网上购物回馈评价.docVIP

网上购物——回馈评价 近年来，随着电子商务的发展，越来越多的人在网上购物，网上购物给人们带来了很大的方便，其优点是显而易见的，人们可以根据自己的意愿随时在网上店铺中浏览并购买商品，以更低的价格购买同类的商品。但是由于买房（消费者）在拿到商品之前，只能根据买方（网上商店）在网络上发布的商品描述和图片来获得部分的商品信息，因此买方担心的是能否获得充分的信息关于将要购买的商品，是否会被某些网上商店欺诈。为此大多数的购物网站都建立了回馈机制，为卖方建立了一个（或多个）购物网站，以解决交易时的信息不对成等问题。 一、目前网上购物最常用的回馈评价机制模型 目前购物网站建立的回馈评价机制，以淘宝为例，采用积分等级制度，其中评价积分：评价分为“好评”、“中评”和“差评”，每一个评分对应一个积分，“好评”加1分，“中评”为0分，“差评”减1分。卖家的信用根据消费者的评分进行累加求和并在淘宝网页上进行积分等级显示排序。除此之外，淘宝对卖家还有三个数据指标，分别是“宝贝与描述相符”、“卖家的服务态度”和发货速度，每个指标又有5个星级，一个星表示1分，在网站上显示的是每个指标的平均值，如下图所示： 图1. 淘宝购物回馈评价图 图2. 淘宝某商家半年内 除此之外，还能够按照时间（最近一周、最近一月、最近半年和半年前）查看卖家的历史评价和其他服务情况，如下面两个图所示： 图3. 淘宝某商家最近一月评价展示 图4. 淘宝某商家30天内的服务速度 以上所展示的就是淘宝网上店家的评价模型，也是目前网店应用最多的评价模型。 总的流程如下图所示： 图5. 网上购物交易流程图 二、存在的问题 1. 信用评级积分设计过于简单 例如：对于一个价格1,000元的订单与一个10元的订单，买家给予评价均为“好评”，那么卖家通过这两个订单得到的积分均为1分。若卖家店铺中的商品价格位于10元~2,000元，卖家采取选取高价（价格高于1,000元）商品提供价值较低的商品，而低价（价格低于500元）商品提供价值较高的商品，中等价位（500~1,000元）的商品提供等价商品。假设该卖家成功完成了100个订单，其中高价订单20个，低价订单50个，中等价位订单30个。 按照卖家所采取的措施，低价订单必然全部得到“好评”，而高价订单全为“差评”，中等价位订单至少也是“中评”（暂且按照“好评”考虑），那么该卖家这100个订单的好评率为80%，卖家信用为80。 然而实际上并非如此，仅仅看高价商品，那么该卖家的信用为0，即对于高价商品该卖家没有信用，但是该卖家信用为80，这就会对消费者造成误导。 2. 消费者的评价尺度因人而异，无法理性度量 许多网店的回馈评价中，“好评”占据绝大多数，偶尔有少量的“中评”，而“差评”就更加少见了。然而许多给予“好评”的买家，给予其他三个数据指标的评价却不高，其中就有一部分买家为了能够获得卖家的好评，不给予卖家“差评”，而选择了“好评”或者“中评”。 三、回馈评价机制模型建立 1. 变量解释 买家评价Eva：买家给予卖家的评价，分为“好”、“较好”、“一般”、“较差”、“差”5个等级，对应的分数如下表所示： 表 1. 评价得分表 好 较好 一般 较差 差 2 1 0 -1 -2 商品与描述相符Cor：买家根据收到的商品对卖家的描述相符程度进行评价，分为5个星级，每一星表示1分； 卖家的服务态度Att：买家根据网上购物到售后服务整个过程对卖家的态度进行评价，分为5个星级，每一星表示1分； 卖家发货速度Spe：买家根据下订单到收到商品的时间，对卖家的发货速度进行评价，分为5个星级，每一星表示1分； 商品价格Price：卖家在网站上显示的价格； 卖家n次积分Int(n)： 对买家n次评价，卖家得到的分值合计。 2. 建立回馈评价模型 考虑到回馈评价指标过多可能会导致买家不愿花费过多时间在对卖家的评价上，造成买家评价的随意性，因此本模型不考虑添加新的评价指标。 由于买家对卖家的评分容易受到卖家对买家评分的干扰，为了能够让买家对卖家的评分更加的客观和合理，考虑结合三个数据指标Cor、Att、Spe对买家评价Eva进行修正。 1）修正三个数据指标与买家评价的评分对应关系 由于表2评分对应表仅给出了特殊情况下的对应值，因此需要对评分对应表进行完善。假设买家对卖家三个数据指标的重视程度分别为α、β、γ，设三个数据与买家评价的对应函数为Eva=FCor,Att,Spe，按照表2有如下5个等式： -2=F1,1,1，-1=F2,2,2，0=F3,3,3，1=F4,4,4，2=F5,5,5 可以根据买家对三个数据指标的重视程度，建立如下简单的对应关系： Eva=αCor+βAtt+γSpe-3，其中α+β+γ=1，0α、β、γ1 2）确定对买家评价的修正模型