基于灰色模糊聚類分析的小微電商企業信用動態評價

邢日彤 鮑新中

摘要：目前由于電子商務行業在我國的急速發展，很多電商平臺的小微店鋪企業所涉及的信用問題也逐漸讓人不得不重視起來。本文在以往電子商務模式下的信用評價體系基礎上提出一種小微企業動態信用評價模型并基于灰色模糊聚類的方法對其進行分析驗證。本文在提出一個新的小微企業信用評價指標體系后，對所收集的各段時間數據進行降維，以期能夠對小微企業在一段動態時間內的信用狀態趨勢進行動態的觀察，最后用模糊聚類的分析方法對這些小微電商企業店鋪的信用水平進行分類及排名以達到期望的評價效果。

關鍵詞：電子商務;灰色關聯分析;模糊聚類分析;信用評價

中圖分類號：F270.7 文獻標識碼：A

由于在互聯網環境中買賣雙方存在明顯的信用不對稱問題，買家無法直接接觸賣家提供的商品和服務，所以網絡交易中的商家信用問題日益突出，這也是電商環境無法和傳統零售業相比擬的缺陷。所以解決和探索小微電商企業的信用問題，建立可靠且可行的信用評價指標體系及相應的評價方法對于我國零售電子商務是極其有利并且必要的。

相關學者大多數是從指標體系與模型構建這兩個方面來研究探討。首先，從指標體系方面，宋叢叢[1]提出了一種賣方信用評分系統來計算賣方信用度的值。董玫、李埔[2]、邵婷、胡巧程等[3]構建了第三方信用評價體系。在模型構建方面的研究相對較多，李薇[4]等人在雙邊綜合評分基礎上提出了一種新的電子商務信用測度模型。孫浩[5]將Agent建模技術運用到測度模型當中。付永貴等[6]運用計量經濟學方法與數據挖掘算法構建信用評估模型。朱清香等[7]通過三指數平滑模型對動態信用數據進行預測。張發明[8]以改進動態組合評價方法為基石，又提出一種嶄新的小微企業信用評價模型。

目前學術界關于信用評價指標體系的新方法雖然層出不窮，但學者們較少關注以小微電商企業為研究主體的信用值的動態變化等問題。本研究將針對上述不足，在著手建立電商小微企業信用評價指標體系之上，對前期所收集的各時間段和各個指標的數據進行有效降維，得以能夠對小微企業在一段有效時間內的信用狀態和信用趨勢進行動態的觀察和評價，最后運用模糊聚類分析對其信用水平進行歸類并得到最后的信用排名。

1 中小微企業動態信用評價指標體系的建立與數據獲取

1.1 中小微企業動態信用評價指標體系的構建

為更好地體現出對于小微企業動態信用的評價，根據數據可得性原則，選取了6個信用指標，分別為注冊年限、賣家信用等級、商品描述相符度、物流滿意度、粉絲數、好評率，注冊年限越長表示企業信用越好，賣家信用等級越高信用越好，商品描述相符度越高信用越好，物流滿意度越高信用越好，粉絲增加量越大信用越好，好評率越高信用越好，如表1所示。

1.2 原始數據的標準化處理

1.2.1 樣本選取和數據獲取

本文以8家鮮花商店為例進行實證分析，分別是欣欣向榮工廠店、小時光宇宙、很時尚居家、唯億鮮花連鎖店、寵愛一生、都市花園連鎖花店、仟益鮮花、優鮮鮮花。以兩個月為采樣周期收集各指標的數據，共收集了12個月的6期數據作為計算依據。本文使用Matlab進行數據處理分析。

1.2.2 數據標準化處理

為了能夠去除不同數據的單位所帶來的不一致，需要先將收集的這些數據轉化為純數值，也就是無量綱化。對每個維度特征的均值和標準差進行計算，利用函數變換將具體數值映射到對應數值區間。在第i個時間數據收集點第j個受評鮮花店鋪的指標得分用xij表示。

2 數據分析

2.1 數據分析

2.1.1 灰色關聯分析

本研究對采集得到的8個受評店鋪、6個評價指標在6個時間點的數據進行灰色關聯處理，利用灰色關聯分析將6×6×8的三維數據降成了6×8的二維數據，而對于多維的數據來說，還需要建立灰色關聯矩陣：

2.1.2 模糊聚類分析

把8個鮮花店鋪在6個數據收集時間點上的灰色關聯度建立基于時間維度的一維向量數據，再將這些數據用模糊聚類分析即可得到原始數據矩陣，再通過數量積法對原始數據矩陣進行轉化，得到模糊相似矩陣：

運用扎德算子進行平方自合成運算，求出其傳遞閉包。

最終當λ=0.29時，受評單位的信用等級“唯億鮮花連鎖店、小時光宇宙、寵愛一生”聚為一類，“欣欣向榮工廠店、很時尚居家、都市花園連鎖花店”聚為一類，“優鮮鮮花、仟益鮮花”聚為一類。

2.2 結果分析

基于以上數據分析得到各8個樣本企業信用動態評價結果。我們要選取多個數據時間點對受評鮮花店鋪的整體的信用水平進行一段時期內連續的動態評價。通過分析可以得出，欣欣向榮工廠店2019年1月的信用水平最好，小時光宇宙店3月的信用水平較為突出，很時尚居家5月的信用水平較好，唯億鮮花連鎖店7月的信用水平較好，寵愛一生9月的信用水平最好，都市花園連鎖花店11月的信用水平較為突出，而仟益鮮花和優鮮鮮花在2019年的信用水平都處于一般水平，7月的信用水平達到自身店鋪的全年最高值。

灰色模糊聚類分析模型可以呈現各個店鋪的信用波動和信用趨勢，并且通過信用評價值和均值及方差對受評店鋪進行整體的信用排名，這8個受評店鋪的信用綜合評價排名如表3所示。

從上表中可以看到唯億鮮花連鎖店的信用綜合評價排名為第一，是8家店鋪中信用排名最高的一家，小時光宇宙排名第二，很時尚居家店鋪信用排名第三，排名第四的店鋪是寵愛一生，第五為欣欣向榮工廠店，第六為都市花園連鎖花店，第七為優鮮鮮花，仟益鮮花店排名第八，是信用評價水平最低的店家。通過表3我們可以發現基于灰色模糊聚類分析方法的動態信用評價方法解釋性比較強，應用起來也較為容易，可以提高小微電商企業信用評價的科學性和說服力。

3 結語

為保障商品消費者的合法權益、用戶體驗和提升電子商務平臺服務水平，電商交易過程中商家店鋪信用問題是必須著重解決的基本問題。通過多篇相關研究和對電子商務大環境的探索，本文在信用指標體系建立的基礎上，運用灰色關聯分析和模糊聚類分析的方法對我國小微電商企業信用水平進行有效的動態信用評價，確定了電商小微企業的基本現狀及存在的信用問題。新建立了基于模糊聚類分析法的小微電商企業信用評價動態模型，并通過實例分析對8家小微電子商務企業進行數據搜集，對這8家店鋪的信用水平進行綜合測評，并且能夠驗證該模型的有效性和合理性。最后發現如果想要對小微電商企業的信用進行有效的動態管理和動態評價，那么就需要我們建立合理的評價指標體系并且收集他們在不同時段內的信用相關數據，最后得以追蹤他們信用水平的變化趨勢，同時，明確了商家信用評價體系是研究小微電子商務企業信用的重點。

參考文獻

[1] 宋叢叢.賣方信用評價體系構建研究[J].科技視界，2013，26：133-134.

[2] 董玫，李埔.電子商務信用評價的法律規制[J].商業經濟研究，2015，29：101-102.

[3] 邵婷，胡巧程，林建宗.天貓平臺買家信用評價機制構建研究[J].企業經濟，2015，8：91-94.

[4] 李薇，付琴琴.雙向電子商務信用評價體系的構建與模型分析[J].江蘇商論，2012，12：27-31.

[5] 孫浩，薛霄.基于多Agent建模的電子商務生態系統演化實驗研究[J].計算機工程，2016，42（7）：27-32，41.

[6] 付永貴，朱建明.基于大數據的網絡供應商信用評估模型[J].中央財經大學學報，2016，8：74-83.

[7] 朱清香，許楠，劉亭妤，等.涉農企業信用評價動態指標隸屬度向量判別研究[J].數學的實踐與認識，2017，4712：57-63.

[8] 張發明，李艾珉，韓媛媛.基于改進動態組合評價方法的小微企業信用評價研究[J].管理學報，2019，1602：286-296.