淘宝卖家信用度影响因素分析

　　【摘要】随着电子商务的越来越普及，其信用问题也越来越引人关注。卖家信用是消费者是否进行电子商务的重要考虑因素，本文将以淘宝商家信用评价体系为例分析影响电子商务信用的因素。
　　【关键词】电子商务；信用评分；淘宝
　　一、淘宝卖家信用评价体系现状
　　从淘宝网公开信息中可以总结出，淘宝网会员在完成每一笔交易后成功，双方会互相对交易情况进行信用评价，采用累计计分方式。评价的好评、中评、差评分别对应1、0、1计算，不同的分数区间有其相应的级别，而且分数和等级出现店铺的页面中。消费者对宝贝与描述相符、卖家的服务态度和卖家的发货速度等三个方面进行评分，系统会通过收集的评分对店铺进行评分，并在店铺首页中显示将近半年数据。
　　但是在实际操作中可以看出目前评分标准存在不足：卖家仅用好评、中评、差评来计算得分，只用卖家信用分这一项指标来区分淘宝商家的级别，有些单一；店铺首页涉及到许多评价指标，但没有一个总的指标可以展示卖家的整体的好坏情况；评价体系只针对单次交易情况进行评分，忽略了商家的基本情况，比如商家规模的大小等。基于以上的不足，本文将对影响卖家信用的因素进行处理，设计更符合现实的评分模型。
　　二、数据的收集与处理
　　（一）数据收集
　　通过淘宝对店铺的基本信息的公示，收集了300个店铺信息，选择了以下几个变量作为初始数据：主营占比、买家信用、最近半年好评数、最近半年中评数、最近半年差评数、宝贝与描述相符、卖家服务态度、物流服务质量、近30天售后速度、近30天售后率、近30天纠纷率、近30天处罚数、保证金额度、宝贝总数、月销量、店铺类别、卖家信用度。
　　（二）数据处理
　　在进行数据清理后得出，主营占比的缺失值有6个，物流服务质量的缺失值有1个，近30天售后率的缺失值有1个，由于缺失值比较少，所以手动将缺失值用零值来代替。而后对因变量卖家信用度进行对数转换，使其可以进行以下线性回归分析操作。
　　三、实证分析
　　（一）回归分析前的准备
　　基于该评分模型以好评数的累积方法为主要原理。先使用线性模型，将卖家信用度和最近半年好评数进行拟合，得到该模型的F统计量为89。358比较大，而且P值小于0。05，可见模型显著，所以只用好评数就可以很好模拟卖家信用度。因此，在分析数据时，先删除最近半年好评数这个变量，再进行构建模型。
　　然后计算了所有变量的相关系数后，发现卖家服务质量、宝贝与描述相符、物流服务质量直接两两相关系数比较大，它们两两的相关系数分别为：0。932、0。823、0。856，剔除变量卖家服务态度。
　　经过梳理，最后剩下了16个变量，其中2个定性变量和14个定量变量。
　　（二）回归分析
　　1。选取进入法进行初步分析
　　将筛选后剩下卖家信用度对数值，进入模型。观察初步的结果分析。
　　进入法的回归分析结果：0。412说明卖家信用的变动中有41。2可以由自变量解释，调整R方为0。383，R0。642，说明卖家信用与自变量之间的相关程度为64。2。标准估计的误差为0。78547699。在给定显著性水平0。05下，店铺类别，淘字号，买家信用，最近半年的中评数，最近半年的差评数，物流服务质量，近30天售后率，保证金额度，月销量的p值都小于，说明其对卖家信用的线性关系显著。但同时，主营占比，宝贝与描述相符，近30天售后速度，近30天纠纷率，近30天处罚数，宝贝总数的p值都大于，则这六项未通过t检验，对卖家信用的线性关系不显著。而F14。285，p0。000。因为p，所以回归方程线性关系显著。同时在结果输出的系数表格中，显示了容差和VIF。在表中几乎所有的变量的容差0。2或VIF10，该模型是存在多重共线性的。
　　综上所述，我们需要对模型作进一步的调整。
　　2。使用逐步法进行重新建模
　　将筛选后得到的卖家信用度对数值，进入模型。
　　逐步法的回归分析结果：0。350说明卖家信用的变动中有35可以由自变量解释，调整R方为0。336，R0。592，说明卖家信用与自变量之间的相关程度，为59。2。标准估计的误差为0。81500802。在给定显著性水平0。05下，店铺类别，淘字号，买家信用，物流服务质量，近30天售后率，保证金额度，月销量的p值都小于，说明其对卖家信用的线性关系显著。而F24。180，p0。000。因为p，所以回归方程线性关系显著。
　　3。变量的对数转换再进入逐步回归分析
　　对该模型中的自变量与因变量同时取自然对数，再观察其回归结果。
　　最终回归分析结果：0。725说明卖家信用的变动中有72。5可以由自變量解释，调整R方为0。721，R0。852，说明卖家信用与自变量之间的相关程度，为85。2。标准估计的误差为0。62908。在给定显著性水平0。05下，店铺类别、买家信用、保证金额度、月销量的p值都小于，说明其对卖家信用的线性关系显著；而F172。217，p0。000。因为p，所以回归方程线性关系显著。
　　回归残差服从正态分析，所以模型可以精简为
　　0。9320。9350。2560。4240。106
　　四、结果分析
　　月销量、买家信用、保证金额度以及店铺类别的系数都为正，即在其他不变的情况下，随着月销量，买家信用，保证金额度以及店铺类别这些变量中任意变量的增加，卖家信用也会相应增加。其中，月销量的系数最大，说明淘宝网店铺的月销量的情况对于卖家信用的影响最为显著，所以销量是保证卖家信用分高的一个基础。卖家若要提高信用分就要扩大销售量，要花大量的心思在店铺建设中。而有一些店铺即使有不少的差评，但由于销售量大，还是有较高的信用分，所以存在着一定的弊端。会导致卖家专注于提高销售量，而忽视了质的提升；而保证金额度次之，若一家店铺未缴纳保证金，则买家对其产品质量、售后保障等更易产生质疑，而此店铺如果缴纳了保证金或者保证金额度有所增加，消费者的信心会显著增加，卖家信用更会增加；买家信用对卖家信用的影响相对较小，而店铺类别对卖家信用的影响最小。不同类型的商家的信用特性有些差异，其主要信用影响因素也略有不同。
　　【参考文献】
　　〔1〕吴培红。淘宝网卖家信誉影响因素研究。天津：河北工业大学，2011
　　〔2〕刘博。淘宝网商的信用评价模型研究。北京：对外经济贸易大学，2009