大數據新零售對生鮮供應鏈的影響研究

陳 露

（江西理工大學經濟管理學院，江西 贛州 341000）

一、引言

隨著中國經濟的轉型升級，加之新技術的不斷發展變革，零售邊界不斷被超越和打破，新零售的發展成為不可阻擋之勢[1]。2016年，馬云首次提出新零售概念，認為純電商時代已經過去，迎來了線上線下相融合的新零售時代。在數字化新零售時代下，以“盒馬鮮生”等為代表的生鮮電商，運用大數據和物聯網等新一代信息技術，重構商品供應鏈，發展重心由傳統的以產品為核心轉向以消費者體驗為核心，推動傳統零售走上高質量發展的道路。新零售表面上體現為零售渠道的變革，實質是對供給端的供應鏈進行重構[2]，供應鏈的整合與優化將主導新零售未來發展的方向。

圍繞大數據下新零售對生鮮產品供應鏈影響因素的問題，國外學者Lioutas E D，Charatsari C認為智能技術引入農業生產，可以提高應對農產品供需平衡、質量安全和購買力等風險的能力，提高農業生產效率，進一步促進農產品供應鏈的改造升級[3]。Lees等分析農產品供應鏈與供應商關系保持穩定的影響因素，研究表明供應商長期關注消費者，根據消費者需求適應市場風險以維持農產品供應鏈的關系[4]。Cai X等認為生鮮產品在運輸過程中易腐，質量難以得到保障，研究從運輸費用、產品數量和價格出發，建立模型以協調供應鏈，找到最佳決策方案[5]。Soto-Silva W E等在研究中基于生鮮產品采購、運輸和存儲建立三種優化模型。優化模型在實踐中得到運用使得企業總成本降低，為生鮮供應鏈的發展提供新思路[6]。Banerjee等在研究中表明信息共享的重要性，生鮮零售商利用已有的銷售數據及時了解市場的需求，改善產品精準定位服務，以便快速響應生鮮零售市場的發展需要[7]。Verdouw C N等認為農產品行業的發展應基于互聯網智能的設計。物流網絡具有高效、快速靈活的特性，以便對農產品供應鏈進行預測[8]。國內學者方頡，楊磊認為供應鏈的協調是影響新零售生鮮業發展的重要因素，并基于收益共享契約研究新零售生鮮業的供應鏈，最后確定最優協調策略[9]。王坤，相峰提出新零售的未來發展路徑不僅需要拓展渠道，形成“全渠道”營銷模式，同時需要利用大數據等新技術帶動新零售與供應鏈的關系重構[10]。張建軍，趙啟蘭（2018）深入地研究新零售下流通供應鏈商業模式轉型升級的路徑，提出建立以客戶個性化需求為導向的數字化、柔性化、扁平化、共享化和生態化商業模式[11]。劉陽陽研究了傳統生鮮農產品供應鏈中存在的問題，并基于大數據技術創新性地提出生鮮農產品供應鏈模式，從而提升企業效率和降低成本的建議[12]。

通過上述分析發現，本文相關的大數據新零售下生鮮產品供應鏈研究，總體上圍繞大數據技術下新零售特點、生鮮產品供應鏈現狀等問題展開。學者們認同新興技術對生鮮供應鏈的正面影響，構建出供應鏈協調優化的不同模型，助力生鮮供應鏈升級。但是現有研究對于大數據技術下的新零售較少涉及到生鮮供應鏈，即生鮮供應鏈的研究中缺少對大數據技術的分析，同時現有文獻較少分析大數據技術下新零售給生鮮供應鏈帶來的影響，需要探討大數據技術對生鮮供應鏈的影響，為大數據技術在生鮮供應鏈運用提供理論參考。因此，本文研究基于大數據技術背景，立足新零售的發展趨勢和生鮮供應鏈的現狀，深入挖掘新零售對生鮮供應鏈的關鍵影響因素，以便為進一步研究新零售的發展提供決策指導，助力新零售轉型發展。

二、多元Logistic回歸模型

Logistic回歸屬于概率型非線性回歸，它通過 Logit變換將概率和自變量關系的S形曲線直線化，從而解決了傳統回歸模型在數據類型要求上的問題[13]。Logistic回歸分析根據因變量取值類別不同，分為二項式Logistic回歸和多元Logistic回歸。由于本研究的前提假設是大數據新零售對生鮮供應鏈有不同的影響程度，其影響的因素也不同，因此采用多元Logistic回歸方法進行分析。基于Logistic回歸模型，建立生鮮供應鏈的研究模型，運用實證模型分析大數據新零售下影響生鮮供應鏈的因素，促進生鮮供應鏈優化升級。

多元Logistic回歸方法主要應用于因變量具有多種可能、多種取值水平的情況。該方法模型對于變量的假設要求不高，最終以事件發生概率的形式提供結果。設大數據新零售對生鮮供應鏈的影響程度 Y=（y1，y2，……，ym），自變量 X=（x1，x2，……，xn），P是模型響應的概率，相應的多元Logistic回歸模型如下：

式中 pi= P（yi=1|x1i，x2i，…，xki）為在給定系列自變量x1i，x2i，…，xki的值時事件的發生概率；α為截距；β為斜率。

通過構建多元 Logistic回歸模型，從大數據新零售的信息共享、顧客體驗、物流升級和消費者的個人主觀因素四大方面，對大數據新零售的影響因素進行分析，從而建立大數據新零售與生鮮供應鏈之間的關系，進而對大數據新零售與生鮮供應鏈的結合運用進行分析，為生鮮供應鏈的發展提供建議。

三、問卷設計與發放

1.設計思路

本研究運用 Logistic 回歸模型完成大數據新零售對生鮮供應鏈的影響因素分析，本研究的因變量是大數據新零售對生鮮供應鏈的影響程度。同時，自變量的選取也十分重要。由于新零售注重消費者的體驗感受，強調為消費者提供個性化服務，運用新技術對供應鏈重構和物流升級。因此，自變量將圍繞大數據新零售中的信息共享、顧客體驗、物流升級和主觀因素進行選取。

問卷主體一共分成三個部分，第一部分是被調查的基本情況；第二部分是區分被調查者是否有在新零售平臺購買生鮮產品的經歷，針對不同經歷的被調查者進一步分析原因；第三部分主要了解被調查者對大數據新零售下生鮮供應鏈的態度和看法，是衡量變量的主要部分。

問卷設計采用的是李克特五級量表，運用李克特五級量表設計的題項依次用“1”“2”“3”“4”“5”進行計分。這種方法設定固定的題目及選項可得出被調查者對于該問題態度的強弱或其對于問題的不同狀態。

2.指標選取

在研究大數據新零售對生鮮供應鏈影響因素中，共計5個變量，測量指標14個，每個指標用1-5分進行賦值，由低到高依次代表的含義是“非常不同意”“不同意”“不確定”“同意”“非常同意”，各指標的題項設計及賦值情況如表1所示。

表1 模型題項及賦值情況

3.數據來源與調查

本研究的問卷發放選擇了國內最大的在線問卷調查網站“問卷星”進行有償發放，調查人群特征不限，限制單一網絡IP地址只可回答1份問卷。最終，互聯網問卷共回收300份，去掉答題時間少于60秒的問卷，最后確認有效問卷為267份，有效問卷率達95%。

4.信度效度分析

為確保研究的科學性，對問卷進行了信效度檢驗。信度檢驗的結果表示，克隆巴赫系數為0.681，表明該問卷的信度良好，數據可靠。在隨后效度檢驗中，對量表的效度進行KMO值和Bartlett’s 球形檢驗。結果顯示，KMO值為0.788，Bartlett’s 球形檢驗X2值為 456.609，Sig 值為 0.000＜0.01，達到非常顯著。

5.描述性分析

在性別的題項中男女比例分別為50.54%、49.46%，男女性別比例分布較均勻。被調查者的年齡在25歲～34歲占36.2%、35歲～44歲占34.41%，說明在新零售平臺購買生鮮的顧客或者潛在顧客以中青年為主。在職業題項中，40.14%是公司職員，21.15%是學生。關于月收入的題項，其中“4000元及以下”“4001元～6000元”“8001元～12000元”在人數上都較為均衡，“6001元～8000元”選項人數最多，占樣本總人數的31.18%。關于新零售平臺購買生鮮的題項，83.87%的被調查者有過在新零售平臺購買生鮮的經歷，16.13%的被調查者沒有在新零售平臺上購買過生鮮，樣本數據可以作為生鮮供應鏈的影響因素分析。

四、多元Logistic回歸模型

1.模型檢驗

平行線檢驗結果如表2所示，這里輸出的是檢驗各自變量對于反應變量的影響在兩個回歸方程中是否相同的結果，如果該檢驗結果P＞0.05，說明各回歸方程互相平行有序多分類Logistic回歸模型是適當的選擇。

表2 模型平行線檢驗

原假設指出，位置參數（斜率系數）在各個響應類別中相同。

擬合度檢驗結果如表3所示，由表3可知Logistic回歸模型的Cox & Snell R2及Nagelkerke R2檢驗結果為0.383及0.430，R2（R2＜1）越大表明模型擬合效果越好。

表3 模型匯總

2.回歸結果分析

將“影響程度”做為因變量，信息共享、顧客體驗、物流升級和主觀因素的13個維度為自變量，采用向前進入的方法對自變量進行篩選，結果如表4所示。

表4 模型的回歸結果分析

表4中的結果顯示，在信息共享中，因為產品信息的共享是大數據技術下在新零售平臺購買生鮮的重要條件，不能得知產品的詳細信息，不利于顧客在新零售平臺上購買生鮮產品。對于新零售平臺借助大數據技術能夠查到產品來源等信息而購買生鮮產品不同意的顯著性為0.041，不確定的為0.001，同意的為0.011。綜上，在信息共享中，大數據新零售平臺上查到產品來源等信息對生鮮供應鏈有一定的影響，大數據技術下的信息化資源共享，引領生鮮供應鏈的信息化管理能力，為生鮮供應鏈的價值賦能奠定基礎。

在顧客體驗中，產品的新鮮度和推薦的產品與真實產品的相符度都對生鮮供應鏈有一定的影響。大數據新零售平臺上購買的產品新鮮，數據顯示其不同意的顯著性為0.01，大數據新零售平臺上推薦的產品與真實產品相符其不同意的顯著性為0.007，兩者都存在顯著性影響。但是兩者的偏回歸系數為負值，一定程度上說明顧客對新零售平臺提供的產品新鮮度和產品符合度較為敏感。綜上，大數據新零售平臺中生鮮產品的新鮮度和推薦產品與真實產品相符度對生鮮供應鏈有一定的影響，且關于產品新鮮度和產品符合度方面都可以有一定的改善空間。

在物流升級中，大數據新零售平臺的生鮮產品采用冷鏈物流，商品送達完好無損壞表示不確定的偏回歸系數為-1.689，顯著性為0.003，存在負面的影響，說明顧客對新零售的物流配送有著較高的要求。大數據新零售平臺的線下提貨地點覆蓋范圍合理表示不同意的顯著性為0.037，同意的為0.019，同時存在較大的負面影響。原因可能是線下自提店的分布不合理，如果新零售利用大數據技術合理配送生鮮產品，調整自提店的布局，生鮮供應鏈還會有一定的進步空間。綜上，在物流升級中，冷鏈物流配送和配送范圍的合理分配對生鮮供應鏈有一定的影響。顧客對物流的總體要求較高，與大數據新零售相關的生鮮供應鏈物流需要進一步優化。

五、結論與建議

本文從信息共享、顧客體驗、物流升級和個人因素四個角度設計問卷，考察大數據新零售對生鮮供應鏈的影響因素，通過對問卷結果的Logistic回歸分析發現：信息共享方面中關于產品信息的追溯、顧客體驗方面中關于產品的新鮮度及符合度與物流升級方面中冷鏈物流運輸及產品線下提貨地點覆蓋范圍都對生鮮供應鏈有一定影響。并且在信息共享、顧客體驗、物流升級、主觀因素4個變量中信息共享對生鮮供應鏈的影響最大。據此，本研究提出以下建議。

1.運用大數據技術標準化管理實現信息共享

本文研究表明產品的來源信息對生鮮供應鏈有顯著影響，同時可能存在產品信息溯源標準不統一，難以體系化的難題。新零售生鮮零售商、供應商和顧客可以通過大數據技術建立標準化信息資源共享體，充分利用大數據技術獲取數據資源，及時追蹤產品產地的信息來源，覆蓋產品生產運輸的全過程來保證產品在流通過程中的信息共享。利用大數據建立的標準化信息資源共享體，能夠對生鮮產品進行數據化信息管理，便于顧客及時查詢、檢索產品的信息狀態，另外配合物聯網、區塊鏈等新興技術，更精準、安全實現信息共享，提升生鮮產品信息的溯源管理效率，資源配置合理運用，增強顧客購買信心，助力生鮮產品供應鏈轉型升級。

2.運用大數據技術數字化實現物流智能運作

本文研究表明冷鏈物流運輸及產品提貨地點的覆蓋范圍對生鮮供應鏈有顯著影響，另外顧客對物流的總體要求較高，生鮮供應鏈配送的生鮮產品的品質難以保證，需要提高物流整體運作的效率。新零售下供應鏈借助大數據等新技術，加大物流設施投入力度，優化物流流通模式。當產品尤其是易腐蝕的生鮮產品出現訂單量大或配送路線出現交通擁擠時，可以利用大數據對路線及線下的提貨地點進行合理的規劃，以減少流通環節產生的成本和損耗，給顧客帶來更好的消費體驗。利用大數據等新興技術提前規劃最優線路、分配人員和車輛，同時合理設置提貨點，提高物流過程中的反應速度，縮短物流時間，促進生鮮產品供應鏈高效發展。

3.運用大數據技術滿足顧客個性化需求

本文研究表明產品的新鮮度對生鮮供應鏈有顯著影響且顧客對產品的新鮮度較為敏感。由于生鮮產品是生活必需品，保質期短且容易腐壞，需要格外注重產品的質量并了解顧客的消費需求。大數據技術通過標準化信息資源，能夠有效地收集到顧客的消費數據，建立數據資源整合體系[19]，通過數據資源的協同與整合，形成顧客的立體消費畫像，從而挖掘顧客需求，掌握顧客的消費偏好以滿足顧客多樣化、個性化的需求。大數據技術分析得出的用戶畫像信息是加強顧客互動的依據，將其傳遞給供應鏈上游，從產品產地進行逐步改善，努力高效實現個性化服務，提升顧客體驗價值。