后疫情時(shí)代廈門(mén)市前置倉(cāng)新零售模式的影響因素研究

陳瓊蘭CHEN Qiong-lan；初良勇②CHU Liang-yong；王澤鍇WANG Ze-kai；宋晞焱SONG Xi-yan；王嵐WANG Lan；林遇春LIN Yu-chun

（①集美大學(xué)航海學(xué)院，廈門(mén) 361021；②集美大學(xué)現(xiàn)代物流研究中心，廈門(mén) 361021）

0 引言

隨著互聯(lián)網(wǎng)行業(yè)不斷發(fā)展，零售業(yè)的發(fā)展模式出現(xiàn)了巨大的變化。我國(guó)零售業(yè)已經(jīng)進(jìn)入了“新零售”時(shí)代，生鮮作為人們?nèi)粘Ｉ钪胁豢苫蛉钡漠a(chǎn)品，新零售的出現(xiàn)無(wú)疑為生鮮市場(chǎng)發(fā)展注入了新動(dòng)力。近年來(lái)，以樸樸、叮咚買(mǎi)菜為代表，前置倉(cāng)模式生鮮電商風(fēng)頭正熱，但是前置倉(cāng)模式企業(yè)一直受限于其供應(yīng)鏈損耗率高、標(biāo)準(zhǔn)化不一、成本較高、各前置倉(cāng)配貨不夠合理等痛點(diǎn)。由于近兩年的疫情，線上購(gòu)買(mǎi)生鮮產(chǎn)品采用騎手送貨上門(mén)的方式，可以極大程度地規(guī)避人員密集情況，人們對(duì)于線上購(gòu)買(mǎi)生鮮產(chǎn)品的需求日益增加。因此，分析疫情常態(tài)化控制下生鮮電商前置倉(cāng)模式發(fā)展的影響因素、探索其發(fā)展策略具有重要現(xiàn)實(shí)意義。

近年來(lái)，快速發(fā)展的生鮮電商，在生鮮市場(chǎng)上十分活躍，吸引眾多國(guó)內(nèi)學(xué)者進(jìn)行研究：巴旭成[1]介紹了當(dāng)前我國(guó)生鮮電商的幾種模式，以“叮咚買(mǎi)菜”為例，總結(jié)其在新零售模式下的挑戰(zhàn)和機(jī)遇，并分析其優(yōu)勢(shì)。劉佳欣等[2]從提升消費(fèi)者的普遍性需求和個(gè)性化需求的視角切入，通過(guò)非參數(shù)檢驗(yàn)和交叉分析的研究方式，探討了影響消費(fèi)者需求的因素，為生鮮新零售的發(fā)展提供了思路。董培培[3]建立了基于模糊理論下的雙階段主客觀相結(jié)合的綜合評(píng)價(jià)模型，為生鮮零售領(lǐng)域的可持續(xù)發(fā)展問(wèn)題提供可參考的思路與模型。周云霞[4]借鑒“食行生鮮”生鮮新零售企業(yè)的農(nóng)產(chǎn)品物流C2B2F的模式，通過(guò)SWOT分析，提出發(fā)展生鮮參評(píng)物流的建議。黃綠盈[5]對(duì)影響生鮮農(nóng)產(chǎn)品消費(fèi)者網(wǎng)購(gòu)意愿建立假設(shè)模型，并利用信效度分析、回歸分析、因子分析、相關(guān)分析等對(duì)問(wèn)卷數(shù)據(jù)進(jìn)行分析，得出了影響生鮮農(nóng)產(chǎn)品消費(fèi)者網(wǎng)購(gòu)意愿的六個(gè)影響因素并提出了相關(guān)建議。Prajapati Dhirendra、Harish Arjun R、Daultani Yash、Singh Harpreet和Pratap Saurabh[6]研究生鮮食品城市物流，涉及從電子商務(wù)公司建立的當(dāng)?shù)嘏渌椭行南蚩蛻舻攸c(diǎn)最后一公里配送商品，基于聚類的路徑啟發(fā)式（CRH）來(lái)管理電子商務(wù)中生鮮食品最后一公里物流操作的車(chē)輛路徑。Lin Jiabao、Li Ting和Guo Jinyuan[7]從感知價(jià)值的角度出發(fā)，以有機(jī)食品為研究對(duì)象，將性別差異納入其中，從而建立理論模型影響消費(fèi)者在生鮮食品電商平臺(tái)上持續(xù)購(gòu)買(mǎi)意愿的因素。Su Han LEE、Min Kyu KWAK和Seong Soo CHA[8]采用SPSS和AMOS進(jìn)行分析，并且采用結(jié)構(gòu)方程模型進(jìn)行分析，驗(yàn)證假設(shè)，將消費(fèi)者訂購(gòu)生鮮食品送貨服務(wù)的價(jià)值因素定義為系統(tǒng)質(zhì)量、服務(wù)質(zhì)量、商品質(zhì)量、品牌特征和經(jīng)濟(jì)學(xué)，并驗(yàn)證了滿意度與回購(gòu)意愿的關(guān)系。本次研究以廈門(mén)市不同人群為調(diào)查對(duì)象進(jìn)行分析，結(jié)合實(shí)地調(diào)研數(shù)據(jù)，建立Logistics回歸模型，進(jìn)一步探究疫情常態(tài)化控制背景下，樸樸、叮咚買(mǎi)菜等前置倉(cāng)新零售模式的深層影響因素，并為企業(yè)提供更為合理的、順應(yīng)時(shí)代趨勢(shì)的改善方向。

1 問(wèn)題的提出

消費(fèi)者的使用意愿直接影響了消費(fèi)者對(duì)前置倉(cāng)新零售模式的依賴程度，在疫情常態(tài)化控制背景下，線上生鮮平臺(tái)發(fā)展迅猛，但樸樸、叮咚買(mǎi)菜等生鮮電商企業(yè)對(duì)于影響消費(fèi)者使用意愿的深層影響因素仍需進(jìn)一步的探討，本論文主要從以下三個(gè)角度進(jìn)行切入。

①用戶角度。如今，在疫情常態(tài)化控制下群眾對(duì)于生鮮產(chǎn)品的需求大幅度增大。如何分析不同的群體用戶特征對(duì)于前置倉(cāng)模式購(gòu)物平臺(tái)有不同的使用需求？諸如人口特征和消費(fèi)習(xí)慣在使用上的不同等。

②企業(yè)角度。不少用戶在使用線上新零售生鮮購(gòu)物平臺(tái)過(guò)程中，對(duì)一些存在的問(wèn)題感到不滿。前期調(diào)研中發(fā)現(xiàn)前置倉(cāng)平臺(tái)發(fā)展仍存在一定制約因素，例如平臺(tái)商品缺貨、配送包裝不善、配送效率低下、缺貨信息滯后性、宣傳營(yíng)銷(xiāo)成本高、疫情引致的“一菜難求”現(xiàn)象等，應(yīng)如何得到有效解決？

③未來(lái)角度。在未來(lái)發(fā)展過(guò)程中，如何設(shè)計(jì)更優(yōu)的宣傳營(yíng)銷(xiāo)、打造更好的客戶關(guān)系、選擇良好的品牌戰(zhàn)略管理，才能真正提升消費(fèi)者對(duì)前置倉(cāng)模式的滿意度？

2 數(shù)據(jù)調(diào)查

本次調(diào)查使用5W2H法則對(duì)問(wèn)卷進(jìn)行設(shè)計(jì)，首先通過(guò)線上預(yù)調(diào)查的形式收集部分問(wèn)卷并進(jìn)行了數(shù)據(jù)信效度檢驗(yàn)，以確定問(wèn)卷的合理性。采取線上問(wèn)卷與線下調(diào)研相結(jié)合的方式進(jìn)行問(wèn)卷的發(fā)放與回收，在后期對(duì)問(wèn)卷進(jìn)行修改。

圖1 5W2H分析圖

在正式調(diào)查過(guò)程中，共抽取廈門(mén)市集美大學(xué)、廈門(mén)理工學(xué)院、廈門(mén)大學(xué)三所高校及湖里區(qū)、集美區(qū)、思明區(qū)作為一級(jí)抽樣框，并在高校中進(jìn)行整群抽樣抽取院校，在居民中使用簡(jiǎn)單隨機(jī)抽樣對(duì)居民樣本進(jìn)行抽取，共計(jì)發(fā)放問(wèn)卷1143份，回收1038份，除去無(wú)效問(wèn)卷，有效問(wèn)卷達(dá)939份，其中線上問(wèn)卷463份，線下問(wèn)卷476份，問(wèn)卷有效率達(dá)90.46%。

3 模型算法

本調(diào)查研究中，本文運(yùn)用logistics回歸對(duì)搜集的問(wèn)卷信息進(jìn)行量化，轉(zhuǎn)化為對(duì)線上生鮮平臺(tái)的使用意愿，建立logistic回歸模型進(jìn)行分析。不妨設(shè)愿意使用的概率為p，不愿使用的概率為1-p，通過(guò)指標(biāo)擬合出回歸方程指標(biāo)的相關(guān)系數(shù)，具體模型如下所示：

使用意愿的線性特征方程為：

Logistics回歸方程為：

進(jìn)行對(duì)數(shù)變換：

任一個(gè)消費(fèi)者愿意使用線上生鮮平臺(tái)的線性模型為：

逐步回歸是一種線性回歸模型的自變量選擇方法，基本思想是一個(gè)一個(gè)引入變量，篩選及剔除引起多重共線性的變量，其實(shí)質(zhì)是建立一個(gè)最優(yōu)多元線性回歸方程[10]。具體算法設(shè)計(jì)流程如圖2所示。

圖2 算法流程圖

4 模型構(gòu)建與數(shù)據(jù)分析

4.1 模型構(gòu)建

廈門(mén)市前置倉(cāng)新零售模式主要是樸樸、叮咚買(mǎi)菜兩大商家，它們是學(xué)生、居民群體主要使用的線上生鮮平臺(tái)。疫情常態(tài)化控制背景下，平臺(tái)時(shí)常出現(xiàn)商品品類不足、庫(kù)存控制差、配送服務(wù)不夠完善、宣傳營(yíng)銷(xiāo)不到位等現(xiàn)象。本文以線上問(wèn)卷搜集和線下實(shí)地調(diào)研的形式，以廈門(mén)市集美大學(xué)、廈門(mén)理工學(xué)院、廈門(mén)大學(xué)，集美區(qū)、思明區(qū)、湖里區(qū)的樣本作為實(shí)驗(yàn)數(shù)據(jù)，共收到有效問(wèn)卷數(shù)939份。

根據(jù)實(shí)地調(diào)研的結(jié)果，本文分析了人群特征和消費(fèi)內(nèi)容、制約平臺(tái)運(yùn)營(yíng)的內(nèi)因分析、未來(lái)前景與平臺(tái)發(fā)展三個(gè)維度的因素，以此確定對(duì)消費(fèi)者使用線上生鮮平臺(tái)的意愿影響。

首先，剔除未使用該平臺(tái)人群的樣本。其次，利用SPSS統(tǒng)計(jì)軟件進(jìn)行多重共線性診斷，由表1可知，有存在共線性的可能。

表1 共線性診斷

利用極大似然估計(jì)法，在SPSS中分別對(duì)學(xué)生和居民進(jìn)行參數(shù)求解，得到的前置倉(cāng)新零售模式下消費(fèi)者（學(xué)生、居民群體）的結(jié)果如下：

學(xué)生部分線性回歸方程：

居民部分線性回歸方程：

在保留全部變量進(jìn)行顯著性分析時(shí)，僅一些變量達(dá)到顯著，具體是年齡、消費(fèi)金額、配送包裝、滯后性、客戶關(guān)系及平臺(tái)模式，模型擬合效果不佳。利用上述算法繼續(xù)提取影響學(xué)生、居民的使用意愿的關(guān)鍵因素。

得到初步回歸方程后，對(duì)方程從消費(fèi)者特征、消費(fèi)使用、平臺(tái)模式三個(gè)層面分別進(jìn)行逐步回歸計(jì)算，以剔除方程中不顯著的變量，以居民為例，逐步回歸計(jì)算終表如表2-表4所示。

表2 人群特征和消費(fèi)內(nèi)容逐步回歸最終結(jié)果

表3 制約平臺(tái)運(yùn)營(yíng)因素逐步回歸最終結(jié)果

表4 未來(lái)前景與平臺(tái)發(fā)展逐步回歸最終結(jié)果

通過(guò)SPSS對(duì)影響消費(fèi)者使用意愿進(jìn)行逐步回歸，得到上述回歸結(jié)果，并根據(jù)上述結(jié)果對(duì)變量顯著性進(jìn)行分析，得到如表5表格。

表5 居民逐步回歸變量顯著性表格

對(duì)logistics回歸模型進(jìn)行了檢驗(yàn)，如下所示擬合優(yōu)度良好，說(shuō)明該模型對(duì)于目標(biāo)變量具有很好的預(yù)測(cè)效果。

①回歸分類表。（表6）

從表6可知，學(xué)生群體預(yù)測(cè)準(zhǔn)確率達(dá)93.7%，居民群體預(yù)測(cè)準(zhǔn)確率達(dá)90.1%，預(yù)測(cè)值和實(shí)測(cè)值較貼合，預(yù)測(cè)效果佳。

表6 回歸分類表

②Omnibus檢驗(yàn)。（表7）

表7 Omnibus檢驗(yàn)表

學(xué)生、居民群體納入的變量顯著性水平均為0.000<0.05，納入的變量均有效。

③Hosmer and Lemeshow檢驗(yàn)。（表8）

表8 霍斯默—萊梅肖檢驗(yàn)表

4.2 計(jì)算結(jié)果

通過(guò)上述logistics回歸計(jì)算，得到下述最終結(jié)果：

居民群體：

在通信工程專業(yè)課程建設(shè)中，電磁場(chǎng)與電磁波作為傳統(tǒng)通信工程專業(yè)的一門(mén)核心基礎(chǔ)課程，為適應(yīng)新工程對(duì)人才培養(yǎng)的需要，培養(yǎng)適應(yīng)新工科人才要求的具有行業(yè)背景知識(shí)及工程實(shí)踐的應(yīng)用型和技術(shù)型人才，我們從課程在培養(yǎng)體系定位、課程教學(xué)仿真、課程工程應(yīng)用和教師雙師培養(yǎng)等四個(gè)方面進(jìn)行了分析與探索。

學(xué)生群體：

通過(guò)學(xué)生群體的回歸模型，可以發(fā)現(xiàn)“了解方式”與其對(duì)于前置倉(cāng)平臺(tái)的使用意愿顯著相關(guān)，且系數(shù)為負(fù)；“消費(fèi)金額”變量與使用意愿顯著相關(guān)，且系數(shù)為負(fù)；“配送包裝”變量與使用意愿密切相關(guān)，且系數(shù)為負(fù)；“缺貨滯后性”變量與使用意愿顯著相關(guān)，且系數(shù)為負(fù)；“未來(lái)發(fā)展”變量與使用意愿密切相關(guān)，且系數(shù)為負(fù)；客戶關(guān)系”變量與使用意愿顯著相關(guān)，且系數(shù)為負(fù)。

通過(guò)居民群體的回歸模型，可以發(fā)現(xiàn)“性別”變量與使用意愿顯著相關(guān)，且系數(shù)為正；“了解方式”變量與使用意愿顯著相關(guān)，且系數(shù)為正；“消費(fèi)金額”變量與使用意愿顯著相關(guān)，且系數(shù)為負(fù)；“配送包裝”變量與使用意愿顯著相關(guān)，且系數(shù)為負(fù)；“缺貨滯后性”變量與使用意愿顯著相關(guān)，且系數(shù)為負(fù)；“未來(lái)發(fā)展”變量與使用意愿顯著相關(guān)，且系數(shù)為負(fù)；“客戶關(guān)系”變量與使用意愿顯著相關(guān)，且系數(shù)為正；“平臺(tái)模式比較”變量與使用意愿顯著相關(guān)，且系數(shù)為負(fù)。

5 結(jié)論與建議

本文從生活中消費(fèi)者對(duì)前置倉(cāng)新零售模式的實(shí)際情況出發(fā)研究，經(jīng)過(guò)充分的調(diào)查及嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)建模，能夠較好地反應(yīng)實(shí)際情況，客觀合理。通過(guò)模型構(gòu)建克服了變量不顯著性，并采用逐步回歸的方法，具體尋找影響學(xué)生及居民群體使用意愿的關(guān)鍵性因素：

在消費(fèi)者人群特征和消費(fèi)內(nèi)容上，線上了解、單次消費(fèi)較少是影響學(xué)生群體的顯著性因素；女性、線下推薦、單次消費(fèi)較少是影響居民群體的顯著性因素。

在制約平臺(tái)運(yùn)營(yíng)的內(nèi)因分析上，美觀實(shí)用的配送包裝、存在滯后性是共同影響學(xué)生、居民群體的顯著性因素。

在未來(lái)前景與平臺(tái)發(fā)展上，學(xué)生群體偏愛(ài)近距離的客戶關(guān)系，居民群體則青睞在線聯(lián)系，此外，線上模式發(fā)展和對(duì)前置倉(cāng)模式的喜愛(ài)是學(xué)生及居民群體共同的顯著性因素。

因此，在社會(huì)上相較于男性居民，女性對(duì)前置倉(cāng)新零售模式的接受度更高。對(duì)于學(xué)生和居民群體，企業(yè)應(yīng)多開(kāi)展一些小金額活動(dòng)，針對(duì)不同的了解渠道，企業(yè)應(yīng)采取不同的宣傳措施，提高客戶的粘性，有效帶動(dòng)消費(fèi)者的使用意愿；企業(yè)應(yīng)當(dāng)進(jìn)一步改善物流配送環(huán)節(jié)，使用更加美觀、實(shí)用的包裝，減少缺貨現(xiàn)象中出現(xiàn)的“滯后性問(wèn)題”，并充分認(rèn)識(shí)供貨服務(wù)的重要性，做好最后一公里配送；企業(yè)需要在平臺(tái)方面加強(qiáng)與居民群體的在線聯(lián)系，同時(shí)在大學(xué)城區(qū)開(kāi)展購(gòu)物社交圈，拉近與學(xué)生群體的距離。以樸樸、叮咚買(mǎi)菜為代表的前置倉(cāng)新零售模式的線上生鮮平臺(tái)已在廈門(mén)市的消費(fèi)群體中建立了良好的品牌關(guān)系，企業(yè)應(yīng)繼續(xù)把握數(shù)字化發(fā)展趨勢(shì)，繼續(xù)創(chuàng)新前置倉(cāng)模式概念，實(shí)現(xiàn)可持續(xù)化發(fā)展。