В работе рассматривается задача построения математической модели системы репутации пользователей на сайте Avito. Данная модель адаптирована к искусственным оценкам, цель которых — устранение конкурентов или совершение мошеннических действий.
На данный момент сайт Avito не участвует в процессе сделки между пользователями и не являлся гарантом. Данный факт значительно отличает сайт от таких популярных торговых площадок, как Ebay, Amazon, Taobao. В 2015 году компания приобрела сервис доставки Checkout, который является агрегатором доставок для интернет-магазинов, позволяющий выбирать из нескольких способов доставки, таких как «Почта России», SPSR Express,DPD,PickPoint и автоматически раcсчитывает стоимость доставки до клиента.
Постановка задачи.
Учитывая то, что используя данный сервис сайт Avito будет контролировать процесс сделки, появится необходимость во введении шкалы репутации продавцов. Таким образом, каждый продавец будет стремиться заработать показатель репутации, стремящийся к 100 %. Рейтинг показывает надежность [1] и является одним из главных критериев выбора покупателем того или иного продавца [2]. Задача состоит в построении такой модели системы рейтинга, которая минимизирует искусственное завышение репутации с целью последующих мошеннических действий, минимизирует искусственное занижение конкурентами, учитывает показатели репутации предыдущих месяцев. Также необходимо, чтобы вес новой оценки репутации был больше, чем, например, вес оценки за предыдущие месяцы.
Результаты и обсуждение.
Оставить отзыв покупатель сможет после совершения сделки в собственном личном кабинете на сайте. Должны быть доступны два варианта отзыва: «Положительный» и «Отрицательный». При расчёте они должны иметь значения «1» и «-1» соответственно. Последний подразумевает поле для подробного описания жалобы. Данные отзывы должны обрабатываться соответствующим отделом сотрудников.
К сожалению, не исключены случаи искусственного повышения или понижения рейтинга с целью введения в заблуждение потенциального покупателя и проведения в отношении него каких-либо мошеннических действий или устранения конкурентов. Чтобы снизить количество искусственных оценок репутации, нужно ввести регистрационный сбор, который уплачивается новым пользователем при регистрации на сайте. Данный взнос должен возвращаться на кошелек пользователя спустя некоторое время или после его первой продажи на сайте [3]. Кроме того, оставить отрицательный отзыв о конкретном продавце каждый пользователь может только один раз. Это объясняется тем, что покупатель не будет совершать сделку с человеком, с которым уже был неприятный опыт сотрудничества. Также стоит не принимать первую жалобу на продавца и отклонить её до появления аналогичной уникальной жалобы. Данные условия помогут минимизировать процент искусственных отзывов и предоставят потенциальным покупателям реальный рейтинг продавца.
Для расчёта репутации нужно учитывать стоимость товара. Таким образом, вес отрицательного отзыва для более дорогого лота, является большим, относительно отрицательного отзыва для дешевого товара. Это позволит избежать случаев, когда продавец искусственно увеличивает свою репутацию посредством продажи дешевых товаров и совершать в дальнейшем мошеннические действия, предлагая дорогие товары. Следует установить границы ценовых диапазонов и производить расчёт репутации отдельно для каждой из них. При совершении сделки покупатель оставляет отзыв о продавце. После этого рассчитывается общий рейтинг для всех ценовых диапазонов за текущий месяц. В данном моменте должны учитываться цены на проданные товары. Если рейтинг в -ом диапазоне 
, то вес отзыва по данному диапазону уменьшается в 
раз. Это объясняется тем, что десятая часть отрицательных отзывов может быть допустимой на случаи недопонимания между продавцом и покупателем. Если репутация в -ом диапазоне 
, то данное значение увеличивается в раз. Формула для расчёта выглядит так:
= 
,
– сумма оценок продавца в -ом диапазоне цен, за -ый месяц;
– количество оценок в -ом диапазоне цен, за -ый месяц;
Заключительным этапом расчёта рейтинга является учет показателей за предыдущие 5 месяцев. Кроме того, нужно учитывать то, что новые показатели репутации важнее, чем прошлые. Поэтому нужно увеличить вес отрицательных отзывов, в зависимости от месяца. Таким образом, значение репутации продавца, которая будет видна зарегистрированному пользователю, рассчитывается за последние полгода и имеет вид:
,
Примеры.
Рассмотрим различные сценарии сделок на сайте и изменение репутации продавца.
Сценарий 1.
Допустим, что все оценки продавца в текущем месяце были положительными для 1-го и 2-го диапазона и, соответственно, его рейтинг составлял «1». Следующей его оценкой стала «-1» для 3-го диапазона. Предложенная модель поведет себя следующим образом.
|
|
1 |
2 |
3 |
4 |
|
1 |
1 |
1 |
1 |
1 |
|
2 |
1 |
1 |
1 |
1 |
|
3 |
-1 |
|
|
1 |
2 |
3 |
4 |
5 |
6 |
|
|
0.9 |
0.9 |
0.9 |
0.9 |
0.9 |
Сценарий 2.
Пусть, продавец совершил ещё одну сделку с ценой, входящей в 3-ий диапазон. Тогда его рейтинг изменится следующим образом:
|
|
1 |
2 |
3 |
4 |
|
1 |
1 |
1 |
1 |
1 |
|
2 |
1 |
1 |
1 |
1 |
|
3 |
-1 |
1 |
|
|
1 |
2 |
3 |
4 |
5 |
6 |
|
|
0.9 |
0.9 |
0.9 |
0.9 |
0.9 |
Сценарий 3.
Пусть продавец имел положительные оценки в 1-ом диапазоне и, соответственно, максимальный рейтинг. При получении отрицательной оценки в 3 диапазоне, его репутация поведет себя следующим образом:
|
|
1 |
2 |
3 |
4 |
|
1 |
1 |
1 |
1 |
1 |
|
3 |
-1 |
|
|
1 |
2 |
3 |
4 |
5 |
6 |
|
|
0.9 |
0.9 |
0.9 |
0.9 |
0.9 |
Заключение.
В работе реализована математическая модель, которая сразу же пресекает самый распространенный вид мошенничества, в котором продавец сначала продает дешевый товар и получает максимальный рейтинг, тем самым зарабатывая доверие у потенциального покупателя, а при следующей сделке уже дорогого товара совершает мошеннические действия.
Литература:
- Wu F., Li H. H., Kuo Y. H. Reputation evaluation for choosing a trustworthy counterparty in C2C e-commerce Electronic Commerce Research and Applications, 2011. Vol. 18, № 3, P. 428–436.
- Chang J. S., Wong H. J. Selecting appropriate sellers in online auctions through a multi-attribute reputation calculation method Electronic Commerce Research and Applications, 2011. Vol. 10, № 2, P. 144–154.
- Panayotis F. A novel reputation-based model for e-commerce Operational Research, 2013. Vol. 13, № 1, P. 113–138.
