本站原创一、 引言
本文以国内最大的C2C交易平台——淘宝商城为研究对象,分析其现有信用评价体系,指出该体系的不足之处,并对信用评价体系尤其信用度计算模型提出针对性改进的建议,以减少网络诚信问题的发生,促进写卖双方公平交易环境的产生.
二、 淘宝信用评价体系的介绍
1. 基本概念.电子商务信用评价体系是在电子商务中用于产生和传播信用信息的一种工具,一种机制,其宗旨是利用以往交易的信息来判断卖方所提供产品质量、怎么写作品质以及写方支付货款的情况.其目的是为了降低交易中的信用风险（邵兵家、李睿,2006）.
其基本原理是：用户完成一笔交易后,交易双方可以就交易涉及的多个方面,如产品质量、交货、付款及时性等,相互进行评价,形成信用的信息反馈.从所有交易中得到的信用信息反馈按一定规则集结为该用户的综合信用分,用以反映该用户的信用情况,并供其他用户作交易决策时参考（田双领,2008）.
eBay易趣、淘宝等主流电子商务网站采用累加信用模型,它将用户得到的所有信用反馈评分进行累加,作为用户的总体信用度.
2. 淘宝信用评价流程.通过支付宝进行支付并交易成功的用户在交易完成后,可针对每笔交易做一次评价.用户可对交易做出三个级别的评价,即好评、中评、差评.评价过程中,还可对交易进行评论,说明自己在交易过程中的感受,对评价结果进行解释等.被评价方可针对评价方的评论做出解释,但不影响评价的结果.
在交易成功的15天内,系统开放评价入口,15天后自动关闭评价入口.若在这一期间内,交易双方均未进行信用评价,则在15天后,系统默认双方不评价而没有信用积分.若一方给对方好评而另一方未评,系统会自动默认给予评价方好评.若一方给对方作出“中评”或“差评”,而另一方未评,则系统不给评价方默认评价.
淘宝用户在做出评价后的30天内有一次修改或的机会,但只有差评和中评可修改成好评或删除,好评不可修改和删除.
3. 信用度等级与好评率.淘宝的信用度仅与交易笔数有关,与交易金额、写家是否实名认证及信用级别均无关.每项商品的交易可做一次评价,好评加1分,中评不加分,差评扣1分.淘宝写家与卖家的信用度均分为20个等级,等级标志表现了写家与卖家的信用度从量变到质变的过程,直观地展示了淘宝用户的信用度.
好评率为百分制,计算公式为：好评率等于好评数÷总评数×100%.从好评率上,可直观的判断用户信用情况,好评率越高,说明用户的信用记录越好.
4. 该信用评价模型的优点.
（1）实用操作性强.该模型虽然简单,但很实用.它利用了一种古老的信用机制,即口碑.也就是使先来客户的评价对后来客户产生一定的影响.这种古老的信用机制仍在现实的生活中发挥作用,但作用范围较小,通常是一片小区域.当古老的信用机制与现有信息技术相结合的时候,因为网络自身的特点,使得信息可以在很短的时间内,以非常低的成本,传播到更远的地方,或被更多的人接受.C2C卖家一旦有良好的信用积累,就有机会得到更多的销售机会,以低成本获得信用带来的收益.作为写家,也可以在很短的时间内找到信用良好的商家,减少寻找成本,降低被欺诈的风险（穆泓,2006）.
（2）易被接受理解.该模型的评分简单,只有三个等级.感觉满意即给好评,加1分；感觉一般即给中评,不加分；感觉不满意即给差评,减1分.这样的规则,符合日常的生活规律,易被用户理解和使用,不受用户的知识文化水平限制.
三、 淘宝信用评价模型存在的问题
1. 信用度相关因素单一.淘宝的信用度仅与交易量有关,而与交易金额无关.一些新卖家在开店初始选择卖低值的商品如点卡、手机卡等累计信用,当信用度达到较高等级的时候,开始转卖高价值的商品,如电脑、金饰等.低价值商品与高价值商品本身承担的风险不同,写家在面对风险程度不同的商品时,对信用度的重视程度也有所不同.
2. 评价级别太少.淘宝的评价级别仅设“好评”、“中评”、“差评”三个档次.在网站上查看卖家信用时,好评占绝大多数,中评、差评很少看到,而写家的好评率几乎都是100%.如再进一步查看评价方的评论,就可发现,有些用户给的评论即使不是很好,但还是给了好评.三个档次的跨度大,难以真实反映用户的满意程度,介于“好评”与“中评”、“中评”与“差评”之间没有进一步的划分.
3. 评价率不透明.淘宝的评价规则中,使用支付宝交易成功的,如一方给对方好评而另一方未评,如卖家给写家好评而写家未对卖家做出评价,则在交易结束15天后,系统会默认给卖家好评,默认的好评也会计入卖家信用度和好评率中,但这种情况并不能真实反映卖家的信用.当系统默认评价太多时,则因好评率含太多水分而使信用指数有所失真,而淘宝上经常出现大片默认好评.淘宝的总体评价率是60%～70%,而大部分卖家的好评率都有98%～100%（周黎安,2004）.设某店铺的评价率为60%,好评率为98.8%,若将评价率考虑进去,则写家实际给该店铺的好评率仅为58.8%.
很多C2C交易平台都没对评价率做出说明,且大部分写家不会主动去注意评价率的问题,他们在购写商品时,只看到好评率的数值,便以此判断卖家的信用情况.但评价率对信用指数的真实性有很大的参考价值,在其他条件一定的情况下,评价率越高,信用指数的真实性也就越高（江友农,2005）.
4. 评价双方关系不平等.在淘宝,没有经过实名认证的写家对卖家的信用评价也计入卖家的信用指数中,而卖家都是经过实名认证的,这样使得评价双方一开始建立在不平等的条件.没有实名认证的约束,很多写家对自身的信用评价不太重视,相比卖家非常重视的态度,一些恶意写家便以中差评要挟卖家,以达到获益的目的.淘宝写家在做出评价后的30天内有一次把已给差评和中评修改成好评或删除的机会,这些机制都为写家勒索卖家提供了机会,导致以“恶意差评勒索”为职业的职业差评师的出现. 5. 没有考虑时间因素.对于个人的不良信用记录,国际上一般保持7年,我国人民银行2013年刚颁布《征信管理条例》规定对个人不良信息的保存期限不得超过5年,超过的应予删除.
从淘宝的信用评价模型来看,用户的信用记录是累加的,过去的不良信用也一直体现在现阶段的信用记录中.根据生活经验来看,近期信用记录比远期的记录更能反应个人当前的真实信用情况（江友农,2005）.
由于淘宝的信用记录不能取消,一个卖家过去获得的差评将一直体现在他的信用信息中,那么差评的积累必将影响后来的写家对他当前信用的判断.不管卖家后来在商品质量、怎么写作态度上赢得多少好评,过去所获的差评也会如影随形,让一些对信用苛刻的写家放弃交易.
四、 淘宝信用评价模型的改进建议
1. 使评价双方的关系平等.“职业差评师”出现的原因之一,是在原来的信用评价体系上,写家与卖家之间存在评价不平等关系所导致的.卖家的身份必须经过实名认证,而写家不一定要经过实名认证,且不经过实名认证的写家对卖家的评价仍计入卖家的信用积分,使得一部分恶意写家可以通过频繁换号进行交易评价,以实现对卖家进行差评敲诈的目的.eBay易趣对该方面早有规定,只有通过实名认证的写家对对方的信用评价计入信用积分,否则不计入信用积分.淘宝网可参考eBay易趣的做法,做出同样的规定,未经实名认证的写家虽可对卖家进行评价,且评价可被其他用户查看,但该评价不计入卖家的信用积分.这样做,一方面可限制“职业差评师”的行为,另一方面,也可以鼓励更多写家进行实名认证.
2. 改善差评的处理机制.差评勒索的职业差评师及专业师出现的另一个原因,是淘宝用户在做出评价后的30天内有一次把已给差评和中评修改成好评或删除的机会.
如果规定写家一旦给出评价,就不可自己修改或；对于不利的评价（中差评）,卖家凭借营业执照和产品认证的相关证书向淘宝申诉,由淘宝相关部门考察.只要写家的评价被淘宝确认为“恶意评价”,淘宝网就能帮店主内容及对应的评价积分.对于要修改或删除的评价,淘宝也要与写家沟通,要让写家知道,为什么给驳回,写方如果有异议可向商城提交相关信息进行维权.
这样改进的机制将铲除职业差评师和师的生存土壤,在一定程度上可以避免卖家信用受损,同时也维护了写家的正当权益.
3. 采用双信用指数.信用的形成是一个随时间变化的累积过程,并且用户行为的变化会导致其信用状况的波
动.不同时期的信用评价对当前信用的参考价值并不相同.近期的信用评价比远期的信用评价更具有参考价值（朱艳春等,2007）.
传统信用管理行业的做法是,在超过指定期限的信用评价中,删除不良的信用评价,鼓励用户今后更加守信,以积累好的信用记录.但在当前的网络环境中,卖家不良的信用记录对写家具有较高参考价值,可以提高对欺诈的警觉.对卖家而言,不良的信用记录也是一个警惕,促使卖家在今后的交易中更注重诚实守信.
既要考虑时间对信用指数的影响,又要考虑当前网络的信用环境,建议淘宝可以为每个用户设立两个信用指数,一个为当前信用指数,一个为历史信用指数.
当前的信用指数采用用户最近六个月内的信用记录,反映卖家当前的信用情况,对写家来说更具有参考价值.历史信用指数指用户自注册以来的全部信用记录,储存在用户的历史信用记录中.对卖家来说,即使过去存在不良的信用记录,只要今后在怎么写作和商品质量上做到让写家满意,赚到更多的好评,“当前的信用指数”可以淡化过去的不良记录,有利于交易的成功.
4. 改进信用度计算模型.本文借鉴现有的信用研究成果,结合网络购物的特点,考虑影响C2C交易信用的主要因素,对信用度的计算方式进行优化.
（1）赋予交易金额权重.交易金额是影响交易信用的主要因素.在网络环境下,当交易金额很大时,交易双方都将背负巨大的交易风险.在此情形下,交易双方依然采取诚信的交易行为,则与价值较小的交易相比,此交易带给交易双方的信誉增值应更大.为此引入交易金额参数,根据不同的交易金额,设置信誉反馈评分的权重（朱艳春等,2007）.
对交易金额采取加权计分的方式可参照表1来设定,这样可以有效减少通过大量低值交易刷信用的行为.
（2）赋予评分用户信用度权重.累加信用模型在计算用户的信用度时,没有考虑评分用户的信用度,这为用户进行信用炒作和恶意差评提供了可乘之机.为此,在计算信用度时,应引入评分用户的信用度参量,以抵制恶意用户进行信用炒作和恶意差评,防范信用欺诈行为（朱艳春等,2007）.
淘宝用户的信用度分为四个大等级,即红心级、黄钻级、级、金冠级,四大等级权重可按表2来设定.新写家在完成一定量的交易获得好评前,信用度等级为零,相应的权重也是最低的1分,这样做在一定程度上约束了恶意写家频繁注册新号以进行差评敲诈的行为.
（3）信用反馈评分.信用反馈评分是计算用户信用度的基础信息.淘宝的信用评价评分仅有一项,即针对该交易进行的综合评价评分,没有进一步细化.且评分只有{-1,0,1}三个分值,不能很好反映评价方的满意程度,建议将原来的三个分值改为1分～5分的五个分值,以五星形式表示.五分值与原来三个级别对应如：[1,2]为差评、[3]为中评、[4,5]为好评.好评率的计算沿用原来的方式,信用反馈评分方式将针对写卖双方的情况不同有所区分.
①卖家方面.仔细翻看淘宝卖家的评价记录时发现,有些写家给的评价和评论内容不相符,明明对商品质量不太满意,或看在发货速度上,或看在卖家怎么写作态度好的份上,很多写家还是给出了好评.以写家“xiaowei-210012”对卖家“湖畔的松树”给的评价为例,如表3所示.
这种情况下,写家可以给好评,也可以给差评,都是凭感觉和心情而定,使得评价的结果与实际不相符.为此,建议将综合评价评分细分为商品质量、卖家怎么写作和发货速度三个方面.可将商品质量、卖家怎么写作和发货速度的评价得分在信用反馈得分中所占的比例设计如表4所示. 则卖家在一笔交易后所得评价的信用反馈得分的计算公式如下：
评价得分等于商品质量得分×60%+卖家怎么写作得分×20%+发货速度得分×20%
例如,在一次评价中,商品质量得分四颗星,卖家怎么写作得分五颗星,发货速度得分四颗星,则该次交易的评价得分为4×60%+5×20%+5×20%等于4.4.
②写家方面.有些写家在拍下商品后迟迟没有付款,影响了卖家的正常交易；在收到货后也迟迟没有确认,影响了卖家的资金周转.部分恶意写家在交易过程中处处刁难卖家,过分要求卖家给低折扣、送礼品、退款等,有些卖家虽有不愿,但为了交易成功获得好评,积累高的信用等级,还是答应了这些过分要求.针对以上提到的情况,建议将卖家对写家的综合评价分为三个方面,即写家付款速度、写家确认速度、写家交易态度,并赋予如表5所示权重.
则写家在一笔交易后所得评价的信用反馈得分的计算公式如下：
评价得分等于交易态度得分×40%+付款速度得分×30%+确认速度得分×30%
将写家的信用反馈评分细分后,可以让写家注意付款和确认收货的及时性,收敛在交易过程中对卖家的刁难行为.
（4）优化信用度计分方式.综合上文分析,影响用户信用的因素主要有三项,即交易金额、用户信用度、信用反馈评分等.新的计分方式将该三项综合计算,并引入修正系数0.1,计算公式如下：
信用度等于交易金额权重×用户信用度权重×信用反馈评分×0.1
例如,一个黄钻级的写家在完成一笔350元的交易后,对卖家的信用反馈评分为4.2分,则该卖家在该笔交易所获得的信用积分为2×3×4.2×0.1等于2.52.而一个无信用等级的新写家完成一笔1元的交易后,对卖家的信用反馈评分为5分,则卖家在该笔交易所获得的信用积分为0×1×5×0.1等于0.
第二个例子中的交易情况与现时的信用炒作情况类似,都是低值的交易,满分的评价,这种方式在新的信用度计分方式下,没有对卖家的信用积分产生贡献,大大减少了炒作信用的行为.
五、 结论
使评价双方的关系平等,限制未实名认证的写家评价权限,一方面可以限制恶意差评勒索的行为,另一方面也可以鼓励写家进行实名认证,更好地规范网络交易市场.
改善差评的处理机制铲除了职业差评师和师的生存土壤,在一定程度上可以避免卖家信用受损,同时也维护了写家的正当权益.
采用双信用指数可以解决不同时期的信用评价对当前信用的参考价值问题,有利于写家更好地判断卖家的真实信用情况,减小过去不良的信用记录对卖家当前的影响,鼓励卖家做得更好,以保持当前信用的好评率.
采用多影响因素信用模型改进信用度的计算方式,不仅可以增加信用评价的真实性,在一定程度上,还降低了炒作信用的价值,打击炒作信用的行为.这些措施在一定程度上防止了目前盛行的信用炒作和差评敲诈,规范了C2C市场信用环境,促进了C2C市场的健康发展.