基于C2C平台下的信任影响因子研究

中图分类号：F830 文献标识码：A

内容摘要：文章针对网络购物交易信用问题，提出基于多因子影响的C2C卖方信任模型，该模型充分反映了影响卖家信用值评价的各种因素，采用AHP方法确定各评价指标及权重，同时综合考虑信用值评价的其它重要因子。并通过实验验证，得出该信任模型能提高卖家信用值评分的准确度的结论。

关键词：C2C 信用体系 模型

C2C交易平台信用评价体系存在的问题

C2C电子商务网站信用评价体系是指交易双方在一笔交易完成后，在评价有效期内，根据本次交易的情况对交易对象进行相互评价，形成信用的信息反馈，并将一个用户得到的所有评价按一定方式集结为该用户的信用度和信用记录，用以反映该用户的信用状况，供其他用户作交易决策参考。信用评价体系的宗旨是帮助交易双方了解交易对象的信用状况，降低交易风险，提高交易的成交率。现有的信用评价体系，许多C2C电子商务网站建立了各自信用评价体系，且评价规则有所不同，有的网站采用“所有评价一起积分”的制度，有的网站则采用“买卖信用值分离”的制度。这种评价模型比较简单，在一定程度上保证了网上交易的安全，但还有许多缺陷。第一，评价等级设计过于简单不能提供足够的区分度，仅设“好评”、“中评”和“差评”三档，对应的信任值范围[1，0，－1]。第二，不能真实反映用户的信任度，体现在用户的信任值是基于交易次数的简单累计，与交易金额无关。第三，没有区分历史交易和近期交易，只是简单地将两者等同处理。因此，现有的信用评价体系不能很好的反映卖方的信用度。

构建基于多因素影响的C2C卖方信任模型

（一）理论依据

信任的产生是在各种因素和证据的基础上产生的个人主观认知，并且这些因素的权重各不相同。 信任是可以度量的：信用值用于表示个体信任程度的差别。 信任是基于历史的：过去的交易经验会对现在的信任水平产生一定的影响。信任是动态的：通常情况下信任不会随着时间的变化作单向的变化，而是会定期地随着变化的环境增强或者削弱。由于信任受时间等因素的影响，因此在构建信任模型时应将其理论思想融入到新的信任模型中。

（二）C2C卖方信任模型的构建

针对现有信用评价模型的不足，分析其影响卖方信用的主客观因素，构建一个全新的信用体系评价模型。如图1 所示。

主观因素：主要反映的是卖方信用值的评估， 它是通过买方交易后对卖方提供服务的满意度体现出来的。根据C2C网络购物的特点，采用AHP层次分析法，将问题中所包含的因素划分为不同层次，这种“分解” 可以有效解决实际问题。具体方法：确定总体评价目标，建立目标层（卖方信用值）；然后把总体目标分解成一级指标体系（影响因素）；最后把每个一级指标分解成二级指标体系（影响因素）（见图2）。

按图2的指标体系，因素集A ={ B1，B2 ，B3 }共三大类的评价指标，包括商品质量、服务质量和交货质量。其中商品质量包括价格合理、正货无假冒、与图片描述相符；服务质量包括在线回复及时、耐心解答、态度友好；交货质量包括及时发货、包装完好、退换方便。

通过对网络购物者的实际数据调研和相关专家的建议， 第二层B的各因素对目标层A和第三层C的各因素对第二层B的影响两两比较法构造成对比较矩阵：

并运用MATLAB计算出各评价指标的权重值。得出层次总排序满足一致性检验要求，结果如下：

W=（W1，W2，W3）=（0.75，0.13，0.12）

W1=（W11，W12，W13）=（0.73，0.19，0.08）

W2=（W21，W22，W23）=（0.60，0.20，0.20）

W3=（W31，W32，W33）=（0.65，0.28，0.07）

买家对卖方的满意度计算：

FB（B，A）=W1×B1+W2×B2+W3×B3 （1）

其中FB（B，A）指的是买家对卖方每次交易后的信用值，B1，B2，B3分别代表商品质量，服务质量和交货质量的信用值，而w1，w2，w3是相应的权重，所有的权重值范围是（0，1），且w1+w2+w3=1。同理，B1，B2，B3的信用值计算公式如下，且参数定义与公式（1）一样.

B1=W11×C11+W12×C12+W13×C13（2）

B2=W21×C21+W22×C22+W23×C23（3）

B3=W31×C31+W32×C32+W33×C33（4）

通过以上公式计算各权重值大小，并得出较为客观的卖方信用值。在得到买方行为的评价值之后， 卖方可以根据买方对自己的评估结果采取相应的服务措施，以提高卖方的信用值，增加消费者的信任。另外客观因素主要是交易次数、交易金额、评价时间等因子影响。

（三）基于多影响因素的卖家信用值计算表示

基本思想：在新模型设计中，计算信任值时主要引入了几个参数：交易次数：反映了交易双方的熟悉程度，交易次数越多，交易双方越熟悉，信任值就越准确；交易金额：防止交易欺骗；时间因子：反映交易距离当前的远近程度，信任值的提高不只是一个简单的量的积累还是一个动态的时间过程；交易的满意程度：反映了买方对卖方的满意程度，用五个等级来表示。分别为非常满意（0.8，1）；满意（0.6，0.8）；一般（0.4，0.6）；不满意（0.2，0.4）；非常不满意（0.0，0.2）。以提高信用判别程度评价方的信用度：信用度高的买方更具有参考性。防欺诈因子：为了防止信用炒作。

卖方信用值计算方法。假设：A为卖家，B（A），B∈（B1，B2，∧）表示多个买家对卖家的交易伙伴，FB（B，A）为买家对卖家的满意度，p（B，A）为买家与卖家的交易金额，T（B，A）为买家的评价时间，TB∈（t-1，t）。即在给定时间 t，基于多影响因素的卖家信用评价模型的计算公式如下：（假设每月对卖家的信用值进行一次更新计算，所有买家对卖家在一月内的平均信用值的计算公式如下：

（5）

其中：I（B，A）表示多个买家对 A 进行交易的次数。

FB（B，A）=W1×B1+W2×B2+W3×B3，反映买家对卖家的平均满意度，区间在（0，1）。

其中DBA为本次的交易金额，D为平均交易金额。反映交易商品数量，金额等，交易金额大的，交易次数相对较少。

是一个时间因子它表示上次交易距离当前时间的远近程度，距离当前时间越近，它的值越大。

为发生欺骗或交易失败后的惩罚项的定义如下：

其中是加速因子，n是失败的次数，这个加速因子使信任值在出现交易失败时迅速下降。

α为防欺诈因子，z 为本次交易的邮寄费用， 根据交易规则规定如下公式：

Fb为表示评价者的信用值。应根据评价者所做出的评价赋予不同的权重。即是买家的信用值通过加权平均分和信用度两个指标来衡量。确定卖方当前信用值的计算，作为每次要进行交易的依据。根据信任是基于历史的原则，计算公式：

（6）

其中FA是卖方当前的信用值，F0是历史交易信用值，t 是本月交易的时间，t0是上月交易的时间， 是其权重；Fx是每次交易后的信用值，是其权重。α和β应满足这样的条件：α+β=1。一般认为，当前交易中的表现总是比历史交易中的表现要重要，故设为α≤β 。

（四）仿真实验及分析

为了评价所提出的信任值的算法模型，根据随机数据进行模拟仿真计算描绘出的曲线如图3 所示。x轴为距离每月的时间，y轴为信任值数值，设其它因子不变的情况下，实验中主要反映的是时间因子影响信任值的变化情况。为了计算方便，这里把FX从1-12月的值已随机取得，另设α=0.4，β=0.6，则FA每月的当前信用值根据公式（6）计算得出。由图中可知，如果卖方在一段时间内都有交易，则卖方FA当前的信用值处于较稳定阶段，如果卖方在一个月内不交易，如6、8月不进行交易，卖方FA当前的信用值很快就会下降，8月份以后，卖家又进行交易，信用值又很快上升。故为了提高信用值，卖家应多进行交易，避免信用值下降。从图中可以看出，近期交易总是比历史所占的比重更具有参考性，卖家信用值的计算由于引入了时间因子，卖家只要有交易，就会产生一个相对比较稳定的信任值。为买家是否与卖家进行交易提供了参考依据。

结论

C2C模式是目前我国最活跃的电子商务模式，C2C卖方信用评价体系的建立与完善是C2C电子商务健康发展的重要保障，分析现有的C2C电子商务信用评价模型的不足，以信用理论为基础，建立了改进的信用评价新模型，它充考虑了C2C交易环节中的信任因子及其权重，解决了当前C2C网站采用简单的信用评价体系，提高了卖家信用值评分的准确性，完善了C2C电子商务信用体系。为C2C信用体系的建立提供了参考价值。

参考文献：

1.于建红.网上信任评价模型及其因素研究[J].产品开发与应用，2007

2.Kim,D.J.,et al.A multidimensional trust formation model in B-to-C e-commerce:a conceptual framework and content analyses of academia/practitioner perspectives.Decision Support Systems,2005(2)

3.陈德人，郑小林，于红华等译.服务信任与信誉[M].浙江大学出版社，2008

4.许树柏.层次分析法原理[M].天津大学出版社，1988