服务信誉评价和服务产品价值评估的作用及意义

现代服务业经济是随着生产力高度发达及信息技术飞速提升，在后工业时代日益成熟的社会经济形态。随着互联网经济浪潮的袭来，服务业经济的战场从线下向线上转移，形成了网络服务经济。移动互联网的广泛覆盖，使人们能随时随地完成商业交易，获取信息、服务或商品。然而，在网络服务经济现阶段发展过程中，各种电子商务交易网站均出现了由于网络信誉文化缺失而导致的“服务经济乱象”问题，诸如产品或服务未亲身经历过、始终充满怀疑、产品照片可能造假、评论评价可能是请“水军”写的等，严重阻碍了网络服务经济的健康发展。因此，建立健全的网络信誉评价服务机制和服务产品价值评估体系，构建健康的服务经济生态环境，成为现代网络服务经济发展迫切需要解决的瓶颈问题。

服务信誉评价和服务产品价值评估的作用及意义

现代服务业经济是随着生产力高度发达及信息技术飞速提升，在后工业时代日益成熟的社会经济形态。随着互联网经济浪潮的袭来，服务业经济的战场从线下向线上转移，形成了网络服务经济。移动互联网的广泛覆盖，使人们能随时随地完成商业交易，获取信息、服务或商品。然而，在网络服务经济现阶段发展过程中，各种电子商务交易网站均出现了由于网络信誉文化缺失而导致的“服务经济乱象”问题，诸如产品或服务未亲身经历过、始终充满怀疑、产品照片可能造假、评论评价可能是请“水军”写的等，严重阻碍了网络服务经济的健康发展。因此，建立健全的网络信誉评价服务机制和服务产品价值评估体系，构建健康的服务经济生态环境，成为现代网络服务经济发展迫切需要解决的瓶颈问题。

服务信誉评价体系

服务信誉评价的概念

信誉通常被用来作为信任程度的一种度量标准。一套完整的社会信誉体系，包括基于政府构建的公共信誉体系、企业信誉体系和个人信誉体系^[1]。公共信誉体系的构建和完善，是企业信誉和个人信誉的前提，是商业社会和谐平稳发展的基石，是对企业和个人信誉互动行为过程的权威监管方和约束方。

面向服务环境的信誉评价是指结合科学的信誉指标体系，利用现代信息处理、大数据等技术，针对服务过程中参与主体的可信度进行定量和定性的度量。

服务信誉评价体系的分类

图1 现代服务业信誉评价体系

为了清晰地描述现代服务业的各类服务模型和服务形式，研究者对传统的服务关系模型进行了拓展，提出了“回型”服务关系模型^[2]。该模型主要包含提供主体、消费主体、载体、过程、目标和价值等6大组成元素。服务的提供主体、消费主体和服务载体为核心元素。服务提供者是指提供服务的人、组织，以及程序和智能系统等非生物体。服务消费者是指享用服务的人、组织，以及程序和智能系统等非生物体。服务载体即服务提供主体和消费主体进行交互的媒介物，包括服务平台、智能工具和系统等。

我们可以从服务关系模型的核心元素入手，分别建立服务提供者、服务消费者和服务载体各自的信誉评价子体系，从而构建全面的现代服务业信誉评价体系。

服务提供者的信誉评价

服务提供者信誉评价针对服务提供者或生产者的可信度进行定量和定性的度量。目前，针对服务提供者信誉评价的研究是相对较充分的。国内外众多知名的第三方服务平台都制定了自己的可信度评级体系，用于评价入驻平台的商家信誉。例如，亚马逊(Amazon)的用户会通过产品评级和评论判断商品是否值得购买，淘宝网上的买家会通过商家信誉（皇冠数量、钻石数量）来判断该商家是否值得信任。大众点评已经成为商家信誉评价的一个参考，网上的用户往往会通过商家在社区的口碑来决定该商家是否值得光顾。

从评价指标研究的角度看，对于服务提供者信誉评价的指标如表1所示，可以概括为交易因素、产品（或商品）因素、服务因素和物流因素4个方面^[3]。交易因素主要包括交易数量、交易完成率和交易频率等；产品因素主要包括产品描述相符程度、产品质量和产品价格等；服务因素包括服务态度、服务质量和售后服务等；物流因素主要包括货运速度、物流费用、包装和服务态度等。

表1 服务提供者的信誉评价指标体系

在利用单一平台数据对服务者信誉进行评价的基础上，有学者提出了“信誉聚合”的概念。通过将同一服务提供者在不同平台的信誉评价进行累积分析，利用大数据挖掘技术，突破平台壁垒，建立跨平台信誉评价机制，实现平台信誉互联。“信联网”这一概念也体现了跨平台信誉的理念，即以互联网技术为基础，通过对服务平台交易信息、政府监管数据和公共网络平台的大数据挖掘分析，建立计算模型，运用云计算技术形成的商务信用评估体系，并通过信用资产的运营形成商务信用网。

服务消费者的信誉评价

服务消费者信誉评价（在电子商务场景中可称为买家信誉评价）是对服务使用者或消费者的可信度进行定量和定性的度量。从评价指标研究的角度看，对消费者的信誉评价一方面集中在基于交易数据的信誉评价，主要研究交易相关要素，如交易数量、交易时间、交易状态、交易金额和交易频率等对信誉的影响^[4]；另一方面集中在基于用户行为与关系特征的信誉评价，主要研究用户行为及用户产生数据对信誉的影响^[5]。表2给出了目前较常见的服务消费者的信誉评价指标框架。    

表2 服务消费者的信誉评价指标体系

服务载体的信誉

服务载体的信誉评价是指对作为服务提供主体和消费主体交互媒介的服务平台、系统或工具的可信度进行定量和定性的度量。由于在线交易的信息不对称、不透明，企业和用户信誉的信任缺失严重，交易平台的信誉评价显得尤为重要。现代网络服务互联网平台的交易模式主要有B2C、C2C、B2B三类。交易模式的差异性对平台信誉评价有着不小的影响。不同的服务提供者和需求者对平台信誉也有着不同的要求。同时，平台运营的发展也不断影响自身信誉的等级，例如平台运营时间的长短、拥有客户的数量以及所提供的服务或产品的丰富性等。

目前，对服务载体信誉的研究相对缺乏。现阶段，平台信誉评价指标维度单一，仅仅利用平台自身的运营数据难以表述平台真实的信誉情况。因此，应增加更多元化的、内容丰富的信誉评价指标，如综合利用平台自身的交易信息、政府监管部门数据和社会媒体数据，形成由政府监管、公众监督和平台自检的“信誉聚合”评价体系。

服务信誉评价的技术架构

服务信誉评价的整体技术框架可以分为数据层、关键技术层、信誉模型层和服务层等，如图2所示。

图2 服务信誉评价的技术架构

数据层为服务信誉评价提供基础数据支持，包含用户数据库、交易数据库、产品数据库和行为日志数据库等。

服务信誉评价涉及的关键技术主要用于对采集的数据进行分析处理，从而获取评价所需指标，主要包括用户行为分析、自然语言处理、情感分析、机器学习等。利用以上技术可获取服务信誉相关的知识和数据，从而进行信誉建模。

信誉评价模型主要有两种：学习模型和统计模型。前者主要利用层次分析、灰色理论、模糊数学和人工神经网络等构建相应的评价模型。后者是目前大多数互联网服务平台所采用的评分（评级）统计方式。以往的研究通过借鉴社会学、心理学等相关研究成果，采用统计学、人工智能等理论，提出多种信誉计算模型，试图以精确的方式描述和处理复杂的信任关系，度量和评估信任意向。目前，主流信誉计算模型包括基于层次分析法、评分统计的模型，基于机器学习方法（如贝叶斯系统）的模型，基于灰度理论、模糊数学的模型和流模型等。

现有平台在进行用户信誉评价时，采用的基于用户评分的数学模型简单易理解，但只是对评分的简单加和平均，无法消除信誉作弊行为的影响，很难体现服务提供者和消费者的真实信誉。层次分析法在进行信誉评价时需要专家参与指标权重分析。在指标系统较复杂时，权重分析将成为一项繁重的任务，且主观性较强。层次分析法与其他基于概率的模型一样，尚缺乏公开的数据集进行科学评价。

在大数据应用背景下，基于机器学习的信誉模型是今后信誉评价的重要发展方向^[6]，但需要解决人工标注工作量较大等问题。深度学习作为一项新兴技术，也是用户信誉评价的未来方向之一。

服务产品价值评估体系

服务产品的概念

服务产品是指不具有实体，而是以各种劳务形式表现出来的无形产品，如旅游业、信息咨询、法律服务和金融服务等。可分为以设备为基础的服务产品和以人为基础的服务产品。

服务产品价值评估的重要性

近年来，随着以版权资源为核心的出版、动漫、影视、软件、网络与计算机服务等文化创意产业的迅猛发展，从国家规划层面到服务产品拥有者资源配置层面，都对服务产品这种无形资产的价值和作用越来越重视。版权的创造、运用、管理和保护对版权作品价值评估的需求也不断增加。因而，对服务产品的价值评估也就逐渐成为研究的焦点^[7]。对这类无形资产的价值评估，一是出于保护知识产权的需要；二是可以提高无形资产的品牌知名度，增强资产拥有者的实力和整体竞争力。

服务产品价值评估体系的分类

在现代服务业领域，技术、内容和资源、数据资产等成为互联网时代和媒体大数据时代很重要的服务产品类型。我们可以从这三方面的服务产品入手，分别建立针对技术的知识产权、内容和资源的版权，以及数据资产各自的价值评估子体系，从而构建全面的现代服务业服务产品价值评估体系。

图3 服务产品价值评估体系架构图

知识产权价值评估

随着知识经济时代和全球经济一体化的深入发展，各个国家都意识到科学知识与技术创新已经成为促进人类社会发展的主要力量。其中，知识产权（专利、版权、商标等）作为一种无形资产，在国家和企业的竞争中起着举足轻重的作用。

近年来，随着我国自主创新力的快速提升，知识产权申请量大幅度增长，全社会对加强知识产权的运用，充分发挥和转化创新优势，促进经济发展有很高的期待。如何有效盘活知识产权资产，特别是在转让、许可、出资、收储运营、质押融资及证券化融资、拍卖、损害赔偿、企业重组和并购、项目引进及产业化筛选等方面，都需要对涉及的知识产权进行科学合理的价值评估。欧盟、美国等发达国家对知识产权的评价研究较早，主要借鉴无形资产评估的理论和方法。我国对知识产权价值评估领域的研究分析相对较晚，同时主要是从单个领域（专利、版权、商标）角度的研究，还未有从综合角度的评价。

从目前的评估方式看，根据评估目的不同，主要有两个角度^[8]：一种是以为交易提供参考为目的，将知识产权看作一种无形资产，将知识产权价值评估定义为“对知识产权的市场价值进行评估的一种特殊的无形资产评估”。它着眼于知识产权的未来经济效益，这也是目前应用较多的一种角度。从评价方法上看，尽管借鉴了无形资产交易的成本法、市场法、收益法和期权法等，研究人员也积累了一些数学模型，但评价的基础是基于交易双方对知识产权投资价值的主观判断。比如，我国技术交易中心目前采用竞价拍卖的方式进行知识产权交易。由于没有建立在对知识产权科技价值的共知基础上，造成估值的偏高或偏低。所以仅从经济学角度对知识产权估值进行评价，并不能反映其相对真实的价值。目前，还未有一种较科学的评价体系出现，这也是造成我国知识产权交易市场发展缓慢的原因之一。另一种从知识产权法律、技术、经济综合角度，建立一种分级管理的评价体系，侧重于以分级评分的方式为知识产权的交易提供参考，如国家知识产权局2012年发布的《专利价值分析体系》。这种评价方式考虑了知识产权的科学价值，但由于没能与市场价值相结合，而使得在应用上不够直观。

综合以上两种方法，在对技术知识产权进行评估时，首先需要建立一种指标评价体系，再参考市场已成交的相似指标值的知识产权交易额，确定一个相似系数，进而得出被评估的知识产权交易评估值。其中涉及的关键技术和手段包括知识产权价值指标体系构建，知识产权相似度定位计算与价值分析，知识产权成交相似度系数确立等。表3给出了目前比较常见的知识产权价值评估指标框架。

表3 知识产权价值评估指标体系

内容和资源版权价值评估

内容和资源的版权作为一项重要的无形资产，合理评估内容和资源的版权价值能够对吸收投资、增资扩股、作价入股、项目融资等提供较为可靠的价值参考依据，同时还能为版权交易提供一致的评估结果，从而形成可交易的基础。

从评估的方法上来说，对内容和资源的版权进行价值评估，主要包括成本法、市场法、收益法和实物期权法^[9]。目前研究较多的主要是基于收益法的评估方法。

从评估方式上来说，不同类型的内容或资源因其价值评估标准不同，需要根据不同类型的内容或资源在服务过程中各自的特点，为内容或资源的版权价值建立合适的评估模型，包括评估指标的建立、指标量化、模型的生成与验证等环节。

影响内容或资源价值评估的因素主要包括三个方面：内容或资源自身的因素、消费者（使用者）的因素以及市场因素。表4给出了目前比较常见的内容和资源版权价值评估指标框架。

表4 内容和资源版权价值评估指标体系

数据资产价值评估

近年来，数据资产成为网络服务经济发展的一项核心资源。对数据资产进行价值评估，就是使数据的内在价值和使用价值有一个可操作的量化指标，对数据进行多角度价值评估，从而提升数据运营管理水平。

从对数据资产的价值评估研究方法和成果来看，影响运营数据资产价值评估的主要因素是数据资产的成本和应用^[10]。因此，可以以此来评估数据资产的价值。表5给出了目前比较常见的数据资产价值评估指标框架。

表5 数据资产价值评估指标体系

数据资产成本　主要来源于信息系统的建设和运维费用。建设费用是从信息系统建设费用评估而来，一般包括人工费用、材料费用和间接费用等。运维费用包括业务操作费和技术运维费。不同的数据资产所包含的建设费用和运维费用的比例是不同的。

数据资产应用　要根据不同的数据资产分类分别进行研究，关注于数据资产的使用次数。对于不同的使用对象，同一数据资产也会产生不同的使用效果。所以可以将数据资产的分类、使用次数和使用效果评价作为主要的评估指标。

综上，数据资产价值评估是通过适宜的数据分析和处理方法，对影响运营数据资产价值的主要因素进行量化处理，最终得到合理的评估值。主要是基于对数据资产成本和数据资产应用的评估。

服务产品价值评估基本模型

无论是技术、内容和资源还是数据资产服务产品，对其进行价值评估定价主要有博弈和人工智能两种方法。博弈方法是在一定条件下，通过数据资产的买卖，双方以讨价还价的方式，实现自身利益最大化和风险成本最小化的方法。人工智能方法的核心是依据评价指标体系建立价值评估模型。价值评估模型主要有两种：多元线性回归模型和基于神经网络的模型^[7]。多元线性回归是利用线性来拟合多个自变量和因变量之间的关系，从而确定多元线性回归模型的参数，回归至原假设方程中，通过回归方程来预测因变量的趋势。神经网络建模一般是利用大数据处理工具，将数据分为训练数据和检验数据，用训练数据进行训练，用检验数据来检验模型的好坏。

多元线性回归模型能够建立两组变量间的线性因果关系，便于分析，但对于变量之间的交互效应或变量间存在非线性的因果关系时，多元线性回归的预测方法存在一定的偏差；神经网络模型的非线性关系对变量的处理效果要优于多元线性回归模型的线性关系，但神经网络存在很强的样本依赖性及收敛速度慢等弱点。

从多元线性回归模型和神经网络模型针对服务产品价值评估的数据分析方面来看，神经网络对数据的评估与预测发展潜力更大，可以作为今后服务产品价值评估模型的重要发展方向。也可以将多元线性回归模型和神经网络模型相结合，解决神经网络存在的样本依赖性和收敛速度问题。同时，评价指标体系的建立及指标量化处理的方式是直接影响模型建立及预测效果的重要因素，需要面向实际应用，针对不同形式的服务产品，继续优化评价指标体系和量化处理方式。

总结

服务信誉评价和服务产品价值评估，能够从不同角度支撑现代服务业领域健康、全面、快速地发展，同时也是网络服务计算技术的重要组成部分。服务计算基础理论与技术的进步能够带动服务信誉评价体系以及服务产品价值评估体系的建立和逐步完善，能够创新服务信誉和服务价值的评价机制和模式。服务信誉评价体系以及服务产品价值评估体系的不断建设、完善和产品化运营，也会成为现代网络平台服务经济的核心支撑和重要力量。■

参考文献：

[1]   服务行业质量信用评价指标体系的构建。http://www.doc88.com/p-225229311072.html

[2]   吴朝晖．现代服务业与服务计算：新模型和新概念，中国计算机学会通讯，2013

[3]   李向华，杜鹃，苏勇．电子商务主体分类及信用评价指标体系研究，标准科学，2014年第1期

[4]   陈元琳．电子商务交易信用评估模型研究．清华大学，2015.6

[5]   莫倩，杨珂．网络水军识别研究．软件学报，2014(7)：1505-1526

[6]   Yuejun Li, Xiao Feng, Shuwu Zhang. Detecting Fake Reviews Utilizing Semantic and Emotion Mode. 2016 3rd International Conference on Information Science and Control Engineering (ICISCE). IEEE Computer Society, 2016:317-320

[7]   卢文景．电影版权价值评估系统的研究与实现．中国传媒大学硕士学位论文，2016

[8]   周正柱，朱可超．知识产权价值评估研究最新进展与述评．现代情报，2015．10

[9]   卢文景，冯晓．大数据时代电影票房影响因素证实分析．中国传媒大学学报（自然科学版），2016（4）

  [10] 张志刚，杨栋枢，吴红侠．数据资产价值评估模型研究与应用．现代电子技术，2015，20：44-47+51