O2O商务信任研究现状及探讨

O2O概念于2010年由Alex Rampell提出后，受到产业界的热捧，各种O2O服务应用如雨后春笋般蓬勃发展，但目前针对O2O商务的信任管理研究仍然较少。

Shengsheng xiao等人（2015）[87]针对当前O2O商家的声誉及服务信息不对称、用户容易被骗等问题，提出了一种基于隐马尔可夫概率模型的O2O声誉管理系统。该模型通过融合商家的线上声誉信息和线下声誉信息，为用户预测商家未来的声誉状态，是第一个将声誉管理引入到O2O商务领域的研究，但在进行商家的声誉预测时，该模型对用户的交易数据、O2O商家的经营数据及独立第三方的监管数据并没有进行区分，而是分配了统一的权重，因此，易造成商家声誉预测的误差。Min Liang等人（2014）[88]从消费者、商家服务、O2O平台及交易环境四个维度，使用层次分析法和模糊综合评价方法建立了用户对当前O2O电子商务信任测度模型，结果显示当前人们对O2O电子商务的信任水平只有0.56，仍然处于较低水平。Zhijian Yang（2014）[89]对比了当前火爆的O2O团购商务模式与传统电子商务的不同，认为团购活动的盈利模式简单、易于复制，存在恶性竞争和较多不诚信行为，难以持续发展，提出了使用第三方支付平台、引入声誉评估及独立监管机构等方法，以缓解目前O2O团购商业模式所面临的问题。文献[90]综合考虑用户反馈、交易时间、交易价格、交易次数、反馈可信度、以往声誉等多种因素，提出了一种面向价值的O2O电子商务信任预测模型，该模型利用置信因子对局部声誉和全局声誉进行整合计算，来预测节点的信任度。但该模型并没有将O2O商家和客户的个性化因素区别开来，也没有考虑到本地服务行业与在线电子商务的不同，仍然是采用传统的电子商务声誉计算方式。其用户声誉计算采用公式2-11。

其中，Rj为用户j的全局声誉；为用户j的全局声誉期望，由用户j与其他用户的历史交互行为产生；函数φ（m，M）用来控制参与用户j全局声誉计算的邻居数量，需要满足如下条件：

从这些O2O商务的声誉研究可以看出，目前人们对O2O商务的总体信任程度较低，商家的不诚信行为较为常见。当前的O2O商务信任研究存在以下问题：

1.大多从政策、制度、策略等方面进行信任管理研究，提出了一些宏观层面的建议和方法[91]，这些研究在政府政策制定、市场规划等方面有一定的参考作用，但对于个体用户，却无法帮助其识别O2O商务交易中的商家和个体的信任问题。

2.未考虑到O2O商务信任新的属性特征，照搬已有B2C、C2C、P2P模式的声誉管理方法，忽视了O2O商务本身的特点和本地服务业的特殊情况。B2C、C2C、P2P这些领域面对的通常是文件和商品等客观对象，因此大多采用全局信任值计算方式。而O2O服务通常由人提供，如餐饮、洗衣、租车等，服务质量常常是不稳定的，且用户在面对O2O服务时的个人偏好差异很大且评价更加主观。(www.xing528.com)

3.O2O应用平台的商家声誉采用离散数据表达，计算过程采用累计平均的方式进行，不能准确表达商家的声誉。如百度糯米就采用简单的好、中、差（对应为1、0、-1表示）评分，这种方式计算虽然简单，但为客户提供的参考作用却有限，也无法解决声誉共谋、联合欺诈等问题。

4.忽视了商家的运营时间和客流量这些客观数据的作用。对于服务行业，商家的运营时间和客流量往往是其服务质量的重要体现，忽视这些因素得到的商家声誉，显然具有很大的缺陷。

5.未考虑交易客户的地域情况、消费金额等因素。对于本地服务行业，商家的地域距离往往是客户选择是否与其交易的重要因素，客户一般不会和与自己距离很远的商家进行交易。

因此，有必要对O2O商务的信任管理进行进一步深入研究，减轻用户在O2O商家服务信息及声誉信息不对称情况下的选择难度，帮助他们作出合理的交易决策。