蚌埠市新零售发展分析与建议

郭永芳，李雪璐，雷 蕊

（安徽财经大学财政与公共管理学院，安徽蚌埠，233030）

一、引言

随着互联网技术的快速发展，一种“社交”+“零售”的电商行业在国内迅速发展，逐渐改变人们传统的购物模式。把这种以个人、企业以互联网为依托，通过运用大数据、人工智能等先进技术手段对线上服务、线下体验以及现代物流进行深度融合的零售新模式称之为新零售。基于在蚌埠市多家大型连锁超市购物实体调查问卷基础上，首先对蚌埠市消费者对现有购物满意度及新零售时代下的购物因素期望进行初步分析，其次深入探究蚌埠市不同人群对消费购物影响因素的差异需求，最终为蚌埠市零售行业如何在新零售时代下进行持续有效发展提供相关建议。

首先建立KANO模型，对消费者关于超市的内外部安全问题、商品质量等客观购物因素进行满意度分析，在满意度分布的象限上，得出各个影响因素的差异分布。接着构建SEM模型，研究得出在商品特征、工作服务、购物环境三个潜变量下共12个指标对消费者购物期望的重要程度顺序。其次结合消费者基础信息数据，在主观赋权下对三种购物因素即商品特征、工作服务、购物环境进行综合打分分类，然后构建无序多元logistics回归模型对不同人群的消费购物影响因素的差异性进行分析。最后依据上述结果对蚌埠市新零售的发展规划提出相关建议。

二、样本数据的筛选与处理

（一）抽样方法

使用PPS抽样方法确定所调研的区域并结合街头拦截式调查法进行调查，搜集新零售下连锁超市受众群体的基本信息，即性别、年龄、学历、月收入以及一次性购物金额等数据。调查范围覆盖蚌埠市内三个主要市辖区（龙子湖区、蚌山区、禹会区）的4个主要连锁超市（欧尚、大润发、合家福、华运）以及老城区附近的菜市场、步行街。

（二）样本筛选与数据处理

本次调查共发放821份问卷，其中有效问卷为652份，有效问卷回收率为79.5%，对于其中的缺省值我们将采用变量均值、回归变量和插值法等方式进行处理。

采用两种方法对调查问卷的结果数据进行分析，分别是效度分析和信度分析。

1.信度分析

对于外在信度分析，将15道量表题按照调查内容分为三组，分别调查消费者对超市中的商品特质、工作人员服务和购物环境方面的满意程度。内在信度分析则主要是研究问卷项目之间的内在一致性。根据数据预处理中的理论介绍，直接采用Cronbach信度系数法，检验的结果如表1所示：

表1 信度检验结果表

根据表1的Cronbach信度系数检验结果均大于0.8可知问卷设计合理，量表的内在一致性程度高，测量的可信度大。

2.效度分析

按照预处理数据的检验方法，进行内容效度和结构效度分析。其中，内容效度分析根据各单个项目分数与总和分数的相关系数进行分析，用以判断三个项目类别的代表性；结构效度分析则采用因子分析法，用以判断三个项目类别的分类是否合理。

三、基于KANO模型对新零售的可行方向分析

（一）KANO模型

KANO模型以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。KANO模型将产品服务的质量特性分为五类基本（必备）型需求、期望（意愿）型需求、兴奋（魅力）型需求、无差异型需求、反向（逆向）型需求。由于客户的需求是通过产品或服务质量特性的满足实现，因此，KANO模型对产品质量特性的划分就是对产品满足客户需求的程度和变化趋势的划分。

（二）KANO模型建立

通过问卷数据，对于上文提及的连锁超市是否需要有一定的知名度这一问题进行数据处理，得出如下结果（如表2所示）。

1.计算Better系数

Better系数的数值同城情况下为0～1，值越接近1则表示消费者对于该项问题的满意程度影响越大，满意程度提升的效果也就越强，反之则满意度提升的效果越弱，影响越小。

2.worse系数

表2 模型数值举例

Worse系数的数值通常为-1～0，即表示如果问题中所设计的方面提供的不够充分，消费者的不满意程度影响也就会越强烈，当绝对值越接近1时，对于消费者的不满意程度影响也就越大，而绝对值接近0时，用户的不满意程度影响效果也就越小。

代入数据可知上述举例问题的Better系数为0.11，Worse系数为0.170，通过上述两个系数可以得出“超市是否具有一定知名度”是无差异属性（次要属性）。

通过对所调研问题进行如上述相同方式的过程得出如下结果（如表3所示）：

表3 Better系数与Worse系数

（三）模型结论分析与新零售策略分析

综合上述，可以认为超市的内外部安全问题以及商品质量应该是人们更为关心的话题，通过新零售，可以将线上线下结合起来，对于生鲜产品应减少中间供应商的环节以获得更为新鲜的产品从而在确保安全的前提下，提供高质量的产品。而新零售的结合也可以在一定程度上减少对于停车位即人员的需求，实现连锁超市和消费者的双赢，以达到提升用户满意度和降低成本之间的平衡。大数据区块链的智能化使得在满足了送货上门、商品种类丰富的前提下还能够不定时地进行优惠，已提高人们的生活质量，最终提高人们的满意度。

四、基于SEM模型对新零售的规划分析

（一）SEM模型建立

结构方程模型是一种建立、估计和检验因果关系模型的方法。结构方程模型可以清晰分析单项指标对总体的作用和单项指标间的相互关系。

在结合著名的美国顾客满意度指数模型（ASCI）的基础上，以顾客期望作为研究的潜变量，商品特征、平台服务、购物环境作为相关性较高的三个潜变量来对顾客期望做出解释。因此采用二阶验证性因子分析，来描述各个变量之间的关系，并对其重要程度做出说明。

首先，依据描述显在变量与潜在变量之间的测度关系，称之为测量模型，该模型中以ξ1即商品特征为例，构建模型如下：

其次，描述潜在变量之间的结构关系，称为结构模型，模型如下：

根据3个潜变量之间的影响情况，以此构建潜变量并建立模型结构，可以建立如下假设：

H1：“商品特质”对“满意度”具有正向影响；

H2：“平台服务”对“满意度”具有正向影响；

H3：“购物体验”对“满意度”具有正向影响：

现采用AMOS 21.0软件，按照结构方程模型路径图的符号规则，画出模型的路径图，规定模型中第一个潜在变量对应的测量指标系数为1，相当于规定潜在变量的度量单位与对应测量指标的单位相同；规定外生潜在变量、内生潜在变量的可测变量的测量误差系数为1，依据相关关系进行路径调整后，得到新模型，其路径分析如图1所示：

图1 蚌埠市民对于新零售购物期望度的结构方程

运行AMOS得到的拟合指数统计如下：

表4 拟合指数

从表4来看，整体适配度良好，理论模型可以与数据进行适配。

（二）模型结论分析与新零售策略分析

依据表5路径系数，在较为准确的结构方程模型上对所示结果做出分析与解释。

1.潜在变量之间的关系分析

潜在变量间的系数表示某一变量的变动引起其他变量变动的程度，说明购物体验对于顾客期望的回归系数为0.887，表示购物体验提高1个百分点将使顾客期待值提高0.887个百分点。平台服务与顾客期待值的回归系数为0.903，表示平台服务水平提高1个百分点，将直接使顾客期待值提高0.903个百分点。商品特征与顾客期待值的回归系数为0.853，表示商品特征属性值提高1个百分点，将直接使顾客期待值提高0.853个百分点。综合比较，平台服务与顾客所期待的零售需求关系最高，优先考虑级别最高，顾客更为看重平台的服务水平质量。

表5 结构方程标准化路径系数表

2.潜在变量与可测变量之间的关系分析

（1）商品特征与可测变量之间的关系

商品特征中商品售后变量的系数最大（0.840），商品质量（0.817）与商品价格（0.813）次之，而商品供给系数较前两者较小（0.690）。这说明人们在生活购物中更加注重对商品售后服务的保障，其次人们看重商品价格与商品质量，这满足在实际购物中，人们对质量与价格的需求程度高的普遍现象。对于人们商品售后的高需求可以理解为当代人们随着生活水平的提高，人们可消费支出增大，对商品价格需求重视度降低，转而更加注重商品服务形式，从中获取更高的价值认同感。商品供给影响系数较低的原因在于当代商品供给的来源更多，人们对此需求力度较低，因此模型中商品供给的影响系数水平契合现代市场消费理论。

（2）平台服务与可测变量之间的关系

对于平台服务而言，人们更注重提供服务的种类与服务效率，但同时，服务质量与服务态度也处于较高的水平。因此对于现代消费购物而言，人们对于平台服务方面各项要求较高，可以理解为当代消费模式从质量模式转向于服务模式。

（3）购物体验与可测变量之间的关系

人们在挑选物品时更加注重自己的体验感与使用感，对于品牌与口碑能力的要求不高，在平时的新零售安排中，商家应注重服务效应，安排好购物环节，保证客户在购物中有更高的愉悦感与安全感。

五、基于无序多元logistics分析新零售的环境条件

（一）指标处理与数据分类

针对当今购买需求的多元化，选取不同人群种类作为自变量，研究其对购买需求的影响因素（x1、x2、x3、x4、x5、x6），因变量购物需求及逆行分组可分为15种具体购物感受，将其进一步聚类，可以分为商品特质、工作人员、购物环境三组。

针对购买需求与人群种类之间的关系，建立多logistic回归模型。根据问卷设计的内容，将购买需求进行分类，分成三大类：商品特质、工作人员以及购买环境。

为了能够反映每一位受访者分别对于商品特质、工作人员服务和购买环境的整体看法，根据调查问卷的结果我们将每个受访者关于三类购买需求的打分进行加权处理：

可以分别得到451个样本对于商品特质、工作人员和购买环境的加权后的均分。

（二）多分类无序logistic回归模型的建立

建立不同人群种类对购买需求影响的多分类无序logistic模型，回归方程的模型为：

1.购买需求-商品特质logistic回归

（1）计算商品特质分数的中位数

可以将该比值划分为两个区间，即当商品特质分数＜5.7857为低，当商品特质平均分＞5.7857时为高。并分别用0代表低，1代表高。随后以年龄、月收入、性别、学历、购物消费和购物频率作为自变量，以商品特质平均分为因变量进行logistic回归。

（2）logistic回归结果及分析

由模型系数的Omnibus检验的结果可得出，模型的p值为0.000远小于0.05，该关于商品特质的logistic回归方程具有意义，且该模型预测的正确率高于50%，预测的正确率良好。

由表6数据结果可知，性别、购物消费和购物频率用于商品特质的预测概率并不合适，因此剔除。剔除后的参数估计表如表7。

从剔除无关变量后的参数估计表中可以看出年龄、月收入、学历可以作为变量构成logistic方程：

同时，由Exp（B）即OR值中可以得到，年龄的Exp（B）=1.363表示在50岁以上的居民对商品特质的满意度为高的可能性是40～50岁的1.363倍，而40～50岁的居民对商品特质的满意度评价为高的可能性是30～40岁的1.363倍，以此类推，可以得出年龄越大的受访者对超市商品特质方面感到满意的可能性越高，而年龄越小的受访者则会有更大的可能性对商品特质并不感到满意。

表6 参数估计表

月收入的Exp（B）=1.242，表示月收入在20000元以上的居民对商品特质的满意度为高的可能性是月收入在8000～20000元的1.242倍，而月收入在8000～20000元的居民对商品特质的满意度评价为高的可能性是收入在5000～8000元的1.242倍，以此类推，可以得收入越高的受访者对超市商品特质方面感到满意的可能性越高，而月收入月低的受访者则会有更大的可能性对商品特质并不感到满意。

2.购买需求-工作人员服务logistic回归

（1）计算工作人员服务分数的中位数

我们可以将该比值划分为两个区间，即当工作人员分数＜5.8276为低，当工作人员服务分数＞5.8276时为高。并分别用0代表低，1代表高。随后以年龄、月收入、性别、学历、购物消费和购物频率作为自变量，以工作人员服务分数为因变量进行logistic回归。

（2）logistic回归结果及分析

该模型的p值为0.010远小于0.05，表明该关于工作人员服务的logistic回归方程具有意义，且该模型预测的正确率高于50%，预测的正确率良好。月收入、性别、学历、购物消费和购物频率用于工作人员服务的预测概率并不合适，因此剔除。剔除无关变量后可以看出年龄可以作变量构成logistic方程：

可以得出年龄越大的受访者对超市工作人员服务方面感到满意的可能性越高，而年龄越小的受访者则会有更大的可能性对工作人员服务并不感到满意。

3.购买需求-购物环境logistic回归

（1）计算购物环境分数的中位数

将该比值划分为两个区间，即当购物环境分数＜5.8571为低，当商品特质平均分＞5.8571时为高。并分别用0代表低，1代表高。随后以年龄、月收入、性别、学历、购物消费和购物频率作为自变量，以购物环境平均分为因变量进行logistic回归。

（2）logistic回归结果及分析

对模型系数进行Omnibus检验，模型的p值为0.000远小于0.05，该关于工作人员服务的logistic回归方程具有意义。由参数估计表数据结果可知，年龄、性别和购物频率用于购物环境的预测概率并不合适，因此剔除。

从剔除无关变量后中可以看出月收入、学历、购物消费可以作为变量构成logistic方程：

由Exp（B）即OR值中可以得到，月收入的Exp（B）=1.341表示在20000元以上的居民对购物环境的满意度为高的可能性是收入为8000-20000元居民的1.341倍，而月收入为8000-20000元的居民对购物环境满意度评价为高的可能性是5000-8000元岁的1.341倍，以此类推。因此可以得出收入越高的受访者对超市购物环境方面感到满意的可能性越高，而收入越低的受访者则会有更大的可能性对超市的购物环境并不感到满意。

同理，学历越高的受访者对超市购物环境方面感到满意的可能性越低，而学历越低的受访者则会有更大的可能性对超市的购物环境更加的满意；单次购物花费越高的受访者对超市购物环境方面感到满意的可能性越低，而单次购物花费越低的受访者则会有更大的可能性对超市整体的购物环境感到满意。

表7 剔除无关变量后的参数估计表

六、关于新零售发展的结论及建议

（一）新零售核心发展理念

新零售应当基于超市的内外部安全问题以及商品质量做出核心保障建设以获得更为新鲜的产品，从而在确保安全的前提下，提供高质量的产品。其次，新零售的供给应当契合人们对于购物消费行为的需求与期望。基于现代化商业的发展，新零售应当将如何做好服务环节纳入重点考虑与规划项目，做好商品保障服务、购物保障服务、平台服务效率、平台多项服务等工作。在满足人民需求的同时，带给人们更大的消费满足感，以此作为新零售的核心发展理念。

（二）新零售基础规划策略

投资者在开展新零售建设前需作出合理的环境地域分析，针对不同的人群种类制定合理合适的零售策略。以确保基础发展方向的正确性。借由logistics模型中的种群分类，我们将需要制定的基础发展规划与相应人群种类进行匹配。

1.当一个地区以青中年为主要群体时，应当注重工作人员的相关服务规划策略。

2.当一个地区以低收入、高学历的青中年为主时，如大学城等应当注重商品特征与工作人员的规划策略。

3.当一个地区的人群具备低收入、高学历、高消费能力特征时，应当注重购物环境规划策略。

4.当一个地区以青中年为主，且具备低收入，高学历高消费能力时，则三种规划都应当注重。

（三）新零售可持续发展策略

1.营销活动为核心，线上推送要加强

从宣传来看，新零售应当以营销活动为扩展核心业务，同时加强电视广告、官网宣传的比重，达到线上线下双重多效应宣传，以此鼓励更多人加入新零售，体验便捷生活。

2.质量效率有保证，快捷优势要发挥

从优势来看，新零售应当坚持质量保证这一优势，同时努力将便捷性做到更好，吸引更多顾客选择新零售，加强与用户之间的沟通联系，做好及时反映问题、及时处理问题的工作。因此，新零售投资者需要建立完整完善的供货与配送体系。

3.安全体系需健全，顾客安心放心购

从劣势来看，新零售应当注重安全保障的重要性，确保顾客信息不会泄露，保证顾客在购物的全过程中，质量安全有保证，家庭信息安全有保证，个人隐私安全有保证。因此投资者需建立一套合理合法的权益保护制度与监督赔偿制度，来保证购物安全。

4.线上优惠多折扣，线下配送减成本

顾客选择新零售更多方面会从价格考虑，线上多打折扣刺激消费，线下减少配送成本费用鼓励消费，从而拉动顾客消费增长，增加经济流量输入。