[摘要]通過回顧C2C電子商務中賣方信譽評價機制的應用和研究現(xiàn)狀，重點就如下幾個方面對該領域的相關研究進行總結和評述，包括賣方信譽評價研究動因、現(xiàn)有賣方信譽評價機制及其不足，賣方信譽評價系統(tǒng)的實證分析和賣方信譽評價系統(tǒng)的改進研究。研究認為，指標體系、用戶的信譽認知和欺詐用戶識別有望在未來研究中進一步展開。
　　[關鍵詞]C2C電子商務信譽評價信譽反饋
　　[分類號]F713
　　
　　C2C電子商務作為電子商務中的新興模式，近年來發(fā)展迅速。在中國，2008年C2C網(wǎng)上零售交易額達到I 121億元，較2007年增長139.5％。但在這驚人的交易額和增長速度背后，C2C卻也日漸成為網(wǎng)絡交易欺騙的主要來源，嚴重影響用戶對網(wǎng)上交易的信任。C2C網(wǎng)站中的商戶信譽作為直接影響C2C用戶購物的因素，近年來得到了學術界的普遍關注。
　　
　　1
　　賣方信譽評價研究的動因
　　
　　C2C電子商務交易火爆的原因之一就是商戶的進入成本較低，并且市場機會大，使得C2C平臺成為網(wǎng)絡欺詐的溫床。以美國為例，IC3(Internet Crime Com-plaint Center)發(fā)表的2009 Internet Crime Report顯示。在2009年的投訴案件有336 655件，被判定為欺詐的有146663件，總損失額高達55970萬美元。
　　欺詐的成因是由于雙方溝通的編碼與解碼當中的誤差干擾，而欺詐行為是指意圖蒙騙或隱藏事實來產(chǎn)生利益，這些利益并不是在一般市場交易中所認可的利益來源。可見，信息的不對稱是欺騙得以形成的主要原因。Akerloft早在1970年就描述了信息不對稱如何導致市場失靈，并認為除非賣方能夠提供準確可信的產(chǎn)品質量信號，否則買方只愿意支付該商品在市場平均水平上的價格，從而導致高品質商品的賣方不愿意以低價格銷售商品，造成“劣幣驅逐良幣”的檸檬市場(Lemon Market)。
　　在線交易尤其容易受到信息不對稱問題的困擾，因為在線交易的買方無法實際看見在售商品，而賣方對于待售商品相較買方掌握絕對優(yōu)勢的信息，買方只有從賣方處得到關于該在售商品的一切信息。因此，如果賣家有意歪曲商品的描述信息，買家很容易信以為真，這顯著提升了欺詐的風險。
　　在線交易中，信息不對稱現(xiàn)象不僅存在于在售商品本身，也存在于交易過程中，如交易的地點、方式和品質，因此，在交易的各個環(huán)節(jié)都可能出現(xiàn)欺詐行為，典型的賣方欺詐行為見表1。
　　信譽機制被普遍認為是降低信息不對稱程度的手段。諸多前期研究成果已經(jīng)表明，在C2C市場下信譽的高低會正向影響賣方拍賣商品價格的高低，或是其銷售狀況的好壞。也有許多案例指出，賣方在實施欺詐行為時會試圖操縱自己的信譽記錄，或者先靠銷售小額物品建立起良好信用，然后再銷售大額商品并實施欺詐。就算欺詐失敗，賣方也可以很輕易地另外建立一個賬戶，從而改變自己的身份，盡管有E―mail地址驗證，但是也很容易通過免費電子郵箱網(wǎng)站重新申請”。因此，研究賣方信譽評價機制對于遏制在線交易欺詐行為，提供買方真實準確的信息，維護在線交易可信性和安全性具有重要作用。
　　
　　
　　2
　　目前C2C平臺的賣方信譽評價機制
　　
　　為了降低網(wǎng)絡欺詐的風險，使C2C交易更加安全健康，各種C2C平臺都推出了各種保障機制，如消費者保障、商盟、第三方支付、黑名單和信譽評價機制等。消費者保障是一種基于制度的信任，指的是C2C平臺推出的旨在保障網(wǎng)絡交易中消費者合法權益的服務機制，如淘寶的“先行賠付”、“假一賠三”、“7天無理由退換”等。商盟是基于集體聲譽的信任，商盟有嚴格的入盟程序和規(guī)章制度，經(jīng)過C2C平臺審查通過之后成立，并有商盟標記，以向消費者承諾不會有欺騙行為，如淘寶的區(qū)域商盟“徽商商盟”。第三方支付從流程上降低了網(wǎng)絡欺詐的風險，在可信第三方未收到貨款之前，賣方不會交付商品，在買方收貨滿意前，不會通知第三方劃轉貨款至賣方，目前幾乎所有的C2C平臺都要求交易使用第三方支付。黑名單由C2C平臺的專門機構負責鑒定，黑名單成員通常是不守信商家或是惡意拍賣的買家，各個C2C平臺都會公布具體判斷標準，用戶一旦被列入黑名單，將會被公示、封號等處理，淘寶、百度有啊等平臺均定期公布黑名單。
　　在上述各種保障機制中，信譽評價是存在時間最長，使用最廣泛的方式之一，也是爭議最多的評價方式之一。信譽評價機制也稱信譽反饋機制(reputationfeedback mechanism)，交易雙方使用C2C平臺的信用反饋系統(tǒng)對交易滿意程度進行打分，滿意則加分，不滿意則扣分，其總分代表所有有過交易歷史的用戶對該賣(買)家信用、服務質量等方面的評價，一般來說總分越高代表該賣(買)家信譽越好，在網(wǎng)絡交易這種信息不對稱的環(huán)境下，信用評分成為潛在交易用戶衡量對方的主要手段。
　　但是，現(xiàn)行的信用評價標準仍然存在許多不足，典型的缺陷如：①評價缺乏激勵機制。評價的缺失直接導致信譽系統(tǒng)的可靠性和可用性的降低，Miller等據(jù)此提出用金錢獎勵的激勵機制。②評價正向偏移。在線交易只有0.6％的買家給出的評價是負面的，會導致信譽值持續(xù)膨脹，并且越來越不能體現(xiàn)真實信譽情況。③虛假評價。為了達到信譽詆毀等不正常目的，評價方作出與事實不相符的評價。王俊程等認為可以利用社會網(wǎng)絡分析SNA的方法檢測虛假評價的賬號。④身份變換。過低的聲譽值會導致賣方放棄現(xiàn)有信譽資料而轉換身份。Zacharia等認為當只有正面評價機制存在時，賣方將無法依靠身邊份變換改善信譽。⑤信息含量不高。簡單的加減1分無法區(qū)分是商品本身的質量問題還是服務傳遞過程的問題。
　　值得慶幸的是，C2C平臺運營商已經(jīng)注意到了現(xiàn)行信用評價標注中的不足，并采用了一系列措施進行補救，如表2所示：
　　
　　
　　3　賣方信譽評價系統(tǒng)的實證研究
　　
　　經(jīng)濟學、市場營銷、信息系統(tǒng)等領域已經(jīng)對信譽評價系統(tǒng)的功能和影響進行了廣泛研究，并且都是針對賣方信譽。Resnick等指出，一個好的信譽評價系統(tǒng)必須滿足三個基本條件：①為買方提供信息以區(qū)分誠信和不誠信的賣方；②激勵賣方成為誠信賣家；③懲罰不誠信賣家的行為。尤其在信息不對稱的環(huán)境下，后兩個條件要求信譽反饋系統(tǒng)必須阻止賣方的道德風險和逆向選擇行為。Dholaka在總結前人觀點后也認為，信譽反饋系統(tǒng)的評分具有至少兩個作用：①區(qū)分作用，可以幫助買家認識到不同賣家之間的不同并做出選擇；②預測作用，歷史交易過程中得到的信譽評分是判斷未來交易是否成功的依據(jù)。
　　學術界對賣方信譽評價研究后普遍認為其會促進C2C在線交易，并且在收藏品、電子產(chǎn)品和玩具等多類別商品上進行了驗證，其中部分研究結論如表3所示所示：
　　但同時，也有不少學者提出相異的觀點。例如Wan等研究發(fā)現(xiàn)，在某些情況下，信譽評價值的增加會 引起銷售收入的降低。Jin則發(fā)現(xiàn)差評與成交價格之間沒有顯著的負相關關系
　　snijders等認為，出現(xiàn)這種結論不一致的原因主要有4個方面：①拍賣商品的價格水平、種類、新舊程度和復雜程度的不同可能會影響到信用評價與拍賣結果之間的關系。例如商品的價格不同，給買家?guī)淼娘L險感知不同。②信用評價的自變量的計算方法(如是否取對數(shù))的不同也會引起研究結果的不同。③付款方式、運費等其他因素的不同也會影響研究結果。④統(tǒng)計方法的不同也會影響研究結果。劉躍文等進一步對現(xiàn)有文獻進行薈萃分析后認為，信譽評價系統(tǒng)對網(wǎng)上拍賣有顯著對用，好評對拍賣結果有普遍的正面影響，中評沒有顯著的正面或負面影響，而差評有顯著的負面影響。交易的其他因素，包括起拍價格、指導價格、商品信息紕漏程度等因素也會對拍賣結果有顯著影響。
　　
　　4　賣方信譽評價的改進研究
　　
　　由于現(xiàn)行的信譽評價系統(tǒng)具有很多缺陷，已經(jīng)有學者嘗試對信譽評價系統(tǒng)進行改進，改進策略主要有信譽計算方式的改進和信譽評價指標的改進。
　　計算機領域對于信譽計算的研究較為廣泛和成熟，涉及電子商務、P2P等多領域。較為著名的是Jo―sang基于貝葉斯理論提出的Beta信譽評價系統(tǒng)，該方法基于統(tǒng)計原理，使用Beta概率密度分布函數(shù)去計算信譽反饋，并利用指數(shù)削減增加最近交易評價的權重符合人的記憶削減的特性，該計算模型受到了后繼研究的廣泛采用。其他的計算模型，如基于信任鏈的PageRank算法，考慮了信譽的傳遞問題；基于模糊邏輯(Fuzzy Logic)的計算模型，考慮了信譽的個體尺度和社會尺度，可以計算個體的局部信譽。
　　在信譽評價指標的改進方面，Dholakia綜合了歷史交易記錄，將交易密度、平均購買價格、競標密度等指標引人信譽評價，以增強信譽評價的效果。魯耀斌等列出了目前計算信譽值的兩種模型：累加信任模型和均值信任模型。楊震提出了基于協(xié)同過濾的信譽評價模型，該模型的優(yōu)點是引入了交易價值、短期信譽、時間權重等因素，豐富了現(xiàn)有評價模型的指標，通過仿真后發(fā)現(xiàn)，當交易平臺內(nèi)部存在共謀穩(wěn)定性欺詐用戶或共謀波動性欺詐用戶時，協(xié)同過濾的評價模型能更好發(fā)揮作用，反之，基于評分的用戶信譽度評價模型更能發(fā)揮作用。但是該模型尚沒有對其他信譽欺詐情況(如先小額交易累計，然后從事大宗交易)進行分析。張海燕等人引入了商品表現(xiàn)、服務表現(xiàn)、配送表現(xiàn)、安全表現(xiàn)等4個一級指標11個二級指標，利用層次分析法(AHP)進行專家打分確定每個指標權重，力圖使信用評價綜合反映交易質量。郭洪海等在sporas模型的基礎上增加了交易量、交易次數(shù)、懲罰因子等因素，提出了改進的信譽計算模型，并對信譽詆毀和信譽共謀這兩種信譽造假行為進行仿真，得到了較好效果。江文鈺等引入了多維信譽評分體系，能夠根據(jù)用戶的不同偏好動態(tài)調整各維信譽的權重，解決了傳統(tǒng)信譽評價系統(tǒng)中不考慮交易者興趣偏好的缺陷。陳鑫銘等人將銀行信貸使用的信譽引入在線信譽評價體系中，雖然更為準確嚴謹，但是可行性不高，因為在線交易平臺不能也無法獲取用戶的隱私數(shù)據(jù)，包括收入、婚姻狀況、工作年限等情況。
　　
　　5　結語
　　
　　C2C賣方信譽對買方的交易決策具有直接的影響，是保障在線交易正常進行的重要手段之一。但是，現(xiàn)行的C2C賣方信譽評價體系還具有多項不足，許多在線欺詐者正在利用這些漏洞進行不正當?shù)木W(wǎng)絡行為，與此同時，C2C平臺運營方和學術界均從管制手段、計算方式和評價指標體系等多方面進行努力，以幫助買方更好識別在線欺詐，降低較低風險。但是，縱觀現(xiàn)有研究狀況，雖然較為豐富，卻也有不足之處：①目前的對于在線交易過程的研究多是針對在線拍賣，而對在線一口價交易研究較少，在中國C2C市場，在線拍賣并不流行，以2010年1月12日淘寶數(shù)據(jù)為例，“手機”欄目有1022750條在售項，僅有2876項為拍賣，占0.28％，而美國ebay同欄目中拍賣占到了37.2％。②針對各種不足提出的解決方案相互沖突，可行性差。如前文論述的為了規(guī)避賣方身份變換，將評價方式改為只有正面評價，與其他多項反制措施沖突。③現(xiàn)有研究對于買方的認知和行為層面的研究不多，盡管有許多使用TAM等模型進行的信譽影響因素分析，但是并沒有和信譽計算或者評價指標體系聯(lián)系起來。筆者認為，未來研究中，可以繼續(xù)完善評價指標體系，力圖全面反映賣方信譽和交易狀況，或者從用戶信息認知角度分析有經(jīng)驗的買方在判斷賣方信譽時的過程，也可以嘗試利用SNA、數(shù)據(jù)挖掘等方法繼續(xù)對欺詐用戶的識別進行深入研究。這些方面均有望在未來的研究中展開。

相關熱詞搜索：述評 賣方 信譽 C2C電子商務中賣方信譽評價研究述評 電子商務信譽評價研究綜述 c2c電子商務信用評價研究