据中国电子商务研究中心(100EC.CN)监测数据显示，随着电子商务和网购市场的发展，消费者对产品的需求不再局限于功能性满足，更多地开始注重心理需求等，用户体验好坏常常成为消费者选择电商平台的重要理由。各电商平台企业也越来越意识到用户体验的重要性，相关企业也不甘示弱，以百度、阿里巴巴、腾讯为代表的互联网巨头，正是靠持续不断地提升用户体验或客户体验，绑定了消费者的心。用户体验正在成为一种核心竞争力，改变着网上市场生态。尤其自2015年以来，国务院相继推出了《关于积极推进“互联网+”行动的指导意见》等一系列重要政策措施，其中多次提及了“发展体验经济”、“提升用户体验”、“人机交互”以及“用户驱动创新”等关键词。在经济新常态下，提升、优化用户体验在推动经济增长、促进转型升级方面，正越来越具有战略意义。

要提升、优化用户体验，企业就要清楚用户体验还有哪些方面需要提升和优化，这就涉及到用户体验的评价问题。相应的评价方法可以分为构建模型进行评价和直接评价两类^[1]，其中，前者主要是运用多元回归分析、线性规划、非线性规划、结构方程模型等方法建立用户体验和构成要素之间的关系模型来评价用户体验水平；后者是根据用户体验调查问卷获取用户体验数据，进行数据处理后得出用户体验各构成因素得分及总体得分，或者对测量用户的生理指标、行为指标数据进行处理后按照一定的评价标准进行评价。总体来看，现有的用户体验评价研究在客观性和有效性等方面还需进一步探讨，主客观结合的评价方法值得进一步研究。为此，本文在以往有关用户体验研究文献的基础上，基于网站观测数据，结合粗糙集理论和灰色关联分析方法对典型B2C(business-to-customer)电商平台的用户体验状况进行综合评价，旨在进一步探索电子商务的用户体验评价方法，并有助于相关企业了解用户体验运作现状以及明确改进的方向。

1 电商平台用户体验的构成维度及初始指标体系 1.1 构成维度和指标体系设置

“用户体验”也常被称为“客户体验”，由于其内涵的丰富性和广泛性，使其至今仍是一个较为模糊的概念，人们并未形成统一的定义。目前较有影响力的定义有2个：1)国际标准化组织(International Organization for Standardization，ISO)将其定义为人们对于针对使用或期望使用的产品、系统或者服务的认知印象和回应^[2]；2)用户体验专业协会(User Experience Professional Association，UXPA)的定义，将用户体验概括为与产品服务或者企业交互的所有方面组成的用户感知^[3]。文献研究表明，多数文献在进行用户体验研究中并没有明确按照某个理论进行用户体验构成的划分，而是根据实际研究问题选择用户体验构成要素。这表明，用户体验在构成上也存在一定的分歧。综合有关文献的研究^[4-9]，用户体验这一概念可理解为消费者在与企业互动交流的过程中，受个人的心理活动和企业的营销信息联合作用而产生的感受。因此，本文将用户体验分为网站体验、交互体验、品牌体验和信任体验4个维度，它们构成4个一级指标，再根据科学性、系统性、可操作性和行业代表性等原则，再设置了20个二级评价指标，如表1所示。

1.2 各级指标的含义

1)网站体验。

网站是消费者网上购物的平台，对于网络购物来说，因其无法使消费者亲自触碰和感受到商品，而有别于实体店购物，消费者只能通过视觉和感觉来判断是否需要购买，因此网站体验对于消费者来说十分重要。具体来说，网站的结构布局、信息内容和视觉效果等都会对消费者的用户体验带来影响，本文将其细分为网站系统稳定性、网站访问速度、导航链接有效性、支持商品检索、网页主色明确和网站帮助信息等6个评价指标。

网站系统稳定性：指网站能否稳定运行，能否顺畅处理购物流程。

网站访问速度：指浏览器打开网站首页的速度快慢。

导航链接有效性：指网站首页中的链接是否有效，能否到达链接所指向的页面。

支持商品检索：指网站首页是否有搜索引擎支持客户对商品的检索。

网页主色明确：指网站所用的主色调是否属于同一个颜色。

网站帮助信息：指网站中是否有对客户提示的帮助信息，以帮助客户了解网站。

2)交互体验。

由于电子商务的虚拟性，网上互动与实体店中的互动有很大不同，消费者对网上互动的要求更为重视。本文把这一属性称称之为“交互体验”，并细分为支付方式多样性、配送方式多样性、配送及时性、退换商品条款和具有个性化服务等5个评价指标。

支付方式多样性：指网站是否提供多种支付方式，以方便客户完成支付行为。

配送方式多样性：指网站是否提供多种配送方式，以方便客户获取其购买的商品。

配送及时性：指网站承诺在客户下单后的多少小时内发货。

退换商品条款：指网站能够满足客户收货后多少日内无理由退货。

具有个性化服务：指网站是否为客户提供个性化的商品推荐服务。

3)品牌体验。

网络零售市场的电商网站众多，网站品牌对消费者网购具有一定程度的影响力。因此设置的第3个维度是“品牌体验”，并细分为网页级别、网站内容及地位、网站品牌介绍和具有促销活动等4个评价指标。

网页级别：简称PR(PageRank)，从0到10，数值越大说明该网页越受欢迎或越重要。

网站内容及地位：指网站中的网页被百度收录的数量，收录量越大，地位越高。

网站品牌介绍：指网站中是否有栏目对该网站进行介绍。

具有促销活动：指网站是否有进行促销活动。

4)信任体验。

由于网络空间的虚拟性，网上购物过程中的安全体验对消费者而言十分重要。因此设置的第4个维度是“信任体验”，并细分为网站真实性、网站系统安全性、个人信息安全性、在线支付安全性和权益保障性等5个评价指标。

网站真实性：指网站是否提供了在有效期内的经营许可证。

网站系统安全性：指网站系统是否安全，不存在漏洞或病毒等。

个人信息安全性：指网站是否提供了声明，承诺保护消费者的隐私信息。

在线支付安全性：指网站是否提供了网上在线支付安全的声明或协议。

权益保障性：指网站是否设置了相关栏目以保障消费者的权益。

2 基于粗糙集方法约简的用户体验指标体系 2.1 约简原理和步骤

粗糙集方法以其特有的属性约简和属性重要度原理，无须任何先验信息，就可以有效剔除冗余信息，并比较不同属性间的依赖性与重要性，导出分类规则^[10]。粗糙集属性约简功能可从众多指标中提取出核心指标，得到约简指标体系，而且，除了能处理定量指标外，还可以有效处理具有不确定性和需要主观评判的定性指标^[11]。采用粗糙集属性约简优化评价指标体系是基于数据驱动和数据挖掘的原理。根据这一原理，冗余的指标被剔除后，将能够反映被评价目标的关键性、代表性指标挖掘出来，形成评价体系^[12]。

根据属性约简的判断准则，判断条件属性集A在论域U关于决策属性D的正区域U与A中删除任意个属性或属性组合(记为CK)后关于决策属性D的正区域是否相等，即判断等式POS_(A-CK)(D)= POS_C (D)是否成立，如果成立，则CK所包含的条件属性或条件属性集合可以从属性集A中被约简；否则，CK所包含的条件属性或条件属性集合就不能从属性集A中被约简^[13]。

基于粗糙集属性约简方法的电商平台用户体验评价指标体系优化的过程主要有以下6个步骤:

1)针对电商平台用户体验评价的初始指标体系，设置每个指标的赋值规则(见表2)；

2)针对各电商平台设置日均IP访问量作为决策指标，并根据各自的观察结果由低到高分别赋值1～9；

3)汇总各指标的赋值，获得离散化的原始评价数据；

4)建立电商平台用户体验评价信息系统；

5)对用户体验评价信息系统进行属性约简以减少属性之间的相关性影响；

6)采用约简得到属性集，最终产生优化的电商平台用户体验评价指标体系。

2.2 研究样本选取和约简结果

据中国电子商务研究中心监测数据(100EC.CN)显示，2015年中国B2C网络零售市场(包括开放平台式与自营销售式，不含品牌电商)前10名包括：天猫、京东商城、苏宁易购、唯品会、亚马逊中国、当当网、1号店、聚美优品、国美在线、易迅网。其中除天猫外的其它9个均为自营销售式电商平台，它们是目前国内典型的B2C电商平台，因此本文选取这9个自营销售式电商平台(编码依次设置为u1～u9)作为观察研究样本，观察时间为2016年3月中旬，一一记录各电商平台各项指标和日均IP访问量(编码为D)的实际结果和赋值，得到如表3所示的关系数据表。

以本文前述初选的20个指标为条件属性，各电商平台的日均IP访问量为决策属性，使用粗糙集工具软件Rosetta导入条件属性和决策属性数据，然后选择Johnson算法进行数据约简，得到约简后的电商平台用户体验评价指标体系(图1)，即具有代表性的评价指标共有13个(表4)。

3 电商平台用户体验的综合评价

电商平台用户体验的评价，实质上就是衡量每个评价对象在每个评价指标上与其相应理想值之间的关联性强弱，因此本文采用灰色关联分析方法来进行综合评价。

3.1 综合评价方法和步骤

应用灰色关联分析的主要步骤如下^[14]。

1)确定比较数列。按优化后的评价指标体系(表4)确定n个待评价对象的m个评价指标取值矩阵。每个被评价对象的所有指标值就构成了一个比较数列，记作

$\quad\quad {C_i}\left( j \right) = \{ {C_i}(1), {C_i}\left( 2 \right), \ldots , {C_i}\left( m \right)\}{\text{。}}$

(1)

其中，i=l, 2,…,n表示被评价对象的个数；j=1, 2,…,m表示每个评价对象的指标数。

2)确定参考数列。确定评价对象的m个指标理想值矩阵X₀(即每个指标的理想值构成的矩阵)作为参考数列，记为

$\quad\quad {C_0}\left( j \right) = \{ {C_0}(1), {C_0}\left( 2 \right), \ldots , {C_0}\left( m \right)\}{\text{。}}$

(2)

3)数据标准化。对上述n+1行m列矩阵逐列数据进行标准化处理，所得结果记为X_i (j)，公式为

$\quad\quad {X_i}\left( j \right) = \frac{{{c_i}\left( j \right)}}{{{c_j}}}{\text{。}}$

(3)

其中， ${C_j} = \displaystyle\frac{1}{{n + 1}}\sum\limits_{i = 1}^n {{C_i}(j)} $ ，j=1, 2,…,m。

4)计算关联系数。根据灰色系统理论，定义比较数列C_i 对参考数列C₀在指标C_i (j)上的关联系数为ξ_i (j)，计算公式为

$\begin{split}& \quad\quad {\xi _i}\left( j \right) = \displaystyle\frac{{\mathop {\rm min}\limits_i \mathop {\rm min}\limits_j |{x_0}(j) - {x_i}(j)| + \rho \mathop {\rm max}\limits_i \mathop {\rm max}\limits_j |{x_0}(j) - {x_i}(j)|}}{{|{x_0}(j) - {x_i}(j)| + \mathop {\rho \rm max}\limits_i \mathop {\rm max}\limits_j |{x_0}(j) - {x_i}(j)|}},\\& i = 1,2, \ldots ,n;j = 1,2, \ldots ,m{\text{。}}\end{split}$

(4)

式中，ρ为分辨系数，其作用在于提高关联系数之间的差异显著性，通常取ρ=0.5。所得结果构成关联系数矩阵 $ \xi$ 。

5)计算评价指标权重。对上述关系数据表基于粗糙集理论的方法计算权重^[15-16]，所得结果记为 W ，即 W =(w₁,w₂,…,w_m )^T。

6)计算综合评价的关联度。灰色关联度决策模型为

$\quad\quad {\gamma } = { \xi} \cdot { W}{\text{。}}$

(5)

第i个评价对象的关联度记为γ_i ，其计算表达式为

$\quad\quad {{ \gamma} _i} = \sum\limits_{j = 1}^m {{\xi _i}(j)} {w_j}{\text{。}}$

(6)

所得结果γ_i 值越大，说明相应的被评价对象评价值越接近于参考数列值。

3.2 电商平台用户体验数据计算结果

1)评价指标权重计算结果。

采用粗糙集理论方法计算得到各评价指标的权重如表5所示，其中按维度归一化的权重系数用于计算相应维度的评价值，全部归一化的权重系数用于计算综合评价值。此处二级指标列出两种权重只是方便计算，二级指标间的相对比值不变。

2)各电商平台灰色关联度评价值计算结果。

按上述方法和步骤得到各电商平台用户体验的关联度评价值，如表6所示。

3.3 评价结果分析

1)综合评价结果分析。

由表6中的综合评价值可知，在9个电商平台中，用户体验关联度排在前4位的依次有京东商城、亚马逊中国、苏宁易购和1号店，而唯品会、易迅网、当当网和国美在线则位列倒数后4名。这一结果与中国电子商务研究中心(100EC.CN)发布的“2015年度中国电子商务用户体验与投诉监测报告”中的有关结论类似，其中提到的“2015年度十大用户体验最差零售电商”就有当当网、唯品会和国美在线3个平台，不过该报告是根据投诉数量和问题处理反馈率以及反馈时效性等多项指标进行综合考核得出的。

整体来看，在国内领先的9个自营式B2C电商平台中，综合评价值大于0.7的只有3个，说明国内B2C电商平台的用户体验还有较大的提升和优化空间。在用户体验的4个维度中，信任体验、网站体验、品牌体验和交互体验的评价均值依次为0.773、0.730、0.676、0.664，这表明各商城的信任体验和网站体验做得要好于品牌体验及交互体验，交互体验中的配送及时性、具有个性化服务和品牌体验中的网站内容及地位等指标是各商城需重点强化的方面。

2)聚类分析。

对各电商平台按4个维度进行聚类分析，采用系统聚类(最短距离法、组间联接法、Ward法)和K-mean聚类等聚类分析方法进行聚类，结果显示，以Ward法的效果较为理想，其组内距离都较小，且组间距离较大，所得结果如表7所示。9个电商平台可划分为3类，第一类有3家，其特点表现在网站体验、信任体验、交互体验和品牌体验明显做得较好，属行业第一梯队；第2类有5家，其共同特点是网站体验、信任体验、交互体验和品牌体验在同行来说算中等，4个维度相差不大，应努力追赶第一梯队；第3类只有一家，其特点是4个维度的发展极不均衡，主要反映技术功夫的网站体验做得较好，但其它3个维度却是行业类做得最差的，而这3个维度的总权重占近3/4，所以要提升用户体验，对这3个维度必须下功夫给予重视和优化。

3)因素分析。

对各电商平台企业来说，通过上述评价，可找出影响用户体验水平提升和优化的不利因素并加以改进。在表6中，各评价值(关联度)的大小反映了相应的电商平台有关指标与理想值(关联度为1)的差异大小，差异值越大，表明所反映的因素对用户体验的提升越不利，是需要加以重点改进的因素。以唯品会为例，有3个维度的关联度低于0.6，因此其改进的重点依次是信任体验、交互体验和品牌体验。具体到各二级指标来说，改进的重点则可以从各指标的关联系数大小来考虑。唯品会关联系数小于1的二级指标如表8所示，由此可见，其二级指标完善的工作重点依次是R₂₂、R₂₅、R₄₄、R₃₁、R₄₅、R₃₂、R₁₃、R₄₁等。

4 结论

基于网站观测数据，在电商平台用户体验初始评价指标的基础上，运用粗糙集属性约简算法对指标进行筛选，其意义在于找出各电商平台有代表性的用户体验指标；然后基于粗糙集理论中信息熵的案例特征权值方法计算得到各个评价指标的权重。这一方法无须任何先验知识，通过实例验证具有一定的可信度，克服了传统的权值确定方法的主观性和随意性；再通过构建基于灰色关联分析的评价模型进行实证分析，所得结果可以反映各评价对象与理想值的差距，有助于各电商平台企业明确需要完善和改进的方向。