一种C2C商铺可信度混合模糊综合评价方法.docVIP

一种C2C商铺可信度混合模糊综合评价方法 　　摘要：针对C2C中商品排序的可信问题提出一种基于商铺可信度的混合模糊综合评价方法：采用模糊AHP方法进行指标的权重确定，结合模糊TOPSIS方法对商铺的可信度进行评估。通过算例验证了该方法的适用性。 　　关键词：C2C；模糊AHP；模糊TOPSIS；商铺可信度 　　中图分类号：F724.6文献标识码：A文章编号：1001-8409（2013）02-0136-04 　　1引言 　　随着互联网络、物流等设施的快速发展，网络购物吸引了越来越多的消费者。据《2011年度中国电子商务市场数据监测报告》[1]显示，2011年我国网络购物用户规模达到203亿人，网络零售市场交易规模达到8019亿元，同比增长了56%。而由于电子商务特别是C2C模式中的“柠檬”问题造成消费者在进行电子商务交易时容易面对货到迟缓、商品质量不理想、售后服务不到位、退款困难等诸多问题使得网络购物投诉率占了电子商务类投诉的52%[2]，不少学者指出其有效的解决方法就是进行可信度的评价[3]。 　　相对于信誉度评价，对商铺进行可信度的评估能够更全面地反映消费者在作决策时考虑的综合因素。 如何有效地反映可信度一直是学者们探讨的热门话题：郝玉清[4]基于网站的结构和功能模块将网站可信度分为网站结构可信度、网站服务可信度和网络营销可信度这三维构成进行研究。谭春辉[5]等根据郝的三维构成，综合考虑客户对企业网站信任度评估的影响因素完善了层次评价模型，并通过模糊综合评价方法对可信度进行了评价。Zhang[6]等着眼于技术因素、网站因素和顾客因素建立了可信度层次结构模型，同时利用模糊评价法对其进行了评价与认证。评价模型和方法的不断完善为电子商务可信度问题提供了更加有效的解决方法。然而，学者们关注的重点在于不同C2C平台间的可信度比较，而对C2C平台内商铺可信度问题的研究略显不足。Shen[7]等在Zhang的研究基础上将交易数量、时间、领域和个人关系列为影响可信度的主要因素，构建了以物流因素、服务因素和商品因素为一级指标的层次结构模型，并提出了相应的算法有效地评价出可信度，但其算法不能直接给出多家商铺的排序结果。因此，本文对C2C平台中的商铺可信度进行合理评价和排序，以辅佐消费者进行抉择，提高电子商务交易的质量；同时帮助商家发现不足以进行改善，提高电子商务效益。 　　商铺可信度评价是一个涵盖定性和定量属性的多准则多目标决策问题。目前，解决方法有很多种，最典型的两种是层次分析法（AHP）和逼近理想解的排序方法（TOPSIS）。本文基于模糊逻辑利用AHP和TOPSIS相结合的方法来对商铺可信度进行评价。 　　2商铺可信度的混合模糊评价方法 　　2.1商铺可信度定义 　　根据网站可信度的相关定义，本文将商铺可信度（online-shop Trust，以下简写为OST）定义为个人或者团体消费者在进行消费决策时在心理上产生的对C2C商铺的信任度及其强度。主要内容包括：消费者对商铺提供的商品的信任感知、对服务的信任感知、对保障制度的信任感知和对商家品牌的信任感知等。消费者对商铺的可信度直接影响其消费决策，一般而言，可信度越高的商铺越能吸引潜在消费群体，稳定已有消费群体。 　　2.2商铺可信度评价指标体系的构建 　　在电子商务交易中，消费者不仅仅关注商品的质量是否合格，而且越来越关注商家其他方面的质量。韩辉[8]等通过对调查问卷进行统计分析，发现个人信任倾向、他人信任和第三方认证共同影响着C2C顾客信任；龙冬、颜文佳[9]等结合C2C模式特点对影响信任的消费者因素、卖方因素、商品因素和外部环境因素进行了实证研究并验证了其有效性。本文通过对C2C商铺的特殊性的研究后利用问卷调查的方式在学者们研究的基础上最终确定了商品因素、服务因素、技术因素、绩效因素和风险控制因素这五个一级指标和相应的二级指标，构建了如图1所示的商铺可信度的评价层次结构。 　　2.3FAHP确定各指标权重 　　模糊决策方法中对语言评价转换方式有很多种，而在可信性研究方面已有学者验证了三角模糊数的适用性[10]，同时考虑到统计的方便性，将采用三角模糊数来对指标进行描述。 　　三角模糊数可表示为：=（l，m，u），其隶属函数可表示为 　　μ（x）=（x-l）（m-l）l≤x≤m 　　（u-x）（u-m）m≤x≤u 　　0其他 　　-1=（11213u，11213m，11213l）。转换标准如表1所示。 　　语言评价集1213三角模糊数非常重要1213（2， 5/2， 3）很重要1213（3/2， 2， 5/2）重要1213（1， 3/2， 2）比较重要1213（1， 1， 3/2）同等重要1213（1， 1， 1）以下将介绍Chang[ 11