基于BP神经网络的跨境电商消费者信任度评价研究

宋扬　肖志强　左秋月

[内容提要]跨境电子商务发展空间巨大，但在发展过程中存在欺诈、虚假交易等信任问题。本文建立了跨境电子商务消费者信任度评价模型，包括诚实、善意和能力三个方面。采用BP神经网络技术，选择8组数据作为训练样本，2组数据作为测试样本，从实验结果上看，模型穩定性较好，具备有效性。可以利用该消费者信任度模型计算跨境电商平台的信任度。

[关键词]跨境电子商务 信任度 BP神经网络

在政策利好、消费升级等多重因素带动下，我国跨境电商得到了高速发展。消费者可以通过跨境电商平台购买世界各地的商品，满足各方面的需求。但在高速增长的同时，跨境电商也开始出现欺诈、虚假交易等问题，因此消费者就会对跨境电商产生“不信任”，如何提高消费者的信任度是跨境电商面临的一大难题。消费者在跨境电商平台上购买所需商品时，都希望选择的平台是值得信任的，但是如何确定电商平台是否值得信任呢？这就涉及到跨境电商平台消费者信任度评价的问题。本研究从跨境电商平台信任度影响因素出发，力图建立科学的评价模型并对其进行评价，为消费者更好地实现跨境电商购物提供借鉴，并促进跨境电商有序发展。

信任是买卖双方在特定的时间段和特定的环境中，买方对卖方在某一交易中按照预期完成交易的诚信性、安全性及可靠性的一种主观感受，大小用信任度来衡量。对于跨境电子商务信任问题的研究，杨元彦从宏观角度提出了包括卖方、买方、第三方信任中介和政府四个参与者的跨境电商信任机制模型，并对该机制模型中四个主体的博弈进行分析;卢雨芳对跨境电商平台中顾客体验、顾客信任与交叉购买意向的关系进行了研究。但是，缺少对跨境电商平台信任度评价的研究，而对跨境电商信任度评价不仅会为消费者购买决策提供依据，同时也会促进跨境电商平台的运营。因此，本研究不仅能够丰富电子商务信任理论，同时具有较强的实践意义。

一、跨境电商消费者信任度评价模型的构建

首先是构建跨境电商消费者信任度评价指标体系，本研究结合国内外跨境电子商务的研究，认为信任度评价指标体系由诚实、善意和能力三方面构成。整个指标体系包括三层，即总指标、一级指标和二级指标，其中总指标为信任度，一级指标包括诚实、善意和能力，二级指标一共11个，诚实包括3个二级指标，善意包括3个二级指标，能力包括5个二级指标。

以往对信任度评价的方法包括模糊综合评价法、灰色聚类评价法、加权平均法等，各有优缺点。BP人工神经网络方法是一种模拟人脑信息处理方法的非线性系统，通过不断地训练学习，动态调整白身的评估方法。同时，又可以避免复杂的数学推导，在样本缺损和参数漂移的情况下，仍能保证稳定的输出。因此，本文将BP人T神经网络作为跨境电子商务信任度评价的方法。

二、研究设计与数据收集

1.数据收集。针对提出跨境电子商务信任度评价指标体系，本研究设计了调查问卷，测量消费者对于跨境电子商务平台的信任度。在调查过程中二级指标采用李克特量表，共设为7个等级（分值从1-7），让消费者根据自身情况进行选择，选择的分值即为本二级指标的得分。信任度的综合评价得分由邀请的专家给出，最后和经BP神经网络训练得出的分数进行对比。本研究调查对象为：在跨境电子商务平台（如网易考拉、小红书、亚马逊、京东全球购、天狗网等）上有一定网络购物经验的消费者。共发放问卷500份，回收问卷486份。

2.BP神经网络结构设计。BP神经网络模型包括输入层、隐含层和输出层三个神经元层次。输入层的神经元个数由输人样本的维数确定，因此输入层包括11个神经元;输出层神经元节点数由输出确定，本研究将跨境电商消费者信任度作为神经网络系统的输出，因此节点数为1个。本研究将评价结果分为优、良好、中等、一般、差五个等级，其中输出值0.9-1为优秀;0.75 - 0.89为良好;0.74-0.65为中等;0.64 - 0.55为一般;小于0.55为差。根据映射网络存在定理，只需要1个隐含层就可以实现研究的需要。根据经验方法将输入层神经元节点数和输出层神经元节点数的平均值作为隐含层神经元个数，即为6个。综上，本研究的神经网络结构模型应为11×6×1。

3.BP神经网络训练过程。建立基于BP神经网络的信任度评价模型的关键是确定训练样本的输入值和输出值，输入值可由跨境电商消费者信任度11个分指标属性值的无量纲化方法求得，期望输出值为专家综合评价得分。选取被调查跨境电商网站中的10家消费者信任度的数据作为研究样本，其中8组作为训练样本，2组作为测试样本。以MatLahR2016为工具，建立11（输入层）×6（隐含层）×1（输出层）的BP神经网络模型，网络各层的权值和阈值的初始化选用Trainscg训练函数，网络学习精度设置为1.00e-05。一是输入8组训练样本数据，不断训练学习迭代，直到满足1.00e-05的学习精度，将训练学习好的神经网络进行保存。二是向训练学习好的神经网络输入2组测试样本数据，输出本研究BP神经网络模型的评价结果。三是将BP神经网络模型的评价输出结果同专家评价结果进行比较，发现结果基本一致，说明本研究建立的BP神经网络模型能够有效地对跨境电子商务消费者信任度进行评价，具有可行性和科学性。

三、BP神经网络的输出结果与分析评价

本研究邀请九位专家对选取的跨境电子商务网站消费者信任度进行评分，平均分为最终得分，为期望输出值。仿真输出值通过本研究建立的BP神经网络评价模型的学习和训练得出（见表1）。从表1来看，期望输出值的仿真输出值相差很小，其中最小的相对误差只有1.04%，其他样本期望输出值的仿真输出值相对误差也基本是在4%以下。因此，可以看出仿真输出值和实际观测值是较一致的。利用已建立的BP神经网络对2组测试样本数据样本进行评价，网络经过1000次迭代后达到训练最佳目标，均方误差为0.067855。通过Postreg函数对结果做进一步的分析得出，最优回归直线和理想回归直线几乎重合，说明经过训练的跨境电商消费者信任度评价模型具有比较好的性能。而且，测试样本的仿真评价值和期望输出值的相对误差分别为2.13%和2.30%。可以进一步看出，模型的仿真能力较强，再次证明了BP神经网络用于跨境电子商务消费者信任度评价的有效性。

四、结束语

本研究通过文献研究、实地调研等方法构建了跨境电子商务消费者信任度的评价模型，以消费者经常登录的跨境电子商务平台为研究对象，收集数据，利用BP神经网络方法进行了实证研究。研究结果表明，本研究建立跨境电子商务消费者信任度评价模型科学合理。利用BP神经网络模型进行评价，整个操作过程不需要人工计算，只需要输入数据，显示出了该模型的便捷性。

为使本研究的成果能够得到广泛应用，可尝试开发一个跨境电子商务消费者信任度评价的软件系统，并将训练好的神经网络模型嵌入到该系统中。通过该评价系统，消费者通过输入某些指标的值，就能获取某个跨境电商网站的综合评分或者评价等级，为其购物提供参考。同时，该系统也可以为政府或第三方机构所用，了解整个跨境电子商务平台的发展情况，促进跨境电商的发展。