对中国C2C电子商务信用评价机制的实证分析

论文摘要

C2C是电子商务的专业词汇,全称为Consumer to Consumer即个人与个人之间的电子商务。自从因特网在中国普及后,中国的C2C电子商务市场每年都以惊人的速度在扩张,根据中国互联网络信息中心(CNNIC)发布的第十九次“中国互联网络发展状况统计报告”,截止2010六月,中国网民的数量已经达到四亿两千万,和2009年末相比增长了三千六百万。在这四亿两千万网民中有一亿四千二百万有过网络购物的经历。由此可见中国C2C电子商务的市场虽然已经很庞大但是还有很大的增长空间,可是近几年来C2C电子商务的市场增长速度明显下降,除去不断被B2C和新兴的团购模式逐渐挤压的原因外,C2C电子商务自身所面临的诚信问题才是阻挡C2C发展的罪魁祸首。C2C交易过程中总是伴随着不同程度的信息不对称,由于传统购物是买卖双方面对面的交易,消费者在长期实践中获得了足够多的经验来应对商品质量的不确定性。基于互联网技术的C2C网络购物一方面消除了地理空间限制,使消费者搜索商品更加便利,交易的市场半径可以在理论上无限扩大,无限趋向于完全竞争市场,另一方便网上交易又产生了一些信息屏障,使得交易信息的充分性离完全竞争状态相差甚远,加上网络本身带有的匿名和虚拟性,网络交易中的欺骗行为会更为频繁地发生。就目前国内C2C电子商务平台的现状来看,卖家欺骗买家的成本极低,非常简单易操作,各个平台为了阻止欺骗行为,都推出了信用评价机制,期望以此约束买卖双方的不诚信行为。随着信用评价机制的推出,的确C2C交易的不诚信行为有所收敛,但是同时却带出了恶意评价,信用炒作等新问题。本文以信用评价机制为切入点试图剖析消费者在C2C交易中的消费习惯,根据从C2C交易平台获得的统计数据分析信用评价机制对消费者习惯的影响。本文的研究对象为国内三大C2C电子商务平台,Ebay易趣；淘宝；拍拍,由于这三大平台是国内规模最大的三个C2C电子商务平台,三家的市场占有率加在一起接近有百分之九十,所以这三家C2C电子商务平台信用评价机制非常有代表性。本文首先列举对比了三大C2C电子商务平台的信用评价机制,三种信用评价机制非常相似。三大C2C电子商务平台都提供基本的用户信息,信用分数,收到评价的历史记录以及各个平台自己制定的信用等级。在点击详细信息后还能够找到历史交易的详细信息,其中包括交易货物名称,交易时间,交易价格,消费者具体评价等。为了确定信用评价对消费者的消费习惯存在何种影响,本文对三大C2C电子商务平台的信用评价机制提出四个假设。分别为：1,消费者的网上购物习惯被真实世界中的周边环境所影响。2,不同信用等级的卖家提供差异化的服务。3,消费者针对不同交易物品对卖家的信用等级要求也不相同。4,消费者趋向与高信用等级的卖家交易。针对这四个假设本文搜集了一定的数据进行实证分析。抽样调查的过程包括以下五个步骤(1)界定总体,(2)确定抽样框,(3)确定样本数,(4)设计抽样方案,(5)抽取样本。本次调查的总体为三大C2C电子商务平台的所有用户。抽样框为所有用户的名册。由于人力物力的限制,要获得完全所有用户的名册是不现实的,所以本文选择了部分类别的商品,再记录了该部分商品卖家的信用记录。本文的样本数量为1000个,在保证置信度为0.95的情况下误差不超过正负百分之三。该精度在社会或经济统计中颇为常见。本文的抽样方法采取的是分段抽样法,(1)随机选择两个平台,(2)随机选择这两个平台中23个产品类别,(3)从这23类产品随机选择1000个用户。在采样过程中,每个类别抽出50名用户,因此实际样本数为1150个用户。所选择的23个产品类别随机抽取自淘宝的44个和拍拍的25个商品类别。下一步是随机从每个类别中选择50个用户。为了确保随机抽样,我利用商品搜索工具将商品按照交易结束时间进行排序。然后从列表中选出卖家作为样本,重复卖家只记录一次。考虑卖家发布商品的不同习惯,采样是在不同的时段进行,上午八点,下午两点和晚上十点各进行一次抽样收集。对于数据的初步分析本文首先对两个平台分开进行统计描述。可以看出,淘宝的数据指标要远超拍拍,网络经济学可以解释这现象。规模越大客户越多,其内在价值就越大,用户也就更积极地使用该网络,淘宝作为C2C的先驱相比拍拍有着巨大的先发优势。但是在好评率方面两大平台相差不大,标准差分别为淘宝的0.0164(卖方),0.0112(买方)和拍拍的0.0301(卖方),0.03634(买方),双方基本不相上下。但淘宝的标准差较小,显示了更好的稳定性。在考虑了系统误差后,我们仍然可以得出结论,这两个平台在好评率的指标上基本一致。而好评率是服务质量的标杆,因此我们可以得出结论,两个平台买卖双方提供的服务水平都很高,只有很小差异,所以假设二不同信用等级的卖家提供差异化的服务被否定。在这之后,我使用SPSS计算Pearson相关系数用来考察不同指标之间的关系。发现开始时间和其他指标的相关性非常低,小于0.5,这对于卖方是好消息。这意味着卖家可以通过努力获得经营优势。卖家的信用评分和最近6个月的好评率以及6个月前的信用评分相关性较高。相关系数分别为0.875和0.874。这表明,在很短的时间内增加信用评分的方法是通过促销使得交易量迅速增加。交易量和买卖双方的好评率相关性非常高,相关系数接近1。这不仅证明了当前的卖家能提供高水准的服务,而且C2C平台的现有机制是非常有效的。也可以从一个侧面看出,随着C2C电子商务的不断发展,交易双方都已日趋成熟。我关注了用户的地域分布。东部地区的消费者占了72.34%,来自中部地区的用户占了14.88%,西部地区为11.57%。显然,由于不同地区的经济发展状况,网络基础设施和消费者的消费习惯有很大差别,所以在不同地区C2C电子商务发展呈现出不平衡状态。而这种地区差异,不能在短时间内被消除,由此假设一,消费者的网上购物习惯被真实世界中的周边环境所影响被证实。然后,我对信用评价机制对于买卖双方的影响作进一步研究。基于淘宝,我选择两类商品,“数码配件”和“女士服饰”。第一类商品包括数码相机,移动硬盘,显示器,打印机等商品,第二类包括不同风格的服装(休闲,正式),箱包,鞋,帽子,丝巾及其他一些挂饰配件。第一类商品可以被看作是代表价格较高的商品,而第二类产品的代表价格较低的商品。经过分析,列表后观察发现虽然第二类价格较低商品的卖方数量(分别为一月的16925位和二月的17066位)要远远高于第一类价格较高商品的卖方数量(分别为一月的6951位和二月的6718位),但是两种不同商品的不同信用级别的卖家分布都呈现为金字塔形状,信用级别越高卖家越少,大约三分之一的卖家是一心级别。高级别卖家(高于四钻)的比例不到百分之二。一心级别卖家数量最多,两个月间数量变化也最大。高级别卖家的数量都是相当少且稳定的。由于两个类别商品的卖家分布基本相同,假设三,消费者针对不同交易物品对卖家的信用等级要求也不相同被否定。这里有个非常值得关注的现象,两类商品的低级别卖家淘汰率都非常高。我将两类产品所统计出的2221位卖家按照他们的注册时间依序排列,每隔10位挑出一位,最终得到222位卖家。之后我对比记录了这些卖家的等级变化状况,在下表列出。通过该表,我们可以发现,在之前记录的222位卖家中有35位退出,这一比例高达15.77%。另有187位约占总数的75.68%的卖家维持原有信用等级不变,只有8.56%的卖家提高了信用级别。另外我还记录了这些卖家一月份的成交量,一月这222位卖家的交易总数为130笔。共有156位卖家没有完成任何交易。平均每位卖家交易量为0.59笔。这是普通卖家有着高淘汰率的主要原因。于此同时我们对比看下高信用等级卖家的成交量。在同一期间,我在2221位卖家之间选择了80位级别最高卖家。在月底,只有一位卖家退出。但在一个月却内有20487笔成功交易。平均交易量为256.09笔是之前所得平均数值的433倍。然后,我再将高等级卖家的交易量细分,见下表。对比之下很容易发现高级别的卖家有超高的平均交易量。我量化卖家的信用级别,计算结果得出平均交易量和卖家信用级别之间的相关系数为0.88。这表明,客户对高级别卖家有强烈偏好。假设四,消费者趋向与高信用等级的卖家交易得以证实。通过以上对三个主要C2C电子商务平台的信用评价系统调查,我发现消费者深受卖家的信用评分影响。即使不同级别的卖家所提供的服务和产品几乎是一样的消费者还是会选择高级别的卖家,甚至是服务水平较低的高级别卖家(好评率较低)。由此可以总结出消费者过度依赖信用评价体系。很容易解释这种现象,规避风险的本能让消费者选择高信用等级的卖家(高信用等级意味着已经通过市场的检验),而不是选择低级别卖家。消费者过度依赖信用评价体系导致了许多信用欺诈手段的产生,诸如一部分卖家通过朋友或者掮客大量制造虚假交易恶意炒作信用分数,借此提高信用等级。虽然三大C2C电子上午平台都已经关注该问题并严肃查处甚至提出对信用炒作“零容忍”的口号,在信用评价机制上也做了新的调整,以淘宝为例：相同的买方和卖方在14天内多次交易则互相评论所产生的信用评分只计算为一分,但是信用炒作仍旧防不胜防,类似的信用欺诈层出不穷。另一方面过分依赖信用评价系统的结果是造成对新进入卖家的不公平竞争。现有的信用评价体系使高等级卖家吸引大部分的交易,直接损害了新进入卖家利益,迫使绝大多数新进入卖家在短时间内退出,按照现行的信用评价机制,高等级卖家几乎都是三大平台的老用户,他们有着绝对的先入优势,这些优势在C2C电子商务平台成立之初并不明显,可是随着时间的推移和信用积分的积累,老用户和新用户之间的差距被扩大到无法追赶。消费者躲避风险的偏好使得新用户成交量不足,信用等级无法提升,马太效应显现。今天如果几大C2C电子商务平台不采取特别措施为新客户提供平等竞争的机会话,那么C2C电子商务未来的客户流失将无可避免,而客户的流失又会直接导致交易平台中产品种类减少,最终将导致C2C平台对消费者吸引力的缺乏而无以为继。另外本文的调查结果也显示,消费者偏爱价格较低的商品,其根本原因在于对C2C电子商务的不信任,购买低价格商品意味着承担低风险,而消费者对低价商品的偏好使得经营低价商品的卖家更容易获得信用等级的提升,拥有更强大的生存能力,而贩卖高价格商品的卖家则因为消费者对信用等级和商品价格的双重偏好越发难以坚持,久而久之C2C电子商务平台中的商品价值不断下降,产品同质化不可避免,优质商品为劣质商品所驱逐,信用问题愈发严重。C2C电子商务平台如果想要跳出这种恶性循环,本文提供了以下两种思路。(一)督促法律法规的建设。目前的电子商务信用机制还只是建立在道德层面,在管理体系建设和法律法规制定上相对滞后,跟不上现阶段中国电子商务市场的高速发展的节奏,消费者对C2C电子商务的不信任很大部分来自于法律法规的不完善。各大电子商务平台应该联合建议国家进一步完善相应政策法规,自身加强管理体系建设,改良C2C电子商务的运营环境,增加消费者信心。(二)提高C2C门槛,逐步采取收费制度。在这几年C2C电子商务的爆炸式发展中,各个C2C电子商务平台为了鼓励新用户开店,抢占市场份额,运营模式通常是不成交则不收费,过低的准入门槛使得新用户开店的随意性大大增加,过量的新卖家和过高的新用户退出率导致消费者对低信用等级卖家的信心进一步降低。在实体商场运营中商场向商铺收取押金已经司空见惯,但是各大C2C电子商务平台却无人开此先例。向新用户收取押金虽然在一定程度上会提高准入门槛,使新入卖家的数量大幅减少,但是却极大地增加了电子商务平台对卖家的控制力,由平台为新入卖家提供担保,增强消费者对低信用等级的新入卖家的信心,促进C2C电子商务长远发展(三)卖家实名制,多平台信用档案联网。目前我国C2C电子商务平台都是各自为政,每个平台都建立了自己的一套信用评价体系,用户的信用资料做不到互联互通,平台之间缺乏信息共享,存在着信息壁垒,各自信息孤立没有办法流通。在现在这种情况下,如果卖家在某一C2C电子商务平台信用较差,恶评较多只需改头换面重新注册或是随意转移阵地选择其他的平台经营,而消费者无法得到足够的警示。而各个平台信用体系不流通交换的现状也阻挠了信用评价方法标准化的发展。一旦采取实名制并多平台信用档案联网,则劣质卖家无处可去,不会因为劣质商家的肆意流窜而降低消费者对所有新入卖家的信心,也可以增强C2C电子商务平台对卖家的监控力度。

论文目录

• Abstract
• 中文摘要
• Chapter One Introduction
• Ⅰ Research background
• Ⅱ The purpose and significance of the research
• Chapter Two Review of the Theory and Related Research
• Chapter Three Evaluation mechanism comparison among Chinese three major C2C e-commerce companies
• Ⅰ The credit evaluation mechanism of taobao.com
• 3.1.1 Overview
• 3.1.2 Detailed rules
• Ⅱ The credit evaluation mechanism of eBay.com.cn
• 3.2.1 Overview
• 3.2.2 eBay credit file
• 3.2.3 Detailed rules
• Ⅲ The credit evaluation mechanism of paipai.com
• 3.3.1 Time limit of credit evaluation
• 3.3.2 Detailed rules
• 3.3.3 Trading forbidden rules
• Ⅳ Analyses of the credit evaluation mechanism
• 3.4.1 The credit evaluation circuit of the three main companies
• 3.4.2 The similarities and differences among the three main companies
• Chapter Four Empirical Study of the effect brought by the existing credit evaluationmechanism on consumers' behavior
• Ⅰ Design of survey method
• Ⅱ Primary analysis of data
• Ⅲ Control study of two different kinds of goods
• 4.3.1 The research on the first category of products
• 4.3.2 The research on the second category of products
• 4.3.3 The comparison between two categories of products
• Conclusion
• References
• Acknowledgement