電子商務產品銷售能力評價體系研究

〔摘要〕對于電子商務供應商而言，充分地評估和了解自身產品銷售的競爭能力，是提升其競爭力水平的前提。本文在網絡消費影響因素的基礎上，結合電子商務條件下產品銷售的特性，提出了電子商務產品銷售能力評價指標體系。利用遺傳算法（GA）對BP神經網絡進行改進，建立了基于GA-BP神經網絡的評價模型。其目的是幫助電子商務供應商準確地了解產品屬性及其競爭形勢，通過有針對性地更改銷售策略，調整服務來提升產品的競爭力。

〔關鍵詞〕電子商務；銷售能力；評價體系；遺傳算法；BP神經網絡

DOI：10.3969/j.issn.1008-0821.2013.10.027

〔中圖分類號〕F724.6〔文獻標識碼〕A〔文章編號〕1008-0821（2013）10-0120-04

根據中國互聯網信息中心數據顯示，截至2012年12月，我國網絡購物用戶規模達到2.42億人，網絡購物使用率提升至42.9%。在“十二五”規劃明確要積極發展電子商務后，國家對企業進入電子商務市場扶持力度的不斷加大，加之企業自身意識的提升以及電子商務運營商新型政策的出臺等原因，促使電子商務行業蓬勃發展以及傳統企業互聯網化程度的不斷加深。根據易觀國際2012年7月發布的研究報告顯示，2012年第2季度中國網上零售市場交易規模達到2 788億元，環比增長27.4%，同比增長45%。其中B2C交易額988.4億，逼近千億。由此可以看出，相比傳統購物模式，網絡購物在時間、地域以及商品選擇等方面都具有很大優勢，網絡購物的方便快捷特點，使其受到越來越多的關注，并逐漸成為人們生活中不可或缺的一部分。網購用戶的迅猛增長為網絡購物市場帶來廣闊的發展前景，與此同時也帶來了電子商務領域日趨激烈的競爭。對于電子商務的企業而言，進行生產或提供服務的最終目的都是誘發消費者的購買行為，如何讓自己的產品在激烈競爭的市場中獲得優勢是至關重要的問題。因此，全面分析電子商務中產品銷售能力影響因素間的關系，構建產品銷售能力評價體系，對企業把握自身產品的競爭優勢，爭取利潤，制定有效的生產計劃，提高競爭力具有重要的現實意義。

隨著電子商務的迅猛發展，針對網絡消費的分析和研究也越來越多。文獻[1]介紹了電子商務條件下影響消費者購買行為的個人以及環境因素。文獻[2]分析了網絡團購條件下消費者購買選擇行為偏好的影響因素。文獻[3]針對電子商務賣家的激烈競爭環境，提出了電子商務環境下賣家可以采取的5種具體競爭戰略。

盡管國內外有關電子商務的研究已經成為近幾年的學術研究熱點，但是相對而言，大多數的研究都集中在對于網絡環境下消費者的消費心理以及影響其購買行為因素等方面，對電子商務產品銷售能力的研究沒有進行深入探討，也沒有形成關于產品銷售能力的全面評價體系。針對電子商務中產品銷售能力的分析是一個信息不完全的復雜多因素綜合決策問題，運用定性和定量相結合的系統分析方法，研究電子商務中產品銷售能力的評價指標體系。采用遺傳算法優化BP神經網絡評價方法對電子商務產品銷售能力進行評價，提高了評價結果的科學性和合理性，以利于電子商務企業在產品營銷策略中做出正確的決策。

科學合理地構建電子商務產品銷售能力的評價指標系統，是正確評價電子商務產品銷售能力的前提和基礎。因此，對電子商務產品銷售能力的分析原則上應能科學、全面、客觀和公正地反映其真實的內涵和水平。本文試圖通過對影響電子商務產品銷售能力的因素進行分析和整合，從定性和定量相結合的角度，由電子商務中產品的銷售策略因素、產品特性因素、產品的交易因素、產品服務與信譽機制因素4個一級指標以及與之相關的16個二級指標來建立電子商務產品銷售能力的評價指標體系（見表1）。

表1電子商務產品銷售能力的評價指標體系[4-6]

一級指標1二級指標1指標說明產品銷售策略因素1產品廣告投入1定量；廣告投入/成本產品促銷力度1定量；促銷投入/成本互動營銷方式的開展1定量；一年內賣家互動營銷，體驗營銷的開展次數。整合網絡營銷的進行1定量；整合網絡多種營銷推廣投入/成本產品特性因素1性能/價格比1定性；單位付出所購得的商品性能品牌價值1定性；反應人們對產品綜合品質的評價和認知質量水平1定性；反應產品成功滿足用戶的需要程度市場占有率1定量；產品的市場占有率產品交易因素1銷量1定量；最近一個月內產品的銷售數量產品配送力度1定量；物流的平均配送時間交易的安全性1定性；買家交易過程中的安全性顧客好評率1定量；顧客對產品的好評率產品服務與

信譽機制因素1產品信息提供1定量；反應賣家對產品完整、無偏差信息提供程度的評分賣家服務水平1定量；反應賣家服務質量的評分消費者保障機制1定量；是否支持消費者保障、產品退貨換貨等服務賣家信譽度1定量；反應賣家信譽的評分

1.1電子商務產品的銷售策略

在電子商務賣家激烈競爭的環境里，產品的銷售一直是企業所圍繞的話題，銷量無疑是賣家的最終追求。提高企業產品的知名度以及打造產品的品牌效應，讓企業的產品或品牌深入到消費者心坎里去，讓消費者認識產品、了解產品、信任產品到最后的依賴產品是電子商務企業產品銷售策略最直接的體現。因此，電子商務產品的銷售策略是產品銷售能力至關重要的因素。

1.2電子商務產品特性

網絡購買相對于傳統的購買來說，是發生在一個新的購買環境里，并且具有產銷活動無時空限制、個性化和共享性突出等顯著特征[7]，消費者只能憑借有限的信息來了解物品，無法親身體驗物品。因此，在網絡消費環境下，產品的性價比、品牌價值、質量以及市場占有率對其銷售能力的影響也就顯得更為重要了。

1.3產品交易

由于網上交易的虛擬性，交易過程中買賣雙方通常是處在非面對面環境中[8]，在信息不對稱和不完全的條件下，除了商品的銷售量外，消費者往往更有可能通過在線評論去信任其他消費者，尤其是已購買者提供的經驗信息。此外，網上購物無法提供像現場購物那樣的安全放心的交易，交易本身的安全性以及物流的配送力度很大程度上影響著消費者的購買決策。

1.4產品服務與信譽機制

由于互聯網絡的開放性、虛擬性、數字化等特征，網絡購物與傳統購物模式相比，消費者感知到的風險會比較大[9]，消費者無法進行實物商品的體驗，因而增加了購買的不確定性。所以，對賣家而言，完整、無偏差的產品信息提供與消費者之間無障礙的溝通有利于引導消費者的購買。同時，健全的消費者保障機制以及良好的信譽度也是提升賣家競爭優勢的關鍵所在。

2電子商務產品銷售能力評價方法

由于層次分析法、灰色評價法以及模糊綜合評價法等常見的評價方法都依賴專家打分來確定權重，難以避免其評價過程中的主觀隨意性。神經網絡具有高速信息處理的能力以及很強的不確定性信息處理能力。即使輸入信息不完全、不準確或模糊不清，神經網絡仍然能夠聯想存在于記憶中的事物的完整圖像[10]。利用神經網絡并行分布、自組織適應、收斂性和容錯性的優勢，結合定性與定量分析，能夠有效的適應電子商務產品銷售能力這類多因素和不確定性問題。針對標準的BP神經網絡存在著收斂速度慢和容易陷入局部極小值的問題，采用遺傳算法對BP神經網絡網絡進行優化，將優化后的神經網絡用于電子商務產品銷售能力評價中，能夠較好的保證評價結果的客觀性。

2.1遺傳算法（GA）

遺傳算法（Genetic Algorithm，GA）是一種基于自然選擇和基因遺傳機理的全局搜索算法，算法以生物界的進化規律為參照，通過模擬自然界進化來尋找最優解。遺傳算法將生物界“優勝劣汰、適者生存”的進化原理引入到待優化參數形成的編碼串群體中，按照一定的適應度函數及一系列遺傳操作對各個體進行篩選[11]，從而產生新一代群體，并通過給定的適應度值來決定種群中個體的去留，最終使群體進化到包含或接近最優解的狀態。基本遺傳算法的流程如圖1。

1圖1基本遺傳算法的流程圖1

2.2基于遺傳算法優化BP神經網絡模型

遺傳算法的全局優化、自適應以及概率搜索等特點使得它能夠對目標函數空間進行多線索的并進式搜索，能夠彌補BP神經網絡連接權值和閾值選擇上的隨機性缺陷。本文利用遺傳算法來優化BP神經網絡的權值和閾值。通過建立染色體編碼長度與神經網絡連接權值之間的映射，使神經網絡中連接權值和偏置值的個數與編碼的長度一致，并使用神經網絡誤差的倒數作為適應度函數?；谶z傳算法的BP神經網絡初始權值優化步驟如下：

（1）初始化BP網絡結構。初始化神經網絡各層間的連接權值、閾值，并將它們順序級聯，構成初始的染色體組；

（2）設定網絡誤差函數的倒數為染色體的適應度函數，并計算每個染色體的適應值；

（3）根據個體適應度大小，選出適應度高的個體，并按一定的交叉概率和變異概率產生新的個體，并計算它們的適應度；

（4）考察種群中染色體的適應度或當前循環次數，如果滿足結束條件，得出適應度最大的個體，作為BP網絡的初始權值和閾值，否則，轉至步驟（3）；

（5）用（4）得到的權值和偏置對神經網絡進行訓練。

3評價模型的建立

3.1電子商務產品銷售能力評價指標預處理

在電子商務產品銷售能力評價指標體系中，同時存在定性指標和定量指標，為了增加各指標間的可比性，必須對各指標進行處理。由于定量指標的衡量單位和級差各不相同，所以必須對其進行規范化和趨同化處理，具體處理方式如下：

x（t）=x（t）-xmin1xmax-xmin

式中，x（t）表示預處理后的數據，xmax和xmin分別為評價系統區域范圍內某項指標的最大值和最小值。經過數據預處理后，數據范圍在[0，1]區間中。

對于定性指標，因為不能直接量化，可以通過模糊綜合評價的方法，確定各指標對于“電子商務產品銷售能力高低”這個模糊集的隸屬度，以指標的隸屬度作為神經網絡的輸入值。確定其隸屬度的具體做法是：設xi是定性評價指標，V=（v1，v2，…，vn）是其對應的評價集，U=（u1，u2，…，un）為評價集V對應的權重，xi相對于評價集V的隸屬度向量ri=（ri1，ri2，…，rin）可以通過專家評價或者問卷調查等方法來確定。根據模糊矩陣合成法B=U·ri便可計算出定性指標在給定標度U下的量化值了。在電子商務產品銷售能力定性評價指標體系中，指標對于“電子商務產品銷售能力”的模糊評價集為（差、一般、中等、好），相應的權重為B=（1，0.7，0.4，0.1）。

3.2電子商務產品銷售能力評價模型結構的確定

（1）網絡的層數。根據Kolmogorov定理，在不限制隱含層節點數的情況下，三層BP神經網絡充分學習后能夠實現任何非線性映射，因此構建三層結構的BP神經網絡。

（2）網絡的節點數。電子商務產品銷售能力的評估是一個模式識別問題，網絡的目標是根據輸入參數給出產品銷售能力評價的綜合指數。由于輸入向量包含16項指標，故輸入層應包含16個節點，輸出層只有一個輸出節點，輸出電子商務產品銷售能力評價的綜合指數。隱含層節點數的設計參考經驗式：J=entn+m+a。式中，ent為取整函數，n和m分別表示輸入層、輸出層神經元的個數，a為1～10之間的常數。根據試算比較，本文最終確定隱含層節點數為11。

（3）確定隱含層、輸出層傳遞函數關系以及訓練函數。網絡隱含層傳遞函數采用雙曲正切函數tansig，輸出層傳遞函數采用對數函數logsig，訓練函數為LM（Levenberg-Marquardt）算法（trainlm）。

（4）設定遺傳算法的種群規模為30，最大進化代數為800，選擇概率為0.8，交叉概率為0.5，變異概率0.05。

4結論

隨著互聯網的高速發展，網絡交易模式逐步被人們所接受并應用，網絡購物的方便快捷、便宜、降低消費成本等優勢，使其越來越受到消費者的歡迎。對網絡交易中的供應商而言，準確分析和判斷其產品的銷售能力是提高自身競爭優勢的重要環節。因而，對電子商務產品銷售能力的評價是一個綜合系統的動態過程，需要設計全面的評價指標體系并對其進行綜合評價。本文在分析了電子商務產品銷售能力構成的基礎上，利用基于遺傳算法優化BP神經網絡的評價模型，來評價電子商務產品的銷售能力。通過結合遺傳算法多點搜索的全局尋優能力和BP神經網絡算法的局部搜索優勢，能夠有效的避免網絡陷入局部最優，同時保證了評價結果的準確性，對電子商務產品銷售能力的評價有助于供應商準確地了解產品屬性及其競爭優勢，對設計產品、制定營銷策略和完善商家服務體系具有指導作用。

參考文獻

[1]陳慧，李遠志.電子商務條件下消費者購買決策影響因素探析[J].北京郵電大學學報：社會科學版，2007，9（2）：1-4，24.

[2]寧連舉，張瑩瑩.網絡團購消費者購買選擇行為偏好及其實證研究——以餐飲類團購為例[J].東北大學學報：社會科學版，2011，13（5）：404-409，415.

[3]薛有志，郭勇峰.C2C電子商務賣家的競爭戰略研究：基于淘寶網的分析[J].南開管理評論，2012，15（5）：129-140.

[4]郭贊偉.網絡消費及其影響因素：基于中國數據的實證研究[D].長沙：湖南大學，2010.

[5]周毅.網絡購買決策關鍵影響因素挖掘研究[D].上海：東華大學，2011.

[6]鄭小平.在線評論對網絡消費者購買決策影響的實證研究[D].北京：中國人民大學，2008.

[7]李遠志.北京大學生網絡消費決策影響因素的實證研究[D].北京：北京郵電大學，2008.

[8]李瑞軒，高昶，辜希武，等.C2C電子商務交易的信用及風險評估方法研究[J].通信學報，2009，30（7）：78-85.

[9]孫曙迎.消費者網絡信息可信度感知影響因素的實證研究[J].北京理工大學學報：社會科學版，2008，10（6）：50-54.

[10]張大陸，姚進.電子商務環境下面向顧客的服務質量評價體系[J].計算機工程，2005，31（6）：66-67，224.

[11]劉碩，何永秀，陶衛君，等.遺傳BP神經網絡的煤價預測與煤價風險規避策略[J].華北電力大學學報，2009，36（6）：75-80.

（本文責任編輯：王涓）