新零售模式下潮流玩具企業擴張路徑與區位選擇

吳世焰 林娟 邢舒雨

摘 要：為了探究新零售企業擴張過程中的特征與選址趨向，通過核密度分析、空間自相關、首位度分析等方法對新零售企業泡泡瑪特的擴張路徑及其線下分布特征進行研究，并利用零膨脹負二項回歸模型探討其布局的影響因素。研究發現：泡泡瑪特最初在發源地進行接觸擴張，隨后通過等級擴張與接觸擴張并存的復合式擴張完成全國性的分布態勢，最后通過接觸擴張，在原有空間格局的基礎上進行填充，由發達城市向城市群延伸是其主要布局戰略。在影響機制上，傳統區位論的適用性在新零售企業的區位選擇上發生了改變，當地原有的零售業基礎與信息化水平影響新零售企業的產生，同時，市場與物流規模影響城市內泡泡瑪特的數量規模。

關鍵詞：新零售；擴張路徑；空間分布；區位選擇；泡泡瑪特

中圖分類號：K902 文獻標志碼：A文章編號：1673-5072（2024）02-0207-011

零售業作為擴大內需的重要手段和途徑，是聯系生產、經營與消費的重要橋梁和紐帶［1］，對促進經濟可持續發展［2］、服務社會生產生活［3］、帶動產業結構優化等均發揮著至關重要的作用。然而，信息技術的發展，移動智能設備與社交網絡的普及，給傳統零售帶來了新的機遇和挑戰［4］。一方面，傳統實體零售受制于不斷上升的成本、消費者行為的改變［5］及網絡銷售的沖擊［6］，布局的試錯成本加大［7］，導致擴張速度下降；另一方面，大數據、物聯網、人工智能等新技術為傳統零售帶來了向新零售轉型的解題思路。零售商逐漸意識到不僅只有“磚頭+水泥”或是“鼠標+磚頭+移動”的兩種銷售模式，還可以憑借互聯網，重構物流配送［8］、銷售渠道［9］及買賣關系［10］，實現“線上+線下+物流”的深度融合，達到“全渠道”“無邊界”零售，潮流玩具的盲盒風更是掀起巨大的新零售消費浪潮。由此可見，零售業業態日趨復雜化，這對新零售企業在區位選擇上提出了新的要求。因此，其擴張過程是否區別于傳統零售，傳統區位論在新零售企業中的適用程度均需進一步討論，同時，影響新零售企業的區位因子也值得進一步挖掘。

接觸擴散和等級擴散是零售企業擴張的兩種基本方式［11］。傳統零售的擴張路徑主要可以分為兩類：一類是先以接觸擴散為主的小范圍擴張，再到二者復合式的區域性擴張，最后通過等級擴散為主的方式實現大范圍擴張［12-14］；另一類是先以等級擴散為主入駐高等級城市，再到復合式的區域性擴張，最后再經歷接觸擴散為主的小范圍深耕完成布局［15-17］。同時，還有少部分零售企業會出現“逆等級”擴張的模式［18］。在網絡購物剛興起時，傳統零售并未受到明顯影響［19］，隨著信息技術的高速發展，在與電商的競爭中，傳統零售開始出現發展早衰、規模增長緩慢等特點。但是，當前新零售企業可以充分利用現代科技，將信息技術轉化為驅動力，促進線上與線下的結合［20］，從而實現規模的快速擴張。而在新零售轉型的過程中，各階段的擴張策略存在差別，因此，新零售的擴張模式值得深入探索。

傳統零售業區位論認為，零售業的區位因子大致包括市場、空間的接近性、競爭三個方面，基于此，傳統零售的研究通常集中于市場、交通、經濟等對零售企業布局以及擴張的影響［21-25］。網購出現之后，傳統零售企業開始考慮網絡購物這一因素［6］。網購突破了空間限制，使得交通條件的作用逐漸弱化，而信息技術、知識和技能這些新區位因子開始影響區位決策，并隨著互聯網技術的發達而日益顯著［26］。新零售模式出現后，傳統區位因素對新零售企業的擴張布局雖然依舊存在影響［27］，但是影響程度發生了改變。例如，新零售業態菜市場與傳統業態菜市場相比，前者布局受道路交通等相關因子的作用不再顯著［25］；以瑞幸咖啡為代表的新零售企業對于中心區位的要求沒有以星巴克為代表的傳統零售企業強烈［28］。并且，隨著社會的發展，信息技術成熟度以及創新能力在新零售企業區位決策中的作用得以進一步放大［29］，同時，線下實體與線上電商的關系由競爭與碰撞開始轉向協調與融合。因此，新零售企業的布局既要考慮傳統區位因子的影響，也要注重新區位因子的作用，因而其空間區位相對傳統企業來說更具復雜性。

中國潮流玩具在新零售模式中取得了突破性的發展，而泡泡瑪特便是由傳統零售成功轉向新零售企業的典型案例之一。因此，本文以泡泡瑪特門店為樣本，借助核密度分析法對其近10年的擴張路徑進行研究，同時加入機器人商店（自動售貨機）的相關數據作為補充，以期更全面地展示泡泡瑪特的線下布局特征。并利用零膨脹負二項回歸（ZINB）模型分析其布局的影響因素，探究新零售企業在擴張上與傳統零售的差異，以及傳統區位論在新零售企業的適用性，為傳統零售行業轉型提供參考。

1 數據來源以及研究方法

1.1 數據來源

泡泡瑪特門店與機器人商店地址來源于官方公眾號，并通過高德地圖開放平臺獲取經緯度。門店開業時間來自于大眾點評網站，部分缺失數據借助點評時間進行人工判定。本文共獲取68個地級市的310家門店與100個地級市的1 749個機器人商店，二者重疊共覆蓋101個地級市，與其官網（https：//www.popmart.com.cn/home/about）描述的“中國大陸的線下直營門店達到295家，擁有1 611臺機器人商店，深度覆蓋了全國103個城市”基本相符。影響因素指標數據主要來源于《中國城市統計年鑒》，部分缺失值通過各省（自治區、直轄市）國民經濟和社會發展統計公報或統計年鑒或相關部門官網獲得。

1.2 探索性空間數據分析

探索性空間數據分析是一種測度數據空間關聯性和空間異質性的分析方法。本文主要利用全局莫蘭指數分析泡泡瑪特線下布局的空間相互聯系，并根據局部雙變量莫蘭指數細分研究區域內主次布局的空間關聯差異，其中空間權重矩陣均為Queen鄰接空間權重矩陣。

1.3 首位度分析

本文借鑒首位度分析，對泡泡瑪特門店擴張路徑進行探究［12］。設定Pi=Pi1/PiAll，Pi表示泡泡瑪特門店分布的首位度，Pi1表示發源地門店數，PiAll表示全國門店數。

1.4 核密度分析

核密度分析用于表示泡泡瑪特門店分布密度，可以清楚地反映其集聚特征。其公式為［30］：

式中：k［·］為核函數；h為搜索半徑；d（x-xi）為估計點x到觀測點xi的距離；n為尺度范圍內泡泡瑪特門店或機器人商店的數量。

1.5 零膨脹負二項回歸模型

泡泡瑪特門店與機器人商店的數量只能取非負整數，且本文數據的方差明顯不等于期望，因此考慮使用負二項回歸（NBREG）模型進行擬合，但由于本文因變量為0的樣本數量較多，最終選擇ZINB模型進行擬合，該模型由一個零計數模型和一個負二項歸回模型組成，其中，零計數模型主要用于評判自變量對出現因變量數量為零的事件的概率，負二項回歸部分則能反映自變量數量規模對因變量數量規模的影響，其公式如下［31］：

均值和方差分別為E（Y）=（1-p）λ和Var（Y）=（1-p）λ（1+pλ+λ/τ）。ZINB模型把p和λ聯系起來成為協變量，表達式如下：

λ=exp（α0+α1x1+α2x2+…+αnxn），

logit（p）=δ0+δ1x1+δ2x2+…+δnxn，

其中包括了一個計數模型和用logit估計的膨脹模型，xi是第i個解釋變量。

2 泡泡瑪特門店擴張路徑

泡泡瑪特第一家門店于2010年在北京開業，從數量上看（表1），2010—2016年泡泡瑪特處于起步階段，增長緩慢。2017年以后開始加速擴張，此后新增門店數量呈現指數式增長，在2018—2021年短短4年時間內新增門店274家，約為2017年底所有門店數的7.7倍。同時，覆蓋城市也由2016年底的7個城市快速增長到2021年的68個城市，增加了近10倍。首位度在2017年以前在0.5以上，此后開始逐年下降，說明發源地北京布局優先級不斷下降。

根據泡泡瑪特的門店數量增長特征，將其擴張劃分為三個階段：2010—2016年劃為局部起步期，2017—2019年劃為全國布局期，2020—2021年劃為區域集聚期，相應時間段新增門店核密度分析如圖1所示。

2.1局部起步期：發源地接觸擴散

2010—2016年，泡泡瑪特共有20家門店開業，其中有12家在發源地北京。在2014年，泡泡瑪特就開始向外擴張，但是首位度依然居高不下，同時此階段市域莫蘭指數下降，縣域莫蘭指數上升，這時泡泡瑪特向發源地周圍擴張程度并不明顯，更多的是在發源地北京城市內部持續深耕。這一階段泡泡瑪特擴張的戰略選擇與大多數本土傳統零售業一樣，以發源地接觸擴散為主，并嘗試性向長三角地區落子。2016年末，泡泡瑪特開辟線上市場，初步具備了向新零售轉型的條件。

2.2 全國布局期：全國復合式擴張

2017—2019年，泡泡瑪特的擴張路徑兼具京津冀、長三角城市群繼續接觸擴散和全國等級擴散的特征。此階段的三年間，全國共新增137家門店，其中68家新增于北京和長三角地區，占新增門店的49.6%，并且從莫蘭指數可以看出，市域聯系趨于穩定，縣域聯系開始下降。這也是泡泡瑪特向新零售轉型的關鍵時期，為實現線下體驗與線上銷售結合與“無邊界”全渠道銷售平臺搭建，泡泡瑪特在東部、中部各直轄市、省會城市廣泛布局，呈現顯著的等級擴散特征，也導致這一時期莫蘭指數有所下降。

2.3 區域集聚期：持續性接觸擴張

2020—2021年，泡泡瑪特兩年開業153家，門店總數幾乎翻了一倍。泡泡瑪特這一時期的布局戰略也發生明顯變化。首先，京津冀、長三角、珠三角三大城市群地區門店大量增加，集聚效應更加顯著。其次，門店布局重心南移，尤其是2020年泡泡瑪特成功在香港上市，與之相鄰的珠三角城市群得到空前的發展，北京的首位度降至0.13。最后，在全國基本布局的基礎上繼續接觸擴張，全國呈現面狀蔓延的態勢。

3 泡泡瑪特機器人商店分布特征

2017年，泡泡瑪特開始布局機器人商店，與門店共同構成線下零售的主要渠道。同時，機器人商店布局更加靈巧，成本更為低廉，是門店擴大輻射范圍的有效手段，因此本文將機器人商店布局作為泡泡瑪特企業擴張的補充。

3.1 數量增長

泡泡瑪特機器人商店于2017年開始以年均布局400余臺的速度快速擴張，年均布局數約是門店擴張數的16倍。在如此快速的布局下，機器人商店的數量遠大于門店。如圖2所示，2021年底機器人商店的數量約是門店的6倍，同時覆蓋的范圍也更廣，入駐了100個市361個縣（區），而門店只入駐了68個市168個縣（區）。雖然機器人商店布局較晚，但是其布局相對于門店更為成熟，層次更為明顯，能更好地反映泡泡瑪特在全國布局的空間異質性。

3.2 空間集聚

2017年，泡泡瑪特開始進行全國擴張的同時也開始布局機器人商店，二者在空間布局上有一定的相似性，均為東部沿海地區布局的城市數量較多，呈帶狀分布；中西部內陸地區較少，呈塊狀分布。從集聚程度上看，機器人商店的集聚效應更強，以北京、上海、深圳為代表的集聚中心突顯。從集聚范圍上看，機器人的集聚核心向中西部擴散，成都、武漢、西安等城市成為次級集聚核心。

利用GeoDa軟件分別計算出不同尺度下門店和機器人商店單變量和雙變量全局Morans I及其顯著性（表2），發現隨著尺度的減小，莫蘭指數與顯著性逐漸上升，其空間關聯性不斷加強，最終在縣（區）尺度下線下布局的莫蘭指數的數值和顯著性達到最高，說明泡泡瑪特在城市內部集聚特征明顯。通過門店與機器人商店的單變量莫蘭指數與線下布局分布圖可以綜合判斷，泡泡瑪特的集聚現象易發生在高等級城市的中心市區，并且，門店比機器人商店對于中心城區的要求會更高。

在縣域尺度上對機器人商店與門店進行雙變量局部空間自相關分析（圖3），并劃分了兩種類型。為更好地看清各種聚類類型之間的空間關系，放大了長三角城市群局部作典型說明。

第一類是協同型聚類，包括高-高型以及低-低型。低-低型聚類僅有一處顯著，因此，高-高型是主要協同型聚類，代表了泡泡瑪特線下布局較為成熟，實現較高水平均衡布局的區域。高-高型聚類主要分布在京津冀城市群、長三角城市群以及珠三角城市群，這些地區的城市之間地理聯系較為緊密，交通、政策、經濟條件較為相似且優秀，使得市場的聯系更加密切，容易發揮集聚效應。并且，不同地級市間的縣（區）之間也會產生協同型聚類，代表著新零售模式使泡泡瑪特正在打破城市邊界，“無邊界”零售正在形成。

第二類是權衡型聚類，包括高-低型和低-高型，這些地區是在線下布局中綜合取舍的結果。其中，低-高型聚類主要分布在城市外圍，緊密圍繞著高-高型聚類，是核心布局區的外圍過渡帶，充分反映了線下布局的“核心-邊緣”結構；而高-低型聚類分布較為分散，在多個城區獨立存在，不與其他類型接壤，代表著泡泡瑪特未來的發展方向。多渠道的銷售模式使得泡泡瑪特具備更加靈活的布局思路，作為線下市場開發的先行者，機器人商店的布局成本相對門店要低廉的多，因此容易產生跨區域的布局，廣泛分布在二三線城市的商業中心附近。

4 泡泡瑪特線下零售布局影響因素分析

4.1 影響因素選取

零售業區位決策必須從市場入手，市場空間的大小對零售業的區位選擇有直接影響作用［32］。市場空間的大小與區域人口規模以及居民收入和經濟能力有關。常住人口常常用來衡量零售業的區域人口規模，但新零售行業中，年輕消費者居多，尤其是“95后”大學生，他們生活條件較好，勇于嘗試新事物［33］，因此，本研究采用城市普通本專科人數來衡量區域內泡泡瑪特的目標人群規模。在市場空間中，消費者的經濟能力與人口規模同樣重要，因此加入人均GDP作為當地居民經濟能力表征。

交通條件是傳統區位論中重要的區位因子，學者們通常會用當地的公路里程數據來表征，但是在新零售模式下，物流是聯系線上線下的紐帶，且現代物流是倉儲、交通以及網絡共同作用的結果，因此選擇交通運輸、倉儲和郵政業從業人員數表征城市的物流規模。

經濟活動最突出的特征就是集聚［32］，而同一類產業的不同企業集聚在一起所導致的外部規模經濟影響企業的區位選擇［34］。因此，當地零售業發展規模作為當地原有的零售業發展基礎，是影響泡泡瑪特區位選擇的重要因素，不可忽視。

現代經濟活動對技術依賴的程度日益加大，技術與知識成為影響經濟活動區位選擇的最重要因素之一［32］，其中，信息技術與創新對新零售的擴張起到主要的推動作用，良好的信息化環境與城市的創新能力可能對新零售企業的區位選擇有積極影響，因此，采用每萬人互聯網寬帶接入用戶數與專利授權數來表征城市的信息化環境與創新能力。

在企業特色上，泡泡瑪特無論是產品蘊含的“潮玩文化”，還是“盲盒”的營銷模式，均是外來文化，其擴張期又遇上突發公共衛生事件，當地對外開放程度有可能影響到其擴張的決策。

因此，基于已有的新零售研究，以及泡泡瑪特固有的性質，最終從5個影響因素中選取了9個變量（表3）。

最終設置如下模型：

4.2 模型判別

首先對各模型選取變量進行膨脹方差因子（VIF）診斷。診斷發現，NBREG模型1的最大VIF值為9.4，其余模型最大VIF值均不超過3.5，說明變量之間不存在明顯的共線性。其次，各模型的離散系數對數lnα均通過顯著性檢驗，因此排除選擇泊松回歸模型進行擬合。最后，本文利用與ZINB模型有相同變量的。NBREG模型1對比二者的擬合優度，即AIC與BIC值，并結合Vuong統計值檢驗，判斷是否選用ZINB模型結果顯示，ZINB模型1的AIC、BIC值均低于NBREG模型1，說明ZINB模型的擬合效果更好，且各ZINB模型的Vuong統計值顯著為正，因此無論是在擬合優度還是在Vuong值檢驗上，均說明宜選用ZINB模型而不是NBREG模型。因此，本文使用ZINB模型是合理的。下文主要針對表4中的3個ZINB模型進行分析。

在本文擬合的3個ZINB模型中，ZINB模型1與ZINB模型2以門店數量為因變量，但是前者選用傳統區位因子為自變量，后者選用新零售區位因子，以此探討傳統區位論在“新零售”模式中發生的變化，而ZINB模型3則將ZINB模型2中的因變量修改為機器人的數量，以此探究泡泡瑪特線下主次零售渠道區位選擇的差異。

4.3 結果分析

首先，聚焦ZINB1與ZINB2，各類因素對與泡泡瑪特布局的影響主要分為以下三點。

第一，市場與泡泡瑪特線下布局存在正相關性，人口規模與居民購買力是發揮市場作用的兩架馬車。無論是ZINB 模型 1 還是 ZINB 模型 2 ，市場因素中的兩個指標均是顯著正相關，且系數值接近，驗證了人口規模與消費者購買力對市場空間大小的作用不相上下。人口規模的重要性主要源于在零售業的自身特點，零售區位與其他區位相比最大的特點就是消費者指向，而新零售在注重總體市場的基礎上，產品定位清晰，目標人群明確，因此將ZINB 模型 1 中pop因子改為 ZINB 模型 2中的T-pop后，人口因素依舊影響顯著。而居民購買力對于線下布局的影響則是因為，只有物質生活需求達到一定的滿足后，消費者對追求文化娛樂享受的需求才會進一步的上升，泡泡瑪特作為精神文化產品，需要一定的經濟實力做為支撐［35］，在生活必需品得到滿足后，再進行額外購買，這就要求地區居民的生活品質相對較好，可購買力較高，因此經濟水平的指標在各個模型中均為顯著正相關。

第二，交通因素在兩個模型中發生分歧，選用新零售區位因子更符合當下。在傳統零售中，消費者需要克服空間距離并為此付出空間費用和時間費用，而一般好的交通條件會使消費者購物的時間減少，空間費用下降［32］，因此傳統區位論強調交通的重要性。但是在 ZINB 模型 1 中，road因子卻出現了顯著負相關，這顯然不符合經濟區位論中交通因子呈正向作用的結論，而 ZINB 模型 2 中的logistics因子呈顯著正相關。這表明單純的道路建設已經不能滿足新零售業線上+線下的運行需求。在新零售的模式下，消費者可以自主選擇商品的配送方式，包括店內自提、送貨上門、驛站代取等。并且區別于傳統“線上＋線下”的網購，新零售的配送更多是類似“外賣”的市內配送，在市內的門店或倉庫發貨，能快速送到消費者手上。由此可見，傳統區位論注重交通狀況的優劣是否會導致產品運輸成本與可接觸性的高低，但是在新零售模式下，產品可以通過互聯網接觸，運輸成本也通過多配送渠道得以降低，因此更強調物流的快捷性。

第三，零售業的基礎與互聯網的發展是新零售企業出現的題中之義。在零計數部分，ZINB模型1與ZINB模型2的base因子對泡泡瑪特布局為0的概率均呈顯著負相關，說明城市的整個零售業規模越大，外部規模經濟效應越好，越有概率出現泡泡瑪特布局。模型ZINB2在零售業的基礎上進一步考慮到互聯網的作用，發現net因子對當地新零售的產生有積極影響，不過在系數上，當前新零售的產生受到base因子的影響更大，這也說明新零售模式還在萌芽階段，隨著新零售模式的成熟，信息化水平的影響程度將進一步擴大。互聯網是新零售企業的依托，“無邊界”零售的開端也從互聯網開始的，因此考慮全面考慮零售業基礎與互聯網發展的ZINB2模型可能更符合實際。

其次，對比ZINB2與ZINB3，可以發現門店與機器人商店在區位選擇上具有強烈的相似性，與前文空間分析結果不謀而合，再一次證明了門店與機器人商店在空間上具有關聯性。兩個模型最大的區別在于ZINB模型3中信息化環境指標的顯著性高于模型2，這是由于機器人商店作為品牌線下市場布局的“拓荒者”，開發了眾多信息化環境差強人意的下沉市場。

最后，開放程度與創新能力在以上模型中并不顯著，可能是因為新零售才剛起步，零售“無邊界”的程度還未成熟，且更多的是基于已有技術的應用，因此導致該二項指標不顯著。

5 結論與啟示

本文首先利用首位度分析與核密度分析發現，泡泡瑪特門店的擴張與新零售企業轉型的過程息息相關。在局部起步期具有傳統零售企業擴張特征，主要通過接觸擴散在發源地持續深耕。而在全國布局期，泡泡瑪特快進到傳統本土零售企業后期擴張才有的復合式擴張特點［12］，通過接觸擴散與等級擴散相結合，完成全國的布局骨架。隨后在區域集聚期，發源地北京的首位度已經明顯下降，泡泡瑪特再次以接觸擴散的方式豐富布局的“血肉”，最終形成東部沿海地區布局的城市數量均較多且呈帶狀分布，中西部內陸地區較少且呈塊狀分布的空間分布格局。其次，利用空間自相關分析，發現機器人商店作為線下零售的輔助銷售渠道，與門店之間存在明顯的空間關聯性，二者的高-高協同型關系易產生于發達城市的市中心，而在城市外圍或低等級城市開始出現大量的高-低權衡性關系，因此，多渠道的銷售模式使得新零售企業具有更加靈活的布局方式。最后，通過ZINB模型進行擬合發現，傳統區位理論在新零售企業上適用性發生變化，單純的公路里程建設并不能滿足新零售企業線上與線下結合的需求，信息化環境優秀、原有零售業基礎良好的城市更容易出現新零售企業，市場、物流、創新能力會影響城市內泡泡瑪特的數量規模。

上述結論對傳統零售向新零售轉型具有一定的啟示意義。首先，通過多渠道銷售為新零售企業降低線下布局試錯成本。一方面，線上與線下相輔相成，利用線上營銷平臺打破因地理邊界而產生的信息差，從而降低線下布局因克服地理距離而產生的費用成本；另一方面，針對不同規模的城市，進行銷售渠道的合理選擇與布局，以最低的成本獲得最佳利益。其次，構建更加現代化的物流配送體系是新零售模式發展的必然要求。互聯網的背景下，城市的交通條件與物流的關系更加復雜化，新零售討論的是“線上+線下+物流”，而不是“物流+交通”。因此，構建更加智能化的物流體系，提高城市內部的配送效率，才能使新零售模式得以進一步發展。再者，城市群產生的集聚效應給予新零售企業有力的支持。泡泡瑪特門店以城市向城市群的方向擴張為主，全省全域的布局少有發生。新零售的興起需要一個較為優越的外部條件，但是單一的城市，尤其是等級較低的城市往往沒有適合新零售生長發育的基礎，但是通過城市間的跨城合作，擴大零售業的商業規模，提高物流倉儲能力，促進人才的跨市交流，可以實現新零售更高質量的發展。最后，從縣（區）為合作單位出發，有利于開展城市間的交流合作。地級市之間的空間關聯性往往沒有縣（區）之間的緊密，因此，通過細化城市內部的功能區，促進相近城市縣區的功能互聯，可以為兩個城市的緊密合作打下基礎，實現區域的協同發展。

當前，潮流玩具行業依舊處于萌芽階段，因此本文獲取的門店樣本較少，并且由于數據的可獲得性存在一定局限，對機器人商店僅進行了空間上的靜態討論。同時，新零售轉型的時間較短，因此本文只是基于當下已有特征進行分析。本文選取的潮流玩具企業是新零售轉型中較為成功的案例之一，今后各行業均會出現更加成熟的新零售模式，其發展特征可能有所不同，故未來仍需完善研究方法，深入探究線下布局與線上平臺、物流中心的相互聯系，以期更加全面地反映新零售企業的發展路徑。

參考文獻：

［1］ 劉笑杰，李丁，鄭陳柔雨.國零售業發展的時空分異及影響因素［J］.蘭州大學學報（自然科學版），2021，57（5）：665-674.

［2］ EROL I，CAKAR N，EREL D，et al.Sustainability in the Turkish retailing industry［J］.Sustainable Development，2009，17（1）：49-67.

［3］ 劉繼來，劉彥隨，李裕瑞.中國“三生空間”分類評價與時空格局分析［J］.地理學報，2017，72（7）：1290-1304.

［4］ PIOTROWICZ W，CUTHBERTSON R.Introduction to the special issue information technology in retail：toward omnichannel retailing［J］.International journal of electronic commerce，2014，18（4）：5-16.

［5］ 傅辰昊，周素紅，閆小培，等.廣州市零售商業中心的居民消費時空行為及其機制［J］.地理學報，2017，72（4）：603-617.

［6］ FREATHY P，CALDERWOOD E.Coping with change：the implications of e-commerce adoption for island consumers［J］.Regional Studies，2016，50（5）：894-908.

［7］ 原榕，石飛.從地理中心到無界零售：新零售的布局選址及影響機制：以南京市三類便利店為例［J］.城市問題，2021（8）：72-82.

［8］ 黃雨珊，李鋼，金安楠，等.社區化新零售末端物流網絡的對接與優化：以深圳市盒馬鮮生與菜鳥驛站為例［J］.地理研究，2021，40（9）：2542-2557.

［9］ VERHOEF P C，KANNAN P K，INMAN J J.From multi-channel retailing to omni-channel retailing［J］.Journal of Retailing，2015，91（2）：174-181.

［10］WANG X，NG C T.New retail versus traditional retail in e-commerce：channel establishment，price competition，and consumer recognition［J］.Annals of Operations Research，2020，291（1-2）：921-937.

［11］李小健，王惠.大公司投資區位的擴張演變規律［J］.地域研究與開發，2000（1）：1-4.

［12］朱邦耀，宋玉祥，李國柱.中國本土零售連鎖超市空間擴張特征與格局研究：以永輝超市為例［J］.人文地理，2016，31（4）：80-86.

［13］李飛.中國經濟型連鎖酒店空間擴散類型及其規律：接觸擴散與等級擴散的理論視角［J］.旅游學刊，2010，25（8）：52-58.

［14］JONES P.Retail innovation and diffusion：the spread of asda stores［J］.Area，1981，13（3）：197-201.

［15］REARDON T，TIMMER C P，BARRETT C B，et al.The rise of supermarkets in Africa，Asia，and Latin America［J］.American Journal of Agricultural Economics，2003，85（5）：1140-1146.

［16］賀燦飛，李燕，尹薇.跨國零售企業在華區位研究：以沃爾瑪和家樂福為例［J］.世界地理研究，2011，20（1）：12-26.

［17］曾國軍，陸汝瑞.星巴克在中國大陸的空間擴散特征與影響因素研究［J］.地理研究，2017，36（1）：188-202.

［18］RICE M D，OSTRANDER A，TIWARI C.Decoding the development strategy of a major retailer：Wal-Marts expansion in the United States［J］.The Professional Geographer，2016，68（4）：640-649.

［19］汪明峰，盧姍，邱娟.網上購物對城市零售業空間的影響：以書店為例［J］.經濟地理，2010，30（11）：1835-1840.

［20］龔亞男，魏宗財，劉玉亭.廣州市保障房住區居民網購行為特征及其影響因素［J］.經濟地理，2021，41（4）：74-81.

［21］肖琛，陳雯，袁豐，等.大城市內部連鎖超市空間分布格局及其區位選擇：以南京市蘇果超市為例［J］.地理研究，2013，32（3）：465-475.

［22］王娜，吳健生，彭子鳳.深圳市零售業空間格局及影響因素［J］.經濟地理，2021，41（9）：125-134.

［23］高巖輝，楊晴青，梁璐，等.基于POI數據的西安市零售業空間格局及影響因素研究［J］.地理科學，2020，40（5）：710-719.

［24］何偉純，李二玲，崔之珍，等.開封市主城區零售商業空間布局及其影響因素［J］.經濟地理，2018，38（9）：158-167.

［25］甘依霖，朱媛媛，羅靜，等.消費升級視角下城市生活服務空間的演變及影響因素研究：以武漢菜市場為例［J］.地理科學進展，2022，41（1）：118-130.

［26］金萬富，王少劍，鄧神志，等.互聯網技術應用對零售業空間組織影響研究進展［J］.人文地理，2018，33（3）：1-10.

［27］金安楠，李鋼，王建坡，等.社區化新零售的布局選址與優化發展研究：以南京市盒馬鮮生為例［J］.地理科學進展，2020，39（12）：2013-2027.

［28］汪凡，林玥希，汪明峰.第三空間還是無限場景：新零售的區位選擇與影響因素研究［J］.地理科學進展，2020，39（9）：1522-1531.

［29］林玥希，汪明峰.中國新零售的空間分布與區位選擇［J］.經濟地理，2020，40（12）：109-118.

［30］李少琦，孫海燕，劉蘇禾，等.近20年中國新型實體書店的時空演變及其影響因素：基于西西弗、言幾又和“貓空”數據的分析［J］.經濟地理，2020，40（10）：67-73.

［31］王永明，王美霞，吳殿廷，等.基于ZINB模型的中國省域間入境旅游流影響因素［J］.經濟地理，2018，38（11）：234-240.

［32］張文忠.經濟區位論［M］.北京：商務印書館，2022.

［33］楊霞，鄢繼堯，王旭熙，等.南充市“95后”在校大學生旅游行為特征研究［J］.西華師范大學學報（自然科學版），2018，39（2）：188-194.

［34］曾冰，謝琦.中國電影院空間分布特征及其影響因素［J］.西華師范大學學報（自然科學版），2023，44（1）：64-70.

［35］王欽安，曹煒，湯云云，等.國內連鎖餐飲企業在中國大陸的空間擴展與驅動因素研究：以海底撈為例［J］.西華師范大學學報（自然科學版），2021，42（4）：402-409.

Expansion Path and Location Selectionof Trendy Toy Enterprises Under the New Retail Mode：

A Case Study of POP MART

Abstract：This paper analyzes the expansion path and off-line distribution characteristics of POP MART by the methods of kernel density analysis，special autocorrelation and first degree analysis，and discusses the influencing factors of its layout by zero-inflated negative binomial regression model in order to explore the characteristics and location trend of new retail enterprises in the process of expansion.It is found that POP MART has initially adopted contagious diffusion in its birthplace；then，it has completed its national distribution by the mixed mode of hierarchical diffusion and contagious diffusion；finally，it has enriched its allocation on the original spatial pattern through contagious diffusion，forming its main layout strategy of expanding from developed cities to urban agglomerations.In terms of influencing mechanism，the applicability of traditional location theory has made changes in the location selection of new retail enterprises and the generation of new retail enterprises is influenced by the original retail base and informatization level of the local area；at the same time，the number and the scale of POP MART in cities are affected by the market and logistics scale.

Keywords：new retail；expansion path；spatial distribution；location selection；POP MART