基于属性测度理论的在线团购市场及其交易机制研究

[摘要]团购(有时也被称作C2B)通过将大量有共同需求偏好的消费者聚集在一起获得更多的折扣，销售商因薄利多销获得更多的利润，中介市场也能从中得到交易费用，从而实现三方的共赢。然而如何有效集结各消费者的偏好对卖方方案进行评价是在线团购市场能有效运行的前提条件，因此基于属性测度理论给出在线团购市场的交易流程，实现团购的在线自动协商；采用相对属性权表示成员对决策属性的偏好，利用属性综合评价方法评价卖方方案，提出集结成员偏好的方法；最后结合实例对在线团购的交易过程进行说明。

(关键词]团购　综合属性测度模型 交易机制

[分类号]C931

1　引 言

团购又被称作C2B，是和B2B、B2C、C2C并驾齐驱的一种电子商务模式，已经成为一种非常有效的电子商务方式。雅宝于1999年在国内率先推出了“集体议价”交易平台，将网络团购的概念引入到中国，涌现出了淘宝网团购专区、篱笆网、上海团购网等网站。其中有些网站因种种原因转向其他的领域，纵观目前尚存在的团购网站主要采用两种方式：一是采用社区方式线上报名聚集买家，线下和卖家讨价还价(上海团购网)；另一种是通过给出量价曲线，到约定的交易结束时间，买卖双方根据购物总量确定的价格折扣来达成交易(团购吧、招商银行“聚便宜”、rakuten)。前一种交易方式需要消费者去现场和卖家讨价还价，并没有发挥网上交易的优势。后一种交易方式看起来似乎不错，买方可以获得更多的价格折扣，卖方也因薄利多销获得更多的利润，然而由于买方只依据价格曲线上累积的数量，被动地接受价格，而潜在的买方可能会因为市场需求不明确，被动地等待价格下降，直到下降至他所能接受的范围；一旦大家都抱着这种观望的态度，便无人愿意加入，降低了集体的购买力，使价格居高不下直到交易结束。

在理论研究方面，如何有效地集结消费者偏好及对卖方方案进行评价，是在线团购迫切需要解决的问题，国内外的学者对此已有大量的研究，主要是以多属性效用理论作为前提，采用层次分析法(AHP)量化用户获得的效用，对卖方方案进行评价。然而对卖方方案的评价比较适合人的形象思维，模糊评价是进行此类研究的主要方法，但利用模糊综合评判法进行有序评价集的评价时，会出现分级不清、结果不合理的问题，这主要是因为模糊数学中隶属函数的构造具有随意性(不满足可加性)，所计算的隶属度已失去了最原始、最直观的含意，不能比较更细微的所属类别程度，并且在计算过程中的取大取小运算损失了大批中间值的信息，其评价准则最大隶属原则不适合有序评价集的识别问题。采用置信度准则的属性测度评价可以有效解决模糊评价方法以上的不足，避免了模糊综合评价方法分级不合理的情形，周晓光等从决策效率和决策质量两个方面对基于属性测度理论的群决策效果评价，所得结果也表明该方法能较好地处理具有有序性的综合评价问题，对卖方方案进行评价正属于有序性的综合评价问题；且该方法已经在各行业的综合评价中取得了广泛的应用，马晓燕等利用该方法建立了评价城市核心竞争力的数学模型，文畅平则将该方法应用到岩爆发生和烈度分级评价中。同时，属性层次模型(AHM)与AHP相比不需要计算特征向量和一致性检验，是简单而有效的决策方法。

因此为了实现团购的在线讨价还价，弥补利用AHP方法对卖方方案进行评价的不足，本研究提出构建基于属性测度方法的团购市场，对其交易流程进行了详细描述；采用属性测度方法构建了集合消费者偏好的模型，利用AHM方法集结消费者对商品属性的偏好，利用属性综合评价方法对卖方方案进行评价；并将该模型在具体实例中进行了应用，实践证明该模型具有较强的可操作性和有效性。

2　属性测度理论和基于属性测度框架的团购市场

2.1　属性测度理论

人的思维，首先是形象思维。对自然现象和社会现象，人们首先给出的是定性描述。属性就是对事物的定性描述。设x为研究对象的全体，称为研究对象空间；x1，x2，…，xn为x中的n个元素；对每个元素测量m个指标I1，I2，…，Im，对元素xi的测量值可用xi=(xi1，xi2，…，xim)表示；F为X中元素的某类属性，称为属性空间；将属性空间F中的任何一种情况Ci(评价级别)称为一个属性集，(c1，c2，C3，…，Ck)满足F=UCi，Ci∩cj=￠(i≠k)，为属性空间F的分割；元素Xi属于c；的程度，用属性测度μij=μ(xi∈cj)表示；在已知xi的测量值和评价标准(c1，c2，c3，…，ck)情况下，判断xi所属的评价级别就是一个综合评价系统问题，可通过单指标属性测度子系统、多指标综合属性测度子系统和属性识别子系统三个子系统解决。

多指标综合属性测度子系统中的各指标权重可以采用AHP、德尔菲法等方法获得。属性层次模型(AHM)是相对AHP提出的基于球赛模型的无结构决策方法，与后者相比运算量更小更简便，通过建立递阶层次结构、构造判断矩阵并计算相对权和计算方案对系统目标的合成权重三步进行决策，是一种简单而有效的决策方法。

在线团购议价中，对卖方方案满意程度的评价正属于有序性综合评价系统问题，因此本研究综合选取属性综合评价和AHM方法给出团购市场的交易流程以及集合成员偏好对卖方方案进行评价的方法。

2.2　基于属性测度框架的团购市场

随着信息技术的发展，使在线团购成为现实，A－gent能够模拟人的思维进行自主行为，在电子商务中有广阔的应用前景，为了实现团购的在线协商，本研究基于前人的研究提出发起agent、消费者A－gent、搜索Agent、协调Agent、协商Agent和卖家Agent 6个Agent，由这6个Agent构建基于属性测度框架的团购市场。团购市场为每一个消费者创建一个Agent；通过搜索Agent可以搜索商品信息、卖家信息及团购信息；有能力的消费者可以通过发起Agent发起团购，并制定团购的开始条件、结束条件、考虑的商品属性及对这些属性的偏好信息等；消费者可以亲自参加议价，也可以指

定其他消费者作为；协调Agent收集议价成员的偏好信息并提交给协商Agent；协商Agent通过计算AHM中的相对属性权，反映群组的偏好信息，作为评价卖方方案的标准；通过协商Agent和卖家Agent进行谈判；协商Agent通过属性综合评价方法对卖方方案进行评价，得到群组对卖方方案的满意程度，并决定下一步的行动内容，直到最后交易结束。具体的交易流程见图1。

3　基于属性测度理论集结消费者偏好对卖方方案进行评价

上节描述了团购的交易流程，如何集合消费者的偏好对卖方方案进行评价是在线团购的讨价还价能否实现的前提条件。本研究为了更能符合消费者的形象思维，直观地体现消费者对卖方方案的满意程度，引入AHM中的相对属性权，反映消费者对商品属性的偏好；然后利用属性综合评价方法对卖方的方案进行评价，得到群组的满意程度。

3.1 集结成员对商品属性的偏好信息

AHM中的相对属性权可以有效地反映消费者对属性的偏好，本研究提出的集结消费者群体对商品属性偏好的流程如下：

・Step1：团购发起者提出购买商品要考虑的属性，按照目标层G、准则层I和方案层A，建立评价卖方方案的递阶层次结构。

・Step2：计算参与讨价还价的消费者的购买量qi：其中有任务的消费者，其购买量等于其自身的购买量与其所的购买量之和。

・Step3：计算各消费者的属性判断矩阵。首先各消费者按照AHP中比例标度的方法，给出属性之间重要性比较的判断矩阵；然后协商Agent将判断矩阵按公式1转换成属性判断矩阵(见表1，μlij表示相对属性测度)。

・Step4：计算各消费者的相对属性权。对于消费者1，在准则I下，(w(1)，w(2)，…，Wu(n))为i1，i2，…，in的相对属性权，若准则层是多层的，则计算到最底层的准则对目标层的相对属性权。

・Step5：计算团购群体的相对属性权。AHP中应用最多的集合成员偏好方法是几何平均法，本研究考虑到购买量可以表示消费者对群体决策的重要性，这样一方面体现成员对形成团购的重要性；另一方面可以一定程度上排除卖家参加团购，对消费者决策造成的干扰。因此采用加权平均的方法计算群体的相对属性权w1=(w1(1)，w1(2)，……，w1(n))T，反映群体对决策属性的偏好。

3.2　利用属性综合评价方法对卖方方案进行评价

基于属性测度理论，将本研究的问题描述如下：①研究对象空间x为卖方各种方案的集合；②属性空间F为满意程度，把F分为五类，满意程度很低c1、满意程度低C2、满意程度一般C3、满意程度高c4、满意程度很高c5，属于弱有序类；③参加议价的成员对x中的每个方案x1i=(ti1，ti2，……，tin)进行评价，其中tij表示方案i的j指标值。问题是如何识别对卖方方案xi的满意程度所属等级以及对所有卖方方案的满意程度进行排序?对于所描述的问题，按照如图2所示的步骤完成对卖方方案的属性综合评价：

・Step1：参与议价的m个人通过自己的Agent给出对每个指标的评价分类标准Ili(见表2)以及识别满意程度所属等级的置信度λ1(即在λ1置信度下，方案属于满意程度很高则接受此方案，并且优先选取所属等级高的卖家进行下一轮谈判)，然后协调Agent将所有成员的偏好集结成群体的评价分类标准Ij(公式5)以及置信度λ(公式6)。

・Step6：我们以协商过程的一个阶段为例，对三个卖家的方案进行评价。协商Agent对三个卖家提出的方案x1(400，200，24)、x2(450，320，18)、x3(380，160，36)，代入图3的属性测度函数得到单目标属性测度向量，利用公式7计算团购群体的多指标综合属性测度向量为：

方案x1=(0，0，0.21，0.325，0.465)

方案x2=(0，0.21，0.32，0.23，0.35)

方案x3=(0，0，0.042，0.553，0.405)

・Step7：协商Agent按照公式8的置信度准则，得出方案x1为满意程度很高c5，方案x2、方案x3为满意程度高c4，并将评价结果反馈给协调Agent。

Step8：协调Agent经过判断只有方案x1为满意程度很高c5，因此方案x1进行成交，进入后续的合同签订、付款、评价以及售后服务阶段。

5　结语

本文设计了基于属性测度理论的市场交易机制，并详细地描述了集合成员偏好对卖方方案进行评价的方法和流程。该方法可以有效地帮助成员集结偏好，实现在线自动协商。然而本研究中提出的交易机制只考虑了卖方单向提出方案，团购群体对方案进行评价的协商方法，尚没有实现买卖双方之间的双向协商，因此如何有效地利用团购群体对卖方提案满意程度的变化，进行反向提案是本研究下一步研究的方向。同时如何有效利用成员的历史交易信息，辅助成员进行决策也是进一步研究的内容。