【互联网背景下电子商务企业信用评价实证探究12000字（论文）】

互联网背景下电子商务企业信用评价实证研究摘要在信息技术飞速发展和互联网广泛普及的背景下，电子商务行业发展十分迅速。其中，涌现了大量的电子商务企业。但是，由于电子商务企业的虚拟化和网络化的特点带来的信用问题也越来越受到关注。可以说，良好的电商企业信用是电子商务活动有序开展的重要保证。因此，文章在电子商务企业信用评价理论的基础上，结合我国电子商务的发展状况和发展趋势，首先基于层次分析法，对电商企业信用评价的影响因素以及权重大小进行研究与探索，并构建综合评价模型对电子商务企业的信用进行评价。其次，选取15家电子商务企业对模型进行实证分析。同时，根据聚类分析算法，对评价结果进行分析。最后，根据评价结果给出能够提升电子商务企业信用的意见和建议。关键字：电子商务；信用评价；层次分析法；聚类分析目录TOC\o"1-3"\h\u一、引言 [1]。陈勋亚（2013）综合参考各类信用评价指标，提出了采用盈利能力、偿债能力、发展能力、经营能力这四个指标来横行企业的信用状况REF_Ref6942\r\h[2]。王继彬(2017)通过分析企业信用评价的流程，探讨企业信用评价的必要性，提出企业应该采取科学的信用评价体系REF_Ref6968\r\h[3]。李安渝、张昭、王泽菡、曾蔚（2014）基于AHP法从财务角度分析各指标的权重影响，以此建立了一套信用综合评价体系REF_Ref6994\r\h[4]。贺颖、张目、甘罗佳（2013）从财务能力、技术风险、创新能力、信用履约能力、发展潜力这五大指标入手，基于熵权法构建了科技型中小企业信用评价研究模型REF_Ref7024\r\h[5]。张高胜（2017）基于因子分析法和熵权法，从企业所处环境、企业主人品和经营能力等方面考虑，构建了信用评价模型REF_Ref7082\r\h[6]。黄兴,肖博（2016）基于AHP灰色关联分析，以阿里巴巴平台企业为样本,构建了信用评价指标体系REF_Ref7082\r\h[7]。在国外，信用评价体系已有百年历史。最早起源于美国，1841年，在纽约建立了第一个信用评价机构，在接下来的几十年间，受美国国情影响，信用评价机构经过调整和淘汰，在二十世纪八十年代，形成了穆迪、标准普尔、惠誉国际三大信用评级机构，也是目前国际公认的三大信用评价机构。伴随着信用评级的发展，许多学者也做了相关的研究。例如Jones和Leonard（2008）从内部信任和外部信任两方面入手研究了C2C电子商务信任模型，并对模型进行了验证REF_Ref7112\r\h[8]。Akhter和Hobbs（2005）提出影响消费者决策的因素，为B2C供应商提供了访问和评估用户交易决策过程的工具集，还为在线用户提供了辅助推理工具REF_Ref7131\r\h[9]。Yoon,HyunShik和LuisG.Occena（2015）从自然信任倾向、网站质量的感知、他人对买卖双方的信任和第三方认可这四个角度构建了C2C评价模型，在这个模型中还调查了性别和年龄对C2C交易信任的作用REF_Ref7154\r\h[10]。现状评述通过了解信用评价的发展和现阶段的研究现状，我们可以知道，现有的评价体系并不能完全适用电商企业的特点。如在以往的研究中，多数学者从企业的财务状况、经营能力、盈利能力等角度出发，并未与电商企业实际运营过程相结合，因此，其指标体系并不完善。本文在吸收和借鉴学习前人研究经验的基础上，丰富了原有的指标体系，采用层次分析法和聚类分析法建立电子商务企业信用评价模型，并进行实证分析，这不仅对电商企业信用评价研究具有一定的借鉴意义，也可以促进电子商务的进一步发展。互联网背景下电子商务企业信用评价模型构建信用评价指标选取原则信用评价指标是信用评级的标准，直接影响到企业信用评级的结果，一般来说，它包含信用评级要素并细化评级内容。评级要素仅限于大体方向,具体是由若干指标来衡量的。例如,为了分析企业的交易情况,可以从退款率、转化率、买家数行业均值比、交易数量行业均值比等指标衡量。结合本文研究课题，在对信用评级指标进行筛选和选择时,应充分考虑电商企业的特点。基于以下原则设置筛选指标:

1、选取定量指标时,应将没有参考价值或反映信息量小的指标删除，例如反映企业基本信息情况可以选择了工商年限、诚信等级、开通诚信通年限等指标来体现，而删除员工人数、注册资本等指标。

2、指标体系的建立应遵守独立原则。若两个指标之间具有高度相关性，应考虑将其归为同一个一级指标之下，两个一级指标之间应相互独立。例如企业基本信息情况和交易情况体现了在经营过程中的企业不同方面的信息，这两个指标之间应该相互独立，相反，产品质量满意度和退换体验满意度这两个指标显然都体现了顾客的反馈信息，因此具有高度相关性，应归为同一个指标之下。3、设置有针对性的评价指标。指标的选取应反映评价内容和目的，本文将结合电子商务企业的特点，重点从三个方面来考察企业信用评价：基本信息情况、交易情况、顾客反馈指标。4、选取指标时应注意指标的可获得性。本文的研究对象是电子商务企业的信用评价，根据电商企业轻资产、重经营的特点，在指标选取时，将弱化财务指标的作用，反而强化非财务指标的意义，因此在数据的采集上要保证可操作性。5、采取定量指标和定性指标相结合的原则。定量指标和定性指标分别是信用评级指标的两种类型。定量指标指的是可以用具体的数字来表示并加以计算的数据;定性指标指无法量化的指标。但定性指标有明确的定义。信用评价指标体系构建本文在初选指标时,结合已有的信用评价体系以及互联网背景下电商企业的特点,充分考虑内外部因素的影响,在遵循选取原则的基础上,构建出符合互联网背景的电商企业信用评价指标体系如表1所示。表1：电商企业信用评价指标体系指标体系一级指标二级指标电商企业信用评价指标体系基本信息情况工商年限(A11)开通诚信通年限(A12)诚信等级(A13)交易勋章(A14)交易情况近90天回头率(A21)近90天平均发货时长(A22)近90天累计交易量行业均值比(A23)近90天退款率(A24)近90天买家数行业均值比(A25)顾客反馈指标产品质量满意度(A31)退换体验满意度(A32)物流服务满意度(A33)响应速度满意度(A34)在指标体系中，考虑到数据的可获得性，共选取3个一级指标，13个二级指标来反映电商企业的信用评价状况。其中，一级指标包括基本信息情况、交易情况、顾客反馈指标，下面将进行具体阐述。（1）基本信息情况衡量企业的基本信息情况的指标主要包括：工商年限、开通诚信通年限、诚信等级、交易勋章。工商年限是指自企业成立以来迄今为止的时间，工商年限越长，说明企业的持续经营能力较强。开通诚信通年限是指加入诚信通会员的时长，诚信通在一定程度上保障消费者的权益，加入时间越久，消费者的信任程度越高。诚信等级是阿里巴巴平台所推出的用来衡量企业诚信的一套标准，共分为5个等级，分别是BB、BBB、A、AA、AAA，为了便于量化，我们将每个等级分别赋予2分、4分、6分、8分、10分。交易勋章是以近30天交易额、买家数和是否是诚信通会员作为参考，从而划分为5个等级，同理，本文将一个勋章对应两分，以此类推，加以量化。（2）交易情况衡量企业交易情况的指标主要包括：近90天回头率、近90天平均发货时长、近90天累计交易量行业均值比、近90天退款率、近90天买家数行业均值比。电子商务交易与传统交易相比，最大的差别在于交易方式的不同，因此，交易过程中的退款率、发货时长就体现出电商企业独有的特点。近90天回头率是指90天内企业的重复采购率，近90天累计交易量行业均值比是通过近90天的交易数量比上行业均值交易量而得出的，近90天买家数行业均值比是通过近90天的买家数量比上行业均值买家数而得出的，这三个指标都体现了正向关系，即越大越好，并且都在一定程度上可以反映出消费者的信用程度和经营状况。（3）顾客反馈指标衡量顾客反馈指标主要包括：产品质量满意度、退换体验满意度、物流服务满意度、响应速度满意度。这四个方面都体现了客户满意度这一方面，且均表示正相关指标，产品品质越高、退换体验越好、物流服务越迅速、响应客户越及时，顾客的评价也就越高，满意度也越高。针对顾客的评价状况，本文设置了2分、4分、6分、8分、10分的分数评价值。信用评价模型构建指标权重的确定在确定指标权重时，根据以上指标体系，我们用AHP法来确定各个指标的权重。层次分析法是指将与问题相关的因素分层罗列，通常情况下可以分为三层，即目标层、准则层、方案层，通过计算，可以得出最低层相对于最高层的权重值，从而得出解决问题的最优方案。一般来说，层次分析法工共有三大步骤，分别是根据指标体系建立层次模型、构造判断矩阵、计算权重并进行一致性检验。下面将结合上述确定的指标体系进行具体分析。（1）根据指标体系建立层次模型在上述的指标体系中，我们可以将电商企业信用评价研究看作是目标层，将基本信息情况、交易情况、顾客反馈指标看作是准则层，将工商年限、开通诚信通年限、诚信等级、交易勋章、近90天回头率、近90天平均发货时长、近90天累计交易量行业均值比、近90天退款率、近90天买家数行业均值比、产品质量满意度、退换体验满意度、物流服务满意度、响应速度满意度看作是方案层。（2）构造判断矩阵在完成指标体系层次模型的构建后，通过两两比较，根据1-9标度法进行打分，具体打分标准可见下表。表2：判断矩阵的标度指标重要性同等重要稍微重要明显重要强烈重要极端重要1357911/31/51/71/9注：表示第个指标相对于第个指标的重要性，表示第个指标相对于第个指标的重要性。另外，2、4、6、8表示上述相邻判断的中间值。（3）计算权重并进行一致性检验在计算的过程中，我们可以分为两个步骤，分别是计算一级指标权重及进行一致性检验和计算二级指标权重及进行一致性检验。①一级指标的权重确定和一致性检验我们通过将基本信息、交易情况、顾客反馈指标这三个指标两两相比，再根据1-9标度法，得到的矩阵如下表3所示。表3：一级指标判断矩阵企业信用基本信息情况交易情况顾客反馈指标基本信息情况11/21/3交易情况211/2顾客反馈指标321使用方根法计算矩阵最大特征值和对应的特征向量，在归一化后即可得到各个指标重要程度排序。计算步骤为：第一步，计算出判断矩阵每一行元素的乘积：第二步，计算的次方根，为指标数量，这里为3第三步，对向量进行归一化处理后得特征向量：第四步，计算判断矩阵最大特征值为判断矩阵与特征向量的乘积向量，计算结果为。为了验证上述计算得到的权重分配是否合理，需要对判断矩阵进行一致性检验。检验公式为：的取值参考表4，此处为0.58，计算结果，因此通常来说，认为判断矩阵通过一致性检验。表4：值1234567890.000.000.580.9021.411.45注：代表判断矩阵中指标数量，表示平均随机一致性指标。因此，我们可以得到每个指标的权重以及指标重要程度排序，详见表5：表5：一级指标权重及排序企业信用最终权重综合排序基本信息情况0.16323交易情况0.29672顾客反馈指标0.54001②二级指标的权重确定和一致性检验分别以每一个一级指标为目标层，计算其包含的各二级指标相对重要程度，计算方法同上。各二级指标判断矩阵及计算结果如表6、表7、表8所示。表6：基本信息情况指标层下的判断矩阵及计算结果基本信息情况工商年限开通诚信通年限诚信等级交易勋章工商年限11/21/21/3开通诚信通年限2111/2诚信等级2111/3交易勋章3231单层权重0.11940.22220.20080.4577注：表7：交易情况指标层下的判断矩阵及计算结果交易情况近90天回头率近90天平均发货时长近90天累计交易量行业均值比近90天退款率近90天买家数行业均值比近90天回头率131/211/2近90天平均发货时长1/311/31/31近90天累计交易量行业均值比23111近90天退款率13111近90天买家数行业均值比21111单层权重0.17860.09780.27070.23560.2173注：表8：顾客反馈指标层下的判断矩阵及计算结果顾客反馈指标产品质量满意度退换体验满意度物流服务满意度响应速度满意度产品质量满意度1335退换体验满意度1/3122物流服务满意度1/31/212响应速度满意度1/51/21/21单层权重0.52890.21940.15520.0966注：综上所述，可以得到以下电商企业信用评价指标体系，如表9。表9：电子商务企业信用评价指标体系指标体系一级指标一级指标权重二级指标二级指标相对于一级指标权重二级指标相对于目标层权重电商企业信用评价指标体系基本信息情况0.1632工商年限0.11940.0195开通诚信通年限0.22220.0363诚信等级0.20080.0327交易勋章0.45770.0747交易情况0.2967近90天回头率0.17860.0530近90天平均发货时长0.09780.0290近90天累计交易量行业均值比0.27070.0803近90天退款率0.23560.0699近90天买家数行业均值比0.21730.0645顾客反馈指标0.5400产品质量满意度0.52890.2856退换体验满意度0.21940.1185物流服务满意度0.15520.0838响应速度满意度0.09660.0522综合评价指数的构建在计算综合评价值时，由于各个指标具有不同的量纲，为了消除量纲不同所带来的差异，首先需要进行规范化处理，将所有数据规范在[0,1]之间，具体处理步骤如下：对于正向指标：对于逆向指标：结合数据，根据综合指数公式：将每一个指标的权重与指标值相乘，即可得到综合指数。实证分析数据收集与预处理阿里巴巴作为国内最大的网上交易市场和电商交流社区，汇集了大量的电子商务企业，本文数据是基于阿里巴巴平台，共选取了15家电商企业，为了消除行业不同带来的差异性，选取企业均为女装行业，分别是C1东阳市亚秋服饰有限公司、C2义乌市韩菲电子商务有限公司、C3浙江璟致日用品有限公司、C4济南励尚经贸有限公司、C5义乌市菲喆服装厂、C6宁波市海曙古林唯尔服装厂、C7义乌市若鼎电子商务有限公司、C8东莞市尚琪服饰有限公司、C9东莞市摩登谷服饰有限公司、C10义乌市鑫美服饰有限公司、C11东莞市普莱雅纺织科技有限公司、C12杭州比洋服饰有限公司、C13武汉市硚口区景甜服饰厂、C14广州韩都服饰有限公司、C15东莞市坚果服饰有限公司，根据指标体系，收集到如下数据，详见表10。表10：样本企业指标体系原始数据A11A12A13A14A21A22A23A24A25A31A32A33A34C11281027%1.279.7113%10.5468.6810C21981016%0.412.5815%17.9368.868C3228817%0.97.219%8.7386810C4179101035%1.67.529%5.7266.466C5558814%1.114.6819%28.3444.868C678846%4.91.2939%4.294646C7138842%1.042.1210%6.096888C8528613%1.460.3411%0.8966.688C91610814%6.28.8257%16.1467.646C10212423%7.70.084%0.1106010C111554817%1.92.5321%5.874466C1281646%2.40.2116%0.711010610C135681014%4.113.6850%23.714868C143410824%0.631.9249%15.1387.6610C1588101032%1.89.0640%11.7948410由上述数据我们可以知道，首先需要将数据进行规范化处理。其中，近90天平均发货时长、近90天退款率这两项指标为逆向指标，即越小越好，其余指标为正向指标，即越大越好。根据上述企业的样本数据，我们对其进行规范化处理后可得到如下结果：表11：数据规范化处理结果A11A12A13A14A21A22A23A24A25A31A32A33A34C10.080.180.760.950.010.890.921.001.000.560.810.760.95C20.050.500.440.550.000.990.701.001.000.330.490.330.44C30.190.190.800.800.010.920.721.000.870.800.600.801.00C41.000.520.580.580.000.920.431.000.320.340.370.340.34C50.170.170.280.280.000.970.521.001.000.140.170.210.28C60.871.001.000.500.000.390.150.960.530.500.750.500.75C70.110.371.001.000.040.880.261.000.760.751.001.001.00C80.620.241.000.750.000.830.031.000.100.750.821.001.00C90.050.370.620.490.000.620.540.971.000.370.470.240.37C100.200.100.200.400.020.230.011.000.010.000.600.001.00C111.000.330.260.530.000.880.161.000.380.260.260.390.39C120.800.090.600.400.000.760.020.990.071.001.000.601.00C130.210.250.330.420.000.830.570.981.000.160.330.250.33C140.090.120.310.240.000.991.000.990.470.240.230.180.31C150.670.670.840.840.000.870.760.991.000.320.670.320.84注：所有数据均保留小数点后两位。信用评价模型的应用根据前述综合评价值的计算公式，我们可以得到15家企业的综合评分及排名，如下表12所示。表12：15家电商企业综合评分及排名表公司名称综合信用值排序C70.75781C30.72512C10.70883C120.67134C80.65875C150.59036C60.55927C20.49628C90.46459C40.440610C130.383311C140.371812C110.369913C50.333914C100.246115评价结果分析为了使评价结果的分析更加科学合理，我们采用聚类分析的方法加以说明。聚类分析的核心思想是按照相似性或者距离划分成一簇，使簇中相似性尽可能高，簇间差异性尽可能大。在本篇论文中，主要采用聚类算法中的k均值算法。k均值算法将含有n组元组的数据划分为k个簇，并且使簇中差异尽可能小，簇间差异尽可能大。通过对这15家企业的信用评价值进行大致的划分，我们将一共划分为四个簇中心，再根据与初始中心的距离将其指派到最相似的簇，直至达到准则函数收敛。根据上述内容得到的综合评分表，通过聚类，可以得到如下结果。表13：聚类成员及最终聚类结果个案号公司名称聚类距离1C71.0272C31.0053C11.0224C124.0315C84.0196C154.0507C63.0698C23.0069C93.02610C43.04911C132.04212C142.03113C112.02914C52.00715C102.095根据上表的聚类结果，我们可以得到以下的评价等级：表14：评价等级区间标准>0.70.6-0.70.4-0.6<0.4评分情况优秀良好中等较差注：C15东莞市坚果服饰有限公司的信用评价值可以近似等于0.6。根据对15家电商企业的综合信用评价值进行聚类，可以看出C7义乌市若鼎电子商务有限公司、C3浙江璟致日用品有限公司、C1东阳市亚秋服饰有限公司的综合信用评分为优秀。导致这一结果的原因是这三家企业的近90天退款率较低、近90天回头率较高，顾客指标反馈情况总体较好，满意度较高。其中，C7义乌市若鼎电子商务有限公司的综合排名第一，通过数据，我们可以知道，该企业的产品质量满意度、退换体验满意度、物流服务满意度、响应速度满意度都较好，并且回头率极高而退款率低，因此，该企业的综合评分最好。C12杭州比洋服饰有限公司、C8东莞市尚琪服饰有限公司、C15东莞市坚果服饰有限公司的综合信用评分为良好。相比于评分优秀的企业而言，其顾客反馈满意度略低，而近90天买家数行业均值比、近90天累计交易量行业均值比和近90天退款率这三个指标与综合信用评分为优秀的企业差距较大。这在一定程度上表明在顾客反馈满意度大致相同的前提下，与企业的交易情况相关的指标会直接影响到企业的信用评分。在剩余企业中，我们可以看出评分为中等和较差的企业在顾客反馈指标和企业交易情况两大指标上的得分明显较低。其中，C10义乌市鑫美服饰有限公司的综合信用评分最差，从数据中可以得知，其产品质量满意度和物流服务满意度得分均为0，这是导致其评分最低的根本原因。同时也体现出目前的电商市场是以客户为导向的市场。对策建议基于上述对15家电商企业的分析，我们可以看出以客户为中心的各项指标在电子商务交易过程中具有重要意义。无论是各项满意度指标或是回头率、退款率，这些指标都在向我们传达一个信息：电子商务时代是一个以客户为导向的时代。因此，针对以上几家信用评分低的企业提出如下建议。守好产品质量的关卡一个产品质量的好坏，影响顾客的最终购买意愿，也影响着企业能否持久发展。守好产品质量的关卡，需要从生产经营的各个环节入手，形成事前预防、事中控制、事后检验的意识。事前预防是指企业在采购原料时应该提前做好“功课”，在成本效益原则的基础上，选择品质高的原料。事中控制要求企业需要将质量管理纳入生产经营的全过程并逐步达到质量管理的精益模式。事后检验是对质量管理成果的检验，检验的结果直接决定着产品是否销售。如果大量质量不合格的产品进入市场，那么这个企业的寿命也会大大缩短。提升物流服务的体验感物流服务体验感包括诸多方面，例如退换服务、物流时速等等。要想提升物流服务的体验感，可以在产品的包装上下功夫，如果产品的包装十分精致，顾客会感受到企业的用心，但同时需要考虑到运输过程中的损耗，不可为了过分追求包装而忽视了损坏情况的发生。其次，企业可以选择较大的快递公司合作，一方面可以保证物流的时效性，另一方面物流服务的态度也较好。最后，企业要做好物流信息的跟进工作，确保顾客能够及时准确的获得物流信息动态。企业适当推出奖励措施奖励措施有助于吸引顾客进行重复购买，从而增强顾客对企业的信任程度。例如对于二次购买的人群可以根据购买的数量或者购物的金额赠送其他价值的奖品，以此来提升企业的重复购买率。除此以外，企业可以根据重复购买的频率实施其他的配套措施，例如对多次重复购买的客户给予优待。但同时应该注意奖励必须要受到客户的重视，达到一定的效果，并且要考虑到企业承受奖励成本的能力，若成本过高，取消奖励，企业的信誉将会受到损伤。企业要重视客户的在线评价在线评价是网络交易的一大特点，企业要针对评价所给出的意见和建议实施相应的整改措施。随着电子商务的发展，在线评价越来越广泛。通常情况下，这种在线评价一般会明显的表达出购买者的喜恶，并且在某种程度上会反映出产品或服务的优劣，极大的影响着顾客的决策。另外，由于在线评价的传播速度快，传播范围广，因此在线评价还具有“好处不出门、坏事传千里”的特点，一旦企业的在线评价以负面为主，那么这家企业的信用状况可想而知。结论在阅览前人文献的基础上，本文主要基于层次分析法和聚类分析法，结合我国电商企业的特点，从企业基本信息情况、交易情况、顾客反馈指标这三方面入手构建了信用评价体系，并形成了电商企业信用评价模型。此外，本文在阿里巴巴平台上选取了15家电商企业进行实证分析，通过数据收集和处理，对这15家电商企业的信用状况进行综合评价，并提出了一系列提升信用评价的方法。这不仅对电商企业信用管理战略提供了新的思路，同时，也为电商企业信用研究提供了新的方向。与此同时，受到本人研究水平和