1、C2C 电子商务模式下卖方信用评估体系研究摘 要：本文针对现有 C2C 电子商务模式下常用卖方信用评估系统存在的问题，从买卖双方的交易行为中提取商品信息完善度、商品价格、商品质量等 7 个指标，建立全新的卖方信用评估体系。实例分析表明，该方法可以有效地解决卖方故意炒作、恶意欺诈等行为，为买方客观评价商品提供了可信的参考依据。 关键词：C2C 模式；电子商务；信用评价 0 前言 随着计算机技术和网络技术的发展，电子商务逐渐发展成为一种常见的商业交易模式。据中国互联网络信息中心（CNNIC）统计，2012 年网络购物交易金额达到 12，594 亿元，占社会消费品零售总额的 6.1%。而在电子商务中
2、 C2C 模式（customer to customer）是最活跃的一种运营模式，即：个人用户利用先进的电子商务平台和电脑等软硬件设备，在电子商务平台上开展的商品交易活动1-2。 C2C 模式具有方便快捷、投资成本低、从业要求低等特点，不仅适合小资本持有者或大学生进行创业，也为部分消费者提供了一个类似于二手交易市场的运行平台，迅速发展成为一种常见的电子交易模式3-5。但是，由于电子商务虚拟性特点，买卖双方往往只能通过网络进行协商交易，在此过程中无法见到实物，再结合 C2C 模式准入门槛低且无资本保证，C2C 模式中的商品产地、价格、质量、品牌、售后服务等相关信息几乎完全要靠买方的估计，存在着严
3、重的信息不对称问题，暗藏着巨大的交易风险，它将成为制约 C2C 模式进一步发展的重要因素。 因此，C2C 模式中卖方的信用问题就显然异常重要，开展 C2C 模式下信用评估方法研究，通过分析卖方历史交易行为和消费者评价，设计具有针对性的信用评估计算方法，对目前卖方行为做出较准确的评估，不仅有助于消费者判断分析产品，也有利于 C2C 模式的健康、可持续发展。1 电子商务中信用评估的常见问题 目前，国内外的电子商务平台最常见的企业信用评估方法就是消费者的售后打分与评价，比如淘宝、拍拍等电子商务平台都采用售后打分系统对商品质量、卖家服务、物流服务等电子商务交易行为进行评估，以供其他消费者参考。但是，此
4、类信用评估系统仍存在一些问题： 1）信用评价体系甄别能力差。在我国常见的电子商务信用评价体系中，只要交易成功，无论交易金额多少都拥有售后评价权力。因此，卖方可能通过促销、团购等手段出售大量的低价商品以较快的获得信用评分，等到信用等级达到一定程度后，卖方可以通过修改商品信息的方法，用高价的另一种商品替代原来出售的低价商品，直接造成原有商品评价失去了参考价值；同样的，此类评价体系不仅难以遏止信用炒作，也难以区别正常差评与恶意差评，对于卖方之间的恶意竞争，或者买方的恶意欺诈也无法做出及时有效的处理措施，可能会对卖方造成巨大的信用危机。 2）信用计算方法简单、无差别。现有的信用评估或计算方法异常简单，
5、常常采用好评+1，差评-1 等累计算法，无法客观公正地评估卖方销售行为，难以杜绝卖方的恶意销售。比如，卖方卖 10 件同类产品，有 9件是真品，1 件是假冒伪劣产品，但从信用评价系统来看，其信用积分还是在上涨，极容易误导消费者。 3）信用评价涵盖面小。现有的信用评价模型只是涉及交易过程，只是简单评价产品质量、服务质量和物理质量，虽然电子商务平台还提供了留言评价，但是，如果销售量比较大，买方很难全面阅读所有评价，更何况部分商家以好评还现金等方式，鼓励买方好评，直接干扰了消费者对商品的评估。考虑到资本的趋利性，信用评价模型最好加入一部分反映卖方经营行为的信息，比如销售额变化、在线客服使用率等，使得
6、信用评价能够考虑到卖方的营业利润和营业积极性。 2 卖方信用评估体系的构建 2.1 信用评估分级指标 由上述分析，考虑到 C2C 模式下卖方经营行为，可建立如下的信用评估体系： 表 1 信用评估分级指标 卖方信用评估体系本着简单实用的目的建立，综合考虑了买卖双方的行为，设置了客观指标、主观指标两大类共 7 小项进行评估（表 1） 。其中，客观指标主要针对卖方行为做出评价，并计算相应信用评估分数，而主观指标则是根据消费者售后打分以计算信用等级。 2.2 信用评估分级计分方法 本文所涉及的信用评估分级计分方法主要是为了克服现有信用评估方法的缺点，动态的反映卖方信用变化情况，为此采用分级计算和阈值计
7、算相结合的方法进行计分（假定现有积分为 A）： 1）商品信息完善度：评估商品信息完善度主要是为了解决商品信息不对称问题，在商品销售时，要求卖方必须一次性将商品信息全部登记完毕，如果销售过程中有更改，则在原有的积分上扣除 5%。 2）商品价格。将商品价格从低到高划分为若干区域，进行分级计算，比如a b、b c、c d等，如果卖方将商品价格从低价跳到高价，比如从区域 1 调整到区域 2，则在原有积分上除以 2，如果从区域 1 调整到区域 3，则原有积分除以 3，且价格改变后三日内获得的评分均除以相同的调整权重，依次类推，使得卖方信用随着商品价格的变化而变化，若商品价格从高区域调整至低区域，积分保持
8、不变。 3）销售量。综合考虑卖方近 10 天的销售量，如果前日销售量比平均销售量高 5%，则提高 1%的评价积分，否则不变。 4）服务时长。综合考虑卖方近 10 天的服务时长，如果前日服务时长比平均服务时长高（高于 8 小时） ，则提高 1%的评价积分；如果服务时长低于 8 小时，则扣除 1%的评价积分。 5）商品质量。好评+1 积分，差评-1 积分。在差评、好评比高于1：50 时，对此差评积分采用阈值方法处理： 其中， A1 表示当日差评积分，N 表示当日差评数量，D 代表出现该情况连续天数，即：如果短时间（1 日）内，差评超过 20，则视为故意差评，其差评积分*0.1 记入总分。如连续 3
9、 日均有差评 2 次以上出现，则视为卖方可能存在周期性欺诈，差评积分以指数积分。 6）服务质量、物流质量与商品质量积分方法相同。 3 实例分析 3.1 卖方欺诈分析 假定 10 日前积分为 500 分，近 10 日内，卖家日平均交易量 50 件，当日交易量 56 件，共收到好评 500，差评 22，且每日差评均超过 2，差评和好评之比为 1：20；商品价格信息未做调整，价格未变，卖方每日均在线服务，则其评分走势图如图 1 所示。 图 1 卖方欺诈行为分析图 一方面，由卖方恶意竞争导致的差评，一般呈井喷状态出现，否则难以在短期内达到效果，因此，可分析该案例恶意差评的可能性较小；另一方面，如果是由
10、于消费者过于挑剔等等原因引起的差评，不可能出现如此高的差评、好评比，因此，极可能是由于卖方周期性欺诈引起的。从图 1 分析可知，当存在卖方欺诈可能时，原有计分方法并不能很好的区分，但新建的积分方法却可以得到较好的处理，能够较快速的反映卖方的信用存在问题，且随着欺诈行为的继续，信用积分快速降低，可以给消费者及时示警。 3.2 卖方炒作分析 将商品价格从低到高分为 10 类：0，50、50，100、100，200、200，500、500，1000、1000 2000、2000 5000、5000 10000、10000 20000、20000 -；假定卖方 10 日前积分为 500 分，近 10 日销售情况，前 5 日商品价格也与以往相同为 30 元，第六日调整价格为300 元，10 日内共获得好评 2000，差评 10，卖方每日均在线服务，则其评分走势图如图 2 所示。显然，该案例中，卖方存在炒作嫌疑，因此必须将该情况反应到信用评级中。 图 2 卖方炒作行为分析图
