一、原理:
主要运用层次分析法和模糊综合评价两种信息分析方法,通过定量与定性相结合方法对国内五个知名旅游电商网站进行综合评价,使用层次分析法和模糊综合评价对相应对象进行综合评价主要是通过构建判断矩阵,求出评价指标的权重系数,再根据权重系数对相应对象进行评价的过程。
层次分析法的基本原理是根据问题的性质和要达到的总目标,将问题分解为不同的组成因素,并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合,形成一个多层次的分析结构模型,从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。
模糊综合评价的基本原理是根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。
二、内容概要:
(1)通过查阅文献资料确定旅游电商网站评价指标;
(2)使用层次分析法确定各指标权重;
(3)使用模糊综合评价法对五个旅游电商网站进行评价;
三、步骤:
- 构建评价指标体系
本实验通过查阅有关电商网站评价的相关文献,最终构建出评价旅游电商网站的指标体系,包括6个一级指标和对应的22个二级指标,如图1所示,各二级指标的进一步解释与描述见表1所示。
图1 旅游电商网站评价指标体系
表格 SEQ 表格 \* ARABIC 1旅游电商网站评价指标体系的定义
一级指标 | 二级指标 | 指标的解释与描述 |
---|---|---|
网页构建 | 网页布局 | 指页面文字、图形等的美观度 |
网页导航 | 指引导用户指向所需要的信息栏目 | |
访问速度 | 指进入网站主页所耗时长 | |
网站的稳定性 | 指使用网站时的流畅度 | |
网站的易用性 | 指网站易于上手使用的程度 | |
产品质量 | 产品的真实性 | 指产品描述和现实产品的相符程度 |
产品的时效性 | 指产品在特定时间内对决策有用的价值 | |
产品的多样性 | 指不同类型产品的丰富程度 | |
产品的性价比 | 产品性能(品质)/产品价格 | |
信任体验 | 品牌形象 | 指公众对于网站的心理认知和评价 |
支付安全 | 指在支付行为发生时个人账户的安全 | |
隐私保护 | 指对个人隐私的不外泄保障 | |
互动交流 | 信息推介 | 指网站为挖掘客户提供的服务和产品的推广 |
客服咨询 | 指网站为客户提供的在线交流服务 | |
会员服务 | 指网站向会员提供的产品推广和服务保障 | |
售后服务 | 投诉渠道 | 指客户反映意见的途径 |
问题处理 | 指网站处理客户投诉的方式和过程 | |
网站回访 | 指网站对用户反映问题的跟踪反馈 | |
网站影响 | 百度权重 | 百度权重是爱站、站长工具等网站推出,划分为等级 0~10的第三方网站受欢迎度的评估数据。 |
网站流量综合排名 | 综合排名也叫绝对排名,是指一个网站在所有网站中的名次。Alexa每三个月公布一次新的网站综合排名。 | |
反向链接数 | 外链接数是指从别的网站导入到我们网站的链接数量。 | |
百度引擎收录页面数 | 指百度搜索引擎收录某网站页面信息的数量。 |
- 确定指标权重
采用层次分析法确定评价指标权重,由五位来自信息管理与信息系统专业的同学对指标体系进行深入了解后,进行指标间相对重要性的评定,此处可认定这五位被调查者为专家。被调查者需要判断各一级指标间两两重要性,以及各一级指标下的二级指标间两两重要性。本实验采用yaahp软件构建层次结构模型后,进一步使用其生成AHP调查表功能自动创建调查表。根据专家填写的调查表生成各一级指标相对于目标层的判断矩阵以及各二级指标相对于其对应一级指标的判断矩阵(yaahp软件可通过导入专家调查问卷,自动生成判断矩阵,并对判断矩阵的一致性进行自动修正,使判断矩阵均通过一致性检验)。自动修正过程如图2所示。
图2 判断矩阵一致性修正过程
得到五位专家相应的判断矩阵后,采用和积法计算各判断矩阵的特征向量并进行归一化,最后将五个专家判断矩阵计算得到的权重进行算术平均,再进行层次总排序,最终得到各二级指标相对于决策目标的权重。相应计算结果见表2-9。
表格2 各专家判断矩阵一级指标相对于目标层的权重
相对于目标层的权重 | 专家一 | 专家二 | 专家三 | 专家四 | 专家五 | 算术平均 |
---|---|---|---|---|---|---|
网页构建 | 0.0601 | 0.0467 | 0.0497 | 0.0395 | 0.1138 | 0.062 |
产品质量 | 0.3363 | 0.4214 | 0.2126 | 0.2651 | 0.2666 | 0.3004 |
信任体验 | 0.3277 | 0.2939 | 0.1098 | 0.3012 | 0.4338 | 0.2933 |
互动交流 | 0.1226 | 0.0744 | 0.2201 | 0.1752 | 0.1056 | 0.1396 |
售后服务 | 0.0958 | 0.0482 | 0.3489 | 0.093 | 0.0355 | 0.1243 |
网站影响 | 0.0576 | 0.1154 | 0.0588 | 0.126 | 0.0448 | 0.0805 |
表格3 网页构建下属二级指标相对权重
相对于网页构建的权重 | 专家一 | 专家二 | 专家三 | 专家四 | 专家五 | 算术平均 |
---|---|---|---|---|---|---|
网页布局 | 0.1128 | 0.1577 | 0.0859 | 0.1231 | 0.0541 | 0.10672 |
网页导航 | 0.0544 | 0.1433 | 0.1456 | 0.2527 | 0.2018 | 0.15956 |
访问速度 | 0.1999 | 0.0782 | 0.489 | 0.0856 | 0.046 | 0.17974 |
网站稳定性 | 0.3198 | 0.3713 | 0.0809 | 0.2693 | 0.3953 | 0.28732 |
网站易用性 | 0.3131 | 0.2496 | 0.1985 | 0.2693 | 0.3027 | 0.26664 |
表格4 产品质量下属二级指标相对权重
相对于产品质量的权重 | 专家一 | 专家二 | 专家三 | 专家四 | 专家五 | 算术平均 |
---|---|---|---|---|---|---|
产品真实性 | 0.1931 | 0.5665 | 0.0823 | 0.6216 | 0.5459 | 0.40188 |
产品时效性 | 0.1283 | 0.1365 | 0.2191 | 0.1246 | 0.0603 | 0.13376 |
产品多样性 | 0.1618 | 0.1168 | 0.4201 | 0.0819 | 0.0819 | 0.1725 |
产品性价比 | 0.5168 | 0.1801 | 0.2785 | 0.1719 | 0.3119 | 0.29184 |
表格5 信任体验下属二级指标相对权重
相对于信任体验的权重 | 专家一 | 专家二 | 专家三 | 专家四 | 专家五 | 算术平均 |
---|---|---|---|---|---|---|
品牌形象 | 0.1038 | 0.0837 | 0.608 | 0.0769 | 0.1416 | 0.2028 |
支付安全 | 0.6651 | 0.472 | 0.1199 | 0.4615 | 0.5247 | 0.44864 |
隐私保护 | 0.2311 | 0.4443 | 0.2721 | 0.4615 | 0.3338 | 0.34856 |
表格6 互动交流下属二级指标相对权重
相对于互动交流的权重 | 专家一 | 专家二 | 专家三 | 专家四 | 专家五 | 算术平均 |
---|---|---|---|---|---|---|
信息推介 | 0.2311 | 0.608 | 0.1865 | 0.5416 | 0.0654 | 0.32652 |
客服咨询 | 0.6651 | 0.1199 | 0.2341 | 0.265 | 0.3412 | 0.32506 |
会员服务 | 0.1038 | 0.2721 | 0.5794 | 0.1934 | 0.5934 | 0.34842 |
表格7 售后服务下属二级指标相对权重
相对于售后服务的权重 | 专家一 | 专家二 | 专家三 | 专家四 | 专家五 | 算术平均 |
---|---|---|---|---|---|---|
投诉渠道 | 0.2311 | 0.1932 | 0.608 | 0.2299 | 0.3338 | 0.3192 |
问题处理 | 0.6651 | 0.7235 | 0.1199 | 0.6479 | 0.5907 | 0.54942 |
网站回访 | 0.1038 | 0.0833 | 0.2721 | 0.1222 | 0.0755 | 0.13138 |
表格8 网站影响下属二级指标相对权重
相对于网站影响的权重 | 专家一 | 专家二 | 专家三 | 专家四 | 专家五 | 算术平均 |
---|---|---|---|---|---|---|
百度权重 | 0.1522 | 0.2129 | 0.1232 | 0.2308 | 0.0493 | 0.15368 |
网站流量综合排名 | 0.4723 | 0.431 | 0.3273 | 0.2308 | 0.5344 | 0.39916 |
反向链接数 | 0.2889 | 0.2796 | 0.1737 | 0.4615 | 0.2399 | 0.28872 |
百度引擎收录页面数 | 0.0867 | 0.0765 | 0.3758 | 0.0769 | 0.1764 | 0.15846 |
表格9 评价指标权重
一级指标 | 一级指标权重 | 二级指标 | 二级指标相对权重 |
---|---|---|---|
网页构建 | 0.62 | 网页布局 | 0.10672 |
网页导航 | 0.15956 | ||
访问速度 | 0.17974 | ||
网站的稳定性 | 0.28732 | ||
网站的易用性 | 0.26664 | ||
产品质量 | 0.3004 | 产品的真实性 | 0.40188 |
产品的时效性 | 0.13376 | ||
产品的多样性 | 0.1725 | ||
产品的性价比 | 0.29184 | ||
信任体验 | 0.2933 | 品牌形象 | 0.2028 |
支付安全 | 0.44864 | ||
隐私保护 | 0.34856 | ||
互动交流 | 0.1396 | 信息推介 | 0.32652 |
客服咨询 | 0.32506 | ||
会员服务 | 0.34842 | ||
售后服务 | 0.1243 | 投诉渠道 | 0.3192 |
问题处理 | 0.54942 | ||
网站回访 | 0.13138 | ||
网站影响 | 0.0805 | 百度权重 | 0.15368 |
网站流量综合排名 | 0.39916 | ||
反向链接数 | 0.28872 | ||
百度引擎收录页面数 | 0.15846 |
- 确定评价对象
本实验选取五个国内知名且业务范围相似的旅游电商网站进行评价,它们分别是携程、飞猪、途牛、马蜂窝、同程旅游。
- 综合评价
本次评估采用问卷调查的方法,邀请10位对上述五个网站有过详细浏览,且在其中若干网站上完成过交易的同学按照已经构建好的评价指标对上述五个网站分别进行评价,即模糊综合评价的因素集U即为我们构建的22个二级评价指标:
U={网页布局;网页导航;访问速度;网站的稳定性;网站的易用性;产品的真实性;产品的时效性;产品的多样性;产品的性价比;品牌形象;支付安全;隐私保护;信息推介;客服咨询;会员服务;投诉渠道;问题处理;网站回访;百度权重;网站流量综合排名;反向链接数;百度引擎收录页面数}
同时可以知道,我们的权重集如下:
一级指标权重:A=(0.62,0.3004,0.2933,0.1396,0.1243,0.0805)
二级指标权重:A1=(0.10672,0.15956,0.17974,0.28732,0.26664)
A2=(0.40188,0.13376,0.1725,0.29184)
A3=(0.2028,0.44864,0.34856)
A4=(0.32652,0.32506,0.34842)
A5=(0.3192,0.54942,0.13138)
A6=(0.15368,0.39916,0.28872,0.15846)
在问卷中设置评价集V={优秀,良好,一般,较差,差}
在指标体系中,“网站影响”一级指标下的四个二级变量属于客观变量,不需要评测人员进行评价,通过查询 Alexa 中文官方网站和站长工具获得其具体值后,通过归一化,再映射到我们的评价集上,五个旅游电商网站在这四个二级指标上的值和评价如表10所示。
表格10 网站影响下属指标评价
旅游电商网站 | 百度权重 | 评价 | 网站流量综合排名 | 评价 | 反向链接数 | 评价 | 百度引擎收录页面数 | 评价 |
---|---|---|---|---|---|---|---|---|
携程 | 6 | 一般 | 2532 | 优秀 | 12371 | 一般 | 13055 | 差 |
飞猪 | 5 | 较差 | 39561 | 良好 | 881692 | 优秀 | 446929 | 较差 |
途牛 | 6 | 一般 | 47276 | 良好 | 6068 | 较差 | 49909332 | 优秀 |
马蜂窝 | 8 | 良好 | 4933 | 优秀 | 16699 | 一般 | 57190465 | 优秀 |
同程旅游 | 6 | 一般 | 95817 | 较差 | 9631 | 较差 | 1716137 | 良好 |
本实验采用yaahp软件自动生成评测表,然后发放给评测人,最后回收汇总,以携程为例,对调查结果进行汇总并计算,得到六个关于各一级指标的二级多因素矩阵。
由Bi=Ai·Ri,于是:
于是有关于评价携程网站的一级多因素矩阵:
下一步进行综合评价,即B=A·R:
所以,根据最大隶属原则,携程旅游网站的综合评价结果为“优秀”。
- 实验数据及结果分析:
对其他四个旅游电商网站做同样分析,得到各网站的综合隶属度向量如下:
B携程=(0.5268 0.3147 0.1289 0.0169 0.0128)
B飞猪 =(0.4683 0.3843 0.0645 0.0343 0.0486)
B途牛 =(0.1666 0.3853 0.3347 0.0902 0.0232)
B马蜂窝 =(0.3530 0.3383 0.2332 0.0269 0.0486)
B同程旅行=(0.2322 0.3610 0.2991 0.1077 0)
根据最大隶属度原则,五个旅游电商网站中携程,飞猪,马蜂窝评价结果为优秀,途牛和同程旅行评价结果为良好。对评价集赋予相应的分值,即V={100,80,60,36,10},计算各旅游电商网站的得分如下:
携程:86.33 飞猪:83.17 途牛:71.05 马蜂窝:77.81 同程旅行:73.93
**
可以看到同样隶属于优秀级别,携程网站的得分大于飞猪,飞猪网站的得分大于马蜂窝,而同样隶属于良好级别的网站中同程旅行的得分大于途牛网站。
四、结论:
采用最大隶属原则,可以得出以下结论:
①携程、飞猪和马蜂窝三个旅游电商网站的综合评价为“优秀”,途牛、同程旅行的综合评价为“良好”。
②在评价为优秀的三个网站中,携程的“优秀”隶属度最高,且其在“较差”和“差”上的隶属度几乎没有,飞猪的综合评分隶属度主要集中在“优秀”和“良好”上,马蜂窝虽然评价为“优秀”,但其在“良好”和“一般”上的隶属度也较高。
③携程除了在“网站影响”一级指标上有“差”的评分外,其余各指标上均没有“差”的评分,且“一般”和“较差”的评分也较少,说明携程在各个方面都有良好的表现,适合作为在没有特殊要求下的首选旅游电商网站。飞猪在各项指标下的评价与携程差距不大,因此也是一个不错的选择。针对于途牛的各项指标的评分,可以发现其在“信任体验”和“网站影响”上的评分不是很好,有待改进。针对于同程旅行的各项指标的评分,可以发现,其各指标评分较为均衡,但都不突出。针对于马蜂窝的各项指标的评分,可以发现,其在“网站构建”和“网站影响”上有较为突出的优势,但其“产品质量”和“售后服务”有待提高。
五、对过程及方法、手段的改进建议:
本实验的评价指标体系主要由实验者本身根据相关文献总结得出,可以进一步采用德尔菲法( Delphi Method) ,依据系统的程序,采用匿名发表意见的方式,即专家之间不得互相讨论,不发生横向联系,只能与调查人员发生关系,通过多轮次调查专家对问卷所提问题的看法,经过反复征询、归纳、修改,最后汇总成专家基本一致的看法,从而确定评价指标体系。由于专家打分存在主观性较强的问题,且本实验中调查的专家主要是身边较为优秀的同学,可以调查更具权威性的专家,并增加专家人数,从而使结论更具有说服力。