基于AHP灰色關聯分析的企業電子商務信用評價研究

黃興+肖博

摘要：企業電子商務信用是電子商務活動有效開展的重要保證。隨著電子商務的發展，企業的資質信息和交易信息呈現出系統化、規范化、動態化的特點，但大多數企業公開的信息依然十分有限，如何利用這些有限的信息對企業的電子商務信用進行評價是本文重點解決的問題。本文結合阿里巴巴平臺的企業信息，選取了反映企業電子商務信用的評價指標，利用AHP建立了信用評價指標體系，并運用灰色關聯分析對阿里巴巴平臺上5個企業的電子商務信用進行了綜合評價。

關鍵詞：AHP；灰色關聯度；電子商務；信用評價

一、引言

隨著互聯網經濟的迅速發展，越來越多的企業已經開始擁抱電子商務，絕大部分的企業依托于各種電子商務平臺取得了巨大的成功，電子商務已經成為企業交易活動的重要組成部分。根據中國電子商務研究中心發布的《2015年（上）中國電子商務市場數據監測報告》顯示，2015年上半年，中國電子商務交易額達到7.64萬億元，同比增長30.4%。其中，B2B交易額達5.8萬億元，同比增長28.8%。占電子商務市場交易額的比例達到75.9%，處于電子商務行業的主導地位。隨著眾多電子商務網絡平臺的發展壯大，越來越多中小企業選擇通過第三方平臺開展B2B電子商務活動，截至2015年末，阿里巴巴B2B內貿和外貿平臺上的國內供應商已達百萬級別，而國內采購商有1000萬，海外采購商高達1億，采購商數量遠遠多于供應商數量，B2B市場發展潛力巨大[1]。

信用是保證商務活動有序公平進行的基礎。電子商務活動相較于傳統交易活動具有交易虛擬化、交易成本低、交易效率高的特點，交易需要更高的服務性和安全性，因此全面而準確的企業電子商務信用信息是信用評判的基礎，現有的電子商務信用信息服務平臺較少，電子商務交易平臺提供的信用信息有限，不但給電子商務的交易企業帶來了商業風險，也不利于電子商務市場的健康發展。在信用信息有限和信息關系模糊的情況下，如何有效評價企業電子商務信用是本文要解決的關鍵問題。

二、企業電子商務信用評價研究概述

國外學者對電子商務信用的影響因素和企業信用風險評估的研究較多，多以實證為主。Akhter和Hobbs利用模糊分析揭示了電子商務交易的影響因素，其中信用是重要的影響因素[2]。Jones和Leonard從內部信任（自然傾向和感知網站質量）和外部信任（買家/賣家信任和第三方識別）兩個方面研究了個體對C2C電子商務賣家的信任度，建立了相關模型并進行了驗證[3]。Xu，Yingtao和Zhang，Ying提出了層次分析和集對分析相結合的方法評價電子商務信用，建立了相關模型并以中國服裝網為案例進行了實證[4]。Iazzolino和Bruni等采用數據包絡分析（DEA）建立了信用評價模型，通過對意大利某皮革公司的實證分析，證實了效率和信貸之間的關系，認為效率可以被認為是信貸風險預警評估的指標[5]。

國內學者對電子商務信用評價的研究運用了多種方法，余樂安運用最小二乘近似支持向量回歸模型（SVR）對電子商務信用風險進行了預警分析，但受限于指標設計，樣本采集難度大，因此驗證樣本數量較少，模型可靠性有待進一步驗證[6]；李菁苗等針對中小企業電子商務信用進行了研究，構建了中小企業信用評級指標體系，并利用層次分析法對指標進行了賦權，確定了信用等級的標準，但指標的選取較側重于對企業的基本信息，企業的電子商務活動情況體現不足[7]；陳鑫銘同樣利用層次分析法對C2C模式中的個人信用評估進行了研究，并給出了交易主體信用度的計算公式和評估量表，該研究選取了多個電子商務交易活動指標，指標數據易于獲取，具有一定的可操作性[8]；王學東利用模糊綜合評價法對網商信用進行了研究，在此過程中對評價指標權重進行了優化，并通過實例驗證了該方法的可用性[9]。

我國為了規范企業的電子商務活動，國家管理部門和第三方電子商務平臺通過信息平臺，提供了一系列反映企業信用的信息。全國各地工商部門配合國家工商總局建立了“全國企業信用信息公示系統”，該系統的提供了企業的基本資質，股東構成、處罰紀錄等相關信息；商務部和國資委開展全國行業信用評價活動，建立了中國商務信用平臺（BCP），擁有權威動態的信用數據庫，以提供信用認證為主要服務內容；第三方電子商務平臺，如阿里巴巴，利用平臺所掌握的交易數據，提供了一部分企業交易統計信息，并建立了一套基于交易方評價的信用評估體系。然而，“全國企業信用信息公示系統”能夠公開查詢企業的基本資質，但沒有企業開展電子商務交易的信息，無法全面展示企業電子商務的信用狀況；企業通過BCP信用認證后，雖然形成了信用評價等級，但信用等級設置較少，無法有效區分企業之間的信用差別；第三方電子商務平臺的信用評價體系以交易方的評價為依據，具有主觀性和局限性。各電子商務服務平臺能提供的有關企業電子商務信用信息有限，使用的信用評估方式單一，評估結果不能全面反映交易方的信用狀況。本文擬采用層次分析和灰色關聯分析法相結合對企業電子商務信用進行評價，其中層次分析法旨在構造各指標的綜合權重，灰色關聯分析則是定量描述指標間關聯程度以確定企業電子商務信用排序，力圖為貧信息狀態下評價企業電子商務信用的研究提供參考和電子商務交易決策提供指導。

三、企業電子商務信用評價指標體系

評價指標的選取是建立評價模型的關鍵。本研究基于電子商務平臺阿里巴巴公開的企業信息，共分3個方面，選擇了13個指標，企業信用評價指標具有以下特點：一是信用評價指標的代表性；二是數據的可獲得性；三是信用評價指標既能準確反映特定企業的信用狀況，又能兼顧不同行業企業的特點；四是與具體的評價方法相統一[10]，根據上述原則，建立的信用評價指標體系如表1所示，

在對傳統企業信用評價的指標分析的基礎上，結合電子商務企業的特點，本文主要從基本信用、交易信用、反饋信用三個方面對企業電子商務的信用進行評價?；拘庞檬瞧髽I從事商業活動的基礎，是企業生產能力的基本體現，傳統交易重視企業的基本實力，有實力的企業更值得信賴，如“百年老店、資產雄厚、經營范圍廣”等從歷史、資本、規模等方面能夠彰顯企業實力，體現企業信用；交易信用是企業在市場活動中所表現出的商品交換能力和信譽，主要體現出企業在已有的電子商務交易活動過程中所展現的守信程度，不同于傳統企業信用評價對品牌和資質的重視，電子商務信用評價更注重企業已有的交易表現，電子商務技術能夠及時反映企業交易情況，市場活動利用該技術產生的交易信息能夠通過更公平的反映企業的信用；反饋信用是交易完成后交易一方對另一方的評價，這是企業電子商務信用指標與傳統信用指標的重要區別，傳統企業信用的評價往往由于反饋信息采集困難舍棄或者忽略了該項評價指標，而隨著交易環境的改變，電子商務技術的應用，電子商務平臺為交易雙方提供了完善的反饋評價功能，這使得反饋信息作為信用評價指標成為可能。

（一）基本信用

衡量基本信用的指標包括：產品數量、員工人數、成立時間、注冊資本。產品數量是企業在開展電子商務活動中所提供的產品量，大部分電商企業經營范圍有限，多集中于某領域，因此產品數量在一定程度上反映了企業在該領域的經營能力；員工人數是企業經營的人力資源保障，能夠反映企業的生產和經營規模；成立時間是企業注冊至今所經歷的時間，通常成立時間越長的企業經營模式越成熟，具有固定的合作伙伴，品牌在市場上已具有一定的認可度；注冊資本是公司制企業章程規定的全體股東或發起人認繳的出資額或認購的股本總額，并已在相關登記機關依法登記，注冊資本一定程度上反映了企業的經營規模和實力。這些指標反映了企業的規模和經營能力，它們都能夠反映企業的基本信用。

（二）交易信用

衡量交易信用的指標包括：近90天交易量、近90天買家數、重復采購率、平均發貨速度、退款率、投訴率。電子商務降低了交易成本、提高了交易頻率，阿里巴巴等電子商務平臺采用該指標反映商家的交易活動情況；重復采購率指消費者對該品牌產品或者服務的重復購買次數，重復購買率越多，則反應出消費者對品牌的忠誠度就越高，反之則越低，重復購買是消費者獲得正面的消費體驗后所采取的行動，與之相對，退款和投訴則是消費者獲得負面消費體驗后所采取的行動；發貨速度的是企業開展電子商務活動服務的重要內容，在產品質量、價格、影響力和人氣等相差無幾的情況下，最后致勝的是服務，而電商的發貨速度、準確率、服務，則成了電商銷售的重中之重。

（三）反饋信用

衡量反饋信用的指標包括：貨品滿意評分、服務態度滿意評分、到貨速度評分。貨品滿意評分主要是反饋之前購買過該商品的買家，對這個商品本身的綜合評分，為其他買家下單購買該貨品時提供參考；服務態度滿意評分是交易過程中買家感受到的商家表現出的整體服務水平，并對商家的服務進行的反饋評分；到貨速度雖然與商家所選物流公司的相關性較大，但物流作為電子商務交易的重要環節，該指標評分依然會影響到顧客的交易體驗，間接影響到顧客對商家的整體評價，因此阿里巴巴電子商務平臺將到貨速度作為用戶反饋的三大評分之一歸屬于企業交易檔案。

四、企業電子商務信用信息評價模型

（一）企業電子商務信用指標權重

根據上文所述企業電子商務信用評價指標體系，運用德爾菲法進行指標打分，形成判斷矩陣；進行層次單排序并進行判斷矩陣的一致性檢驗；確定各層評價因素的權重，并形成各指標最終評價權重，只要所有判斷矩陣都具有一致性，就可以說明AHP法評價層次的總排序是一致的。形成最終評價權重序列為W=（w1，w2，……wn）

（二）評價指標無量綱化

本研究中所選取的評價指標分為效益型（越大越好）和成本型（越小越好），為了消除不同指標、不同量綱的影響，針對不同類型的指標采用不同的無量綱化處理方法，將其規范為隸屬于[0，1]區間的指標。設Xij是企業i的指標j的值，X*ij是無量綱化處理的結果值，maxXj是指標j的最大值，minXj是指標j的最小值，則

（三）灰色關聯分析

灰色關聯分析是灰色系統理論的重要信息分析技術之一，它從系統離亂、隨機的行為特征量中確定因子之間的關聯程度，因此對屬性因子進行灰色關聯分析能有效實現不同企業電子商務信用的比較評價。

灰色關聯分析可以對兩個灰色系統之間的相似性和相近性進行比較。對于電子商務信用的灰色系統評價問題，設有m個待評價的企業，評價指標有n個，由此企業i所形成的指標數列為Xi=（Xi1，Xi2，……Xin），i=1，2，……，m。分別取待評價企業指標的最優值X0j，則可以形成最優指標數列X0=[X01，X02，……X0j]，j=1，2，……，n。該最優值是多個企業相同指標中的最優值，也可以是評估者公認的最優值。既要考慮現實可行性，又要考慮最優性。若最優指標選得過高或過低，則不符合實際情況，評價的結果也就不可能正確。選定最優指標數列后，以它為標準，計算關聯系數，設第i個企業的第j個指標與最優指標數列j指標的關聯系數為ξij，則

（四）加權灰色關聯評價模型

根據指標評價權重序列W和指標關系系數矩陣E，可得加權灰色關聯評價模型R=W*E，即

Ri=∑Wj×ξij

其中，Ri為第i個被評價對象與最優對象的加權關聯度，如果關聯度最大，則說明被比較數列與最優數列最接近，即此企業信用最優，據此，便可排出各企業信用優劣次序。

五、實證分析

（一）企業樣本選取

實現交易的影響因素眾多，而信用是電子商務活動中交易雙方都非常重視的因素。在購買商品過程中會產生多個候選交易對象，在商品目標明確，商品價格相差不大的情況下，最終影響決策的是交易對象的信用。因此，本文在阿里巴巴交易平臺上選取了5個銷售同類商品的企業樣本，根據表1的所列指標采集的原始數據如表2所示，

（二）企業電子商務信用評價指標權重計算

通過專家評價小組進行評價，按照AHP法進行處理，計算各個層次指標權重，如表3所示，

（三）數據無量綱化處理

本研究所選指標多屬于效益型指標，指標取值越大越好，采用效益型指標規范式處理；發貨速度越小越好，因此采用成本型指標規范式處理；退款率和投訴率采用逆化處理，形成非退款率和非投訴率；由于企業所屬行業情況各異，因此交易信用各指標行業均值略有區別，為消除行業差異，交易信用各指標分別取商家實際值與行業均值的比值后再采取無量綱化處理。原始數據無量綱化處理后如表4所示，

（四）企業電子商務信用評價指標關聯度計算

1、確定最優指標集數列，由于所有指標均以統一為正向指標，所以從各指標中分別選取最大值作為最優指標參考數列。如表4所示，

2、計算灰色關聯系數，在此，利用重慶工商大學曾波博士開發完成的“灰色系統理論建模軟件”GTMS7.0[11]計算參考序列與被比較序列的關聯系數，形成關聯系數矩陣：

3、計算加權關聯度，根據信用指標權重序列和關聯系數矩陣計算加權關聯系數，五個企業電子商務信用的評價結果如表5所示，

由表5可知樣本企業的電子商務信用關聯度大小及排名，其中A公司信用關聯度最高，在5個企業中具有最優秀的電子商務信用。

六、結語

本文以阿里巴巴電子商務平臺上的企業為樣本，構建了信用評價指標體系，具有一定的現實針對性。根據現實中貧信息的情況，利用AHP和灰色關聯相結合的方法對企業電子商務信用進行了綜合評價，既避免了主觀判斷的影響，又兼顧了不同評價指標的重要程度，為企業電子商務信用的評價提供了新的思路。（作者單位：1.華中師范大學湖北省電子商務研究中心；2.華中師范大學信息管理學院）

參考文獻：

[1]100ec.2015年阿里巴巴B2B用戶數據分析報告.[EB].http：//b2b.toocle.com/detail——6317855.html，2016-03-12.

[2]AKHTER F，HOBBS D，MAAMAR Z.A fuzzy logic-based system for assessing the level of business-to-consumer（B2C）trust in electronic commerce[J].Expert Systems with Applications，2005，28（4）：623-628.

[3]Jones K，Leonard L N K.Trust in consumer-to-consumer electronic commerce[J].Information & Management，2008，45（2）：88-95.

[4]Xu Y，Zhang Y.A online credit evaluation method based on AHP and SPA[J].Communications in Nonlinear Science and Numerical Simulation，2009，14（7）：3031-3036.

[5]Iazzolino G，Bruni M E，Beraldi P.Using DEA and financial ratings for credit risk evaluation：an empirical analysis[J].Applied Economics Letters，2013，20（14）：1310-1317.

[6]余樂安.基于最小二乘近似支持向量回歸模型的電子商務信用風險預警[J].系統工程理論與實踐，2012（03）：508-514.

[7]李菁苗，吳吉義，章劍林等.電子商務環境下中小企業信用評價[J].系統工程理論與實踐.2012，（3）：555-560.

[8]陳鑫銘，馮艷.C2C電子商務信用評估體系研究[J].圖書情報工作.2009，（14）：134-137.

[9]王學東，金芳芳，朱洋等.模糊綜合評價法在網商信用指數測度中的應用研究[J].現代情報，2013（09）：10-14.

[10]謝愛榮，田盈，袁壹.多層次灰色評價法在中小企業信用評價中的應用[J].成都大學學報（自然科學版），2007（02）：160-162.

[11]劉思峰.灰色系統理論及應用[M].北京：科學出版社，2010.