电子商务信用评价的算法有几种？

摘要：本文在对淘宝C2C市场交易员信用评价指标进行有效评价的基础上，提出了一种更合理、更简洁的两维（已知/未知、积极/消极）新算法，以取代传统的单维累积或比例信用评价模式。电子商务信用评价的传统算法主要有两种，一种是累积法，另一种是比率法。就淘宝而言，其主要信用评价指标是通过累计法构建的，即三个评价阶段：好评、中评、差评；好评加一分，中评不加分；差评扣一分；当该分数累积到规定值时，可升级为一心级至五皇冠级，共20级信用等级。此外，淘宝还通过比率法构建了一些相对次要的信用评价指标，如好评率（好评率占所有评价的比例）、动态评分等。但在逻辑和实践方面，累积法和比率法存在问题。前者的问题是皇冠店几乎都是老店，老店可能不会欺负顾客。后者的问题是，当交易次数较少时，得出的好评率值很可能是偏概全。上海财经大学钱革博士一直对经济心理和行为的测量非常感兴趣，在SCI和EI双检索的学术期刊SENSORLETERS第10卷1-2期上发表了题为“Psychometricalysidityoftrustevaluatingindicatorsinc2COnlineMarkets:ACaseStudyofTaobao”的论文，本文的主要内容是在对淘宝C2C市场交易员信用评价指标进行有效评价的基础上，提出了一种更合理、更简洁的两维（已知/未知、积极/消极）新算法，取代传统的单维累积或比例信用评价模式。虽然作者认为本文提出的新算法对电子商务的理论和实践具有一定的意义；但可能是SENSORLETERS技术期刊，而不是管理期刊；此外，作者的母语是中文，有些意思没有用英语清楚地表达出来。虽然作者认为本文提出的新算法对电子商务的理论和实践具有一定的意义；但可能是SENSORLETERS技术期刊，而不是管理期刊；此外，作者的母语是中文，有些意思没有用英语清楚地表达出来。在过去的五年里，这篇文章没有引起太大的反响。虽然一些同时或以后的文献也质疑淘宝通过积累法建立的信用评价指标体系的合理性，但提出的替代算法大多基于模糊数学和复杂的统计模型，难以直接应用于C2C电子商务交易员信用评价实践，需要及时处理大量数据，普通交易员不容易理解。因此，这篇文章的作者在这里重新提到，为了促进我国电子商务诚信交易和健康发展，本研究成果可以做出微薄的贡献。在提出新算法之前，本文从日常生活的例子中介绍，试图建立统一累积法和比率法的逻辑基础，本例见下表：90-10=80(90/100)累积法比率法新算法*100% =90% 好：90% 坏:10%年轻人20(20/20)*100% =100% 好：20% 坏：0%未知：80%在上表中，我们假设每个人都活100岁，而且每年只能做一件事，就是一辈子总共做100件事。刚去世的100岁老人一生做的100件事中，有90件好事，10件坏事；而一个年轻人才20岁，做的20件事都是好事。在一个刚去世的100岁老人一生中做的100件事中，有90件好事和10件坏事；一个年轻人只有20岁，他做的20件事都是好事。从逻辑上讲，无论是根据累积法说老人比年轻人好，还是根据比例法说年轻人比老人好，恐怕都是不合理的。本文提出的新算法从两个维度(已知/未知和积极/消极)进行评价，评价结果更加实用。接下来，我们将上述两维评价逻辑应用于C2C电子商务交易员的信用评价，见下表。已知了新算法的累积算法（Known）P已知=V信用等级/20未知（Unknown）P未知=1-V信用等级/20比率算法（Positive）积极=P已知*P好评消极（Negative）除了算法本身的合理性外，作者认为P消极=P已知*(1-P好评)应用于电子商务实践，数据的可用性和计算的简洁性也非常重要。因此，本研究试图利用淘宝现有的指标数据：一方面，积累的数据越多，我们对交易员的了解就越多，未知就越少。本研究以交易员的信用评级（淘宝20）作为已知的定量指标，信用评级如下图所示：2012年2012年，与当前淘宝信用评级相同，但图标略有变化；第二，本文的研究对象中没有三个皇冠或以上的商店。另一方面，在确定了已知的百分比值后，将已知的百分比值乘以淘宝上现有的好评率，即积极评价的比率。另一方面，在确定了已知的百分比值后，将已知的百分比值乘以淘宝上现有的好评率，即积极评价的比率。将已知的百分比乘以非好评率（即中间评价和差评率，原因是淘宝只提供好评率，另一方面，由于淘宝默认好评率高，中间评价实际上表示消极评价），即消极评价率。