供應商與客戶智能協同決策規則識別研究①

上海大學管理學院 劉翔 范嬌嬌

供應商與客戶智能協同決策是指供應鏈中二個或二個以上供需合作伙伴通過商業智能技術、群決策方法等自動或半自動地產生各方滿意決策方案。供應商與客戶如何應對競爭產品評論是一動態復雜的協同決策問題。 Godes 和Mayzlin[1]（2004）是研究網絡評論中的競爭產品操縱的首倡者，他發現在音樂產業中，各種專業網上聊天室和粉絲網站聘請眾多網絡寫手對新專輯發表積極意見的評論。 Dellarocas et al[2]（2006）在 Mayzli n[1]（2004）的基礎上，對各種論壇上的評論進行研究發現越來越多的公司會對論壇中正在討論產品進行評論的操縱，并得出結論這些公司往往通過匿名的形式發布褒楊自己產品或者詆毀競爭對手產品的評論信息。美國伊利諾斯州大學芝加哥分校教授劉冰（Bing Liu）近日在接受《紐約時報》采訪時稱，亞馬遜上約1/3的產品評論都是虛假的。

面對競爭對手的評論操縱行為供應商與客戶應該采取何種的協同應對決策，首先我們要先學會如何識別受到操縱的評論，其次根據多個方面的影響因素來進行協同決策。在操縱評論識別中 Hu Nan et al[3]（2008）是近年來對競爭產品操縱評論進行研究最多的學者。他對不同時段的評論等級取平均值，發現平均值會隨著時間的推移而慢慢降低，越是時間長，評論操縱的可能性就降低。隨后，他在對書籍市場進行競爭產品操縱的研究中發現在書籍市場中競爭產品操縱的評論大量存在于以下四種類型的書籍——（ 1）不暢銷的書籍（2）很少有人愿意評論的書籍（3）因評論而受到很大影響的書 籍（4）暢銷而且昂貴的書籍。他的研究初步對供應商與客戶進行評論操縱的傾向做出研究，然而他的研究還沒有考慮到將評論操縱作為一種商業的營銷手段去研究評論操縱受到哪些因素的影響，供應商與客戶更傾向如何操縱這些評論。本文提出了供應商與客戶通過智能協同決策產生一致應對競爭產品評論方案的方法。

1 產品評論操縱類別

面對產品評論日益成為消費者購買決策的重要影響因素，許多供應商與客戶早已注意到評論對產品銷量的影響，因此他們會聘請網絡寫手來進行評論的競爭產品操縱，將產品評論操縱視作一種營銷手段。Michael Lee Thomas（2011）已經研究得到結論評論是成功營銷的一個方面。本文主要立足于相對于競爭對手的供應商與客戶立場來進行評論操縱的研究，去研究競爭對手是如何去操縱競爭產品評論。本文將從用戶瀏覽評論時所關注的產品價格，質量，功能和服務4個角度出發，去研究競爭對手的評論操縱類別。

1.1 產品評論的價格操縱

價格對消費者起到一個重要的影響就是消費者的價格知覺作用。價格知覺是消費者在理解商品或服務的價格時，綜合與價格有關的各種因素而形成的一種與外部環境相對結合的，具有一定意義的心理過程以及 認知。[5]

供應商與客戶對產品評論內容中的價格評論進行操縱具有十分重要的意義:滿足消費者對評論中價格知覺的需要與引導消費者產生正確的產品期望。

1.2 產品評論的質量 操縱

產品質量是影響消費者購買行為的一個重要因素。產品本身的內在質量或客觀質量構成了評論的一部分，在消費者購買產品之前，往往會關注產品的質量，進行購買決策。本文中所要研究的消費者的質量認識主要從評論中的用戶對產品內在特征的評價。因此供應商與客戶對產品評論內容中的質量評論進行操縱具有十分重要的意義：讓消費者信服產品的質量，引導消費者產生合理的產品質量價值觀念。

1.3 產品評論的功能操縱

產品功能一般指物品的“功用”、“作用”、“效用”等。更加通俗的說法是“這件東西有什么樣的用途”。供應商與客戶對產品評論中的功能評論進行操縱具有十分重要的意義：突出產品的優勢功能，吸引消費者的信賴與引導消費者對產品功能有正確的理解。

1.4 產品評論的服務操縱

產品服務，是指以實物產品為基礎的情況下，為支持實物產品的咨詢，銷售和售后而向消費者提供的附加服務。供應商與客戶對產品評論中的服務評論進行操縱具有十分重要的意義：表明購買產品所提供的服務，從附加產品找到優于競爭對手的優勢與從側面反映顧客的忠誠度，吸引更多的人成為供應商與客戶的老客戶。

2 競爭對手產品評論規則分析

Nan Hu（2010）曾對評論操縱的存在做出研究，已經證明產品質量與產品類型的差異性導致供應商與客戶對評論操縱的不同。同時他假設商品的評論是真實的，那么不同網站上的打分是接近的，并且穩定的。然后他對亞馬遜網站上和當當網上抽取了2011年7月剛上架銷售的數碼相機和圖書的共20件商品總共400條評論的內容，以及用戶對這些商品的打分（1-5分）情況，從而得出結論用戶對商品的打分是隨著月份t的增加，總體上呈現出下降趨勢。因此本章在對數碼產品分析時從當當網，亞馬遜網，京東網，網上蘇寧等網站進行研究，探討是否不同的網站對不同的產品評分不一樣。

我們會發現隨著時間的推移商品的打分漸漸變低，這和 Nan Hu（2011）對商品打分進行分析時得到相同的打分趨勢，即進一步肯定了Nan Hu的結論：用戶對商品的打分是隨著月份t的增加，總體上消費者對商品的打分是呈現出下降趨勢的。

咨詢公司eVOC Insights調查發現，超過85%的消費者在網上購買過大件商品如家電產品，服裝產品等，63%的人更傾向到那些提供商品評級和評論功能的網站進行產品研究和購買。在這項實驗中，eVOC Insights測驗了用戶在4個購物網站上購買數碼相機的購買心理和購買過程，來研究是什么樣的原因促使消費者決定在這個網站而不是別的網站購買。這4大網上商場分別是：Amazon.com, BestBuy.com, CircuitCity.com 和Walmart.com。調查結果顯示用戶更喜歡到Amazon和 CircuitCity購買電子商品。報告注意到，Amazon是消費者最熟悉并被認為是網上商店的領軍者，而CircuitCity被認為是使用起來最方便的網站。除此之外，消費者之所以在以上2個網站上買電子商品是因為2個網站同時提供商品評論和商品評級，而BestBuy和Wal-Mart均不提供這兩項功能。因此可見消費者對不同專業性網站存在著不同的信任度，因此對不同專業性的網站中的評論信任度而不同。

3 基于模糊神經網絡的協同決策規則識別

本文利用火車頭數據采集器從選取了京東網和當當網上的佳能A4000 IS 數碼相機的評論數據。該產品2012年2月上市，我們選取了從2012年2月到12月的用戶評論，其中京東網上的評論有1922條，網上的評論為53條。

本文利用Matlab實現模糊神經網模型來進行供應商與客戶應對 競爭對手產品評論操縱策略的識別，我們首先要建立模糊神經網絡。模糊神經網絡分為五層。第一層是數據輸入層，這一層存放著從文件中的數據直接輸入的數據；第二層為模糊隸屬函數層，將輸入的數據經過隸屬函數，將輸入的變量的模糊化；第三層為模糊規則層，實現的是模糊規則的“與”操作；第四層是模糊輸出層，通過模糊OR操作，實現“或”規則的綜合；第五層為去模糊層，將第四層節點的輸出轉變為精確值。具體的建模如下：

輸入層：競爭對產品評論操縱模糊規則，設計如下：， 為輸入的2個維度，分別代表的是時間，網站的專業性和營銷策略，其中＝（， ）為i的一個特征值。輸入的三個維度并非可以很明確的進行分類，我們利用的隸屬函數為集合函數。其中，時間維度，剛上市的時間范圍我們假設在1到12個月之間（1，12），（13，24）為下一個階段的時間范疇。網站的專業性可以從它的主營產品來看待，我們為每個類別的產品設置數字編號，書籍為1，音像產品為2，筆記本電腦產品為3，數碼相機產品為4，接著我們可以將當當設置為（1，2）表示當當主營書籍，音像產品；京東設置為（3，4）表明京東網主營電腦和數碼相機產品。 結合我們在4中評論內容中產品特征的評論操縱，我們得到供應商與客戶應對競爭手的協同策略隸屬函數。

表1 競爭對手產品評論操縱規則

模糊規則主要有2種類型IF-THEN型和TSK型。本文采用TSK型。模糊規則庫構成神經元輸入向量。

隱藏層：由25個神經元節點組成，通過tansig函數與logsig函數存貯輸入、輸出之間關系。通過神經網絡訓練進行自動學習并推理競爭產品評論規則與協同決策方案間動態關系。

輸出層：采用反模糊對照表，輸出供應商與客戶應對競爭對手產品評論的協同決策方案：（1）產品后期更加注重對產品服務和價格的操縱，競爭對手在與自身產品專業性程度高的網站上的操縱力度大于專業程度低的網站的規則；（2）產品后期更加注重對產品服務和價格的操縱，在網站專業性與自身產品相關度高的網站上加大操縱力度；（3）在早期注重產品質量和功能的操縱；（4）在后期注重產品服務和價格的操縱。

4 結果分析

本實驗利用當當網和京東網上的產品評論探討供應商與客戶應對競爭對手評論操縱時的協同決策，在產品上市時間和網站的專業性2個維度中得到競爭對手對評論操縱力度上的變化，結合識別競爭對手對產品評論內容中產品特征操縱的傾向來研究供應商與客戶對產品的不同上市時期，不同的專業性網站，采取對評論內容中產品特征不同的操縱方法。用模糊神經網絡的方法得到的結果圖1、2所示：

圖1 神經網絡的性能誤差曲線

圖 2 模糊神經網絡模型預測結果圖

從圖1得到了模糊神經網絡的性能誤差曲線圖，得到的誤差已經小于10-5，達到了一定的準確率。圖2中顯示了我們得到的預測結果與實際結果圖，從圖中看預測結果和實際結果非常吻合，因此我們的模型進行一定程度上的預測。我們已經得到結論競爭對手對產品的評論進行操縱時，在產品上市的早期，競爭對手對產品的操縱的力度是最大的；對于網站的專業性，越專業的網站因為其公信力的存在越容易受到競爭對手的評論操縱。我們又結合了競爭對手對評論內容操縱的規律，發現在產品的上市初期質量和功能更多受到競爭對手的操縱，而在后期，評論中價格和服務成為競爭對手的操縱對象。

總體上而言， 供應商與客戶應對競爭對手評論操縱時，在產品剛上市時應加強對專業性網站上，產品評論中質量和功能的操縱；當產品漸漸不再是新品，隨著時間的推移，供應商與客戶因降低操縱力度，同時轉向對產品評論中的價格和服務進行操縱。

5 結語

在線產品評論影響著消費者的購買決策，因此，評論操縱也成為供應商與客戶進行協同決策應對競爭對手的一種營銷手段。

我們利用模糊神經網絡研究供應商與客戶在應對競爭對手評論操縱時的應對方案， 我們研究發現非主營電子產品的網站上的電子產品評論量較少，同時這些評論的打分分值并沒有一個非常明顯的變化趨勢；而主營電子產品的網站，其評論量比非主營電子產品的王站的多。同時產品的評論中質量和功能的操縱的好評在初期比較多，而價格和服務操縱的好評出現在產品上市的后期比較多，因此我們歸納出產品的上市初期的評論比后期的好評更多，因此，在面對競爭對手評論操縱的時候，供應商與客戶應該更加注重的是產品初期的評論，針對不同產品在對應不同專業性網站上進行評論操縱，同時初期注重產品評論內容中的質量和功能的操縱，后期注重產品評論內容中的價格和服務操縱。

[1] C.Dellarocas,Strategic manipulation of internet opinion forums:implications for consumers and firms,Management Science 52 (10) (October 2006).

[2] Nan Hu,Ling Liua,Vallabh Sambamurthy c.Fraud detection in online consumer reviews[J].Decision support systems,18 August 2010.

[3] Yubo Chen,Jinhong Xie.Online Consumer Review:Word-of-Mouth as a New Element of Marketing Communication Mix[J].MANAGEMENT SCIENCE,Vol.54,No.3,March 2008.

[4] Hu Nan，Liu Ling，Zhang J.Analyst forecast revision and market sales discovery of online word of mouth[C].Proceedings of the 40th Hawaii International Conference on System Sciences，Waikoloa，Big Island，HI，USA，2007.

[5] Ye Qiang,ShiW,Li Y J.Sentiment Classification for Movie Reviews in Chinese by Proved Semantic Oriented Approach[C].Proceedings of the 39th Annual Hawaii International Conference on System Sciences, 2006.

[6] Ye Qiang,Li Y J,Zhang YW. Semantic-oriented sentiment classification for Chinese product reviews:An experimental study on the reviews for books and cell phones[J].Tsinghua Science and Technology.2005,10(z1).

[7] Nan.Hu,N.S.Koh,V.Sambamurthy,The Value Implication of Online Consumer Review,American Accounting Association Seventeenth Annual Research Workshop on Artificial Intelligence and Emerging Technologies (AIET) inAccounting, Auditing and Tax(Anaheim/Orange, California,USA,2008),2008.

[8] Nan.Hu,L.Liu,J.Zhang,Do online reviews affect product sales? The role of reviewer characteristics and temporal effects,Information Technology and Management,2008,9(3)

[9] Zeng,Amy Z.Collaboration decisions on disruption recovery service in urban public tram systems[J].Transportation Research,May2012, Vol.48 Issue 3.

[10] Yubo Chen,Jinhong Xie.Third-Party Product Review and Firm Marketing Strategy [J].MARKETING SCIENCE.Vol.24,No.2,Spring 2005.