一种基于熵权法的电商主播能力综合评价方法技术

本发明专利技术公开了一种基于熵权法的电商主播能力综合评价方法，包括如下步骤：S1，结合电商主播的能力要求，形成不同层次的电商主播能力评价准则，构建电商主播能力评价体系；S2，分别对定性和定量评价指标的获取方式进行设计，获取各评价指标数值，并对最终得到的指标数值进行标准化的处理；S3，主客观综合评价法中的主观权重确定，通过AHP依次确定电商主播能力各个指标的主观权重值；S4，主客观综合评价法中的客观权重确定，通过熵权法确定电商主播能力各个指标的客观权重值；S5，综合赋权法确定最终权重，对S3和S4中所计算出的主观权重和客观权重进行拟合，计算综合权重。本发明专利技术采用综合赋权方法，对主观和客观赋权方法进行融合，结合了两种方法的优势。合了两种方法的优势。合了两种方法的优势。

【技术实现步骤摘要】
一种基于熵权法的电商主播能力综合评价方法


[0001]本专利技术涉及电商主播能力评价
，尤其涉及一种基于熵权法的电商主播能力综合评价方法。

技术介绍

[0002]现有的电商主播能力评价主要采用如下指标：只关注主播能力的定性指标和只采用主观评价方法，具体如下：
[0003]现有研究基本只关注电商主播能力的一些定性的指标维度，采用主观的打分数据进行研究，没有结合定量的数据指标如观看数量、弹幕数量、销售额等更全面的对主播能力进行评定。
[0004]主观赋权法主要是以建立权重体系的人为主体，基于创建者的经验来对于模型中的各个指标进行赋权，目前主观赋权法中使用较多的是层次分析法，其优点在于权重程度可以根据创建者的经验针对不同的行业来进行调整以适用于评价环境，但由于主观性强，会导致每一次的权重分配都会随着创建者思维的改变或直接更换创建者造成权重分配有偏差。与之相应的是客观赋权法，它则是从调查数据出发，利用各指标值调查的数据的内在关系进行权重的评判，目前使用较多的客观赋权法有熵权法。客观赋权法通过数据的内在关系来进行评判，可以有效的避免由于专家的主观经验造成的权重分配的随意性，但由于缺乏对于行业的评价，会造成权重分配与实际情况相脱离的现象发生。
[0005]具体来说，AHP是通过建立好的层次化模型应用矩阵将高层指标下的多个低层指标进行两两比较，通过专家开会研讨，评定每个指标相对于上一个层次的重要性，通过判断矩阵计算其特征向量，得出各个指标对于上一个层次的相对权重，最终得出总体权重。在层次分析法中，同一层次中的元素被认为是彼此独立的，但实际的系统决策问题中，因素之间有相互的反馈和支配关系。AHP方法的核心是将系统划分层次且只考虑上层元素对下层元素的支配作用，这种递阶层次结构虽然给处理系统问题带来了方便，同时也限制了它在复杂决策问题中的应用。在实际的系统决策问题中，有时各个因素之间并不是如AHP假设那样是相互独立的，系统中的某个因素集可能相互影响，因素之间有相互的反馈和支配关系，它们之间的这种关系类似网络结构。同时，层次分析法具备较强的严谨性和可行性，能够把很复杂的指标变成很简单的数学过程，遇到不容易量化的部分，最后通过计算，得出结论。但是，其主观成分较大，还不够完善。

技术实现思路

[0006]本专利技术提出的一种基于熵权法的电商主播能力综合评价方法，采用综合赋权方法，对主观和客观赋权方法进行融合，结合了两种方法的优势。
[0007]为了实现上述目的，本专利技术采用了如下技术方案：
[0008]一种基于熵权法的电商主播能力综合评价方法，包括如下步骤：
[0009]S1，结合电商主播的能力要求，形成不同层次的电商主播能力评价准则，依据指标
的选取原则，设置各层次评价准则下的评价指标，构建电商主播能力评价体系；
[0010]S2，分别对定性和定量评价指标的获取方式进行设计，获取各评价指标数值，并对最终得到的指标数值进行标准化的处理；
[0011]S3，主客观综合评价法中的主观权重确定，通过AHP依次确定电商主播能力各个指标的主观权重值；
[0012]S4，主客观综合评价法中的客观权重确定，通过熵权法确定电商主播能力各个指标的客观权重值；
[0013]S5，综合赋权法确定最终权重，对S3和S4中所计算出的主观权重和客观权重进行拟合，计算综合权重。
[0014]优选地，S1中电商主播所需的能力包括专业性、互动性、吸引力、控场力、内驱力、社交影响力和带货销售力；其中，专业性评价准则包括产品知识、技能专长、实践经验和表达能力；互动性评价准则包括互动有效性、互动即时性和互动兼顾性；吸引力评价准则包括外形吸引力、声音吸引力和性格吸引力；控场力评价准则包括直播预热、现场应变、气氛营造和情绪感染；内驱力评价准则包括成就导向、创新意愿和责任担当；社交影响力评价准则包括粉丝数量、观看数量、点赞数量、弹幕数量和带货口碑；带货销售力评价准则包括商品销量和商品交易总额。
[0015]优选地，对于定性指标，利用7分Likert量表对相应的被评价对象设计调查问卷以收集评分数据，其中定性指标依据符合程度赋予不同数值:非常不同意＝1，比较不同意＝2，一般＝3，比较同意＝4，非常同意＝5；对于定量指标，直接记录该主播实际直播的粉丝数量、观看数量、点赞数量、弹幕数量、带货口碑、商品销量和商品交易总额；对于得到的评价数值进行标准化处理，由于所设置的指标都是正向指标，所以采取下式进行处理：
[0016][0017]式中，x'
ij
为第i个评价对象的第j个指标值(i＝1，2，
…
，n；j＝1，2，
…
，m)。
[0018]优选地，S3中通过AHP依次确定电商主播能力各个指标的主观权重值包括如下步骤：
[0019]S31、构建目标层为电商主播能力，准则层为专业性、互动性、吸引力、控场力、内驱力、社交影响力和带货销售力七个二级指标；方案层为二十四个三级指标；
[0020]S32、构造层次判断矩阵：以1
‑
9为比较尺度，两两比较同一层次的各个评价指标，得出各指标的相对重要程度，最终得出判断矩阵；
[0021]S33、进行层次单排序，根据判断矩阵，结合相关公式，计算出二级指标中每个因素的相对重要性即相对权重；
[0022]优选地，将判断矩阵的每一列进行归一化处理：
[0023][0024]在每一列归一化处理后对矩阵按行求和：
[0025][0026]再对得到的向量进行归一化处理：
[0027][0028]由此可得到判断矩阵的特征向量为W＝[W1,W2,
…
,W
n
]T
[0029]计算判断矩阵最大特征根值：
[0030]W的分量W
i
就是对应因素单排序的权重值，由此可以得到权重向量W＝[W1,W2,
…
,W
n
]T
。
[0031]优选地，进行一致性检验；
[0032]先计算一致性指标
[0033]C
·
I＝(λ
max
‑
n)/(n
‑
1)
[0034]其中λ
max
为判断矩阵的最大特征值，n为指标的个数，根据Satty.T.L.多次的检验，
[0035]当C
·
I≤0.1时，判断矩阵的偏差在可接受的范围内；
[0036]当一致性指标大于0.1，就需要重新调整判断矩阵，再做一次一致性检验，直到符合要求为止；
[0037]进行层次总排序，假设最高的目标层为O,准则层为P,指标层为Q,其中P中包含m个指标分别为P1～Pm，且准则层相对于目标层的权重排序特征向量为:p＝(a1,a2,
…
,a
m
)，其中Q中包含n个指标，指标层相对于准则层中的某个指标P的权重排序特征向量为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于熵权法的电商主播能力综合评价方法，其特征在于：包括如下步骤：S1，结合电商主播的能力要求，形成不同层次的电商主播能力评价准则，依据指标的选取原则，设置各层次评价准则下的评价指标，构建电商主播能力评价体系；S2，分别对定性和定量评价指标的获取方式进行设计，获取各评价指标数值，并对最终得到的指标数值进行标准化的处理；S3，主客观综合评价法中的主观权重确定，通过AHP依次确定电商主播能力各个指标的主观权重值；S4，主客观综合评价法中的客观权重确定，通过熵权法确定电商主播能力各个指标的客观权重值；S5，综合赋权法确定最终权重，对S3和S4中所计算出的主观权重和客观权重进行拟合，计算综合权重。2.根据权利要求1所述的一种基于熵权法的电商主播能力综合评价方法，其特征在于，S1中电商主播所需的能力包括专业性、互动性、吸引力、控场力、内驱力、社交影响力和带货销售力；其中，专业性评价准则包括产品知识、技能专长、实践经验和表达能力；互动性评价准则包括互动有效性、互动即时性和互动兼顾性；吸引力评价准则包括外形吸引力、声音吸引力和性格吸引力；控场力评价准则包括直播预热、现场应变、气氛营造和情绪感染；内驱力评价准则包括成就导向、创新意愿和责任担当；社交影响力评价准则包括粉丝数量、观看数量、点赞数量、弹幕数量和带货口碑；带货销售力评价准则包括商品销量和商品交易总额。3.根据权利要求1所述的一种基于熵权法的电商主播能力综合评价方法，其特征在于，对于定性指标，利用7分Likert量表对相应的被评价对象设计调查问卷以收集评分数据，其中定性指标依据符合程度赋予不同数值:非常不同意＝1，比较不同意＝2，一般＝3，比较同意＝4，非常同意＝5；对于定量指标，直接记录该主播实际直播的粉丝数量、观看数量、点赞数量、弹幕数量、带货口碑、商品销量和商品交易总额；对于得到的评价数值进行标准化处理，由于所设置的指标都是正向指标，所以采取下式进行处理：式中，x
′
ij
为第i个评价对象的第j个指标值(i＝1，2，
…
，n；j＝1，2，
…
，m)。4.根据权利要求1所述的一种基于熵权法的电商主播能力综合评价方法，其特征在于，S3中通过AHP依次确定电商主播能力各个指标的主观权重值，包括如下步骤：S31、构建目标层为电商主播能力，准则层为专业性、互动性、吸引力、控场力、内驱力、社交影响力和带货销售力七个二级指标；方案层为二十四个三级指标；S32、构造层次判断矩阵：以1
‑
9为比较尺度，两两比较同一层次的各个评价指标，得出各指标的相对重要程度，最终得出判断矩阵；S33、进行层次单排序，根据判断矩阵，结合相关公式，计算出二级指标中每个因素的相对重要性即相对权重。5.根据权利要求4所述的一种基于熵权法的电商主播能力综合评价方法，其特征在于，将判断矩阵的每一列进行归一化处理：
在每一列归一化处理后对矩阵按行求和：再对得到的向量进行归一化处理：由此可得到判断矩阵的特征向量为W＝[W1,W2,
…
,W
n
]
T
计算判断矩阵最大特征根值：W的分量W
i
就是对应因素单排序的权重值，由此可以得到权重向量W＝[W1,W2,
…
,W
n
]
T
。6.根据权利要求5所述的一种基于熵权法的电商主播能力综合评价方法，其特征在于，进行一致性检验；先计算一致性指标...

【专利技术属性】
技术研发人员：王翠翠，徐静，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：