孙慧婷 方晓 王纪 闫磊

摘 要：DEA模型是一种综合交叉学科研究的方法，国内外许多学者利用它在经济、管理、金融等领域上对绩效评价、金融财务分析等方面进行研究.基于DEA模型构建旅游网站效率评价指标体系，并选取国内12家旅游网站进行效率评价.结果表明：其中10家投入与产出达到最佳的匹配状态；1家市场表现良好，但规模过大产生不可避免的低效，导致投入冗余；1家投入要素不合理，需要改善内部管理、技术投入，以提高网站效率.

关键词：DEA模型；旅游网站；效率评价

中图分类号：O22：F592 DOI：10.16375/j.cnki.cn45-1395/t.2018.03.019

0 引言

目前线上平台与线下供应商结合的电子商务模式在旅游业迅速发展，旅游者更加依赖旅游网站和移动终端提供的产品和服务做出决策行为，制定旅游计划.因此，旅游企业提高网站效率，加强旅游信息发布效果，优化网站订购功能成为提高企业竞争力的关键一环[1].虽然各类旅游网站层出不穷，但是运行效果参差不齐，相当一部分的网站缺乏对网站科学设计、运营的意识，导致一些旅游平台的效率不佳.因此，科学分析网站运行效果，发现运行短板，从理论和实践考虑，对于提高企业网站效率具有重要意义.DEA（Data envelopment analysis）模型是一种进行相对有效性评价的评价工具，摆脱了其他方法没有绝对标准或者绝对标准人工设置的弊端[2].通过同类事物的衡量分析，并根据既定的统一标准作为参照，得出优劣排序.DEA方法研究直接通过输入指标和输出指标的计算确定相对权重[3]，而输入指标和输出指标的获取是通过软件在线抓取，避免了人为干预的因素，因此，DEA方法的数据获取、模型运算都是客观的，所得到的评价结果是对客观事实的评价，评价结果更加具有可靠性[4].本文通过DEA模型对于旅游电子商务网站进行的科学评价和分析，可以给企业的技术开发和管理部门提供优化依据，对于网站和公司整体未来的发展提供支持.

1 DEA方法概述和指标体系的构建

1.1 DEA方法概述

数据包络分析法（DEA法）最初是一种运筹学方法.1978年，美国运筹学家A.Charnes等为了评价不同决策单元的相对有效性，而发明了该方法.此时的DEA模型是CCR模型，也就是通过寻找最优边界，比较不同决策单元的投入产出效率[5].经过几十年的发展，在模型的具体形式上，DEA方法也在不断衍化和调整，从最初的CCR模型发展到BCC模型、CCW模型、CCWH模型等.DEA方法的基本原理：首先，明确决策单元（DMU），数据包络分析方法首先是将要评价的对象作为一个决策单元.然后，根据决策单元实际情况选取投入、产出指标，建立模型，通过进行投入、产出指标的权重变化运算，判断决策单元是否相对有效.最后，使用投影方法可以分析形成非有效的决策单元的原因，依据结果制定改进建议[6].

1.2 构建评价指标体系

1）DMU的选取

DEA方法行之有效的前提是合理选择决策单元，也就是研究对象.在进行决策单元选择时，一般遵循以下几个原则[7]：

①同质化.研究对象必须是同质化的个体，即其在市场环境、功能设计、主体受众等方面具有可比性.旅游网站的主要功能是提供在线旅游产品和服务，满足主体受众旅游需求，因此，旅游必须是网站的主题，在此基础上，丰富受众其他需求[8].

②静态网页.选取的研究对象要以静态网页形式提供产品和服务信息.为了保证所有决策单元相关要素数据的可得性和质量，研究的网站要以静态网页形式提供信息.

③差异性.因为进行DEA评价的目的是通过进行网站效率的分析，发现效率高者的优势，为低效企业提供借鉴和改进策略，因此，在决策单元选择时，要保证所选择主体的差异性分布.

为了保证研究中所选择的研究对象同时兼具上述的同质化和差异性，笔者選取站长之家中排名前30的中国在线旅游企业中数据相对完整的12家在线旅游企业，其基本信息如表1所示.

2）指标体系的选取

基于DEA模型评价网站的重要前提就是选择合理的投入和产出[9].网站建立和运营过程中，会涉及大量的资源投入，遍布网站页面布局设计、前后台硬件投入、网站后台开发投入、网站维护投入、网站推广投入等.在进行指标的选取中，要充分考虑各个要素的通用性、数据可获得性、适用性等原则.在指标选取方面，也有大量相关的研究[10].总体而言，企业网站效率评价指标的选取主要考虑是否能反映网站规模、网站技术难度、网站安全等方面.而具体到指标投入方面主要为网站包含页面数、网站连接数、网站对象数、网站载入时间等；网站访问量、网站访问速度、网站安全性、网站成交量等方面是产出的主要指标[11].

所以，本文在进行网站效率评价指标的选取时，结合了许多学者的研究经验，充分考虑到指标对于行业性质的适用性原则，从网站建设和消费者感受两个方面出发，全面考量网站建设和运营投入.同时充分考虑消费者对在线旅游网站的需求.据此建立指标体系，如表2所示.

运用 Maxamine Web Analyst 软件分析表 1 中的12 个网站，在每个网站所分析出的总报告中统计并分析所选取输入指标（网站总页面数（PAG）、平均每个网页的链接数（LPP）、目录中其他文档的总数（DOC）、所引用的外部站点页面的数量（DFP）、图像链接总数（内部+外部）（TIL）、非复制链接（内部链接+国外网站链接+文档链接）（DL）、链接数量（TL）、web对象的数量（页面+图像+文档）（TO）.8 项输入指标的数据值如表3所示.

通过工具alexa分析出这12个决策单元的同一时期的网站日访问量 （WST）和网站流量排名（WR），这两项输出结果如表4所示.

3）计算出决策单元的效率评价指数

鉴于上述选择的决策单元的指标体系是多输入指标和多输出指标，所以，基于DEA模型，宜采用CCR模型，对所获取的数据进行计算.

研究时选取n个（n=12）决策单元（Decision Making Units），这n个单元满足同质化原则，针对每个决策单元都选取m（m=8）种类型的输入指标以及s（s=2）种类型的输出指标[12].

这n个企业及其输入-输出关系如图1所示.

在图1中，n为决策单元数，m为输入指标数，s为输出指标数，[i∈1， 2， …， m， ][r∈1， 2， …， s， ][j∈1， 2， …， n]；[xij]是第j个决策单元在第i个输入指标中的投入情况，并且满足xij>0；yrj是第j个决策单元在第r个输出指标中的产出情况，并且满足yrj>0；vi是实现第i个输入指标影响结果的权重系数；ur是达到第r个输出指标影响结果的权重系数[13].在本研究中，n=12，m=8，s=2.

将上面的元素转换成向量形式，如图2所示.

模型中，xij，yrj是已知数，vi，ur是变量.模型表达的内容是以vi、ur作为变量，决策单元的效率指标hj作为约束，把第[j0]个决策单元的效率指数作为目标，即判断第j0个决策单元的效率相对于其他所有决策单元是不是有效[14].这是一个分式规划模型，求解需要将它转化为线性规划模型.令：

当且仅当D（对偶规划）的目标值θ=1时，决策单元j0相对于其他决策单元来说是有效的[15].

2 结果与评价分析

基于DEA模型分析出这12家电子商务网站的纯技术效率、规模效率、综合效率，计算出的结果如图3所示.

以D1为例进行分析，D1的具体计算结果如表5所示.

从表5中看出决策单元D1，也就是携程网的投入冗余（Radial movement）和产出不足（Slack movement）都是0，达到DEA有效的目标值（Projected value）都是原始值（Original value），故D1的纯技术效率是1.再从图3中看出规模效率，综合效率都等于1，说明DEA是有效的.

计算中，D2、D3、D4、D6、D7、D8、D9、D10、D11投入冗余（Radial movement）和产出不足（Slack movement）也都是0，达到DEA有效的目标值（Projected value）都是原始值（Original value）（具体计算结果此处省略）.从图3也看出这9个旅游网站的纯技术效率、规模效率、综合效率都等于1，规模效益不变，说明DEA是有效的.也就是这10家企业（携程旅游、阿里去啊、途牛旅游、去哪儿、百程旅行、驴妈妈、同程旅行、芒果网、众信旅游、欣欣旅游）投入得到了最大产出，他们网站投入与产出达到最佳的匹配状态，没有出现投入的冗余或者产出的不足，实现了既技术有效，又规模有效.

以D5为例进行分析.D5的具体计算结果如表6所示.

决策单元D5（凯撒旅游）的两项输出指标（Output1、Output2）存在着投入冗余（Radial movement），而输入指标中除了第二项输入指标（Input2）投入比较合理，其他输入指标均产出不足（Slack movement）.从图3中看出D5的纯技术效率、规模效率、综合效率均小于1，说明这家企业存在投入要素不合理情况，需要改善企业内部管理、技术投入或者优化网站设计，以提高网站效率.另从图3中看出凯撒旅游综合效率只有39.7%，在12家网站中综合效率最低，亦即凯撒旅游的网站建设中存在相对明显的投入冗余，网站效率还有较大的提高空间.

D12的计算具体结果如表7所示.

从表7中看出，决策单元D12，也就是中青遨游的投入冗余（Radial movement）和产出不足（Slack movement），都是0，原始值（Original value）达到DEA有效的目标值（Projected value），故D1的純技术效率是1.但是从图3中看出规模效率小于1，所以综合效率小于1，非DEA有效，即规模效率递减.说明这家企业虽然发展较为迅速并且具有较好的市场表现，但是由于规模过大产生了一些不可避免的低效，导致一定的投入冗余.在加强管理的情况下，企业规模还具有增长空间，或者通过适当减少投入，节约成本.

从图3中可以看出12家旅游电子商务企业的平均技术效率和平均规模效率均小于1，平均规模效率为0.955，即平均来看，仅有0.45%的投入没有进行充分地产出，这12家企业的投入产出比即效率已经较为高效.

3 结语

采用了DEA模型对12家旅游电子商务网站技术效率、纯技术效率和规模技术效率进行了测度，从数据分析出网站的投入与产出的匹配情况.由于电子商务网站的效益不是短时间内可以充分体现的，因此，并不能通过某一阶段的网站排名，就概论这个网站的优劣，只能说网站的某个发展时期与同类型网站的对比表现.无论怎样选取评价指标，都不可能全面反映事物各个方面的特征，甚至准确描述事物某个方面的特征，或者因素之间完全避免重复交叉.在DEA模型中，输入和输出指标是相对灵活的，需要随时进行调整，以便得到最优的结果.通过对网站效率现状的分析，发现网站管理与建设中的问题，为网站的改进升级提供参考依据，为企业建立更加高效的网站助力.

参考文献

[1] 张补宏，闫艳芳.旅游景区网站绩效评估体系及应用研究——以广州长隆旅游度假区网站为例[J]. 地理与地理信息科学，2014，30（5）：121-126.

[2] WANG F C，HUANG W T，SHANG J K. Measuring pure managerial efficiency of international tourist hotels in Taiwan [J]. The Service Industries Journal，2006，26（1）：59-71.

[3] 李方强.基于DEA-AHP的上市商业银行绩效評价研究[D].天津：天津商业大学，2015.

[4] 齐德广.军医大学临床教学质量常态化评价指标体系的构建[D].重庆：第三军医大学，2011.

[5] 张俊容.DEA若干理论及其应用的研究[D].成都：西南交通大学，2003.

[6] 阎友兵，马朋.基于DEA方法的旅游电子商务网站效率评价研究[J]. 湖南财政经济学院学报，2013（4）：32-36.

[7] KGKSAL D C，AKSU A A. Efficiency evaluation of a-group travel agencies with data envelopment analysis（DEA）：a case study in the antalya region，Turkey [J]. Tourism Management，2007，28（3）：830-834.

[8] 秦莲莲.在线旅游需求的预测模型及实证研究——基于在线旅游服务供应链视角[D]. 太原：中北大学，2016.

[9]郑晓晓，刘伊生，时颖. 基于DEA模型的北京市建筑业生产效率评价[J]. 北京交通大学学报（社会科学版），2017，16（2）：76-84.

[10] 高李昊，马璐，金山.基于NOM-Hybrid DEA和Meta-frontier的效率模型研究[J]. 广西科技大学学报，2015，26（4）：97-102.

[11] 黄丽江. 农业科研院所网站建设评价指标体系研究[J]. 农业网络信息，2013（6）：5-10.

[12] 徐爱萍. 基于三维协同的组织智力资本绩效评价研究[M]. 武汉：湖北科学技术出版社，2011.

[13] 潘广玮.基于DEA方法的O2O电商网站效率评估及影响因素研究[D]. 广州：华南理工大学，2016.

[14] 张倩.基于DEA方法的跨境电商企业经营绩效评价[J]. 广西科技大学学报，2018，29（2）：126-133.

[15]徐文燕，张青.基于DEA方法的在线旅游服务创新效率评价研究[J]. 哈尔滨商业大学学报（社会科学版），2015 （5）：100-110.