基于云模型的网购满意度综合评价

郭学品，罗自强，石 春

（海南师范大学 信息科学技术学院，海口 571158）

0 引言

网购过程存在许多不确定性，网购感受在很大程度上影响到消费者的购买行为，因此，对于商家来说，消费者网购是否满意对于他们的销售业绩非常重要。消费者网购的满意度在网络销售中占有非常重要的作用。满意度的评价往往因人而异，评价结果带有一定的随机性和模糊性。中国工程院院士李德毅所提出的云模型理论，在处理事物评价中具有很大的优势，能将评价中的随机性和模糊性结合起来，反映出评价中的真实情况。

云模型是实现定性评价和定量数值之间相互转换的工具，采用期望值Ex、熵En、超熵He三个数字特征来表示，反映出评价结果在一定范围内波动，受人为因素影响但也呈现出一个整体趋势的的事实。正是基于云模型理论在定性评价中的这些优势，将其应用于当下流行的网上购物的满意度评价中。

1 网购满意度评价指标体系

1.1 评价指标体系的建立

影响网络购物的满意度取决于网购的一系列环节，包括网上挑选产品、交易过程、产品的配送、产品的使用和售后服务等各个环节。在参考文献[1-3]的基础上，结合消费者的购物体验，建立基于网上购物的消费满意度评价指标。

在挑选商品时，主要关注商品这几个方面：产品质量是否得到保证，是否提供权威的证明；产品与网络描述的相符度如何，消费者买到的实际商品和网上样品描述情况是否一致；商品价格比较，是否在合理区间；商品信息提供是否详尽，满足消费者的信息需求。

交易过程主要关注购物的便捷性：购物过程是否便捷，操作简单；资金支付是否安全，不能泄漏个人隐私；客服态度是否礼貌、耐心、细心，是否具备产品专业知识的交流能力。

物流配送主要关注商品的整个配送过程：商家在接订单后是否在约定的时间内及时发货；物流速度快慢，能否在预期的时间内准时送达；消费者随时查看了解自己订购商品的详细配送信息；快递公司送达的商品包装是否完好，没有破损情形。

售后服务主要关注所销售商品的维护问题：是否支持7天无理由退货，退货渠道是否便捷；质保期是否符合行业规范，明确承诺商品的维修责任；商品的维修点布局是否合理，维修手续是否简单，能否在较短的时间内将产品维修好。

基于网上购物的消费满意度评价指标体系如图1。

图1 网购满意度评价指标体系

1.2 网购满意度等级划分

消费者在网络购物平台购物过程中，对每个服务项目的体验和评价，汇总得到网上购物的综合满意度。消费者的网购满意度如何，可以通过设定满意度划分等级来体现。设定满意度等级区间值如表1所示。

表1 网购满意度评价等级划分区间表

根据计算得到的满意度分值所对应的评价等级，判定出消费者在网上对某商家所销售商品的满意度的评价等级。

2 网购满意度评价模型

定义1：设U是数值表示的论域，v是与U相关联的满意度描述值，对于任意值x∈U，x对于v所描述的满意度的隶属度μv(x)是一个具有稳定倾向的随机数，该满意度隶属度在论域上的分布称为满意度隶属云；每一个元素与其隶属度的序对(xi，μv(xi))称为满意度云滴[4]。

云模型的数字特征采用期望Ex、熵En和超熵He来表示。期望值Ex反映了所描述的定性概念满意度的典型样本；熵En反映了满意度在评价过程中存在的模糊性和随机性等特性，超熵He是熵的熵，反映了满意度云的凝聚性[5]。

2.1 网购满意度的评语集云模型

利用云模型给出被评价对象的评语集，每个评语取值在一定的范围内，存在双边约束。设定评语取值范围的最小边界值为Fmin，最大边界值为Fmax，则评语集云模型的数字特征采用式（1）计算出来[6]。

其中k表示网购满意度评价的随机性，k取值大则满意度评价随机性大，k取值小则满意度评价随机性小，这里k取值为0.1。

满意度值在[0,3)区间时，表示不满意，其相应的云模型参数为(1.5,0.5,0.1)，满意度值分布在[3,5]区间时，表示不太满意，其相应的云模型参数为(4,0.33,0.1)，基本满意、比较满意、满意分别对应的云模型参数是(6,0.33,0.1)、(8,0.33,0.1)、(9.5,0.17,0.1)。

2.2 网购满意度综合评价方法

根据调查分析，找出影响网购满意度的因子X={X1，X2，…，Xn}，每个因子所对应的权重系数设为A={A1，A2，…，An}。根据一组专家分别给各个因子权重A={A1，A2，…，An}打分，每个专家打分的结果不相同，通过云模型的逆向云发生器[7]对每个权重分值进行计算，分别求出各个权重系数的分值。权重系数的分值分布在一定的范围，体现了一定的模糊性和随机性。采用权重矩阵A表示为：

根据专家意见，结合消费者的购物感受和反馈信息，对影响因子X={X1，X2，…，Xn}进行打分。由于各个影响因子的得分都不尽相同，每个影响因子的取值都在一定的范围内，体现了评分的随机性和模糊性。通过云模型逆向云发生器对每个影响因子的各个分值进行计算，求出每个影响因子的综合评价云模型参数。

采用综合评价矩阵P表示为：

根据综合评价矩阵P和权重矩阵A，利用模糊合成算子[8]求得综合评价云模型为：

2.3 满意度云模型相似度

定义2：设2个满意度云分别为MYC1(Ex1，En1，He1) 、MYC2(Ex2，En2，He2)，将满意度云MYC1经过云模型正向云发生器生成云滴(xi，μi)，若xi在满意度云MYC2中的隶属度为为满意度云MYC1与满意度云MYC2的相似度，记为ψ。

满意度云相似度计算算法[9]：

输入：满意度云MYC1(Ex1，En1，He1),满意度云MYC2(Ex2，En2，He2),n；

输出：满意度云MYC1与满意度云MYC2的相似度ψ。

算法步骤如下：

（1）在满意度云MYC1(Ex1，En1，He1) 中生成以En1为期望和He1为标准差的正态随机数En11′；

（2）在满意度云MYC1(Ex1，En1，He1) 中生成以Ex1为期望和为标准差的正态随机数x′；

将计算出的网购满意度综合评价云模型和评语集云模型进行云模型相似度计算，找出相似度最高所对应的满意度等级，得出最符合满意度等级的评价结果。

3 实例分析

选取某网购平台某商家某品牌电子产品作为评价对象，根据商家提供的信息和消费者的反馈信息，组织专家和消费者进行打分，将相关数据按云模型理论进行处理。根据逆向云发生器求出权重矩阵A：

网上购物满意度评分的各项数据分值分布在0～10之间，根据逆向云发生器求出综合评价矩阵P：

根据综合评价矩阵P和权重矩阵A，综合评价云模型参数的计算结果为：

W=P◦A=(8.5744，0.0711，0.0268)

根据云模型相似度计算方法，计算出综合评价云模型参数相对于评语集各个等级区间云模型的相似度，分别对应满意度评价等级区间的评价等级，结果如表2所示。

表2 网购满意度综合评价云模型与评语集云模型等级划分区间的相似度

相似度计算结果中最高值所对应的满意度等级就是最终的评价等级。显然，相似度最大值为0.2563159，对应的等级区间是“比较满意”；相似度次大值为0.0000014，对应的等级区间是“满意”。表明该网购平台上某电子产品的购买满意度的综合评价等级为“比较满意”，确切地说，应该是“比较满意”偏向于“满意”。

利用综合评价云模型数字特征值和正向云算法仿真作出满意度综合评价云图，效果如图2。很显然，通过图2云滴的分布情况来看，绝大部分云滴都落在综合评价的等级区间(8,9)中，其次极小部分云滴落在等级区间(9,10)中。因此本次网上购物的满意度最终评价结果为“比较满意”等级，而更为确切的评价结果应该是“比较满意”偏向“满意”等级。评价结果和云模型的相似度计算结果相同。

图2 网购满意度综合评价云图

4 结束语

消费者的网上购物行为往往取决于对整个购物过程的整体感受，取决于对商家提供的服务的满意度高低，具有极强的不确定性。满意度高，购买的意愿就强烈，满意度低，购买该商品的意愿就减少。即使是在满意度低的情况下实施了购买行为，那么消费者对该商家提供商品的忠诚度也将荡然无存。采用云模型理论处理网购满意度的综合评价，通过云模型相似度计算结果和实验仿真结果的一致性比较，验证了基于云模型的网购满意度综合评价的可行性；另外，也体现了评价中主观因素的不确定性、随机性和模糊性，描述了评价中的各项细节，反映了综合评价中的真实性，使评价的结果更具体、更可靠，具有合理性。