自网上零售出现以来,人们的购物方式发生了日新月异的变化,它为全球的经济发展和繁荣注入了新鲜的活力。而身为国内网络零售平台的代表,淘宝网的网上商品信息日趋过载,在消费者追求个性化的背景下,造成了消费者购物越来越困难。本文基于淘宝网开放的应用程序接口,提出了以淘宝网上海量的网购消费者和网络零售商为用户基础的问答式交易模式,本文称之为反向搜索模式,旨在帮助消费者解决购物难的问题,为淘宝网用户提供一种全新的购物手段,降低中小商铺的推广投入成本和扩大市场交易份额,促进淘宝网的繁荣发展。　　本文首先分析了当下互联网上信息获取技术,从信源和用户的关系,将它们分为信息推送式和信息拉取式,并总结了他们的不足和发展趋势。在研究基于问题对的问答式系统的基础上,结合淘宝API,笔者提出反向搜索模式,并且详细给出了它的概念、运行流程和核心步骤。其次,在国内外相关文献的基础上,界定消费者使用反向搜索模式的情景条件,并与淘宝网上消费者当前的购物方式作了对比,推导出影响消费者使用反向搜索模式的关键因素,构建效用评估模型,考察消费者对该模式的接受程度。最后,利用笔者开发的实验系统进行实验模拟,设计调查问卷完成数据收集,采用统计软件SPSS17.0和结构方程模型工具AMOS17.0进行数据统计和分析,并得出实验结论。结果显示,淘宝网上商品信息描述的同质化程度和反向搜索模式的信息反馈时间是影响消费者的绩效期望、易用期望和风险认知的重要因素,而后三者又会直接决定消费者是否使用反向搜索模式。