简述网络市场的特征范文篇1

关键词：数据挖掘电子商务关联分析分类聚类

1引言

随着网络技术和数据库技术的成熟，全球传统商务正经历一次重大变革，向电子商务全速挺进。这种商业电子化的趋势不仅为客户提供了便利的交易方式和广泛的选择，同时也为商家提供了更加深入地了解客户需求信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一，将为正确的商业决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。

电子商务的发展促使公司内部收集了大量的数据，并且迫切需要将这些数据转换成有用的信息和知识，为公司创造更多潜在的利润，数据挖掘概念就是从这样的商业角度开发出来的。数据挖掘涉及的学科领域和方法很多，其核心技术历经了数十年的发展，其中包括统计、近邻、聚类、决策树、神经网络和规则等。今天，这些成熟的技术在电子商务中已进入了实用阶段，并取得了良好的效果。但数据挖掘作为一个新兴领域，在实际应用当中仍存在许多尚未解决的问题。其中最困难的往往在于决定什么时候采用哪种数据挖掘技术。为了对数据挖掘技术进行明智的选择，本文结合数据挖掘技术在电子商务中的应用，从挖掘任务和数据信息两个角度进行分析，指出各种数据挖掘技术适用的场合，以便开发出切实可用的数据挖掘系统。

2数据挖掘的概念及其在电子商务中的应用

2.1数据挖掘的概念

数据挖掘是通过挖掘数据仓库中存储的大量数据，从中发现有意义的新的关联模式和趋势的过程。从商业的角度定义，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理，从中提取辅助商业决策的关键性数据。数据挖掘最吸引人的地方是它能建立预测模型而不是回顾型的模型。利用功能强大的数据挖掘技术，可以使企业把数据转化为有用的信息帮助决策，从而在市场竞争中获得优势地位。

2.2数据挖掘在电子商务中的应用

由于数据挖掘能带来显著的经济效益，它在电子商务中（特别是金融业、零售业和电信业）应用也越来越广泛。

在金融领域，管理者可以通过对客户偿还能力以及信用的分析，进行分类，评出等级。从而可减少放贷的麻木性，提高资金的使用效率。同时还可发现在偿还中起决定作用的主导因素，从而制定相应的金融政策。更值得一提的是通过对数据的分析还可发现洗黑钱以及其它的犯罪活动。

在零售业，数据挖掘可有助于识别顾客购买行为，发现顾客购买模式和趋势，改进服务质量，取得更好的顾客保持力和满意程度，提高货品销量比率，设计更好的货品运输与分销策略，减少商业成本。

电信业已经迅速地从单纯的提供市话和长话服务演变为综合电信服务，如语音、传真、寻呼、移动电话、图像、电子邮件、计算机和WEB数据传输以及其它的数据通信服务。电信、计算机网络、因特网和各种其它方式的通信和计算的融合是目前的大势所趋。而且随着许多国家对电信业的开放和新型计算与通信技术的发展，电信市场正在迅速扩张并越发竞争激烈。因此，利用数据挖掘技术来帮助理解商业行为、确定电信模式、捕捉盗用行为、更好的利用资源和提高服务质量是非常有必要的。分析人员可以对呼叫源、呼叫目标、呼叫量和每天使用模式等信息进行分析，还可以通过挖掘进行盗用模式分析和异常模式识别，从而可尽早发现盗用，为公司减少损失。

3选择数据挖掘技术的两个重要依据

数据挖掘使用的技术很多，其中主要包括统计方法、机器学习方法、和神经网络方法和数据库方法。统计方法可细分为回归分析、判别分析、聚类分析、探索性分析等。机器学习方法可细分为归纳学习方法（决策树、规则归纳）、基于范例学习、遗传算法等。神经网络方法可细分为钱箱神经网络（BP算法）、自组织神经网络等。数据库方法主要是多维数据分析或OLAP方法，另外还有面向属性的归纳方法。由于每一种数据挖掘技术都有其自身的特点和实现的步骤，对数据的形式有具体的要求，并且与具体的应用问题密切相关，因此成功的应用数据挖掘技术以达到目标过程本身就是一件很复杂的事情，本文主要从挖掘任务和可获得的数据两个角度来讨论对数据挖掘技术的选择。

3.1不同的挖掘任务使用不同的挖掘技术

数据挖掘的任务是从数据中发现模式。根据挖掘任务，数据挖掘可分为概念描述、聚集发现、关联规则发现、分类发现、回归发现和序列模式发现等。在选择使用某种数据挖掘技术之前，首先要将待解决的商业问题转化成正确的数据挖掘的任务，然后根据挖掘的任务来选择具体使用某一种或几种挖掘技术。下面具体的分析每一种挖掘任务应使用哪些挖掘技术。

概念描述

概念描述是描述式数据挖掘的最基本形式。它以简洁汇总的形式描述给定的任务相关数据集，提供数据的有趣的一般特性。概念描述由特征化和比较组成。数据特征化是目标类数据的一般特征或特性的汇总。通常，用户指定类的数据通过数据库查询收集。例如，为研究上一年销售增加10%的软件产品的特征，可以通过执行一个SQL查询收集关于这些产品的数据。概念的特征化有两种一般方法：基于数据立方体OLAP的方法和面向属性归纳的方法。二者都是基于属性或维的概化方法．数据特征的输出可以用多种形式提供。包括饼图、条图、曲线、多维数据立方体和包括交叉表在内的多维表。数据区分是将目标类对象的一般特征与一个或多个对比类对象的一般特征比较。例如，将上一年销售增加10%的软件产品与同一时期销售至少下降30%的那些产品进行比较。用于数据区分的方法与用于数据特征化的方法类似。总之，进行概念描述挖掘时一般采用面向数据库的方法，另外还可以采用机器学习方法的基于范例学习技术。与机器学习方法相比，面向数据库的概念描述导致在大型数据库和数据仓库中的有效性和可伸缩性。

聚集发现

聚集是把整个数据库分成不同的群组。它的目的是要群与群之间差别很明显，而同一个群之间的数据尽量相似。聚集在电子商务上的典型应用是帮助市场分析人员从客户基本库中发现不同的客户群，并且用购买模式来刻画不同客户群的特征。此外聚类分析可以作为其它算法（如特征和分类等）的预处理步骤，这些算法再在生成的簇上进行处理。与分类不同，在开始聚集之前你不知道要把数据分成几组，也不知道怎么分（依照哪几个变量）。因此在聚集之后要有一个对业务很熟悉的人来解释这样分群的意义。很多情况下一次聚集你得到的分群对你的业务来说可能并不好，这时你需要删除或增加变量以影响分群的方式，经过几次反复之后才能最终得到一个理想的结果。聚类方法主要有两类，包括统计方法和神经网络方法。自组织神经网络方法和K-均值是比较常用的聚集算法。

关联规则发现

关联分析是寻找在同一个事件中出现的不同项的相关性，比如在一次购买活动中所买不同商品的相关性。序列模式与此类似，它寻找的是事件之间时间上的相关性，如对股票涨跌的分析。以市场货篮这个典型例子分析关联规则。“在购买面包和黄油的顾客中，有90%的人同时也买了牛奶”（面包＋黄油牛奶）。用于规则发现的对象主要是事务型数据库，分析的是售货数据，也称货篮数据。以下给出的数学模型用来描述关联规则的发现问题。

设I={I1，I2，．．．，Im}是一组物品集,其中每一个事务T是一组物品，显然TI。设X为一组物品，当且仅当XT时，称事务T包含X。一个关联规则是如下形式的一种蕴涵：XY，其中XI，YI且X∩Y=。如果D中s%的事务包含X∪Y，则称规则XY在事务集D上的支持度support（X∪Y）＝s。可信度为c，如果c=support（X∪Y）*100/support（X），则说明D中包含X的事务中有c%的事务同时也包含了Y。可信度说明了蕴涵的强度，而支持度说明了规则中所出现模式的频率。具有高可信度和强支持度的规则称为“强规则”（strongrules）。关联规则发现任务的本质是要在数据库中发现强关联规则。利用这些关联规则可以了解客户的行为，这对于改进零售业等商业活动的决策很有帮助。例如，可以帮助改进商品的摆放（把顾客经常同时买的商品摆放在一起），帮助如何规划市场（互相搭配进货）等。在数据挖掘研究领域，对于关联分析的研究开展的比较深入，人们提出了多种关联规则的挖掘算法，如APRIORI、FP增长、STEM、AIS、DHP等算法分类发现

分类要解决的问题是为一个事件或对象归类。设有一个数据库和一组具有不同特征的类别（标记），该数据库中的每一个记录都赋予一个类别的标记，这样的数据库称为示例数据库或训练集。分类分析就是通过分析示例数据库中的数据，为每个类别做出准确的描述或建立分析模型或挖掘出分类规则，然后用这个分类规则对其它数据库中的记录进行分类。在电子商务中分类分析可以预测客户响应，如哪些客户最倾向于对直接邮件推销做出回应，又有哪些客户可能会换他的手机服务提供商，或进行商店定位，如按成功的商店、一般商店和失败商店排列得出这3类商店各自具有的属性。然后选择包含位置属性的地理数据库，分析每一预期的商店位置属性，以确定预期的商店定位属于哪一类。只有那些符合成功一类要求的商店位置才作为商店定位的候选。用于分类分析的技术有很多，典型方法有统计方法的贝叶斯分类、机器学习的判定树归纳分类、神经网络的后向传播分类等。最近数据挖掘技术也将关联规则用于分类问题。另外还有一些其它分类方法，包括k－最临近分类、MBR、遗传算法、粗糙集和模糊集方法。目前，尚未发现有一种方法对所有数据都优于其它方法。实验研究表明，许多算法的准确性非常相似，其差别是统计不明显，而训练时间可能显著不同。一般的，大部分神经网络和涉及样条的统计分类与大部分判定树方法相比，趋向于计算量大。

回归发现

回归是通过具有已知值的变量来预测其他变量的值。它与分类类似，差别在于前者的预测值是连续的，而后者是离散的。在最简单的情况下，回归采用的是象线性回归这样的标准统计技术。但在大多数现实世界中的问题是不能用简单的线性回归所能预测的。如商品的销售量、股票价格、产品合格率、利润的大小等，很难找到简单有效的方法来预测，因为要描述这些事件的变化所需的变量以上百计，且这些变量本身往往都是非线性的。为此人们又发明了许多新的手段来试图解决这个问题，如逻辑回归、决策树、神经网络等。一般同一个模型既可用于回归也可用于分类，如CART决策树算法既可以用于建立分类树，也可建立回归树。神经网络也一样。

序列模式发现

序列模式分析和关联分析类似，其目的也是为了挖掘数据之间的联系，但序列模式分析的侧重点在于分析数据间的前后序列关系。它能发现数据库中形如“在某一段时间内，顾客购买商品A，接着购买商品B，而后购买商品C，即序列ABC出现的频率较高”之类的知识。序列模式分析描述的问题是：在给定交易序列数据库中，每个序列是按照交易时间排列的一组交易集，挖掘序列函数作用在这个交易序列数据库上，返回该数据库中出现的高频序列。在进行序列模式分析时，同样也需要有用户输入最小值信度C和最小支持度S。另外序列关联规则挖掘中采用的Apriori特性可以用于序列模式的挖掘，另一类挖掘此类模式的方法是基于数据库投影的序列模式生长技术。

3.2理解可以获得的数据的信息。

对可以挖掘的数据进行分析，理解可以获得的数据的信息：内容、字段类型、记录之间的关系。可能影响数据挖掘技术选择的数据性质主要有：

1）种类字段：关联分析和连接分析只适用于种类字段。决策树也可以很容易的用于种类字段。但是有一个忠告：就是当种类的值较多的时候，效果可能就会比较差，当然如果限制分支的个数的时候，决策树的效果还是不错的。神经元网络，可以将种类字段转化成数值字段，但是这样就给种类字段强加了一个先后次序。也可以将种类字段作为多个输入，但是当值很多时，这种方法就成问题了。

2）数值字段：神经元网络将所有输入转化到0—1之间。MBR和聚集检测通过距离函数来处理数值字段。决策树可以通过splitter数值来处理数值字段。对于关联分析，则必须将数值变量区间化成种类变量，但是区间的选择是一个很困难的问题。

3）每条记录都有大量的字段（独立）：记录中的字段很多，神经元网络和MBR技术会受其影响，关联规则挖掘也会受影响。而决策树受其影响的程度就比较的小。

4）多个目标字段（非独立）：对于存在多个依赖变量的情况，神经元网络是最佳的选择。

5）记录是变长的：只有关联规则和连接分析可以直接处理变长记录。对于其他的技术，数据需要一些预处理：可以生成一些统计字段；将一条记录拆分成几条记录，每个含有记录号。

6）有时间顺序的数据：神经元网络，关联规则对时间顺序的数据的处理能力比较的好。决策树也能处理时间顺序，但是需要的数据准备就相对较多一点。

7）自由文本数据：MBR技术最适合。

4结论

总之在选择一种数据挖掘技术我们应根据商业问题的特点来决定采用哪种数据挖掘形式比较合适。应选择符合数据的模型的算法，确定合适的模型和参数。只有选择好正确的数据挖掘工具，才能真正发挥数据挖掘的作用，使企业在激烈的市场竞争中做出正确的决策，保持有力的竞争优势。

参考文献：

1．《构件面向CRM的数据挖掘应用》/（美）贝尔森，（美）史密斯，（美）西瑞林著；贺奇等译。人民邮电出版社，2001.8

2.《数据挖掘概念与技术》，机械工业出版社，2001.8

简述网络市场的特征范文篇2

供应商该以何标准来选择网上零售商，目前国内外还缺乏此类研究成果，结合我国网上零售商的特点以及vmi模式实施现状的研究成果则更少，理论上的缺乏使得实践难以有效执行。基于此，本文构建了网上零售商选择指标体系，旨在解决理论缺乏与实践亟需的矛盾，为供应商选择网上零售商提供可参考的依据。

网上零售商选择指标体系构建原则

全面性原则。网上零售商的选择是一项系统工程，供应商评价指标体系应能全面、准确地反映供应商各方面的情况，并且能将每个评价指标与指标体系的总目标有机地联系起来，组成一个层次分明的整体，以便反映评价对象的优劣。

代表性原则。由于供应商对网上零售商的选择评价是对各种因素综合进行的结果，涉及多方面的问题，若把这些问题都罗列进指标体系，既不可能，也没必要。在充分反映网上零售商信息的前提下。所选指标应具有代表性，尽量避免各指标内涵重叠。

定性与定量结合原则，定性指标受主观因素的影响较大，易产生理解偏差;定量指标对很多模糊指标不能很好地进行描述，两者优势互补，选择指标体系应采用定性与定量指标相结合的原则。

vmi模式下网上零售商特征分析及选择指标体系构建

本文选取我国网络购物买家在购物网站购买商品种类，以及我国网络购物卖家出售商品种类最多的前十三类商品作为调查对象开展在线调查。根据调查结果，分析了vmi模式下我国网上零售商的基本特点，并据此构建了vmi模式下网上零售商的选择指标体系，简介如下：

(一)市场能力

描述网上零售商开发市场的能力，间接体现了该网上零售商的业务能力及竞争实力，可通过市场控制能力和市场扩张能力来衡量。

(二)服务质量

网上零售商是接触消费者的终端，vmi模式下，网上零售商服务质量直接影响供应商产品在消费者心中的形象。服务质量主要反映在商业信誉是否好，服务是否及时等方面，这些都会影响产品的销售情况。商业信誉依附于商品交换过程中，是网上零售商和消费者之间发生的一种商业关系，在vmi模式下，网上零售商的商业信誉很大程度上反映了消费者对网上零售商的信赖程度。良好的商家形象为网上零售商锻造品牌效应提供了强有力的支持，主要体现为顾客重复购买行为以及消费者对网上零售商服务的接受程度。网上零售商不再管理库存，衡量网上零售商的服务响应有别于传统零售商的数量响应和交货时间柔性，主要体现在平均订单等待时间和新产品信息更新速度等方面。

(三)经营环境

经营环境主要指网上零售商经营的电子商务平台的质量，经营环境的好坏主要反映在系统可靠性、操作便捷性、沟通便捷性等方面，这些因素能显著影响消费者对网上商店的系统质量评价，进而影响网上零售商的销售业绩。作为电子商务正常运作的技术支撑，交易平台的系统可靠性主要包括支付技术的安全性，比如消费者在交易过程中都比较关心自电子商务管理己银行账户的安全问题，以及信息的保密程度，一旦发现隐私保密度不高则会撤离该电子商务网站。可靠性还涉及交易信息的正确性，包括商品的数量、质量等，具体可用支付安全度、隐私保密度、平均技术错误率等衡量。另外，能留住消费者的网上零售商，其运行平台必须操作便捷。度量操作便捷性的具体指标有：个性化栏目设置、方便有效的超链接、支付系统的易操作性等。网络购物在我国还处于初级阶段，很多消费者对网络购物流程不了解，购物网站是否提供可视化的购物指南会影响该网站对消费者的吸引力。沟通是达成交易的必要环节，消费者在购物时是否能很方便地询问产品的相关信息或即时讨价还价等都将影响消费者购买决策。消费者的这些沟通需求是否能满足采用沟通的便捷性来衡量。

(四)内部特征

描述网上零售商的自身条件，其经营特征将影响供应商产品的销售情况;合作特征关系到vmi是否能够实施，反映了供应商实施vmi模式风险的大小;技术特征反映了网上零售商的经营效率;财务特征反映了合作风险大小以及发展潜力。网上零售商的经营在互联网上进行，其员工的技术特征不仅能反映其店面的经营效率，更重要的是这是衡量其未来发展潜力和创新能力的一个重要方面。由于在vmi模式下，网上零售商不需要持有商品库存和负责商品的配送，只需销售商品和传递信息，因此对于网上零售商来说，应该重点考察其运营效率、偿债能力和发展能力，主要考核指标(见表1)。

结论

本文在借鉴前人研究的基础上，结合实际调查，分析了vmi模式下网上零售商的特征，并据此提炼出一套有效可行的网上零售商选择指标体系。关于该选择指标体系需作两点说明：

第一，与vmi模式下传统零售商选择指标体系可整理的指标有：市场能力及其二级指标、服务质量及其二级指标、内部特征及其二级指标;需作修改指标有：删除服务质量指标下的三级指标——退换货费用分配方式、内部特征指标下的财务特征视具体情况应增加相关指标;vmi模式下网上零售商选择指标体系特有的指标有：经营环境下的二、三级指标，传统零售商是实体店形式，衡量其经营环境的指标与网上零售商完全不同。

第二，与非vmi模式下网上零售商选择指标体系不同之处。本指标体系的全部指标都可应用于非vmi模式下网上零售商的选择，不同之处在于各指标所占权重不同。但是，目前市场为买方市场，在非vmi模式下，网上零售商在零供关系中处于优势地位，因而往往都是网上零售商选择供应商，这种情况下有价值的研究则为供应商选择指标体系的构建。

综上所述，vmi模式下网上零售商选择指标体系的提出丰富了网上零售商选择方面的研究成果，同时为供应商企业在实施vmi时如何选择合适的网上零售商提供了理论指导。vmi的应用在我国网络购物中仍处于初级阶段，随着其应用的深入，文中提出的选择指标体系需进一步修改和完善。

参考文献：

1.钟小娜.网站特性和消费者个体特征对网络购物接受程度的影响[d].浙江大学，2005

简述网络市场的特征范文篇3

关键词：网络经济；企业供应链；管理；发展趋势

随着市场竞争的日趋激烈，企业要想在竞争中具有绝对的优势，就必须具有能够对多变复杂的环境进行快速反应的能力以及对顾客多样化的需求进行精确分析的能力，也就是加强自身对市场的适应性。在这一过程中，企业的供应链模式也要由传统模式向新型模式转变。从本质上来说，就是供应链管理要以计算机技术为核心，进行智能化管理。

一、企业供应链管理的内涵

要了解企业供应链的内涵，首先必须对供应链的概念有所了解。供应链是从扩大的生产这一概念中发展而来的。现代管理教育对供应链的定义是：围绕核心企业，从原材料的采购开始，对商流、信息流、物流、资金流等进行控制，然后使用销售网络将制造成功的中间产品和最终成品销售出去，送到消费者手中的将供应商、分销商、零售商及消费者联系起来的具有整体性的功能网链结构。

而企业供应链管理是针对单个公司的，它是对单个公司所提出的含有多种产品的供应链进行管理。在整个供应链中，该公司处于主导地位，拥有主导权。在这一供应链中，必须明确主导者的主导权及其具体所代表的含义，以及它是否能成为对整个供应链进行统一的关键因素。如果主导权不够明确，那么一方面会对企业计划制定与实施造成不利影响，另一方面也会使整个供应链的运转难以维系，更无法建立起强有力的管理组织。以企业供应链为基础的供应链管理，一方面要充分考虑与供应链中的其他成员合作，另一方面也要对企业多种产品的各个环节如原料采购、生产、分销、运输等方面资源的优化配置问题进行考虑。

二、供应链管理的核心内容

在供应链管理中，核心是企业将各级供应商的资源如业务流程、技术、能力等进行有效整合，从而加强自身的竞争力。而在网络经济下，企业竞争力的核心来源于被整合过的价值链。价值链的具体流程是“原料采购―各级制造商―批发商―零售商―最终用户”，这是一种价值附加传递的过程，而且它能够将原料和产品的再利用结合起来，形成了一个完整的循环过程。而供应链管理就是将这一价值链中的所有组织进行有效整合，使其协同作业，也就是将“产品设计―原料采购―制造―装配―运输―仓储―分销―最终用户”这一过程中的所有组织联系起来，使其进行协作，从而形成一个虚拟企业组织的网络业务模式。在供应链模式中，产品生产并不是由没有形成供应链之前时制造商的推广式业务模式决定的，而是由客户来推动的。在网络经济下，供应链管理的实质是企业与重要供应商在网络竞争环境中的协作关系。

三、供应链质量形成的产品结构特征

供应链是以核心企业为中心，对各项资源进行控制，最后经过销售网络将产品送至消费者手中的具有整体性的功能网链结构。在这一模式中，产品质量具有特定的结构性特征，如信息不对称等。这些特征使得与企业内部控制相比，供应链质量管理更为复杂和艰难。具体来说，产品质量的特征主要包括以下几方面。

（一）系统相关性

供应链产品质量与原材料、零件生产、半成品加工、分销及物流等行业的关系密不可分，因此它的形成是一个非常系统的工程。而在某一个具体的企业中，产品质量又受到设计、采购、生产、售后等所有部门的影响。再具体至某个部门，例如制造部门，负责产品的铸造、冲压、焊接、装配等各个环节。要保证产品质量，就必须在每一个环节都严格控制质量。在这一包含众多企业、环节及部门的体系中，每个企业、部门及环节的质量都与其他企业、部门、环节的质量息息相关。因此不仅要保证供应链核心企业产品的质量，还要保证其他企业产品的质量。

（二）信息不对称

信息不对称是指供应商与采购者之间在商品质量方面信息不对称。产品质量具有非常明显的隐性特征，部分商品在购买之前能够进行质量检验，也就是“先验商品”，还有的商品购买之前则无法有效确定质量，即为“后验商品”。由于信息不对称，因此采购者在商品质量识别方面所花费的成本增加，且往往会出现质量比较、识别、检验及购买成本与产品质量之间不对等的现象。供应链中质量信息不对称造成的结果有：一方面，在签订合同之前，由于制造商对原材料供应商所提供材料的性能并不确定，消费者对制造商多提品的质量也不能确定。因此在不确定的情况下，购买者会更倾向于使用相同且较低的价格购买商品，那么优质产品供应商就会因为利益受到损害而被迫进行改变，使得市场上的劣质商品增多，出现类似于金融学中的“劣币驱逐良币”的“劣质驱逐良质”。另一方面，签订合同后，由于信息不对称，购买者无法对产品质量进行检验，导致成本较小的供应者会降低产品质量，使得实际交易中的产品质量与合同中的质量不符，加剧供应链产品质量的恶化。

（三）双重边际性

双重边际性是指供应链系统中的采购者和供应者是独立核算的法人和实体，他们在进行决策时，对供应链中其他成员的利益并不关心，更多考虑的是自身的利益，并力求使利益达到最大。当利益在供应链成员之间进行分配时，当一方的利益达到最大化，就会对市场均衡和另一方的绩效产生影响。这一特性产生的原因，从根本上来说是供应链上不同主体之间存在利益不一致和分配不合理。这一特性作用于信息不对称的环境，会导致供应链产品质量的进一步下降。这一特性在供应链产品质量事件中的表现为，采购者为了降低成本，增加利润，不断降低采购价格。而供应者面对较低的价格，必然会降低产品质量，最终出现产品价格及质量都较低的现象。

（四）合作关系不稳定

这是造成供应链中产品质量出现问题的另一个重要原因。供应链中的企业是受到利益的驱使而暂时进行合作，合作过程中对双方关系进行固化的法律体系不完善，合作成员的可替代性较高。这些特征导致成员之间的合作具有不稳定性，随时有瓦解的可能。在非长期合作的情况下，各个成员考虑的是自身短期利益的最大化，忽视了整体利益的长期最大化。

四、供应链中出现问题的解决策略

由上述内容可知，受到自身结构特征的影响，在供应链模式下，产品将经常处于价格较低质量较差的状态，使得采购者的利益无法得到保证。因此要针对供应链的结构特征，采取一定的措施，从而保证采购者所购买到的商品质量有保证。

（一）建立质量信号传递机制

受到信息不对称的影响，采购者与供应商之间对商品信息和质量的了解是由差别的，很明显供应商对商品的了解要多于采购者。在很多情况下，这会对采购者的利益产生不利影响。因此必须建立行之有效的质量信号传递机制。具体来说，可采用两种形式。一是质量保证金。供应商为了证明自身商品的质量，可先向采购者支付一定的质量保证金，采购者使用之后确认无质量问题后退还质量保证金。而质量较差的供应商自然不愿意支付质量保证金，这样就会淘汰质量差的商品；二是售后包退保修制度，这也是能够对质量较差的商品进行淘汰的方式。

（二）实行跨期支付

针对供应链中存在的合作关系不稳定导致的参与人短期利益最大化倾向，采用跨交易周期的支付机制能够有效将短期交易长期化。采购者并不是一次性付清全款，而是只支付一部分。在这种机制下，供应商的收入与产品质量直接挂钩。一旦出现假冒伪劣产品，会使购买者的购买意愿直线下降，从而使自身的利润锐减。因此供应商会对自身所提品的质量较为重视，而且这种方式对于想要提供假冒伪劣商品的供应商来说，都是非常有效的。

五、网络经济下企业供应链管理的发展趋势

网络经济是一种以计算机网络为基础、以新兴的信息技术为核心的经济形态。它不仅包括以计算机为依托的飞速发展的信息技术产业，还包括以计算机技术为核心的整个高新技术产业，更包括受到高新技术产业推动的传统行业和部门的深刻变革和发展。因此，网络经济并不是一种独立于传统经济或者与之对立的虚拟的经济形态，而是一种以传统经济形态为基础、以信息技术为核心的现代经济发展的高级形态。在网络经济下，供应链管理也会具备网络经济的特征，朝着管理越来越简单智能、管理组织越来越精简、管理速度越来越快、管理效率越来越高的方向发展。

（一）供应链管理时效越来越高

随着信息技术应用的不断广泛，在供应链的各个环节都采用了计算机技术。从原料采购到生产、库存、销售等都以计算机技术为依托，导致管理的时间越来越短，速度越来越快。具体来说，例如在原材料采购这一环节，采购商在了解了实际情况之后，可在网上下单，通过网银等形式先行支付部分货款；在商品生产环节，生产设备由机器人进行控制，实际上还是计算机控制，库存装包等也是使用全自动信息技术控制，大大提高了操作速度，缩短了操作时间，使得供应链中各个环节管理的时间与速度都相应加快，从而在整体上缩短了管理的时间。

（二）供应链中产品质量与资产生产率越来越高

在供应链商品生产环节，无论是零部件加工，还是商品组装，都使用计算机进行自动化生产。由于计算机无论在操作速度还是效率方面，都远高于人，因此资产生产率与传统方式相比，也会大大提高。且在差错方面，计算机出差错的概率也远远小于人为因素导致的生产错误，这就能够使产品质量得到保证。由此可见，网络经济下，供应链中产品质量与资产的生产率都会越来越高。

（三）供应链组织越来越精简

由于计算机能够实现诸多功能，一台计算机在很多时候甚至能够同时取代好几倍人力的工作，并且在质量及效率方面也都有保证。因此在供应链的每一个环节，随着计算机技术覆盖范围的不断扩大，计算机能够取代的人力的范围也会越来越广，那么自然而然很多人力就会被淘汰，供应链组织中的人越来越少，组织也就越来越精简。组织精简能够使组织管理的成本降低，利润增加，但同时管理质量不会受到影响。

六、结语

综上所述，在传统的供应链模式下，商品从原料采购到销售及售后的各个环节都对商品及服务质量有着一定影响。尤其是由于供应链模式存在种种弊端，导致供应商和采购商之间处于不平等地位，商品质量无法得到有效保证。而随着计算机技术的不断进步，网络经济不断盛行，供应链管理的速度会越来越快，效率越来越高，供应链组织越来越精简，产品质量也会越来越高，最终促进供应链中各组织之间的双赢。

参考文献：

[1]潘云飞，付强.网络经济时代供应链协同管理研究[J].经济研究导刊，2013（29）.

[2]陈欢，马费成.国内学术电子期刊供应链上多元主体竞争合作关系探讨[J].情报杂志，2012（04）.

[3]李伟伟.论网络经济时代下的企业管理的变革[J].大观周刊，2012（46）.