□ 黃文澤,楊 航,郭承龍
(南京林業大學 經濟管理學院,江蘇 南京 210037)
近年來,隨著阿里巴巴為首的電商平臺風靡全國,快遞物流業成為了如今炙手可熱的行業之一,電子商務的發展,讓包裹穿梭在大街小巷。據國家郵政局數據顯示,2019年12月16日上午11時,我國年快遞業務量正式突破600億,作為對比,2013年我國全年的包裹量為92億,2018年全年包裹量為500億。自“十三五”以來,我國的快遞包裹量以每年近100億件的速度飛速增長,遠超美國、日本等世界發達國家,據官方數據統計,我國平均每個快遞包裹內的物品價值為137元人民幣,這意味著2019年快遞物流為全國的GDP貢獻超過8萬億元。
2018年,根據中商產業研究院數據顯示,我國網絡購物用戶規模已經達到6億,占整體網民的73%,可見網絡購物已經遍及全國,大學生作為新生代的力量,自然活躍于網絡購物的浪潮之中[1],阿里研究院的一份數據顯示,全國大學生年平均網購額為1100元,其中211高校年平均額為1500元,985高校年平均額為1650元,大學生男女網購比例為46.1%:53.9%,平均每人每年收到的包裹數量約為30個,相比于5年前有很大幅度的提高[2]。但快遞包裹的迅速增長的背后也帶來了一系列的問題,由于學校快遞點的極度分散且快遞點的易變性,導致高??爝f站爆倉、快遞保管不善的現象層出不窮,由此可見,創新校園快遞物流體系符合當下形勢。
近年來,物流中的“最后一公里”備受關注,末端的配送環節——快遞站到消費者,直接影響著整個物流服務的品質和效率,國內眾多學者也在研究快遞物流的問題。
馮雪元等認為高校中快遞物流存在著很多問題,快遞點分散、沒有形成快遞物流體系,造成了極大的資源浪費[3];張祚等認為無論是社區還是高校,針對快遞物流都需要進行針對性的規劃,合理布局,從而達到資源效率最大化[4];針對現在的校園快遞物流問題,戴金輝等提出要創新高校校園快遞新模式——成立校園快遞物流社,讓取快遞不再煩惱[5];施書彪等認為智能快遞柜終端配送方案具有很強的可行性,優化快遞柜的選址,可以降低快遞的配送成本和租金成本[6];李英等提出,基于“互聯網+”時代背景,校園中可以建立快遞收發超市、實現儲物柜進入校園[7];唐伶提出校園快遞可以不局限于一兩種模式,可以將擺地攤、自營店、快遞超市、智能柜模式統籌結合起來[8];夏泉還提出校園快遞最主要的問題就是從快遞站到學生手中的不便利,所以,可以建立校內自己的配送快遞團隊,人性化服務,通過車輛統一配送[9]。
縱觀近年來的文獻,對于校園快遞物流模式的研究成果很多,但是絕大多數研究只是提出了校園快遞物流的大框架,沒有能具體到每一次配送的細節?;诖?,本文以南京林業大學為例,采取實地調查、問卷調研等方法對高校快遞物流的創新機制進行深入研究,并提出相關的合理化建議。
筆者針對校園快遞物流的實際情況,在校內對各年級學生發放問卷58份,回收問卷58份,剔除部分無效問卷之后,有效問卷為50份,問卷有效率86.20%,其中男生占比44%,女生占比56%,問卷內容涉及其基本情況、拿快遞的頻率、取快遞的時間、拿快遞的方式、對智能快遞柜的意愿度等,運用SPSS25.0軟件進行進階分析。
從表1可以看出,性別對于快遞物流的包裹好呈現出0.05水平顯著性(chi=4.539,p=0.033<0.05),通過百分比對比差異可知,女生未選中的比例85.71%,明顯高于男生的選擇比例59.09%。男生選中的比例40.91%,明顯高于女生的選擇比例14.29%,可見在學生中,男生相比于女生更在意快遞包裹的質量。

表1 交叉卡方分析結果
變量定義中,最喜歡的快遞點中,以1-6編號快遞,1代表離學校大門最遠的,6代表離學校大門最近的,所在樓棟中,以1-4進行片區編號,1代表離學校大門最近的,4代表離學校大門最遠的。
從表2可知,將所住樓棟作為自變量,而將最喜歡的快遞點作為因變量進行線性回歸分析,模型R平方值為0.411,意味著所住樓棟可以解釋最喜歡的快遞點的41.1%變化原因。對模型進行F檢驗時發現模型通過F檢驗(F=33.505,p=0.000<0.05),也即說明所住樓棟一定會對最喜歡的快遞點產生影響關系。
模型公式為:最喜歡的快遞點=4.978-1.146*所住樓棟。
具體分析可知,所住樓棟的回歸系數值為-1.146(t=-5.788,p=0.000<0.01),意味著所住樓棟會對最喜歡的快遞點產生顯著的負向影響關系,即大家最喜歡的快遞點一般取決于快遞站點到宿舍的距離,距離越近,喜歡度越高。

表2 線性回歸分析
變量定義中,收到取貨碼到取快遞的平均時間分為4檔,1-4:1代表3小時以內,2代表3-12小時,3代表12-24小時,4代表24小時以上。

表3 ARMA(2,1)模型參數表
針對從收到提貨碼到取快遞的平均時長,結合AIC信息準則,SPSS自動對多個潛在備選模型進行建模和對比選擇,最終找出最優模型為:ARMA(2,1)
其模型公式為:y(t)=2.334+1.209*y(t-1)-0.445*y(t-2)-1.000*ε(t-1)
從Q統計量結果看,Q6的p值大于0.1,則在0.1的顯著性水平下不能拒絕原假設,模型的殘差是白噪聲,模型基本滿足要求。

表4 預測值(12期)

圖1 從收到提貨碼到取快遞的平均時長模型擬合和預測
由此可見,雖然問卷數量不是十分龐大,但總體符合普遍性,具有代表性。
當下,快遞物流公司數不勝數,南京林業大學內存在著順豐、三通一達、百世、天貓、郵政、京東等多家快遞公司,其中順豐、申通、百世、郵政、圓通等分布在圖2中的D區域到E區域之間,韻達、中通則分布在圖2中的B區域的上方,而中通、韻達近些年的發展,讓其快遞量也相比于其他幾家有所上升,這就導致如果同時收到中通和圓通的快遞取件信息,處在人群密集地的學生宿舍A區和B區的學生就需要圍繞著整個學校進行漫長的跋涉,時間消耗巨大,同時,除了順豐、中通、韻達、圓通四家之外,其他的快遞公司都沒有在學校內形成穩定的快遞點[10],導致快遞站點因為天氣、數量、學校政策等原因不斷變化取件地點,按照慣例拿快遞的人可能會因此走錯站點。

圖2 南京林業大學主要人群聚集地
當代大學生網購熱情空前高漲,導致快遞站每天都會堆積大大小小很多包裹,但快遞站的空間有限,有些大型的包裹就只能擺放在站點門口或者站點附近的馬路邊,除了順豐以外,其他的快遞點對于擺在外面的快遞只是多鋪了一層簡易的擋雨板,甚至有些沒有任何保護措施,下雨天這些快遞便會泡在雨中,快遞易損壞。
現在學校內的快遞點全部采用短信發送驗證碼提貨的方式,而由于不同站點的掃碼設備不同,導致有些掃碼技術落后的站點,包裹到達的消息沒能第一時間傳達出去,讓同學們錯過可能的取快遞的時間,同時,校園快遞點實際上是個代收點,由于快遞量大,不能夠幫助查詢具體的快遞信息,所以,在收貨拒簽方面很難完成。
由于校園內的快遞點是分開經營,每一家快遞點的服務時間是根據自己公司的要求來的,而多數學生網購的時候也會經常發現,很多貨物并沒有選擇物流企業的機會,所以,在包裹的領取方面,就給學生造成很大困擾,一些較遠的快遞點很可能服務時間過短[11],對于一些有課程或者在圖書館學習的學生來說,等到自己有空去取的時候,快遞點已經關門。
學校可以針對快遞站點過于分散的問題進行統籌規劃,例如,在兩個操場之間有曾經的教學樓,現在閑置已久(如圖3的星號位),此處距離玄武大道沿線的三片學生公寓區距離相似,且距離主要的教學樓——教學五樓、教學主樓、教學九樓距離都不遠,學生無論是從宿舍直接過來取快遞還是上下課途中順路取快遞都是理想的選擇,同時,學校統一設立快遞站點可以改善快遞站點之間掃碼、分揀等技術的差異,加強校園快遞物流的規范化。其次,統一的快遞站點可以解決之前服務時間不同的問題,統一的快遞站點,依托地形,在不同的彎折處設立不同快遞的取件口,按照統一的時間上下班,方便學生們取快遞。

圖3 南京林業大學快遞站點整合
創新快遞物流模式主要是取貨端,一是針對取件碼問題??梢栽O立官方的微信公眾號,統一管理的好處就是統一調撥,可以讓所有進入快遞中心(快遞合并的站點簡稱快遞中心,下同)的包裹進入公眾號的后臺數據庫中,公眾號和短信取件碼形成雙保險,學生們可以不用等待取件碼,只需要在微信公眾號上查詢快遞的進程,從而獲取可以去快遞中心取件的號碼;二是在宿舍片區增設智能快遞柜。在宿舍樓之間的空地設立快遞柜,快遞柜大大方便了學生們取快遞。
整體的快遞領取流程是:一、快遞送入快遞中心,學生們收到信息,確認收件還是拒簽;二、學生確認收件后,可以選擇快遞中心領取、每天定時派送宿舍樓下、智能快遞柜領取三種途徑,選擇快遞中心領取的就按照正常流程,等待分揀完,驗證碼收到后去快遞中心領取,選擇定時派送到宿舍樓下的需要選擇約定時間,學校安排勤工助學的學生統一按照樓棟進行派送,規定時間內不到則快遞退回快遞中心,可以再預約一次,第二次未按約定時間領取再預約則需要繳納一定的費用,費用累加,全部提供給助學崗位的學生;選擇智能快遞柜能夠最大程度的方便領取快遞,快遞柜就在樓棟附近,但領取時間也有所限制,超時也需要繳納保管費用。
校園提供了除了普通拿快遞以外更加便捷的定時送至樓棟下和智能快遞柜存放兩種方式,相應的資源的有限性決定了不能浪費資源[12]。為了加大資源的利用率,在快遞中心領取快遞的方式可以和以前一樣,定時送樓下可以預約兩次,針對同一個快遞前兩次免費,兩次送包裹未取走,則需要加收一元錢作為辛苦費,三次不拿則需要支付兩元,以此類推;智能快遞柜因為存放數量有限,在5小時之內必須領取,超過5小時未領取,加收0.5元/小時的快遞柜保管費,同時這些工作全部交由學校的勤工助學崗位的學生完成,相應的多出的辛苦費和保管費作為助學金全部提供給學生,從而既增加了物流效率,又給學校增添了許多勤工助學崗位。