基于知識圖譜的社區(qū)團購媒體輿論情感傾向分析

胡振華 舒行鋼

摘 要：基于知識圖譜方法，依據(jù)Python爬取的數(shù)據(jù)，考量媒體輿論對社區(qū)團購的情感傾向。結(jié)果顯示：不正當競爭、價格混亂、缺乏售后以及供應(yīng)鏈條不暢等，導致媒體輿論對社區(qū)團購的情感傾向以“消極”為主。鑒此，應(yīng)建立健全市場競爭機制和監(jiān)管機制、完善質(zhì)量導向定價機制、改進團長主理人培育機制、優(yōu)化供應(yīng)鏈共享合作模式等，以促進社區(qū)團購長效健康發(fā)展。

關(guān)鍵詞： 社區(qū)團購;媒體輿論;情感傾向;知識圖譜

一、引 言

隨著社交媒體軟件的廣泛應(yīng)用，具有“社交屬性”的網(wǎng)絡(luò)團購銷售模式逐漸興起[1]，社區(qū)團購作為網(wǎng)絡(luò)團購的衍生物[2]，自2016年出現(xiàn)以來迅速發(fā)展。社區(qū)團購兼顧社區(qū)購物和網(wǎng)絡(luò)團購的特性[3]，是一種依托互聯(lián)網(wǎng)等技術(shù)并以社區(qū)為基本單位為社區(qū)居民提供產(chǎn)品與服務(wù)的團體銷售模式。京東、騰訊、美團等相關(guān)企業(yè)紛紛布局促使社區(qū)團購呈現(xiàn)爆發(fā)式增長，艾媒咨詢數(shù)據(jù)顯示，2022年我國社區(qū)團購市場規(guī)模預(yù)計將有可能達到千億級別[4]。新冠疫情的沖擊進一步刺激了社區(qū)團購的發(fā)展，多多買菜僅兩個月覆蓋城市數(shù)量就高達60座[5]。部分人認為社區(qū)團購的集采和預(yù)售模式有利于簡化中間環(huán)節(jié)、降低庫存成本和損耗;也有部分人認為社區(qū)團購存在商品質(zhì)量難以保證、維權(quán)困難和人們的剛需“菜籃子”受到互聯(lián)網(wǎng)平臺威脅等弊端。因此，當前人們對社區(qū)團購關(guān)注的焦點，以及社會輿論對社區(qū)團購持有的普遍態(tài)度等問題有待進一步研究。

相關(guān)研究主要集中在團購、消費者社區(qū)團購意愿等方面。團購研究主要體現(xiàn)在：團購策略對消費者影響方面，Kauffman Wang（2001）和Yuan等（2004）指出消費者形成購物團體可增加影響力從而獲取更低的折扣價格[6，7]。有學者認為團購并非總對消費者有利，如胡東濱等（2014）對比團購與傳統(tǒng)邊際策略發(fā)現(xiàn)消費者信息異質(zhì)性較小時團購并非最佳策略[8]。影響消費者參與團購的因素方面，Hsu等（2014）、韓金星等（2016）、Hsu等（2018）發(fā)現(xiàn)消費者之間的社交信任、網(wǎng)絡(luò)團購中社會互動、消費者評價等會顯著影響購買意向或購買行為[9-11]。消費者團購策略對企業(yè)的影響方面，范麗繁和王滿四（2016）基于Bertand模型研究雙寡頭商家的團購定價策略，發(fā)現(xiàn)團購可以使商家和消費者實現(xiàn)共贏[12]。以上更多考慮團購對消費者和商家的影響，隨著團購業(yè)務(wù)的發(fā)展，社區(qū)團購模式應(yīng)運而生，有學者對此進行了研究。如薛曉麗（2011）主要關(guān)注社區(qū)團購如何產(chǎn)生[2]，Jing等（2015）分析便利性和產(chǎn)品服務(wù)如何影響社區(qū)團購[13]。李琪等（2020）研究消費者社區(qū)團購行為，發(fā)現(xiàn)信任、滿意度和關(guān)系承諾在其中發(fā)揮作用[3]。Shui和Li（2020）針對社區(qū)團購新鮮農(nóng)產(chǎn)品提出協(xié)作優(yōu)化機制以應(yīng)對開發(fā)和運營同質(zhì)化競爭問題[14]。不同于以往多采用傳統(tǒng)實證研究方法、從單一主體角度研究社區(qū)團購問題的文獻，本研究擬通過爬取主流媒體對社區(qū)團購的評價，提取關(guān)鍵詞、構(gòu)建知識圖譜，更全面解析不同主體和問題之間的緊密度，分析公眾對社區(qū)團購的情感傾向。

少數(shù)學者研究了消費者社區(qū)團購的意愿。李勇等（2019）發(fā)現(xiàn)購買方便和節(jié)約時間是農(nóng)村用戶生鮮團購的主要動機，并為發(fā)展農(nóng)村社群電商提供建議[15]。簡惠云和楊歡（2020）研究了社區(qū)電商技術(shù)特性和信任對消費者購買意愿的影響，發(fā)現(xiàn)情感信任和認知信任都會對消費者購買意愿產(chǎn)生顯著積極的影響[16]。李連英等（2020）發(fā)現(xiàn)傾向型、中間型和無感型三種類群的消費者購買社區(qū)電商生鮮農(nóng)產(chǎn)品意愿及其影響因素都存在差異，故需采取差異化營銷方式以實現(xiàn)對目標顧客的準確定位和精準營銷[17]。本研究在已有文獻基礎(chǔ)上采用大數(shù)據(jù)技術(shù)，分析影響消費者社區(qū)團購意愿的主要因素。

現(xiàn)有研究更多關(guān)注消費者參與團購的影響因素及團購策略對消費者和商家的影響，且多從單一主體視角采用調(diào)查問卷等方法進行研究，鮮有學者探討消費者社區(qū)團購意愿和社區(qū)團購的關(guān)鍵影響因素。基于此，擬在現(xiàn)有研究的基礎(chǔ)上，運用爬蟲技術(shù)獲取主流媒體對社區(qū)團購的評價數(shù)據(jù)，構(gòu)建知識圖譜分析不同焦點之間的聯(lián)系，并通過情感傾向分析提取媒體對社區(qū)團購的不同觀點和態(tài)度，提煉當前社區(qū)團購存在的問題，以此提出針對性的管理建議。

二、樣本選取與研究方法

本研究圍繞“社區(qū)團購”這一中心詞搜索了截止到2020年12月15日媒體上報道的相關(guān)文章，經(jīng)過初步比較不同新聞網(wǎng)站和社交平臺中有關(guān)“社區(qū)團購”的相關(guān)輿論，發(fā)現(xiàn)新浪網(wǎng)對當今主流媒體報道的覆蓋比較全面，數(shù)據(jù)完整。因此，以新浪網(wǎng)為數(shù)據(jù)搜索平臺，選取相關(guān)新聞報道為研究樣本。借助Python爬蟲技術(shù)，通過運行代碼獲取新浪網(wǎng)新聞標題中帶有中心詞的每條新聞鏈接，以此建立循環(huán)，借助代碼點擊鏈接，爬取該網(wǎng)頁內(nèi)屬于新聞文本的部分，直至所有已獲取鏈接都被點擊、新聞文本均被抓取，循環(huán)終止。本次爬取的數(shù)據(jù)主要包括新聞標題、鏈接、正文、發(fā)布時間、作者以及文章來源六個部分。導出數(shù)據(jù)進行去重和清洗之后收集包括上述六個部分的共355條記錄，再結(jié)合Excel自動去重功能與人工檢查，確保篩除掉重復(fù)的新聞報道，最終剩余247條記錄，每一條記錄均為一篇媒體或自媒體文章，數(shù)據(jù)搜索有效率為69.58%。

知識圖譜在圖書情報界稱為知識域可視化或知識領(lǐng)域映射地圖，是顯示知識發(fā)展進程與結(jié)構(gòu)關(guān)系的一系列圖形，是將應(yīng)用數(shù)學、圖形學、信息可視化技術(shù)、信息科學等學科理論、方法與計量學引文分析等相結(jié)合，運用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的聯(lián)系的一種方法，能實現(xiàn)多學科融合，可為相關(guān)主題研究提供切實的、有價值的參考。本質(zhì)上，知識圖譜旨在描述真實世界中存在的各種實體或概念及其關(guān)系，構(gòu)成一張巨大的語義網(wǎng)絡(luò)圖，節(jié)點表示實體或概念，邊則由屬性或關(guān)系構(gòu)成。

三、基于知識圖譜的情感傾向分析

（一）關(guān)鍵詞提取

選取新浪網(wǎng)關(guān)于社區(qū)團購的247篇文章，得到50余萬字的龐大文本數(shù)據(jù)。在此基礎(chǔ)上，使用Python中的Jieba分詞包對爬取的網(wǎng)絡(luò)文本進行精確分詞，采用NLPIR-ICTCLAS漢語分詞系統(tǒng)兼容的標記法對切割好的單詞進行詞性標注，去除無效的停用詞和功能詞后進行詞性過濾，選擇有效名詞，最后使用TF-IDF算法提取關(guān)鍵名詞，在分詞完成后自動統(tǒng)計詞頻。輸出出現(xiàn)頻率前30位的詞語如表1所示。

從表1可以看出，社區(qū)團購的核心詞匯是“社區(qū)”和“平臺”，可能因為社區(qū)團購是以社區(qū)為核心、以平臺為載體?！盎ヂ?lián)網(wǎng)”“市場”“公司”分別排第1—第5位，說明社區(qū)團購是依托互聯(lián)網(wǎng)企業(yè)與市場成長起來的。“團長”排在第6位，團長是社區(qū)團購的主要線下負責人，每一次購買都離不開團長提貨?！皟r格”排在第8位，說明社區(qū)團購的消費者可能為價格敏感型用戶。近期熱度很高的互聯(lián)網(wǎng)平臺利用價格補貼入駐社區(qū)團購相關(guān)新聞也在詞頻表中有所體現(xiàn)，“補貼”和“資本”分別位于詞頻的14和15位?！皦艛唷背霈F(xiàn)在第29位，說明互聯(lián)網(wǎng)巨頭入駐引發(fā)的關(guān)于行業(yè)壟斷的問題也常被提及。

（二）知識圖譜構(gòu)建

構(gòu)建網(wǎng)絡(luò)文本關(guān)鍵詞共現(xiàn)矩陣。獲得網(wǎng)絡(luò)文本中所有關(guān)鍵名詞后，統(tǒng)計出現(xiàn)頻率前100的關(guān)鍵詞，借此構(gòu)建關(guān)鍵詞共現(xiàn)矩陣（Co-occurrence Matrix）。首先，構(gòu)造前100位關(guān)鍵詞的二維數(shù)組，建立關(guān)鍵詞長度（維度為100）的高維稀疏矩陣，賦值矩陣的第一行和第一列為文章關(guān)鍵詞，設(shè)置矩陣的對角線為0。隨后，取出的行關(guān)鍵詞和列關(guān)鍵詞進行排列組合，對所有網(wǎng)絡(luò)文本進行迭代遍歷，如兩個關(guān)鍵詞同時出現(xiàn)在一句話中，則共現(xiàn)頻率加一，遍歷網(wǎng)絡(luò)文本后，可得所有關(guān)鍵詞組合的共現(xiàn)頻率。設(shè)置關(guān)鍵詞共現(xiàn)頻率閾值為50，共獲得4700+關(guān)鍵詞組合。此時數(shù)據(jù)過大難以分析，再次篩選后僅保留共現(xiàn)頻率高于5000的關(guān)鍵詞組合。

構(gòu)建知識圖譜的網(wǎng)絡(luò)布局。將關(guān)鍵詞作為知識圖譜中的實體節(jié)點，關(guān)鍵詞共線矩陣為實體之間的關(guān)聯(lián)關(guān)系，由此構(gòu)建網(wǎng)狀的無向度關(guān)聯(lián)結(jié)構(gòu)。將數(shù)據(jù)導入Gephi軟件中，使用力引導布局中的FR算法（Fruchterman-Reingold Algorithm）對所有關(guān)鍵詞節(jié)點進行布局，通過多次迭代，各實體節(jié)點及節(jié)點的關(guān)聯(lián)趨于穩(wěn)定，整體布局達到動態(tài)平衡。所得知識圖譜共有67個節(jié)點，152條邊，以社區(qū)團購相關(guān)的網(wǎng)絡(luò)輿論熱點話題為基礎(chǔ)的知識圖譜構(gòu)建完成，如圖1所示。通過高頻共現(xiàn)關(guān)鍵詞知識圖譜可以發(fā)現(xiàn)，高頻關(guān)鍵詞的分布呈現(xiàn)中心擴散特征，以出現(xiàn)頻率最高的社區(qū)為中心節(jié)點，以平臺、巨頭、團長等內(nèi)容為二級節(jié)點依次擴散，最后的三級節(jié)點為菜市場、商業(yè)模型、訂單、疫情等話題，可通過知識圖譜發(fā)現(xiàn)媒體的關(guān)注焦點。

話題社區(qū)分類及主題聚焦。社區(qū)發(fā)現(xiàn)算法（Community Detection）一般用來探測網(wǎng)絡(luò)中的塊（Cluster）或者社區(qū)（Community），通過算法解析網(wǎng)絡(luò)間的抽象拓撲連接結(jié)構(gòu)，根據(jù)關(guān)聯(lián)的疏密程度劃分為不同的社區(qū)。基于高頻共現(xiàn)關(guān)鍵詞知識圖譜各節(jié)點的之間關(guān)聯(lián)度的稀疏程度，通過Louvain算法進行迭代解析，增加每個模塊的模塊度，以0.6的解析度標準對知識圖譜進行社區(qū)劃分。共劃分四個社區(qū)，即數(shù)據(jù)大致可以分為四大研究群組，且覆蓋了社區(qū)團購的整個產(chǎn)業(yè)鏈條。如圖2所示，社區(qū)團購輿論四個焦點分別為：

一是社區(qū)層面。以“社區(qū)”為中心詞，涵蓋供應(yīng)鏈、互聯(lián)網(wǎng)、巨頭、補貼、資本、流量、商業(yè)模式等關(guān)鍵詞。2016年B2B平臺芙蓉興盛推出拼團模式時并無互聯(lián)網(wǎng)巨頭進駐，隨著疫情爆發(fā)，更多用戶通過線上渠道購買蔬菜、糧油等商品，大批互聯(lián)網(wǎng)巨頭投資、成立社區(qū)團購平臺，如京東加碼七億美元投資興盛優(yōu)選。社區(qū)團購本意為創(chuàng)新商業(yè)模式，通過線上渠道滿足消費者團購需求，但由于資本入駐，商業(yè)模式異化為以高額補貼吸引客戶量，形成行業(yè)壟斷后再提價獲取利潤，因此社區(qū)團購商業(yè)模式成為媒體關(guān)注的焦點問題。

二是平臺層面。關(guān)鍵詞主要包含平臺、渠道、供應(yīng)商、經(jīng)銷商和低價。社區(qū)團購產(chǎn)業(yè)共有三級節(jié)點，經(jīng)銷商進行貨物分發(fā)，社區(qū)團購平臺進行商品轉(zhuǎn)售，社區(qū)消費者作為產(chǎn)業(yè)鏈條終端承接商品。社區(qū)節(jié)點在知識圖譜中連接度為67，即和所有話題相關(guān)聯(lián)。社區(qū)團購的主要承載中介為各個平臺，平臺聯(lián)通經(jīng)銷商、供貨商和社區(qū)團購企業(yè)，為消費者進行商品配送。

三是消費者層面。集中于消費者、用戶、團長等內(nèi)容。社區(qū)團購是團長發(fā)單、消費者拼團的新型共享團購。團長是連接團購平臺和社區(qū)用戶的關(guān)鍵節(jié)點，負責擴展用戶、商品訂購和分發(fā)，對平臺意義重大。目前團長多數(shù)是從社區(qū)中自發(fā)形成，缺乏專業(yè)訓練，部分團長由于不能落實商品訂購和售后服務(wù)導致客戶流失。因此，優(yōu)秀的團長成為諸多平臺爭搶的對象，有的平臺甚至開出月薪三萬的高薪吸引優(yōu)秀團長加入，“團長”也成為媒體熱論的內(nèi)容之一。

四是企業(yè)層面。關(guān)鍵詞為企業(yè)、公司、經(jīng)銷商和供應(yīng)商等。媒體對公司和經(jīng)銷商等的關(guān)注集中于后疫情時代下水產(chǎn)、冷鏈供貨帶來的不確定風險。同時，由于部分社區(qū)團購經(jīng)銷商缺乏管理，使未經(jīng)過安全檢測的冷鏈產(chǎn)品分發(fā)給消費者，影響水產(chǎn)和冷鏈商品的市場和供貨。因此，如何對水產(chǎn)和冷鏈相關(guān)商品進行抽檢，確保安全性，也是媒體關(guān)注的內(nèi)容。

（三）媒體輿論對社區(qū)團購的情感傾向分析

基于上述分析，根據(jù)知識圖譜顯示的中心詞及關(guān)聯(lián)詞對相關(guān)新聞進行觀點抽取，概括出媒體輿論對社區(qū)團購的情感傾向。通過調(diào)用百度AI平臺中的自然語言處理模塊API，使用百度AI文本情感分析的知識增強預(yù)處理算法對文本進行情感分析。將情感傾向分為積極、中性和消極三種，積極表明正面、肯定的態(tài)度，消極表示負面、否定的態(tài)度，中性則表示未有情感傾向。考慮到數(shù)據(jù)眾多及分析的可行性，僅保留共現(xiàn)頻率高于5000的關(guān)聯(lián)詞。

表2分析了以“社區(qū)”為中心詞的情感傾向，關(guān)聯(lián)詞主要包括供應(yīng)鏈、互聯(lián)網(wǎng)、客戶、補貼、巨頭和壟斷。搜索包含所有高頻關(guān)聯(lián)詞的媒體評論共7條，其中4條評論持消極情感，約占總評論的57.1%，表明媒體在談及社區(qū)的輿論中更多的是持否定消極的態(tài)度。進一步分析發(fā)現(xiàn)，媒體談及社區(qū)與巨頭、互聯(lián)網(wǎng)、供應(yīng)鏈、客戶、補貼、壟斷這些關(guān)聯(lián)詞時均以“消極”傾向為主，分別約占總評論數(shù)的55.3%、52.5%、57.8%、55.4%、49.0%，61.4%，尤其在報道社區(qū)與壟斷的新聞中消極傾向最大。這是由于互聯(lián)網(wǎng)巨頭試圖通過補貼和超低銷售價格等壟斷社區(qū)團購市場，使供應(yīng)商只能以極低價格在團購平臺上銷售產(chǎn)品，嚴重打擊供應(yīng)鏈各主體進行優(yōu)質(zhì)生產(chǎn)的積極性，破壞了供應(yīng)鏈效率并且最終后果由客戶買單，由此催生媒體的負面態(tài)度。供應(yīng)鏈配送效率低下、售后服務(wù)不到位等也是導致負面評價的主要因素。

表3分析了以“平臺”為中心詞的情感傾向，關(guān)聯(lián)詞主要包括價格、渠道和商品。包含所有高頻關(guān)聯(lián)詞的媒體評論共30條，其中15條持消極情感。分析發(fā)現(xiàn)媒體主要對平臺與價格、渠道、商品抱以“消極”傾向，分別約占總評論數(shù)的59.3%、57.9%、55.2%，尤其在報道平臺與價格的新聞中負面報道最多，如“價格亂了，惱火得很”，有些也涉及社區(qū)團購平臺大額補貼的情況，“之前出現(xiàn)過兩次平臺某款瓜子售價低于出廠價的情況，所以停了平臺的貨”。由于商品價格的差異，也出現(xiàn)了不同平臺上商品質(zhì)量的差異，破壞了消費市場規(guī)范性，對商業(yè)模式和商品渠道都是挑戰(zhàn)。

表4分析了以“用戶”為中心詞的情感傾向，關(guān)聯(lián)詞主要包括市場和消費者。涉及所有高頻關(guān)聯(lián)詞的41條相關(guān)媒體評論中，持消極情感的評論有24條，約占總評論的58.5%，表明媒體在談及用戶的輿論中更多持否定消極的態(tài)度。媒體報道用戶與市場、消費者時均以“消極”傾向為主，分別約占總評論數(shù)的53.6%、55.3%。深入分析媒體報道的內(nèi)容可知，社區(qū)團購加深了用戶與市場和消費者之間的負面情感，如“社區(qū)團購平臺暴露了虛假宣傳、非法收集個人信息等問題”。報道中也有一些積極的情感，如“通過分布在各小區(qū)的團長，為居民提供快捷便利的服務(wù)體驗”，作為連接團購平臺和社區(qū)用戶的節(jié)點，團長的作用非常重要。

表5分析了以“公司”為中心詞的情感傾向，關(guān)聯(lián)詞主要包括市場、供貨和水產(chǎn)。涉及包含所有高頻關(guān)聯(lián)詞的8條相關(guān)媒體評論中，有7條持消極情感，約占總評論的87.5%，表明當媒體談及公司時持否定消極的情感傾向更加明顯。媒體報道公司與市場、供貨和水產(chǎn)時 “消極”傾向分別約占總評論數(shù)的55.8%、68.4%、71.4%。進一步分析媒體報道的內(nèi)容，發(fā)現(xiàn)其中涉及上市公司的債務(wù)、股票等信息，公司與市場和供貨商的關(guān)系受到金融等因素的影響從而增加了負面情感。而水產(chǎn)質(zhì)量難以保證的問題，導致負面情感的報道比例居高不下。

四、基于社區(qū)團購輿論的管理建議

（一）建立健全市場競爭機制和監(jiān)管機制

電商巨頭的過度投資或補貼，可能會形成社區(qū)團購行業(yè)的壟斷，影響市場正常運行，需要穩(wěn)健的社區(qū)團購市場競爭機制和市場監(jiān)督機制推進社區(qū)團購的健康發(fā)展。一是形成傳統(tǒng)企業(yè)與電子商務(wù)企業(yè)的雙贏發(fā)展格局。通過加強對社區(qū)團購的有效引導，重新建立社區(qū)團購市場競爭秩序，確保整體市場的有序競爭。二是明確多方主體的責任監(jiān)管。社區(qū)團購參與主體多元性決定了社區(qū)監(jiān)管機制存在多方主體，加強對平臺、供應(yīng)商、經(jīng)銷商、團長等主體的監(jiān)管，有益于社區(qū)平臺的可持續(xù)發(fā)展。

（二）完善質(zhì)量導向定價機制

有效的價格機制有利于正確引導企業(yè)生產(chǎn)行為，促進高質(zhì)量產(chǎn)品的有效供給，因此，社區(qū)團購供貨平臺需要完善以質(zhì)量為導向的定價機制。一是形成以質(zhì)量為導向的差異化定價機制。社區(qū)團購平臺需把控產(chǎn)品的質(zhì)量，以質(zhì)量為依據(jù)進行差異化定價，服務(wù)不同的消費者類型。二是建立社區(qū)團購供應(yīng)鏈的質(zhì)量溯源系統(tǒng)。社區(qū)團購在本質(zhì)上也是網(wǎng)購，具有信息不對稱的特點，基于大數(shù)據(jù)、物聯(lián)網(wǎng)、區(qū)塊鏈等技術(shù)建立產(chǎn)品溯源體系，有利于實現(xiàn)平臺各供應(yīng)主體或銷售主體的信息共享，降低道德風險，同時能幫助消費者了解產(chǎn)品質(zhì)量，提高信任度。

（三）改進團長主理人培育機制

團長是連接團購平臺和社區(qū)用戶的關(guān)鍵節(jié)點，兼具銷售、倉配、售后等職責，應(yīng)改進團長主理人培育機制，以便更加妥善處理團長和消費者在這些環(huán)節(jié)上的關(guān)系。一是完善團長選拔制度。提高團長隊伍的素質(zhì)水平可以創(chuàng)造更多的銷量，擴張團長隊伍有助于擴大銷售規(guī)模，搶占市場份額。因此，可以從源頭抓起，通過完善團長選拔流程，培育與團長職位相匹配的人才隊伍，同時增加入職培訓等提高團長隊伍整體素質(zhì)。二是建立敏捷售后管理機制。社區(qū)團購平臺在依賴資本快速擴張的同時，更要注重“精細運營”，借助團長直接與消費者接觸的優(yōu)勢，了解消費者需求，完善平臺售后服務(wù)流程，真正關(guān)注平臺消費者的購物體驗。依托互聯(lián)網(wǎng)技術(shù)與信息技術(shù)，搭建良好的信息流通渠道，建立相應(yīng)的敏捷售后管理機制，保證消費者反饋的問題責任到人，可以快速處理消費者反映的問題，提高團長統(tǒng)籌協(xié)調(diào)能力。

（四）優(yōu)化供應(yīng)鏈共享合作模式

社區(qū)團購供應(yīng)鏈模式主要分為三類：以興盛優(yōu)選為代表的撮合模式，平臺通過邀請商家入駐，集單后統(tǒng)一采購;以你我您為代表的依托中轉(zhuǎn)倉的直銷供應(yīng)鏈，通過建造區(qū)域中轉(zhuǎn)倉直采直銷;以蘇小團為代表的同時依托中轉(zhuǎn)倉和前置倉的供應(yīng)鏈。推進不同模式的融合，加強各主體間的聯(lián)合互動，創(chuàng)建長效的共享供應(yīng)鏈合作模式是保障社區(qū)團購健康發(fā)展的重要舉措。一是打造社區(qū)團購全局供應(yīng)鏈框架，優(yōu)化整體運營效率。根據(jù)需求發(fā)生-訂單匯總-集采-分揀-配送流程合理規(guī)劃供應(yīng)鏈每個環(huán)節(jié)的工作，提高供應(yīng)鏈時效性與敏捷性，滿足消費者對社區(qū)團購運營效率的要求。二是優(yōu)化供應(yīng)鏈各環(huán)節(jié)。采購環(huán)節(jié)優(yōu)化供應(yīng)商管理，與品牌供應(yīng)商建立長期合作關(guān)系;物流環(huán)節(jié)合理規(guī)劃分揀倉布局和物流路線，減少中間環(huán)節(jié)的成本和損耗;銷售環(huán)節(jié)充分了解消費者實際需求，以需求定供給，最終實現(xiàn)共享供應(yīng)鏈的合作模式。

參考文獻：

[1] 張陽， 徐兵. 基于社交團購的電商平臺引導拼團策略研究[J]. 管理評論， 2019， 31（10）： 133-141.

[2] 薛曉麗. 基于社區(qū)的網(wǎng)絡(luò)團購平臺構(gòu)建研究[J]. 電子商務(wù)， 2011（9）： 19-20.

[3] 李琪， 李欣， 魏修建. 整合SOR和承諾信任理論的消費者社區(qū)團購研究[J]. 西安交通大學學報（社會科學版）， 2020， 40（2）： 25-35.

[4] 艾媒咨詢. 2020上半年中國社區(qū)團購行業(yè)專題研究報告[EB/OL]. https：//www.iimedia.cn/c400/74181.html， 2020-09-11.

[5] 觀察者網(wǎng). 互聯(lián)網(wǎng)混戰(zhàn)社區(qū)團購[EB/OL]. http：//www.southmoney.com/caijing/caijingyaowen/202012/7886860_2.html， 2020-12-05.

[6] Kauffman R J， Wang B. New buyers' arrival under dynamic pricing market microstructure： The case of group-buying discounts on the Internet[J]. Journal of Management Information Systems， 2001， 18（2）： 157-188.

[7] Yuan S， Lin Y. Credit based group negotiation for aggregate sell/buy in e-markets[J]. Electronic Commerce Research and Applications， 2004， 3（1）： 74-94.

[8] 胡東濱， 李洋， 陳曉紅， 等. 基于信息共享角度的團購策略研究[J]. 系統(tǒng)工程理論與實踐， 2014， 34（11）： 2849-2861.

[9] Hsu M， Chuang L， Hsu C. Understanding online shopping intention： The roles of four types of trust and their antecedents[J]. Internet Research， 2014， 24（3）： 332-352

[10]韓金星， 張喆， 古晨妍. 網(wǎng)絡(luò)團購中消費者社會互動對團購信任的影響[J]. 管理評論， 2016， 28（9）： 148-162.

[11]Hsu S， Qing F， Wang C， et al. Evaluation of service quality in Facebook-based group-buying[J]. Electronic Commerce Research and Applications， 2018， 28： 30-36.

[12]范麗繁， 王滿四. 基于Bertrand模型的雙寡頭商家的團購定價策略[J]. 系統(tǒng)工程， 2016， 34（4）： 62-69.

[13]Jing R， Yu Y， Lin Z. How service-related factors affect the survival of B2T providers： A sentiment analysis approach[J]. Journal of Organizational Computing and Electronic Commerce， 2015， 25（3）： 316-336.

[14]Shui W， Li M. Integrated pricing and distribution planning for community group purchase of fresh agricultural products[J]. Scientific Programming， 2020（3）：1-15.

[15]李勇， 劉我， 譚小玲， 等. 基于線上線下數(shù)據(jù)的農(nóng)村用戶生鮮團購需求挖掘[J]. 農(nóng)村經(jīng)濟與科技， 2019， 30（19）： 118-120.

[16]簡惠云， 楊歡. 社區(qū)電商技術(shù)特性對消費者購買意愿的影響[J]. 商業(yè)經(jīng)濟研究， 2020（23）： 99-102.

[17]李連英， 聶樂玲， 傅青. 不同類群消費者購買社區(qū)電商生鮮農(nóng)產(chǎn)品意愿的差異性分析——基于南昌市578位消費者的實證[J]. 農(nóng)林經(jīng)濟管理學報， 2020， 19（4）： 457-463.

（責任編輯：鐘 瑤）