服裝電商賣家的測評指標體系與綜合評價模型

朱江暉， 高廣明， 富寧鈺

(1. 溫州大學 美術與設計學院， 浙江 溫州 325035； 2. 雅瑩集團股份有限公司， 浙江 嘉興 314000)

在電子商務市場中，作為我國消費者近年來最熱門的網購品類，服裝因其購買量大且重復消費率高而成為電商企業爭奪用戶潛力最大的品類市場。然而，伴隨著電子商務行業的快速發展，服裝一直是消費者網購投訴的熱點產品。其原因主要在于，不同于傳統商務環境下的購物，網絡交易的虛擬特性給網購消費者增加了更多不確定性，即消費者無法確切了解火爆銷售背后所隱藏的電商誠信、服務等方面的問題，如服裝品質、服務質量、產品性價比等。作為顧客獲取有關商家、產品、服務等信息的重要渠道，各大電商平臺采用了在線評論機制，即顧客在交易完成后基于消費體驗對產品及服務所做的在線評論；但是目前仍普遍存在評價內容單一、缺乏語義的模糊性處理、計算方法過于簡單等不足[1]，因此，分析服裝電子商務中賣家的測評指標體系，進而研究綜合評價方法顯得十分必要。

目前，國內外關于電商賣家聲譽評價的研究成果較為豐富，主要包括電商賣家聲譽的測評維度研究、評價系統的模型構建與計算方法設計以及客戶行為研究、電商賣家聲譽影響因素及其影響機制研究等方面。如劉思強等[2]分析了電商賣家的聲譽評價指標體系，該指標體系可用在C2C和B2C的電商模式。Kim等[3]基于社交網絡，提出了用于系統定量評價聲譽和信任的計算模型。Lin等[4]認為顧客自身的聲譽情況會對商家的聲譽評價產生影響，鑒于此，電商賣家聲譽評價系統的設計需要綜合分析買賣雙方的聲譽狀況。Kotha等[5]通過研究發現，相比較而言，電子商務環境中公司聲譽形成速度明顯快于傳統商務環境。李宏媛等[6]基于語義規則提出了一種電商在線評論的情感分析流程，并在服裝電商評論中進行了實際應用。

盡管國內外關于電商賣家在線評價方面的研究取得了大量的成果，但是專門針對服裝品類的研究卻相對較少。通過進一步對現有文獻研究分析后發現：目前研究中，有關聲譽測評量表在借鑒和二次開發過程中存在著不同程度的適用性問題。這主要是由于現有聲譽測評量表的開發多數是在傳統商務環境下服務行業的基礎上進行的，在量表的移植過程中會存在不同情境下的適應性問題。此外，在電商環境下，由于不同品類的產品其個性化服務總是呈現出不確定性和復雜性的特點[7]，因此，與此相關的綜合評價所傳達的也往往是模糊性概念。這就導致了現有研究所涉及的測評指標體系與綜合評價模型并不具備較強的可移植性，如果用于服裝品類則還需要設置評價因素集及其權重。

本文從服裝電商顧客的消費體驗這一視角出發，采用實證研究的方法，分析電子商務環境下服裝賣家的測評指標體系及其權重分布，并進一步構建綜合評價模型，以期為國內服裝電商賣家改善服務質量及優化評價方式提供理論依據與決策參考。

1 服裝電商賣家的測評指標采集

1.1 評價要素收集

本文研究收集了淘寶、天貓、京東商城、凡客誠品4個國內電商網購平臺中服裝品類的總計26個服裝品牌的1 563條顧客在線評論內容，對原始評論內容進行閱讀分析，并人工識別出顧客在線評價的基本要素，表1示出服裝在線評價要素的識別示例。

表1 服裝電商顧客在線評價要素識別示例Tab.1 Identifying sample of online evaluation elements

1.2 初始量表優化

本文首先通過人工識別，得到34個評價基本要素，并形成相應的測量項目。為確保測量項目語義表達準確、清晰，隨后于2016年12月組織了由市場營銷專業、服裝專業營銷方向的相關老師與研究生，以及服裝企業電商管理人員所組成的專家組對34個測量項目進行了整合與篩選，最終形成了27條測量項目，并由此編制Likert 5級初始量表。

其次，在問卷預調查的基礎上對數據進行分析，根據統計分析方法中的題項檢驗標準，剔除初始量表中質量不好的測量項目，以使量表進一步優化。預調查在溫州展開，通過網絡平臺與實際現場2種方式發放問卷。期間共發放412份問卷，回收有效問卷357份，其中網絡問卷和現場問卷分別為219份和138份。運用SPSS 22.0對樣本數據展開分析，根據文獻[8]中的題項檢驗標準對測量項目進行篩選。經過分析，包裝精美度、產品整潔性、物流商3個測量指標經校正后它們與分量表總分的相關系數(corrected item-total correlation, CITC)小于0.4，并且經過刪除后的分量表信度系數(Cronbach′s α)值增加，因此，需要考慮將這3個測量項目刪除。

至此，經優化后的量表由剩余的24個指標組成，如表2所示。該量表的綜合信度系數值由原先的0.927增加至0.929，上述24個測量項目便構成了正式調查量表。

表2 服裝電商賣家測評指標探索性因子分析Tab.2 EFA of measurement index of e-commerce seller

2 服裝電商賣家的測評指標體系

2.1 測評指標構成分析

正式問卷調查在杭州和溫州兩地展開，共發放563份問卷，回收有效問卷485份，其中網絡問卷和現場問卷分別為252份和233份。為了進一步了解24個服裝電商賣家測評指標的具體構成，運用SPSS 22.0對正式調查獲得的樣本數據進行探索性因子分析。

首先，通過KMO抽樣適當性檢驗與Bartlett球形檢驗，以確定各指標之間是否有公共因子存在[9]。經檢驗，樣本的KMO值為0.941，Bartlett球形檢驗達到顯著性水平，說明樣本適宜進行因子分析。

其次，利用主成分分析法對24個評價指標進行降維處理，提取各項指標的公共因子。采用方差最大旋轉法進行旋轉，提取特征值大于1的公共因子，共有4個，共可解釋67.631%的變異量。即服裝電商賣家的測評指標體系由4個維度、24個評價指標構成，分別將這4個公共因子命名為產品因子、服務因子、價值因子、特色因子，如表2所示。

2.2 測評指標結構模型檢驗

根據上述探索性因子分析的結果，本文利用AMOS 21.0分析軟件建立服裝電商賣家測評指標結構方程模型，如圖1所示，其中e表示誤差。為了進一步檢驗模型建構效度的內在質量與整體模型的適配性，對樣本數據進行驗證性因子分析。

圖1 服裝電商賣家測評指標結構模型Fig.1 Measurement index structure model of e-commerce seller

2.2.1信度與效度檢驗

表3示出信度與收斂效度的檢驗結果。可看出各一級指標的組合信度值介于0.854～0.930之間，各二級指標的信度系數值(R2)介于0.516～0.699之間，它們分別大于0.7和0.5的最低標準，表明模型具有較好的內在質量。

各主因子的平均方差抽取量(average variance extracted，AVE)是反映收斂效度的指標，該值越大，說明測量指標越能反映公共因子(即潛在變量)的內在特質，其判別標準一般應大于0.5。從表3可看出，各主因子的AVE值均高于0.5的標準，表示收斂效度檢驗符合要求。

表3 信度和效度檢驗結果Tab.3 Test result of reliability and validity

表4示出各因子AVE值平方根與因子間相關系數的對比情況。各因子AVE值平方根位于表格中對角線的位置，因子間相關系數則位于對角線以下位置。表中，各因子AVE值平方根均大于因子間相關系數，表明因子之間的區別效度良好。

表4 AVE值的平方根與因子相關系數對比表Tab.4 Square root of AVE and correlation coefficients

2.2.2擬合度檢驗

通過模型擬合度檢驗，卡方與自由度比(χ2/df)為1.799<2，近似誤差均方根(RMSEA)為0.041<0.08，其他幾個主要擬合指數如表5所示。上述指標均符合擬合度檢驗的最低標準，說明模型擬合情況較好。綜合上述檢驗結果，本文所建立的測評指標結構模型可作為服裝電商賣家的測評指標體系。

表5 模型擬合指數檢驗表Tab.5 Model fit summary

2.3 各級指標權重的確定

2.3.1計算方法

為使權重確定既有客觀性，又能適當避免傳統主成分法只能處理線性問題的局限性，本文采用改進的主成分法對各級指標賦權，主要步驟[10]如下。

1)對數-中心化轉換。

式中：xhj為樣本原始數據；zhj為轉化后的樣本數據；h為各樣本，h=1，2，…，k；j為各指標，j=1，2，…，n。

2)利用 Excel 計算上述結果的協方差矩陣。

3)應用 SPSS 軟件分析協方差矩陣主成分，得到特征值及其對應的特征向量Fl，l表示主成分。

4)計算指標的權重系數。

式中：μj表示各指標權重系數值；fjl表示主成分特征向量所組成矩陣中的元素；λl表示主成分所對應的特征值；m表示主成分數。

5)記wj為各指標權重值，則

2.3.2各級指標權重計算

首先，根據正式調查的樣本數據，按照產品、服務、價值、特色4個一級指標的分類，將其各自的二級指標數據分別代入上述公式，分步驟進行二級指標權重值的計算，結果如表6所示。

其次，分別計算產品、服務、價值、特色4個一級指標Uhi的得分情況，計算公式為

式中：w表示二級指標權重值；u表示二級指標得分情況；h表示各樣本；i表示一級指標，i=1，2，3，4；j表示一級指標下的二級指標，j=1，2，…，n。

最后，將4個一級指標得分數據代入權重計算公式，分步驟計算出它們的權重，其計算結果見表6，表中各級指標權重按由大到小順序排列。

表6 各級評價指標權重分布及顧客評價矩陣表Tab.6 Index weights and matrix of customer evaluation

3 服裝電商賣家的顧客綜合評價

3.1 綜合評價模型

對于多因素問題評價，模糊集理論被認為是一種十分有效的決策方法[11]。本文將模糊綜合評判決策方法用于服裝電商賣家綜合評價，具體步驟如下。

1)根據已建立的服裝電商賣家的測評指標體系，將評價因素劃分為產品U1、價值U2、服務U3、特色U4共4個主因素，Ui={ui1，ui2，…，uij}，其中：i=1，2，3，4；j為4個主因素下的各子因素，j=1，2，…，n。它們共同構成了顧客評價因素U={U1，U2，U3，U4}，即滿足U=U1∪U2∪U3∪U4。

2)采用5級定量化的評價標準，構建評判集V={v1，v2，v3，v4，v5}={非常不滿意，不滿意，一般，滿意，非常滿意}，將評判集的等級以數量化表示，其中：v1=1，v2=2，v3=3，v4=4，v5=5。

3)根據Ui={ui1，ui2，…，uij}和評判集V={v1，v2，…，v5}，得到各主因素Ui的單因素評判矩陣。

式中，rijk表示主因素Ui中的子因素j被顧客評為vk時的頻率，k=1，2，…，5。

4)由各子因素的權重Wi={wi1，wi2，…，wij}，結合主因素Ui的單因素評判矩陣Ri，可以得到各主因素Ui的評價向量Bi=WiRi={bi1，bi2，…，bi5}。

5)由各主因素權重W={w1，w2，w3，w4}，結合由各主因素Ui評價向量所組成的主因素評判矩陣B，可得到顧客評判總因素U的評價向量R=WB。

6)考慮顧客評判集V，則服裝電商賣家的顧客綜合評價結果為F=RVT。

3.2 實證分析

以淘寶網某五鉆服裝電商賣家為例，選取一款服裝產品(截至2017年3月，其累計銷量達840件)，利用上述綜合評價模型進行綜合評價。

根據網站的后臺數據，隨機聯系該款服裝的10位買家組成評價小組。該評價小組成員根據二級指標，按照評判集V的評價量度進行評價打分。

按照3.1節所述的方法進行計算，得到顧客評判總因素U的評價向量為：R=WB=(0.010，0.054，0.261，0.268，0.407)。通過進一步的計算，得到該服裝電商賣家的顧客綜合評分：F=RVT=0.010×1+0.054×2+0.261×3+0.268×4+0.407×5=4.008，這表明評價小組對該服裝電商的綜合評價為滿意。

為了便于比較，10位顧客還按五分制為該電商賣家進行了總體打分，其平均值為4.090分，這與采用綜合評價模型計算得出的評價結果基本吻合。

4 結 論

1)針對服裝電商顧客在線評論要素進行降維處理，構建了包含4個一級指標和24個二級指標的服裝電商賣家顧客測評指標體系。服裝網購消費者對服裝電商賣家的在線評價圍繞產品、服務、價值、特色4個主要因素展開。與電商平臺評價指標體系不同的是電商平臺的評價往往側重于網站建設、網站服務、網站品牌、網站信任與安全性等方面。

2)分別對各級評價指標進行權重分析，影響消費者評價的4個一級指標權重由大到小依次排列為產品、價值、服務、特色。即在電子商務環境下，服裝消費者對電商賣家的綜合評價與顧客對于產品試穿效果、更多實惠、便捷服務、商家特色4個方面由大到小的關注度密不可分。

3)運用模糊綜合評判決策方法，構建了服裝電商賣家的模糊綜合評價模型。通過實證的方法對該模型進行驗證，結果表明，顧客的整體評分情況與采用該評價模型計算得出的評價結果基本吻合。

隨著國內服裝電子商務的迅速發展，顧客對電商賣家的評價顯得越來越重要。通過本文所構建的模糊綜合評價模型，其綜合評價結果可實現由定性評價轉為定量評價。

FZXB