顾客选择行为对自提点选址的影响研究

      文章编号：1003-207(2017)05-0135-10

      DOI：10.16381/j.cnki.issn1003-207x.2017.05.016

      1 引言

      电子商务快速发展催生了快递量的爆发性增长。2014年，全国快递服务企业业务量累计完成139.6亿件，同比增长51.9%。其中“双11”期间(11月11日至16日)，全国共处理快件5.4亿件，同比增长56%；日均最高处理量超过1亿件，同比增长52%。然而快递“最后一公里”配送难题却依然存在。据统计，传统送货上门的快递交付方式一次投递失败比例为12%[1]，易产生二次配送成本，存在法律责任的纠纷，泄露顾客个人信息等问题，而顾客自助提货的方式可以最大限度地降低城市物流系统的交付压力，发挥末端配送的规模效益，同时为顾客提供一种更加柔性化的配送方案。为了提高末端配送的服务质量，国家出台了《关于提升快递末端投递服务水平的指导意见》、《关于促进商贸物流发展的实施意见》等相关政策文件，指出快递企业可尝试开展第三方合作模式，使用智能快件箱；整合存量配送资源，在学校、社区、地铁等周边设立末端配送站或建设公共自助提货柜。各大电商企业、物流企业、第三方企业也纷纷加大对自提点的建设，如京东的校园营业厅、天猫的“阿里小邮局”、顺丰速运的嘿店、速递易的智能快件箱等。

      自提点是城乡最后一公里配送的一种空间载体，科学合理地确定自提点的选址方案，可以提高企业末端配送网络的运行效率，增强顾客满意度，扩大企业的市场占有率。自提点选址问题是决策企业从区域范围内选取合适的备选自提点以满足顾客的需求，其区别于其他物流设施诸如物流中心选址的最大特征是直接面向顾客，需求不确定性高，选址时需重点考虑顾客的行为特征。顾客可能是完全理性的，也可能是有限理性的。顾客可依据备选自提点提供的效用，选择接受一个或者多个自提点的服务，或者直接选择送货上门服务。

      假设顾客对所有自提点掌握的信息都是完全和准确的，且不存在认知偏差，则顾客每次决策时将选择接受提供最大效用自提点的服务。大部分研究者把这种选择行为称为最优行为(Optimal-choice)。比如，在设施选址理论中，常常假设顾客选择接受距离最近的设施服务。与此相反，假设顾客由于认知偏差及自身能力局限而导致的随机选择行为(Probabilistic-choice)，即顾客以一定的概率接受某个自提点的服务，且选择概率随自提点提供效用的增加而增加。随机选择行为是市场营销和经济学领域常用的选择行为。

      值得注意的是，任何一种顾客选择行为是否符合实际取决于具体情况。比如当顾客是老年人或者学生群体且长期居住在某个固定区域时，则适合采用最优选择模型布局物业自提点或者高校自提点。而当顾客是上班族时，顾客可能选择在上班的地方自提货物，或者在回家途中的便利店自提点处提货，或者直接在小区物业自提点提货。可见随机选择模型对于此类顾客更加适用。本文将研究顾客最优选择和随机选择两种行为对自提点选址的影响。

      现有关于自提点的研究主要集中在实证分析自提点的开发模式[2-6]、顾客自提选择意愿[7]上，而对于自提点选址的研究较少。McLeod和Cherrett[4]评价了使用地铁站自提点为顾客配送小型包裹产生的环境影响，得出当调查区域20%的顾客使用自提点时可以减少20%的CO排放量和13%～15%的HC、NOX、PM及排放量。Weltevreden[8]借助于快递配送企业日常运营和顾客行为的统计数据，对末端网点作了较为详细而客观的分析，但以定性研究为主。张戎和王镇豪[9]从规划者和客户两个角度出发，建立了城市末端节点的双层规划模型，同时基于反应函数设计启发式算法，求解得到上海徐家汇街道的末端网点布局规划方案。模型的下层规划考虑了末端节点的服务距离、服务价格和服务质量三方面因素，但主要是以成本来衡量，没有考虑顾客的随机选择行为。杨朋珏等[10]综合考虑送货上门和自行取货两种配送模式，建立了基于效率性和便利性的双目标末端网点选址模型，并用遗传算法进行求解，但模型没有考虑顾客到备选网点距离的长短对顾客产生的影响。周翔等[11]考虑配送时长、取货距离和取货时间，以顾客满意度为优化目标，采用中心偏移二次聚类算法求解电商企业末端节点的数量和位置，但模型没有考虑顾客的随机选择行为。顾客在接受自提服务时存在不同选择行为，目前关于顾客选择行为的研究主要集中在设施选址[12-13]、订货决策和产品定价[14-15]等方面。

      综上，已有研究成果存在以下问题：(1)国内外尚未有针对性的、系统的、全面的研究自提点选址问题；(2)没有深入分析顾客不同选择行为，尤其是顾客随机选择行为对自提点选址的影响；(3)现有关于顾客选择接受自提点服务的假设前提大都基于距离最短的最优选择，没有考虑自提点的服务水平、服务时间、安全性、沟通便利性等其他影响因素，且距离函数是连续递减，而非分段递减函数。