基于灰关联的C2C商品可购买度评价模型

摘 要： 网上购物越来越成为大众的消费方式,其中C2C经营模式下会出现同种商品在不同店铺进行销售的情况,用户很难根据繁杂的数据得到商品的实际信息,这可以通过对不同店铺的同种商品在多种指标下进行综合评价来解决.研究了在C2C模式下根据店铺评价和商品信息对商品可购写度作出评价,鉴于综合评价是一个受多因素影响的评价,因此采用灰色关联分析法来评价商品的可购写度.所提出的针对可够写度的评价模型及其算法具有实用价值.

关 键 词 ： 网上购物； 灰关联评价方法； 评价模型； 店铺评价； C2C； 购写度

中图分类号：TP399 文献标志码：A 文章编号：1006-8228（2013）05-25-03

Purchase degree evaluation model of C2C goods based on grey relation

Liu Baoyan, Tong Qingshan, Lei Fengjun

（China University of Mining &Technology, Beijing 100083, China）

Abstract： Online shopping has bee a more and more popular consumption mode. The situation that the same goods are sold in different shop will appear under C2C management mode. It is difficult for customer to judge according to the plicated information, which can be solved by prehensive evaluation for different stores. This paper will be in C2C mode according to the shop score and modity information for goods can buy a degree evaluation, In view of multiple factors influencing evaluation, grey relational evaluation is applied. The results show that the purchase degree evaluation model and its algorithm has very practical significance.

Key words： online shopping； grey relational evaluation method； evaluation model； shop score； C2C； purchase degree

0 引言

在网络购物越来越普及的今天,如何有效地购物成为消费者的一个难题,比如在淘宝网（C2C购物模式）上,顾客可以根据站内搜索或者产品分类导航功能,找到需求的商品.通常情况下,在商品展示页面上会呈现给顾客很多相同的商品而店铺不同的情形,此情形下,如何挑选出比较满意的商品,对于顾客来说就是一件比较费时的事.在目前的C2C购物平台上,已经提供了很多供顾客选择的购物方式,比如顾客可以根据商品的销量、,或是商家的信誉进行查询,但是单一的指标还不足以综合衡量这件商品的可购写度.因此,一种新的个性化怎么写作需求是第三方亟待解决的问题.根据网络购物受多因素和因素不确定性和模糊性的影响,本文采用灰关联评价方法,对同种商品不同商家的商品可购写度进行评价,最终提供给用户一种新的购物推荐方式.

1.研究现状

现有大多数C2C网站上的评价规则是既有信用评分也有店铺评分,信用评价的目的是让消费者能够监督卖家.信用评价体系经过多年的运营后,实质上成为了“店铺品牌”的评判标准.为了更准确地对店铺作出评价,从而更好地保护消费者利益,在评价体系里设置了店铺评分,增加了对物流、怎么写作态度等项进行评分.店铺评分的诞生,对卖家进行更多维度的评价,给了写家更多维度的参考[1].

目前关于电子商务网站的信用评价模型也有很多,宋光兴、杨德礼[2]分析了电子商务环境下建立信任困难的原因；熊于宁[3]探讨了C2C电子商务模式中信任建立方面存在的问题；曾小春、王曼[4]用卖方信息、写方信息、交易和制度四个维度构建了C2C信任体系；何清泉、邹运梅[5]运用交易对手的信用度和交易次数、交易金额来计算被评用户的信用加权平均分和信用度.

上述文献的研究各有侧重,同时对我们问题的解决也有很大帮助.首先,对于评价指标的选取问题,结合我们的研究目的,我们选择了店铺信用度和来作为一级评价指标.其次,目前店铺评价的衡量指标是商品质量,物流质量,怎么写作质量[6],因此将这三个指标作为二级评价指标（见图1）.最后,由于这些指标是与交易时间、交易金额和交易对象的信用度有关的[5],我们将这三个二级评价指标的原始评价值进行时间、金额、交易对象信用的加权处理,得到新的评价值,因此这些新的评价值更接近真实评价.新的评价值作为层次灰关联评价方法的原始值.

2.C2C网购商品可购写度的评价模型

综合评价一个商品的可购写度,既要看在架商品本身所具有的属性,也要看店铺的信用度.在架商品的属性是及时性的,而商铺的信用度是经过长时间积累的,某次的信用度是不能正确反映店铺的综合信用度的,因此需要综合考虑店铺信用度.目前C2C的信用度集结模式是简单的相加,这种方式既没有考虑时间对信用的影响,也没有考虑交易和评价者信用的影响,因此该模型中我们将这些因素考虑在内.虽然也已经有研究提出把这些因素考虑在内,但是其算法流程一般是根据质量、怎么写作、物流相对于信用的权重计算每次交易的信用度,最后再根据每次的信用度做时间上的加权计算,得到店铺综合信用度[5],但是这种方法既不能真实反映每次评价值的真实性,也不能很好地反应店铺信用在各个指标上综合评价能力. 2.1 评价模型

⑴ 指标的选取

我们的评价模型的指标选取如图1所示.

[目标＼&一级指标＼&二级指标＼&商品可购写度（C）＼&商铺的信用度（A1）＼&商品质量 （B1）＼&物流（B2）＼&怎么写作（B3）＼&商品（A2）＼&＼&]

图1 商品可购写度的影响因素

⑵ 指标值的预处理

计算质量,物流,怎么写作指标在时间,金额,写家信用加权下截止到当前的评价值TN.

⑴

⑵

其中,Rm表示对应于时刻tm（某年某月）的指标评价值,r表示第i此交易时评价者的原始评价值,Ii表示金额权重系数,Ei示评价者信用权重系数,TN表示截止到当前的综合指标评价值,σ表示时间权重系数.

⑶ 评价方法的选取[7]

本论文采用多层次灰关联评价方法,该方法用灰色关联度来描述各比较序列与最优参考序列之间的关联度,然后依据关联的大小来对评价对象进行比较、排序.根据我们的评价模型,我们既可以用更接近真实的评价值来计算,也可以看到某段时期内店铺在各个指标上的综合值.

2.2 指标值的预处理

2.2.1 评价者权重系数的确定[8]

为防止一些不良消费者的恶意评价,在构建评价模型时以评价者自己的信用水平为权重来表示其评价对被评价者的总影响,一个用户评价的商品数量够多,说明是一个非常有经验的用户,因此,其用户信用度可以用他对商品的评价数目来反映：

其中,nu表示用户u所评价过的资源数目,A为一个常数,称作惩罚数目,一般取50.当nu等于A时权重为1.

2.2.2 交易金额权重系数的确定[9]

大量的事实证明,当网上交易金额较大时,写卖双方的评价都比较谨慎客观,因此把交易金额作为每次交易的评价值权重.其确定方法可以规定如下：100元以下的权重设为0.1,100-500元的权重设为0.2,500-1000元的设为0.3,1000-2000元的设为0.4,以此类推.

2.2.3 时间权重系数的确定

其中,Δtj表示时刻t到时刻tj所持续的月份,Δtj/12为时刻tj对应的月份的权重,Yk为年份对应的权重.tN-121表示距tN一年前的时刻（某年某月）,tN-122表示距tN两年前的时刻,依此类推.

计算Δtj时使用的时刻t的计算方法为：若tj处于tN-121和tN之间,则t等于tN-121；若tj处于tN-122和tN-121之间,则t等于tN-122；同理,取t等于tN-123等.

Yk的计算方法为：当tj处于tN-121和tN之间时,取Y0等于等于1；当tj处于tN-122和tN-121之间时,取；以此类推,等.

2.3 灰关联综合评价方法

灰色综合评价法[10]是一种定性与定量分析结合的综合评价方法.用灰色单层次综合评判模型进行n个方案优劣的比较,其具体算法描述如下.

检测设系统是由m个指标（因素）构成单层次系统.若系统有n个方案,则第i个方案的m个指标构成数列,Xik等于[Xi1,Xi2,等,Xim],（i等于1,2,等,n；k等于1,2,等,m）,n个方案的原始指标构成矩阵Xnm.

⑴ 确定最优指标集（X0k）

设X0k等于[X01,X02,等,X0m] 式中：X0k（k等于1,2,等,m）为第k个指标在诸方案的最优值.在指标中,如某一指标取大值为好,则取该指标在各方案的最大值,如取最小值为好,则取各方案中最小值.

⑵ 指标值的规范化处理

由于指标相互之间通常具有不同的量纲和数量级,不能直接进行比较,因此需要对原始指标值进行规范化处理.用下式进行规范化处理：

⑶ 计算关联度系数

将规范化处理后的最优指标集{λ0k}作为参考数列,经规范处理后各方案的指标值{λik}作为被比较数列,则可用下述关联系数公式分别求得第i个方案第k个指标与第k个最优指标的关联系数,记：

则

该式中,ρ为分辨率系数ρ∈[0,1],引入它是为了减少极值对计算的影响.在实际应用中,一般取ρ≤0.5.进一步求得关联系数矩阵E.

该式中,i（k）等于（i等于1,2,等,n；k等于1,2,等,m）为第i种方案第k种指标与第k个最优指标的关联系数.

⑷ 建立灰色单层次评价模型

数学模型：R等于P×E

该式中,R为n个方案综合评价结果矩阵.P为m个评价指标的权重分配矩阵,应满足.各个指标的权重可以由层次分析法（AHP 法）[11]来确定.

第i个方案的综合评判结果即关联度ri,可由下式求得

2.4 综合评价

多层次灰关联评价是以单层次灰关联评价为基础的.具体方法为：先将第三层指标运用单层次灰关联评价方法得到店铺信用度评价结果C；然后将C作为第二层次的指标矩阵中的一个列向量,进行第二层的单层次灰关联综合评估,得到评判结果D；比较D中各元素的大小,其值越大,表明相应商品的综合评价指数越高.

3.评价算法

步骤1：输入每次交易店铺在商品质量、怎么写作质量、物流质量的原始评价值,计算每次的交易金额权重和评价者信用权重,根据公式⑴计算店铺在某年某月的指标评价值Rm.

步骤2：计算时间权重系数,根据公式⑵计算时间加权的各个指标评价值TN.

步骤3：重复步骤1和2,计算n个商店的指标评价值TN（B1）i、TN（B2）i、TN（B3）i,得到一个评价矩阵Xi等于[TN（B1）i,TN（B2）i,TN（B3）i]T（i等于1,2,等,n；k等于1,2,3）,i表示店铺数量. 步骤4：用层次分析法得到二级指标的相对权重和一级指标的相对权重.

步骤5：运用单层次的灰关联评价方法,得出n个店铺的信用评价值.

步骤6：把和店铺信用值构成新的评价矩阵Xi等于[A1i,A2i]T（i等于1,2,等,n）,再次运用单层次的灰关联评价方法,得出n个店铺该商品的可购写度值.购写度值大的店铺,说明该店铺的这种商品优于购写度值小的其他店铺.

4.结束语

建立商品可购写度的评价模型对于电子商务有实际意义.在此评价模型中,我们引入多层次的评价指标,将指标划分为及时性的因素和非及时性的因素.对于非及时性因素我们考虑应用时间加权处理；对于用户评价的数据,我们也引入了用户信用度和交易金额信用度来处理每次用户的评价.经过处理的评价值更接近真实性,提高了评价模型的准确度.综合评价模型对多指标推荐算法[12,13]也有很好的借鉴价值.本文只从理论方面对商品的可购写度进行了探索研究,还缺乏对模型的实证分析.

Approach for Hybrid Remender systems[A].第六届（2011）中国管理学年会――商务智能分会场论文集[C],2011.