网络交易中的信号传递问题研究

李航

内容摘要：在网络交易中信息不对称问题一直是一个研究热点，本文利用信号传递模型对此进行分析。首先，通过建立信号传递博弈模型，对网络交易市场中信号的作用机制进行演绎推导，并指出形成有效信号的约束条件。然后，通过淘宝网的数据对信号作用进行实证检验，证实在网络交易市场中的确存在有效信号能够影响市场的均衡结果。希望本研究对今后的相关研究有所助益。

关键词：网络交易 信号传递 信息不对称

引言

随着我国电子商务行业的发展，网络购物已经在社会经济生活中占据了越来越重要的地位。根据最新数据统计，根据最新的统计数据显示，2012年我国网络购物市场交易金额达到12594亿元，与2011年相比增长了66.5%，同期的网络零售市场交易综合占到了社会消费品零售总额的6.1%。

但是伴随着网络购物的飞速发展，另一个不容小觑的问题也随之出现。阿里研究中的所公布的数据，在一项共有1069人参与的网络调查中，被调查者只有17.6%的人认为网络“可信度高”，认为我国网购环境“很好”的只有2.9%，74.8%的人认为我国网络交易相关法规有待完善。可见我国的网络购物环境尚存在较大的问题。导致这种问题出现的最主要原因在于网络交易的信息不对称问题，消费者无法在付款前获得准确的商品或卖家信息。针对这一问题，本文利用经济学中的信号传递博弈加以分析，然后结合淘宝网的数据进行实证检验，分析网络交易有效信号的传导机制和影响程度。

信号传递博弈在经济领域的应用

信号传递博弈（Signaling Game）属于不完全信息动态博弈，是由斯宾塞（Spence，1974）首先提出，在分析现实经济问题时，信号传递模型已经在很多领域得到了应用。斯宾塞在分析劳动力市场时使用信号传递博弈模型，在劳动力市场中，求职者是信号的发送者，求职者的生产能力私人信息，学历作为求职者的信号发送给雇主。雇主无法观测到求职者的真实生产能力，只能通过求职者所发出的学历信号进行判断。雇主的行动是为求职者提供不同的报酬，求职者的支付是劳动市场上的工资，雇主的支付是求职者生产的产品价值。在斯宾塞的模型中，获取学历的成本和求职者的生产能力成反比，能力越高的人获得高学历的成本越低，对于低能力的人来讲获得过高的学历虽然可以获得更多的工资，但是付出的成本高昂，所以低能力的人不愿意为获得高学历而支出过高的成本，因此学历就成为了劳动力市场中起到分离生产能力的一个有效信号。

迈尔斯（Myers）和迈卢夫（Majluf，1984）在公司投资和资本结构模型中将需要为新项目融资的企业看做是信号发送者，将投资者认为是信号的接受者，发送者的类型是现存资产的盈利能力，企业为在新项目中投资者所投资金承诺的股份权益作为信号，行动是投资者决定是否投资。

威克斯（Vickers 1986）在货币政策模型中认为联邦储备局为了促进就业而能够忍受的通货膨胀水平属于拥有私人信息，信号的发送者是联邦储备局，类型是为了存进就业而愿意接受的通胀水平，接受者是就业市场。在考虑两时期模型中，联邦储备局在第一期所选择的通货膨胀水平作为信号传递给就业市场，雇主们根据信号做出对第二时期的通货膨胀水平的预期作为博弈行动。

网络市场中的评价信号

在网络交易市场中，尤其是以C2C或者B2C方式的交易中。为了保证消费者的知情权，同时也作为激励商家诚信经营的一种手段，几乎所有的销售平台都建立了售后评价体系。网络交易的信用评价体系为交易提供了一种事后反馈信息的机制。每一笔交易完成后，由消费者对商家进行打分，并公布在网站的公开信息中，起到了传递商家诚信与否的信号作用。

消费者在网络市场中购物，如图1所示，首先浏览商品信息，获取到自己需要的商品，然后参考卖家的信誉选择是否购买。如果选择购买则需要先付款，然后等待收到商品。通过使用后，消费者可以对商品有全面准确的了解，此时消费者通过交易平台对卖家进行评价，一般而言现行的评价主要是：好、中、差三种评价标准。消费者所有给予卖家的评价都会公布在网上，下一期消费者在选购商品时会将以往消费者的评价作为购买出价的参考依据。

网络市场中的信号传递博弈

在网络交易市场中，尤其是以C2C或者B2C方式的交易中。为了保证消费者的知情权，同时也作为激励商家诚信经营的一种手段，例如：淘宝、天猫和京东等等，几乎所有的销售平台都建立了售后评价体系。网络交易的信用评价体系为交易提供了一种事后反馈信息的机制。每一笔交易完成后，由消费者对商家进行打分，并公布在网站的公开信息中，起到了传递商家诚信与否的信号作用。下一个消费者可以收到关于商家信用度好坏的一个评价，为消费者提供了后验概率。

我们假定市场中存在两个类型的卖家：出售高质量商品的卖家，我们称为高质量卖家θH，出售低质量商品的卖家，我们称为低质量卖家θS，高质量商品的成本CG高于低质量商品的成本CB。R表示卖家的信誉积累，CR表示积累信誉所需的成本，其中高质量卖家积累信誉所需的成本是CRH，低质量卖家积累信誉所需成本是CRS，高质量卖家积累信誉的成本低于低质量卖家积累信誉的成本，即CRHPH。消费者购买到高质量商品获得的效用是VG，低质量商品获得效用VB，且VG >VB。

消费者根据卖家的信誉R决定支付价格，假定高质量卖家积累信誉的成本是CRH=aH R，低质量卖家积累信誉的成本是CRS=aS R，可以得到aH

当R

当R≥R*时，消费者愿意支付PH的价格，此时高质量卖家的利润是PH-CG-aH R，倘若PH-PL>aH R，高质量卖家的最优选择是积累信誉到R*，否则依然选择R=0。此时，低质量卖家的利润是PH-CB-aS R，倘若PH-PL

如果要使得信誉成为分离网络交易市场中高质量卖家和低质量卖家的一个有效信号，则需要满足。

根据不完全信息博弈的研究方法，在博弈开始之前先进行海萨尼转换，由自然以μ的概率决定是高质量卖家还是低质量卖家。卖家选择不同的信誉，消费者观测到信誉之后选择{买}或是{不买}，如图2所示。

如果提高卖家信誉能够提高商品售价，此时低质量卖家就有动力去提高信誉模仿高质量卖家，只有当低质量卖家模仿的成本过于高昂时才会放弃。而在信誉积累时，高质量卖家也必须能够得到足够的价格差以抵消信誉积累的成本，此时才能使高质量卖家没有动力去销售低质量商品，同时，低质量卖家也没有动力去模仿高质量卖家。卖家的信誉能够成为均衡时分离高质量和低质量卖家的一个有效信号，需要满足以下条件：

条件一 PH-CG-CRH>PL-CGPH-PL>CRH ；

条件二 PH-CB-CRS

CRS ；

条件三 PH-CG-CRH>PL-CB（PH-PL）-（CG-CB）>CRH ；

条件四 VG-PH>0，VB-PL>0。

在满足以上条件时，博弈有唯一的均衡，高质量卖家的最优战略是维持高信誉R≥R*，高价销售商品，低质量卖家的最优战略是在低信誉水平R

当卖家发出R≥R*的信号后，买家选择以低价PH购买，博弈均衡的支付为（PH-CG-CRH，VG-PH）。

当卖家发出R

信号传递模型的经济学解释

在存在着严重的信息不对称条件下，价格无法起到区别产品质量的功能，依靠信誉评价，消费者可以在购买前获得有关卖家类型的信号。如果能够保证高质量商品的卖家信誉积累成本一定低于低质量卖家，那么就能保证信誉作为卖家类型的一种有效信号。这并不是一个不容易实现的条件，在现实的网络交易中，积累信誉的成本的确和所售商品的质量成负相关。在相同价格下，消费者购买到高质量商品一般都会给予正面的评价，购买到低质量商品会给予负面评价，如果低质量商品的卖家希望获得正面的评价就必须通过赠送一些附带商品或者服务来满足消费者，以弥补商品质量低所带来的不良影响，因此成本必然会上升。

高质量商品一定会比低质量产品利润大。如果要保证市场存在不至于陷入逆向选择问题，高质量商品的卖家所获得的利润就必须高于低质量卖家，否则高质量商品的卖家就有激励去模仿低质量产品的卖家，从而获取更多的利益。随着质量成本的提升，价格的增加更快才可以使得高质量卖家没有动力向低质量卖家转换，而低质量卖家由于信誉积累成本高，即便是高质量商品存在更多的利润，他也无法模仿高质量卖家，以低价销售低质量的商品将是最优选择，从而可以保证市场中的价格起到质量的显示作用。

基于淘宝网数据的信号传递作用实证检验

我们认为拥有高信誉的商家可以向消费者索取更高的价格，这种行为称为：信誉溢价。低信誉的商家不能销售高价的商品，所以在网络交易市场中价格和信誉应该呈现出一种正相关关系，销售高价商品的卖家比销售低价商品的卖家拥有更高的信誉。但是在现实中，是否存在这样一种关系呢？我们选择淘宝网的C2C作为信号传递的研究对象最具有代表性，主要源于以下几个原因：

一是，在C2C市场中，卖家不拥有或拥有很弱的品牌影响力，尚且不能通过品牌来向消费者传递有效的质量信息。二是，根据2012年统计数据显示，在涉及到网络交易的投诉中，网络购物（B2C+C2C）交易形式占到投诉比例的55.4%。而同期的网络购物市场份额中，C2C占到64%的主导地位。三是，在我国的C2C市场中，淘宝网96.4%的市场占有率稳居行业首位，其余的市场份额中拍拍网占3.4%，易趣网占0.2%。四是，在所有网络购物投诉中，淘宝网以16.32%的比例位列十大热点投诉网站之首。

（一）淘宝网中的信号类型介绍

淘宝网针对网络交易中的信息不对称问题提供了众多的信号，如：店铺等级、好评率、如实描述评分、7天无理由退货、假一赔三、货到付款等等。本文的研究主要针对店铺等级、好评率、如实描述评分这三种信号对交易价格所产生的影响进行分析。

店铺等级。在淘宝网中，消费者每购买一件商品后有机会为所购商品评分。评价分为3个等级：好评、中评和差评。其中每一个好评+1分，中评不影响分数，每一个差评-1分。店铺等级等于所有好评分数减去所有差评分数后进行安组分级。

好评率。淘宝网好评的计算与店铺等级类似，将所有好评分数除以全部评价数量即可得到好评率的分数。好评率反映了卖家在所有交易中得到好评的比例，和店铺等级依赖于好评数量不同，这个数值不依赖于交易数量。

如实描述评分。消费者在购买商品后，可以针对卖家在销售中所展示的文字、图片等宣传是否属实给予评价。完全属实满分是5分，宣传完全不符最低是1分，其余评分介于1～5分之间。

（二）淘宝网抽样数据分析

选择抽样样品。淘宝网中的商品种类繁多，为了使数据更具有代表性，笔者在选择研究对象商品时着重考虑商品的以下特征：一是交易量大，具有广泛性；二是产品的质量差异较大；三是不存在垄断性商家或品牌，市场尽可能充分竞争；四是投诉率较高的商品。根据以上这些特征，笔者选择了淘宝网中的服装分类下的男士衬衫作为抽样研究的商品，以期具备典型的代表性。

抽样方法。在选取抽样本时，由于样本数量巨大，不便于分析研究。笔者采取价格分组抽样的方法，将每100元分为3组，分别是0～30元，31～60元，61～100元。除300元以上组别外，其他组别均选取30天内销售量大于10的商品，以防止有些商家只是随意标价并没有实际经营活动，导致抽样数据有偏差。

抽样采取电脑操作采集的方式，本文将2013年6月13日16：00的淘宝网实际销售数据进行采集，共采集到有效样本数据113个，分组情况如表1所示。

信誉与价格的相关性分析。在淘宝网上，对价格产生影响的信誉因素主要有网店级别（Rank）、好评率（Rating）和如实描述评分（Reality）。在分析时笔者将价格（Price）看作被解释变量，三个信誉因素看作被解释变量，分三个模型进行回归分析。因为价格的变动幅度相对解释变量差异过大，所以在模型中我们使用对数形式。

模型一：价格（Price）对网店级别（Rank）的回归分析

ln（Price）=β0+β1ln（Rank）

模型二：价格（Price）对网店级别（Rank）和好评率（Rating）的回归分析

ln（Price）=β0+β1ln（Rank）+β2ln（Rating）

模型三：价格（Price）对网店级别（Rank）、好评率（Rating）和如实描述评分（Reality）的回归分析

ln（Price）=β0+β1ln（Rank）+β2ln（Rating）+β3ln（Reality）

估计结果如表2所示。

检验结果的经济学解释：

根据模型的检验结果我们可以看到，作为在信息不对称状态下的信号，网店信誉、好评率和如实描述评分都对价格有正的影响。如方程所示：

ln（Price）=-96.77105+0.989678ln（Rank）+16.57319ln（Rating）+15.01731ln（Reality）

其中当网店的等级每增加1%，售价可以提高约0.99%，好评率每提高1%，售价可以提高约16.57%，如实描述评分每增加1%，售价可以提高15.02%。由于信誉可以作为一种有效的信号，拥有高信誉的卖家可以享有“信誉溢价”。

在价格较低的区间上[0，60]样本回归残差的方差较大，表示消费者在选择低价商品时对商家信誉的关注度不高。一般而言价格较低的商品给消费者带来的净效用也较低，消费者在购买低价商品时不愿意为寻找更高信誉的卖家而花费较高的搜索成本。所以在低价商品中，信誉溢价并不明显，此时对以卖家而言比信誉更重要的是能否降低消费者的搜索成本，让自己的商品更容易被找到。

政策建议

通过本文的分析我们可以看出，在网络交易市场中所存在的信号在一定程度上改善了信息不对称给市场带来的不良影响，因此在网络交易中，应该更加注重收集有效的信号。

建立多指标的评价系统。现有的评价系统仅仅是针对商品交易全过程的一个评价，而市场中应该建立一个更为广泛的评价系统，对商家、商品和交易流程的不同环节有不同的评价指标。

注重评价的真实性。信誉评价可以作为一种有效的信号的前提就是这种评价一定要真实，防止商家为了获取信用溢价而采取欺骗手段伪造评价分数。

给予高信誉的商家更多的展示空间。在网店的默认搜索排名和页面展示上应该给予高信誉的商家更多的空间，使消费者能够减少信誉的搜寻成本。

参考文献：

1.张维迎.博弈论与信息经济学[M].上海人民出版社，2004

2.CNNIC.2012年中国网络购物市场研究报告[R].中国互联网信息中心，2013.3

3.阿里研究中心.中国网购投诉热点数据[R]，2012.5。http：//www.aliresearch.com/？q-view-id-72430.html

4.中国电子商务研究中心.2012年度中国电子商务用户体验与投诉监测报告[R].中国电子商务研究中心，2013

5.易观智库.中国网上零售B2C竞争力研究报告[R].http：//www.enfodesk.com，2012endprint

抽样方法。在选取抽样本时，由于样本数量巨大，不便于分析研究。笔者采取价格分组抽样的方法，将每100元分为3组，分别是0～30元，31～60元，61～100元。除300元以上组别外，其他组别均选取30天内销售量大于10的商品，以防止有些商家只是随意标价并没有实际经营活动，导致抽样数据有偏差。

抽样采取电脑操作采集的方式，本文将2013年6月13日16：00的淘宝网实际销售数据进行采集，共采集到有效样本数据113个，分组情况如表1所示。

信誉与价格的相关性分析。在淘宝网上，对价格产生影响的信誉因素主要有网店级别（Rank）、好评率（Rating）和如实描述评分（Reality）。在分析时笔者将价格（Price）看作被解释变量，三个信誉因素看作被解释变量，分三个模型进行回归分析。因为价格的变动幅度相对解释变量差异过大，所以在模型中我们使用对数形式。

模型一：价格（Price）对网店级别（Rank）的回归分析

ln（Price）=β0+β1ln（Rank）

模型二：价格（Price）对网店级别（Rank）和好评率（Rating）的回归分析

ln（Price）=β0+β1ln（Rank）+β2ln（Rating）

模型三：价格（Price）对网店级别（Rank）、好评率（Rating）和如实描述评分（Reality）的回归分析

ln（Price）=β0+β1ln（Rank）+β2ln（Rating）+β3ln（Reality）

估计结果如表2所示。

检验结果的经济学解释：

根据模型的检验结果我们可以看到，作为在信息不对称状态下的信号，网店信誉、好评率和如实描述评分都对价格有正的影响。如方程所示：

ln（Price）=-96.77105+0.989678ln（Rank）+16.57319ln（Rating）+15.01731ln（Reality）

其中当网店的等级每增加1%，售价可以提高约0.99%，好评率每提高1%，售价可以提高约16.57%，如实描述评分每增加1%，售价可以提高15.02%。由于信誉可以作为一种有效的信号，拥有高信誉的卖家可以享有“信誉溢价”。

在价格较低的区间上[0，60]样本回归残差的方差较大，表示消费者在选择低价商品时对商家信誉的关注度不高。一般而言价格较低的商品给消费者带来的净效用也较低，消费者在购买低价商品时不愿意为寻找更高信誉的卖家而花费较高的搜索成本。所以在低价商品中，信誉溢价并不明显，此时对以卖家而言比信誉更重要的是能否降低消费者的搜索成本，让自己的商品更容易被找到。

政策建议

通过本文的分析我们可以看出，在网络交易市场中所存在的信号在一定程度上改善了信息不对称给市场带来的不良影响，因此在网络交易中，应该更加注重收集有效的信号。

建立多指标的评价系统。现有的评价系统仅仅是针对商品交易全过程的一个评价，而市场中应该建立一个更为广泛的评价系统，对商家、商品和交易流程的不同环节有不同的评价指标。

注重评价的真实性。信誉评价可以作为一种有效的信号的前提就是这种评价一定要真实，防止商家为了获取信用溢价而采取欺骗手段伪造评价分数。

给予高信誉的商家更多的展示空间。在网店的默认搜索排名和页面展示上应该给予高信誉的商家更多的空间，使消费者能够减少信誉的搜寻成本。

参考文献：

1.张维迎.博弈论与信息经济学[M].上海人民出版社，2004

2.CNNIC.2012年中国网络购物市场研究报告[R].中国互联网信息中心，2013.3

3.阿里研究中心.中国网购投诉热点数据[R]，2012.5。http：//www.aliresearch.com/？q-view-id-72430.html

4.中国电子商务研究中心.2012年度中国电子商务用户体验与投诉监测报告[R].中国电子商务研究中心，2013

5.易观智库.中国网上零售B2C竞争力研究报告[R].http：//www.enfodesk.com，2012endprint

抽样方法。在选取抽样本时，由于样本数量巨大，不便于分析研究。笔者采取价格分组抽样的方法，将每100元分为3组，分别是0～30元，31～60元，61～100元。除300元以上组别外，其他组别均选取30天内销售量大于10的商品，以防止有些商家只是随意标价并没有实际经营活动，导致抽样数据有偏差。

抽样采取电脑操作采集的方式，本文将2013年6月13日16：00的淘宝网实际销售数据进行采集，共采集到有效样本数据113个，分组情况如表1所示。

信誉与价格的相关性分析。在淘宝网上，对价格产生影响的信誉因素主要有网店级别（Rank）、好评率（Rating）和如实描述评分（Reality）。在分析时笔者将价格（Price）看作被解释变量，三个信誉因素看作被解释变量，分三个模型进行回归分析。因为价格的变动幅度相对解释变量差异过大，所以在模型中我们使用对数形式。

模型一：价格（Price）对网店级别（Rank）的回归分析

ln（Price）=β0+β1ln（Rank）

模型二：价格（Price）对网店级别（Rank）和好评率（Rating）的回归分析

ln（Price）=β0+β1ln（Rank）+β2ln（Rating）

模型三：价格（Price）对网店级别（Rank）、好评率（Rating）和如实描述评分（Reality）的回归分析

ln（Price）=β0+β1ln（Rank）+β2ln（Rating）+β3ln（Reality）

估计结果如表2所示。

检验结果的经济学解释：

根据模型的检验结果我们可以看到，作为在信息不对称状态下的信号，网店信誉、好评率和如实描述评分都对价格有正的影响。如方程所示：

ln（Price）=-96.77105+0.989678ln（Rank）+16.57319ln（Rating）+15.01731ln（Reality）

其中当网店的等级每增加1%，售价可以提高约0.99%，好评率每提高1%，售价可以提高约16.57%，如实描述评分每增加1%，售价可以提高15.02%。由于信誉可以作为一种有效的信号，拥有高信誉的卖家可以享有“信誉溢价”。

在价格较低的区间上[0，60]样本回归残差的方差较大，表示消费者在选择低价商品时对商家信誉的关注度不高。一般而言价格较低的商品给消费者带来的净效用也较低，消费者在购买低价商品时不愿意为寻找更高信誉的卖家而花费较高的搜索成本。所以在低价商品中，信誉溢价并不明显，此时对以卖家而言比信誉更重要的是能否降低消费者的搜索成本，让自己的商品更容易被找到。

政策建议

通过本文的分析我们可以看出，在网络交易市场中所存在的信号在一定程度上改善了信息不对称给市场带来的不良影响，因此在网络交易中，应该更加注重收集有效的信号。

建立多指标的评价系统。现有的评价系统仅仅是针对商品交易全过程的一个评价，而市场中应该建立一个更为广泛的评价系统，对商家、商品和交易流程的不同环节有不同的评价指标。

注重评价的真实性。信誉评价可以作为一种有效的信号的前提就是这种评价一定要真实，防止商家为了获取信用溢价而采取欺骗手段伪造评价分数。

给予高信誉的商家更多的展示空间。在网店的默认搜索排名和页面展示上应该给予高信誉的商家更多的空间，使消费者能够减少信誉的搜寻成本。

参考文献：

1.张维迎.博弈论与信息经济学[M].上海人民出版社，2004

2.CNNIC.2012年中国网络购物市场研究报告[R].中国互联网信息中心，2013.3

3.阿里研究中心.中国网购投诉热点数据[R]，2012.5。http：//www.aliresearch.com/？q-view-id-72430.html

4.中国电子商务研究中心.2012年度中国电子商务用户体验与投诉监测报告[R].中国电子商务研究中心，2013

5.易观智库.中国网上零售B2C竞争力研究报告[R].http：//www.enfodesk.com，2012endprint