題-1_100_100.jpg)
基本信息
- 項目名稱：
- C2C電子商務(wù)信用評價體系改進研究
- 小類：
- 管理
- 簡介：
- 隨著電子商務(wù)的普及，信用欺詐行為一直阻礙行業(yè)健康發(fā)展。該研究中通過比較了現(xiàn)行的“刷鉆”方式，提出相應(yīng)的解決方案，并比較其可行性。該研究提出了基于用戶評價偏好的信用評價體系算法。這套評價體系是基于用戶的評價是具有偏好的假設(shè)，然后通過調(diào)查初步地檢驗了該假設(shè)，并詳盡地闡述了信用欺詐行為的本質(zhì)。最后，研究采用了蒙特卡洛模擬，通過對電子交易的模擬可以顯著地發(fā)現(xiàn)該研究的算法能夠提高信用欺詐成本。
- 詳細(xì)介紹：
- 隨著電子商務(wù)的普及，電子商務(wù)交易中出現(xiàn)的信用問題成為了該行業(yè)發(fā)展的關(guān)鍵。尤其在以淘寶為代表的C2C電子商務(wù)當(dāng)中，賣家的“刷鉆”行為以及買家的“惡意評價”行為一直是阻礙行業(yè)健康發(fā)展的障礙。該報告中通過比較了現(xiàn)行專業(yè)“刷鉆”平臺的“刷鉆”方式，分析了現(xiàn)有“刷鉆”行為的共有特點，提出相應(yīng)的解決方案，并在各方案中比較了可行性。通過比較，提出了基于用戶評價偏好的信用評價體系。這套評價體系是基于用戶的評價是具有偏好的（即偏向于給出好評，或偏向于給出差評）假設(shè)。通過一定范圍內(nèi)的調(diào)查，初步地檢驗了該假設(shè)，并用這一理論詳盡地闡述了“刷鉆”行為和“惡意評價”的本質(zhì)。根據(jù)結(jié)論，采用了對好評和差評的權(quán)重加以修改的算法。該算法通過對平臺用戶的抽樣統(tǒng)計，得出平臺用戶的評價偏好分布。然后，在確定某一特定交易評價時，根據(jù)這一交易買家的評價偏好在平臺用戶評價偏好分布中所處的位置，來生成評價權(quán)重。這種評價權(quán)重的改變的方式，有效地平衡了不同買家間由于自身評價偏好所導(dǎo)致的評價偏差。為了進一步檢驗算法的可靠性，我采用了蒙特卡洛模擬。通過對電子交易的模擬，以及不同條件下的實驗組比較，可以顯著地發(fā)現(xiàn)采用了用戶評價偏好模型的算法能夠有效地提高“刷鉆”成本，從而抑制“刷鉆”行為。與此同時，實驗還發(fā)現(xiàn)，該算法在實名制的交易平臺比在非實名制的交易平臺具有更高地可靠性。在本次研究的過程，我們廣泛查閱了國內(nèi)外相關(guān)文獻，采用了調(diào)查和計算機模擬等方式，訪問了美國佐治亞理工的教授，其研究結(jié)果受到了淘寶的支持和肯定
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 該作品首先分析了當(dāng)前主流C2C平臺的信用評價體系，并收集了專業(yè)“刷鉆”平臺的操作方式和收費方式,總結(jié)出它們共有的特點，?并指出了各種解決方案在實際應(yīng)用當(dāng)中的局限性。 該算法是建立在顧客滿意度模型的基礎(chǔ)上，假設(shè)了消費者在評價時具有不同的偏好。然后通過調(diào)查問卷的形式檢驗這一假設(shè)。隨后，該作品基于消費者評價偏好這一理論設(shè)計出了一套信用改進算法。最后，作品采用了蒙特卡洛模擬和對照組實驗的方法
科學(xué)性、先進性及獨特之處
- 該作品的科學(xué)性體現(xiàn)在：首先該作品是建立在實際調(diào)研的基礎(chǔ)上展開研究。除此之外，本作品是基于顧客滿意度的模型提出了消費者評價偏好假設(shè)，具有一定的理論基礎(chǔ)。而為了檢驗該假設(shè)的實際情況，作品又采用了調(diào)查問卷的形式進行檢驗。在對算法的有效性檢驗中，作品采用了蒙特卡洛模擬和對照組實驗，因此該算法具有一定的實驗基礎(chǔ) 該作品的先進性體現(xiàn)在提出了消費者在網(wǎng)購評價時具有不同的偏好，同時，揭示了信用欺詐行為的本質(zhì)
應(yīng)用價值和現(xiàn)實意義
- 首先由于作品中的消費者評價偏好理論揭示了諸如“刷鉆”和惡意評價行為的本質(zhì)。 其次，作品中提及的改進算法是基于現(xiàn)行主流的信用評價算法的基礎(chǔ)上的改進，具有簡單易實施和自我修正的特點。 同時，作品在檢驗算法的可靠性的時候考慮了當(dāng)前多數(shù)C2C采用了買家非實名制的事實，并檢驗了在此條件下算法的有效性。 另外，也展現(xiàn)了研究電子商務(wù)的新思路，通過抑制信用欺詐行為發(fā)生，使之能改善信用環(huán)境的目標(biāo)。
作品摘要
- 隨著電子商務(wù)的普及，電子商務(wù)交易中出現(xiàn)的信用問題成為了該行業(yè)發(fā)展的關(guān)鍵。賣家的“刷鉆”行為以及買家的“惡意評價”行為一直是阻礙行業(yè)健康發(fā)展的障礙。該作品中通過比較了現(xiàn)行專業(yè)“刷鉆”平臺的“刷鉆”方式，分析了現(xiàn)有“刷鉆”行為的共有特點（即不發(fā)生物流、不產(chǎn)生利潤、必為好評），并提出了稅收、物流綁定等解決方案，并在各方案中比較了可行性。通過比較，提出了基于消費者評價偏好的信用評價體系。這套評價體系是基于消費者的評價是具有偏好（即偏向于給出好評，或偏向于給出差評）的假設(shè)。首先通過研究顧客滿意度的相關(guān)模型為該假設(shè)奠定了一定的理論基礎(chǔ)，其次，通過一定范圍內(nèi)的調(diào)查，初步地檢驗了該假設(shè)，并用這一理論詳盡地闡述了“刷鉆”行為和“惡意評價”的本質(zhì)。該算法通過對平臺消費者的抽樣統(tǒng)計，得出平臺消費者的評價偏好分布。然后，在某一特定交易評價時，根據(jù)這一交易買家的評價偏好在平臺消費者評價偏好分布中所處的位置，來生成評價權(quán)重。最后，作品采用了蒙特卡洛模擬。通過對數(shù)十萬次電子交易的模擬，以及不同條件下的實驗組比較，可以顯著地發(fā)現(xiàn)采用了消費者評價偏好模型的算法能夠有效地提高“刷鉆”成本，從而抑制“刷鉆”行為。
獲獎情況及評定結(jié)果
- 該作品原為全國大學(xué)生創(chuàng)新實踐項目
參考文獻
- [1] 魏明俠. 電子商務(wù)信用機理研究[M].北京：經(jīng)濟管理出版社，2007 [2] De Figueiredo J. Finding sustainable profitability in electronic commerce [J]. Sloan Management Review, 2000, 41(4): 41-52. [3] Lal R, Sarvary M. When and how is the Internet Likely to Decrease Price Competition [J]. Marketing Science, 1999,18(4):485-503. [4] Eugene W, Fornell C. Foundation of the American Customer Satisfaction Index [J]. Total Quality Management, 2000, 11(7):869-882. [5] J.布萊思.消費者行為學(xué)精要[M].北京：中信出版社,2003 [6] 趙華生.基于SAS數(shù)據(jù)挖掘的C2C信用評價研究[D].成都：西南財經(jīng)大學(xué)，2008. [7] 樸春輝，安靜，方美琪.C2C電子商務(wù)網(wǎng)站信用評價模型及算法研究[J].情報雜志，2007，8：105-107. [8] 鄒學(xué)博.基于客戶評價的C2C電子商務(wù)信用管理研究[D].吉林：吉林大學(xué),2007. [9] 蔣金偉. C2C網(wǎng)上交易中的“檸檬”問題研究[D].成都：電子科技大學(xué)，2006. [10] 李響.C2C電子交易過程中的信用控制模式研究[D].吉林：吉林大學(xué)，2008.
調(diào)查方式
- 發(fā)放問卷 對國外教授采訪
同類課題研究水平概述
- 目前，學(xué)術(shù)屆對與C2C電子商務(wù)的信用欺詐現(xiàn)象的解決方案大致分為兩個大類，即從體制上解決以及通過算法從量化的角度解決。 目前從體制上解決的主要包括一下幾種： 建立統(tǒng)一的信用平臺，引入第三方信用評價機構(gòu)，通過建立個人信用檔案的方式減少信用欺詐和信用糾紛。 建立失信懲罰管理機制，這主要包括消除交易過程中信息不對稱的情況以及發(fā)現(xiàn)失信行為立刻加入“黑名單”等措施。這類方案將有效地增加信用欺詐的成本和代價從而杜絕其發(fā)生。 完善相應(yīng)的法律法規(guī)，通過法律的強制力來規(guī)范電子商務(wù)中的信用環(huán)境。為C2C電子商務(wù)行業(yè)的發(fā)展提供法律保障。 而通過算法從量化的方式解決的主要包括： 跟時間相關(guān)的信用算法，該算法通過對不同時間段的信用設(shè)定不同的權(quán)重值而使信用與時間相關(guān)聯(lián)。該算法的特點是強化近期信用，而弱化遠(yuǎn)期信用。 另外也有學(xué)者提出了sporas信用模型。該模型是基于ebay的評價體系，考慮了評分人的信用度。與此同時，也有教授在sporas的基礎(chǔ)上又提出了改進方案。除了考慮了評分人的信用度之外，還考慮了交易金額，累計信譽度，近期信譽度和相同用戶多次購買等因素。這一類做法在對于簡單的互刷行為或“刷鉆”者較少的情況下較為有效，當(dāng)涉及一些專業(yè)“刷鉆”團體時，由于其操作據(jù)有很高的隱蔽性和隨機性而且“刷鉆”時間較長，該算法也有相應(yīng)的局限性。 同時也有學(xué)者采用Fuzzy AHP，對交易金額、買方當(dāng)前信用、賣方近期交易頻率、商品質(zhì)量、信息真實性、服務(wù)及價格這些因素進行評價。同樣，這一類方案對于專業(yè)“刷鉆”這一行為也缺乏效果。 除此之外，也有學(xué)者采用數(shù)據(jù)挖掘等方式，甄別關(guān)聯(lián)交易從而識別“刷鉆”者或者通過分類或聚類算法進行信用評級，也有人通過博弈論的方式來解釋C2C平臺的信用交易。 這些算法均有各自的特點，在處理某些特定情況時能夠發(fā)揮其改善信用狀況的作用，但面臨實際情況又有其自身的局限性，可能產(chǎn)生一些新的問題。
