基于DEA模型的购物网站效率评价研究

孙慧婷，方 晓，董 娜

（亳州职业技术学院信息工程系，安徽 亳州 236800）

0 引言

根据中国互联网络信息中心(CNNIC)发布第41次《中国互联网络发展状况统计报告》显示，截至2017年12月，我国网民规模达7.72亿人，其中网购用户规模达到5.33亿，较2016年增长14.3%，占网民总体的69.1%。2017年我国网上零售额再创历史新高，达到7.18万亿元，比上年增长32.2%，增速比上年加快6.0个百分点。其中，实物商品网上零售额比2016年提高2.4个百分点[1]。通过比较发现，我国的网购用户数量和交易额正逐步上升，购物网站在人们的生活中正扮演着越来越重要的角色。商家利用网站宣传、展示商品或服务，消费者在网站上选择商品或服务并完成支付，因此购物网站的建设变得至关重要。运行和建设良好的网站不仅有助于传递商品和企业信息和服务，而且能够帮助企业创造良好的品牌形象，通过更好地贴合消费者的消费和行为习惯，能够帮助企业增加产品的销售。随着电子商务和技术的急速发展，各类购物网站层出不穷，但是运行效果参差不齐，相当一部分网站缺乏对网站科学设计、运营的意识，从而导致一些购物平台的效率不佳。因此科学分析网站运行效果，发现运行短板，从理论和实践考虑，对于提高企业网站效率具有重要意义。购物网站效率的研究一直是国内外学者比较关注的，华巧招从顾客需求和顾客感知价值角度建立了B2C购物网站评价体系[2]；闫会娟从网络营销的角度构建了全面的购物网站评价指标体系[3]；陈关胜采用了了灰色关联分析法评价研究电子商务网站[4]。这些关于购物网站的研究主要集中在管理模式和营销推广上，针对电子商务平台及网站等技术性层面的研究相对缺乏，本文的研究是在商业模式和管理完善的基础上，利用工具抓取购物网站的客观指标数据，基于数据包络分析方法（DEA，Data Envelopment Analysis）计算分析选取的网站指标的投入与产出是否合理，进而提出优化的建议，从而保证购物网站的全面发展，提高综合竞争实力。

1 DEA方法的理论基础

1.1 DEA方法发展与基本原理

DEA方法是计算不同决策单元的投入和产出关系的模型。从起初CCR模型发展到BCC模型、CCW模型、CCWH模型等[5]。

DEA模型处理步骤如下。

Step1：确定决策单元，D1,D2,D3,…,Dn。决策单元可以是企业、生产方式、产品。

Step2：构建指标体系，确定输出、输入指标参数。

Step3：计算模型选择，包括权重运算、决策单元有效性。

Step4：利用投影方法对非有效决策单元分析，给出改进建议[6]。

说明：外部环境、目标、指标相同或相似是确定决策单元必备条件。

1.2 DEA方法的基本模型

1.2.1 CCR模型

利用CC模型计算决策单元综合技术效率值（Technical Efficiency，TE），当TE=1，则此决策单元（DMU）综合技术效率有效[7]。

假设选取n个DMU要被评估，每个决策单元选取m个投入指标和s个产出指标，决策单元（DMU）利用CCR模型计算可以表示为：

式中，xij是第j个决策单元在第i个输入指标中的投入情况，yrj是第j个决策单元在第r个输出指标中的产出情况，ur，vi分别代表投入和产出的权重[8]。设定，则上述表达式转化为：

取上述函数的对偶规划，则：

式中，θ0是前沿面与决策单元的相对距离：

1.2.2 BCC模型

BCC模型计算纯技术效率值（Pure Technical Efficiency，简称 PTE）[8]，在 CCR 模型的基础上，增加一个凸性假设：∑nj=1、βj=1，线性规划模型为：

从经济角度分析：当θ0=1且松弛变量为0，则该决策单元有效；当θ0=1，但是至少有一个松弛变量不为0时，该决策单元为DEA弱有效；当θ0≠1，则表示当前决策单元投入过多，或者产出太少，属于非有效决策单元[9]。

规模效率值（Scale Efficiency，简称SE）就是综合技术效率与纯技术效率的比值，表达形式：

2 实证分析

2.1 构建DEA评价指标体系

2.1.1 决策单元（DMU）的确定

DEA方法行之有效的前提是合理选择决策单元，也就是研究对象。为了保证研究中所选择的研究对象之间同质化、数据可得性原则，本文选取网站类型，功能等一致并具有可比性的12家购物网站作为研究对象（表1）。

2.1.2 指标体系的选取

运用DEA模型计算关键在于选择合理的投入和产出。购物网站从开发、运营、推广、维护过程中会涉及大量的资源投入。在其他学者研究的基础上，综合考虑各个要素的通用性、数据可获取性、适用性原则，输入指标从网站规模、网站链接、网站推广、网站安全4个维度选取，这4个维度能比较全面地反映网站建设时投入资源。网站总页面数（PAG）、网站链接数(TL)在一定程度上能反映网站规模；不同外部网站链接数（DFS）、不同外部网页链接数（DFP）代表了网站在内容丰富度、链接完整等方面的投入资源；网站被搜索引擎获取到的概率能在一定程度上反映网站的推广情况，因百度是最常使用的搜索引擎，所以百度收录的关键词数能反映网站在推广网站知名度的时候所投入的资源量；网站安全测试评分代表了网站在网站安全方面的资源投入量；输出指标主要从消费者反映方面考虑，选取网站点击量（PV）和网站流量排名（WR）这2项指标。网站点击量越高，网站排名越靠前，说明网站价值越高，网站流量排名越靠前，网站产出量越低，所以WR是一种反向产出指标，即选取WR的倒数作为输出指标（表2）。

表1 选取的决策单元

表2 指标体系及解释说明

网站总页面数（PAG）、网站连接数(TL)、不同外部网站连接数（DFS）、不同外部网页连接数（DFP）通过Web Analyst获取。百度收录的关键词数（BK）、网站安全测试评分、网站点击量（PV）和网站流量排名（WR）通过Alexa获取。考虑到网站的动态性，为了确保评价结果的准确性，本文获取的数据是同一个周期，同一个时间段完成的，然后计算出采集数据的平均值（表3）。

表3 选取的12家购物网站输入输出指标数据

2.2 结果评价分析

鉴于上述选择的决策单元的指标体系是多输入指标和多输出指标，故采用了CCR和BCC两种模型进行计算。CCR模型计算的是不考虑规模收益的技术效率，即综合技术效率；BCC模型是考虑规模收益时的技术效率，即纯技术效率。基于CCR和BCC两种模型，利用DEAP2.1工具分析结果如表4所示。

2.2.1 综合技术效率（TE）分析

综合技术效率是不考虑规模收益的技术效率。从表4可以看出决策单元当当网、京东、淘宝、天猫、交易猫、买购网综合效率是1，说明这6家购物网站当前的投入获得了最优产出，网站投入与产出达到最佳匹配状态，没有出现投入冗余或者产出不足，DEA模型相对有效。而决策单元1号店、美团、孔夫子旧书网、小红书、慧聪网、名鞋库综合技术效率均小于1，说明这6家网站当前投入没有达到最大产出，属于非DEA有效。在12家购物网站中，网站有效率是50%。同时，12家购物网站综合技术效率的平均值是0.750，意味着在这12家购物网站中有25%的投入资源没有得到回报，说明购物网站效率还有提升的空间。

表4 购物网站的效率DEA评价结果

2.2.2 纯技术效率（PTE）和规模效率（SE）分析

纯技术效率是指在规模收益固定的情况下，评价决策单元的效率。当PTE＝1时，说明投入指标要素资源合理。当PTE＜1时，说明投入指标要素资源不合理，如网站的管理水平，技术水平等可以改善优化。从表4中可以看出，决策单元1号店、美团、孔夫子旧书网纯技术效率＜1，说明这3家网站存在投入指标要素资源不合理的情况，可以通过加强管理网站内部、优化网站内容、提高网站安全等措施改善。

规模效率是在投入指标要素确定的情况下，评价决策单元的效率。规模效率（SE）是综合技术效率与纯技术效率之间的比值。

当规模效率＝1时，评价结果会显示收益不变，说明该决策单元处于最优化规模。当规模效益＜1时，评价结果会显示收益递增或收益递减。如表4所示，6家非DEA有效的购物网站规模效益均＜1，都处于规模收益递增的阶段，这意味着目前非有效的购物网站规模都较小，此时应该在优化投入指标资源的前提下，增加网站的规模，提高网站效率，从而达到网站相对有效。12家购物网站的平均技术效率和平均规模效率均＜1，平均规模效率为0.751，故还有24.9%的投入没有进行充分的产出，这12家网站的投入产出比即效率非高效，需要增大规模。

2.3 非有效网站具体优化对策分析

以上主要分析了选取的12个决策单元相对于DEA模型是否有效。那么对于一些非有效的网站如何优化改进呢？这就需要对非有效网站进行投影分析，根据投影分析计算投入冗余率和产出不足率，根据计算所得的结果优化非有效网站进行。根据DEAp2.1工具分析并结合公式(6)～(7)整理结果如表5所示。

表5 非有效网站投入冗余和产出不足情况

从表5中看出6个非有效网站中有3个网站（小红书、慧聪网、名鞋库）的投入冗余率和产出不足率都是0。这是因为这3个网站的纯技术效率都是1（从表4可以看出），说明不需要增加投入或者减少产出，而综合技术效率＜1，所以规模效率需要改进，可以在当前的资源条件下，增加网站规模，提高网站效益。

另外，还有3个非有效网站（1号店、美团、孔夫子旧书网）的6个输入指标都存在投入冗余问题。这3个网站需要整合优化资源，以便达到效率最优化。如1号店的输入指标TL、BK，美团的输入指标PAG、TL、DFS，孔夫子旧书网的输入指标TL、DFS、DFP的投入冗余率都达到50%以上，说明网站可能存在链接无效、排版不合理、内容不够丰富、推广手段不合理等问题。而这3家网站的输入指标中网站安全的投入冗余率较低，说明其网站安全资源得到充分利用。这3家网站输出指标中，网站的点击量（PV）没有出现产出不足，说明这些购物网站的点击量很好，资源利用合理。但是网站的流量排名产出不足率较高，说明在资源产出方面出现了很大的问题，需要改进。

3 结论与建议

选取国内12家购物网站，采集9项指标数据，利用DEA模型计算，得到购物网站3大效率指标，即技术效率、纯技术效率和规模技术效率。利用经济学上的冗余率和产出不足率进行测度，分析网站的投入与产出情况。对购物网站提出以下优化建议：

（1）在12家购物网站中，网站有效率是50%，并且这12家购物网站中有25%的投入资源没有得到回报，说明购物网站效率还有提升的空间。

（2）1号店、美团、孔夫子旧书网纯技术效率和规模效率均＜1，输入指标的投入冗余率较高，需调整网站规模，如丰富网页的内容，调整网页的大小和数量，提高发布信息的有效性。

（3）小红书、慧聪网、名鞋库需要精简网页链接，增加用户满意体验度。合理利用资源，加大宣传度，推广网站，增加网站规模效率。

随着互联网移动技术的发展，购物App用户越来越多，下一步将以购物App为研究对象，以提高App效率为目标，运用融合多种计算模型为手段。从而更全面的分析购物平台，更好地为企业优化购物系统提供建议。