(1)相似性(similarity)孕育信任

消費者通過在線社會網絡獲取推薦信息建立感知信任，信息發布者與決策者之間的相似性決定了推薦信息的影響力。Jennifer[28]分析了在線社會網絡中用戶之間的屬性相似度與信任之間的相關性，證明了屬性相似度是信任的關鍵影響因素。Ziegler和Lausen[29]認為相似性是信任的根源，是主體容易相信朋友推薦的根本原因，并在此基礎上引入相似性構建基于信任的推薦系統。Guo等[30]認為主體間相似性能夠誘發信任，當主體間不存在信任關系時可以用相似性代替主體間關系來解決網絡中的冷啟動問題。

(2)推薦者權威程度

推薦者的權威程度是衡量其推薦信息影響力的重要指標，指推薦者在某一領域的專業或資深程度，如美容博主或明星在美妝推薦方面、育兒專家在母嬰產品推薦方面具有較高權威度，社交網絡中的權威人士是一類具有較高影響力的主體[31]，其推薦信息直接影響消費者的購買行為[32]。消費者在決策過程中更注重專家的意見和建議，權威人士的意見能夠顯著降低消費者的感知風險[33]，在信任傳遞中起到重要作用。特別是在購買技術含量高的商品時，消費者更傾向于依賴專家的意見[34]。權威人士的專業性、產品涉入和交互性對接收其推薦的消費者感知信任有直接影響，并顯著影響消費者的購買意愿[35]。

(3)主體間關系親密度

親密度指主體間關系的緊密程度，是衡量推薦信息影響力的重要指標[36]。社交網絡中存在大量實時更新的用戶生成內容，不同親密度的朋友提供的推薦信息往往會對消費者有不同影響。口口相傳的相關研究結果表明，越親密的關系在推薦過程中起到的作用越明顯，越親密的關系越讓人覺得放心和可靠，從而更容易促進信任傳遞的形成[37-38]，而通過親密度高的關系獲得的推薦信息對消費者的購買決策影響更大[39-40]。

(4)推薦者信譽

信譽是多個主體對一個主體的評價，是主體長期以來與他人交互中累積的可信度，是感知信任的重要來源[41]。社會化商務中的信息不對稱問題帶來較高的感知風險，推薦者的信譽作為比較客觀的評價指標，能夠顯著降低感知風險[42]，信譽較高的用戶發布的用戶生成內容具有較高的可信度和影響力[43]。社會化商務中主體間社會互動更頻繁和復雜，推薦者的信譽與其推薦信息的關注度正向相關，是感知信任的重要影響因素[44]。

(5)感知信任融合的行為特點

在社會化商務中消費者感知信任融合過程中，消費者通過社交媒體查看其他主體發布的用戶生成內容，包括使用心得、質量好壞等信息，并在此基礎上結合自身經驗形成自己的感知信任。根據錨定效應，當采用他人觀點時，人們往往將自己的觀點作為錨[45-46]，衡量他人與自己觀點之間的差異并進行調整，以調和自己與他人感知信任之間的差異[47]。實驗證明，消費者采用他人觀點時，會將自己的觀點作為起始錨，跳躍式地調整一定的量并評價所調整的新觀點是否與他人的觀點相吻合，如果不吻合則開始新的跳躍式調整，直到調整到自己與他人觀點都可接受的結果[48]。

社會化商務中，消費者對新問題的感知信任來源于兩部分，一是根據過往決策的經驗獲得的感知信任，二是根據與自身相似主體的推薦信息獲得的感知信任。本文以CBDT為理論框架進行擴展，與直覺模糊集和多屬性決策相結合，對兩種來源的感知信任分別進行計算，再融入感知信任的關鍵影響因素和行為特點對兩種信任進行融合。

3 感知信任模糊融合模型

消費者根過往經驗和他人推薦建立感知信任，以相似性作為依據判斷信息的影響力。本文以CBDT方法為模型框架，對消費者通過兩種渠道獲得的感知信任分別進行計算，最后以錨定效應為依據對兩種感知信任進行融合。

3.1 模型框架

用感知信任代替感知效用在CBDT基礎上進行擴展，定義消費者根據過往相似購買決策對新問題建立的感知信任為：

(4)

其中，T(X)是對新問題X的感知信任，s(Y,X)是過往購買決策Y與新問題X決策情境的相似性，T(Yi)是指消費者根據第i個過往購買決策的決策結果建立起的感知信任。

消費者根據個人經驗和他人推薦獲取感知信任，按照公式(4)對兩種渠道獲得的感知信任分別進行計算再融合在一起。

3.2 消費者根據過往經驗建立的感知信任

新購買決策問題屬性的直覺模糊集矩陣為：

計算過往決策問題與新問題之間的加權漢明相似度為：

(5)

對相似度進行歸一化處理：

(6)

(7)

3.3 消費者根據他人推薦獲取的感知信任

決策者根據推薦者發布的推薦信息來建立感知信任，如使用心得和好貨推薦等等。所有推薦信息中，與決策者屬性相似的推薦者發布的信息更具有影響力。決策者對推薦者的判斷具有多屬性特點，因此將直覺模糊集與多屬性決策相結合，在CBDT的理論框架下構建消費者根據他人推薦獲取的感知信任計算方法。

(1)推薦者與決策者的個體屬性相似度

定義社會網絡中的m個推薦者集合為

(8)

相似度集合，對相似度進行歸一化處理：

(9)

(2)消費者根據他人推薦建立的感知信任

(10)

(11)

(12)

結合推薦者與決策者之間相似性，計算消費者根據他人推薦獲取的感知信任綜合值為：

(13)

3.4 兩種來源信任的融合計算

社會化商務中消費者感知信任來源于過往經驗和他人推薦，不同類型的消費者對兩種來源的倚重程度不同，例如專家往往不容易受到錨定效應影響，更能夠堅持自己的見解，而一些缺乏主見盲從的人則更容易聽信于他人意見。因此，按照不同消費者類型，在錨定效應基礎上構建多源信任融合方法。

設融合算子ξ表示決策者倚重他人意見的程度，ξ∈[0,1]，當ξ=0時，表示決策者為專家型消費者，在決策時以自己的意見為主，不考慮他人意見，這類決策者融合后的感知信任為：

(14)

ξ=1表示盲從型消費者，在決策時以他人推薦為判斷依據，其融合后的感知信任為：

(15)

對于一般的消費者，有ξ∈(0,1)，根據錨定效應，人們往往以自己的感知信任為錨，根據他人推薦進行調整，以自己的經驗為主建立感知信任，因此有ξ>1-ξ。其融合后的感知信任為：

T=ξT(Q)+(1-ξ)T(R)

(16)

4 數據實驗

以消費者網購免調試隱形助聽器為例，助聽器的主要使用群體是聽力下降的老年人，網購免調試隱形助聽器的價格比需要實地調試的助聽器價格便宜很多，因而消費量非常可觀。這類助聽器的購買者多為使用者的子女，對網購接受程度較高，但是大多數購買者對助聽器并不了解，而助聽器的使用效果需要具有長期可持續性，劣質助聽器可能導致更加嚴重的耳鼓膜損傷，因此在購買決策時面臨著比較高的風險，決策比較困難。消費者在進行決策前往往通過微信咨詢有購買經驗的親友，社交網絡中的推薦在這類助聽器的購買決策中起到了重要作用。

為了更好的驗證模型的有效性，本文用算例分析和實際數據分別進行分析與驗證。

4.1 算例分析

(1)感知經驗信任算例分析

假定消費者過往有四個類似的購物決策，這四個購物事件的集合為P={p1,p2,p3,p4}，設過往第i次購物事件的屬性集合為：

5個屬性的權重向量為ω=(0.25,0.1,0.3,0.2,0.15)T。過往購買事件屬性的直覺模糊集矩陣為：

設消費者面對的新決策問題Q的決策情境屬性直覺模糊集矩陣為：

FQ=(<0.5,0.2>,<0.2,0.3>,<0.8,0.1>,<0.6,0.3>,<0.3,0.6>)T

算例分析流程為：給出一組T(p)值集合，即過往4次類似購買決策產生的感知信任，根據公式(5)-(7)計算過往4個類似購買事件與新決策問題之間的相似度，及消費者根據過往經驗建立的感知信任T(Q)值，計算結果如表1：

表1 源于過往經驗的感知信任算例分析

①第一組數據：

設決策者過往類似購買決策產生的感知信任為：

T(p)={<0.8,0.1>,<0.6,0.3>,<0.7,0.1>,<0.5,0.2>}這組數據表示過往4次類似經驗持信任傾向。根據公式(5)計算過往4個類似購買事件與新決策問題之間的相似性集合為：S={0.955,0.916,0.912,0.965}。根據公式和(6)計算歸一化后的相似度集合為：S′={0.255,0.244,0.243,0.257}。根據公式(7)計算過往經驗帶來的感知經驗信任為：T(Q)=<0.669,0.156>，表明消費者感知經驗信任的隸屬度較高，對新問題持信任意向。

②第二組數據：

將第一組T(P)數據中隸屬度與非隸屬度調換，生成一組信任非隸屬較高的過往類似購買決策產生的感知信任：

T(P)={<0.1,0.8>,<0.3,0.6>,<0.7,0.1>,<0.5,0.2>}按照上文計算流程，消費者對新問題的感知經驗信任為：T(Q)=<0.179,0.640>，非隸屬度較高，表示消費者對新問題持不信任意向。

③第三組數據

將第二組T(P)數據前兩個元素的隸屬度與非隸屬度調換，后兩個元素保持不變：

T(P)={<0.8,0.1>,<0.6,0.3>,<0.7,0.1>,<0.5,0.2>}即最近兩次類似交易的感知信任隸屬度較高，而以前兩次類似交易的感知信任非隸屬度較高。按照上文計算流程，消費者對新問題的感知經驗信任為：

T(Q)=<0.512,0.318>，表明消費者感知經驗信任隸屬度高于非隸屬度，但是差別并不太大。

④第四組數據

將第二組T(P)數據后兩個元素的隸屬度與非隸屬度調換，前兩個元素保持不變：

T(p)={<0.1,0.8>,<0.3,0.6>,<0.7,0.1>,<0.5,0.2>}即其中兩次類似交易的感知信任非隸屬度較高，另外兩次類似交易的感知信任隸屬度較高。按照上文計算流程，消費者對新問題感知經驗信任為：T(Q)=<0.443,0.372>，表明消費者感知經驗信任隸屬度高于非隸屬度，但是差距比較小，基本趨近于比較中立的態度。

由此可見，過往類似購買決策產生的感知信任T(P)對消費者感知經驗信任起到了決定性的影響，且感知經驗信任T(Q)值的隸屬度與非隸屬度介于過往歷次類似經驗的感知信任的隸屬度與非隸屬度之間。

(2)源于他人推薦的感知信任算例分析

假設該消費者通過社交網絡收集他人提供的推薦信息，設共收集到3位推薦者提供的推薦信息，設推薦者的社會屬性及推薦信任各影響因素的權重為θ=(0.1,0.4,0.3,0.2)T，推薦者影響力屬性的直覺模糊集矩陣為：

從直覺模糊集的數值直觀看來，第一位推薦者社會屬性與推薦信任的直覺模糊集矩陣的模糊隸屬度與非隸屬度接近，第二位推薦者的模糊隸屬度較高，第三位推薦者的模糊非隸屬度較高。按照公式(10)-(13)計算他人屬性與推薦信任帶來的無差異感知信任為：

T(r1)=<0.4142,0.3366>,T(r2)=

<0.5410,0.1911>,T(r3)=<0.3150,0.5524>

計算結果與三位推薦者社會屬性與推薦信任的直覺模糊集矩陣的趨勢保持一致，模糊隸屬度介于四個決策屬性的模糊隸屬度值之間。

下面，在無差異感知信任的基礎上給出幾組相似度數據，并計算該消費者根據他人推薦建立的感知信任綜合值，結果如表2。

表2 根據他人推薦建立的感知信任綜合值

根據表2的計算結果表明，根據他人推薦建立的感知信任綜合值與相似度密切相關，綜合值與相似度較大的無差異感知推薦信任的趨勢一致，說明推薦者與消費者之間屬性的相似度在感知信任綜合值中起到了重要的調節作用。

(3)兩種來源信任的融合計算

下面分別給出幾組錨定效應融合算子的取值和兩種來源的感知信任值，并按照公式(16)計算融合后的感知信任，算例及計算結果如表3：

表3的計算結果顯示，當融合算子較大， 即消費者更傾向于以自我感知經驗信任為中心時，融合后的感知信任更接近于T(Q)的取值，而融合算子較小，即消費者更傾向于相信他人推薦時，融合后的感知信任更接近于T(R)的取值。對比第1和第2組數據，第3和第4組數據，以及第5和第6組數據，融合算子在兩種來源的信任中具有調和作用，當融合算子較大時，消費者的感知信任接近根據經驗的感知信任，反之則更接近根據他人推薦建立的感知信任；對比第1和第3組數據，以及第2和第4組數據，當融合算子較大時，負面的推薦信息對消費者的感知信任有影響，但是消費者仍然保留根據經驗建立的感知信任意向；對比第2和第4組數據，可以看出負面的推薦信息對消費者感知信任具有較大影響；第3組和第5組數據，以及第4組合第6組數據的結果體現了融合因子顯著的調節作用。

表3 不同融合算子及兩種來源感知信任及消費者感知信任的融合值

(4)小結

本文對模型的三個主體部分分別進行了算例分析，分析結果表明，本文提出的模型能夠很好地將消費者的過往經驗轉化為對新問題的感知信任，對多個推薦信任的綜合計算和兩種來源的感知信任的融合值符合人的直覺，且相似度和融合算子在模型中起到了重要的調節作用。

4.2 實際數據驗證

在算例分析的基礎上，本文通過調查問卷收集數據，以實際數據作為模型輸入，通過數據實驗計算模型出結果并與實際數據進行擬合，對模型的有效性進行進一步驗證。

(1)問卷設計

以淘寶上的免調試助聽器的網頁內容作為實例，按照模型步驟設計問卷問題和流程，從三個角度測量消費者對各影響因素的感知及感知信任，問卷共26題，其中1-19題測量被試根據個體經驗建立的感知信任，20-24題測量被試根據某位推薦者的推薦建立的感知信任，25-26題測試被試將兩種來源感知信任融合后的融合值。問卷問題列表見表4：

表4 社會化商務中消費者感知信任問卷問題列表

續表4 社會化商務中消費者感知信任問卷問題列表

(2)問卷量化方式

問卷量化方式與直覺模糊集的三維維度保持一致。對模糊隸屬度、非隸屬度和猶豫度數據，采用問卷星中的權重題模式，讓被試將100分分配給隸屬度、非隸屬度和猶豫度，當三者打分值的總和不為100時，問卷將無法提交。打分方式可以在文本框中填寫數字，也可以拉動滑動條，改變其中一個滑動條系統能夠按照比例自動更改另外兩項的分值，操作比較簡便，各因素的權重分配題也用此方式設置，如圖1：

圖1 調查問卷數據采集方式

(3)數據收集

用問卷星在線問卷系統設計問卷，并通過微信請同學和親友填寫并轉發問卷(在眾多社交網絡中選用微信作為問卷發放工具，原因是這種社交工具使用比較廣泛，也是人們日常交流中最常使用的在線交流方式)。本次調查共回收問卷165份，其中有效調查問卷149份。被試者中，男性的比例約30%，女性的比例約為70%，年齡在21～30歲的比例約為51%，30～41歲的比例約為45%，其他年齡比例約為4%。調查問卷結果顯示，被試認為曾購買過對網購助聽器有借鑒意義的商品包括：電子血壓儀、電子體溫計、手環、電子計步器等。

(4)數據實驗流程及結果分析

(15)

相似度計算結果見表5:

表5 感知信任打分與模型輸出值的相似度統計表

通過算例分析，本文構建的模型能夠體現消費者感知信任的模糊性和多源性，過往經驗和他人推薦在感知信任的形成中起到了決定性作用，而融合算子在多源信任融合過程中起到了顯著的調節作用。而實際數據驗證結果表明，本文構建模型的輸出值與消費者感知信任融合值數據之間的平均相似度為0.8630,說明本文構建的模型能夠較為準確的預測消費者的感知信任。

5 結語

本文針對社會化商務中消費者感知信任的融合問題，以基于案例的決策理論(CBDT)為基礎，結合直覺模糊集和多屬性決策方法構建感知信任模糊融合模型，該模型的特點在于：(1)考慮消費者的過往經驗，并將過往經驗與他人推薦信任相結合，符合消費者感知信任形成特點，從新視角構建信任融合模型，突破CBDT的局限性；(2)在CBDT理論框架上將直覺模糊集與多屬性決策方法相結合構建模型，滿足社會化商務中消費者感知信任模糊性和多面性特點，解決相似性和感知信任度量難問題；(3)引入錨定效應來設定構建多源信任融合算法，從而體現不同類型消費者的決策特點。

研究結果表明，本文構建的消費者感知信任模糊融合模型能夠有效的將消費者個人經驗與他人推薦信任相融合，從而預測消費者的感知信任，適用于解決由相似性引導的不確定性決策問題，模型能夠體現消費者感知信任的模糊性且能夠融入感知信任的多種關鍵影響因素，因而適用于描述異質消費者感知信任的形成過程。

本文提出的感知信任模糊融合模型將多種方法相結合優勢互補，突破信任融合方法在研究主體上的局限性，完善信任融合方法體系，為社會化商務中消費者感知信任的度量提供新方法，對多學科交叉有意義。在實際應用層面，本文構建的模型適用于社會化商務或web2.0型電子商務商家及平臺預測和度量消費者的感知信任，能夠為基于信任營銷策略的制定提供支持，為精準營銷提供新視角。

本文存在的局限性：(1)模型以數據實驗結合實際數據驗證的方式對模型有效性進行驗證，但是在消費者主觀感知數據的直覺模糊集三維數據獲取方面仍存在不足，對消費者評論進行語義分析能夠更好的獲取三維數據，而主體間相似性數據則可以通過社交網絡平臺中主體的屬性及主體間關系數據進一步獲得，在日后的研究工作中我們會與電子商務企業開展合作尋求更好的解決方案來完善模型的驗證工作。(2)在不確定性決策環境下，消費者的感知風險較高，因而負面意見可能更具影響力，在未來的研究工作中，我們將對沖突意見的處理方法進行深入研究，進一步拓展社會化商務中消費者感知信任融合模型。