TWI474273B - Network evaluation system and method - Google Patents

Network evaluation system and method Download PDF

Info

Publication number
TWI474273B
TWI474273B TW98114027A TW98114027A TWI474273B TW I474273 B TWI474273 B TW I474273B TW 98114027 A TW98114027 A TW 98114027A TW 98114027 A TW98114027 A TW 98114027A TW I474273 B TWI474273 B TW I474273B
Authority
TW
Taiwan
Prior art keywords
evaluation
module
parameters
parameter
transaction
Prior art date
Application number
TW98114027A
Other languages
English (en)
Other versions
TW201039260A (en
Inventor
戴慶祝
Original Assignee
阿里巴巴集團控股有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 阿里巴巴集團控股有限公司 filed Critical 阿里巴巴集團控股有限公司
Priority to TW98114027A priority Critical patent/TWI474273B/zh
Publication of TW201039260A publication Critical patent/TW201039260A/zh
Application granted granted Critical
Publication of TWI474273B publication Critical patent/TWI474273B/zh

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

網路評價的系統和方法
本發明實施例係有關網路領域,尤其有關一種網路評價的系統和方法。
目前大型電子商務網站基本都有一套評價方法,下面以是對其中一種代表性的方法的描述。
在電子商務交易完成後,網站邀請買家透過點選的方式對賣家進行評價,點選的可選項包括好評、中評、差評三種,買家根據自己對這次交易的感受做出選擇,如果買家認為此次交易是滿意的,一般會選擇好評,如果不滿意則可能會選擇差評。如果買家沒有進行評價,則系統默認此次交易的評價為好評。透過這種方式,每個賣家都有逐漸積累起一些評價資料,網站會根據這些資料折算出兩個指標,其一為好評率;其二為賣家積分。
好評率的計算方法為賣家的歷史好評數除以評價總數,用百分數表示。積分則是根據評價的累計進行計算,例如一個好評積一分,一個差評減一分,中評不得分。舉例:如果一個賣家臣註冊以來一共做過100筆賣方交易,則得到的好評數為97,中評數為2,差評數為1。
那麼他的好評率為
97/(97+2+1)=97%;
他的積分為
97*1+2*0+1*(-1)=96分
計算出賣家的評分以後,網站會根據一定的規則將其積分換算成一定的等級。總的等級數一般在10-15級之間,每一個級別用一定的圖示顯示,級別與積分之間存在明確的對應關係,例如上述的96分對應三級。
由此,網站就透過買家對賣家的好評、中評、差評折算出了賣家的三個指標:好評率,總積分和等級。這三個指標成為賣家在其網站上的長期指標,買家往往會透過這三個指標對賣家進行判斷,然後做出是否購買的決定。
在實施本發明的過程中,發明人發現現有技術中至少存在以下問題:評價方法過於簡單,使交易雙方無法全面的瞭解對方。
本發明實施例提供一種網路評價的系統和方法,以實現對交易雙方較為全面的評價。
本發明實施例提供一種網路評價的系統,包括:參數獲取模組、評價查詢模組、參數調用模組以及頁面產生模組;其中,所述參數獲取模組,用以獲取各類評價參數;所述評價查詢模組,用以接收評價查詢請求後,通知所述參數調用模組調用各類評價參數;所述參數調用模組,用以收到所述評價查詢模組的通知後,調用所述參數獲取模組將獲取到的各類評價參數發送到所述頁面產生模組;所述頁面產生模組,用以接收到所述參數調用模組發送的各類參數後,產生參數展示頁面。
本發明實施例提供一種網路評價的方法,包括:獲取各類評價參數;接收頁面的評價查詢請求後,通知調用所述各類評價參數;收到所述調用通知後,調用所述各類評價參數發送到系統前端;透過所述系統前端接收到所述各類評價參數後,產生參數展示頁面。
與現有技術相比,本發明實施例至少具有以下優點:透過採用本發明實施例提供的系統和方法,可以實現對交易雙方更加全面的評價,透過獲取並展示各類評價參數,增加了交易的資訊公開,使評價結果更加客觀可信。
現有技術的評價系統包括一評價請求模組,一資料獲取模組,一計算模組及一頁面展示模組。
在每筆交易發生後,評價請求模組邀請買家透過點選的方式對賣家進行評價,點選的可選項包括好評、中評、差評三種,評價完成後,評價資料保存到資料庫,由資料獲取模組在資料庫中讀出並發送到計算模組;計算模組根據資料獲取模組發送的評價資料計算出好評率、總積分和等級,併發送給頁面展示模組,由頁面展示模組更新到對應的頁面上。
但是,現有技術的評價系統評價資料太少,不能做出全面、客觀的評價。
下面結合附圖和實施例對本發明進行詳細介紹。
本發明實施例提供一種網路評價的系統,如圖1所示,包括參數獲取模組110、評價查詢模組120、參數調用模組130以及頁面產生模組140。
其中,參數獲取模組110用以獲取各類評價參數;評價查詢模組120用以接收頁面的評價查詢請求後,通知參數調用模組130調用各類評價參數;參數調用模組130用以收到評價查詢模組120的通知後,調用參數獲取模組110獲取到的各類評價參數發送到頁面產生模組140;頁面產生模組140用以接收到參數調用模組130發送的各類參數後,產生參數展示頁面。
透過採用本發明實施例提供的系統,可以實現對交易雙方更加全面的評價,透過獲取並展示各類評價參數,增加了交易的資訊公開,使評價結果更加客觀可信。
本發明實施例提供一種網路評價的系統,以買家對賣家的評價為例,如圖2所示,包括參數獲取模組210、評價查詢模組220、參數調用模組230、頁面產生模組240以及評價點選模組250。
其中,參數獲取模組210用以獲取各類評價參數;評價查詢模組220用以接收頁面的評價查詢請求後,通知參數調用模組230調用各類參數;參數調用模組230用以收到評價查詢模組220的通知後,調用參數獲取模組210獲取到的各類參數發送到頁面產生模組240;頁面產生模組240用以接收到參數調用模組230發送的各類參數後,產生參數展示頁面;評價點選模組250用以在交易結束後提供透過點選的方式對本次交易進行評價。
具體地說,買家點擊賣家頁面的鏈結時,評價查詢模組220發送請求到參數調用模組230,通知參數調用模組230調用參數獲取模組210獲取的各類評價參數,發送到頁面產生模組240,使頁面產生模組240產生參數展示頁面,向買家展示賣家的各類評價參數。
參數獲取模組210在交易結束後,儲存本次交易資料並產生各類評價參數,包括四個方面:總體評價參數、分類評價參數、交易資料以及投訴糾紛、退款資料。其中,總體評價參數包括四個維度:各時間段的好評數、中評數、差評數以及差評率;分類評價參數四個維度:商品與描述的相符程度各時間段的平均分、服務態度各時間段的平均分、到貨及時程度各時間段的平均分以及價格滿意度各時間段的平均分;交易資料包括四個維度:交易筆數、交易金額、平均每筆金額以及買家數;投訴糾紛、退款資料包括二個維度:投訴糾紛率以及退款率。
參數獲取模組210包括:第一參數獲取子模組211,用以獲取交易資料中各類評價參數;交易資料中各類評價參數包括四個維度的參數:交易筆數、交易金額、平均每筆金額以及買家數;交易完成後,第一參數獲取子模組211會保存本次交易的明細資料到系統交易明細表,並觸發交易資料匯總資訊更新功能。在系統資料庫中,對交易資訊匯總表進行更新,包括更新交易筆數、交易金額、平均每筆金額以及買家數。
在上述更新的資訊中,會加入本次交易的資訊,例如交易筆數會加1,平均交易金額重新統計等。如果是新的買家購買的,則買家數也加1。
第二參數獲取子模組212,用以獲取買家對賣家的評價資料中各類評價參數;上述評價參數包括買家對賣家總體評價中四個維度的參數:各時間段的好評數、中評數、差評數以及差評率;買家對賣家分類評價中四個維度的參數:商品與描述的相符程度各時間段的平均分、服務態度各時間段的平均分、到貨及時程度各時間段的平均分以及價格滿意度各時間段的平均分。
一筆交易完成後,買家在頁面上對賣家進行評價,評價的內容包括總體評價和分類評價。買家透過點選的方式進行評價;點選完成後點擊評價提交,第二參數獲取子模組212保存本次評價資料到後臺,後臺對資料庫中保存的評價明細表進行操作,添加一條交易記錄:在記錄中寫入買家ID(識別號)、賣家ID、總體評價的值以及分類評價中每一個維度的值。
後臺利用該筆交易的評價結果對資料庫中的評價資訊匯總表進行更新,更新的內容包括總體評價資訊和分類評價資訊,總體評價資訊包括各時間段的好評數、各時間段的中評數、各時間段的差評數以及各時間段的差評率;分類評價資訊包括商品與描述的相符程度各時間段的平均分、服務態度各時間段的平均分、到貨及時程度各時間段的平均分以及價格滿意度各時間段的平均分。
第三參數獲取子模組213,用以獲取投訴糾紛及退款資料中的各類評價參數;上述評價參數包括兩個維度:投訴糾紛率及退款率;如果一筆交易出現退款,則第三參數獲取子模組213根據本次退款更新投訴糾紛及退款資料匯總表,在其中增加一筆退款,並重新計算各個時間段的退款率。同理,如果出現一個新的投訴或者糾紛,則第三參數獲取子模組213也會根據這部分資料更新後臺資料庫中的匯總表,重新計算各個時間段的投訴糾紛率。
頁面產生模組240包括:格式設置子模組241,用以設置參數展示頁面的格式;各類評價參數的展示需要按照一定的格式,包括不同種類參數的展示位置以及展示的時間段,亦即規定各類參數展示的時間維度。例如總體評價可以展示近一個月、三個月以及一年的參數,這樣可以方便用戶獲得更加詳細的資訊。
參數對應子模組242,用以根據格式設置子模組241設置的頁面格式來填充各類評價參數;根據格式設置子模組241設置的頁面格式,對應填入各類評價參數。如圖3所示,透過展示不同時間維度上的四類指標,可以讓買家清楚地瞭解賣家在每一個歷史階段的情況,瞭解賣家交易的變化趨勢情況,是上升還是下降,是長期經營的商戶還是短期內交易快速膨脹的商戶。
時間維度的展示,將會暴露短期內製造虛假交易,或者相互交易刷信者的交易歷史短暫的缺陷,相比之下賣家會更加相信長時間有交易的賣家,而不是一個月內有很多交易的賣家。
上述評價參數中,總體評價是買家對賣家的總體印象,它的好處是給買家一個簡單快捷的方法評價以及瞭解一個賣家。分類評價可以看作是總體評價的拆分,而總體評價可以看作是分類評價的綜合,但是兩者都是由買家點評出來的。正常情況下,分類評價和總體評價的結果應該是一致的。
為了避免會員過多的重複評價,為刷信者提供投機的機會,每一個買家在半年內對同一個賣家的多次評價只計算一次。計算規則如下:若多次評價中好評多於差評,則記為一次好評;若差評多於好評,則記為一次差評;若差評等於好評,則記為一次中評;如果一次交易後買家沒有進行評價,則系統默認給出好評。
選擇差評率作為總體評價的衡量指標的原因有兩個:
一個是因為實際情況中,賣家的好評率通常都在97%以上,如果從好評率的角度來看,一個98%的賣家和一個99.5%的賣家在大多數買家眼裏看並沒有多大區別。然而如果從差評率的角度來看,則他們的差評率卻可能相差四倍。
第二個原因是買家真正關注的並不是賣家給予好評的比例有多高,買家更關注的是這個賣家的差評率是多少,跟這個賣家交易出現問題的可能性有多高,風險有多大。
例如,如果一個賣家自註冊以來一共做過100筆賣方交易,則得到的到好評數為97,中評數為2,差評數為1;另一個賣家同樣一共做過100筆賣方交易,得到的到好評數為97,但是中評數為0,差評數為3。
那麼第一個賣家的好評率為
97/(97+2+1)=97%;
第二個賣家的好評率為
97/(97+3)=97%;
第一個賣家的差評率為
1/(97+2+1)=1%;
第二個賣家的差評率為
3/(97+3)=3%;
從好評率來看,兩個賣家相同;但是第二個賣家的差評率是第一個賣家差評率的3倍。由此,買家可以瞭解與上述第二個賣家交易的風險要比第一個賣家進行交易的風險大的多。
分類評價的四個維度均採用五分制,亦即提供五檔供買家選擇,賣家在每一個維度上的得分為各個買家評價的平均分。
其中,1分表示非常差,2分表示差,3分表示一般,4分表示好,5分表示非常好。
半年內一個買家對同一個賣家重複評分的,取其平均分記為一次評分,然後參與各個買家評分的平均,以免一個買家透過多次評價提高自己的評價的權重。如果用戶沒有進行評價,則系統自動評為5分。
例如,半年內一個賣家進行了10筆交易,其中4筆交易是同一個買家,且其中一次這個買家對該賣家的服務態度評分為5分,其他3筆交易服務態度評分都是4分,那麼該買家對該賣家服務態度的評分為
(5*1+4*3)/(1+3)=4.25;
若其他6筆交易的賣家都不同,則對該賣家服務態度的評分分別為3、3、4、4、5、5,那麼該賣家服務態度的評分為
同樣的差評率和分類評價得分的情況下,賣家的交易歷史情況可能千差萬別,有可能只是才做過一筆交易的新實家,有可能是已經做了5年的資深賣家,一個賣家在整個市場上的總體的聲譽以及他可能的風險程度跟他的交易歷史時長、交易量等資料有極大的關係,因此列出交易資料、投訴糾紛及退款資料供買家參考。
例如,一個賣家進行了10筆交易,出現了0次差評,差評率為0,到貨時間得分為4.5;另一個賣家進行了100筆交易,也出現了0次差評,差評率也為0,到貨時間得分也為4.5。從差評率和到貨時間得分看,兩者相同,但是總體的聲譽第二家明顯要更好。
現有的賣家評級中,都會根據歷史的好評資料計算總的積分,新的賣家評級中,不建議這樣做,因為根據總體評價和分類評價計算總評分的演算法是難以確定的。之所以說難以確定是因為每一個買家根據相同的總體評價、分類評價、交易資料給賣家進行總體打分的話,得出的分數可能都不一樣。換句話說,每一個買家都有一個計算總積分的演算法,如果網站給出一個總積分,對於大部分買家來說是一個違背其本意的誤導。
如果網站出於管理的目的,需要對賣家計算總的積分,那麼一個積分是不能解決所有的問題的,可以根據實際需要計算不同的積分或者排名,可以根據上述多維度的資料設置不同的權重,計算不同的積分,由於這部分資料不對買家開放,而是只對賣家開放,因此計算方法應當對賣家也是透明的,否則是不具有說服力的。
對於現有評價體系中,已有總積分的網站,在新老評價體系的過渡階段,可以保留現有的總分計算方法,但是建議進行一些改進,以便增加炒信的難度:每個買家對同一個賣家的總體評價,在半年內只能計算一次,只能算一分;每一個賣家每一個月的積分上升進行封頂限制,例如,每一個月一個賣家最多上升一級,也就是說,一個賣家要想達到五心至少要5個月,要想達到5鑽至少要10個月。這樣的限制將會大大改變目前炒信行為中幾天之內上鑽的情況,也會在一定程度上減少虛擬物品賣家與責物賣家之間的不公平性。同時對於絕大多數正常交易的實物賣家來說,這樣的封頂是沒有影響的,因為正常的絕大部分情況下是不會超過這個速度的。並且,這也不會影響整個網站的交易,相反因為大大增加刷信成本,會有利於合法賣家,反而會從總體上促進網站的交易。
透過採用本發明實施例提供的裝置,可以實現對賣家更加全面的評價,透過獲取並展示各類評價參數,增加了交易的資訊公開,使評價結果更加客觀可信,有利於買家充分瞭解賣家。
本發明實施例提供一種網路評價的方法,以對賣家進行評價為例,如圖4所示,包括:
步驟s410,在交易結束後提供透過點選的方式對本次交易進行評價;一筆交易完成後,買家在頁面上對賣家進行評價,評價的內容包括總體和分類兩塊。買家透過點選的方式進行評價;點選完成後點擊評價提交,頁面將評價資料發送到系統處理。
步驟s420,獲取各類評價參數;交易結束後,系統儲存本次交易資料,並根據本次交易資料更新交易資訊匯總表、評價資訊匯總表以及投訴糾紛及退款資料匯總表,產生各類評價參數,包括交易資料中的交易筆數、交易金額、平均每筆金額以及買家數;買家對實家總體評價中各時間段的好評數、中評數、差評數以及差評率;買家對賣家分類評價中商品與描述的相符程度各時間段的平均分、服務態度各時間段的平均分、到貨及時程度各時間段的平均分以及價格滿意度各時間段的平均分;投訴糾紛、退款資料中的投訴糾紛率以及退款率。
步驟s430,接收頁面的評價查詢請求後,通知調用各類評價參數;買家點擊賣家頁面的鏈結時,系統前端向後臺發出通知,要求調用各類評價參數。
步驟s440,收到調用通知後,調用各類評價參數發送到系統前端;收到系統前端發送的通知後,後臺系統從資料庫中讀取上述保存的三張匯總表:評價資訊匯總表、交易資訊匯總表以及投訴糾紛及退款資料匯總表,獲得各類評價參數,並將該參數發送到前端。
步驟s450,透過系統前端接收到各類評價參數後,產生參數展示頁面。
透過所述系統前端接收到所述各類評價參數後,產生參數展示頁面包括:
步驟s451,設置參數展示頁面的格式;各類評價參數的展示需要按照一定的格式,包括不同種類參數的展示位置以及展示的時間段,亦即規定各類參數展示的時間維度。例如總體評價可以展示近一個月、三個月以及一年的參數,這樣可以方便用戶獲得更加詳細的資訊。
步驟s452,根據設置的頁面格式來填充各類評價參數。
根據設置的頁面格式,對應填入各類評價參數。透過展示不同時間維度上的四類指標,可以讓買家清楚地瞭解賣家在每一個歷史階段的情況,瞭解賣家交易的變化趨勢情況。
前端基於後臺提供的資料產生頁面,買家因此可以看到該賣家的歷史表現。
透過採用本發明責施例提供的方法,可以實現對賣家更加全面的評價,透過獲取並展示各類評價參數,增加了交易的資訊公開,使評價結果更加客觀可信,有利於買家充分瞭解賣家。
本發明實施例提供一種網路評價系統,以對買家的評價為例,如圖5所示,包括參數獲取模組510、評價查詢模組520、參數調用模組530、頁面產生模組540以及評價點選模組550。
其中,參數獲取模組510用以獲取各類評價參數;評價查詢模組520用以接收頁面的評價查詢請求後,通知參數調用模組530調用各類參數;參數調用模組530用以收到評價查詢模組520的通知後,調用參數獲取模組510獲取到的各類參數發送到頁面產生模組540;頁面產生模組540用以接收到參數調用模組530發送的各類參數後,產生參數展示頁面;評價點選模組550用以在交易結束後提供透過點選的方式而對本次交易進行評價。
具體地說,賣家點擊買家頁面的鏈結時,評價查詢模組520發送請求到參數調用模組530,通知參數調用模組530調用參數獲取模組510獲取的各類評價參數,發送到頁面產生模組540,使頁面產生模組540產生參數展示頁面,向買家展示賣家的各類評價參數。
參數獲取模組510在交易結束後,儲存本次交易資料並產生各類評價參數,包括交易資料中的交易筆數、交易金額以及平均每筆金額;賣家對買家總體評價中各時間段的好評數、中評數、差評數以及差評率;賣家對買家分類評價中溝通能力各時間段的平均分、友好程度各時間段的平均分以及誠信度各時間段的平均分;投訴糾紛、退款資料中的投訴糾紛率以及退款率。
參數獲取模組510包括:第一參數獲取子模組511,用以獲取交易資料中各類評價參數;上述評價參數包括交易筆數、交易金額以及平均每隻金額;交易完成後,第一參數獲取子模組511保存本次交易的明細資料到系統交易明細表,並觸發交易資料匯總資訊更新功能。在系統資料庫中,對交易資訊匯總表進行更新,包括更新交易筆數、交易金額以及平均每筆金額。
在上述更新的資訊中,會加入本次交易的資訊,例如交易筆數會加1,平均交易金額重新統計等。
第二參數獲取子模組512,用以獲取賣家對買家的評價資料中各類評價參數;上述評價參數包括賣家對買家總體評價中各時間段的好評數、中評數、差評數以及差評率;賣家對買家分類評價中溝通能力各時間段的平均分、友好程度各時間段的平均分以及誠信度各時間段的平均分。
一筆交易完成後,賣家在頁面上對買家進行評價,評價的內容包括總體評價和分類評價。賣家透過點選的方式進行評價;點選完成後點擊評價提交,第二參數獲取子模組512保存本次評價資料到後臺,後臺對資料庫中保存的評價明細表進行操作,添加一條交易記錄:在記錄中寫入買家ID(識別號)、賣家ID、總體評價的值以及分類評價中每一個維度的值。
後臺利用該筆交易的評價結果對資料庫中的評價資訊匯總表進行更新,更新的內容包括總體評價資訊和分類評價資訊,總體評價資訊包括各時間段的好評數、各時間段的中評數、各時間段的差評數以及各時間段的差評率;分類評價資訊包括溝通能力各時間段的平均分、友好程度各時間段的平均分以及誠信度各時間段的平均分。
第三參數獲取子模組513,用以獲取投訴糾紛及退款資料中的各類評價參數;上述評價參數包括投訴糾紛率及退款率;如果一筆交易出現退款,則第三參數獲取子模組513根據本次退款更新投訴糾紛及退款資料匯總表,在其中增加一筆退款,並重新計算各個時間段的退款率。同理,如果出現一個新的投訴或者糾紛,則第三參數獲取子模組513也會根據這部分資料更新後臺資料庫中的匯總表,重新計算各個時間段的投訴糾紛率。
頁面產生模組540包括:格式設置子模組541,用以設置參數展示頁面的格式;各類評價參數的展示需要按照一定的格式,包括不同種類參數的展示位置以及展示的時間段,亦即規定各類參數展示的時間維度。例如總體評價可以展示近一個月、三個月以及一年的參數,這樣可以方便用戶獲得更加詳細的資訊。
參數對應子模組542,用以根據格式設置子模組541設置的頁面格式來填充各類評價參數;根據格式設置子模組541設置的頁面格式,對應填入各類評價參數。如圖6所示,透過展示不同時間維度上的四類指標,可以讓買家清楚地瞭解賣家在每一個歷史階段的情況,瞭解賣家交易的變化趨勢情況,是上升還是下降,是長期經營的商戶還是短期內交易快速膨脹的商戶。
時間維度的展示,將會暴露短期內製造虛假交易,或者相互交易刷信者的交易歷史短暫的缺陷,相比之下賣家會更加相信長時間有交易的買家,而不是一個月內有很多交易的買家。
透過採用本發明責施例提供的裝置,可以責現對買家更加全面的評價,透過獲取並展示各類評價參數,增加了交易的資訊公開,使評價結果更加客觀可信,有利於賣家充分瞭解買家。
本發明實施例提供一種網路評價的方法,以對買家進行評價為例,如圖7所示,包括:
步驟s710,在交易結束後提供透過點選的方式對本次交易進行評價;一筆交易完成後,賣家在頁面上對買家進行評價,評價的內容包括總體和分類兩塊。賣家透過點選的方式進行評價;點選完成後點擊評價提交,頁面將評價資料發送到系統處理。
步驟s720,獲取各類評價參數;交易結束後,系統儲存本次交易資料,並根據本交易資料更新交易資訊匯總表、評價資訊匯總表以及投訴糾紛及退款資料匯總表,產生各類評價參數,包括交易資料中的交易筆數、交易金額、平均每筆金額以及買家數;賣家對買家總體評價中各時間段的好評數、中評數、差評數以及差評率;賣家對買家分類評價中溝通能力各時間段的平均分、友好程度各時間段的平均分以及誠信度各時間段的平均分;投訴糾紛、退款資料中的投訴糾紛率以及退款率。
步驟s730,接收頁面的評價查詢請求後,通知調用各類評價參數;賣家點擊買家頁面的鏈結時,系統前端向後臺發出通知,要求調用各類評價參數;步驟s740,收到調用通知後,調用各類評價參數發送到系統前端;收到系統前端發送的通知後,後臺系統從資料庫中讀取上述保存的三張匯總表:評價資訊匯總表、交易資訊匯總表以及投訴糾紛及退款資料匯總表,獲得各類評價參數,並將該參數發送到前端。
步驟s750,透過系統前端接收到各類評價參數後,產生參數展示頁面;透過系統前端接收到各類評價參數後,產生參數展示頁面包括:步驟s751,設置參數展示頁面的格式;各類評價參數的展示需要按照一定的格式,包括不同種類參數的展示位置以及展示的時間段,亦即規定各類參數展示的時間維度。例如總體評價可以展示近一個月、三個月以及一年的參數,這樣可以方便用戶獲得更加詳細的資訊。
步驟s752,根據設置的頁面格式來填充各類評價參數。
根據設置的頁面格式,對應填入各類評價參數。透過展示不同時間維度上的四類指標,可以讓買家清楚地瞭解賣家在每一個歷史階段的情況,瞭解賣家交易的變化趨勢情況。
透過採用本發明實施例提供的方法,可以實現對買家更加全面的評價,透過獲取並展示各類評價參數,增加了交易的資訊公開,使評價結果更加客觀可信,有利於賣家充分瞭解買家。
本發明實施例還提供了一種遏制炒信的方法,如圖8所示,包括:
步驟s810,每個買家或賣家半年內的評價只記一次;由此可以大大減少重複評價。
步驟s820,取消總體積分;刷信結果從總體積分上可以直接反映出來,但是無法直接從分類評價中反映出來,只能一定程度上影響分類評價的分數。
步驟s830,按時間段展示交易資料;交易資料可以清晰反應交易集中的時間段,如果是刷信,其交易將集中出現在近期,如近一個月,而之前的交易為空白;如果是正常的買家其交易應該是在若干個月內逐步上升。
透過採用本發明實施例提供的方法,可以大大增加刷信成本;更加兼顧新舊兩類賣家或買家的利益,尤其是減少了現有評價中對新賣家或買家不公平的現象;採用差評率,比現有評價系統中採用好評率更能滿足交易雙方的需要。
110...參數獲取模組
120...評價查詢模組
130...參數調用模組
140...頁面產生模組
210...參數獲取模組
211...第一參數獲取子模組
212...第二參數獲取子模組
213...第三參數獲取子模組
220...評價查詢模組
230...參數調用模組
240...頁面產生模組
241...格式設置子模組
242...參數對應子模組
250...評價點選模組
510...參數獲取模組
511...第一參數獲取子模組
512...第二參數獲取子模組
513...第三參數獲取子模組
520...評價查詢模組
530...參數調用模組
540...頁面產生模組
541...格式設置子模組
542...參數對應子模組
550...評價點選模組
圖1為本發明實施例提供的裝置的結構示意圖;
圖2為本發明實施例提供的賣家評價裝置的結構示意圖;
圖3為本發明實施例提供的賣家評價裝置的參數展示頁面示意圖;
圖4為本發明實施例提供的賣家評價方法的流程示意圖;
圖5為本發明實施例提供的買家評價裝置的結構示意圖;
圖6為本發明實施例提供的買家評價裝置的參數展示頁面示意圖;
圖7為本發明實施例提供的買家評價方法的流程示意圖;
圖8為本發明實施例提供的遏制炒信方法的流程示意圖。
110...參數獲取模組
120...評價查詢模組
130...參數調用模組
140...頁面產生模組

Claims (7)

  1. 一種網路評價的系統,其特徵在於,包括參數獲取模組、評價查詢模組、參數調用模組以及頁面產生模組;其中,該參數獲取模組,用以獲取各類評價參數;該評價查詢模組,用以於接收評價查詢請求後,通知該參數調用模組調用各類評價參數;該參數調用模組,用以於收到該評價查詢模組的通知後,調用該參數獲取模組獲取到的各類評價參數發送到該頁面產生模組;該頁面產生模組,用以於接收到該參數調用模組發送的各類參數後,產生參數展示頁面,其中,該各類評價參數包括下列參數中的一種或多種:交易筆數、交易金額、平均每筆金額、買家數、好評數、中評數、差評數、差評率、商品與描述的相符程度各時間段的平均分、服務態度各時間段的平均分、到貨及時程度各時間段的平均分、價格滿意度各時間段的平均分、投訴糾紛率及退款率,並且其中,該各類評價參數還包括下列參數中的一種或多種:賣家數、溝通能力各時間段的平均分、友好程度各時間段的平均分以及誠信度各時間段的平均分。
  2. 如申請專利範圍第1項所述的系統,還包括:評價點選模組,用以在交易結束後提供透過點選的方 式而對本次交易進行評價。
  3. 如申請專利範圍第1項所述的系統,其中,該參數獲取模組包括:第一參數獲取子模組,用以獲取交易資料中各類評價參數;第二參數獲取子模組,用以獲取買家對賣家的評價資料中各類評價參數;第三參數獲取子模組,用以獲取投訴糾紛及退款資料中的各類評價參數。
  4. 如申請專利範圍第1項所述的系統,其中,該頁面產生模組包括:格式設置子模組,用以設置參數展示頁面的格式;參數對應子模組,用以根據該格式設置子模組設置的頁面格式來填充各類評價參數。
  5. 一種網路評價的方法,其特徵在於,包括:獲取各類評價參數;接收頁面的評價查詢請求後,通知調用該各類評價參數;收到該調用通知後,調用該各類評價參數發送到系統前端;透過該系統前端接收到該各類評價參數後,產生參數展示頁面,其中,該各類評價參數包括下列參數中的一種或多種: 交易筆數、交易金額、平均每筆金額、買家數、好評數、中評數、差評數、差評率、商品與描述的相符程度各時間段的平均分、服務態度各時間段的平均分、到貨及時程度各時間段的平均分、價格滿意度各時間段的平均分、投訴糾紛率及退款率,並且其中,該各類評價參數還包括下列參數中的一種或多種:賣家數、溝通能力各時間段的平均分、友好程度各時間段的平均分以及誠信度各時間段的平均分。
  6. 如申請專利範圍第5項所述的方法,其中,在該獲取各類評價參數之前還包括:在交易結束後提供透過點選的方式而對本次交易進行評價。
  7. 如申請專利範圍第5項所述的方法,其中,透過該系統前端接收到該各類評價參數後,產生參數展示頁面包括:設置該參數展示頁面的格式;根據該設置的頁面格式來填充各類評價參數。
TW98114027A 2009-04-28 2009-04-28 Network evaluation system and method TWI474273B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW98114027A TWI474273B (zh) 2009-04-28 2009-04-28 Network evaluation system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW98114027A TWI474273B (zh) 2009-04-28 2009-04-28 Network evaluation system and method

Publications (2)

Publication Number Publication Date
TW201039260A TW201039260A (en) 2010-11-01
TWI474273B true TWI474273B (zh) 2015-02-21

Family

ID=44995407

Family Applications (1)

Application Number Title Priority Date Filing Date
TW98114027A TWI474273B (zh) 2009-04-28 2009-04-28 Network evaluation system and method

Country Status (1)

Country Link
TW (1) TWI474273B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5548654B2 (ja) * 2011-06-22 2014-07-16 楽天株式会社 情報処理装置、情報処理方法、情報処理プログラム、及び情報処理プログラムが記録された記録媒体
JP5476339B2 (ja) * 2011-06-22 2014-04-23 楽天株式会社 情報処理装置、情報処理方法、情報処理プログラム、及び情報処理プログラムが記録された記録媒体
TWI671695B (zh) * 2017-12-26 2019-09-11 人因設計所股份有限公司 控管頁面資訊系統之方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030130983A1 (en) * 2000-03-29 2003-07-10 Bizrate. Com System and method for data collection, evaluation, information generation, and presentation
US20060155642A1 (en) * 2004-08-19 2006-07-13 Leadpoint, Inc. Ranking system using instant post-transaction surveying of transaction judges
TW200805188A (en) * 2006-07-10 2008-01-16 Yuan-Zhong Lv Automating tender-representing platform
US20080021767A1 (en) * 2006-04-05 2008-01-24 Amanda Benson System and method for collecting and managing product information in a database

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030130983A1 (en) * 2000-03-29 2003-07-10 Bizrate. Com System and method for data collection, evaluation, information generation, and presentation
US20060155642A1 (en) * 2004-08-19 2006-07-13 Leadpoint, Inc. Ranking system using instant post-transaction surveying of transaction judges
US20080021767A1 (en) * 2006-04-05 2008-01-24 Amanda Benson System and method for collecting and managing product information in a database
TW200805188A (en) * 2006-07-10 2008-01-16 Yuan-Zhong Lv Automating tender-representing platform

Also Published As

Publication number Publication date
TW201039260A (en) 2010-11-01

Similar Documents

Publication Publication Date Title
US11830034B2 (en) Method and apparatus for providing electronic communications
Lee et al. Factors influencing the behavioral intention to use food delivery apps
US20220092620A1 (en) Method, apparatus, and computer program product for merchant classification
US20140188584A1 (en) Product pricing system on electronic commerce using the internet
CN101650813A (zh) 一种网络评价的系统和方法
US20230206260A1 (en) Computer system and computer-executed method for inventory valuation
CN101937541A (zh) 一种用于评价客户信用度的方法及设备
CN106651388A (zh) 一种多方动态快递服务在线评价方法
TWI474273B (zh) Network evaluation system and method
Moslehpour et al. What do Indonesian Facebook Advertisers Want? The Impact of E-Service Quality on E-Loyalty
CN110866809A (zh) 一种电商平台的销售场景决策系统
US20230004993A1 (en) Method, apparatus, and computer program product for system resource volume prediction
JP2006190099A (ja) 成果報酬型広告管理装置
Chang et al. THE INFLUENCES OF BELIEF DISCONFIRMATION AND COUNTRY IMAGE ON REPURCHASING INTENTION FOR ONLINE SPORTSWEAR: EMPIRICAL EVIDENCE FROM TAIWAN.
Walia THE EVOLUTION OF ONLINE MARKETPLACES: A ROADMAP TO SUCCESS.
Harvey et al. Prepared for
Liu et al. Seller experience and transaction prices on a blockchain-enabled marketplace
CN108470307A (zh) 一种基于卖方信用积分值的在线动态信用评价方法
Li Research on the prediction of e-commerce platform user churn based on Random Forest model
Hafid et al. The influence of brand equity toward Indonesian prepaid SIM card customers’ purchase decision
CN112598452A (zh) 一种满足用户需求的电商试用评价系统
NENADAL DEVELOPMENT OF CUSTOMER LOYALTY MEASUREMENT AT CZECH COMPANIES.
Kechagias et al. The relationship between customer satisfaction and service quality in e-commerce
Hertin The influence of e-commerce adoption on the success of MSMEs in Empat Lawang Regency in the Covid-19 pandemic
HK1141119A (zh) 一种网络评价的系统和方法

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees