互联网对零售企业经营能力的影响

荣朝和，韩舒怡

(北京交通大学 经济管理学院，北京 100044)

一、 引 言

中国的电商零售在过去十余年间取得了快速发展，国家统计局发布的消息显示，到2017年，将近15%的实物零售交易通过互联网实现[1]。面对电商零售的快速发展，越来越多的实体零售企业增加了电商渠道，以提升自己的竞争力。根据国内上市零售企业年报与公开信息统计，截至2018年5月，在83家从事实物商品销售的国内沪深上市实体零售企业中，有61家企业增加了电商零售渠道。双渠道销售已经成为零售领域新出现的、普遍的、重要的经济现象。

国内外学者从理论层面讨论增加电商渠道对零售企业经营的影响，可以归纳为两点。Petruzzin和Dada(1999)[2]提出电商渠道帮助企业以更低的成本、更迅速地获取需求信息，实现需求导向的柔性供应链塑造，降低供需之间的信息阻隔，降低企业的库存冗余，从而降低零售企业的库存水平；Gao和Su(2017)[3]指出实体零售企业增加电商销售渠道，能够利用企业既有的门店与物流设施提供电商服务，能够提高既有固定资产的使用效率。

但是目前还没有学者通过实证研究，讨论新增的电商渠道对于零售企业经营能力的影响。本文根据上述理论研究，选取了两个指标，即存货收入比与固定资产收入比，作为衡量互联网对零售企业经营能力影响的观测变量。值得一提的是，零售企业的存货与收入比(以下简称存货比)是指为了完成一单位的销售量，需要准备的库存所占用金额的大小。吕一林(2001)[4]指出，存货比(或库存周转天数)是衡量零售企业运营效率的关键指标，反映了零售企业的规模经济水平与市场风险处理能力。由于零售行业追求高库存周转，即销量越高越好、库存越低越好，也就是在维持店铺销售的前提下，存货比越低，库存周转天数越少，零售企业的经营能力越强。此外，固定资产与收入比(以下简称资产比)，即固定资产除以营业收入的比值，反映了每完成一单位的销售量，需要投入的固定资产金额多少。该比率越低，表明固定资产利用效率高。而实体零售企业不同于集中式的工业企业，实体零售企业营业收入的增加必须依靠门店等固定资产的投资增加，该指标可以作为零售企业经营能力的辅助参考，但不能追求绝对的资产比的降低。

本文使用了国内47家上市零售企业2001-2017年的面板数据，通过双重差分的方法，检验了实体零售企业增加互联网销售对存货比与资产比的影响。结果表示，互联网能够在99%的显著性水平上降低零售企业12%的存货与收入比。但是，互联网并没有显著影响零售企业的资产比，即中国实体零售企业大多数采用的是双渠道共建战略，而不是电商渠道替代实体零售的替代战略。

二、 理论基础与假设的提出

(一) 信息、风险与存货水平

Arrow等(1951)[5]提出的报童模型是构建起市场风险与企业存货水平关系的经典文章，被众多学者接受并使用。经典报童理论的核心观点包括：(1)市场风险是普遍存在的，即供给者无法在订货时点预知当期市场的实际需求数量；(2)但是供给者大概知道需求市场数量的概率分布，即零售商大致知道某件商品销售量的均值和偏离均值的可能性。举例来说，小区的杂货店老板大概知道一周内某食品销售数量为10，但也有可能是8,9,11,12等，且一些商品的需求波动范围比较小，例如食品与日用杂货，但一些商品的需求波动范围就很大，例如时装与玩具等；(3)为了克服需求市场的风险，供给者一般会准备大于需求均值的库存，即用“安全库存”克服需求偏离均值的风险；(4)需求偏离均值的可能性越大，需求的离散度就越高，即需求市场风险大，企业需要准备的安全库存量也就越高。

现代通信理论对信息的研究往往是与风险联系在一起的。Shannon(1948)[6]提出“信息是负熵”的概念，并用概率论的知识定量化了“信息量”的概念。维纳(2007)[7]在Shannon(1948)研究的基础上，探讨了物理-信息的关系，他将信息定义为“是我们对外界进行调节，并使我们的调节为外界所了解时，而与外界交换的东西”。他认为“接收信息和使用信息的过程，就是我们对外界环境中的种种偶然性进行调节，并在该环境中有效地生活着的过程”。信息序列自身虽然具有某种偶然性，但他总是力图按照各种不同目的来调节其各个组成部分以遏制秩序紊乱的自然倾向。

Petruzzin和Dada(1999)[2]将零售领域中的信息、风险与库存的关系建立了起来。他们提出了“完美信息市场”的概念，即零售商在订货的时候就已经知道了市场需求数量的信息，这种市场的风险为0，称为“完美信息市场”。在完美信息市场上，零售企业的库存量等于需求量，即安全库存量为零。

但荣朝和(2018)[8]指出，虽然信息技术的进步有利于通过消费者既有浏览或购买的数据，勾勒“用户画像”，增加需求预测的精准程度，但是在实际生活中信息不可能超前于实体活动发生，也就是说“完美信息市场”很难实现。此外，在实际运作中，信息优化对存货水平的影响会受到响应时间要求、供应链补货周期、需求数据分析水平、商品类型等因素的影响。为了探讨企业增加电商渠道是否对实体运作有优化作用，优化作用有多大等问题，本文提出第一个假设：

H1：企业通过电商渠道销售能够降低市场风险，表现为库存水平的下降。

其次，报童理论大多数关注的是静态的评估，并没有考虑电商策略的实施时间长度对企业经营能力改善程度的变化。为了验证电商渠道的增加是否能够持久、逐渐地改善存货效率，本文提出了假设：

H1a：企业增加电商渠道会引起库存水平的下降，该影响会随着电商渠道增加的年份增加而增加。

最后，报童理论对商品的分类大多是从需求市场风险水平出发的，比如低风险需求商品(日用品)、高风险商品(时装)的订货量决策，但没有考虑体验因素对存货水平的调节作用，而通常消费者更希望通过电商渠道购买一些无须体验的熟悉的日用商品[9]。为了检验商品的体验特征是否会调节信息优化实体效率的程度，本文提出假设：

H1b：企业增加电商渠道会引起库存水平的下降，这种效率改善的程度在销售日常用品的零售企业(例如超市、便利店)更加明显。

(二) 信息、脱域与固定资产投入

互联网还重构了零售交易的时空特征。在实体零售活动中，交易主客体(零售商、商品、消费者)必须同时出现在商店空间内，才能够达成交易，实体零售活动具有典型同步物理到场的时空一致性特征。电商零售放松了匹配主客体同步物理到场的约束，消费者可以通过互联网随时随地选购商品，当支付完成，零售商通过物流配送服务将商品交付给消费者。Morrison和Firmstone(2000)[10]提出，在电商交易过程中，交易主客体的同步物理到场的时空约束被打破，使电商零售呈现出“脱域化”的特征。这种信息化的脱域特征对应的就是荣朝和(2018)[8]中异步虚拟到场的时空特征，如表1。企业增加电商渠道，意味着零售活动从单一的商店转变为可以通过互联网终端的方式，也意味着企业的门店固定资产投资可能会减少。结合Gao和Su(2017)[3]指出的双渠道零售企业可以充分利用既有零售基础设施，表现为零售企业的固定资产收入比会降低。因此，本文提出第二个假设。

表1人类交流的时空要求与限制

项目交流的空间要求与限制同地异地交流的时间要求与限制同步A同步物理到场:面对面谈话、会议交流B同步虚拟到场:电话、手机、电话会议异步C异步物理到场:留言条、留言板、留言电话D异步虚拟到场:印刷品、电报、互联网邮件、短信、微信、异地播放录像

H2：企业通过电商渠道销售能够减少固定资产收入比。

该假设下也有两个子假设。类似于假设H1a，本文认为增加电商渠道对零售企业资产比的影响会随着时间的增加而增加。

H2a：企业增加电商渠道对资产比的影响会随着开展电商渠道销售的年份增加而增加。

此外，如果企业自建电商渠道也需要固定资产投资，包括电子设备和物流基础设施等，如果这部分固定资产总额与商店固定资产总额相当，增加电商渠道很难降低企业的固定资产水平。

H2b：增加电商渠道对资产比的影响，会因为企业自建电商或在第三方平台上进行电商而不同。

但是，增加电商渠道对固定资产投资水平降低的程度会受到企业O2O模式选择的影响。实体零售企业实施O2O战略有不同的方式[11]，一种是电商替代型O2O模式，即不发展或减少实体零售渠道的发展，转型为电商零售企业；第二种是双渠道共建的O2O模式，即企业在发展实体零售渠道的同时，增加电商渠道。如果假设H2不显著，并且不是由于电商固定资产要求高(即H2a也不显著)和时滞效应(即H2b也不显著)造成的不显著，那么可能的解释就是增加电商渠道的零售企业采用的是双渠道共建的O2O模式。

三、 数据来源与变量解释

按照证监会2012版《上市公司行业分类》，本文选取了零售业分类下的97个企业。剔除年份不全、AB股重复的企业以及非实物销售的零售企业后，剩余47个。47个企业中有20个企业从未实施过互联网战略，

表2 中国零售业上市公司增加电商渠道的情况

剩余27个企业分别于不同年份开展了电商销售，具体如表2。这样的背景支持了本文将零售企业是否增加互联网销售视为一种“准自然实验”，并对其效果进行评估。

本文关心的变量包括：(1)“存货与收入比”，由存货/营业收入计算得来，主要用来代表零售企业的经营能力；(2)“存货周转天数”，是“存货与收入比”的可替代变量，用于稳健性检验，由计算期天数/存货周

表3 主要变量描述

转率=计算期天数/(营业成本/存货期末余额)计算得来；(3)“固定资产与收入比”，由固定资产/营业收入计算得到，用来衡量为了实现每单位的销售，企业需要的固定资产投资水平。上述三个指标均由上市公司年报公开数据计算得到。这三个变量的描述性统计如表3。

反映零售企业是否增加了电商零售渠道的变量是“电商业务”，该信息来自公开新闻或企业年报信息，如果企业有下列行为：入驻第三方零售平台开展电商零售、收购电商零售平台、自建电商零售平台等，则“电商业务”变量从该年到以后为1，否则为0。其他三个与零售企业增加电商零售渠道相关的指标是“电商业务增加第i年”(未在表3中标出)，i=1,2,3，仅在电商业务增加的第i年取1，否则取0。最后一个与增加电商业务相关的变量是“电商业务增加第4年及以后”(未在表3中标出)，即从电商业务增加的第四年开始，第四年及以后各年份为1，否则为0。考虑到电商业务实施到对存货周转率产生影响需要一定的时间，本文将当年9月份之前实施电商策略的做法计作当年，9月份后实施电商策略的计作下一年。

数据集中还含有用于区分零售企业销售商品类型的变量“日常购物”，如果企业属于超市、便利店等业态，主要销售的商品为食品与日用品等，则该变量为1，否则为0。对于同时拥有日常购物与非日常购物的企业，以两个市场所占份额大的为准进行标注。“自建电商”指标代表零售企业增加电商业务的方式，如果零售企业自建电商，即收购或自己投资，该变量为1，否则为0。这两个数据来源于新闻或企业年报。

四、 模型与实证分析

本文选取双重差分模型(DID)检验增加电商渠道对企业经营能力的影响，双重差分模型广泛应用于研究某一事件的发生对被解释变量影响的研究中。因为DID模型能够将除了被关注事件之外的其他因素对被解释变量的影响归类到个体效应中。固定时间与个体效应后，对比事件发生的处理组和没有事件发生的控制组，检验出该事件发生对解释变量的影响。关于DID模型的详细介绍可以参见周黎安和陈烨(2000)[12]，Beck等(2010)[13]。目前也有研究用DID方法分析双渠道对零售企业绩效的影响，例如Bell和Gallino(2017)[14]，但是他们讨论的是电商零售企业增加实体零售渠道的问题，关注的被解释变量和本文也有所不同。对于本研究而言，零售企业是否增加电商业务，就是本文关注的事件。通过对比是否增加电商业务对存货比与资产比的影响，就可以检验出该影响的大小、正负和显著与否。在DID研究的基础上，本节还增加了随时间的变化趋势、体验的调节效应研究。

(一) 电商业务对存货比的影响

增加电商业务对存货比的影响包括三个检验，分别是：(1)电商业务对企业存货比的影响(基于个体与时间的双固定效应)；(2)电商业务对存货比的影响随时间的变化趋势；(3)商品类型对互联网对存货比影响的调节作用。具体的三个模型为：

模型一检验企业增加电商渠道对存货比的影响。标准的双重差分估计模型为：

Invntit=α0+α1*Gi*Dt+α1*Gi+αt*Bt+α2*Zit+rit

(1)

其中，invnt代表企业i在第t年的“存货与收入比”，Dt表示“电商业务”，是虚拟变量，当Dt=1代表企业在t年增加了电商销售渠道，Dt=0则无。Gi是虚拟变量，如果企业i在任何年份都没有增加电商渠道则Gi=0，代表该企业属于实验组。Ai和Bt分别是用于估计固定个体效应与固定年份效应的企业与年份虚拟变量矩阵，Zit表示其他控制变量，rit为误差项。

利用实验组(Gi=1)的政策实施前后差值(ytreat,1-ytreat,0)与控制组(Gi=0)的政策实施前后的差值(ycontrol,1-ycontrol,0)再次做差，通过两次差分，能够得到双重差分估计量，即交乘项Gi×Dt前系数α1的估计量。定义Git=Gi×Dt，其物理意义为：当企业i在年份t增加了电商渠道，则Dit=1；否则为0。用Ai代表企业i的个体效应。方程(1)等价于：

Invntit=α0+α1*Gi*Dt+Ai+Bt+αn*Zit+rit

(2)

对方程(2)进行OLS估计，得到的α1估计量就是增加电商渠道对存货比的影响。

模型二检验增加电商渠道对存货比影响的时间趋势变化。在模型一的基础上，将Dit替换为四个虚拟变量，分别在电商实施当年Di1、第二年Di2、第三年Di3、第四年及以后Di4h取值为1，否则为0。则α2,α3,α4,α5分别是企业增加电商业务对当年、第二年、第三年、第四年及以后的存货比的影响。模型为：

Invntit=α0+α2*Di1+α3*Di2+α4*Di2+α5*Di4h+Ai+Bt+α2*Zit+rit

(3)

模型三检验企业销售商品类型的调节效应。在模型一的基础上，增加虚拟变量gro，如果企业主要销售商品类型为低体验商品(日用品)，则gro=1，否则gro=0。该模型主要关注交乘项groi×Dit(方程(4)第三项)前的系数α6。如果α6与α1同向且显著，说明企业销售日用品会增强电商对存货比的影响。模型为：

Invntit=α0+α1*Dit+α6*groi*Dit+α7*groi+Ai+Bt+α2*Zit+rit (4)

注：第(2～4)栏控制了企业规模与业态分类。括号内为t统计量的绝对值，90%、95%和99%的显著性水平分别用*、**、***表示。后同，不再说明。

增加电商业务对存货比影响的回归结果如表4。

从表4第(1)栏中可以看出，互联网能够降低12.1%的存货比，该结果在统计学意义上显著。第(2)栏增加了行业虚拟变量，以及营业收入与资本总量代表的企业规模的控制变量，依然能够得到企业增加电商渠道能够显著降低11%的存货比的结果。综上，假设H1通过检验，即增加电商渠道有利于降低存货比，增强零售企业的经营能力。此外，第(3)栏检验了互联网对存货比降低效应随时间的变化趋势，在实施当年，增加电商业务能够使存货比降低9.3%。对比α2，α3，α4，α5发现从增加电商当年到第四年及以后，该效应呈现上升趋势，结果支持假设H1a，即互联网对零售企业存货比降低的改善作用具有递增、持久的特点。第(4)栏检验了零售企业销售商品类型为日常用品对于电商效应的影响，交互项前的系数α6约为-11%，与本文关注的“增加电商”变量前的系数α1同号，并且显著。该结果支持假设H1b，其物理意义为：如果企业以日用品销售为主，互联网对存货比的降低作用会增强。

(二) 互联网对资产比的影响

与增加电商业务对存货比的影响相似，增加电商业务对资产比的影响也包括三个模型，分别是：(1)电商业务对企业资产比的影响；(2)电商业务对资产比的影响随时间的变化趋势；(3)控制“自建电商渠道”因素对资产比的影响。

模型四检验企业增加电商渠道对企业“固定资产与收入比”(以下简称“资产比”)的影响。具体模型为：

Fxastit=β0+β1*Dit+Ai+Bt+αn*Zit+∈it

(5)

其中Fxast代表企业i在第t年的资产比，Dit表示“电商业务”，是虚拟变量，在企业i增加电商渠道的第t年及以后Dit等于1，否则等于0。因此，Dit前的估计量β1代表了增加电商渠道对存货比的影响。Ai和Bt分别是用于估计固定个体效应与固定年份效应的企业与年份虚拟变量矩阵，Zit是控制变量，∈为误差项。

模型五考虑增加电商渠道对企业资产比影响随时间的变化趋势。在模型四的基础上，将Dit替换为四个虚拟变量，分别在电商实施当年Di1、第二年Di2、第三年Di3、第四年及以后Di4h取1，否则为0。则β2,β3,β4,β5分别是企业增加电商业务当年、第二年、第三年、第四年及以后对资产比的影响。模型为：

Fxastit=β0+β2*Di2+β3*Di2+β4*Di3+β5*Di4h+Ai+Bt+αn*Zit+∈it

(6)

模型六增加了企业自建电商对资产比影响的检验。在模型四的基础上，引入虚拟变量zj=1代表企业通过收购或自建方式开展电商业务，否则zj=0。该模型主要关注该项(模型(8)，第三项)前的系数β6和的正负和显著性。如果β6为正且显著，说明企业自建电商会增加企业固定资产投资，反之亦然。在方程(5)的基础上有：

Fxastit=β0+β1*Dit+β6*zj+Ai+Bt+αn*Zit+∈it

(7)

表5 增加电商渠道对资产比的影响

注：第(1)(3)和(4)栏控制了企业规模、业态分类与营业周期。

增加电商业务对资产比影响的回归结果如表5。

从表5的(1)栏可以看出，企业增加电商渠道对资产比的影响并不显著，也就是实证结果拒绝了假设H2，即电商渠道的增加并不能够显著降低零售企业的固定资产水平。表5的(2～3)栏的结果证明了该结果具有良好的稳健性。表5的(2)栏的结果表明，不采用控制变量，该影响依旧不显著。表5的(3)栏讨论了增加电商渠道对企业资产比影响的随时间变化的趋势，结果显示：不论是在增加电商当年、第二年直至四年及以后，电商业务的增加都没有显著降低零售企业的资产比。

增加电商渠道不能显著降低零售企业的资产比有两个可能的解释：第一，电商零售业务同样会增加固定资产投入；第二，增加电商零售业务并没有影响实体零售企业的实体商店发展。但是表5的(4)栏拒绝了第一种解释，即假设H2a，因为自建电商对企业资产比的影响(β6)并不显著。所以，增加电商对资产比影响的不显著并不是因为自建电商导致的。排除了这一种可能性之后，增加电商业务对资产比的不显著的影响原因有很大可能是因为零售企业并没有因增加电商渠道而放弃自己的实体零售发展，即零售企业在发展电商渠道的同时依旧在扩大实体市场，由此导致了电商对资产比的影响不显著。

五、 电商对存货比影响的稳健性检验

因为第四部分已经通过方程(6～7)验证了增加电商对企业资产比的影响并不显著的稳健性，本章主要关注增加电商对企业存货比的影响的稳健性检验。替换变量以及基于双重差分倾向匹配得分的稳健性检验结果显示，增加电商降低企业存货比的作用具有良好的稳健性。

(一) 替换变量

表6 增加电商渠道对存货比的影响

注：第(2～4)栏控制了企业规模与业态分类。

定义“存货周转天数”(简称周转天数)为计算期天数/(营业成本/存货期末余额)，用周转天数zzts替代方程(1～4)中的存货比invnt。类似于表4，有回归结果见表6。

对比表6的结果，和表4基本一致。也就是说，即使用不同的指标衡量零售企业的存货水平，增加电商渠道对因变量的影响依然显著。这说明增加电商对存货比的影响是稳健的。

(二) 双重差分倾向得分匹配(PSM-DID)

双重差分的重要假设是控制组(treated=0)与处理组(treated=1)具有相同的时间趋势。因此，在运用DID方法前需要使实验组和控制组个体在各方面特征上尽可能地相似[14]，否则是否增加电商渠道与企业的特性相关会产生样本选择偏差的内生性问题，造成实验结果偏误。而倾向匹配得分(PSM)是克服这种样本选择偏差的办法[14]，能够对每个处理组个体根据一些条件匹配一个或多个具有相似特性的控制组个体，筛选出共同取值范围之内的样本。然后使用DID方法，通过双重差分方式得出政策的处理效应。

表7 增加电商渠道对存货比的影响(基于PSM匹配后样本)

注：第(2～4)栏控制了企业规模与业态分类。

基于这一思路，本文对所有样本按照企业规模(以营业收入、资本总计衡量)，销售商品类型，计算了其倾向匹配得分。根据倾向匹配得分，进行了配对。匹配后的样本使实验组与控制组之间的协变量均值之间的差异均有所减少，说明PSM较好的平衡了样本。基于匹配后的样本，按照陈强(2012)[15]557-559中的公式：ATT=1/N*∑i[(y1ti-y0t′i)-(jw(i,j)*(y0tj-yot′j)]。重新计算了增加电商渠道的处理效应为-0.135，对应的T值为-3.58，在99%的水平上显著。对比表4中匹配前的DID估计量为0.121，二者结果相差不大，甚至略有增加。此外，剔除了匹配后共同取值范围外的样本，重新进行方程(1～4)的双重差分分析，有结果如表7。

匹配前后的双重差分估计量以及匹配后各模型的双重差分结果均没有明显改变，这说明：(1)企业是否增加电商渠道并没有显著的内生性，这也说明控制组(没有增加电商渠道)与处理组(增加了电商渠道)企业具有相似的时间趋势，满足双重差分模型应用的基础；(2)匹配前后的回归结果都通过了显著性检验，说明增加电商渠道能够显著降低企业的存货比的结果具有良好的稳健性。

四、 结 论

电商零售的发展已经对零售业的交易方式与发展产生了重要影响，越来越多的实体零售企业开始增加电商渠道，提升自己的竞争力。但目前很少有研究讨论双渠道策略对零售企业经营能力的影响。存货与收入比是反映零售企业商品流动性和经营状态的重要指标，而且存货水平、信息与市场风险之间的关系已经被市场营销学与管理学从理论层面广泛关注、接受并讨论。但是在实际运作中，信息技术的改善对零售企业实体经营效率的影响少有人关注。因此，本文选取存货与收入比作为反映企业经营能力的指标，运用双重差分估计，探讨了增加电商渠道对存货比的影响。实证结果显示，互联网能够提高零售企业的经营能力，其能够显著降低12%的零售企业库存收入比。这种影响会随着企业增加电商渠道时间的增加而增加，即电商渠道对企业经营能力的改善具有良好的递增性与持续性。此外，相比销售非日用品的企业来说，那些销售日用品的企业，例如：超市与便利店等，会因为商品的低到场体验特征，从增加电商渠道中获得10.5%的额外经营能力改善。总之，电商渠道的增加，即信息化水平的提升，能够对需求市场进行更好的分析与预测，降低企业面临的需求市场风险，改善零售企业实体运作效率，降低存货比水平。

此外，实体零售业是重资产行业，其市场的扩张依赖于门店数量的增加。理论上来说，增加电商销售渠道有助于产生具有跨时空“脱域”特征的交易活动并充分利用既有实体资源。本文选取了资产与收入比作为另一个衡量零售企业经营能力的指标。实证结果显示，互联网并没有显著影响零售企业的固定资产与收入比，而且时滞效应与是否自建电商对于资产比的调节作用均不显著。因此，本文认为互联网对于资产比的不显著影响，主要是因为中国大型实体零售企业实施的是商店与电商渠道共同发展的双渠道共建模式，即中国的实体零售企业在增加电商零售渠道的同时，并没有停止实体零售市场的发展。

事实上，虽然电商零售交易能够借助互联网实现交易信息、支付与物流状态的电子化，但是情境体验与商品配送等环节很难被信息化，实体零售业依旧有自身优势，这也是近几年“新零售”兴起的背景。本文的研究结果也印证了：虽然增加电商渠道能够优化实体零售企业的经营能力，但大多数实体零售企业并没有转型将电商零售作为自己的主要业务，也没有因为发展电商零售渠道而放弃实体零售市场。大型实体零售企业双渠道共建的做法也从侧面论证了信息活动与实体(物理)活动在零售业发展中都很关键。不论实体还是电商零售企业，都应该发挥自身优势，借助互联网信息技术优化自身效率，构建零售业电商-商店双渠道发展的“二网融合”新业态。