综述：电商平台供应商选择与卖家优先级排序：多准则与混合决策方法的系统性综述

《Journal of Theoretical and Applied Electronic Commerce Research》：Supplier Selection and Seller Prioritization in E-Commerce Platforms: A Systematic Review of Multi-Criteria and Hybrid Decision-Making Approaches Ramazan Topdemir and Gül?en Akman

　　

数字供应链的发展显著改变了传统上以静态与成本为导向的供应商选择模型。在动态、绩效导向的电商平台上评估卖家时，除价格外，还应综合考虑运营标准、服务卓越性及其对平台的贡献。本研究通过遵循PRISMA方法的系统性文献综述，构建了一个全面的多准则决策(Multi-Criteria Decision Making, MCDM)框架，以弥补上述研究空白。研究人员在Web of Science、ScienceDirect、IEEE Xplore、Google Scholar和Taylor & Francis数据库中检索了2014年至2025年的相关文献，共获得4630条记录，最终对其中123篇文献采用文献计量图谱与主题综合法进行分析。研究结果表明，评估指标随时间推移呈渐进式多元化趋势：质量、交付与成本仍为基础性指标，但近期研究日益关注客户服务、搜索量以及利润率与加成率等精细化财务指标，标志着卖家评估模型正向多维方向发展。通过对所综述研究中识别出的指标进行主题综合，研究人员提出了一个包含财务可持续性、运营效率、质量与服务标准及市场定位四个维度的框架。研究还讨论了将人工智能与多准则及混合决策方法相结合，以开发自适应卖家排名系统的意义。通过整合碎片化的研究成果，该框架为平台管理者设计卖家评估与分配机制提供了战略指导。

1. 引言

商业环境日趋严苛，企业必须持续创新、整合新兴技术并适应不断变化的市场才能维持竞争力。为实现可持续增长，企业需要兼具灵活性与韧性的绩效评估体系，以支持快速战略调整并保持长期目标聚焦。在电子商务领域，卖家绩效评估尤为关键。尽管近期研究提出了越来越多的供应商选择优化模型，管理实践仍多以成本为重心，停留在战术层面，导致企业在优化短期目标时牺牲了长期绩效。本文主张应从战术评估向真正的战略性卖家优先级框架转变，涵盖运营效率、财务实力、竞争定位以及对数字化转型与可持续发展挑战的适应能力。绩效评估的概念在文献中经历了多个视角的演变，从早期的指标创建与数据分析，到后来的驱动组织目标实现，再到对效率与有效性的全面捕捉，以及为利益相关者提供真实质量与价值。近年来，非财务指标因其能提供传统财务数据无法提供的宝贵情境信息而受到重视，集成现代评估方法应结合定量与定性指标已成为共识。随着电商平台的发展，卖家需要全面系统的评估以支持其可见性与促销决策。与传统供应链研究中的“供应商”概念不同，电商生态系统中的角色更为分化：制造商负责设计与生产，卖家则负责商品上架、定价与订单履约，可能是制造商本身、授权分销商或独立经销商。本研究在指代广义供应商选择文献时使用“供应商”，在讨论平台环境中的优先级与可见性机制时使用“卖家”，旨在将供应链理论中的既定供应商选择标准适配于电商卖家评估的动态、算法驱动情境。有效的卖家评估通常需要对标竞争对手或行业领导者，涵盖财务指标、运营效率、保修管理、采购流程、平台商务生态因素及客户满意度等要素，并通过定期评估与纠偏行动进行动态管理。数字市场要求供应商选择方式发生根本性转变：卖家选择不再是静态的一次性签约决策，而是动态、持续的优先级排序过程，典型体现于“购买框(Buy Box)”或精选报价机制的分配中。现有购买框分配多由价格竞争力与即时配送速度等短期战术指标主导，而研究表明购买框设计会影响定价行为与市场稳定性，因此需要更广泛评估视角。本研究认为购买框资格与卖家优先级标准必须超越交易型指标，转向对卖家战略稳健性的评估，从战术低价转向战略增值框架，以支持平台长期健康与公司整体绩效。全面的卖家绩效评估应超越财务结果，纳入战略行动、产品多样性、保修实践、卖家关系及对数字市场需求变化的响应能力。现有关于供应商选择与MCDM方法的系统性综述多聚焦于方法分类或特定维度（如可持续性），未明确解决从传统供应商选择向电商平台卖家优先级排序的转变，也未提出针对在线市场的多维框架。本研究通过分析123项研究，填补了这一空白，提出了一个四维度框架，使卖家评估指标与电商平台的算法及绩效导向特性保持一致。研究范围涵盖三方面：研究情境覆盖适用于亚马逊、阿里巴巴等电商平台的供应商与卖家选择指标；方法学上覆盖多准则决策方法、模糊扩展、MCDM与机器学习或统计技术结合的混合模型及数据驱动评估方法；时间跨度为2014至2025年。研究围绕四个问题展开：电商平台用于优先级排序卖家可见性与资格的关键指标有哪些？这些选择指标对公司绩效的影响程度如何？如何构建这些指标以指导购买框等动态优先级机制？如何将这些指标集成到智能应用中以支持数据驱动的卖家选择？通过对123篇文献的系统综述，研究在多方面做出贡献：首次将分散的选择指标整合为涵盖财务可持续性、运营效率、质量与服务标准及市场定位的四维框架，并分别基于资源基础观(Resource-Based View, RBV)、交易成本经济学(Transaction Cost Economics, TCE)、信号理论与动态能力理论奠定理论基础；明确将评估指标与电商平台的动态、算法驱动特性相关联；通过时间分析证实评估指标日益多元化，为多维评估模型提供了实证支持；为平台管理者开发数据驱动的卖家选择与优先级系统提供了操作指引。

2. 理论框架

供应商与卖家不仅是外部供应方，更是公司整体价值链中的战略业务伙伴，有效管理与其的关系可增强竞争优势并实现可持续增长。Dickson最早识别出质量、交付、绩效历史、保修与索赔政策等关键供应商选择标准；Ellram强调了支持长期合作的定性方面，将其分为财务、战略、技术与关系领域；后续研究进一步纳入信息技术、物流、技术与关系管理等具体与抽象标准，以及环境与社会因素。传统供应商选择文献为卖家评估提供了基础认知，但电商平台遵循不同的竞争动力学：传统供应链的静态性已被数字市场环境中持续的算法优先级排序取代。电商搜索引擎与推荐算法作为强大的市场设计者，决定了卖家可见性与消费者选择，平台投资决策与费用结构显著影响卖家竞争与市场准入。算法优先级排序（如需求引导规则或“购买框”机制）可通过为竞争性卖家提供额外可见性来塑造定价行为与市场结果，但也带来了算法偏见与自我偏好等独特竞争压力，可能抑制竞争并导致价格上升与销售集中。因此，电商卖家评估需要从传统模型转向能够处理实时平台信号的动态、数据驱动的优先级框架。研究提出的四维框架包括：财务可持续性（聚焦卖家经济稳定性，含价格、利润、加成率与成本等指标）、运营效率（涵盖卖家核心物流与履约能力，含交付绩效与库存周转率）、质量与服务标准（反映建立品牌声誉与客户忠诚度的客户导向特征，含产品质量、保修与客户服务）及市场定位（评估卖家在数字市场中的战略地位，含搜索量、卖家状态与市场中竞争者数量等平台特定指标）。各维度均有对应理论基础：财务可持续性契合资源基础观，运营效率契合交易成本经济学，质量与服务标准契合信号理论，市场定位契合动态能力理论。为实现这些理论维度的操作化，研究采用多准则决策(MCDM)方法，并逐步融入机器学习与人工智能以提升评估的准确性与效率。

3. 方法论

本研究采用系统性文献综述，遵循PRISMA 2020方法，以确保过程的透明性与减少偏差。在数据库选择上，以Web of Science与ScienceDirect为主要来源，辅以Google Scholar、IEEE Xplore与Taylor & Francis，以覆盖工程、运筹学、管理科学及决策方法技术的跨学科研究。检索词分为“选择情境”（供应商选择、供应商评估、卖家选择、卖家评估、供应商选择、供应商评估）与“方法与应用领域”（指标、指示器、MCDM、多准则决策、电商、平台）两类概念簇，使用布尔运算符组合检索。纳入标准为：2014–2025年发表、同行评审期刊或会议论文、英文或土耳其文且全文可获取、涉及供应商/卖家/供应商的选择/评估/优先级排序、应用MCDM/混合/数据驱动决策方法；排除标准为：超出出版周期、非同行评审文献、重复或扩展版本、仅聚焦农业/医疗/环境等特定行业应用而无方法学相关性、仅涉及一般供应链物流而无明确选择评估成分、无全文或方法细节不足。初始检索获得4630条记录，经日期过滤、出版类型筛选、去重、语言过滤后剩余595条进行标题筛选，再经摘要与研究域筛选后剩余308篇进行全文审查，最终纳入123篇。其中12.2%直接涉及电商平台或数字供应链情境，87.8%聚焦传统B2B或工业供应商选择环境，反映了当前领域的研究现状与本研究旨在解决的适配缺口。筛选过程由第一作者执行，第二作者复核并确保标准一致性，分歧通过讨论达成共识。研究使用Zotero与VOSviewer进行文献计量图谱分析，识别研究趋势、关键词共现、合著模式与出版动态；同时采用定性内容分析与主题综合法，提取各研究中明确陈述的选择指标，按功能角色归为四个维度，并通过内部一致性检验确保分类合理性，该过程基于定性主题综合而非统计聚类方法，以适应研究间的异质性。

4. 文献洞察与研究问题讨论

研究首先对纳入文献进行了全面的文献计量与定性内容分析。文献计量结果显示，Web of Science贡献了最多记录，文献覆盖多学科科学、工程多学科、计算机科学人工智能、计算机信息系统与运筹学等领域，印证了该主题的跨学科性质。2014–2025年间，相关研究呈显著增长趋势，72.4%的出版物出现在近五年，2023年达到峰值34篇，表明研究势头强劲。地理分布上，中国、欧洲国家、土耳其、印度、美国为前五大贡献地区。出版物分布于85种期刊，以《Journal of Cleaner Production》《Sustainability》《Computers & Industrial Engineering》为代表。学科分布以工程、运筹学、工业工程、商业管理、供应链管理为主。合著分析识别出Sarkis、Govindan、Tavana等有影响力的学者群体，形成了稳定的研究方法论发展社区。关键词共现分析显示，“供应链管理”“多准则决策”“可持续供应商”“供应商绩效”等为高频关键词。时间维度分析表明，早期研究以成本、价格、交付等传统指标为核心，近年“多准则决策”“可持续供应商”“人工智能”等术语日益凸显，反映出供应商选择已从单纯成本考量转向多维战略决策过程。指标使用频率随时间变化：质量、交付、成本在所有时期均为高频指标，其中质量在2021–2025年成为最常被引用的指标；客户服务、搜索量、利润、库存周转率等指标的提及率在近期显著上升，而竞争者数量与制造商状态等指标仍较少被探索。文献评估揭示了三个主要研究缺口：多数研究基于静态评估模型，未充分反映数字平台的动态性；大量MCDM模型缺乏真实平台数据的实证检验；数字平台特有的治理机制（如算法透明度、公平性、伦理责任）讨论不足。针对四个研究问题的讨论表明：电商平台用于卖家优先级排序的关键指标可分为财务可持续性、运营效率、质量与服务标准、市场定位四个维度，各维度均包含具体可操作的评估指标；这些指标对公司绩效的影响是多维度的，分别作用于盈利能力、运营效率、品牌资产与市场竞争力；指标可被结构化以指导购买框等动态优先级机制，平衡质量与利润率、以客户满意度过滤风险卖家、将交付与库存响应能力作为算法权重核心；将这些指标集成到智能应用中需结合MCDM方法与人工智能，实现初始过滤、加权评分、实时决策、持续学习与监控，依托交易日志、定价历史、交付时间戳、库存记录、卖家评级、点击流数据等多源平台数据支撑系统运行。

5. 结论

在数字转型时代，企业选择高绩效卖家的能力已成为关键战略资产。本研究通过筛选2014–2025年的4630篇文献，综述了123篇学术成果，将卖家选择指标归纳为财务可持续性、运营效率、质量与服务标准、市场定位四个维度。这些指标共同影响企业决策过程与长期竞争力，要求评估模型更具适应性，将多样指标与具备持续学习与反馈能力的决策支持系统集成。该框架兼具理论与实践价值：为研究者整合了分散的发现，为管理者提供了结合MCDM技术与人工智能、实时数据监控的决策工具路线图。研究基于文献计量与主题分析结果提出了五个可检验的研究命题，分别关于财务可持续性指标对短期平台绩效的直接影响、运营效率指标通过客户满意度提升卖家可见性的作用、质量与服务标准指标通过增强卖家可信度感知促进长期平台成功、市场定位指标在卖家能力与平台可见性间的中介作用，以及人工智能与数据分析支持的决策支持系统对上述关系的调节效应。同时，研究指出了现有MCDM方法在动态平台环境中的局限性：静态框架难以反映卖家绩效的动态变化、过度依赖专家意见存在主观性与可扩展性问题、人工智能模型的“黑箱”特性引发算法透明度担忧；但也存在方法学机遇，即MCDM与人工智能、大数据、实时监控的集成可推动卖家选择向动态、自适应、预测性方向发展。研究还说明了设计局限，包括时间范围聚焦2014年后、数据库覆盖范围有限、排除灰色文献、未进行正式质量评价等，为未来研究指明了方向。

6. 未来展望

四维框架与研究命题为未来研究与落地实施奠定了坚实基础。未来研究应在不同电商平台、市场结构与国家中测试模型有效性，考虑时尚、快消、电子等行业的差异，重新配置指标权重并开发行业特定模型。方法学上，可采用结构方程模型(SEM)、MCDM或机器学习算法验证框架，也可通过与电商企业的定性案例研究或基于提议指标的定量试点应用检验模型的适用性与可靠性。技术融合方面，应重点开发生成式人工智能驱动的算法，利用四维指标动态调整购买框权重，设计自适应智能系统以实现自动预筛选与实时绩效数据处理，并通过跨平台（如亚马逊、阿里巴巴、Trendyol）比较研究提升框架普适性。随着评估系统的自动化与数据驱动化，算法透明度、公平性与伦理治理将成为重要研究方向，需确保卖家奖惩机制的透明性，这既是技术挑战也是数字经济未来的伦理要求。此外，应扩展分析范围以考察不同市场的竞争动态，比较平台通过“购买框”优先级排序卖家的机制及其对平台间竞争与中小企业可见性的影响。最终，本研究致力于将卖家绩效评估从技术优化问题提升为社会经济与技术结合、面向政策的研究议题，为学术界与实践者在数字环境中开发可持续、智能的卖家优先级系统提供坚实基础。