基于“互联网+”的生鲜电商第三方物流服务商选择模型研究

赵欣

中图分类号：F253 文献标识码：A

内容摘要：本文在分析前人已有研究成果的基础上，综合考虑互联网环境下物流服务商的特点，结合生鲜产品物流运输的特性，提出合作能力、物流价格、物流质量、企业实力、信息化程度作为准则层的一级指标，运用AHP-GRAP评价技术，构建生鲜电商第三方物流服務商选择模型。最后通过实际数据案例验证构建理论模型的科学性、有效性和可操作性。

关键词：“互联网+” 物流价格 信息化程度

近年来，互联网技术得到普遍应用，在“大众创新，万众创业”的时代背景下，生鲜电商借助丰富的电子商务营销手段，基于互联网技术在时间、空间、信息、资源等方面的优势，纷纷开拓网上直销渠道，降低在中间环节的经营成本，提高生鲜电商的收入。在互联网环境下，如何构建科学的生鲜电商第三方物流服务商选择模型，选择合适的物流服务商，在合理的物流价格基础上，既能保持生鲜产品的新鲜度，又能保证配送的准时和准确，提高终端客户的满意度，有效地降低生鲜产品在运输环节的“质”的衰减和“量”的损耗，降低生鲜电商的经营成本，一直是学术界和企业界共同关注的热点问题。

研究综述

在互联网环境下，第三方物流服务商是连接生鲜电商和终端消费者的桥梁，在物流运输环节中具有至关重要的作用，所以必须建立科学、合理的第三方物流服务商选择模型，真实、有效地评价待选物流服务商的综合实力和发展潜力，为生鲜电商提供决策支持。目前，国内外学者关于生鲜电商第三方物流服务商选择模型的研究不多，主要体现在两个方面：一方面是结合相关的理论和技术，构建选择模型从待选物流服务商选出最合适的物流服务商，所采用的技术一般如层次分析法、因子分析、模糊综合评价法、BP神经网络、模糊群决策方法等单一技术，认为采用单一技术，建立选择模型，通过数学模型，可以科学地选择物流服务商，而实际中，需要考虑定性与定量结合的技术才能确保构建模型的科学性和合理性。

模型建立

（一）构建服务商选择模型的原则

系统、简洁性原则。第三方物流服务商的综合实力和潜力发展前景能够在所构建的选择模型中得到准确、多角度地反映，在确定指标时，各指标间应有一定的逻辑关系，同时将生鲜电商对所需求第三方物流服务商企业的最终要求与各个选择指标相结合，构建一个完善的整体和系统。

全面、科学性原则。在设计和选择指标时必须有科学的理论依据，避免主观因素影响，尽可能使用可量化指标。评价体系要能够全面、真实且准确地反映物流服务商的能力和水平，在选择指标时，必须遵循科学性原则。

经济性原则。选择模型的指标必须极具代表性，能够准确反映其综合水平，并将物流服务外包的成本与收益考虑在内，实现减少工作量、误差，降低成本和提高效率的目的。

现实性兼顾前瞻性的原则。选择模型既能反映出物流服务商企业的现实经营状况，不回避存在的问题，又能准确预测和判断未来发展趋势，能够体现出短期收益与长期目标的平衡。

全面性和重要性结合的原则。因选择模型中，选择评价指标较多，权重不一，因此，构建选择模型时应遵循全面性和重要性原则，全面反映各相关因素和环节的关联，能够客观、全面评价物流服务商的经营状况，为生鲜电商提供决策支持。

定性分析与定量计算相结合的原则。生鲜电商第三方服务商选择模型是多维的复杂系统，在选择指标时，不要求所有指标都能量化计算，需设计指标加以定性分析，使决策更具综合性、导向性和正确性。

（二）选择模型指标体系建立

本文结合前人已取得的研究成果，选取反映互联网环境下的生鲜产品的第三方物流服务商要求的指标，建立生鲜电商第三方物流服务商选择模型。

合作能力。具体指标主要体现在：提高自我能力；赔偿率；合作、协作能力。

物流价格。具体指标包括：运输价格；运输时间；其中，运输时间为保证生鲜产品在物流流通环节中质量的决定因素。

物流质量。具体指标体现在： 配送准时率；配送准确率；产品损坏率；装卸速度；响应时间；客户满意度。

企业实力。具体主要体现在：企业目前注册资本；企业发展前景；目前盈利情况；目前财务情况；目前管理情况；企业影响力；市场占有率。

信息化程度。在“互联网+”环境下具体指标包括：企业业务覆盖范围；物流运输经验；信息系统；物流环境；应急能力；技术人员比重；R&D投入比重；服务与创新能力。

（三）选择模型的建立

基于层次分析法计算权重。第一，构建递阶层次结构模型。根据AHP的要求，构建基于“互联网+”环境下的生鲜电商第三方物流服务商选择模型的递阶层级结构模型，如表1所示。

第二，建立判断矩阵。由多位生鲜电商、消费者和生鲜领域的教授组成的专家组采用模糊综合评价法，根据1-9的规则对同层次下的两指标对上层相关因素做相对重要性分析，构建判断矩阵A，然后逐层对各指标建立判断矩阵。在总目标服务商选择模型下共有五项指标分别为：物流价格、物流质量、信息化程度、企业实力、合作能力，构成的判断矩阵如表2所示。

第三，计算单层次权重向量。计算判断矩阵的最大特征值及相应特征向量，归一化处理后的特征向量即权重向量，各分量为各指标对应的单排序权重值。经计算得到：权重向量为：

ω=[0.0625 0.375 0.25 0.125 0.1875]，λmax=5.39，C.I=0.0999，R.I=1.12，C.R=0.0893<0.1。可见判断矩阵具有一致性，各指标的单层次权重为0.0625、0.375、0.25、0.125、0.1875。

第四，计算出各层次指标综合权重向量。自下而上地从最底层对权重向量加权，得到各指标相对于目标层的组合权重向量，逐一进行一致性检验。表1为最终确定的指标权重表，从相对重要程度可知，运输价格、运输时间、产品损坏率、顾客满意度、响应时间、装卸速度等指标权重大，与互联网环境下选择生鲜产品物流服务商的特点相契合。

基于灰色关联度分析法计算关联系数。第一，确定比较数列。根据选择模型确定的26项指标，提高自我能力、赔偿率、合作、协作能力、运输价格、运输时间、配送准时率、配送准确率、产品损坏率、装卸速度、响应时间、顾客满意度、企业目前注册资本、企业发展前景、企业目前盈利情况、企业目前财务情况、目前管理情况、企业影响力、市场占有率、企业业务覆盖范围、物流运输经验、信息系统、物流环境、应急能力、技术人员比重、R&D投入比重、服务与创新能力确定比较数列，设为：

Xi=[Xi1，Xi2，Xi3，Xi4，Xi5…Xi26]

第二，确定参考数列。最优的物流服务商都是从合格的物流企业中进行筛选，因此，参考序列是待选服务商针对选择模型的最优值组成，除了运输价格、运输时间、产品货损率最小值为最优外，其余指标最大值均为最优值。

第三，原始数据标准化处理。基于数据规范化的处理方法对原始数据进行规范化预处理。以提高自我能力为例，原始数据分别为96、98、94、89，规范后的数据为0.78、1、0.56、0。

第四，计算关联度系数。根据公式计算各待选物流服务商与最理想指标集在各指标上的关联度。仍以提高自我能力为例，求解得关联系数分别为：，ξi（2）=1，ξi（3）=0.53，ξi（4）=0.33，并得到关联矩阵：。

基于层次分析法与灰色关联度分析法计算综合评价值。第一，计算综合评价值。运用AHP首先计算各指标权重，结合关联度加权的方法将指标权重与关联度系数结合集成新的关联度系数，使结果更客观、科学。

设由AHP得到权重矩阵为ω=（ωk）m×1，且。

设由GRAP得到关联度系数为。

新的关联度系数为Y=γ*ω。Y值越大，表明待选服务商越接近理想物流服务商，可根据其值大小对备选物流服务商进行排序。

案例分析

某生鲜电商主要经营线上和线下鲜花交易，欲从4个物流服务商（S1，S2，S3，S4）中选择一个物流服务商进行长期合作并建立战略合作伙伴关系。考虑到生鲜电商的长期规划，选择物流服务商时从合作能力、物流价格、物流质量、企业实力、信息化程度等方面作为物流服务商选择模型的指标，待选物流服务商各指标评价值如表3所示，在构建的第三方物流服务商选择模型的基础上采用灰色关联度分析法与层次分析法相结合的方法选择长期合作的物流服务商。

假设生鲜电商采用构建的选择模型和各指标的权重，运用灰色关联度分析法，经确定比较数列、参考数列、对原始数据进行标准化处理，计算出关联度系数，结合经AHP计算出各指标权重，得出新的关联度系数，如表4所示。

通过层次分析法与灰色关联度分析法相结合的方法对待选物流服务商进行排序，其中，最理想的物流服务商是S2，评价值为0.8012；其次是物流服务商S3，评价值为0.7678；然后是服务商S1，评价值为0.679；最后是服务商S4，评价值为0.6733。通过对原始数据分析知，虽然物流服务商S2和S3在企业注册资金、企业发展前景和企业业务覆盖范围方面不如物流服务商S1和S4，但是在运输生鲜产品时，运输价格、产品损坏率和响应速度显得更为重要，其凭借低廉的运输价格、快速的响应速度和较低的产品损坏率超过了物流服务商S1和S4，更加符合生鲜电商选择物流服务商的要求。此类方法满足生鲜电商的主观偏好，并兼顾了物流服务商的客观数据，能够根据物流服务商原始数据的变化和加入随时调整计算，避免了全部原始数据的重新计算，變得更加方便。

综上，本文研究了层次分析法与灰色关联度的相关理论，综合考虑互联网环境的特点，结合生鲜产品物流运输的特性，在综合考虑国内外众多学者已取得的研究成果的基础上，对构建选择模型的原则、技术步骤进行详细阐述，并从合作能力、物流价格、物流质量、企业实力和信息化程度五个方面，构建互联网环境下生鲜电商第三方物流服务商选择模型。