高质量物流服务对产品销量的影响

摘 要： 线上零售的快速发展使零售企业或零售平台对物流配送服务越来越重视，并且投入大量的资本力争为用户提供高质量的物流服务。量化高质量的物流服务对产品销量的影响能够帮助企业更好地进行成本和收益的权衡。通过分析淘宝平台的产品层面的销售数据，使用固定效应模型，验证了高质量物流服务对产品销量的影响。同时，验证了高质量物流服务对产品销量的影响对不同类型的商家有不同的效果，即高信誉的卖家能够从提升物流服务质量中获得更高的收益。

关键词： 线上零售；物流服务；产品销量

中图分类号： F 272

文献标志码： A

收稿日期：2021-12-16

作者简介：王萌萌（1989—），女，河北沧州人，上海交通大学安泰经济与管理学院，博士研究生；美国佛罗里达州立大学管理学院访问学者，研究方向为消费者购买和退货行为。

文章编号：1005-9679（2024）05-0089-05 ·市场营销·

The Impact of High-Quality Logistics Service on Product Sales

WANG Mengmeng

（Antai College of Economics & Management， Shanghai Jiao Tong University， Shanghai 200030， China）

Abstract： With the development of online retailing， retailers or retailing platforms pay more and more attention to logistics and distribution services， and invest a lot of capital to strive to provide users with high-quality logistics services.？Quantifying the impact of high-quality logistics services on product sales can help retailers better balance costs and benefits. Through the analysis of product-level sales data of Taobao platform， the fixed effect model is used to verify the impact of high-quality logistics service on product sales.？At the same time， it verifies that high-quality logistics services have different effects on different types of retailers， that is retailers with high reputation are more able to benefit from improving the quality of logistics services in term of product sales.

Key words： online retailing; logistics service; product sales

0 引言

在本研究中，我们认定使用了顺丰速运的商家为提供了高质量物流服务的商家。已有的对于中国物流配送服务的研究中，顺丰速运同样被认定为提供高质量物流服务的代表（Cui， Li and Li，2020［1］）。同时，顺丰作为中国最大的物流上市公司，致力于为客户提供快速、准时、稳定的高品质门到门快递服务。在2021年第二季度的快递满意度调查中，顺丰速运以速度快服务态度好等当选为公众最满意的快递公司。在全程时限方面，顺丰速运平均时限在48小时以内，比其他物流公司快20%左右。在72小时准时率上面，顺丰速运的准时率在90%以上，比同期其他物流公司高10%左右［2-4］。

我们通过对淘宝平台上手机和摄像机两大品类的商家的销售数据的分析，使用回归的方法，验证了高质量物流对产品销量确实有积极的影响，并且发现这种影响对于信誉高的商家有更积极的作用。和已有文献相比，我们使用了更具体的产品层面的数据，直接验证了使用高质量物流服务对产品销量的影响。同时，对于零售商或者零售平台而言，量化物流服务对产品销量的影响，能够帮助企业进行物流投资决策的时候，更准确地估计投入成本和获得收益的权衡。

1 文献综述

已有的关于物流配送服务的研究一般聚焦在物流服务对用户满意度的影响以及物流服务对用户后续购买行为的影响。Kumar， Kalwani and Dada（1997）［5］发现高质量的配送服务能够提高用户的满意度和需求。Koufteros等（2014）［6］发现对于电子商务而言，物流服务质量能够用来预测用户的满意度。Thirumalai and Sinha（2005）［7］通过研究得出了相同的结论，即订单后续的物流服务是决定用户满意度的重要因素之一。与之类似，Rao， Griffis and Goldsby（2011）［8］发现如果不能提供给用户提前许诺的物流服务质量，用户会产生不满的情绪，从而导致后续购买行为的减少。

关于研究物流服务对用户后续购买行为的影响，Lee和Whang（2001）［9］研究发现物流服务会决定用户后续购买产品的行为，从而影响产品的销量。Griffis等（2012）［10］也发现了相似的结论，物流配送服务会影响用户未来的购买行为。Fisher， Gallino and Xu（2019）［11］研究了提升订单配送的速度对用户购买行为的影响。作者发现美国一个线上服装零售商在某个区域新建了一个物流分销中心，从而提升了该地区的物流配送速度。通过比较在建立了新的分销中心后，该区域用户和其他区域用户的购买需求，使用双重差分（DID）的方法，研究了物流速度的提升对用户购买行为的影响，结果发现物流速度提升会增加用户的购买需求。Luo， Rong and Zheng（2020）［12］发现关于产品物流质量的好评会增加用户对该产品的购买需求。Cui， Li and Li（2020）［1］通过分析高质量物流退出零售平台的一个事件，研究了物流服务对产品销量的影响，结果发现如果平台无法再继续给用户提供高质量的物流服务，用户会减少未来消费需求。除了研究物流服务对用户未来的购买行为的影响，也有文献研究了物流服务对用户当下订单的退货行为的影响。Rao， Rabinovich and Raju（2014）［4］发现用户退货概率会随着物流速度的提高而减少。

除了对实际物流服务的研究外，有的文章研究了如何向用户提供承诺的物流服务，例如提供给用户的期望物流配送速度。与之类似，Cui等（2020）［3］同样研究了期望物流配送速度对用户未来购买服务的影响。作者发现改变提供给用户的期望配送时间，会改变用户未来的购买行为。除此之外，Bray（2020）［2］研究了物流状态更新的时间点对用户物流评分的影响，发现用户更倾向企业在物流配送的后半部分时间提供比较频繁的物流状态更新。

2 研究假设

已有研究发现，对于线上零售商而言，物流配送服务是决定用户满意度的重要因素之一（Kumar， Kalwani and Dada， 1997［5］，Koufteros等，2014［6］）。较长的物流配送时长会影响用户对商家的印象，增加用户的等待成本（Luo， Rong and Zheng，2020［12］），同时也会增加用户的焦虑感，例如用户会担心产品是否缺货，或者产品在运输过程中是否出现了问题，例如产品是否丢失、破损等，从而降低用户对商家的评价（Rabinovich， Rungtusanatham and Laseter，2008［13］， Shang， Dunson and Song，2017［14］）。而且，随着等待时间的增加，用户对于线上购物感知到的便利性也会减少（Bell， Gallino and Moreno，2014［15］）。因此，快速、准时和稳定的配送服务能够减少用户的焦虑，降低用户的机会成本，例如用户可以有效安排产品的使用，从而提高用户对产品以及商家的印象。在我们的研究情境下，顺丰速运对用户意味着高质量的物流配送服务。因此，对于提供顺丰速运的产品而言，快速和准时的配送速度，稳定的服务质量能够提高用户对产品以及商家的印象，降低用户的等待成本和机会成本，从而增加用户的购买需求。基于此，我们得出了第一个研究假设：

假设1 商家对产品提供高质量的物流配送服务，会增加用户对产品的购买需求。

信誉高的商家通常产品的评论数量较多，或者产品的好评率较高。因此对于购买产品的用户而言，更高的评论数量或者好评数量使用户能够更便利地获得关于该产品物流配送质量的信息。因此，对于使用顺丰速运的商家而言，评论数量或者好评数量多的商家更容易将高质量的物流配送服务的信息传递给用户。因此，和信誉低的商家相比，用户更容易从高信誉的商家处获悉产品的物流配送服务质量的信息，从而增加对高信誉商家的产品的购买需求。因此，我们认为和信誉较低的商家来比，信誉越高的商家，受到的高质量的物流配送服务对用户购买需求的影响越大。我们提出了第二个研究假设：

假设2 高质量物流配送服务对产品需求的影响，受到商家信誉的调节作用，即信誉高的商家，从高质量的物流配送服务中获得的收益越大。

3 数据和变量描述

为了验证我们的研究假设，我们抓取了淘宝平台上相同的产品在不同商家的销量数据。鉴于淘宝平台提供产品的多样性，我们选取了手机和摄像机两个品类的产品，抓取了这两类产品在淘宝平台销售页面的详细信息，数据包括不同商家的每个产品在淘宝平台搜索结果的排序页面数，例如商家1的RgXLtuKAIhNETWeFSSRdJA==产品1在淘宝平台的搜索结果中排在第一页，以及该产品详细页面的信息，例如该产品前30天的销量、产品的价格和卖家的信息，包括卖家的注册时间、卖家的评分、负责配送的第三方物流、卖家是否标注当天发货，以及卖家标注的位置信息等。

为了验证我们的假设，我们分析了产品层面的销售数据，使用产品前30天的销量（产品销量）作为因变量，主要的自变量是该产品是否使用顺丰速运（顺丰），如果该产品使用顺丰速运，该变量为1，否则为0。顺丰速运代表着高质量的物流配送（Cui， Li and Li，2020［1］），如果该变量的估计系数为正，则说明高质量的物流配送能够增加产品的销量。我们同时添加了产品的价格（价格）来控制价格对销量的影响。卖家的评分（卖家评分）很大程度上能够代表卖家产品的质量，从而影响到该卖家产品的销量。我们同时控制了卖家的注册年限（卖家年限），更有经验的卖家可能会选择提供更高质量的物流服务，同时也更有经验提升产品的销量。搜索排序（搜索排序）是影响产品销量的重要因素之一，因为它是决定产品在平台获得多少流量的最重要的因素。除此以外，我们还控制了卖家是否当天发货（当天发货）以及卖家的平均物流速度（物流速度）。我们用卖家标注的地址到各省省会的配送速度的平均值作为该卖家的平均物流速度，从而控制卖家因为不同的地理位置导致的物流配送速度的差异或者用户对物流配送速度的偏好。最后，我们控制了产品的固定效应，从而排除产品相关因素导致的销量的差异，例如产品本身的受欢迎程度等。表1提供了相关变量的描述统计，表2展示了变量之间的相关关系。

4 回归模型和结果

我们使用了产品层面的固定效应模型来估计卖家提供高质量的物流对其产品销量的影响。具体模型如下：

Ln（产品销量ij）=α0+α1顺丰ij+α2信誉卖家j+α3顺丰ij*信誉卖家j+φ控制变量ij+产品i+εij

其中，i代表产品编号，j代表卖家编号。控制变量包括卖家j提供的产品i的价格，卖家j的评分，卖家j的年限，卖家j提供的产品i的搜索排序，卖家在该产品销售页是否标注了当天发货，卖家的平均物流速度，同时，我们添加了产品层面的固定效应来控制产品的受欢迎程度等。具体模型估计结果参见表3。

从表3可以看出，是否使用顺丰对产品的销量有显著的正向的影响，并且我们从所有的4个模型中都可以得出一致的结果（模型4：α=0.555，p=0.000）。结果显示，使用高质量的物流能够显著提高产品的销量，支持了研究假设1。为了验证研究假设2，我们在模型4中添加了顺丰和信誉卖家的交叉项。模型4结果表明交叉项的系数显著为正，说明对于信誉卖家而言，和非信誉卖家相比，提供高质量的物流服务更能够提高产品的销量，证明了信誉卖家对高质量物流服务对产品销量影响的调节作用。研究假设2得到了验证。

在主要分析结果中，我们使用了所有商家的数据，为了验证我们结果的稳健性，我们去掉了总评论数量少于5的商家。评论数量过少的商家可能和评论数量多的商家面临不同的用户群体，同时也会选择不同的物流配送服务，从而导致估计结果的差异。因此，我们重新估计了我们的模型，并且在表4中报告了所有的估计结果。表4中所有模型的估计结果都和我们主分析的估计结果保持一致。顺丰的系数显著为正，说明卖家为用户提供高质量的物流服务，能够提高产品的销量，假设1同样得到了支持。顺丰和信誉卖家的交叉项为正，同样验证了高质量物流服务对产品销量的影响在卖家层面的异质性，支持了假设2。

5 结论

我们通过对淘宝平台上的产品销售数据的分析，研究了提供高质量物流服务对产品销量的影响。结果发现卖家提供高质量的物流服务确定能够增加产品的销量，并且高质量物流的正向效应对信誉高的卖家产生的效果更强。与已有研究相比，我们使用了更细致的产品层面的销售数据，比较了不同卖家的相同产品类型是否使用顺丰对产品销量产生的影响。我们的研究结论验证了高质量物流对产品销量的效应。对于致力于为用户提供更高质量的物流服务的零售企业或者零售平台而言，量化高质量物流对产品销量的影响效果能够更好的帮助企业或平台做相关方面的决策和成本收益的权衡。在本研究中我们使用了产品层面的数据，未来的研究可以使用更详细的数据，例如交易层面的数据，从而更好地控制交易层面相关的变量。同时我们只考虑了顺丰作为高质量物流服务的代表，未来的研究可以通过细化物流服务的维度，从而选择不同的物流配送公司做不同等级的物流服务质量的划分，更加细致地研究物流服务对产品销量的影响。

参考文献：

［1］ CUI R M ， LI M， LI Q. Value of high-quality logistics： evidence from a clash between sf express and alibaba［J］. Management Science，2020（66）9： 3879-3902.

［2］ BRAY， ROBERT L. Operational transparency： Showing when work gets done［J］. Manufacturing & Service Operations Management，2020.

［3］ CUI R M， et al. Sooner or later？ Promising delivery speed in online retail［J］. Promising Delivery Speed in Online Retail，2020.

［4］ RAO S， RABINOVICH E， RAJU D. The role of physical distribution services as determinants of product returns in Internet retailing［J］. Journal of Operations Management， 2014， 32（6）： 295-312.

［5］ KUMAR P， KALWANI M U， DADA M. The impact of waiting time guarantees on customers' waiting experiences［J］. Marketing Science， 1997， 16（4）： 295-314.

［6］ KOUFTEROS X， et al. Encounter satisfaction in e-tailing： Are the relationships of order fulfillment service quality with its antecedents and consequences moderated by historical satisfaction？［J］. Decision Sciences， 2014， 45（1）： 5-48.

［7］ THIRUMALAI S， SINHA K K. Customer satisfaction with order fulfillment in retail supply chains： Implications of product O5fClxCLMDPOZS0m05izNw==type in electronic B2C transactions［J］. Journal of Operations Management， 2005， 23（3-4）： 291-303.

［8］ RAO S， GRIFFIS S E， GOLDSBY T J. Failure to deliver？ Linking online order fulfillment glitches with future purchase behavior［J］. Journal of Operations Management， 2011， 29（7-8）： 692-703.

［9］ LEE H L， WHANG S. Winning the last mile of e-commerce［J］. MIT Sloan Management Review， 2001， 42（4）： 54-62.

［10］ GRIFFIS S E， et al. Linking order fulfillment performance to referrals in online retailing： An empirical analysis［J］. Journal of Business Logistics， 2012， 33（4）： 279-294.

［11］ FISHER M L， GALLINO S， XU J Q. The value of rapid delivery in omnichannel retailing［J］. Journal of Marketing Research， 2019， 56（5）： 732-748.

［12］ LUO J， RONG Y， ZHENG H. Impacts of logistics information on sales： Evidence from Alibaba［J］. Naval Research Logistics （NRL）， 2020， 67（8）： 646-669.

［13］ RABINOVICH E， RUNGTUSANATHAM M， LASETER T M. Physical distribution service performance and Internet retailer margins： The drop-shipping context［J］. Journal of Operations Management， 2008， 26（6）： 767-780.

［14］ SHANG Y， DUNSON D， SONG J S. Exploiting big data in logistics risk assessment via bayesian nonparametrics［J］. Operations Research， 2017， 65（6）： 1574-1588.

［15］ BELL D R， GALLINO S， MORENO A. How to win in an omnichannel world［J］. MIT Sloan Management Review， 2014， 56（1）： 45.