1. 数据分析网首页
  2. 大数据
  3. 数据分析

一种C2C电子商务信用评价的新算法

该文在对淘宝网C2C市场交易者信用评价指标进行效度评估的基础上,提出了以一种更为合理、也更为简明的两维(已知/未知和积极/消极)的新算法来替代传统的单维的累积型或比率型的信用评价模式。

摘要:该文在对淘宝网C2C市场交易者信用评价指标进行效度评估的基础上,提出了以一种更为合理、也更为简明的两维(已知/未知和积极/消极)的新算法来替代传统的单维的累积型或比率型的信用评价模式。

传统上电子商务信用评价的算法,主要有两种,一为累计法,二为比率法。就淘宝网而言,其最主要的信用评价指标是通过累计法建构的,即三个评价阶:好评、中评、差评;好评加一分、中评不加分;差评则扣一分;当这个分值累积到规定值,就可以升级为一心级到五皇冠级共20级信用度等级。另外,淘宝网也还有一些通过比率法建构的相对次要的信用评价指标,如好评率(好评占所有评价的比率)、动态评分等。但从逻辑和实务上讲,累积法和比率法都有问题。前者的问题在于皇冠级的店几乎都是老店,而店老未必就不欺客。后者的问题则在于当交易次数较少时,得出的好评率数值很可能是以偏概全。

上海财经大学钱革博士对经济心理与行为的测量一直十分感兴趣,曾在SCI和EI双检索的学术期刊SENSOR LETTERS第10卷1-2期上发表了题为“Psychometric Analysis of Validity of Trust Evaluating Indicators in C2C Online Markets: A Case Study of Taobao”的论文,该文的主要内容为在对淘宝网C2C市场交易者信用评价指标进行效度评估的基础上,提出了以一种更为合理、也更为简明的两维(已知/未知和积极/消极)的新算法来替代传统的单维的累积型或比率型的信用评价模式。

尽管作者认为本文所提出的新算法无论对电子商务的理论与实务均有一定意义;但可能因为发表本文的SENSOR LETTERS系技术类期刊、而非管理类期刊;再加上本文作者的母语为汉语,有些意思未能用英语清晰表达。五年来,该文所引起的反响不大。而一些同时或晚出的文献虽然也对淘宝网通过累积法建立的信用评价指标体系的合理性提出了质疑,但所提出的替代算法多基于模糊数学和复杂统计模型,很难直接运用于需要及时处理海量数据的C2C电子商务交易者信用评价实践,也不容易为普通交易者所理解。因此,本文作者在这里旧文重提,以期本研究成果能对推进我国电子商务诚信交易和健康发展尽绵薄之力。

本文在提出新算法之前先从一个日常生活的例子引入,力图建立统合累积法与比率法的逻辑基础,该例见下表:

累积法比率法新算法
老人90-10=80(90/100)*100%

 

=90%

 

好:90%

 

坏:10%

青年人20(20/20)*100%

 

=100%

 

好:20%

 

坏:0%

未知:80%

在上表中,我们假设每个人都活100岁,而每年只能做一件事,就是一辈子总共做100件事。一个刚刚去世的100岁老人一辈子做的100件事中,有90件好事,10件坏事;而一个年青人刚20岁,做的20件事全是好事。从逻辑上讲,无论是根据累积法说这个老人比青年人好,或根据比率法说这个青年人比老人好恐怕都不合理。而本文所提出的新算法从两维(已知/未知和积极/消极)进行评价,评价结果更符合实际。接下来我们就将上述两维的评价逻辑运用于C2C电子商务交易者信用评价,见下表。

新算法累积算法已知(Known)P已知=V信用等级/20
未知(Unknown)P未知=1-V信用等级/20
比率算法积极(Positive)P积极=P已知*P好评
消极(Negative)P消极=P已知*(1-P好评)

除了算法本身的合理性外,笔者以为,要能够运用于电子商务实践,数据的可得性与计算的简洁性也十分重要。因此,本研究尽量运用淘宝网的已有指标数据:一方面,累积的数据越多,可以代表我们对该交易者已知的更多,未知的更少。本研究用某个交易者的信用度等级比上总等级数(在淘宝网中是20)作为已知程度的量化指标,其中信用度等级的赋值见下图:

value

这里有两点需要说明,一是该研究进行于2012年,与现在的淘宝网信用度评级一样,都是二十级,但图标略有变化;二是本文的研究对象中没有三皇冠及以上的店铺。

另一方面,确定了已知的百分比值后,将已知的百分比值乘上淘宝网中已有的好评率即为积极评价的比率。而将已知的百分比值乘上非好评率(即中评和差评的比率,之所以这样处理一是因为淘宝网只提供了好评率,另一方面由于淘宝网默认好评,且好评率很高,而中评实际上也表示一种消极评价)即为消极评价的比率。下图为我们将新算法运用于C2C电子商务交易者信用评价的四个实例:

C2C

有兴趣的读者可点击以下链接阅读全文:

http://www.ingentaconnect.com/content/asp/senlet/2012/00000010/F0020001/art00022

作者系上海财经大学教师钱革,Email: qiange@mail.shufe.edu.cn,本文由作者投稿至数据分析

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code