文献综述（或调研报告）：
1、聚类分析
聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类，用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。
对于聚类分析有诸多研究，方法成熟，可直接运用。如张健沛、杨悦等[1]对K-Means聚类算法的基本思想等做了分析，并分析传统K-Means算法存在的问题，加以改进，提出建议，可在课题研究中加以运用，提高聚类准确度。
2、聚类分析在信用评级中的应用
聚类分析在以往的研究中已有应用于企业的信用评价，对于企业信用的研究与电子商务店铺亦有一些相通之处。唐建荣[2]选取了资本收益率、流动比率、资产负债率、应收账款周转率等指标对纺织业的企业进行信用水平评价，指出指标的选择对样本聚类的结果有显著影响 ,建议在实施样本聚类之前先作指标聚类,以选择典型指标。詹原瑞等[3]提出聚类分析方法用于信用评价能够改善传统评级结果静态性、主观性的缺点，并建议信用评价指标体系设计的主要原则为完整性、简约性、信息有效性、数据处理得当等。周战超[4]则研究了K-means聚类在工业小企业信用评级中的应用，综合企业的内外部、宏微观指标进行聚类分析，再次证明基于K-means聚类的信用评价方式有利于避免主观评级弊端，具有高效性。
3、电子商务商家信用评价
对于电子商务商家信用评价有各种各样的研究方法，也得到了不同的研究成果。霍红等[5]运用直觉模糊层次构建评价模型，．以网络购物者行为模型为基础，主要基于基本信息、交易信息、产品因素和物流因素4个维度，18个指标建立评价指标体系，系统全面、评价过程中模糊性的处理科学灵活。卫昆等[6]以淘宝网为例，分析信用评估模型的优缺点，采用层次分析法和信用衰减法改进信用评估模型，侧重点在于规避风险和防范欺诈，同时给出信用评价体系改进的其他建议，如完善平台准入机制改善、完善市场监管机制等。苏仕颖等[7]认为当前的C2C卖方评价体系评级设计不够合理、信用度可比性差、缺乏对评价用户的信用考量及卖家近期交易频率的考虑，重新拟定、选取指标，设计评分标准和评分函数，以建模的方式构建信用评价体系。田双领[8]对C2C电子商务的信用评价研究将定性分析和定量分析相结合，利用模糊隶属函数计算各指标信用评分，使用专家法和AHP进行权重分配，最后利用模糊评价矩阵计算出用户初始信用评分、近期信用评分和历史信用评价，三个信用评分指数为用户的交易决策提供了更可靠的依据。许启发等[9]则以淘宝网为例对原始信用得分机制做改进，添加了主营业务占比、店铺开店时长、卖家的买家身份信用三个影响因素建立多因素校正模型并验证其有效性。
4、展望
Sojung Kim和Sejung Marina Choi[10]指出，由线索利用理论，在在线购物环境中，消费者没有对产品的直观感知，更加依赖于产品的内在和外在线索，并重视这些线索的来源可信度，其中很重要的一项是其他消费者生成的在线评论，而当前很多电子商务平台对卖家店铺的考察也来源于消费者评价。平台给出的店铺信用评价也是一个重要的参考线索，所以在评级的客观性、有效性、可参考性等都需要有更高地要求。当前基于聚类分析的电子商务平台店铺信用评价研究较少，史文慧等[11]从店铺信息、商品信息和服务信息三个维度描述店铺的信用水平，对280家店铺数据做K-means聚类，输出7个等级类型，将聚类结果作为构建BP神经网络的数据输入，相较于原始的信用评级分类，经过 K-means算法得到的7类数据更加简洁、清晰、实用。今后的研究可在聚类基础上综合其他理论分析和调查以实现各方法的取长补短，找到更加合适的信用评估体系。
