基于BP神經網絡的跨境電商消費者信任度評價研究

宋揚　肖志強　左秋月

[內容提要]跨境電子商務發展空間巨大，但在發展過程中存在欺詐、虛假交易等信任問題。本文建立了跨境電子商務消費者信任度評價模型，包括誠實、善意和能力三個方面。采用BP神經網絡技術，選擇8組數據作為訓練樣本，2組數據作為測試樣本，從實驗結果上看，模型穩定性較好，具備有效性?？梢岳迷撓M者信任度模型計算跨境電商平臺的信任度。

[關鍵詞]跨境電子商務 信任度 BP神經網絡

在政策利好、消費升級等多重因素帶動下，我國跨境電商得到了高速發展。消費者可以通過跨境電商平臺購買世界各地的商品，滿足各方面的需求。但在高速增長的同時，跨境電商也開始出現欺詐、虛假交易等問題，因此消費者就會對跨境電商產生“不信任”，如何提高消費者的信任度是跨境電商面臨的一大難題。消費者在跨境電商平臺上購買所需商品時，都希望選擇的平臺是值得信任的，但是如何確定電商平臺是否值得信任呢？這就涉及到跨境電商平臺消費者信任度評價的問題。本研究從跨境電商平臺信任度影響因素出發，力圖建立科學的評價模型并對其進行評價，為消費者更好地實現跨境電商購物提供借鑒，并促進跨境電商有序發展。

信任是買賣雙方在特定的時間段和特定的環境中，買方對賣方在某一交易中按照預期完成交易的誠信性、安全性及可靠性的一種主觀感受，大小用信任度來衡量。對于跨境電子商務信任問題的研究，楊元彥從宏觀角度提出了包括賣方、買方、第三方信任中介和政府四個參與者的跨境電商信任機制模型，并對該機制模型中四個主體的博弈進行分析;盧雨芳對跨境電商平臺中顧客體驗、顧客信任與交叉購買意向的關系進行了研究。但是，缺少對跨境電商平臺信任度評價的研究，而對跨境電商信任度評價不僅會為消費者購買決策提供依據，同時也會促進跨境電商平臺的運營。因此，本研究不僅能夠豐富電子商務信任理論，同時具有較強的實踐意義。

一、跨境電商消費者信任度評價模型的構建

首先是構建跨境電商消費者信任度評價指標體系，本研究結合國內外跨境電子商務的研究，認為信任度評價指標體系由誠實、善意和能力三方面構成。整個指標體系包括三層，即總指標、一級指標和二級指標，其中總指標為信任度，一級指標包括誠實、善意和能力，二級指標一共11個，誠實包括3個二級指標，善意包括3個二級指標，能力包括5個二級指標。

以往對信任度評價的方法包括模糊綜合評價法、灰色聚類評價法、加權平均法等，各有優缺點。BP人工神經網絡方法是一種模擬人腦信息處理方法的非線性系統，通過不斷地訓練學習，動態調整白身的評估方法。同時，又可以避免復雜的數學推導，在樣本缺損和參數漂移的情況下，仍能保證穩定的輸出。因此，本文將BP人T神經網絡作為跨境電子商務信任度評價的方法。

二、研究設計與數據收集

1.數據收集。針對提出跨境電子商務信任度評價指標體系，本研究設計了調查問卷，測量消費者對于跨境電子商務平臺的信任度。在調查過程中二級指標采用李克特量表，共設為7個等級（分值從1-7），讓消費者根據自身情況進行選擇，選擇的分值即為本二級指標的得分。信任度的綜合評價得分由邀請的專家給出，最后和經BP神經網絡訓練得出的分數進行對比。本研究調查對象為：在跨境電子商務平臺（如網易考拉、小紅書、亞馬遜、京東全球購、天狗網等）上有一定網絡購物經驗的消費者。共發放問卷500份，回收問卷486份。

2.BP神經網絡結構設計。BP神經網絡模型包括輸入層、隱含層和輸出層三個神經元層次。輸入層的神經元個數由輸人樣本的維數確定，因此輸入層包括11個神經元;輸出層神經元節點數由輸出確定，本研究將跨境電商消費者信任度作為神經網絡系統的輸出，因此節點數為1個。本研究將評價結果分為優、良好、中等、一般、差五個等級，其中輸出值0.9-1為優秀;0.75 - 0.89為良好;0.74-0.65為中等;0.64 - 0.55為一般;小于0.55為差。根據映射網絡存在定理，只需要1個隱含層就可以實現研究的需要。根據經驗方法將輸入層神經元節點數和輸出層神經元節點數的平均值作為隱含層神經元個數，即為6個。綜上，本研究的神經網絡結構模型應為11×6×1。

3.BP神經網絡訓練過程。建立基于BP神經網絡的信任度評價模型的關鍵是確定訓練樣本的輸入值和輸出值，輸入值可由跨境電商消費者信任度11個分指標屬性值的無量綱化方法求得，期望輸出值為專家綜合評價得分。選取被調查跨境電商網站中的10家消費者信任度的數據作為研究樣本，其中8組作為訓練樣本，2組作為測試樣本。以MatLahR2016為工具，建立11（輸入層）×6（隱含層）×1（輸出層）的BP神經網絡模型，網絡各層的權值和閾值的初始化選用Trainscg訓練函數，網絡學習精度設置為1.00e-05。一是輸入8組訓練樣本數據，不斷訓練學習迭代，直到滿足1.00e-05的學習精度，將訓練學習好的神經網絡進行保存。二是向訓練學習好的神經網絡輸入2組測試樣本數據，輸出本研究BP神經網絡模型的評價結果。三是將BP神經網絡模型的評價輸出結果同專家評價結果進行比較，發現結果基本一致，說明本研究建立的BP神經網絡模型能夠有效地對跨境電子商務消費者信任度進行評價，具有可行性和科學性。

三、BP神經網絡的輸出結果與分析評價

本研究邀請九位專家對選取的跨境電子商務網站消費者信任度進行評分，平均分為最終得分，為期望輸出值。仿真輸出值通過本研究建立的BP神經網絡評價模型的學習和訓練得出（見表1）。從表1來看，期望輸出值的仿真輸出值相差很小，其中最小的相對誤差只有1.04%，其他樣本期望輸出值的仿真輸出值相對誤差也基本是在4%以下。因此，可以看出仿真輸出值和實際觀測值是較一致的。利用已建立的BP神經網絡對2組測試樣本數據樣本進行評價，網絡經過1000次迭代后達到訓練最佳目標，均方誤差為0.067855。通過Postreg函數對結果做進一步的分析得出，最優回歸直線和理想回歸直線幾乎重合，說明經過訓練的跨境電商消費者信任度評價模型具有比較好的性能。而且，測試樣本的仿真評價值和期望輸出值的相對誤差分別為2.13%和2.30%。可以進一步看出，模型的仿真能力較強，再次證明了BP神經網絡用于跨境電子商務消費者信任度評價的有效性。

四、結束語

本研究通過文獻研究、實地調研等方法構建了跨境電子商務消費者信任度的評價模型，以消費者經常登錄的跨境電子商務平臺為研究對象，收集數據，利用BP神經網絡方法進行了實證研究。研究結果表明，本研究建立跨境電子商務消費者信任度評價模型科學合理。利用BP神經網絡模型進行評價，整個操作過程不需要人工計算，只需要輸入數據，顯示出了該模型的便捷性。

為使本研究的成果能夠得到廣泛應用，可嘗試開發一個跨境電子商務消費者信任度評價的軟件系統，并將訓練好的神經網絡模型嵌入到該系統中。通過該評價系統，消費者通過輸入某些指標的值，就能獲取某個跨境電商網站的綜合評分或者評價等級，為其購物提供參考。同時，該系統也可以為政府或第三方機構所用，了解整個跨境電子商務平臺的發展情況，促進跨境電商的發展。