朱惠琦，邱 瑩，姜天華，胡明瑤

(1.魯東大學 交通學院，山東 煙臺 264025；2.北京石油化工學院 經(jīng)濟管理學院,北京 102617；3.北京郵電大學 現(xiàn)代郵政學院，北京 100876)

0 引言

隨著電子商務(wù)的飛速發(fā)展，越來越多的消費者愿意選擇通過網(wǎng)絡(luò)購買日常用品，這使得網(wǎng)絡(luò)購物走入人們的生活，逐漸成為社會經(jīng)濟生活的重要組成部分[1]。中國互聯(lián)網(wǎng)絡(luò)信息中心數(shù)據(jù)顯示，2018年上半年我國網(wǎng)上零售交易額達到40 810億元，同比增長30.1%，并繼續(xù)保持穩(wěn)健增長勢頭?？梢姡覈W(wǎng)絡(luò)購物已進入高速發(fā)展階段，如何吸引消費者進行網(wǎng)絡(luò)購物已不再是電子商務(wù)企業(yè)面臨的最大問題[2]。相反，如何完善配送服務(wù)、保證消費者良好的網(wǎng)購體驗是電商面臨的挑戰(zhàn)。作為網(wǎng)絡(luò)購物中唯一能夠直接接觸到消費者的環(huán)節(jié)，“最后一公里”配送成為了影響消費者網(wǎng)購體驗的關(guān)鍵環(huán)節(jié)。為了滿足網(wǎng)絡(luò)購物消費者日益增長的個性化“最后一公里”配送需求，電商不斷完善配送服務(wù)來提高最后一公里配送服務(wù)質(zhì)量。然而，消費者對配送模式、服務(wù)方式及配送時隙的選擇行為具有明顯差異，例如Agatz等[3]指出消費者根據(jù)自身情況會進行不同的配送時隙選擇；陳義友等[4]研究發(fā)現(xiàn)運費水平影響顧客選擇自提和送貨上門的決定。因此充分了解消費者對配送服務(wù)的選擇行為，有助于企業(yè)合理有效地開展“最后一公里”配送服務(wù)。

當前學者對最后一公里配送服務(wù)進行了相關(guān)分析，將配送模式劃分為自提和送貨上門兩種[5]，并將自提配送模式的服務(wù)方式又分為有人值守自提點和無人值守自提點(如自提柜)[6-8]。從有人值守自提點服務(wù)方式中可以看到，提供配送服務(wù)的人員中有專門從事該工作的專職人員，也有兼職提供服務(wù)的非專職人員(如便利店店主)。因此，這里將有人值守自提點服務(wù)方式進一步細分，有專職人員提供配送服務(wù)的方式稱為職業(yè)人服務(wù)方式，由非專職人員提供配送服務(wù)的方式稱為非職業(yè)人服務(wù)方式。送貨上門配送模式的服務(wù)方式中也存在專職人員和非專職人員(如眾包情形中的自由快遞人[9])的區(qū)分，同時還存在無人模式(如無人機送貨)。綜上述分析，本文認為最后一公里配送的服務(wù)方式可分為職業(yè)人、非職業(yè)人和無人3種。不同消費者除了對配送模式和服務(wù)方式的選擇偏好不同，對取/送貨時間的選擇也存在明顯差異。特別是配送模式和服務(wù)方式的多樣化為消費者靈活的安排取貨時間提供了可能性。電商的配送服務(wù)一般會提供若干配送時隙供消費者選擇，如8:00～10:00、10:00～12:00、12:00～16:00、16:00～18:00[3]，但消費者選擇配送時隙的行為往往不是孤立的[10]，一般與配送模式和服務(wù)方式有緊密的聯(lián)系[11]?？梢姡渌湍Ｊ?、服務(wù)方式及配送時隙之間存在關(guān)聯(lián)性，如消費者更愿意在下班后由職業(yè)快遞人員送貨上門。因此，本文將配送模式、服務(wù)方式及配送時隙選擇納入同一模型中進行分析，來揭示消費者的“最后一公里”配送服務(wù)選擇行為的一般規(guī)律。

廣義極值(Generalized Extreme Value, GEV)模型可以揭示任意候選方案之間的關(guān)聯(lián)性，同時具有封閉式的概率表達式，無需借助模擬技術(shù)就可以被估計出來[12]。因此，本文利用GEV理論，構(gòu)造一種交叉巢式結(jié)構(gòu)，并將之應(yīng)用于配送模式、服務(wù)方式與配送時隙的聯(lián)合選擇中。通過問卷調(diào)查所獲得的樣本數(shù)據(jù)進行參數(shù)估計，從而分析社會經(jīng)濟屬性、配送活動屬性及配送服務(wù)屬性對消費者“最后一公里”配送服務(wù)選擇行為的影響。與其他相關(guān)研究相比，本文的不同點在于：①分析配送模式、服務(wù)方式和配送時隙的聯(lián)合選擇行為，而非其中的單一選擇行為；②構(gòu)建基于GEV理論的交叉巢式Logit(Cross Nested Logit, CNL)模型，考慮社會經(jīng)濟屬性類變量、配送活動屬性類變量及配送服務(wù)屬性類變量對消費者聯(lián)合選擇行為的影響，并做關(guān)于配送服務(wù)屬性類變量的直接彈性分析。

1 消費者的配送服務(wù)選擇特征

本課題組于2018年4月～5月針對北京、上海、天津、廣東、浙江、江蘇、山東等7地消費者，以網(wǎng)絡(luò)問卷的形式進行了調(diào)查。為保障調(diào)研數(shù)據(jù)的質(zhì)量，本調(diào)研采取提供報酬的方式，并限定同一用戶或IP只能填寫一次調(diào)查問卷。調(diào)查共獲取消費者調(diào)查問卷1 300份，其中有效問卷為1 240份，占全部收回問卷總數(shù)的95.38%，結(jié)果如表1所示。

表1 樣本構(gòu)成

從表1中可以得到：

(1)從配送模式角度看 有72.82%的消費者選擇送貨上門，其中大多數(shù)消費者仍然更愿意職業(yè)人提供送貨上門的服務(wù)方式；27.18%的消費者會選擇自提貨物，但他們在服務(wù)方式的選擇表現(xiàn)出來的特征與送貨上門不同，更多的消費者愿意選擇非職業(yè)人提供自提服務(wù)。

(2)從服務(wù)方式角度看 有62.66%的消費者選擇由職業(yè)人提供配送服務(wù)，特別是52.82%的消費者選擇由職業(yè)人提供送貨上門；有22.42%的消費者愿意由非職業(yè)人提供配送服務(wù)，且消費者對非職業(yè)人送貨上門(11.13%)和非職業(yè)人自提(11.29%)的喜好相近；有14.92%的消費者選擇無人的服務(wù)方式。從總體上，消費者仍然愿意接受“有人”的服務(wù)方式，對“無人”的服務(wù)方式還處于嘗試接受的階段。

(3)從配送時隙角度看 選擇8:00～10:00配送的消費者占15.48%，選擇10:00～12:00配送的消費者占21.13%，選擇12:00～16:00配送的消費者占19.52%，選擇16:00～18:00的消費者占43.87%。其中10:00～12:00和16:00～18:00這兩個配送時隙是多數(shù)消費者的選擇，這也與消費者上下班的作息時間相一致。

從上述調(diào)查數(shù)據(jù)中還可以看出，消費者對“最后一公里”配送服務(wù)的選擇存在差異，因此差異化的配送服務(wù)方案可以滿足具有不同特征的消費者的需求。然而，在現(xiàn)實生活中不同配送服務(wù)方案之間具有一定的替代性，如由非職業(yè)人在8:00～10:00提供送貨上門與在8:00～10:00提供自提之間、職業(yè)人在12:00～16:00提供自提與無人機在16:00～18:00提供送貨上門之間。這體現(xiàn)了消費者對配送模式、服務(wù)方式及配送時隙的選擇具有相關(guān)關(guān)系，消費者的選擇也不再是非此即彼的單一選擇行為，而是可以綜合考慮自身服務(wù)需求的聯(lián)合選擇行為。由于各方案之間的相關(guān)性是一般統(tǒng)計特征所無法體現(xiàn)的，下文將運用CNL模型，分析具有上述樣本特征的1 240份問卷數(shù)據(jù)，揭示配送模式、服務(wù)方式與配送時隙之間存在深刻的聯(lián)系。

2 CNL模型構(gòu)建

基于GEV理論的離散選擇模型中，多項Logit(Multinomial Logit, MNL)模型最為常用，但MNL模型具有IIA(independent and irrelevant alternatives)性質(zhì)，即假設(shè)每個備選方案的效用隨機項相互獨立且服從Gumbel分布。該假設(shè)否定了備選方案間可能存在的相關(guān)性。然而，一般認為越相似的備選方案之間的替代性越高，因此在備選方案的相關(guān)性顯著存在時，MNL模型的IIA性質(zhì)將明顯與現(xiàn)實不符[13]。NL(nested Logit)模型接受備選方案的關(guān)聯(lián)性，但該模型要求預(yù)先設(shè)定備選方案之間的分層結(jié)構(gòu)，允許每個“巢”內(nèi)的備選方案間具有相關(guān)性，而屬于不同“巢”的備選方案相互獨立。因此，NL模型僅能在一定程度上克服IIA性質(zhì)，只適合備選方案在一個維度上的關(guān)聯(lián)性。CNL模型不同于NL模型之處在于允許一個備選方案屬于多個子集，能夠靈活描述多維選擇行為中不同維度選擇之間的相關(guān)關(guān)系。成對組合Logit模型(Paired Combinatorial Logit Model，PCL)主要是將任意兩個備選方案成對組成一個子集，廣義嵌套Logit(Generalized Nested Logit，GNL)模型則設(shè)定每個備選方案與每個子集均通過一個分配系數(shù)建立不同程度的從屬關(guān)系，混合Logit模型最主要考慮處理隨機偏好差異[13]。對比各模型的實際應(yīng)用情況，CNL模型更適合于本文的研究。因此，本文選用CNL模型來解決備選方案在配送模式、服務(wù)方式及配送時隙3個維度上的關(guān)聯(lián)性。

2.1 模型結(jié)構(gòu)

本文以消費者最后一公里的配送服務(wù)選擇行為為研究對象。首先定義模型的選擇項集合，它由配送模式子集合d、服務(wù)方式子集合s和配送時隙子集合t3個子集合組成(如圖1)。配送模式子集合d包含2個選擇肢，分別是送貨上門模式和自提模式。在不同配送模式下，企業(yè)會針對不同的消費者需求，為消費者提供職業(yè)人服務(wù)、非職業(yè)人服務(wù)及無人服務(wù)等3種服務(wù)方式，進而形成包含3個選擇肢的服務(wù)方式子集合s。配送時隙子集合t包含4個選擇肢，分別是8:00～10:00、10:00～12:00、12:00～16:00、16:00～18:00。從圖1中可以看到，CNL模型包含有2+3+4=9個巢；模型的最終選擇方案集C=c1,c2,…,cl，是d=2，s=3，t=4的聯(lián)合選擇集合，共包含I=2×3×4=24個備選方案。

2.2 效用函數(shù)與選擇概率

根據(jù)隨機效用最大化理論，若選擇方案ci的效用為Ui(i=1,2,…,l)，則當且僅當Ui>Uj(j∈C,?i≠j)時，決策者從最終選擇方案集C中選擇方案ci。Ui由確定的系統(tǒng)項Vi和隨機的效用誤差項εi組成：

Ui=Vi+εi。

(1)

式中：Vi為效用變量的函數(shù);εi反映無法觀測到的因素對Ui的影響。

考慮到結(jié)果分析和系數(shù)標定的方便性，通常采用線性函數(shù)作為Vi的表達式，即

(2)

式中：Xil為決策者的第i個方案的第l個變量值;βl為待定系數(shù)。

假設(shè)每個選擇方案的效用誤差項εi均服從標準Gumbel分布，則I個選擇方案的聯(lián)合累積分布函數(shù)為

(3)

根據(jù)GEV模型理論，推導(dǎo)出CNL模型第i個選擇方案的選擇概率

(4)

式(4)中的未知參數(shù)包括分配參數(shù)aim、異質(zhì)性參數(shù)μm及效用函數(shù)Vi中各變量的系數(shù)βl。

3 模型變量標定與結(jié)果分析

3.1 效用變量定義

消費者的配送服務(wù)選擇行為還受到多種因素的影響。Collins[14]指出影響消費者選擇的因素有服務(wù)質(zhì)量及運費;Hayel等[15]則主要分析了運費、自提點位置、包裹被拒絕和等待時間因素;Morganti等[16]研究指出取貨距離也會影響顧客的選擇，這個觀點與文獻[15]的觀點相同;陳義友等[4]基于排隊模型，全面地考慮了取貨距離、取貨時間、運費、安全性、溝通便利性、退貨方便性等因素對消費者最后一公里配送服務(wù)選擇影響。除了運費、取貨距離、等待時間、服務(wù)質(zhì)量、溝通便利性等因素外，不同的配送時隙還會對消費者配送服務(wù)選擇活動會產(chǎn)生作用[3，17]，上門投遞服務(wù)缺陷對消費者的自提意愿也有直接的促進作用[18]。綜合以上研究成果，本文認為影響消費者配送服務(wù)選擇的因素主要有社會經(jīng)濟屬性、配送活動屬性和配送服務(wù)屬性3類。社會經(jīng)濟屬性類變量描述具有不同社會經(jīng)濟屬性特征的消費者配送服務(wù)選擇行為的偏好差異，配送活動屬性類變量描述不同配送模式、服務(wù)方式及配送時隙帶給消費者的選擇約束，配送服務(wù)屬性類變量描述不同配送服務(wù)對消費者配送服務(wù)選擇活動的吸引力。

因此，式(1)中的系統(tǒng)項Vi是關(guān)于社會經(jīng)濟屬性、配送活動屬性和配送服務(wù)屬性的函數(shù)?？紤]數(shù)據(jù)的可得性，最終確定分析的效用變量共20個，具體說明如表2所示，其中的變量均為離散化變量。

表2 效用變量的選擇與說明

在離散化處理過程中，對于主觀性效用變量的測量主要采用5點式李克特量表法，如溝通性需求、送貨及時、等待時間造成的困擾度等；對客觀性效用變量的測量主要結(jié)合前期訪談和預(yù)調(diào)研結(jié)果對選項進行設(shè)計，如平均家庭月收入、自提距離、配送費用等。

3.2 參數(shù)估計

運用Biogeme軟件，采用最大似然估計方法[19]，對CNL模型中的未知參數(shù)進行估計與檢驗，估計結(jié)果如表3所示。

表3 CNL的參數(shù)估計結(jié)果

從圖1可知，CNL模型包含9個巢，24個備選方案，因此將產(chǎn)生9個異質(zhì)性參數(shù)和72個分配參數(shù)。估計所有的分配參數(shù)可以提高模型的擬合效果，但會導(dǎo)致模型過度參數(shù)化、降低模型對樣本數(shù)據(jù)的適配性。文獻[20]的方法可以降低參數(shù)估計成本，且不影響估計效果[21]。因此，本文參考Hess等[20]對分配參數(shù)的處理方式，將所有的分配參數(shù)設(shè)定為1/3。

從效用變量的參數(shù)估計值看，除了家中是否有需要看護的小孩或老人(HNur)、送貨及時性(OMDel)、消費者能接受的非職業(yè)人送貨上門費用(TPHDelU)及消費者能接受的職業(yè)人自提服務(wù)費用(TPPDelP)這4個效用變量外，其他效用變量的參數(shù)估計值顯著性普遍較高，說明它們對消費者“最后一公里”配送服務(wù)選擇有顯著影響。其中，消費者能接受的自提柜自提服務(wù)費用、消費者對送貨上門/自提等待時間造成的困擾度以及消費者對送貨上門/自提帶來的經(jīng)濟損失擔憂度的參數(shù)估計值為負，即對消費者“最后一公里”配送服務(wù)選擇有負效應(yīng)，符合研究預(yù)期。

從異質(zhì)性參數(shù)的數(shù)值來看，每個巢的異質(zhì)性參數(shù)顯著性都很好，表明CNL模型能夠較好地表達各個備選方案的關(guān)聯(lián)性。異質(zhì)性參數(shù)取值大小還可以體現(xiàn)出各巢下選擇方案之間的替代性，則進一步比較“配送模式”、“服務(wù)方式”和“配送時隙”3類巢的異質(zhì)性參數(shù)可以看到，巢“服務(wù)方式”的異質(zhì)性參數(shù)最小，表明該巢內(nèi)部的各選擇肢之間具有較強的關(guān)聯(lián)性。同時，也意味著當效用變量(如設(shè)備可操作性需求)發(fā)生變化時，消費者通常不愿意改變其服務(wù)方式，而會考慮改變配送模式和配送時隙。而巢“配送時隙”中4個選擇肢出現(xiàn)了明顯不同的兩種情況，即8:00～10:00和10:00～12:00兩個配送時隙的異質(zhì)性參數(shù)很大，而12:00～16:00和16:00～18:00兩個配送時隙的異質(zhì)性參數(shù)相對較小。這表明處于上午的配送時隙獨立性較高且可替代性很低，而下午的配送時隙可替代性較高。如果配送服務(wù)發(fā)生在上午，則配送時隙的異質(zhì)性參數(shù)最大，即效用變量發(fā)生改變時，消費者會首先考慮更改配送時隙，然后考慮改變配送模式，最后才考慮改變服務(wù)方式；如果配送服務(wù)發(fā)生在下午，則配送模式的異質(zhì)性參數(shù)最大，即當效用變量發(fā)生改變時，消費者會首先更改配送模式，然后變更配送時隙，最后更改服務(wù)方式。

3.3 直接彈性分析

運用表3的參數(shù)估計結(jié)果計算直接彈性，分析效用變量在按一定百分比變化時選擇概率的變化情況。這里直接彈性是指當備選方案i的第l個效用變量值變化1%時，方案i選擇概率發(fā)生的變化。因此，CNL模型第l個效用變量的直接彈性的表達式為：

(5)

本文主要針對配送服務(wù)屬性類變量做直接彈性分析，具體含義為不同配送模式在不同配送方式和配送時隙下，某一配送服務(wù)屬性類變量變化引起的備選方案選擇概率的變化，計算結(jié)果如表4所示。

表4 配送服務(wù)屬性類變量的直接彈性分析

分析表4中數(shù)據(jù)可以看到：

(1)在等待時間造成的困擾度方面 送貨上門模式的直接彈性大于自提模式，即消費者對送貨上門模式的等待時間更為敏感。在服務(wù)方式中，職業(yè)人服務(wù)方式的直接彈性最小，這意味著消費者更能接受職業(yè)人提供服務(wù)所帶來的等待時間增加。在配送時隙中，消費者對8:00～10:00送貨上門和12:00～16:00自提的等待時間最敏感，這兩個配送時隙正與大部分消費者上班的時間相一致。

(2)在對服務(wù)態(tài)度的滿意度方面 送貨上門配送模式的直接彈性仍然大于自提模式，即消費者對送貨上門模式的服務(wù)態(tài)度很敏感，這也反映出送貨上門的服務(wù)水平最能影響消費者的服務(wù)滿意度。在服務(wù)方式中，非職業(yè)人送貨上門的服務(wù)方式的直接彈性最大，這說明消費者對非職業(yè)人提供送貨上門服務(wù)的要求最為苛刻；對比自提模式中的3種服務(wù)方式發(fā)現(xiàn)，職業(yè)人自提方式的直接彈性比其他兩種方式高，說明消費者對職業(yè)人提供自提服務(wù)的要求較嚴格。在配送時隙中，消費者對服務(wù)態(tài)度的滿意度表現(xiàn)與等待時間造成的困擾度表現(xiàn)基本一致。

(3)在對經(jīng)濟損失的擔憂度方面 自提模式的直接彈性小于送貨上門模式，即消費者更擔憂送貨上門模式的經(jīng)濟損失。在服務(wù)方式中，職業(yè)人模式的直接彈性相對較小，其中職業(yè)人自提模式的直接彈性最小，這反映出消費者比較能接受由職業(yè)人提供自提服務(wù)所帶來的經(jīng)濟損失；比較送貨上門模式中的3種服務(wù)方式可以發(fā)現(xiàn)，由無人機送貨上門的服務(wù)方式直接彈性最大，這體現(xiàn)出盡管消費者愿意嘗試無人機配送的服務(wù)方式，但仍然對其送貨的服務(wù)安全性有較大疑慮。在配送時隙中，消費者對經(jīng)濟損失的擔憂度表現(xiàn)仍然與等待時間造成的困擾度表現(xiàn)一致。

直接彈性反映出來的消費者行為還與前文從統(tǒng)計數(shù)據(jù)中得到的消費者配送服務(wù)選擇特征相符，更清晰地刻畫了消費者在效用變量影響下選擇不同備選方案的概率變化。

4 結(jié)束語

配送模式、服務(wù)方式及配送時隙三者之間存在緊密聯(lián)系，研究三者的聯(lián)合選擇問題能較充分地解釋消費者對配送服務(wù)的選擇行為，有助于企業(yè)合理有效的開展“最后一公里”配送服務(wù)。因此，本文通過問卷調(diào)查，描述了消費者的配送服務(wù)選擇特征，并進一步構(gòu)建了交叉巢式Logit模型，來分析消費者對“最后一公里”配送模式、服務(wù)方式與配送時隙的聯(lián)合選擇。通過研究，得到以下結(jié)論：

(1)CNL模型能充分考慮備選方案在多維度的關(guān)聯(lián)性，從模型的擬合結(jié)果看，模型具有較好的統(tǒng)計學特征，可作為消費者配送服務(wù)選擇行為中有關(guān)多維選擇問題的分析工具;從參數(shù)估計值來看，能夠正確反映效用變量對消費者的配送服務(wù)選擇行為的作用。

(2)異質(zhì)性參數(shù)描述巢內(nèi)各個選擇肢之間相關(guān)性的大小，其取值越大表明巢之間相關(guān)度越低。從調(diào)查問卷的數(shù)據(jù)擬合結(jié)果看，當配送服務(wù)發(fā)生在上午，巢“配送時隙”的異質(zhì)性參數(shù)最大，其次是巢“配送模式”，巢“服務(wù)方式”的異質(zhì)性參數(shù)最?。划斉渌头?wù)發(fā)生在下午，巢“配送模式”的異質(zhì)性參數(shù)最大，其次是巢“配送時隙”，巢“服務(wù)方式”的異質(zhì)性參數(shù)最小。上述異質(zhì)性參數(shù)的排序，也表明了當效用變量發(fā)生變化時，消費者選擇的變化情況，即巢的異質(zhì)性參數(shù)越小，消費者越不愿意變更在該“巢”的選擇。

(3)直接彈性分析表明，消費者對送貨上門模式帶來的等待時間、服務(wù)水平、經(jīng)濟損失都比較敏感，這反映出送貨上門配送模式的各方面表現(xiàn)都比較能影響消費者的配送服務(wù)選擇。相比之下，消費者對自提模式相對放心。盡管如此，消費者仍然愿意選擇比較便利的送貨上門配送模式。在服務(wù)方式中，消費者對非職業(yè)人送貨上門服務(wù)方式帶來的服務(wù)水平最為敏感，對無人機送貨上門的服務(wù)方式帶來經(jīng)濟損失最為顧慮，而對職業(yè)人服務(wù)方式帶來的等待時間和經(jīng)濟損失更寬容。這也表現(xiàn)出消費者對職業(yè)人的配送服務(wù)是相對信任，對非職業(yè)和無人服務(wù)方式的服務(wù)質(zhì)量較為擔心。在配送時隙中，消費者對8:00～10:00送貨上門服務(wù)和12:00～16:00自提在各方面都普遍表現(xiàn)比較敏感。這兩個時隙是大多數(shù)消費者的上班時間，因此反映出如果消費者在上班時間接受配送服務(wù)則會提出更高的配送服務(wù)要求。直接彈性所表現(xiàn)出的消費者對不同配送服務(wù)備選方案的偏好，還與消費者配送服務(wù)選擇特征相一致。本文研究可以為企業(yè)開展與消費者偏好相適應(yīng)的“最后一公里”配送服務(wù)提供指導(dǎo)，但仍然存在一定的局限性。首先，數(shù)據(jù)主要來自中國沿海地區(qū)的消費者，缺少對中西部地區(qū)消費者偏好的考慮；其次，本研究僅關(guān)注了配送服務(wù)屬性類變量的單一作用，現(xiàn)實生活中配送服務(wù)屬性類變量與社會經(jīng)濟屬性、配送活動屬性類變量之間存在交互影響，這種影響在本研究中尚未被探討。這些局限性將在后續(xù)研究中加以改進與完善，以使得研究結(jié)果更加具有說服力。