电子商务交易纠纷对评价结果的影响分析

《电子商务交易纠纷对评价结果的影响分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、电子商务交易纠纷对评价结果的影响分析　　关键词：电子商务交易纠纷评价数据挖掘淘宝网　　内容摘要：本文以淘宝网手机产品的交易纠纷为样本，应用数据挖掘方法，就交易纠纷对评价结果的影响进行了实证研究。最后基于研究结论对卖家和交易平台提供商提出了相关的对策建议。　　随着中国网络购物环境的改善，网络购物市场的增长趋势明显。在制约电子商务发展的因素中，交易风险及其纠纷处于首位。研究电子商务交易中的纠纷类型及其对评价结果的影响机理，对于卖家和交易平台提供商具有重要的指导价值。　　研究模型　　网上交易纠纷（OnlineTransactionDispute，OT

2、R）是C2C电子商务风险的一种。交易纠纷产生的原因主要是信息不对称，增加了交易风险。交易平台在线信用系统是降低交易风险的一种有效形式，用户可以通过信用度和历史评价来考察卖家的诚信度。交易后买家对卖家给予中评或差评的行为是顾客抱怨行为的一种有效形式。　　基于上述文献回顾，本文构建了以下网上交易买家对卖家评价结果与纠纷类型的研究模型，如图1所示。纠纷类型。相关调查表明，商品质量与物流问题是网购用户有不愉快经历的两个主要方面。根据本研究收集的数据并结合文献，本文对网上交易纠纷进行分类，结果如表1所示。　　评价等级。C2C交易平台的信用系统把买家对卖家

3、评价等级分为好评、中评和差评。买家对卖家的负面评价等级有中评和差评两个等级。本文假设网上交易中不同的纠纷类型，会造成买家的不满意程度不同，进而买家给卖家的负面评价等级也不同。因此，提出如下假设：　　假设1：不同的纠纷类型，会造成买家对卖家不同的负面评价等级。　　卖家信用。C2C网站提供的信用机制记录了网上交易双方在过去交易行为中的历史信用情况，即信用度。信用度虽然只是记录了历史信用情况，但交易人可以据此作为对交易对象未来交易行为的一种预期。根据Oliver的预期不确认理论，顾客根据购前预期与绩效表现的比较结果判断是否满意。C2C卖家信用越高，则

4、买家的预期越高，那么发生纠纷以后，预期与感知产品质量差距越大，从而顾客不满意程度更大。因此，提出如下假设：　　假设2：在商品价格相当的条件下，卖家信用值越高，发生同类型纠纷后买家越有可能对卖家做出差评。　　产品价格。产品价格与顾客抱怨行为之间存在正相关关系。网上买家对越便宜的商品越不看重商品质量，即使商品有质量问题买家也可能忍受，但如果商品价格较高，买家就会严格起来。本文认为，价格越高的商品，越容易引起交易纠纷，并且越易引起买家的抱怨。因此，提出如下假设：　　假设3：在卖家信用值相当的条件下，商品价格越高，发生同类型纠纷后买家对卖家越可能做出差

5、评。　　研究设计　　本文样本来源于淘宝网的信用评价系统，即买家对卖家的中评和差评记录。选择淘宝网是因为它是目前国内市场占有率第一的C2C电子商务交易平台，能够反映我国C2C交易纠纷的各种现状。　　本文选择淘宝网上的手机类商品作为调查对象，主要基于以下三个原因：一是手机类商品是购买用户数较多的一类商品；二是手机类商品能够体现交易纠纷的特点，包含了所有的四类交易纠纷；三是手机类商品价格范围变化较大，从200元到5000元范围的商品均存在，能够测度价格变化的影响。　　研究使用的交易数据来自淘宝网的卖家信用、产品价格和交易后买家对卖家的评价，属于第一手

6、数据。本文采用分层随机抽样方式选取175家店铺共计1400条纠纷作为样本，其中中评735件，占52.5％，差评665件，占47.5％。　　数据处理　　（一）样本基本信息　　本文使用SPSS16.0对1400个纠纷样本的卖家信用、商品价格进行描述性统计分析，结果如表2所示，对纠纷类型进行多响应变量的频数分析，四类纠纷发生的频次及其占样本的百分比如表3所示。　　（二）关联规则挖掘　　为了获得各种纠纷和评价结果之间的关联关系，本文使用SPSSClementine11.1对各种纠纷和评价结果进行Apriori多维关联规则挖掘，经过筛选得出14条支持度在

7、2%以上，置信度在50%以上的有意义的关联规则，如表4所示。　　根据表4的关联规则发现，不同形式的纠纷，会造成买家对卖家不同的评价结果，假设1成立。　　（三）二维聚类分析　　上述的关联规则数据挖掘没有考虑到卖家信用和商品价格对评价结果的影响，事实上，卖家信用和商品价格可能会影响买家对卖家的评价。因此，本文使用SPSS16.0对样本的卖家信用值和产品价格进行K-Means二维聚类，结果如表5所示。　　由表5看出，第4类和第8类样本的价格相近，第4类样本的卖家信用值远高于第8类样本。本文分别对第4类的260个样本和第8类的544个样本运用SPSSC

8、lementine11.1进行关联规则挖掘，选择纠纷A1作为研究对象，结果如表6所示。　　表6显示，当纠纷A1发生时，卖家信用较大的第4类有64.08