删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

社区化新零售末端物流网络的对接与优化——以深圳市盒马鲜生与菜鸟驿站为例

本站小编 Free考研考试/2021-12-29

黄雨珊,1, 李钢,1,2, 金安楠1, 于悦11. 西北大学城市与环境学院,西安 710127
2. 陕西省地表系统与环境承载力重点实验室,西安 710127

Connection modeling and optimization strategies of terminal logistics network of community-oriented new retail stores: A case study of Freshippo stores and Cainiao stations in Shenzhen city

HUANG Yushan,1, LI Gang,1,2, JIN Annan1, YU Yue11. College of Urban and Environmental Sciences, Northwest University, Xi’an 710127, China
2. Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Northwest University, Xi’an 710127, China

通讯作者: 李钢(1979-),男,四川成都人,教授,博士生导师,主要从事人地关系与空间安全,灾害地理与犯罪地理,时空大数据与数字人文研究。E-mail: lig@nwu.edu.cn

收稿日期:2020-10-27接受日期:2021-06-8
基金资助:西北大学防治新型冠状病毒肺炎紧急科研专项引导基金重点项目(2020)
西北大学“仲英青年****”支持计划(2016)
西北大学“人地关系与空间安全”特色优势科研团队建设项目(2019)


Received:2020-10-27Accepted:2021-06-8
作者简介 About authors
黄雨珊(1999-),女,甘肃兰州人,硕士,主要研究方向为城市地理与社会地理。E-mail: 1160363191@qq.com






摘要
线上、线下与物流融合发展的“新零售”模式为零售业注入了新的活力,针对“新零售”模式发展过程中末端物流网络暴露的问题,探索其与物流终端自提点对接的优化方案,有助于提升新零售末端物流服务质量与效率。基于深圳市盒马鲜生、菜鸟驿站及相关设施兴趣面(Area Of Interest, AOI)、兴趣点(Point Of Interest, POI)数据,综合运用空间分析、定量统计等方法,探究社区化新零售与物流终端自提点代表之间的对接基础与可行性路径,提出优化方案并模拟对接后的优化效果。研究发现:① 深圳市盒马鲜生提供新零售服务,门店分散均匀分布,多选址于商圈边缘,存在较多服务空白区。菜鸟驿站主要提供快递自提服务,服务范围较大且呈连片覆盖,对各类设施的覆盖度均较高,站点多邻近设施出入口。② 盒马鲜生与菜鸟驿站均以市场为导向,以社区为主要服务对象,分别位于城市商服圈与社区生活圈中,提供末端物流的不同解决方案,在运营模式、服务对象、空间分布方面均具有较强的对接可行性。③ 新零售企业可通过由“自营”向“自营+释放”物流配送模式转变,构建“新零售门店-配送员-自提点-社区居民”的商品配送链,实现其末端物流网络优化。④ 通过模拟可知,对接后盒马鲜生服务范围、设施覆盖率显著提高,且能够在各类区域中适应不同消费场景,优化效果显著。
关键词: 新零售;末端物流网络;物流终端自提点;深圳市

Abstract
The "new retail" of the integrated development of online shopping and offline delivery brings vitality to the advance of the retail industry. Focusing on the problems of terminal logistics network of the "new retail", the exploration of optimization strategies for the connection with parcel collection & delivery points could provide a reference for improving the quality and efficiency of community-oriented new retail stores. Based on the data of areas of interest (AOIs) of Freshippo stores and points of interest (POIs) of Cainiao stations in Shenzhen City, this paper demonstrated the feasibility of spatial connection between community-oriented new retail stores and parcel collection & delivery points, put forward the optimization plans and simulated the optimization effects. The foundation of connection between community-oriented new retail stores and parcel collection & delivery points was examined by methods of spatial analysis and quantitative statistics. The results are as follows: 1) Freshippo stores which offer services of “new retail” mainly for communities are evenly dispersed in Shenzhen City. Most Freshippo stores are located at the edges of commercial circles, but with lots of service-blank areas. Cainiao stations which mainly provide parcel collection & delivery service for communities have large and contiguous service range covering various facilities. Most of Cainiao stations are close to the entrances of various facilities. 2) Both Freshippo stores and Cainiao stations are market-oriented and community-targeted. Freshippo stores are located in the urban business circle while Cainiao stations are located in the community life circle. Freshippo stores and Cainiao stations have similar and complementary features in terms of operating mode, service targets, and spatial distribution, and offer different solutions for terminal logistics, which proves the feasibility of the connection between them. 3) The optimization of the terminal logistics network can be achieved through transforming the logistics distribution mode of community-oriented new retail from "self-operated" to "self-operated + release". A delivery chain of "new retail stores - delivery riders-parcel collection and delivery points - community residents" will be established through optimization. 4) The optimization of the connection between community-oriented new retail stores and parcel collection & delivery points has a significant positive impact on the expansion of service scope and the coverage of facilities of community-based new retail stores. Meanwhile, to realize the fairness and raise efficiency in space, the new retail stores can adapt to different consumption scenarios in various regions.
Keywords:new retails;terminal logistics network;parcel collection & delivery points;Shenzhen


PDF (6282KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
黄雨珊, 李钢, 金安楠, 于悦. 社区化新零售末端物流网络的对接与优化——以深圳市盒马鲜生与菜鸟驿站为例[J]. 地理研究, 2021, 40(9): 2542-2557 doi:10.11821/dlyj020201041
HUANG Yushan, LI Gang, JIN Annan, YU Yue. Connection modeling and optimization strategies of terminal logistics network of community-oriented new retail stores: A case study of Freshippo stores and Cainiao stations in Shenzhen city[J]. Geographical Research, 2021, 40(9): 2542-2557 doi:10.11821/dlyj020201041


1 引言

随着网络信息技术发展带来的数据驱动,零售需求结构转变促进消费模式转型,传统零售与电商打破原有边界,寻求线上、线下及物流融合发展的“新零售”模式。“新零售”由阿里巴巴集团董事局主席马云首次提出,指在现代互联网商业环境中运用大数据、云计算等技术实现线上、线下零售与现代化物流深度融合的新型零售模式,与原O2O(线上-线下)模式相比,注重构建物流网络以实现线上、线下的联动经营[1]。2016年阿里巴巴率先推出盒马鲜生,成为社区化新零售代表,随后京东、苏宁等电商巨头也分别成立其新零售品牌。新零售企业发展在为电商市场注入活力的同时,也逐渐暴露出末端物流网络中存在的成本较高、服务能力有限等问题。与第三方物流网络进行对接,提升末端物流服务质量与整体配送效率,是新零售末端物流网络体系发展的趋势所在。

“新零售”模式的发展态势受到国内外多个领域****的广泛关注,研究主要从新零售企业经营模式、新零售布局选址因素、新零售发展限制因素等方面展开。陈慧娟[2]探讨“京东+永辉/沃尔玛”与“阿里+苏宁/百胜”的新零售线上线下协同发展模式;邢惠淳[3]对比盒马鲜生与每日优鲜的商业模式,提出盒马鲜生通过设立线下门店,提供24小时配送服务,每日优鲜则建立大规模布局社区微仓和无人货架,建立“城市分选中心+社区配送中心”的二级分布式仓储物流系统。金安楠等[4]2026以盒马鲜生为例分析社区化新零售的布局选址因素,基于区位特征提出建立多样化门店业态、多模式线下引流策略、多元合作配送模式等优化建议。国外零售业发展相关研究主要集中在电子商务领域,对物流服务质量、交通设施供需匹配度与新型零售业使用次数、满意程度之间的关系进行分析,指出物流服务、交通设施是新型零售业发展的重要影响因素[5,6]

零售业末端物流环节的相关研究主要聚焦于各类末端物流模式对比、新零售业态下的物流模式转变、企业末端物流策略等方面。陈耀庭等[7]将末端物流模式总结为:配送到户、自提点寄存、社区店加盟以及智能自提箱四种,其中快递自提服务有助于解决零售业末端物流涉及的成本、隐私、管理等问题 [8]。曹宝亚[9]基于“新零售”发展特点构建冷链绿色物流配送系统模型;有研究以盒马鲜生为例探究新零售物流运作模式[10,11],指出其配送服务覆盖范围小、成本高、订单需求易超过配送能力等问题,应充分利用第三方物流平台优化物流资源配置[12];还有****对比新零售背景下永辉、苏宁等连锁超市生鲜宅配策略,建议通过高度聚合第三方物流平台完善其冷链物流体系[13]

近年来随着互联网及大数据技术的发展完善,城市研究领域利用POI、AOI等类型的大数据开展的研究日益丰富[14,15]。李钢等[16]运用POI数据对武汉市的两类快递自提点的空间分布特征与竞合关系进行分析;陈蔚珊等[17]以商业机构POI数据为研究对象识别广州市零售商业中心;金安楠等[4]2014基于南京市盒马鲜生的AOI数据,考察社区化新零售的布局选址与优化发展路径。这些研究为后续工作提供数据获取与方法应用参考。

综上所述,目前有关新零售及末端物流网络研究主要集中在新零售发展趋势与现存问题,末端物流的模式、特点及其布局因素方面,而从地理学视角具体分析通过对接实现优化的研究相对不足。盒马鲜生作为具有典型模式的新零售平台,截止2020年已有遍布全国21个城市的150多家门店,其与同属“阿里系”的第三方物流服务平台菜鸟驿站具有较强的合作基础与对接可能性。本文利用深圳市盒马鲜生与菜鸟驿站的AOI、POI等空间数据,分析二者间的对接基础,探讨其对接可行性,提出优化方案,并模拟其对接后的优化效果。

2 研究区概况与数据方法

2.1 研究区概况

深圳市位于中国华南地区,作为粤港澳大湾区核心城市与广东省副省级城市,下辖8个行政区和2个新区,2019年末常住人口1343.88万,社会消费品零售总额达6582.85亿元,人均生产总值达20.3万元,均居全国前列。在“新零售”发展方面,深圳市作为阿里巴巴“新零售之城”战略首批试点城市,在2018年北京大学光华管理学院发布的《新零售城市创新城市指数报告》[18]中位列全国新零售城市发展综合指数第三名,其线下支付比例、线上零售交易额占比、电商用户渗透率、人均快递柜与电子政务五项指标位居全国首位。在物流业发展方面,深圳市物流业综合水平在全国处于领先地位,供应链管理、第三方物流等现代化物流体系基本形成,运营效率接近中等发达国家[19]。截止2020年6月,深圳市已开设盒马鲜生门店21家,菜鸟驿站数量达2694个。以深圳市为案例地开展研究具有典型性,研究结果对我国其它城市新零售末端物流网络体系优化发展具有借鉴意义。

2.2 数据来源

POI与AOI是代表真实地理实体的点状与面状数据,包含实体的经纬度、类别、具体地址等属性信息。本文研究数据包括:① 从盒马鲜生官方APP爬取深圳市盒马鲜生门店POI及配送范围AOI数据。截止2020年4月,获得共计21家盒马鲜生的门店位置与配送范围。② 以高德地图作为数据源爬取深圳市菜鸟驿站以及社区、写字楼、高校及教培机构等设施的POI数据,数据前期处理包括数据筛选、坐标反查及信息补全,获得菜鸟驿站2694处。③ 支撑数据包括研究区行政范围边界图、城市路网及用地类型分布图,从“珞珈一号”卫星官方网站获取拍摄于2019年3月1日的深圳市夜间灯光影像图。

2.3 研究方法

研究方法主要包括空间分析与定量统计分析。空间分析方法包括标准差椭圆(SED)、平均最近邻分析、核密度估计(KDE)、缓冲区分析及网络分析5种,旨在分别从空间分布形态、集聚程度、邻域特征和空间组织关系等方面对深圳市盒马鲜生与菜鸟驿站的空间格局展开对比分析。定量统计方法主要用于对各片区的经济、人口与服务设施数量进行统计分析。

2.3.1 标准椭圆差模型 标准差椭圆模型(SDE)是一种表示地理要素空间方向特征的统计方法[20]。椭圆中心点与方位角表示点要素空间分布的相对位置及主趋势方向,长、短轴分别代表要素在主次要趋势方向上的离散程度。具体计算公式为:

SDEx=i=1nxi-X?2n
SDEy=i=1nyi-Y?2n

式中: SDExSDEy为长、短轴轴长; xiyi是要素i的坐标;( X?, Y?)为要素的平均中心;n为要素数量。本文利用标准差椭圆工具分析深圳市盒马鲜生与菜鸟驿站的宏观分布特征,判断二者分布方向与离散程度是否具有相似性。

2.3.2 平均最近邻分析 平均最近邻分析法用最邻近的点对间的距离描述点的空间分布模式[21]。计算每个要素与其最邻近要素的距离并求出其平均值,若要素平均距离大于假设随机分布的平均距离,为分散分布,小于则为集聚分布。本文运用平均最近邻工具讨论深圳市盒马鲜生与菜鸟驿站的宏观分布模式,验证菜鸟驿站布局模式是否符合作为新零售前置仓密集布点的特征。

2.3.3 核密度分析 核密度估计法(KDE)通过计算窗口范围内离散点密度,将其作为窗口中心值,生成点要素数据空间连续的密度表面,展示空间特征与趋势[22]。核密度越高,表明点要素分布越密集。具体计算公式如下:

fx=1nhi=1nKx-xih
式中: fx为点 x处的核密度估计值; x-xi为POI点 i与点 x间的距离;h为搜索半径;n为搜索范围内的点数; Kx-xih为核函数。本文利用核密度估计法,刻画研究中数量较多的点要素空间密度分布,揭示菜鸟驿站分布热点区域,进而考察其选址因素。

2.3.4 缓冲区分析 缓冲区分析在各类要素周边建立一定宽度的面状区域,探讨要素的空间异质特征[23]。本文以菜鸟驿站站点为圆心,1 km为半径确定其服务范围,探究菜鸟驿站服务对象类型及服务范围。在网络模拟中以盒马鲜生配送范围内的菜鸟驿站为圆心,建立新的服务范围,考察两者对接后的服务范围拓展效果。

2.3.5 网络分析 网络分析是以数学理论的模型为基础,通过网络拓扑关系,对网络性能的空间及属性特征进行研究的分析计算方法,其中服务区分析图层主要用于确定在指定中断成本范围内能从设施点位置访问的区域[24]。本文运用网络分析基于深圳市道路网络,测定以盒马鲜生门店为中心不同车程距离内的配送范围,与实际配送范围对比确定原用于配送的时长,并根据对接后的配送时长建立新的配送范围。

3 盒马鲜生与菜鸟驿站对接基础

盒马鲜生与菜鸟驿站均为阿里巴巴旗下品牌,拥有较高的市场占有率与影响力,且分别为提供社区化新零售与物流终端自提服务的代表性平台。为探究新零售平台与自提点对接的优化方案,本文从设施属性与城市空间视角,选取运营模式、服务对象及空间分布3个因素,对盒马鲜生与菜鸟驿站的对接基础进行分析。

3.1 运营模式

盒马鲜生作为社区化新零售平台,属于为多个社区生活圈提供服务的邻里服务中心,运营服务主要由线下店仓一体化实体门店、线上APP、3 km范围内30 min配送的物流服务三部分构成。其中,线下门店提供场景化、体验式销售服务获得消费者信任并为线上引流[25],由于线下门店具有店仓一体化的特征,多数占地面积较大,建设成本与消费门槛均较高,故门店数量较少。线上APP在服务范围内提供商品与线下门店相同,顾客线上下单后,盒马鲜生通过自主物流配送网络提供3 km内30 min送达服务,但由于订单规模小、配送地分布不集中、配送时间要求高,面临着配送成本过高以及配送准时性难以保证的问题[26]

菜鸟驿站作为物流服务平台,面向社区、校园等提供快递自提服务,旨在完善物流末端配送“最后一公里”,其提供的自提服务具有取件时间灵活、保护地址隐私等优势。顾客可以通过手机短信或菜鸟APP预约、接收快递寄取信息,并前往指定站点寄取。菜鸟驿站的站点根据主要服务对象分为社区站点与校园站点两类,根据经营模式分为自营和依托便利店、报刊亭等一般门市房合营站点两类。由于加盟菜鸟驿站所需投入较少且盈利状况较好,合营驿站数量较多,且其中依托具有潜在冷链设施的便利店的站点占半数以上。

3.2 服务对象

盒马鲜生以点状门店向面状区域提供配送服务,其服务对象为线上配送范围覆盖的各类设施点。菜鸟驿站通过点状自提点为周围邻近客户提供快递代收、自提服务。分别统计盒马鲜生配送范围内、菜鸟驿站1 km缓冲区内的各类设施POI点数量,以确定两者主要的服务对象(表1)。结果表明:① 盒马鲜生与菜鸟驿站的服务对象均以社区占比最高,其次为写字楼。菜鸟驿站各类设施服务数量均明显高于盒马鲜生,与其设点成本低,可在客户需求量较高的区域实现高密度布点有关。② 菜鸟驿站服务覆盖高校及教培机构、景区、医院等设施点数量较多,1 km服务范围内的各类设施数量均占深圳市设施总数的90%以上,能够在多种消费场景下提供服务,与其合营站点数量多、依托类型丰富的特点有关。


Tab. 1
Tab. 1Service objects of Freshippo stores and Cainiao stations
社区写字楼高校及教培机构景区医院
数量(个)占比(%)数量(个)占比(%)数量(个)占比(%)数量(个)占比(%)数量(个)占比(%)
盒马鲜生546863.23277232.052222.57840.971021.18
菜鸟驿站1623560.86866832.496442.417592.853701.39

新窗口打开|下载CSV

3.3 空间分布

3.3.1 宏观分布 两类设施在城市内的宏观布局,能够反映二者分布模式及布局影响因素。通过对盒马鲜生门店与菜鸟驿站网点(图1)进行空间分析,发现:① 盒马鲜生与菜鸟驿站的最近邻指数分别为1.015、0.442,前者在各片区分布较均匀且分散,呈现“东北-西南”的分布方向,分布重心在于西南部片区;后者则以“东-西”走向的多核集聚模式分布,在中西部城区内存在多个集聚中心。② 盒马鲜生21家门店有15家位于《深圳市城市总体规划(2016—2035年)》中的都市核心区范围,门店布局与城市总体规划中市域空间结构、功能相符;菜鸟驿站在各区均有分布,但东部片区站点数量明显较少。两者的宏观布局均与区域经济水平与人口密度有关,主要布局在人口、商业设施集中的中西部片区。此外还与设施属性与服务特征等有关,如龙华区作为深圳市主要的制造业产业区,区域内分布着深圳市高铁、科技产业园等设施,服务业与物流业发达,菜鸟驿站与盒马鲜生门店数量较多。

图1

新窗口打开|下载原图ZIP|生成PPT
图1深圳市盒马鲜生与菜鸟驿站空间分布

Fig. 1Spatial distribution of Freshippo stores and Cainiao stations



3.3.2 中观服务区 盒马鲜生依托线上配送形成了面状服务区,为服务区内的顾客提供门店商品30 min配送服务。菜鸟驿站则通过高密度设点方式,让顾客根据需求选择距离较近的站点寄取快递。两种不同的服务方式使其服务覆盖范围存在差异,为了探究两者服务区形态特征与服务空白区,采用从盒马鲜生APP爬取的真实配送范围AOI数据与菜鸟驿站1km缓冲区对两者服务区形态进行分析。

盒马鲜生门店面状服务区均为不规则形状,平均面积为8.05 km2,大多位于“3 km内30 min”所形成的3 km缓冲区范围内(图2a)。通过在盒马鲜生APP下单后发现,门店在开始配送前接受订单、分装合箱及其他准备工作约需要15 min,因此配送时间为15 min左右,交通工具为电动车。通过网络分析工具,建立深圳市市区道路路网数据集,根据《电动自行车安全技术规范(GB 17761-2018)》设定电动车平均时速为20 km/h,生成以盒马鲜生门店为起点的10 min服务区(图2b),除部分由于道路数据断线影响的区域外,实际配送范围与10 min到达范围较为接近,可知盒马鲜生的配送服务范围主要受配送时间的限制。同时,配送范围呈不规则状还受自然地理条件以及景区、机场等公共设施限制(图2c、图2d)。盒马鲜生在部分人口密集区域通过相邻门店配送范围拼接以实现服务全覆盖,但服务范围相对有限,存在较大的服务空白区,且总体呈现分散状态。

图2

新窗口打开|下载原图ZIP|生成PPT
图2盒马鲜生配送范围空间布局

Fig. 2Spatial pattern of service range of Freshippo stores



图3

新窗口打开|下载原图ZIP|生成PPT
图3深圳市菜鸟驿站服务范围

Fig. 3Spatial pattern of service range of Cainiao stations in Shenzhen city



深圳市菜鸟驿站的服务范围面积达1174.03 km2图3),占深圳市总面积的51%,呈现连片式覆盖特征。菜鸟驿站通过在较大范围内设置多站点提供服务,可由顾客自由选择商品存放地,提供自提服务灵活性较高,受距离、各类设施限制均较小。

3.3.3 微观选址 盒马鲜生与菜鸟驿站的选址与城市内部微观区位环境特征有关,选取居住密度、经济活力、交通环境3个影响因素对盒马鲜生与菜鸟驿站的微观区位选址进行分析。结果表明:

(1)社区分布是影响盒马鲜生与菜鸟驿站区位选址的重要因素,两者均主要布局在社区密度较高区域(图4a、图4b)。盒马鲜生21家门店中17家分布在社区密度高值区域,菜鸟驿站除覆盖全部社区密度高值区外,在社区密度中、低值区也有较多网点。

图4

新窗口打开|下载原图ZIP|生成PPT
图4微观选址与社区密度空间关系

Fig. 4Spatial relationship between micro location and community density



(2)城市区域经济活力较高区域一般为服务设施布局较为集中的区位,形成的商圈是吸引商业设施进行布局的重要因素。利用“珞珈一号”卫星拍摄的夜间灯光影像(图5a)结合深圳市写字楼核密度图,得到商业集聚分布情况并对各商圈等级[27]进行划分(图5b),可以看出盒马鲜生对商圈的依赖性大于菜鸟驿站,多分布于城市经济活力中、高值区域,又因其门店面积较大和便于仓储配送及降低运营成本,多选择开设在商圈边缘或负一层,凭借线上服务范围覆盖整个商圈,但为提高品牌知名度,也存在少量位于商圈核心位置的门店。菜鸟驿站较少在商圈核心区域开设站点,主要布局在经济活力中、低值区域。

图5

新窗口打开|下载原图ZIP|生成PPT
图5微观选址与区域经济活力空间关系

Fig. 5Spatial relationship between micro location and economic vitality



(3)两者选址均对区域交通环境有一定要求,但侧重点不同。通过分析深圳市道路密度(图6a),可知盒马鲜生选址及配送服务覆盖范围多位于道路密度中高值区。对菜鸟驿站与其500 m范围内的包括社区在内的设施出入口距离进行分析(图6b),发现在距离出入口约300 m处设施百分比增量达到最大值,且其设施增量与距离变化曲线与对数趋势线拟合度为R2=0.774,相对较为显著。表明菜鸟驿站为了用户寄取快递的便利性,多选址于设施出入口附近以提高用户的步行可达性,盒马鲜生则更注重门店产品物流与配送的时效性,因此多在道路密度值总体较高的区域范围内布店。

图6

新窗口打开|下载原图ZIP|生成PPT
图6微观选址与交通环境空间关系

Fig. 6Spatial relationship between micro location and traffic environment



4 社区化新零售末端物流网络优化

4.1 对接可行性分析

根据上述对接基础分析,分别从运营模式、服务对象和空间分布三方面探讨盒马鲜生与菜鸟驿站对接的协同相似性与差异互补性(图7)。

图7

新窗口打开|下载原图ZIP|生成PPT
图7盒马鲜生与菜鸟驿站对接可行性分析

Fig. 7Feasibility analysis of the connection between Freshippo stores and Cainiao stations



(1)运营模式方面,盒马鲜生与菜鸟驿站运营服务中均包含末端物流环节,承担零售商品集散功能,具有不同的末端物流解决方案。盒马鲜生作为商品集中的大场域,以门店向面状区域范围内提供商品配送服务,菜鸟驿站则是承接多源商品的小场域,以自提点向邻近消费者提供寄存、自提服务。其中,菜鸟驿站依托类型丰富,站点数量多,规范潜在可利用设施后可充分发挥其运营潜力、完善存储功能,与盒马鲜生对接构成商品源汇关系,将部分不需要及时送达或在配送范围以外的商品进行存储,克服盒马鲜生无法密集布店的限制。另外,菜鸟驿站提供的快递自提服务具有取货时间灵活、个人地址安全性高、实现非接触式交付等优点,与盒马鲜生对接可提供多样化的末端物流选择,提高末端物流服务效率与质量。

(2)服务对象方面,盒马鲜生与菜鸟驿站均以市场为导向、以社区为主要服务对象,二者服务对象类型和占比相似。同时,菜鸟驿站服务覆盖各类设施数量均明显多于盒马鲜生,且能够为多数高校及教培机构、景区、医院提供服务。盒马鲜生能够通过对接菜鸟驿站,形成新的服务中心,为更多潜在目标客户提供新零售服务,完善在“办公室”“高校及教培机构”等各类消费场景中的服务功能。

(3)空间分布方面,盒马鲜生与菜鸟驿站在深圳市均主要受片区人口密度、经济活力以及区域发展影响,对接可优先在二者均有分布的片区内展开。菜鸟驿站具有密集设点,多核聚集分布的特点,分布范围广,中西部片区站点密度均较高,盒马鲜生可将其作为前置仓,克服自身因布店门槛高而数量有限且较为分散的问题;此外,盒马鲜生与菜鸟驿站均存在面状的服务范围,盒马鲜生线上配送虽然提高了门店布局的经济性和覆盖社区的有效性,但仅覆盖了部分社区密度中高值区,其不规则形状的配送范围受配送时间、自然地理条件、各类设施等因素限制,存在较多服务空白区。相比之下,菜鸟驿站服务受空间限制较小,以站点周围缓冲区的形式覆盖了多数周边设施,通过对接可扩大盒马鲜生服务覆盖范围,互补覆盖服务空白区,在设施密集区域实现服务连片式覆盖;盒马鲜生与菜鸟驿站的微观选址均对社区分布密度依赖性较强、对道路环境要求较高,但盒马鲜生主要选址在经济活力高、道路密度大的城市商服圈边缘,而菜鸟驿站则主要位于步行可达性强、距离设施出入口距离近的社区生活圈内,盒马鲜生对接菜鸟驿站可拉近其与社区等设施的距离,使“新零售”服务更加贴近各类生活场景。

4.2 优化方案

社区化新零售企业通过与物流终端自提点对接,针对其配送现状中存在的批量小、批次多、成本高、效率低等问题,从服务属性、空间范围方面对末端物流网络进行优化。在社区化新零售末端物流网络通道中加入中转点,转变物流配送模式,提高末端物流网络的服务能力,以提升“新零售”服务在空间中的公平与效率(图8)。

图8

新窗口打开|下载原图ZIP|生成PPT
图8社区化新零售末端物流网络优化方案

Fig. 8Optimization of terminal logistics network of community-oriented new retails



服务属性对接方面,由于社区化新零售企业密集布店成本较高,内部自建自用的封闭式物流系统难以彻底解决涉及到的成本、隐私、管理等多重问题,导致消费场景单调且存在较多服务空白区。新零售可通过在线上选购环节对商品是否耐久及消费者对送达及时性的要求进行区分,根据消费场景不同提供多种末端物流服务选择,即送货上门或配送至指定自提点。物流终端自提点则需要充分利用潜在的设备完善其生鲜存储功能,规范建立一批冷链驿站,充分释放各类自提点的运营潜力。同时,建立新零售与物流终端自提点统一的物流系统,对商品进行追踪确保交付完成。通过对接,实现新零售末端物流由“自营”向“自营+释放”的模式[28]转变,整合新零售周边的物流资源,将密集布点的物流终端自提点作为门店与客户之间的前置仓,集中配送至前置仓后再通过自提等方式完成交付。构建新零售末端物流网络优化后有效的功能服务对接与信息共享通道,不仅可提高末端物流网络的服务能力与效率、降低成本,还可拓展其消费场景,并在疫情等特殊情境中实现新零售非接触式交付。

空间范围对接方面,在原本仅由配送员构成的社区化新零售末端物流网络通道中加入中转点,通过配送员、自提点、客户共同参与商品的“配送”“暂存”“自提”,构建“新零售门店-配送员-自提点-客户”商品配送链,在城市商服圈与社区生活圈之间建立起更加紧密的联系。“新零售”企业可先与原配送范围内的物流自提点建立联系,提高商品交付效率后在更大范围内提供服务,并以自提点为中心形成新的服务范围,提高在各类空间中的设施覆盖率,形成连片覆盖的服务区域,避免需密集布店造成资源浪费。另外,由于物流终端自提点大量网点广泛布局的特点,“新零售”企业在未来布店过程中,可借助已有的自提点资源克服新零售布店消费门槛较高的问题,以不同的业态类型为需求相对分散的中小城市、农村及边远地区提供多种类、高品质的新零售产品。

4.3 优化效果模拟

依据上述优化方案,从空间角度分析盒马鲜生与菜鸟驿站对接后服务范围及消费场景的拓展,模拟新零售末端物流网络优化效果。

服务范围拓展方面,通过调查发现,盒马鲜生配送员从服务对象所在设施出入口到交付商品平均需要时间约为5 min,因此在模拟场景中,假设未来通过二者有效对接可将原本预留10 min的配送时间延长至15 min。对盒马鲜生现有配送范围与菜鸟驿站站点进行叠加分析表明,盒马鲜生现有配送范围内的菜鸟驿站数量为739个,占深圳市菜鸟驿站总数的28.1%。道路网络分析结果(图9)显示,盒马鲜生在15 min车程距离内的新配送范围内菜鸟驿站个数达1281个,占总数的48.7%。盒马鲜生与菜鸟驿站对接后,其服务范围扩大至原4倍且表现出连片式区域覆盖特征,对社区、学校、写字楼的覆盖率分别从32.5%、32.8%、31.3%上升至64.3%、74.2%、71.8%。此外,盒马鲜生可通过提供多样化的配送服务选择,对于不需要即时送达的消费场景,可突破20 min的车程限制,向更大区域范围内的快递站点进行配送。

图9

新窗口打开|下载原图ZIP|生成PPT
图9深圳市盒马鲜生与菜鸟驿站对接空间模拟

Fig. 9Spatial connecting simulation of Freshippo stores and Cainiao stations in Shenzhen city



消费场景拓展方面,盒马鲜生与菜鸟驿站的主要服务对象类型中均以社区、写字楼与高校及教培机构占比最高。针对不同服务对象可产生不同的消费场景,因此分别依据三类设施,在深圳市选取典型片区,模拟盒马鲜生与菜鸟驿站的对接情境。模拟发现:

(1)“到家”消费场景(图10a)中主要为家庭客户,对生鲜类产品及日用品需求较高,购买时间集中在周末或节假日且相对分散,新零售商品自提服务可保护家庭住址安全并提高商品交付效率。宝安区是深圳市社区数量最多的片区,目前已布局两家盒马鲜生,由于该片区面积较大、社区分布相对分散,配送服务范围对社区的覆盖率较低。其中荟悦城店周围有较大面积的社区密集区,但在配送能力限制下,西部边缘的较多社区位于配送范围之外,通过对接可全面覆盖位于深圳市边缘的社区密度高值区域。永福益田店则通过对接实现了其配送范围向四周的扩展,使得部分社区密度低值区域也能获得配送服务,宝安区盒马鲜生对接后总体社区配送服务覆盖率可由32.3%提升至52.9%。

图10

新窗口打开|下载原图ZIP|生成PPT
图10深圳市典型片区盒马鲜生对接情境模拟

Fig. 10Connection scenario simulation of Freshippo stores and Cainiao stations in Shenzhen city



(2)“到办公室”消费场景(图10b)主要针对上班人群,偏好商品主要为半成品及熟食,购买时间多集中在工作日的用餐时间,通过对接可以提供定制化的配送时间,避免因送货与收货时间不匹配而降低配送效率。福田区作为深圳市中央商务区所在,片区内写字楼密度为各区最高,盒马鲜生门店数量较多,但由于配送范围间未实现无缝衔接而无法覆盖部分设施密集区域。对接后福田区盒马鲜生配送范围对写字楼、社区和高校及教培机构的覆盖率均达到了99%以上,基本实现新零售服务在城市中心片区的全域覆盖。

(3)“到高校及教培机构”消费场景(图10c)中大多为学生群体,主要偏好商品为零食酒水,购买时间多为日常休闲时间,此类订单较为零散但位置集中、需求量大,通过对接统一配送可大幅提高配送效率。南山区为深圳市大学城所在片区,片区内高校及教培机构数量与密度均较高,两类设施均对新零售有较大的潜在需求量。由于教培机构大多分布相对分散,高校分布集中但占地面积较大,现有四家盒马鲜生的服务覆盖率仅为18.9%,与菜鸟驿站对接后可为该片区77.9%的高校及教培机构提供新零售服务。

可以看出,优化后盒马鲜生的主要消费场景由“到店”“到家”扩展至“到办公室”“到高校及教培机构”等多种类型,不仅提高了新零售服务对各类设施的覆盖率,且通过满足多种消费需求,丰富了其在各类区域中的角色类型。

5 总结与展望

5.1 总结

在网络信息技术发展与消费者需求结构快速转变的背景下,“新零售”发展对其末端物流不断提出更高要求,通过与快递自提点进行对接可优化其末端物流网络,更好实现线上线下与物流的深度融合。本文基于深圳市盒马鲜生与菜鸟驿站的AOI、 POI及其他空间数据,运用空间分析、数理统计等方法,考察盒马鲜生与菜鸟驿站对接基础,通过辨析二者对接的可行性、探讨优化实施、模拟优化效果,提出社区化新零售末端物流网络优化方案,结果表明:

(1)对接基础分析:① 盒马鲜生作为社区化新零售平台,运营模式主要为“线上+线下+配送”,面临着配送成本高、准时性难以保证等问题。菜鸟驿站为第三方物流平台,站点分为独营和合营两类,提供的自提服务具有取货时间灵活、地址安全性高的优点。② 盒马鲜生与菜鸟驿站均以社区作为主要服务对象,菜鸟驿站对各类设施的覆盖度均较高。③ 盒马鲜生门店分布呈“东北-西南”方向,分散均匀模式,多选址于商圈边缘,服务范围受配送时间、自然条件、设施限制而呈不规则形状,存在较大服务空白区。菜鸟驿站呈多核聚集分布,中西部片区站点密度大,服务范围面积大且连片覆盖,站点多邻近设施出入口。

(2)对接可行性:① 运营模式方面,盒马鲜生与菜鸟驿站均包含末端物流环节,承担零售商品集散功能,并提供不同的末端物流解决方案,菜鸟驿站可作为前置仓克服盒马鲜生无法密集布店的问题,同时提供多样化的末端物流服务选择。② 服务对象方面,盒马鲜生与菜鸟驿站均以市场为导向、以社区为主要服务对象,但菜鸟驿站对各类设施覆盖度均高于盒马鲜生,对接可提升新零售企业为各类设施提供服务的能力。③ 空间分布方面,对接可优先在二者均有分布的片区内展开,通过对接互补覆盖服务空白区,在设施密集区域实现服务连片式覆盖,拉近其与各类设施距离,使“新零售”服务更加贴近各类生活场景。

(3)对社区化新零售末端物流网络进行的优化主要从两个方面展开,以实现新零售服务在空间中的公平与效率:① 服务属性对接方面,通过提供多种物流服务选择、建立统一物流系统、释放自提点运营潜力,实现从“自营”向“自营+释放”的物流配送模式的转变。② 空间范围对接方面,通过提高交付效率、延长配送时间,以配送范围内的自提点形成新的服务中心,并借助已有站点资源克服设店门槛较高的问题,构建“新零售门店-配送员-第三方物流快递自提点-社区居民”的商品配送链,在城市商服圈与社区生活圈之间建立起更加紧密的联系。

(4)通过在空间上模拟可知,对接后优化效果显著:① 对二者对接后的服务范围进行模拟表明,盒马鲜生服务范围扩大至原4倍并表现出连片式区域覆盖特征,对各类设施的覆盖率均有显著提升。② 在分别以社区、写字楼、高校及教培机构为主的三类区域中进行模拟,盒马鲜生通过对接可满足多种消费需求,拓展消费场景,丰富其在各片区中的角色类型。

5.2 展望

本文以深圳市提供社区化新零售及物流终端自提服务的代表性平台盒马鲜生与菜鸟驿站为研究对象,从地理学视角出发,对二者在运营服务与空间关系方面的对接基础进行考察辨析,在此基础上讨论二者间对接的可行性、优化方案实施并模拟优化效果,旨在为社区化新零售末端物流网络的优化提供参考。新零售发展显示出以多种业态模式结合不同末端物流方案进行跨平台、跨体系合作的发展趋势,如与社区团购点、快递自提柜、快递跑腿等多样化末端物流服务对接。同时,在新型城镇化、乡村振兴等政策背景下,城乡居民收入差距缩小,对现代化服务业、生活水平均提出更高要求[29],亟需为中小城市、农村及边远地区提供符合其需求的各类产品与新零售服务。此外,可将位于农村及边远地区的生鲜产地作为商品源,通过对接末端物流服务向城市提供新零售服务,提高地区收入与生活水平。未来研究中可持续关注新零售在各类空间中的发展演化,同时收集销售额等经营性数据对各类区域末端物流体系的运营效果进行评价,实现“新零售”模式发展的更好转型以及提升新零售服务在空间中的公平与效率。

致谢:

真诚感谢两位匿名评审专家在论文评审过程中付出的时间、精力和提出的宝贵建议,评审专家对本文研究思路的修正、空间分析方法的选择、新零售末端物流网络优化结论的提炼深化、文字表达规范方面的修改意见,使文本获益匪浅。


参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

梁莹莹. 基于“新零售之轮”理论的中国“新零售”产生与发展研究
当代经济管理, 2017, 39(9):6-11.

[本文引用: 1]

[ Liang Yingying. Research on the emergence and development of China's "new retail" based on the "new retail wheel" theory
Contemporary Economic Management, 2017, 39(9):6-11.]. DOI: 10.13253/j.cnki.ddjjgl.2017.09.002.

[本文引用: 1]

陈慧娟. 新零售模式下电商巨头的线下战略布局: 以京东和阿里为例
商业经济研究, 2018, 4(6):67-69.

[本文引用: 1]

[ Chen Huijuan. The offline strategic layout of e-commerce giants under the new retail model: Taking Jingdong and Ali as examples
Business Economics Research, 2018, 4(6):67-69.]. DOI: 10.3969/j.issn.1002-5863.2018.06.021.

[本文引用: 1]

邢惠淳. “新零售”背景下生鲜电商商业模式比较分析: 以盒马鲜生和每日优鲜为例
商业经济研究, 2019, 4(4):85-87.

[本文引用: 1]

[ Xing Huichun. Comparative analysis of fresh e-commerce business model under the background of "new retail": A case study of Freshippo stores and Miss Fresh
Commercial Economy Research, 2019, 4(4):85-87.]. DOI: 10.3969/j.issn.1002-5863.2019.04.024.

[本文引用: 1]

金安楠, 李钢, 王建坡, . 社区化新零售的布局选址与优化发展研究: 以南京市盒马鲜生为例
地理科学进展, 2020, 39(12):2013-2027.

DOI:10.18306/dlkxjz.2020.12.005 [本文引用: 2]
社区化新零售是新兴的商业模式,也是商业与社区互动的重要场域,值得从城市空间视角深入探究。基于南京市盒马鲜生及相关兴趣点(point of interest,POI)与兴趣面(area of interest,AOI)数据,综合运用空间分析、定量统计、实地调研等方法,解析盒马鲜生的服务类型及对象、空间布局特征、区位选址因素,并提出优化发展建议。研究发现:① 南京市盒马鲜生服务对象以社区为主,酒店、写字楼为辅;服务客户以具有一定经济基础和消费能力的中青年人群为主。② 空间布局总体呈现南—北走向的主城区+近郊区的“5+7三组团”格局,均为“点”状门店+不规则“面”状服务区相结合的“中心—外围”结构,实际配送范围与3 km缓冲区存在差异。③ 区位选址主要受社区密度和交通环境的影响,对商圈、地价具有依赖性,竞争对手对门店选址影响较小;主要位于社区与道路密度中高值区、商圈边缘地带、主干道两侧及地价中等区域,并利用面状服务区延伸服务范围,获取更多潜在目标客户群。最后从消费群体、运营成本、品牌竞争3个方面探索其区位选址的影响机制,并基于区位选址特征提出优化发展建议。
[ Jin Annan, Li Gang, Wang Jianpo, et al. Study on the location selection and optimal development of community-oriented new retails: A case study of Hema Xiansheng in Nanjing
Progress in Geographical Sciences, 2020, 39(12):2013-2027.]. DOI: CNKI: SUN: DLKJ.0.2020-12-005.

[本文引用: 2]

VU THANH LONG. Research on the influence of transportation services quality on purchasing intention of customer in e-commerce - evidence from purchasing intention of Vietnamese consumer in cosmetic industry
International Journal of Social Science and Education Research, 2020, 3(5) : 45-53. DOI: 10.6918/IJOSSER.202005_3(5).0009.

[本文引用: 1]

Eric Calderwood, Paul Freathy. Consumer mobility in the Scottish isles: The impact of internet adoption upon retail travel patterns
Transportation Research Part A, 2014, 59(1):192-203. DOI: 10.1016/j.tra.2013.11.012.

[本文引用: 1]

陈耀庭, 黄和亮. 我国生鲜电商“最后一公里”众包配送模式
中国流通经济, 2017, 31(2):10-19.

[本文引用: 1]

[ Chen Yaoting, Huang Heliang. The "last mile" crowdsourcing distribution mode of fresh e-commerce in China. China's
Circulation Economy, 2017, 31(2):10-19]. DOI: 10.14089/j.cnki.cn11-3664/f.2017.02.002.

[本文引用: 1]

杨亮. 物流“最后一公里”: “堵”在哪儿了?
光明日报, 2014-06-28(2).

[本文引用: 1]

[ Yang Liang. Logistics "last mile": Where is the "jam"?
Guangming Daily, 2014-06-28(2).]. DOI: 10.28273/n.cnki.ngmrb.2014.007878.

[本文引用: 1]

曹宝亚. 新零售背景下冷链绿色物流共同配送系统模型研究
淮海工学院学报(人文社会科学版), 2019, 17(2):94-97.

[本文引用: 1]

[ Cao Baoya. Research on cold chain green logistics common distribution system model under the background of new retail
Journal of Huaihai Institute of Technology (Humanities and Social Sciences), 2019, 17(2):94-97.]. DOI: CNKI: SUN: HHGX.0.2019-02-026.

[本文引用: 1]

陈明超, 刘汝丽. 新零售业态下的仓配一体化模式研究: 以盒马鲜生为例
价值工程, 2020, 39(18):115-118.

[本文引用: 1]

[ Chen Mingchao, Liu ruli. Research on the integrated mode of warehouse and distribution under the new retail format: Taking Freshippo stores as an example
Value Engineering, 2020, 39(18):115-118.]. DOI: 10.14018/j.cnki.cn13-1085/n.202018.051..

[本文引用: 1]

韩晓扬, 尹红媛, 陈鑫, . 新零售业态下生鲜行业的物流模式研究: 以盒马鲜生为例
价值工程, 2019, 38(25):162-164.

[本文引用: 1]

[ Han Xiaoyang, Yin Hongyuan, Chen Xin, et al. Study on the logistics mode of fresh food industry under the new retail format: Taking Freshippo stores as an example
Value Engineering, 2019, 38(25):162-164.]. DOI: 10.14018/j.cnki.cn13-1085/n.2019.25.063.

[本文引用: 1]

于悦, 李钢, 金安楠, . 社区化新零售门店空间布局与影响因素研究: 以成都市盒马鲜生为例
陕西师范大学学报(自然科学版), 2021, 49(2):86-97.

[本文引用: 1]

[ Yu Yue, Li Gang, Jin Annan, et al. Spatial layout and influencing factors of community-oriented new retails: A case study of Freshippo stores in Chengdu
Journal of Shaanxi Normal University (Natural Science), 2021, 49(2):86-97.]. DOI: 10.15983/j.cnki.jsnu.2021.04.001.

[本文引用: 1]

徐广姝, 张海芳. “新零售”时代连锁超市发展生鲜宅配的策略: 基于供应链逆向整合视角
企业经济, 2017, 36(8):155-162.

[本文引用: 1]

[ Xu Guangshu, Zhang Haifang. Strategies for chain supermarkets to develop fresh home delivery in the "new retail" era: From the perspective of reverse integration of supply chain
Enterprise Economy, 2017, 36(8):155-162.]. DOI: 10.13529/j.cnki.enterprise.economy.2017.08.023.

[本文引用: 1]

周佼, 李钢, 杨兰, . 菜鸟驿站空间分布与城市发展关系研究: 以东莞市为例
西部人居环境学刊, 2019, 34(5):83-91.

[本文引用: 1]

[ Zhou Jiao, Li Gang, Yang Lan, et al. Study on the relationship between the spatial distribution of Cainiao stations and urban development : A case study of Dongguan city
Journal of Human Settlements in Western China, 2019, 34(5):83-91.]. DOI: 10.13791/j.cnki.hsfwest.20190511.

[本文引用: 1]

李钢, 杨兰, 贺建雄, . 基于POI数据的西安市快递自提点空间格局及空间关系研究: 以菜鸟驿站为例
地理科学, 2018, 38(12):2024-2030.

DOI:10.13249/j.cnki.sgs.2018.12.010 [本文引用: 1]
基于西安市菜鸟驿站和中国邮政速递的POI(point of interest,兴趣点)数据,综合运用数理统计、文本词频分析、空间分析等方法,解析菜鸟驿站的依托组织形式与服务对象类型,空间分布特征与区位选择特征,及其与中国邮政速递的空间竞合关系。研究发现:① 增菜鸟驿站依托类型以商品销售型为主,社会服务型和个体店铺型次之;其服务对象以社区为主,商业街区、大学城次之;② 菜鸟驿站空间上呈现“中心城区多,周边区县少”的“内密外疏”格局,并沿东北-西南走向分布;③ 区位选择特征,大尺度表现为以钟楼为中心,随距离增加,驿站数量呈现出低-高-低的分布规律;小尺度则在与服务对象出入口距离区间[100,300]内存在二维正态分布;④ 菜鸟驿站与目标对象直线可达距离平均位于200 m范围以内,且街区活力点与其服务对象主体相适应;⑤ 邮政站点与菜鸟驿站均由中心城区向外围区县扩张式发展,前者分布范围更广,二者在地理邻近竞争二者中趋于协同发展。
[ Li Gang, Yang Lan, he Jianxiong, et al. Spatial pattern and spatial relationship of express delivery pick-up points in Xi'an based on POI data : A case study of Cainiao stations
Geographic Sciences, 2018, 38(12):2024-2030.]. DOI: 10.13249/j.cnki.sgs.2018.12.010.

[本文引用: 1]

李钢, 陈未雨, 杨兰, . 武汉市快递自提点的空间格局与集聚模式研究
地理科学进展, 2019, 38(3):407-416.

DOI:10.18306/dlkxjz.2019.03.010 [本文引用: 1]
互联网经济时代的线上交易推动着线下物流行业的快速发展,为解决快递“最后一公里”配送问题,快递自提点应运而生,成为地理学多维视角下新的研究关注点。论文基于武汉市13个市辖区的菜鸟驿站和中国邮政速递物流站点的POI数据,综合运用文本分析、空间分析等方法,探析武汉市快递自提点的组织形式、区位选址、空间格局与集聚模式。结果表明:① 武汉市菜鸟驿站和邮政站点各自的依托方式和服务对象存在巨大差异,二者虽为竞争关系,却能达到优势互补;② 80%的快递自提点出现在距离社区出入口200 m以内的范围,菜鸟站点较邮政站点更邻近社区;③ 受城市人口分布、用地类型、居民购买力等因素的影响,快递自提点空间分布不均衡,沿“东北—西南”轴线呈对称分布并延伸,密度自内圈向外圈呈跳跃式递减;④ 快递自提点在城市中心城区集聚,形成“中心热点区”,在城市外围边缘地区离散,形成“边缘冷点区”,整体呈现“隔江‘2+3’五核集聚模式”,由菜鸟驿站的分布所主导;⑤ 快递自提点的分布与居民用地重合度高,但其数量在边缘居民区仍匮乏,其数量与各市辖区的面积和常住人口数量呈正相关。最后,论文提出了针对性的优化建议以及未来的研究方向。
[ Li Gang, Chen Weiyu, Yang Lan, et al. Study on spatial pattern and agglomeration pattern of express delivery bootstrap in Wuhan
Progress in Geographical Sciences, 2019, 38(3):407-416.]. DOI: 10.18306/dlkxjz.2019.03.010.

[本文引用: 1]

陈蔚珊, 柳林, 梁育填. 基于POI数据的广州零售商业中心热点识别与业态集聚特征分析
地理研究, 2016, 35(4):703-716.

DOI:10.11821/dlyj201604009 [本文引用: 1]
商业中心是城市零售活动的重要载体,优化商业资源在城市内部空间的合理配置,摸清不同零售经营形态的区位选择,显得尤为重要。以面向公众服务的商业机构兴趣点(POI)数据为研究对象,提出一种城市商业中心与零售业态集聚区识别的方法;以广州市为例,分析商业活动的热点地区以及零售业态集聚区的空间分布特征。研究表明:① 根据核密度估计法提取的商业中心在等级上表现出由城市中心圈层向外围圈层扩散的趋势,结果符合客观事实。② 以街区为单元,商业网点密度符合局域Getis-Ord G<sup>*</sup>指数统计特征的热点区域主要分布在越秀区和天河区,广州市零售业发展的双核心空间格局已经形成。③ 不同的零售业态对商业集聚的区位选择具有显著差异性,百货商店、超市、便利店等零售经营形态的空间集聚特征与该业态的市场定位、经营模式及选址策略基本吻合。总体来看,基于POI数据的广州零售业集聚空间分析结果能够反映实体零售企业行为与广州商业经济分布的相关性,有助于提高政府部门商业规划和零售商选址前期研究的客观性和科学性。
[ Chen Weishan, Liu Lin, Liang Yutian. Hot spot recognition and business agglomeration characteristics analysis of Guangzhou retail business center based on POI data
Geographical Research, 2016, 35(4):703-716.]. DOI: 10.11821/dlyj201604009.

[本文引用: 1]
It is important to get a clear understanding of rational allocation of commercial resources and spatial aggregating feature of retail formats in a metropolis. The use of big data for retailing agglomeration analysis has already became a new trend of commercial quantitative research, yet little attention has been given to the hotspots recognition of retail formats and their cluster characters so far. In this paper, an approach of urban retail center recognition based on POI (Point of Interest) data are proposed. With Guangzhou for a case study, we analyze the hotspots of retail activities and inner aggregating distribution of retail formats by using the method of KDE (Kernel Density Estimation) and Getis-Ord G*. The results show that: (1) The commercial levels of retail centers which are extracted by KDE method have a strong correlation with the density distribution. The density values of retail centers are decreasing from urban center to the suburbs, which shows the trend of commercial grade within the city is diffusing from center to periphery. This result is in line with the objective facts. (2) The retailing hotspots are mainly distributed in Yuexiu and Tianhe districts, which proves that dual-core commercial space has taken shape in Guangzhou. (3) The spatial aggregating feature of retail formats (including department stores, shopping centers, supermarkets, convenience stores) are quiet different. Department stores and shopping centers are clustered around the retail centers. Supermarkets are mainly distributed in periphery of downtown area. And convenience stores are only centralized in hotspots in business locations. From the results of spatial analysis, the aggregating features of retail formats are consistent with retailers' operation and their location strategy. Overall, the results of retailing distribution analysis based on the POI data can explain part of the corporate behaviors difference and commercial economy distribution within urban areas. The study results of retailing activities are also conducive to the strategy-making process of both governments and retailers.

北京大学光华管理学院. 新零售城市创新城市指数报告
北京: 北京大学光华管理学院, 2018: 26.

[本文引用: 1]

[ Guanghua School of Management, Peking University. New Retail City Innovation City Index Report
Beijing: Peking University Guanghua School of Management, 2018: 26.]

[本文引用: 1]

许笑平. 关于深圳物流产业转型升级的思考
中国市场, 2020, 4(14):22-25.

[本文引用: 1]

[ Xu Xiaoping. Reflections on the transformation and upgrading of logistics industry in Shenzhen
China Market, 2020, 4(14):22-25.]. DOI: 10.13939/j.cnki.zgsc.2020.14.022.

[本文引用: 1]

Lefever. Measuring geographic concentration by means of the standard deviational ellipse
The American Journal of Sociology, 1926, 32(1):88-94. DOI: 10.1086/214027.

URL [本文引用: 1]

高岩辉, 杨晴青, 梁璐, . 基于POI数据的西安市零售业空间格局及影响因素研究
地理科学, 2020, 40(5):710-719.

DOI:10.13249/j.cnki.sgs.2020.05.005 [本文引用: 1]
基于POI数据,利用核密度估计、缓冲区分析等方法刻画西安零售业空间集聚状态,确定零售业分布核心范围,并利用双变量空间自相关分析、近邻分析等方法探究零售行业之间的空间集聚关系,以及零售业与居住小区、交通因素的空间关系。研究表明: ① 西安市零售业呈“中心-外围”结构,以钟楼为中心连片集聚分布,在距离钟楼16 km范围内为零售业分布核心区,在阎良、高陵、临潼、鄠邑4个郊区呈“孤岛”状集聚。② 文化、体育用品及器材零售,纺织、服装及日用品零售业更倾向于在内城分布,而汽车、摩托车、零配件和燃料及其他动力销售业,五金、家具及室内装饰材料零售集中在租金低但交通方便的城市中心外围。③ 集聚效应、人口分布与路网影响零售业的空间分布。与居民日常生活关系密切的零售行业如综合零售,食品、饮料及烟草制品零售,纺织、服装及日用品零售等在空间上集聚以接近消费者,分享消费市场和空间场地,而耐用品零售行业如汽车、摩托车、零配件销售业,家具及室内装饰材料零售等倾向于自身集聚,以共享品牌效应。交通干线尤其是城市二级道路明显影响零售网点的空间分布。
[ Gao Yanhui, Yang Qingqing, Liang Lu, et al. Research on the spatial pattern and influencing factors of Xi'an retail industry based on POI data
Geographical Sciences, 2020, 40(5):710-719.]. DOI: 10.13249/j.cnki.sgs.2020.05.005.

[本文引用: 1]

段亚明, 刘勇, 刘秀华, . 基于POI大数据的重庆主城区多中心识别
自然资源学报, 2018, 33(5):788-800.

[本文引用: 1]

[ Duan Yaming, Liu Yong, Liu Xiuhua, et al. Multi-center recognition of Chongqing's main urban area based on POI big data
Journal of Natural Resources, 2018, 33(5):788-800.]. DOI: 10.11849/zrzyxb.20170945.

[本文引用: 1]

刘承良, 薛帅君. 上海市主城区公共服务设施网点分布的空间异质性
人文地理, 2019, 34(1): 122-130+150.

[本文引用: 1]

[ Liu Chengliang, Xue Shuaijun. The spatial heterogeneity of the distribution of public service facilities in the main urban area of Shanghai
Human Geography, 2019, 34(1): 122-130+150.]. DOI: 10.13959/j.issn.1003-2398.2019.01.016.

[本文引用: 1]

马新亚, 许剑剑. 基于ArcGIS的导航道路网络的制作和网络分析实现
软件导刊, 2011, 10(10):112-113.

[本文引用: 1]

[ Ma Xinya, Xu Jianjian. Making and network analysis implementation of navigation road network based on ArcGIS
Software Guide, 2011, 10(10):112-113.]. DOI: CNKI:SUN:RJDK.0.2011-10-046.

[本文引用: 1]

方颉, 杨磊. “新零售”背景下的生鲜供应链协调
中国流通经济, 2017, 31(7):55-63.

[本文引用: 1]

[ Fang Jie, Yang Lei. Fresh food supply chain coordination in the context of "New Retail". China's
Distribution Economy, 2017, 31(7):55-63.]. DOI: 10.14089/j.cnki.cn11-3664/f.2017.07.007.

[本文引用: 1]

李旭, 刘兆惠. 新零售背景下盒马鲜生末端配送路径优化研究
物流科技, 2020, 43(6):10-14.

[本文引用: 1]

[ Li Xu, Liu Zhaohui. Optimization of terminal distribution path of HEMA fresh meat under the background of new retail
Logistics Technology, 2020, 43(6):10-14.]. DOI: 10.13714/j.cnki.1002-3100.2020.06.004.

[本文引用: 1]

齐晓斋. 城市商圈的类型与选址
江苏商论, 2007, 4(8):9-11.

[本文引用: 1]

[ Qi Xiaozhai. Types and site selection of urban business districts
Jiangsu Business Theory, 2007, 4(8):9-11.]. DOI: CNKI:SUN:SAHG.0.2007-08-005.

[本文引用: 1]

张宇, 李琪. B2C电子商务企业物流配送模式选择研究
人文杂志, 2012, 4(3):187-193.

[本文引用: 1]

[ Zhang Yu, Li Qi. Research on logistics distribution mode selection of B2C e-commerce enterprises
Humanities Journal, 2012, 4(3):187-193.]. DOI: 10.15895/j.cnki.rwzz.2012.03.029.

[本文引用: 1]

单卓然, 黄亚平. “新型城镇化”概念内涵、目标内容、规划策略及认知误区解析
城市规划学刊, 2013, 4(2):16-22.

[本文引用: 1]

[ Shan Zhuoran, Huang Yaping. "New Urbanization" concept connotation, target content, planning strategy and cognitive misunderstanding analysis
Urban Planning Journal, 2013, 4(2):16-22.]. DOI: CNKI:SUN:CXGH.0.2013-02-005.

[本文引用: 1]

相关话题/空间 社区 物流 城市 优化