時空供求因素對OTO企業交易成功率的影響*——基于打車軟件的實證研究

李 季 張 帥 許 可 江明華

?

時空供求因素對OTO企業交易成功率的影響*——基于打車軟件的實證研究

李 季1張 帥1許 可2江明華2

（1．中央財經大學商學院 北京 100086）（2．北京大學光華管理學院 北京 100781）

本文利用OTO行業中某打車軟件的訂單成交記錄，從OTO行業自身的特點出發，結合時間和空間因素，對OTO商戶供給和用戶需求進行深入的分析，探索基于時空特征的OTO企業供求關系對于交易成功率的影響。實證研究發現OTO企業交易過程中，訂單時空供求因素、訂單特征以及促銷因素影響著交易成功率。OTO企業不同于傳統行業，有效的供給和需求量需要基于一定的時間和空間特征來計算。OTO平臺上的商戶供給量越大，交易的成功率越大；用戶需求量越大，交易的成功率越小。本文的研究結果為OTO企業提高交易成功率提供理論指導。

OTO 企業訂單 特征時空 供求交易成功率

一、引 言

互聯網技術的發展推動了線下傳統行業與互聯網的結合，創造了一種全新的互聯網商業模式——OTO（Online to Offline）商務。OTO是指通過互聯網向用戶提供商家信息，消費者在線預訂線下商品或服務，再到線下去享受服務的一種商務模式。它將線下商務機會與互聯網結合，讓互聯網成為線下交易的前臺。OTO模式能夠將線上虛擬經濟與線下實體經濟進行全面融合，使得生活中的商業行為特別是服務類商品購買都可以在網上完成，擴展了電子商務的業務范圍，是繼B2C、C2C之后電子商務的又一浪潮。

OTO 作為電子商務的新模式在近幾年有了快速的發展。《中國企業互聯網應用狀況調查報告》顯示，2015年上半年，OTO市場規模已達3049.4億元人民幣，同比增長近80%。過去幾年時間里，國內資本市場對于OTO行業的期望甚高，上億的資金不斷從投資機構注入各個新興OTO市場，造成了國內OTO“遍地開花、補貼不斷”的“大繁榮”景象。但隨著近期投資市場“寒冬論”的頻繁出現，對OTO現有模式是否適合任何傳統行業的質疑開始出現。OTO的價值究竟何在？在商家和客戶兩端，OTO平臺能給他們帶來什么價值以及OTO平臺如何從商家和客戶兩端獲得利潤都是值得研究的問題。

從業務模式來看，目前OTO平臺的主要任務是連接C端（Customer）需求和B端（Business）服務。這一過程的理想結果是：C端用戶獲得相同品質的服務且所付費用降低，B端商戶客流量增加且利潤率不變（售價可能降低），OTO平臺在為這兩端提供信息或其他服務（比如快遞送餐）時可以從其中一端甚至兩端獲得利潤。這種模式獲取成功的關鍵是如何有效地將C端的需求與B端的供給相匹配，提高交易的成功率，因為只有這樣OTO平臺才可以幫助交易雙方降低搜尋、聯系、契約簽訂等交易成本（Dervojeda等，2013），進而創造利潤。因此，OTO的本質不僅是將線下的傳統產業搬到線上，而且是以互聯網作為工具，通過降低B、C兩端間的交易成本來實現自身價值。OTO企業的持久發展必須依靠商戶和客戶形成有效交易，保證交易的成功率，進而才能產生現金流和利潤，企業才能持久發展。OTO 概念被提出后，在業界引起了廣泛的討論和實踐，學者們也從商業模式、數據分析、行業應用與案例分析等方面進行了探討。目前學術界對于OTO行業的研究主要集中在OTO模式的發展動力和OTO消費者行為的影響因素。Rampell（2010）通過Groupon、OpenTable、Restaurant.com和SpaFinder四家公司案例分析總結OTO企業運營的共同點。Bravo（2012）指出線上和線下結合是電子商務發展的新方向。Lieber（2011）的研究顯示OTO模式不僅能夠提高消費者購買的便捷性，同時線下消費又能有效地避免網上的欺詐行為。彭惠和吳利（2014）從消費者和電商企業的角度分析了OTO電子商務模式發展的動力所在，并根據OTO的特點總結出適合采用OTO 模式的商品類型。Dumrongsiri（2008）發現零售企業通過線上和線下的雙渠道供應鏈可以提高企業的整體利潤。Ji等（2014）分析了OTO商務模式的流程和核心關鍵點，提出了OTO零售企業核心競爭力的椎體模型。另一方面，在針對OTO消費者行為的研究中，Chen（2013）分析了OTO模式下線上服務和線下服務的差異，并且分析了線下和線上顧客忠誠度的差異。Wu和Heish（2014）提出為了滿足不同顧客的需求，有效地加速網上訂單的產生，OTO企業應當利用推薦系統，并且根據位置、時間和預算滿足OTO顧客的需求。Chen（2012）研究發現OTO服務兼容性與易用性是影響消費者使用的主要因素。李普聰和鐘元生（2014）的研究發現感知有用性、可試用性、可觀察性、兼容性及感知風險等對OTO模式采納行為有顯著影響。于本海、楊永清（2015）系統地分析了用戶線下體驗和商戶線下存在兩個OTO特征對消費者接受意向的影響。這些研究一方面側重于對OTO整體模式的探索，分析OTO模式的形成和發展前景；另一方面針對消費者在OTO模式下的主觀認知和消費行為進行研究。對于OTO企業如何提高B端和C端的交易量和交易成功率的研究并沒有涉及。

傳統的經濟學理論告訴我們交易是供給和需求兩種力量共同作用的結果。OTO模式是市場經濟中的新形式，不同于傳統行業，它的供給和需求受到時間和空間因素的影響。OTO是將線下商務機會與互聯網相結合，消費者在線預訂線下商品或服務，再到線下去享受服務的一種商務模式。因此，OTO服務的效率極大地受到時間和空間的影響，OTO企業通過分析用戶產生需求的時間和地理位置，進而提供符合需求的商戶信息，是提高交易成功率的關鍵所在。學術界有很多學者研究了時空因素對消費者的影響。雖然，有學者認為強調個體時空數據的獲取是制約行為研究的重要瓶頸之一（柴彥威，2010），但是隨著手機的普及，移動定位服務為個體時空數據的獲取提供了新的技術支持。移動定位服務是指通過移動設備的地理位置分析、發掘潛在有用信息而向消費者提供服務的新型技術，它已成為一個基于移動定位信息的新型研究領域（O'Hanlon，2007）。基于移動定位的時空行為數據信息真實，定位精度高，且適合大規模采集。Ratti（2006）通過232個通訊基站的數據研究了城市手機使用者的時空分布特征，由此得出城市人群空間活動的特點。Hoadley（2010）和Zhou（2013）提到通過移動定位服務技術建立的信息服務平臺可以提高信息的準確性，為用戶提供更優質的服務。Zou（2015）通過實證研究提出LBS可以向消費者提供精確的個性化信息，優化消費者在商場購物時的決策；而且LBS不僅影響著即時的消費決策，從長期來看也會對消費者的忠誠度有影響。

OTO平臺是一種基于移動定位的商業模式，基于時空特征的供求因素如何影響OTO企業的交易成功率是值得研究的問題。因此，本文從OTO自身的特點出發，結合時間和空間因素，對OTO行業的商戶供給和用戶需求進行深入的分析，探索基于時空特征的OTO供求關系對于交易成功率的影響，為OTO企業提升服務效率和創造平臺利潤提供理論指導。

二、研究方法

（一）數據來源

打車軟件是一種基于地理位置服務的智能手機應用。打車軟件行業經過4年多的發展，已經形成一定的市場規模，競爭重點已經從獲取新客戶轉向維系現有用戶和實現持續盈利。打車軟件基于移動端提供的地理信息，實現線上預定和線下消費，是一類典型的OTO企業。

本文所使用的數據來源于某打車軟件公司在北京市場的出租車訂單成交記錄。企業從其數據庫中隨機抽取2015年上半年某一工作日的交易數據，共包含237,635條訂單，其中未完成交易的訂單有104,682條，交易成功率為56%，還有待于進一步提高。在這一階段，企業給予消費者和司機的補貼大幅減少，訂單代表了消費者的正常需求和司機提供的相應服務，因此更能反映OTO企業日常營業情況。數據包括訂單ID，出發地的經緯度，目的地的經緯度，出發時間，用戶給予出租車的小費金額，打車軟件提供的補貼金額，目的地與出發地的有效距離，訂單呼叫次數和訂單狀態等變量。

（二）研究模型

在本文中，我們主要關注對于交易成功率的影響因素。除了常見的促銷因素和訂單特征外，我們還在模型中加入了OTO訂單的時空特征和時空供求因素，分析其對OTO企業交易成功率的影響，研究框架如圖1所示：

根據框架，我們構建了Logistic模型：

其中，

X為影響交易成功率的變量。為待估計系數。0為截距項。為隨機誤差項，滿足等基本假定。結合本文所涉及的影響因素，我們假定：

其中，bonus為OTO平臺的補貼金額；tips為用戶提供的小費金額；callcount為訂單的呼叫次數；length為訂單的承載距離；drivernum和ordernum為基于時空的供給量和需求量；circle_o、circle_d、ringway_o、ringway_d、house_o和house_d為服務的出發地和目的地的地理特征；time為服務的時間特征。

圖1 研究框架

（三）變量計算

對于因變量，我們通過匯總觀測期內打車訂單的狀態，將完成的訂單設為“1”，而將沒有司機接單或者中途取消的訂單設為“0”。對樣本數據的交易完成狀態進行簡單描述分析，我們發現，打車軟件的用戶端共產生237635條訂單，但最終只有132953條訂單完成，104682條交易沒完成，未完成率高達44%。可以看出，OTO企業通過互聯網產生交易的同時，交易完成度并不高。企業增加知名度，提高交易量的同時，還得提高整體的交易完成率，才能保證平臺的利潤。研究影響OTO企業的交易完成率的因素尤為重要。

正如前面所討論，OTO企業為了提高用戶和商戶交易的完成度，提供平臺補貼吸引雙方，考慮到補貼形式并不能增加顧客的忠誠度，帶來長久利潤，因此我們在傳統促銷模型中引入訂單產生的時間、基于位置服務（LBS）的空間因素以及結合時空因素計算出的訂單時空需求量和訂單時空供給量等因素作為自變量。他們分別是：

1、促銷因素

平臺補貼金額：為了吸引B端和C端更多的使用OTO軟件進行交易，企業會提供少量的不同金額進行促銷。

小費金額：C端用戶為了更加有效地完成訂單，會在正常價格上給予B端用戶少量的金錢作為小費，我們定義為：小費金額=用戶價格—正常價格

通過分析可以看到，隨著OTO市場的成熟和逐步完善，補貼金額和小費金額的力度越來越小，平臺提供補貼的訂單僅占12%，用戶提供小費的訂單僅有8%，因此我們更加需要研究促銷以外的因素對于訂單成功率的影響。

2、訂單特征

訂單呼叫次數：消費者提出服務需求后，由于長時間沒有司機接受訂單，嘗試再次刷新訂單吸引司機注意，即產生訂單的呼叫次數。我們認為，呼叫次數越多，說明訂單的質量越差，因此交易成功率越小。

交易承載距離：交易過程中，訂單的出發地和目的地的距離影響著商戶和用戶的交易成功率。距離越遠，交易訂單的質量越高，商戶通過此訂單獲得的收入越高。因此，承載距離對于交易成功率有著正向影響。我們發現，訂單的距離標準差為6329.91，說明承載距離差異較大。

3、交易的時空特征

OTO企業的交易受到時間的影響，在不同的時間段內，交易的成功率有很大差異。通過圖2可以看出，以每小時為準，最大的成功率（0.83）和最小的成功率（0.35）之間竟然相差0.48。因此，我們以時間作為變量進行研究，每3個小時為一個時間段，共有8個時間段，分析時間對交易成功率的影響。

圖2 每小時的交易成功率

考慮到在打車過程中，人們出行的地理因素，如是否在商圈或住宅圈，也可能對交易成功率產生影響。因此，我們定義了幾個虛擬變量circle_o（1=出發地為商圈，0=出發地不在商圈）；circle_d（1=目的地為商圈，0=目的地不在商圈）；house_o（1=出發地為住宅圈，0=出發地不在住宅圈）；house_d（1=目的地地為住宅圈，0=目的地不在住宅圈）；我們將地理位置根據城市環線進行細分，定義環線的分類變量ringway_o（出發地在北京二環以內，出發地在北京二環和三環之間，出發地在北京三環和四環之間，出發地在北京四環和五環之間，出發地在北京五環和六環之間，出發地在北京六環以外）和ringway_d（目的地在北京二環以內，目的地在北京二環和三環之間，目的地在北京三環和四環之間，目的地在北京四環和五環之間，目的地在北京五環和六環之間，目的地在北京六環以外）。通過描述性分析可以初步看到，訂單在商圈和非商圈的分布比較平均，在住宅圈和非住宅圈的分布不均。根據環線區域的統計，在北京四環至六環的訂單數量較多。

圖3 不同特征的出發地交易成功率分析

圖4 不同特征的目的地交易成功率分析

從圖3和圖4可以看出，消費者的出發地理位置在商圈、住宅圈或距離市中心的位置越近，其交易的成功率越小。考慮到這些位置的人口密度較大，訂單需求較多，從而訂單完成的可能性較小。間接說明，OTO企業的交易受到B端商戶和C端用戶的供給和需求影響。

（四）交易的時空供求因素

對于交易的時空供求因素，我們根據訂單呼叫時間前后及所在位置周邊的其他訂單數量，計算出交易的時空需求量（drivernum）；根據訂單被打車平臺發送給的周邊司機的數量，計算出交易的時空供給量（ordernum）。時空供給量平均為31個，而時空需求量平均65個，C端用戶的服務需求量大于B端商戶的服務供給量。圖5是一天之內不同時段時空供求量的比較。我們發現，在一天內，打車行業的司機的供給普遍要比顧客需求多，高峰時間段，二者匹配程度較好。我們進一步的計算供給與需求的比率，并且與交易成功率比較（參見圖6），發現供給與需求的比率越大，交易成功率越高，比率越小，交易成功率越低。

圖5 不同時段時空供給和時空需求比較

圖6 供給與需求指標與交易成功率的比較

三、數據分析結果

在初步的描述性分析之后，我們利用logistic模型對上述四大類影響因素進行了分析。我們將數據隨機分為擬合樣本和驗證樣本，其中擬合樣本共有166344條數據進行回歸分析，驗證樣本有71292條數據根據回歸結果進行預測，并將預測值與真實值進行比較，觀察預測有效性。分析結果如表1所示，模型1是傳統的促銷因素和訂單因素對于交易成功率的影響，自變量包含平臺補貼金額、用戶提供的小費金額、訂單呼叫次數、交易承載距離；模型2在模型1的基礎上根據移動定位服務（LBS），加入交易訂單的空間和時間因素，主要包括出發地和目的地的時間段、是否在商圈、是否在住宅圈和環線位置的因素；模型3、模型4和模型5是在模型2的基礎上，加入了結合時空因素的供給量和需求量，時空需求量為每個訂單1公里以內、5分鐘前后的相關訂單數量，時空供給量是聽到每個訂單的司機數量；①模型4加入的是供給與需求之差，模型5加入了每個訂單的時空供給量和需求量的比值。

表1 各模型的回歸分析與結果

續表1

注：***代表P<0.01。

從回歸結果可以看出，傳統的促銷因素，即用戶小費和平臺補貼都會顯著影響交易的成功率：顧客在考慮到打車難的情況下，增加些小費進而希望有商戶提供服務，但因為訂單本身的質量不高，增加消費的效應并不顯著，反而會降低交易成功率。另外，平臺補貼會提高交易的發生率，反映了OTO企業通過補貼形式促進交易的有效性。

我們通過承載距離和訂單呼叫次數來考察訂單質量對于交易的影響。承載距離越大，說明訂單質量越高，訂單呼叫次數越多，說明訂單質量越低。回歸結果中，承載距離對于交易成功有正向影響，呼叫次數對于交易成功有負向影響，因此，總的來說訂單質量越好，交易成功率越高，訂單特征對交易成功率有正向的影響作用。

在時間因素方面，對比凌晨的3個小時，其他時間段的交易成功率都低于凌晨時段，并且在6點-9點的交易成功率最低。

地理因素方面，出發地為商圈的交易成功率比非商圈的低，而出發地為住宅圈的交易成功率比非住宅圈高。目的地的地理特征對于交易成功率的影響并不顯著。從環線變量來看，其他環線位置的交易成功率都顯著高于二環之內（北京市中心位置）。

最后，從時空供求因素來看，周邊司機越多，交易成功率越大，時空供給對于交易成功率有正向影響。周邊訂單越多，交易成功率越小，說明時空需求量對于交易成功率有負向影響。同樣，將時空供求兩個因素結合到一起看，無論是供給與需求之差還是供給與需求之比都會正向影響交易成功率。進一步說明供給大于需求對交易成功的重要作用。

另外，我們利用五個模型的系數，對預測組進行預測，檢測模型的有效性。各項指標如下：

表2 模型有效性結果

續表2

從結果中我們可以看出，在傳統模型的基礎上，結合時空供求因素的模型3的AIC值最小，R2值最大，組內預測和組外預測率都是最大，說明模型3在所有模型中是最優的。

我們進一步分析了不同時間和位置的訂單的供求因素（時空供給與需求之差）對成功率的影響是否存在差異，分析結果如圖7-9所示。從圖中可以看出，訂單的出發地或目的地如果位于商圈或住宅圈，那么時空供求對訂單成功率的影響要大于非商圈或非住宅圈；從三環內出發的訂單，供求因素對成功率的影響最大，從五環以外出發的訂單，供求因素影響最小，訂單目的地的差別較小；從時間來看，早晚上班高峰（早晚6點到9點之間）以及晚上9點到12點之間，供求因素對訂單成功率的影響較大，其他時間影響較小。

圖7 訂單的位置特征對時空供求變量參數估計的影響

四、結 論

（一）結果討論

對于促銷因素和訂單特征的考察結果，充分說明平臺促銷以及訂單質量對于交易成功率的正向影響。隨著平臺補貼金額的增加，B端商戶提供服務的積極性就會增加，因此交易完成率也會不斷提高。承載距離是打車訂單質量高低的一個直接的衡量指標，距離越遠說明司機能夠賺到的錢越多，所以承載距離越長的訂單越容易交易成功。用戶提供的小費以及訂單的呼叫次數是兩個間接衡量訂單質量的指標，對于質量不高的訂單用戶才愿意提供小費或者需要呼叫多次，因此，小費金額和呼叫次數都對交易成功率產生了負面影響。這兩個方面均沒有考慮到時空因素的影響，并不是我們研究的重點。另外，從交易的時間和空間方面考慮，高峰時段的交易完成率相比其他時段更低；相對于市中心（北京市二環以內），其他環線位置的交易成功率更高。在商圈內的訂單完成率會顯著優于不在商圈內的訂單。這些時空因素的分析結果，只是從表面上區分了不同時間段和地理位置上交易成功率的差異，并沒有解釋這些差異存在的原因。而對時空供求因素的考察恰好可以進一步說明交易成功率在不同時空下的差異。

從我們的研究結果來看，在同一時間段和地區內，用戶產生的服務需求量越多，商戶提供的供給量越少，交易完成的可能性就越低。這是因為時空供給和需求實際上決定了在某一時空下市場的競爭態勢。如果需求多、供給少，則需求方之間存在競爭，訂單完成的可能性就低。如果需求少，供給多，則供給方之間存在競爭，為了不浪費自己的供給資源，他們對訂單的接受程度就高，所以交易達成的可能性較高。因此，OTO企業要想更好地完成對于C端用戶和B端商戶的匹配，從而降低交易成本，提高交易成功率，就必須時刻關注不同時空下的供給量和需求量，利用自己的數據和技術優勢，要么引導交易雙方調整自己的需求量和供給量，要么調整供給或需求的時間和空間，這樣才能達到供需平衡，真正實現OTO平臺的價值。此外，在不同的時空特征下，供求因素對于訂單的成功率也有不同的影響。總的來說，在商圈或住宅圈內以及市中心的位置（三環以內）供求對訂單成功率的影響較大。從一天的不同時段來看，早晚高峰和晚上，供求因素對訂單成功率的影響較大。因此，OTO企業在運營中應重點關注這些位置和時間段，最小化自己的運營成本。

（二）管理意義

健康的OTO商業模式至少要保證解決三個問題，即：“為商戶帶來利益、為用戶解決問題、為自己創造利潤”，本文為OTO企業提供了一個全新的視角來考慮OTO平臺中B端商戶和C端用戶交易過程中，時空供求因素對于交易成功率的影響，分析OTO平臺利潤創新的突破點。本文所建模型和研究結論對于OTO模式的企業來說具有較高的應用價值。

第一，OTO服務的效率極大地受到時間和空間的影響。OTO企業可以根據時空供求對比特定時間特定地理范圍內用戶和商戶的供求關系，為兩端用戶提供即時有效的推薦。OTO企業可以通過平臺建立彈性推薦制度，結合時空因素對供求量進行分析，為消費者和商戶提供及時有效的服務。當OTO平臺交易訂單的用戶需求量小于商戶供給量時，可以推薦商戶調整服務范圍，擴大接單區域，也可以推薦消費者更多關聯服務，提高消費者的關聯購買和消費；當OTO平臺交易訂單的用戶需求量大于商戶供給量時，可以向周邊商戶推薦此范圍內的訂單信息、增加商戶供給，也可以提示消費者等候時間，推薦相似商戶，提高消費者的交易效率。OTO企業應當將平臺的大數據有效利用研究，通過互聯網技術分析制定及時有效的營銷策略。企業通過數據應用和互聯網技術在不同時間、不同空間配備不同的服務力量，全面地服務用戶和商戶，提高兩端用戶的交易成功率，保證交易過程的完成，進而平臺才能創造利潤。另外，OTO企業從每日訂單中積累了大量信息，包括消費者行為、習慣、特殊需求等，還有城市交通狀況信息。利用移動信息和技術可以做到提前預測需求，然后確保供應量與將要達到的需求量相匹配。

第二，對商戶和用戶進行補貼目前是國內各OTO平臺所采用的主要推廣手段，從目前市場上的結果來說，OTO平臺前期通過對用戶進行補貼確實是一種可以快速聚集用戶的有效戰術，但補貼并不能成為其商業模式的全部，如果不能對用戶群體進行篩選并為其中具有高付費潛力的用戶提供具有高附加值的服務，那么過度依賴補貼策略只會不斷增大自身融資壓力，進而可能導致企業資金鏈斷裂而滅亡。我們的研究也表明，通過補貼的營銷策略對于OTO企業來說不是主要因素。依靠補貼帶來的快速繁榮背后是以商戶利益或自身利潤作為代價的。OTO企業應當分析交易訂單的差異性特征，差異化對待各個交易訂單，不同質量的訂單采取有效的營銷手段，促進各交易訂單的完成，提高訂單交易率，為OTO平臺創造利潤。

第三，中國經過30多年的要素投入，經濟模式需由粗放型向集約型轉變。降低交易成本、提高供需匹配效率的經濟模式符合當前經濟的發展趨勢，值得在供給側結構性改革中進行借鑒。目前產能過剩本質上是供給大于需求。供給大于需求有很多方面，有一種情況是并非沒有需求，但因為交易成本過高，供給無法觸及需求。在沒有增加新資源的情況下，通過移動互聯網、大數據和云計算，創造了就業，降低了服務交易成本，有利于解決供給側的問題。

（三）研究局限與未來研究方向

通過本文構建的時空供求模型，OTO行業能夠通過服務的時空特征和時空供求因素評估交易的完成，從而可以更加合理地預估OTO平臺交易，分析企業利潤和行業前景，為OTO的戰略發展進行科學合理的營銷規劃和策略制定。

當然，本研究也存在一定的不足。例如，本研究的數據是來自北京OTO企業的訂單交易數據，針對北京地區進行分析，研究沒有涵蓋二三線城市的OTO行業發展，今后的研究可以嘗試分析二三線城市中的OTO發展及不同城市下的發展差異。再如，OTO是新型行業模式，由于目前的市場滲透率較低，會有大量的企業涉足，今后可以從市場競爭者角度出發，考慮同行業競爭對交易的影響，使得研究更加全面有效。

1. 柴彥威、趙瑩、馬修軍：《基于移動定位的行為數據采集與地理應用研究》[J]，《地域研究與開發》2010年第6期。

2. 李普聰、鐘元生：《移動OTO商務線下商家采納行為研究》[J]，《當代財經》2014年第9期。

3. 彭惠、吳利：《OTO電子商務：動力、模式與前景分析》[J]，《華南理工大學學報（社會科學版）》2014年第6期。

4. 王俊輝、韓丹：《OTO結合LBS的電子商務模式研究》[J]，《電子世界》2014年第7期。

5. 于本海、楊永清：《顧客體驗與商戶線下存在對社區OTO電商接受意向的影響研究》[J]，《管理學報》2015年第12期。.

6. 中國互聯網絡信息中心互聯網發展研究部：《2014年下半年中國企業互聯網應用狀況分析》[J]，《互聯網天地》2015年第7期。

7. Bravo,R., Hem,E.,and Pina,L.M.,2012,"From Online to Offline Through Brand Extensions and Alliances" [J],Vol.8,No.1:17-34.

8. Chen,L.D.,Gillenson,M.L.,and Sherrell,D.L.,2012,"Enticing O2O Consumers: An Extended Technology Acceptance Perspective"[J],, Vol.39,No.8:705-719.

9. Chen,Y.,Jeon,Y.J.,and Kim,Y.M.,2013,"A Day without a Search Engine: An Experimental Study of Online and Offline Searches"[J],, Vol.17,No.4:1-25.

10. Dumrongsiri, A., Fan, M., and Jain, A.,2008,"A Supply Chain Model with Direct and Retail Channels" [J],, Vol.187,No.3: 691–718.

11. Dervojeda, K., Verzijl, D., and Nagtegaal, F., 2013, "The Sharing Economy: Accessibility Based Business Models for Peer-to-peer Markets"[J],, Vol.9.

12. Hoadley, C. M., Xu, H., and Lee, J.J., 2010,"Privacy as Information Access and Illusory Control: The Case of the Facebook News Feed Privacy Outcry"[J],, Vol.9,No.1: 50-60.

13. Ji, S. W., and Sun,X.Y.,2014, "Research on Core Competitiveness of Chinese Retail Industry Based on O2O" [J],, Vol.834: 2017-2020.

14. Lieber,E., and Syverson, C., 2011,"Online vs. Offline Competition"[J],, Vol.189.

15. Ratti, C., Frenchman, D., and Pulselli,R.M.,2006, "Mobile Landscapes: Using Location Data from Cell Phones for Urban Analysis"[J],, Vol.33,No.5:727-748.

16. O'Hanlon,C.,2007," Where on Earth? "[J],, Vol.20,No.3:7.

17. Rampell, A., Campbell,A., Angelo,T., 2010," Methods and Systems for an Alternative Payment Platform: WO, US7788139"[P], 2010.

18. Wu, C.H., Heish, T., and Ma,T.G.,2014,"Novel Decoupling Network for Two-element Array Using Even-odd-mode Impedance Transformer"[C].

19. Zhou,T.,2013,"An Empirical Examination of User Adoption of Location-based Services"[J],, Vol.13,No.1: 25-39.

20. Zou, X., and Huang, K.W., 2015, "Leveraging Location-based Services for Couponing and Info Mediation" [J],,Vol.7No.C:93-103.

（H）

①對于時空需求量，我們同時也做了1公里以內、10分鐘前后的相關訂單數量以及3公里以內、10分鐘前后的相關訂單數量，回歸結果雖然顯著，但系數明顯小于1公里內、5分鐘前后的時空需求，因此模型中采用此方法計算。

*本文獲得國家自然科學基金項目（批準號：71102127和71172030）的資助。感謝匿名審稿人的寶貴意見。