消费者对消费者电子商务网站信誉评价模型研究

李 生 琦，陈 奎

（1.浙江林学院，浙江 杭州 311300；2.艺龙网信息技术（北京）有限公司，北京市 100015）

一、引 言

消费者对消费者（C2C）电子商务作为一种重要的交易模式，在我国表现出了很强劲的发展势头。国内几个较大的C2C购物网站，如淘宝网、TOM易趣网、拍拍网占据了网上购物67.1%的市场份额。[1]尽管如此，诚信问题依然是阻碍我国电子商务发展的第一大障碍，C2C电子商务网站遭遇这方面的问题就更为突出。由于C2C电子商务交易的参与者一般为个人或者小型企业，没有什么知名度，交易双方缺少了解渠道，无法获知交易对象的身份和信用状况，因而网上欺诈现象更容易发生。

目前各大主要的C2C电子商务网站都采用信誉评价系统来提高用户对网上交易的信任度，但是当前的信誉评价系统都存在一定的问题，无法防止信誉的炒作和诽谤。本文针对现有信誉评价系统的不足之处，分别从评价等级、评分标准、初始信誉值设定及用户评价可信度等方面进行分析探究，给出一个改进的可信度更高的信誉评价模型，并通过实例对该模型进行验证。

二、现有评价模型存在的问题

国内主要的C2C电子商务网站（如淘宝网、TOM易趣网、拍拍网）均采用了信誉评价系统。虽然各自的信誉评价系统略有差别，但总体上相类似。以淘宝网为例，目前采用的信誉评价系统是：对于所有注册用户的初始信誉值设置为零，买卖双方在交易后均可为对方作出相应评价。评价一般分为“好评”、“中评”、“坏评”，分别对应 1、0、-1 的分值。用户的累计得分值即为用户的信誉值。[2]

现有的信誉评价体系，虽能对买卖双方的信誉作出评估，但仍存在如下问题：

1．信誉的评价等级过于简单

仅仅用“好评”、“中评”、“坏评”作为评分的等级，无法真实地反映用户的评价。例如，在淘宝网上，有不少用户在评论中都对卖家的服务和产品以及其他方面有不太满意的地方，如有的产品没有包装，有的产品色泽与图片有一定的差距，但由于产品的总体质量没有太大问题，所以用户还是给出了“好评”。

2.没有充分考虑原有信誉值的影响

由于网站只是采用简单的累计加分原则，这使得结果一样的情况无法反映用户信誉值的差别。例如：某个用户得到了100个“好评”，而另一个用户得到了200个“好评”、100个“坏评”，反映出这两个用户的信用情况应该是不一样甚至相差很大的，但信用累计值却是相同的。

3.没有考虑时间权重对于信誉值的影响

用户的信誉值应该是一个动态变化的过程，用户行为的变化也会导致信誉值随之变化，用户不同时间作出的评价其影响也是不同的。如用户3天前作出的评价和45天前作出的评价不同，三天前作出的评价更能反映当前对方用户的信誉值。而目前的评价系统无法反映此种变化。

4.没有考虑交易次数和交易金额对信誉值的影响

现有的评价系统没有考虑到交易次数和交易金额的影响，交易过一次的用户和交易过100次的用户作出评价的效果是一样的，小额交易用户和大额交易用户作出评价的影响也是一样的，这就无法防止某些用户开始用小额交易多次的方法赚取信誉值，等到信誉值较高时对高额交易进行诈骗的现象发生。[3]

5.无法防止信誉的炒作和诽谤

由于目前的信誉评价都假定用户的评价是真实可靠的，对于所有的“好评”、“坏评”都100%地计入评价的总分，对于评价的可信度无法进行衡量，这就无法防止一些用户通过虚假手段炒作自己的信誉值。此外，也难以防止一些用户为了达到不正当竞争的目的，利用不正当手段对竞争对手进行恶意评价，降低对手的信誉值。

6.没有鼓励第三方服务

保罗·帕沃罗（Paul A.Pavlou）和大卫·格芬（David Gefen）论述了第三方服务对于网上交易的重要作用。他们指出，第三方服务是电子商务的一个重要模型，尤其是买卖双方拥有不同的社会和文化背景，并且之前也未发生过交易的时候。[4]麦肯耐特、查德瑞和卡默（McKnight，Choudhury&Kacmar）也指出，第三方服务对于买家感知卖家的信任、帮助完成网上交易有重要作用。[5]然而现有的评价系统只是建议进行第三方服务，并未采取有效的措施鼓励进行第三方服务。

三、信誉评价模型的改进

针对上述信誉评价模型存在的问题，本文拟从评价等级的设定、初始信誉值的设定、评价分数的设置、评价的可信度方面进行改进。

1.评价等级的改进

本文将用户的评价分为四个维度，即产品因素、服务因素、配送因素和支付因素，每个因素对应一个评价。分别针对产品、服务、配送、支付各设一个评价问题，如服务方面可设问题为“对方的服务态度如何”，对应的答案分别为“好评”、“中评”、“差评”，分别对应 1、0、-1 的分值。用户可以根据交易过程中对方在各方面的表现，作出更为客观的评价。

2.初始信誉值的设定

当买卖双方都第一次申请加入C2C网站时，各大主要的C2C购物网站对于买卖双方的初始信誉值都设置为零，使得买家无法对卖家信誉值的差别作出判断。对此，我们认为卖家的初始信誉值与他所采用的第三方服务认证有关。

定义1：ISj表示卖家Sj的初始信誉值，有n项第三方服务，卖方经过n项第三方服务认证，wi表示第i项服务认证在所有第三方服务认证中所占的权重，权重越大，表示该项服务认证在交易中对买方感知卖方的诚信度越高，定义函数f（wi）表示第i项服务认证所得到的分数，卖家的初始信誉值是卖家进行各项第三方服务认证所得分数的总和。

即初始信誉值与其经过的认证有关，第一次注册便得到了基本身份认证。如i=1表示通过第三方支付认证，i=2表示通过身份认证，且w1>w2，如果S1只通过支付认证，S2只通过身份认证，S3未通过任何认证，则有IS1>IS2>IS3

3.用户评价分数的设定

定义 2：设Sj表示第j个卖家，Bi表示与Sj交易的第i个买家。Tx表示 Bi与 Sj的第 x 次交易。R（i，j，x）表示 Bi与 Sj第x次交易时对Sj的信誉值作出的评价。在前文已经将评价划分为四个维度，Score表示这四个评价维度所得出的此次评价的分数，定义函数：

其 中 service、product、distribute、payment 分 别 表 示 服务、产品、配送、支付各维度所得的评价分数。因不同类产品对四个因素要求不同，所以不同类产品各因素所占权重也有所不同。令α、β、χ、δ分别表示各个对应维度在计算此次得分时的权重值，α、β、χ、δ∈［0，1］，且 α＋β＋χ＋δ=1。权重越大，表明该因素在本次交易中对卖方声誉的影响越大。α、β、χ、δ的权重值根据C2C交易网站上用户的调查统计得出。由（2）式可知，Bi对于 Sj的评价 R（i，j，x）可映射为以下函数：

由（2）式和（3）式得知，当用户的四方面都为“好评”时，得分为1，四方面都为“坏评”时得分为-1，四方面都为“中评”时得分为 0。假设一个用户的评价为（-1，1，-1，1），而对应的各个方面的权重为（0.5，0.2，0.2，0.1）时，该用户的Score=0.5×（-1）+0.2×1+0.2×（-1）+1×0.1=-0.4<0，此次对卖家得出的信誉值为-1。由上述函数可以看出，如果买家认为该用户的质量虽没什么问题，但是服务和送货效率都不令人满意，而服务在此交易中非常重要，所以该卖家还是得到了-1分，避免了以往信用评价过于简单的问题。

4.用户评价可信度的确定

不同情况的用户作出评价的效果也应该是不同的。一个有多次交易经验的用户作出的评价应该比没有任何交易经验的用户作出的评价更具说服力，交易额大的用户评价应该比交易额小的用户评价更有影响力。一个买家如果同多个卖家发生过交易，其所作的评价应该比只与一个卖家发生过交易的用户的评价更具可信度，因此可以有效地抑制信誉的炒作和诽谤。

定义 3：关于直接可信度Y。Bi与Sj交易后，对Sj进行信誉评价时，可根据Bi与Sj以前直接交易的次数和交易金额来推断此次评价的可信程度。定义如下函数：

其中，sum表示之前交易的次数；account表示之前交易的总金额；p、q分别表示交易次数和交易金额对于直接可信度的影响系数，p、q∈［0，1］；r表示交易金额的消解因子，保证即使account值比较大时，能在同一数量级上影响Y，r的值根据sum和account值的情况选取。k为调节因子，使得Y∈［0，1］。由（4）式可以看出，交易次数越多、交易金额越大时，Y的值也就越大，但Y的最大值只能为1。

定义 4：关于间接可信度Z。Bi与Sj交易，Bi对Sj作出评价时，根据Bi与其他Sj（i≠j）交易的情况来推断Bi评价的可信程度。一般认为与Bi发生交易的其他交易用户的数量越多，Bi评价的可信度越高。定义如下函数：

Z=ρ×num （5）

其中Z∈［0，1］，ρ表示Bi与其他用户交易的次数对于间接可信度的影响系数（ρ＞0），num表示与Bi发生交易的不同交易用户的数量。

定义5：关于用户评价的可信度CR（Tx，Bi）。Tx表示Bi与当前卖家Sj的第x次交易，CR（Tx，Bi）表示根据用户Bi与Sj及其他卖家过去的交易情况来预测用户此次评价的可信程度，以此来决定此次评价对于对方信誉值的重要程度。CR（Tx，Bi）∈［0，1］，0表示此次评价是不可信的，1表示此次评价是完全可信的。CR（Tx，Bi）由直接可信影响因素和间接可信影响因素组成，由（4）式、（5）式可定义如下函数：

其中夼∈［0，1］，夼用来控制直接可信度权重，它与该用户和与其发生交易的其他用户的数量num存在一种近似反比的关系。当num＝0即Bi只与Sj发生交易时，夼=1，用户的可信度CR（Tx，Bi）由Bi与Sj过去的交易情况推断。当num的值不断增加时，表示Bi与其他越来越多的用户交易时，用户的间接可信度在判断用户可信度CR（Tx，Bi）时的作用越来越大，但是间接可信度的权重不会超过一定的值，表明虽然间接可信度作用在增大，但是不可能完全取代用户的可信度。

5.评价模型的改进

在上述讨论的基础上，我们提出一个改进的信誉评价模型。考虑到时间因素的影响，用户的历史评价可能已经过期，对于评价当前用户信誉度的影响应该减小，而近期的评价对于评价信誉度的影响应该更大，近期所作的评价应该比以往所作的评价更能反映用户的信誉度。因此，我们把时间也作为评价信誉度的一个权重，定义如下：

定义6：时间权重ωt定义为如下函数：

其中 ωt∈［0，1］，△t表示时间跨度变量，λ 为相关时间调节因子，以保证ωt适用于不同的情况。例如，如果要表示五天前的评价影响权重应该是当前评价权重的一半时（假如五天前的评价影响权重为0.5，当前的评价影响权重

由（1）式、（3）式、（6）式、（7）式可以得到改进的信誉评价模型，定义如下。

定义 7：R（i，j，x）表示 Sj与 Bi交易所得到的总的信誉评价值，L表示Bi与Sj交易的总次数，所以有：

模型中卖家的信誉度由初始信誉值和用户评价的信誉值相加得到。改进的信誉评价模型综合了评分等级设置、用户评价分数设定、用户评价可信度及时间等多方面因素。

由（8）式可以看出，当买卖双方从未进行交易时，卖家的初始信誉值由他所进行的第三方服务认证确定，第三方认证越全面，其初始信誉值就越高。当买家与卖家进行网上交易时，卖家的信誉值就由买家交易后的评价值获得，此时初始的信誉值所占比重就会越来越小。买家在交易过程中就产品的服务、质量、配送、支付四个方面进行评价，最后构成此次评价的得分。对于买家评价的可信度，我们可以根据（6）式得出。

由（8）式可知，买家对卖家过去的评价对于卖家可信度是有影响的，越是有经验的买家，我们认为他评价的可信度就越高，而越是近期的评价就越反映了卖家近期的信誉度，并且这也在一定程度上防止了对信誉的炒作和诽谤。用户的可信度、用户此次评价的分数和时间权重的积构成了此次用户对于卖家真实的信誉评价分。卖家的总的信誉评价分是各个买家对他的信誉评价分的总和。

四、模型应用实例分析

为了促进C2C电子商务平台统一标准，方便用户，我们认为用户可以进行任何有效的第三方支付认证和身份认证，并且该认证在各个C2C交易平台上都认可。

设S1、S2、S3都表示某C2C交易平台上卖防紫外线遮光布的用户，该平台当前鼓励两项第三方认证，即用户身份认证和第三方支付认证，其各自的权重分别为0.6和0.4，初始总信誉分值设为1。S1进行了身份认证和第三方支付认证，S2进行了第三方支付认证，S3未进行任何认证，所以三者的初始信誉值分别为1、0.4和0。以S1交易的记录（见表1）为例来分析该模型的应用。

表1 Bi与S1交易情况表

商品的单价为10元，Bi表示与之交易的用户。以当前C2C交易平台的信誉评价系统得出S1的信誉得分为5，并且用户评价效果没有任何差别。但我们对表1的交易情况应用改进的评价模型（8）式进行分析，根据网上的调研统计，得出用户对于时尚装饰类的四个维度占信誉度评价的权重分别为 0.3、0.4、0.25、0.05，根据（2）式、（3）式计算出这几次的交易评价得分为（1，1，1，-1）。在（4）式中，设k=0.5，p=0.2，q=0.8，在（5）式中，设 ρ=0.2。

计算B1第一次的评价分数可信度：设r=10，B1第一次第一次的评价分数可信度为0.4。

计算B1的第二次评价分数可信度：设r=50，由于此时Cr（T2，B1）=0.6×0.9+（1-0.6）×1=0.94。

时间权重值的设定：我们设参数λ，可以得到前一天的时间权重是1，15天前的时间权重为0.5。计算B1对S1总的评价分数为 0.4×0.5+0.94×1=1.14。

同理可求得B2、B3、B4对于S1的评价分数分别为 0.4、0.4和-0.4。

由（8）式求得S1总的信誉评价分数为初始信誉分与各个买家对其评价的和为2.54，由此可以看出S1信誉值要比改进前的评价系统得出的信誉度要低。用户B1在第一次与S1发生交易时，由于其交易的金额和次数都比第二次要少，而且评价也不是最近评价，所以其评价的分数与第二次评价的分数是有很大差别的。计算其评价的可信度时，第一次因为没有与其他用户发生过交易，所以可信度只能由直接可信度获得，而第二次交易时，由于B1与其他卖家也发生过交易，所以其评价的可信度应该由其直接可信度和间接可信度获得。

五、结 语

本文针对现有C2C电子商务网站评价系统的不足，分别从评价等级设定、评分的设置、初始信誉值的设定、评价的可信度方面进行分析，提出了一个改进的信誉评价模型，并用实例分析了改进的评价模型的运用。通过实例可以看出改进的评价模型对反映用户的真实信誉值有了很大的提高。因为用户的评价可信度由其直接和间接可信度组成，所以在一定程度上防止了信誉的炒作和诽谤。

＊本文系国家自然科学基金项目“数据挖掘知识的智能化管理研究”（项目编号：70871111）的部分成果。

[1]中国互联网络信息中心.2009年中国互联网发展状况调查统计报告[R].http：//www.cnnic.net.cn/，2010-01-15.

[2]Abdul Rahman A.，Hailes S..Supporting Trust in Virtual Communities[EB/OL].http：//csdl.computer.org/comp/proceedings/hicss/2000/0493/06/04936007.pdf，2000-01-25.

[3]Kiku Jones，Lori N.K.Leonard.Trust in Consumer-to-consumer Electronic Commerce[J].Information&Management，2008，45：88-95.

[4]Paul A.Pavlou，David Gefen. Building Effective Online Marketplaces with Institution-Based [J].Trust Information Systems Research，2004，15（1）：37-59.

[5]D.Harrison McKnight，Vivek Choudhury，Charles Kacmar.The Role of Reputation Systems in Reducing Online Auction Fraud[J].Information Systems Research，2002，13（3）：334-359.