电子商务中的计算机体智慧：评价系统中的激励方案设计
摘要：在大多数的电子商务网站，评价系统都是用来在交易之后评价每一个使用者。通常，卖家在电子商务中的评价得分是基于买家所给的分数计算的。在最新的电子商务网站中，评价是基于每一个用户经过思考所给出的多种属性的集合。从这个观点出发，卖家的在电子商务活动中的评分是买家们的集体智慧，综合得分是计算智慧，因为无论是否与卖家进行交易每一个买家都作出自己的决定。在这篇论文中，我们讨论电子商务评价系统中的计算智慧。然而，为了避免交易内容中的非对称的和不完全的信息，我们设计了一个交易评价的机制。在此之后，我们给出了实验一验证在我们预定的机制中成功的交易的比例。这篇论文的价值在于给出了电子商务中计算智慧和评价机制设计的理论研究，并展示了预想的机制的效率。关键字：评价系统；电子商务；激励设计；不完全信息；不对称信息
1．引言
计算智慧是一种信息形式，这种信息是有字体向上的信息构成。他们中的一些在人们做选择的时候非常有用和实用。在最近这些年，计算集体智慧子在网络中出现，并且帮助实用者做出决定。特别的，交易评价从使用者到评价贸易者中搜集信息。这为人们提供了买家的基于多属性标准的特性。随着网上市场规模的扩大，网络中的犯罪和欺诈现象逐年增多。通常，电子商务网站提供卖家的评价功能以使得卖家的信息公开。电子交易市场的评价系统是保证交易提供并且提供安全交易的强有力手段。即使电子商务使用简单的评价系统，这个评价系统对于预防非诚信行为很有效。现有的评价系统使得用户输入排序基于单一的评价属性，因而具备严重的局限。尽管，卖家在电子商务网站中提供了不完全的信息，买家或许不能在卖家的评价系统中声明。在这样的情况下，在买家和卖家之间具备很多不对称信息。
<img src="http://ww1.sinaimg.cn/mw690/9b3bfceftw1ehh5mpuvezj20eg06umxl.jpg" width="520" height="246" class="alignnone" />
电子商务中的评价系统
为了解决电子商务和评价系统中的这个问题，我们提出了一个新的评价方法，在这分方法中卖家开放了很多项目的可靠信息。在我们提出的方案中，卖家可以自由的选择那些对于卖家十分重要的评价属性。对于卖家的综合评价基于大量的属性。也就是，总体的评价分数取决于评价的项目的个数，我们的模型给出了卖家的额外的评价点。当一个卖家提供了很多评价信息时，即使每一个分数不是很高，买家或许可以考虑这样的卖家的信誉。这也就是说卖家会尽可能多的在评价系统中提供自己的信息。这样，卖家就会愿意设置更多的评价选项供买家评价。在文章的最后，我们提供了实验结果来验证我们模型的特点并给出一些关于卖家策略的讨论。
这篇文章的主要贡献在于验证激励信息开放的评价机制，验证卖家在提供了多种验证属性之后可能会达成一个成功的交易，除非买家给了给更少的验证属性打高分，并且讨论了在这个模型下卖家的最好应对策略和买家的实际选择偏好。
2.电子商务集体智慧
A．贸易者评价系统
在电子商务评价系统中，沃恩可以看到很多以前交易者输入的有用信息。当一个卖家的评价分数不是很高时，你或许不会与之进行贸易。当你想尽快获取一个商品时，你或许集中注意运货速度的属性而不是总体评分。每一个评一般都是由以前用户提供的分数所计算的平均值。同样，总体的综合评分是每一项属性的平均值。也就是说，我们可以知道在电子商务中的集体智慧。确切的说，随着样品数量的增长，评价的可靠性也在提升。
然而,总体的得分并不反映卖家的特点。同样，如果产品的分类不一样从而具备不同的特性，总体的评分也不能反映交易历史。在下一章中，我们将展示一个案例，在这个案例中产品由于不同的分类而导致评价分数无法相比较。
B．不同的评价
考虑到当你在英特网商店中买一个食品的时候。在你买一个像肉这样的新鲜的食物的时候，你或许会关注食品的运送速度。另一方面，当你买一辆摩托车的时候，你获取会在众多的评价标准中关注更加详细的信息。同样，你回去会思考交易者是否受信任。当你买一件电子设备的时候，你或许会思考设备的生产地和设备的品牌。在这样的条件下，可以使用通用性的评价标准。每一类别的产品都具备一个特定的评价属性。
<img src="http://ww3.sinaimg.cn/mw690/9b3bfceftw1ehh5mr3ytkj20eg08k759.jpg" width="520" height="308" class="alignnone" />
评价的标准
C．电子商务计算集体智慧
在传统的评价系统中，由于评价属性固定，显示评价结果的方法非常简单。然而，正如上一章显示的那样，每一个分类具备一些特殊待评价的属性。于此同时，在不同分类中评价属性的数量也是不一样的。然而，决定评价的标准并不容易。为了解决这个问题，我们提出了一个适用于电子商务的新的评价方法。图2和图3显示了这个方法的大体结构。如下：首先，卖家决定评价属性，随后，买家评价卖家的这些特性。当卖家被一个买家评价之后，评价标准就明确确定了。在这些过程中，评价分数依据我们提出的控制值得不同而不同。使用我们的方案，卖家就具备了尽可能的公开他们的信息的动力。同样，卖家也就会尽力小心的进行交易活动。
<img src="http://ww2.sinaimg.cn/mw690/9b3bfceftw1ehh5msga9pj20fa06qjs4.jpg" width="550" height="242" class="alignnone" />
评分的计算
3．初步的讨论
A．非完全信息
在网上商店中，买家只会看到在浏览器中显示的关于商品和卖家的信息。买家不能够通过因特网确切的知道商家的实际信息，除非他们购买了商品。在这些情况下，每一个电子商务网站都展示了不完全的信息。在一个市场中，在买家和卖家之间的大量的层次不齐的信息对于他们来讲是一个问题。这些情况展示了非对称信息的问题。一些卖家具备很好的信誉，然而另一些卖家则隐藏商品的不足并且不提供不利的信息。这导致了不公平交易。对于买家而言，填充他们和卖家之间的这种信息鸿沟是重要的。当交易中存在不公平的问题时，买家有时候会在买商品的时候做出了错误的决定。这意味着供买家使用的工具因为不公平的信息规定而效益降低。
B．评价不同
在卖家之间的不同评价每一个买家在互联网交易中的决定。比如说，我们考虑这样的情况，买家试图购买一件商品。当在同一种商品中存在同样价格的两个备选商品项目，买家或从评价较高的那个卖家手中购买商品。这意味着总体评分影响着买家的决定。尽管价格在不同的卖家提供的商品不同，买家通常依据风险性选择交易伙伴。也就是说，总体的实用性表示为U，它包含价格P和集合功能函数F的风险度R，对于第一个商品实用和卖家U值是U1=F(P1, R1)，对于第二个商品和卖家的U值是U2=F(P2, R2)。买家依据U1和U2之间的值不同而做出选择，而不是P1和P2的不同，或者R1和R2的不同。这样如果卖家的评价得分很低，买家有时候不会去看这个卖家的网站。
C．相关的工作
在线交易系统中的评价系统研究是一个热门研究话题，很多研究成果都已经发布。小林光一在考虑到网路结构的基础上分析了网上交易的评价机制，也就是，卖家和买家之间的关系。这个研究成果提出了一个新的网络结构的评价模型以取代在买家和卖家之间交易的评价。更进一步的说，在这项研究成果中，他实现了评价系统的网页的评价算法。它同样通过实验分析确保算法的有效性。
Ming分析了网上交易的指数平滑评价方案。它分析避免由于坏的评价产生的巨大影响而导致的末尾的评价结果所形成的欺诈。当卖家重新排序欺骗交易中的买家的时候，这具备了很大的影响。
Shanshank分析了网络交易中的使用概率推导来提取不同的交易者的方法。Fasanghari分析了在线交易中的基于模糊逻辑的构造用户特征的评价方案。Usui通过比较评价系统中的存在的或者不存在来显示评价系统对于市场复兴的重要性。Yamamoto通过在互联网中的实际的实验来分析用户的行为信息。他同样分析了对于用户而言重要的信息以及通过分析网络交易协议来验证帕雷托效率分布。它显示了在互联网交易中，当提供了很多不对称信息并且存在一些专家的时候，这些不对称信息和专家提供的关于商品质量的真实声明时，协议可以以此来制定。
然而，他们中的大多数没有提及评价系统中的可以避免不完全的和非对称信息的安全机制。
4.评价模型
在这一部分，我们提出一个基于信息质量和开放度的评价模型。首先我们提出了评价的标准的概念。在现存的评价体系中，用户有时候会因为无标准的评价而困惑。比如说，流行的电子商务网站只提供综合性的评价。其他的提供了诸如快递速度，对客户的礼貌这类的对属性评价。然而，卖家如何获取快递速度的好的评论？如何获取关于对买家态度的正面的评价。尽管一个卖家在帮助和照顾客户时持有相同的态度，每一个来自买家的评论或许不同。这样，为了获取更多的有用信息，我们设定的评价系统中设置了具体的标准。具体的说我们为卖家设置了鼓励机制来提高他们的交易技巧。
A．模型
卖家的被买家评价的评价索引。定义I={1,2,3…，i，…n}。印象值A={α1，α2，…，αi，…，αn}定义当一个买家在电子商务网站看一件商品的信息的印象。印象值B={β1，β2，…，βi，…，βn}定义一个买家在收到一件商品的时候的印象值。当属性αi=βi， 买家对于实际的和网络上的商品的印象值相同。当属性αi >βi，买家对于浏览中的商品的印象要好于接到的商品时的印象。但属性αi
查看完整版本： 电子商务中的计算机体智慧：评价系统中的激励方案设计
Tags: