快递企业末端共配利益分配研究——基于改进AHP-Shapley 值法

唐孝玉， 李文瑛， 曹桂银， 许梦洁

（蚌埠学院经济与管理学院，安徽蚌埠233030）

在直播电商和网络零售的共同带动下，我国快递行业发展迅速，快递业已成为现代服务业的重要组成部分，2019 年我国快递业务量已达635.2 亿件。虽然目前业务量增速趋缓，但仍然保持每年26%左右的增长。快递业务量的增长对设备资源和快递员的需求增大，快递企业的末端配送问题也日益成为行业痛点。要想提升快递资源使用效率和末端服务水平，快递企业资源共享和末端共配成为亟待解决的问题。国家为鼓励物流快递企业的资源共享，先后出台多项支持政策，尤其是2020 年7 月明确提出了要培育发展共享经济新业态，探索生产资料共享新模式，提高资源的利用效率。但是，我国快递企业的资源共享和共同配送进展并不顺利，因为我国快递企业的主要运行模式为“直营”+“加盟”。如图1 所示，主要业务流程包括揽收、分拣转运、干支线运输、末端配送四个环节。其中分拣中转和干线运输一般由快递总部完成，其余环节由加盟网点完成。这种模式下的利益分配直接影响快递企业间的末端共配以及更高程度的资源共享。

图1 快递企业运营模式

国内外学者对利益分配问题常用Shapley 值法、Raiffa 解工具等进行研究。如Sheikh 等[1]利用改进的Shapley 值法研究虚拟电厂的利益分配问题。GAO 等[2]在原Shapley 值法的基础上提出了不确定Shapley 值来研究供应链联盟的利润分配问题。XU 等[3]研究了绿色供应链在集中决策下的收益分配问题，同时考虑了风险、生态投资和技术水平等修正因素，对原Shapley 值法进行了修正，形成了一个更为合理的收益分配机制。李林等[4]运用Shapley 值法与最小核心法，通过调整风险因子，建立了协同创新项目的利益分配模型。李军[5]和胡湘云等[6]综合考虑创新资源投入、创新收益、创新风险等不同的修正因子，研究供应链协同创新联盟的收益分配问题。白晓娟等[7]基于创新投入、业务执行、风险承担三个修正因子研究了新零售下供应链的收益分配策略。隋博文等[8]通过对Raiffa 裁决的权重进行重新分配，优化了农村经济合作组织利益分配模型。阮平南等[9]提出了基于改进Raiffa 值网络租金分配方法，并与Shapley 值法进行了比较分析。焦志伦等[10]基于Raiffa 解工具研究了快递企业间共同服务制造业物流的利益分配问题。王欢等[11]基于共同参与快递包装循环共用的供应链主体，从主体的异质性角度建立了供应链收益共享模型，以此确定合理的收益分配机制。徐光灿等[12]结合成品油配送特点，综合考虑企业业务水平、投资大小和风险承担对于成品油企业利益分配的影响，以此对Shapley 值进行改进，对成品油企业采用共同配送模式的利益分配进行研究。

然而，以上文献主要利用Shapley 值法和Raiffa值等研究了供应链成员企业和不同类型企业联盟的利益分配问题，很少有学者研究快递企业资源共享利益分配问题，袁雨果[13]利用遗传算法和启发式算法研究了末端配送的效率问题，但没有涉及利益分配。因此，本文聚焦于快递企业末端共配，包括共享末端网点、支线车辆和运力、末端操作人员等资源，从快递企业的品牌价值、服务水平、末端共配资源投入、末端共配执行力、末端共配风险这五个因子对传统Shapley 值法进行修正，通过AHP 方法确定修正因子的权重，构建改进的AHP-Shapley 值法利益分配数学模型，尝试为快递企业末端共配利益分配问题提出解决思路。

一、构建传统Shapley 值法利益分配数学模型

Shapley 值法是解决多人合作博弈利益分配的一种方法，该方法基于合作成员的边际贡献，将利益进行合理的分配，充分体现了合作成员对于合作集体的贡献程度，是一种较为公平的利益分配方式。

假设参与资源共享的快递企业为集合N={1，2，……，n}，Si表示参与资源共享的快递企业i 的所有子集，子集中元素个数为|S|，V（s）为子集S 进行资源共享后的收益，V（s＼i）为子集 S 中除去企业 i 后进行资源共享后的收益，每个企业单独行动时的收益为V（i），当企业间进行资源共享后获得的总收益为Φ（v），此时参与企业i 获得的利益分配为Shapley值，用χi（v）表示。

显然，快递企业间愿意进行资源共享（Shapley值法成立） 需要满足以下条件：

式（1） 表示资源共享后的总收益必须等于单个企业总收益之和；式（2） 表示资源共享后的总收益大于各企业单独行动时收益之和；式（3） 表示企业在进行资源共享后分得的利益要高于企业单独行动时的收益。满足以上条件后，则可以进行Shapley 值法的相关计算。

二、构建改进AHP-Shapley 值法利益分配数学模型

快递企业间进行末端共配利益分配需要考虑很多因素，本文将从品牌价值、服务水平、末端共配资源投入、末端共配执行力、末端共配风险这五个因子对传统Shapley 值法进行修正，通过AHP 方法确定修正因子的权重，构建改进的AHP-Shapley 值法利益分配数学模型。

（一） 影响末端共配利益分配的因素

1.共配资源投入

在快递企业末端共配联盟中，成员企业的资源投入会直接影响共配的运营质量，因此，进行利益分配必须考虑单个企业的资源投入，企业投入的资源越多，其分得的利益就越多，反之亦然。本文将末端共配的资源进一步细分为人员投入、设备投入和场地投入。假设第i 个企业的人员投入为λi1，设备投入为 λi2，场地投入为 λi3，τ1，τ2，τ3分别为人员、设备和场地资源的权重系数，则第i 个企业的资源投入 qi=τ1λi1+τ2λi2+τ3λi3，其中 τ1+τ2+τ3=1；τ1，τ2，τ3∈（0，1）。进行归一化处理得到单个企业的资源投入占总投入的比重为Qi称为资源投入度。第i 个企业的资源投入与平均资源投入之间的差值为 Δqi=qi-1/n。

2.服务水平

在末端共配联盟中，企业服务水平与客户满意度直接相关，快递企业末端共配的主要目的是提升资源使用效率和客户满意度。一个成熟稳定的末端共配联盟必须具备较高的客户满意度，因此，服务水平越高的企业应该分得更多的利益。本文以共配联盟中第i 个企业的月均配送量di为基准，以每月客户投诉次数εi为影响因子。则第i 个企业的服务水平若某个企业被投诉的次数越多，说明该企业的末端服务水平fi越低，则其在利益分配中获得的份额就越少。进行归一化处理后可以得到末端共配联盟中单个企业的服务水平Fi。第i 个企业的服务水平与平均服务水平之间的差值为ΔFi=Fi-1/n。

3.品牌价值

快递企业的品牌价值对客户的吸引力和忠诚度具有直接影响，个别快递企业相比其他快递企业，品牌价值更高，消费者的认可度也较高。本文以快递企业的年营业额作为品牌价值的测度值，经过归一化处理后得到单个企业的品牌价值第i个企业的品牌价值与平均品牌价值之间的差值为ΔEi=Ei-1/n。

4.末端共配执行力

末端共配执行力是所有企业为实现共配联盟利益最大化表现出的积极性和行动力，强调成员企业的努力程度，避免出现单方面的消极行为而损害集体的利益。将此作为修正因素，可以激励联盟中的一些非核心企业更好地完成相关业务，让末端共配联盟更加持久和稳定。共配执行力的测度需要成立专家评分组，根据考核标准进行综合评分。假设第i个企业的末端共配执行力为gi，gi∈（0，1），经过归一化处理后得到单个企业的共配执行力第i 个企业的末端共配执行力与平均执行力之间的差值为ΔGi=Gi-1/n。

5.共配风险

在末端共配联盟运营过程中，各成员企业都会面临不同的风险。所谓风险是指联盟企业在参与末端共配过程中会遇到各种不确定因素，可能导致企业本身受到潜在风险的影响。成员企业承担的风险越大，所分配的收益应该越多，从而保证利益分配和承担风险的一致性。假设企业i 的共配风险系数ri，ri∈（0，1），经过归一化处理后得到单个企业的共配风险第i 个企业的共配风险与平均风险之间的差值为ΔRi=Ri-1/n。

（二） 改进AHP-Shapley值法利益分配数学模型

在传统Shapley 值法的基础上，引入综合影响因子 Δσi，Δσi=σi-1/n，表示参与末端共配的第 i 个快递企业的综合评价值与平均值的差值。当Δσi≥0时，表示第i 个快递企业的综合评价值高于平均值，在末端共配中应该分配更多的收益；当Δσi≤0 时，表示第i 个快递企业的综合评价值低于平均值，在末端共配中应该分配较少的收益。σi为第i 个快递企业的综合评价值，其中αiβiεiυiηi分别为参与末端共配的快递企业共配资源投入、服务水平、品牌价值、共配执行力、共配风险的测度值，ωi为各影响因素所占权重的大小，利用层次分析法（AHP 法） 进行确定。则修正后的模型为：

三、算例分析

（一） 算例描述

在某一个低密度配送区域，快递企业A、B、C的日均派件量分别为1.5 万件、1 万件、0.5 万件，为提升客户服务水平和设备资源利用率，三家快递企业参与末端共配，共享末端的人员、车辆运力等资源。如图2 所示：

图2 快递企业末端共配模式

企业A 单独配送的收益为50 万元，企业B 单独配送的收益为40 万元，企业C 单独配送的收益为20 万元，企业A 和B 共同配送的收益为120 万元，企业A 和C 共同配送的收益为100 万元，企业B 和C 共同配送的收益为90 万元，企业A、B、C共同参与末端共配的收益为180 万元。三家企业的共配资源投入、服务水平、品牌价值、共配执行力、共配风险的测度值经过归一化处理后如表1 所示：

表1 影响因素测度值

（二） 计算各企业的Shapley 值

首先，根据传统的Shapley 值法分别计算出三个快递企业的原始利益分配，计算过程如表2。

表2 快递企业A 收益值计算过程

由表2 可以求得快递企业A 的利益分配值：

同理可求得快递企业B 和C 的利益分配值：

（三） 计算引入修正因子的Shapley 值

1.确定各影响因素的权重

通过层次分析法（AHP） 确定五个影响因素的权重。首先，构造判断矩阵，然后运用Matlab 计算出判断矩阵的最大特征值λmax和特征向量，再对其进行归一化处理，计算出各个元素的权重系数Wi，然后对其进行一致性检验确保权重系数的合理性。影响因素判断矩阵和结果如表3 所示。

表3 影响因素判断矩阵和结果

2.计算综合评价值σi

3.计算综合影响因子Δσi

（四） 结果分析

通过以上计算可得快递企业A、B、C 在运用修正Shapley 值法前后的利益分配对比图，见图3：

图3 Shapley 值法改进前后利益分配对比图

图3 表明：快递企业A 和B 修正后的Shapley值高于传统Shapley 值法的收益分配，快递企业C修正后的Shapley 值低于传统Shapley 值法的收益分配，这是因为快递企业A 和B 的综合影响因子大于零，而C 的综合影响因子小于零。具体表现为企业A 共配资源的投入、末端服务水平、品牌价值、共配风险的综合评价值均高于平均值，因此利益分配值高于传统Shapley 值法的收益分配。企业B 参与末端共配的执行力最强，而共配执行力在五个影响因素中的权重是最大的，因此，企业B 的利益分配增加值是最大的。对于企业C 而言，其五个影响因素的综合评价值均低于共配联盟的平均值，若想提升企业的利益分配，可以基于五个影响因素的权重大小，在末端共配执行力和共配资源投入两个方面进行努力。此外，末端共配执行力和共配资源投入两个影响因素的权重相对较大，也进一步说明对于末端共配而言，参与共配的快递企业需要时刻保持和提升自身的共配执行力和资源投入，这样才能在利益分配中占据优势。从末端共配联盟整体来看，参与末端共配的快递企业为了获得更多的利益，会努力提升企业在上述五个因子上的得分，因此，修正后的利益分配从一定程度上保证了快递企业末端共配联盟的运营质量和稳定性。

四、讨论与建议

快递企业末端共配需要各个参与企业的共同努力和协作，目前由于利益分配、信任危机等诸多因素的制约，没有进行大面积的推广和实施。本文基于快递企业末端共配的特点，提出了影响利益分配的五个因素：共配资源投入、服务水平、品牌价值、共配执行力、共配风险，并以此建立改进的AHPShapley 值法模型，最后通过具体的算例分析，验证了模型改进后的科学性和适用性。

本文的研究对于解决物流快递企业末端共配的利益问题具有一定的启示意义。首先，组建共配联盟后，原来的单个企业的首要任务是提升企业的共配执行力和共配投入，这样可以获得最大的利益分配；从长期来看，需要持续提升自己的服务水平。其次，从整个共配联盟的角度来说，在准备构建资源共享联盟的过程中，应该选择具有较高的品牌价值和服务水平的物流快递企业作为核心企业，这样能够应对一定的共配风险，保证联盟的稳定性。最后，快递企业末端共配联盟需要所有成员企业相互协作，努力发挥自身优势，降低整个共配联盟的运营成本，提升资源利用效率和服务水平，通过合理的利益分配机制，使得参与企业的积极性进一步发挥。只有这样，共配联盟的竞争力和盈利水平才能稳步提升。

总体而言，修正后的Shapley 值法利益分配模型使得参与末端共配的快递企业的利益分配更加合理，也保证了末端共配的服务质量和可持续性。但是，笔者仅考虑了快递企业末端共配的情形，对于更高程度的资源共享利益分配问题没有涉及，这也是本文的不足之处，有待以后进一步研究。