基于AHP算法的网购参与者信用评价分析

刘晓平 魏瑞韩

摘 要：本文针对网购过程中卖家与买家之间信息不对称，买家很难得到关于卖家的真实评价的问题，基于AHP算法对网购参与者进行信用评价分析，构建信用评价模型。加入买家信用度指标，把身份认证、蚂蚁芝麻信用、买家平台内网购等级3项影响买家信用度的关键指标引入模型。将卖家订单情况、店铺指标、商品受欢迎程度、商品描述、物流细节、服务态度7项指标引入信用评价模型。通过MATLAB软件实现代码，得出各级指标相关权重。制定信用评价综合得分公式，制定各级指标得分规范，计算信用评价综合得分，以期为电子商务平台提供相关信用评价参考。

关键词：电子商务平台;AHP算法;信用评价模型

引言

电子商务平台的高速发展，拥有一个信用评价模型尤为重要，建立公平和标准化的信用评价模型是保障各方权益的重要一环。当前因为信用评价模型不够完善，评价标准过于简单，卖家买家信息不对称，买家不能得到关于卖家的最真实的评价。因此有必要结合现实问题建立网购参与者信用评价模型。

一、信用评价模型的构建

（一）建立层次结构模型

构建卖家信用评价模型，一级指标选取买家信用度，订单情况，店铺指标等。二级指标选取身份认证、蚂蚁芝麻信用、買家平台内网购等级等。

（二）问卷设计

设计问卷的指标重要度比较时，“√”标注在相应栏目内即可，当“√”标注在要素A的框中就将对应栏目最上方的数据填入判断矩阵中，当“√”标注在要素B的框巾就将对应栏目最下方的数据填入判断矩阵中。当所有的指标通过同样的方式成对比较完成后，就完成了一个决策问题所需要的社会调查。问卷为线下派发，选择三家网店卖家和三位网购经验资深的顾客作为调查对象，取其平均值。

（三）构造判断矩阵与计算

信用评价模型一级指标的一致件评价指标CR=0.0106<0.1，满足一致件要求，该对比矩阵是满意一致件矩阵。一级指标的各向量权重向量Q分别为0.2977、0.0499、0.0499、0.0499、0.2977、0.1274、0.1274。

（四）层次总排序

构建二级指标的判断矩阵，可以计算二级指标权重，并验算一致件，得出层次总排序。

（五）综合得分计算

综合得分等于各项合成权重乘以各项指标分数的总和。制定各级指标分数规范，根据买家在网购平台内是否完成身份认证，买家的支付宝蚂蚁芝麻信用等级，买家平台内网购等级，时问因素，买家成交金额，店铺指标的投诉率，店铺指标的退款率，店铺指标的店铺资质，买家收藏率，买家加入网购车率给出相应分数。

二、结论

（一）建立改进的信用评价模型，完善模型指标。加入买家信用度。把身份认证、蚂蚁芝麻信用、买家平台内网购等级等影响买家信用度的关键指标，以及卖家订单情况、店铺指标、商品受欢迎程度、商品描述、物流细节、服务态度指标引入信用评价模型。（二）构建改进的信用评价模型，建立层次结构模型。进行问卷设计，发放问卷，整理数据，构造判断矩阵，通过MATLAB软件实现代码，并进行一致件检验，进行层次总排序，得出各级指标相关权重。（三）制定信用评价综合得分公式，制定各级指标分数规范。综合得分让消费者在同类型的店铺巾能快速选择更好的服务。

参考文献：

[1]梁蕴婧，吴敏怡，刘君麟，岁钰杰.基于过程的C2C电商信用评价指标体系构建[J].科技经济导刊，2018，26（30）：20-21.

作者简介：

1.刘晓平（1981-），女，汉族，硕士、讲师。研究方向：电子商务技术工作单位：玉林师范学院。

2.魏瑞韩（1997-），女，汉族，本科，通讯作者。研究方向：网购信用评价，工作单位：玉林师范学院。

基金：广西壮族自治区教育厅2019年度广西高校中青年教师科研基础能力提升项目（2019KY0593）