基于AHP灰色关联分析的企业电子商务信用评价研究

黄兴+肖博

摘要：企业电子商务信用是电子商务活动有效开展的重要保证。随着电子商务的发展，企业的资质信息和交易信息呈现出系统化、规范化、动态化的特点，但大多数企业公开的信息依然十分有限，如何利用这些有限的信息对企业的电子商务信用进行评价是本文重点解决的问题。本文结合阿里巴巴平台的企业信息，选取了反映企业电子商务信用的评价指标，利用AHP建立了信用评价指标体系，并运用灰色关联分析对阿里巴巴平台上5个企业的电子商务信用进行了综合评价。

关键词：AHP；灰色关联度；电子商务；信用评价

一、引言

随着互联网经济的迅速发展，越来越多的企业已经开始拥抱电子商务，绝大部分的企业依托于各种电子商务平台取得了巨大的成功，电子商务已经成为企业交易活动的重要组成部分。根据中国电子商务研究中心发布的《2015年（上）中国电子商务市场数据监测报告》显示，2015年上半年，中国电子商务交易额达到7.64万亿元，同比增长30.4%。其中，B2B交易额达5.8万亿元，同比增长28.8%。占电子商务市场交易额的比例达到75.9%，处于电子商务行业的主导地位。随着众多电子商务网络平台的发展壮大，越来越多中小企业选择通过第三方平台开展B2B电子商务活动，截至2015年末，阿里巴巴B2B内贸和外贸平台上的国内供应商已达百万级别，而国内采购商有1000万，海外采购商高达1亿，采购商数量远远多于供应商数量，B2B市场发展潜力巨大[1]。

信用是保证商务活动有序公平进行的基础。电子商务活动相较于传统交易活动具有交易虚拟化、交易成本低、交易效率高的特点，交易需要更高的服务性和安全性，因此全面而准确的企业电子商务信用信息是信用评判的基础，现有的电子商务信用信息服务平台较少，电子商务交易平台提供的信用信息有限，不但给电子商务的交易企业带来了商业风险，也不利于电子商务市场的健康发展。在信用信息有限和信息关系模糊的情况下，如何有效评价企业电子商务信用是本文要解决的关键问题。

二、企业电子商务信用评价研究概述

国外学者对电子商务信用的影响因素和企业信用风险评估的研究较多，多以实证为主。Akhter和Hobbs利用模糊分析揭示了电子商务交易的影响因素，其中信用是重要的影响因素[2]。Jones和Leonard从内部信任（自然倾向和感知网站质量）和外部信任（买家/卖家信任和第三方识别）两个方面研究了个体对C2C电子商务卖家的信任度，建立了相关模型并进行了验证[3]。Xu，Yingtao和Zhang，Ying提出了层次分析和集对分析相结合的方法评价电子商务信用，建立了相关模型并以中国服装网为案例进行了实证[4]。Iazzolino和Bruni等采用数据包络分析（DEA）建立了信用评价模型，通过对意大利某皮革公司的实证分析，证实了效率和信贷之间的关系，认为效率可以被认为是信贷风险预警评估的指标[5]。

国内学者对电子商务信用评价的研究运用了多种方法，余乐安运用最小二乘近似支持向量回归模型（SVR）对电子商务信用风险进行了预警分析，但受限于指标设计，样本采集难度大，因此验证样本数量较少，模型可靠性有待进一步验证[6]；李菁苗等针对中小企业电子商务信用进行了研究，构建了中小企业信用评级指标体系，并利用层次分析法对指标进行了赋权，确定了信用等级的标准，但指标的选取较侧重于对企业的基本信息，企业的电子商务活动情况体现不足[7]；陈鑫铭同样利用层次分析法对C2C模式中的个人信用评估进行了研究，并给出了交易主体信用度的计算公式和评估量表，该研究选取了多个电子商务交易活动指标，指标数据易于获取，具有一定的可操作性[8]；王学东利用模糊综合评价法对网商信用进行了研究，在此过程中对评价指标权重进行了优化，并通过实例验证了该方法的可用性[9]。

我国为了规范企业的电子商务活动，国家管理部门和第三方电子商务平台通过信息平台，提供了一系列反映企业信用的信息。全国各地工商部门配合国家工商总局建立了“全国企业信用信息公示系统”，该系统的提供了企业的基本资质，股东构成、处罚纪录等相关信息；商务部和国资委开展全国行业信用评价活动，建立了中国商务信用平台（BCP），拥有权威动态的信用数据库，以提供信用认证为主要服务内容；第三方电子商务平台，如阿里巴巴，利用平台所掌握的交易数据，提供了一部分企业交易统计信息，并建立了一套基于交易方评价的信用评估体系。然而，“全国企业信用信息公示系统”能够公开查询企业的基本资质，但没有企业开展电子商务交易的信息，无法全面展示企业电子商务的信用状况；企业通过BCP信用认证后，虽然形成了信用评价等级，但信用等级设置较少，无法有效区分企业之间的信用差别；第三方电子商务平台的信用评价体系以交易方的评价为依据，具有主观性和局限性。各电子商务服务平台能提供的有关企业电子商务信用信息有限，使用的信用评估方式单一，评估结果不能全面反映交易方的信用状况。本文拟采用层次分析和灰色关联分析法相结合对企业电子商务信用进行评价，其中层次分析法旨在构造各指标的综合权重，灰色关联分析则是定量描述指标间关联程度以确定企业电子商务信用排序，力图为贫信息状态下评价企业电子商务信用的研究提供参考和电子商务交易决策提供指导。

三、企业电子商务信用评价指标体系

评价指标的选取是建立评价模型的关键。本研究基于电子商务平台阿里巴巴公开的企业信息，共分3个方面，选择了13个指标，企业信用评价指标具有以下特点：一是信用评价指标的代表性；二是数据的可获得性；三是信用评价指标既能准确反映特定企业的信用状况，又能兼顾不同行业企业的特点；四是与具体的评价方法相统一[10]，根据上述原则，建立的信用评价指标体系如表1所示，

在对传统企业信用评价的指标分析的基础上，结合电子商务企业的特点，本文主要从基本信用、交易信用、反馈信用三个方面对企业电子商务的信用进行评价。基本信用是企业从事商业活动的基础，是企业生产能力的基本体现，传统交易重视企业的基本实力，有实力的企业更值得信赖，如“百年老店、资产雄厚、经营范围广”等从历史、资本、规模等方面能够彰显企业实力，体现企业信用；交易信用是企业在市场活动中所表现出的商品交换能力和信誉，主要体现出企业在已有的电子商务交易活动过程中所展现的守信程度，不同于传统企业信用评价对品牌和资质的重视，电子商务信用评价更注重企业已有的交易表现，电子商务技术能够及时反映企业交易情况，市场活动利用该技术产生的交易信息能够通过更公平的反映企业的信用；反馈信用是交易完成后交易一方对另一方的评价，这是企业电子商务信用指标与传统信用指标的重要区别，传统企业信用的评价往往由于反馈信息采集困难舍弃或者忽略了该项评价指标，而随着交易环境的改变，电子商务技术的应用，电子商务平台为交易双方提供了完善的反馈评价功能，这使得反馈信息作为信用评价指标成为可能。

（一）基本信用

衡量基本信用的指标包括：产品数量、员工人数、成立时间、注册资本。产品数量是企业在开展电子商务活动中所提供的产品量，大部分电商企业经营范围有限，多集中于某领域，因此产品数量在一定程度上反映了企业在该领域的经营能力；员工人数是企业经营的人力资源保障，能够反映企业的生产和经营规模；成立时间是企业注册至今所经历的时间，通常成立时间越长的企业经营模式越成熟，具有固定的合作伙伴，品牌在市场上已具有一定的认可度；注册资本是公司制企业章程规定的全体股东或发起人认缴的出资额或认购的股本总额，并已在相关登记机关依法登记，注册资本一定程度上反映了企业的经营规模和实力。这些指标反映了企业的规模和经营能力，它们都能够反映企业的基本信用。

（二）交易信用

衡量交易信用的指标包括：近90天交易量、近90天买家数、重复采购率、平均发货速度、退款率、投诉率。电子商务降低了交易成本、提高了交易频率，阿里巴巴等电子商务平台采用该指标反映商家的交易活动情况；重复采购率指消费者对该品牌产品或者服务的重复购买次数，重复购买率越多，则反应出消费者对品牌的忠诚度就越高，反之则越低，重复购买是消费者获得正面的消费体验后所采取的行动，与之相对，退款和投诉则是消费者获得负面消费体验后所采取的行动；发货速度的是企业开展电子商务活动服务的重要内容，在产品质量、价格、影响力和人气等相差无几的情况下，最后致胜的是服务，而电商的发货速度、准确率、服务，则成了电商销售的重中之重。

（三）反馈信用

衡量反馈信用的指标包括：货品满意评分、服务态度满意评分、到货速度评分。货品满意评分主要是反馈之前购买过该商品的买家，对这个商品本身的综合评分，为其他买家下单购买该货品时提供参考；服务态度满意评分是交易过程中买家感受到的商家表现出的整体服务水平，并对商家的服务进行的反馈评分；到货速度虽然与商家所选物流公司的相关性较大，但物流作为电子商务交易的重要环节，该指标评分依然会影响到顾客的交易体验，间接影响到顾客对商家的整体评价，因此阿里巴巴电子商务平台将到货速度作为用户反馈的三大评分之一归属于企业交易档案。

四、企业电子商务信用信息评价模型

（一）企业电子商务信用指标权重

根据上文所述企业电子商务信用评价指标体系，运用德尔菲法进行指标打分，形成判断矩阵；进行层次单排序并进行判断矩阵的一致性检验；确定各层评价因素的权重，并形成各指标最终评价权重，只要所有判断矩阵都具有一致性，就可以说明AHP法评价层次的总排序是一致的。形成最终评价权重序列为W=（w1，w2，……wn）

（二）评价指标无量纲化

本研究中所选取的评价指标分为效益型（越大越好）和成本型（越小越好），为了消除不同指标、不同量纲的影响，针对不同类型的指标采用不同的无量纲化处理方法，将其规范为隶属于[0，1]区间的指标。设Xij是企业i的指标j的值，X*ij是无量纲化处理的结果值，maxXj是指标j的最大值，minXj是指标j的最小值，则

（三）灰色关联分析

灰色关联分析是灰色系统理论的重要信息分析技术之一，它从系统离乱、随机的行为特征量中确定因子之间的关联程度，因此对属性因子进行灰色关联分析能有效实现不同企业电子商务信用的比较评价。

灰色关联分析可以对两个灰色系统之间的相似性和相近性进行比较。对于电子商务信用的灰色系统评价问题，设有m个待评价的企业，评价指标有n个，由此企业i所形成的指标数列为Xi=（Xi1，Xi2，……Xin），i=1，2，……，m。分别取待评价企业指标的最优值X0j，则可以形成最优指标数列X0=[X01，X02，……X0j]，j=1，2，……，n。该最优值是多个企业相同指标中的最优值，也可以是评估者公认的最优值。既要考虑现实可行性，又要考虑最优性。若最优指标选得过高或过低，则不符合实际情况，评价的结果也就不可能正确。选定最优指标数列后，以它为标准，计算关联系数，设第i个企业的第j个指标与最优指标数列j指标的关联系数为ξij，则

（四）加权灰色关联评价模型

根据指标评价权重序列W和指标关系系数矩阵E，可得加权灰色关联评价模型R=W*E，即

Ri=∑Wj×ξij

其中，Ri为第i个被评价对象与最优对象的加权关联度，如果关联度最大，则说明被比较数列与最优数列最接近，即此企业信用最优，据此，便可排出各企业信用优劣次序。

五、实证分析

（一）企业样本选取

实现交易的影响因素众多，而信用是电子商务活动中交易双方都非常重视的因素。在购买商品过程中会产生多个候选交易对象，在商品目标明确，商品价格相差不大的情况下，最终影响决策的是交易对象的信用。因此，本文在阿里巴巴交易平台上选取了5个销售同类商品的企业样本，根据表1的所列指标采集的原始数据如表2所示，

（二）企业电子商务信用评价指标权重计算

通过专家评价小组进行评价，按照AHP法进行处理，计算各个层次指标权重，如表3所示，

（三）数据无量纲化处理

本研究所选指标多属于效益型指标，指标取值越大越好，采用效益型指标规范式处理；发货速度越小越好，因此采用成本型指标规范式处理；退款率和投诉率采用逆化处理，形成非退款率和非投诉率；由于企业所属行业情况各异，因此交易信用各指标行业均值略有区别，为消除行业差异，交易信用各指标分别取商家实际值与行业均值的比值后再采取无量纲化处理。原始数据无量纲化处理后如表4所示，

（四）企业电子商务信用评价指标关联度计算

1、确定最优指标集数列，由于所有指标均以统一为正向指标，所以从各指标中分别选取最大值作为最优指标参考数列。如表4所示，

2、计算灰色关联系数，在此，利用重庆工商大学曾波博士开发完成的“灰色系统理论建模软件”GTMS7.0[11]计算参考序列与被比较序列的关联系数，形成关联系数矩阵：

3、计算加权关联度，根据信用指标权重序列和关联系数矩阵计算加权关联系数，五个企业电子商务信用的评价结果如表5所示，

由表5可知样本企业的电子商务信用关联度大小及排名，其中A公司信用关联度最高，在5个企业中具有最优秀的电子商务信用。

六、结语

本文以阿里巴巴电子商务平台上的企业为样本，构建了信用评价指标体系，具有一定的现实针对性。根据现实中贫信息的情况，利用AHP和灰色关联相结合的方法对企业电子商务信用进行了综合评价，既避免了主观判断的影响，又兼顾了不同评价指标的重要程度，为企业电子商务信用的评价提供了新的思路。（作者单位：1.华中师范大学湖北省电子商务研究中心；2.华中师范大学信息管理学院）

参考文献：

[1]100ec.2015年阿里巴巴B2B用户数据分析报告.[EB].http：//b2b.toocle.com/detail——6317855.html，2016-03-12.

[2]AKHTER F，HOBBS D，MAAMAR Z.A fuzzy logic-based system for assessing the level of business-to-consumer（B2C）trust in electronic commerce[J].Expert Systems with Applications，2005，28（4）：623-628.

[3]Jones K，Leonard L N K.Trust in consumer-to-consumer electronic commerce[J].Information & Management，2008，45（2）：88-95.

[4]Xu Y，Zhang Y.A online credit evaluation method based on AHP and SPA[J].Communications in Nonlinear Science and Numerical Simulation，2009，14（7）：3031-3036.

[5]Iazzolino G，Bruni M E，Beraldi P.Using DEA and financial ratings for credit risk evaluation：an empirical analysis[J].Applied Economics Letters，2013，20（14）：1310-1317.

[6]余乐安.基于最小二乘近似支持向量回归模型的电子商务信用风险预警[J].系统工程理论与实践，2012（03）：508-514.

[7]李菁苗，吴吉义，章剑林等.电子商务环境下中小企业信用评价[J].系统工程理论与实践.2012，（3）：555-560.

[8]陈鑫铭，冯艳.C2C电子商务信用评估体系研究[J].图书情报工作.2009，（14）：134-137.

[9]王学东，金芳芳，朱洋等.模糊综合评价法在网商信用指数测度中的应用研究[J].现代情报，2013（09）：10-14.

[10]谢爱荣，田盈，袁壹.多层次灰色评价法在中小企业信用评价中的应用[J].成都大学学报（自然科学版），2007（02）：160-162.

[11]刘思峰.灰色系统理论及应用[M].北京：科学出版社，2010.