区块链技术促进“新零售”提速增效问题研究

尚延超 博士生

（中国社会科学院研究生院 北京 100010）

零售业发展区别于其它行业发展，其是以零售知识为依托，采用螺旋式演进路径发展，通过合作与竞争，实现优胜劣汰（陶伟军等，2002）。这一观点只提出了螺旋式的宏观路径，对于新旧替换细则未具体明确。新业态进入零售市场，更多地需要突破原有业态的边界，这个边界既包括物流边界，还包括信息流边界，更包括管理边界等（杨薇臻等，2004），“新零售”的出现就是对这种理论（杨薇臻等，2004）的有力支撑。按照经典理论——“零售之轮”理论并结合我国实际，学者认为我国“新零售”发展应采取渠道整合、个性发展、自媒体发展三个阶段融合发展方式（蒋亚萍等，2017）。我国“新零售”近年来异军突起，更多是在借鉴美国市场的发展经验，采用线上优先、线下追随的方式实现高质量发展（洪涛，2017）。在我国“新零售”快速发展中，对于新技术的应用以及全渠道平台的建立显得尤为关键（杜睿云等，2017）。本研究正是在此背景下，就区块链这一新技术如何具体应用于“新零售”转型展开探究。

“新零售”关键支撑理论依据

（一）“新零售”和区块链优势、劣势

分析结果将与实证分析结果结合，为“新零售”新体系结构确立和“新零售”转型路径确立提供依据。表1确立了“新零售”具有四大优势和五大劣势，区块链具备三大优势。如何利用区块链的优势来为“新零售”补短板，后续的分析将给予详细解答。

（二）“新零售”预约类业务隐含支撑关系

“新零售”预约业务需求是否存在？如果存在，其与哪些关键因素相关？对于这些疑问，本研究采用经济分析常用分析方法假设检验法进行分析。

基于此，提出一个总体框架：预约业务需求力与“新零售”支付类认证能力相关，后者对前者的支撑系数为α；与“新零售”支付能力相关，后者对前者的支撑系数为β；与“新零售”认证唯一性相关，后者对前者的支撑系数为γ；与“新零售”传统业务能力相关，后者对前者的支撑系数为η；与“新零售”分析业务能力相关，后者对前者的支撑系数为μ；与“新零售”其它能力无关，后者对前者的支撑系数为ν。此假设用假设检验法表述为：H0：α＞0，β＞0，γ＞0，η＞0，μ＞0，ν=0；H1：H0不成立。

在约定残差服从标准正态分布的前提下，上述假设可以基于时间序列数据的卡方分布、t分布、F分布进行检验，具体的检验过程与检验结果详见后续实证部分。

（三）“新零售”传统类业务因果关系

还有哪些新因素影响“新零售”传统业务发展？如果有，其为正向关系还是负向关系？对于这些疑问，采用经济分析假设检验法进行分析。

基于此，研究提出一个总体框架：分析类业务能力影响“新零售”传统业务能力，前者对后者的支撑系数为ξ。此假设用假设检验法表述为：H2：ξ＞0；H3：H2不成立。推送类业务能力影响“新零售”传统业务能力，前者对后者的支撑系数为ω。此假设用假设检验法表述为：H4：ω＞0；H5：H4不成立。在约定残差服从标准正态分布的前提下，上述假设可以基于时间序列数据的卡方分布、t分布、F分布进行检验，具体的检验过程与检验结果详见后续实证部分。

表1 “新零售”和区块链优势劣势分析

（四）“新零售”支付等候模型

按照消费心理规律，“新零售”业实体点的排队等候符合一般规律：无需消费等待时，消费意愿最强；在到达消费容忍时长极限之前，消费意愿与等待时间成反比；在到达消费容忍时长极限之后，消费意愿直接降低为零。将其转化为统计模型如下（具体见式1左侧子式）：

T为消费容忍时长极限（目前是未知参数），y为具体的等待时长，x为等待人数，λ为指数分布的参数（目前是未知参数）。式（1）右侧子式为等候人数服从的分布函数。按照全概率公式，可以得到等待人数与等待时长同步发生的概率（具体见式2）。

注意到T是未知参数，λ为未知参数，后续研究将确定这两个未知参数。分析的手段是基于营业点历史水平数据，确定这两个未知参数的数值，在此基础上通过实施措施，压缩支付等待时间，提升零售点营业水平。具体的实现过程与实现结果详见后续实证分析部分。

“新零售”关键支撑实证依据

（一）“新零售”预约类业务隐含支撑关系实证研究

就前述研究中的“新零售”关键支撑依据进行实证分析，主要是确定“新零售”预约类业务隐含支撑关系。采用在“新零售”企业进行问卷调查的方式，确定预约类业务发展是由哪些因素支撑。调查问卷在主流“新零售”企业展开，一共有6家“新零售”企业参与。为了避免研究结果对参与对象造成不必要的影响，在此隐去具体参与企业名称。整个调查问卷一共30道题目，由单选题和多选题组成。共计有2.3万人参与了网上调查，回收的有效问卷占比为97.6%，有效调查率远高于95%水平，因此研究认为问卷调查有效。

在此基础上，研究将调查问卷结果转化为数值序列。采用最小二乘法进行回归分析，确定了预约业务能力与隐含支撑因素之间的关系。基于这一线性关系进行假设检验，确定了结果，见表2所示。从表2的分析结果来看，整个调查问卷结果是具有高信度的，这一点可以从表2的第6列（自左向右，下同）看出。在此基础上进行的线性回归分析，其线性关系成立的可信度是高于0.87（具体见表2的第4列）。基于此，研究确定了H0假设是高置信度成立，这一点可以从表2第2列、第3列数据中看出。

由上所得，研究认为预约业务能力是与“新零售”支付类认证能力正向相关，与“新零售”支付能力正向相关，与“新零售”认证唯一性负向相关，与“新零售”传统业务能力正向相关，与“新零售”分析业务能力正向相关，与“新零售”其它能力无关。这些关系的确定将作为后续“新零售”新体系结构确定的关键依据和“新零售”转型总体路径确定的关键依据。

（二）“新零售”传统类业务因果关系实证研究

此处分析，不采用“新零售”预约类业务隐含支撑关系实证研究中的调查问卷，而是基于前述确定6家实证企业历史数据进行分析。通过一个滞后期的分析，确定了影响“新零售”传统类业务的两大因素。这一关系为线性关系，基于该关系再进行假设检验，确定了如下结果，见表3所示。从H2、H3、H4、H5的分析结果来看，分析类业务能力正向影响“新零售”传统业务能力，推送类业务能力正向影响“新零售”传统业务能力。这些关系的确定将作为后续“新零售”新体系结构确定的关键依据和“新零售”转型总体路径确定的关键依据。

（三）“新零售”支付等候模型

在此基础上，研究利用“新零售”已有的历史数据进行分析，主要是解答前述分析中确定的等候模型（式2）中待定参数。通过反复分析，确定了支付等候模型，为了便于分析，将该模型以图形的形式展现，具体见图1所示。该图是利用分析软件Python3.7完成，由于Python中的Matlab模块不支持中文，故该图中的坐标和图名均为英文。图1中的三个维度为进店用户数、进店选购平均时间、选购完毕支付平均等待时间。仔细研究该图，不难发现其支付平均等待时间最大值为7分钟，进店选购平均时间最大值为35分钟，进店用户数瞬时高峰达到30人，这些关系和关键数值的确定将作为后续“新零售”新体系结构确定的关键依据和“新零售”转型总体路径确定的关键依据。

表2 “新零售”预约类业务隐含支撑关系假设检验结果表

表3 “新零售”传统类业务因果关系假设检验结果表

表4 国内转型仿真实效结果表

图1 支付等候模型3D图

图2 未使用区块链技术的排队时长图

图3 使用区块链技术的排队时长图

图4 “新零售”新体系结构

“新零售”转型成效实证与转型路径

（一）“新零售”转型实效之支付等候实效

利用“新零售”已有的历史数据进行分析，主要是基于已经确定的等候模型（式2，图1中展示），并结合实证对象的历史数据进行转型后的升级成效分析。采用区块链技术进行转型升级后，单笔业务的处理能力和处理速度提升幅度与水平是可以明确得到的。因此，将“新零售”业历史数据、估计模型（式2）和单笔业务处理能力提升相结合，可以进行较为真实的仿真分析。

从仿真分析结果来看，“新零售”转型后的服务质量也得到了显著提升（具体见图2、图3所示。图2与图1完全一致，在这里重复是为了增加与图3的直接对比度。图中的三个维度为进店用户数（Total Persons of Enter）、进店选购平均时间（Per Time of Shopping）、选购完毕支付平均等待时间（Per Time of Paying for）。从两图的对比来看，采用区块链技术对“新零售”转型后，在保持选购时间和进店人数相对不变的前提下，支付平均等待时间大幅度下降。就支付等候实效而言，转型效果显著。

（二）“新零售”转型实效之整体实效

在保障零售企业采用代售（即购货款延期支付）为主的前提下，就零售发展质量进行分析。通过多次仿真分析发现，转型成效显著，主要体现在收支透明度、交付及时率，具体数据见表4所示。仿真分析基于Matlab+Python实现。从表4仿真分析结果来看，对于零售点服务目标客户，无论是预约型业务还是传统型业务，交付及时率都能100%实现（表4中的最后一列，自左向右顺序，下同）。对于为零售点提供服务支撑的组织或个体，其交付及时率都能在85%以上（表3中的倒数第二列），虽然这一数据（为零售点提供服务支撑的组织或个体的交付及时率）未能实现100%，但是已经远高于未转型之前平均60%的水平。基于此，研究认为，采用区块链技术进行“新零售”转型效果显著。

（三）“新零售”成功转型路径总结

基于上述成功转型实例，研究总结得出“新零售”转型总体路径，共需五个步骤完成，依据先后次序分别是构建基于区块链技术的认证中心、B2B区块链应用、B2C区块链应用、B2BC区块链应用、依托B2BC体系实现预约类为主的业务运营。需要特别强调这一路径是基于前述分析得出，不具有唯一性，只是成功实现“新零售”转型的其中一条路径。

构建基于区块链技术的认证中心。认证中心必须以去中心技术为依托，实现认证功能的及时性与认证无中心性。认证中心建立应能实现零售企业库存信息、采购信息、销售信息、预约销售信息、支付信息、待支付信息等的全部共享认证。

B2B区块链应用。B2B区块链应用即零售商与供应商之间基于数字货币实现互信认证，可以采用零售商与供应商对等接受双方各自发行的数字货币为主要形式，供应商与零售商之间的所有业务往来以数字货币形式体现。对于在线型业务，以数字货币交易替代传统货币；对于预约业务，以在第三方机构抵押数字货币形式实现。

B2C区块链应用。B2C区块链应用即零售商与消费客户、潜在消费客户之间基于数字货币实现互信认证，零售商采用等值传统货币兑换等值数字货币的形式实现。只要是向消费客户和潜在消费客户发售的数字货币，必须在零售体系和供应体系采用区块链技术传播，确保其唯一性和真实性。

B2BC区块链应用。B2BC区块链应用核心是实现从消费体系向零售体系，再向供应体系信息互通与共享。共享结果采用反向路径，从供应体系向零售体系传播，再向消费体系传播。整个正向传播与反向传播完成，三大体系中的认证信息完全一致。

依托B2BC体系实现预约类为主的业务运营。根据消费者的信用等级、零售点的信用等级、供应点的信用等级，开展与之对应的预约业务等。预约业务以在第三方抵押等额数字货币或提前收取等额数字货币为主要形式，抵押与收取均应通过传播在三重体系内正向传播与反向传播。

（四）成功转型后的“新零售”体系结构

基于上述总结，研究确定了成功转型后“新零售”体系结构，具体见图4所示。图4是以两个“新零售”点为代表（这并不代表转型后的“新零售”都应采用这种对称型结构），采用去中心化的认证中心来实现对全业务的支撑。从图4可以看出，转型后的“新零售”业务能支持全部需求的根源在于具有去中心化的“认证中心”，这一点与现有的中心化的“认证中心”区别显著。另外从业务结构来看，以预约类业务、分析类业务、推送类业务和传统类业务作为四大引擎，可以实现“新零售”业的再次腾飞。

结论与建议

本研究对“新零售”和区块链进行优劣势分析，归纳了前者具有四大优势、五大劣势和后者具备三大优势，在此基础上探讨了满足新需求的完善“新零售”体系应该具备的结构特征，这一探讨过程是采用量化分析为主的方法完成，是以六家实证对象的历史数据和问卷调查数据作为依据，探究过程采用了假设检验法、回归分析法和概率模型构建法，最终构建了多重去中心化结构为满足新需求的完善“新零售”体系。随后，基于六家实证对象历史数据进行转型仿真分析，检验了“新零售”转型成功性以及量化了“新零售”转型的业务提升水平。结合上述成果，本研究提出如下四点建议：

“新零售”转型必要性和转型路径确定应以量化分析为基础。“新零售”是否存在转型必要性，以及采取何种路径转型，应以量化分析结果为依据，不应“拍脑袋”决定。具体可参见此次研究的思路与方法，采用具有高置信度的结论、方案作为实施的具体依据。

“新零售”转型迫在眉睫。“新零售”业在我国发展中遭遇瓶颈，对以预约类为代表的业务无法有效支撑。只有攻克这一难关，才能实现“人民对美好生活向往就是我们工作目标”的诉求，这也是应对“新零售”业潜在下行压力的必然要求。

“新零售”转型可以依托去中心化的区块链技术实现。“新零售”业无法对以预约类为代表的业务进行有效支撑，关键在于缺少具备去中心化认证中心体系的存在。当具有去中心化认证中心构建完成，“新零售”中的预约业务、分析业务、推送类业务将实现从无到有、从弱到强的巨变，由此助推传统业务迅速提升，区块链技术恰好具有这一优势，可以补短板，提质量，实现“新零售”的定向转型。

“新零售”转型可以围绕B2B区块链应用和B2C区块链应用等实现。“新零售”业转型可以依托B2B区块链应用、B2C区块链应用等为核心予以实现。研究确定的五步转型方案只是成功路径中的一条，并不是唯一一条，这条路径通过成功构建区块链认证中心，以逐步推进和分层推进的方式，实现了“新零售”业的有效转型。