网络零售业态引入对零售企业绩效的影响研究

张武康，郭立宏

（1.西安理工大学 经济与管理学院,西安 710054;2.西安交通大学 城市学院，西安 710018）

0 引言

信息技术和网络经济发展催生了许多新的购物模式，其中网络购物成为新一代消费者的青睐。许多实体店销售因此受到网络店的激烈冲击，迫使零售企业的销售战略改进，否则就会变成网络店的“试衣间”。同时，从政策上看，国家鼓励有条件的零售企业开办网店，更好地满足市场需求。针对消费者的这一购物行为变化和国家政策激励，许多零售企业开始了自身销售策略的调整，尝试引入网络零售，实现网络零售业态和实体零售业态的混合，构建多业态以有效应对竞争。

但是，网络零售毕竟是新生事物，许多传统零售企业担心采用网络零售业态会使得经营状况更差，仍坚持单一的实体零售业态。中国连锁经营协会调查显示，零售百强中新进入网络零售的企业数量2011年比2010年大幅增加了21家，而2012年比2011年同期仅增加了7家，增长趋势明显放缓。因此，网络零售业态被零售企业采用后，会导致企业绩效如何变化，引起了实践界和理论界的思考。本文以现有研究成果作为基础，结合实证分析，从网络零售业态引入对比的角度研究企业绩效变化，从而对零售企业的发展提出相关建议。

1 理论分析及假设提出

网络零售属于无店铺零售业态的一种，即是消费者通过计算机网络向销售商小批量、多批次的购买商品或服务。网络零售具有这些优势：一是营业时间不受时空的限制；二是可以全方位的展示产品和服务；三是能降低企业的投资和经营成本；四是可以缩短物流供应链；五是增加营销的即时性[1]。而有店铺零售，则是指通过店铺这种实体形式向购买者销售商品或服务的零售类型[2]。实体零售业态能够满足顾客的直接体验，进行面对面的交流沟通，但投资和库存等费用较大。传统零售业发展网络零售优势明显，可以让网购用户放心，也可以给网购用户提供充分的选择和更多购买机会，迅速扩大市场区域，获得范围经济等[3]。

通过对实体零售业态和网络零售业态混合使用，零售商能够利用每个业态的好处并克服相应的缺陷，使顾客获得更大的满意。有店铺业态便于顾客触摸产品、获得个性化服务、实现购物体验等，但却受到购物时间、成本和信息等方面限制，对此，网络零售业态等无店铺业态可以与之优势互补，相互配合。由此形成的多业态战略对顾客而言增强了服务产出组合，进而增强了顾客满意度，最根本的是增强了顾客零售忠诚度，表明多业态是建立顾客零售忠诚度的一个有用的战略[4]。网络零售也会对实体零售销售额产生冲击，有学者基于零售商利润率的实证检验，认为多业态能促进企业利润，已经呼吁对多业态战略要引起足够关注[5]。我国传统零售商需要寻求线上和线下业态融合发展的战略，要在触网的同时实现整合优势，提升企业绩效[6]。

综合以上理论可知，网络零售业态的采用能使零售商摆脱固有商圈的束缚，拓展更大的市场空间，满足顾客的需求，提升了顾客满意度进而促进了对企业的忠诚度。通过持续的和顾客无缝接触，获得专有的顾客信息并有效利用，形成企业自己的隐性知识，获得比竞争对手更强的战略优势，从而增强企业竞争力，增加利润，提升企业财务绩效。因此，提出理论假设如下：

假设1：引入网络零售业态对零售企业绩效产生正向影响；

假设2：实体零售企业与实体、网络零售混合的零售企业绩效之间存在显著差异。

2 研究设计

2.1 样本与数据来源

由于自21世纪以来，网络经济和电子商务发展飞速，所以本文样本选取2000～2012年中国零售业沪深A股上市公司。按照证监会行业板块分类，共有83家零售公司，本文按照以下标准对原始样本进行筛选：剔除B股或H股上市公司、主营业务转入非零售的及被ST股的公司，共有72家零售企业。研究所使用的财务数据来自于CSMAR数据库，采用的数据类型为合并报表数据。网络零售数据取得，作者以企业是否开通网上商城并进行网络销售为判断依据，对单纯发布信息和广告的网站则不予考虑，经过逐个访问公司主页自主整理，截止2012年底获得19家有效样本。

2.2 变量选择与模型设定

本文研究中企业绩效为被解释变量，在衡量企业绩效的指标选择上，本文借鉴学者鲍继新[7]、赵泉午等人[8]研究成果，结合零售企业特性和指标之间的相关度因素，从盈利能力（总资产回报率、总资产周转率）、运营能力（存货周转率、营业成本率）和发展潜力（净利润增长率、营业收入增长率）等三个方面来衡量企业绩效，共选取了6个衡量变量。同时，以零售企业的资产规模、资产负债率和自然年度为控制变量。因变量和控制变量的名称、符号及定义等，具体见表1所示。

表1 有关变量名称、符号及定义

为验证假设1，本文构建模型（1）如下：

模型（1）中，i代表企业标识，t代表2000～2012年各个自然年度，Yit代表企业绩效。c为常数，OSj是虚拟变量，也是自变量，代表零售企业是否引入网络零售业态，如果t年度正好是事件年份 j，则OSj等于1，否则OSj等于0。变量T代表自然年度控制变量，赋值为1、2…12、13分别代表2000、2001…2011、2012年。模型引入T变量是因为，不同自然年度企业的宏观经济环境不同，绩效自然有差异；并且，因为企业存在学习效应，企业引入网络零售业态的自然年度不同，对企业绩效也有影响。lnSit代表企业规模的自然对数，采用对数形式是为了防止面板数据中可能存在的非线性关系、非平稳序列等计量问题，对数值的变化是相对变化，不仅使结果更容易解释而且使数据分布更接近正态分布。DBRit代表零售企业资产负债率，εit为扰动项，b1～b6为相应的变量系数。

为检验假设2，,考虑网络零售业态采用后有一定的适应期及样本数据的可得性和完整性，构建模型（2）如下：

本文只对2010～2012年间，一直使用网络零售业态的零售企业与从来没有采用网络零售业态的企业，进行绩效对比分析。其中，i代表企业标识，t代表2010～2012年各个自然年度，Yit代表企业绩效。c为常数，MC是虚拟变量，也是自变量，当零售企业多业态经营（实体业态和网络业态并用）时为1，只经营实体业态则MC等于0。变量T代表自然年度控制变量，j等于0、1、2分别代表2010、2011、2012年。lnSit代表企业规模的自然对数，DBRit代表零售企业资产负债率，εit为扰动项，b1～b5为相应的变量系数。

3 实证结果与讨论

3.1 网络零售业态引入对企业绩效的影响

本文实证分析所用的软件是Stata12，根据相关命令进行验证。在验证模型（1）之前，先对主要变量进行描述性统计分析，结果显示，网络零售业态（OS）的值，均值只有0.093，标准差为0.29，说明了不同零售公司对网络零售业态的采用较少，之间差异还较大。为了避免多重共线性，对变量进行Person相关性检验。本文只考虑一个模型中的变量相关性，对两个变量不同时出现在一个模型的不予考虑。实证结果显示各变量间相关系数均小于0.5，在可接受范围之内，可以判定不存在强的相关性，可以进一步做回归分析。由于本文研究样本财务数据属于“宽而短”数据，故采用非平衡面板数据变截距模型进行回归分析，借助Hausman检验可知随机效应模型估计更为合适。因此，本文采用一般广义最小二乘法（GLS）对随机影响模型进行估计[9]。

在回归检验前，利用W ilcoxon秩和检验衡量零售企业引入网络零售业态前后绩效变动的显著性。具体实证结果如表2所示，可以看出，零售业上市公司在引入网络零售业态前后，虽然整体绩效变动没有显著性体现，但从均值变化趋势来看，总资产周转率、存货周转率和净利润增长率等指标比引入前得到了一定改善。

表2 引入网络零售业态前后企业绩效变化的Wilcoxon秩和检验均值

本文利用Panel分析检验网络零售业态引入对零售上市公司绩效的影响，实证结果见表3，表明：引入网络零售业态第二年对企业资产报酬率在10%的显著性水平上有负向影响；引入网络零售业态第一年、第二年、第三年均对总资产周转率有显著负向影响，且第二年是在1%的显著性水平上有负向影响，其余都是在5%的显著性水平上有负向影响；网络销售渠道引入后第一年对存货周转率有负向影响，第二年和第三年均有正向影响，但均不显著；引入网络零售业态对营业成本率影响变化不大也不显著；网络零售业态引入后对净利润增长率的变化是从负向到正向转变，对营业收入增长率的影响是正向的且值逐渐增大，但均不显著。

综合以上分析可知，实体零售企业引入网络零售业态后，财务绩效下降，运营费用增长，发展潜力不显著，对企业总体绩效产生负向影响，与本文所提假设1相反。对此原因分析可能有以下三个方面：一是与宏观经济形势和消费者购物模式占比有一定关系。进入21世纪特别是2008年以来全球经济增速放缓，消费低迷，影响了零售企业的经营，同时网络零售虽然发展迅速，但网络零售市场交易规模仅占到全社会消费品零售总额的6.3%（截止2012年12月），相比实体零售而言比重仍然较小；二是与网络零售投入巨大和盈利状况不佳有直接关系。网络零售想要保持持续的高速增长，需要持续的大量的资金投入，但低价竞争却十分激烈。如2012年9月25日，苏宁电器宣布以6600万美元（约合4.16亿元人民币）的价格收购母婴用品电子商务网站红孩子，而在五一期间为了和其他电商竞争，就抛出20亿元的促销活动，耗资巨大；三是与企业经营思路困惑有重要关系。选择网络零售业态的传统零售商，许多目前仍未有清晰的思路，对如何做好线上和线下定价、如何提高供应链效率和物流流配送能力、如何解决专业人才等问题，仍显得比较困惑，是多业态零售商面临的难题，因此经营效益难以明确体现。

3.2 实体零售企业与引入网络零售业态的多业态零售企业绩效的对比

验证模型（2）时，由于研究样本为2010～2012年30家零售业上市公司财务数据，还是宽而短的数据，因此仍采用非平衡面板数据变截距模型进行回归分析。主要变量描述性统计分析结果表明，多业态（MC）均值只有0.425，标准差0.425，说明了大多数零售企业还是采用实体零售业态。基于模型（1）验证前的同样做法，先后进行Person相关性检验和Hausman检验，确定采仍用一般广义最小二乘法（GLS）对随机影响模型进行估计。

表3 零售企业引入网络零售业态后企业绩效变化回归分析结果

在用广义最小二乘法模型检验前，考虑先采用两独立样本t检验，以检验两样本所来自总体的均值是否相等，以此分析实体零售企业与多业态零售企业之间的绩效是否存在显著差异。检验结果如表4所示，可以看出，两者总资产周转率均值在1%的显著性水平上存在差异，反映了多业态零售企业总资产周转率方面明显优于实体零售业态企业；而其他指标方面都不显著，二者无明显差异。

表4 实体零售企业与引入网络零售业态的多业态零售绩效均值检验

然后进行零售企业绩效对比的回归分析，结果如表5所示。在控制企业资产规模、资产负债率和自然年度影响后可以发现：零售企业采用网络零售业态后的多业态经营对企业总资产周转率在10%的显著性水平上有正向影响；对资产报酬率、存货周转率、营业成本率、净利润增长率有正向影响，而对营业收入增长率有负向影响，但均不显著。由于网络零售业态引入零售企业时间较短，据此我们观察2012年即T2变量与绩效关系，可以得到：零售企业多业态经营对存货周转率在5%的显著性水平上有正向影响，对营业收入增长率在5%的显著性水平上有负向影响，其他指标依然均不显著。

综合以上分析可知，零售企业引入网络零售业态后，对企业绩效有一定的积极影响，如资产周转和存货周转率加快，但也没有全面发挥应有作用，个别指标如营业成本率反而增加，营业收入增长率出现负向影响。本文假设2部分验证，部分没有得到验证。验证部分的原因是，零售企业引入网络零售业态后，对消费者来说，不论是实体门店还是网络商店，都是其与零售商接触和获得商品的途径，不存在本质区别，两种业态相互融合、实现优势互补可以为消费者带来更多的益处，企业销售更加方便，从而加快企业资产周转和存货周转率[10]。

表5 实体零售企业与引入网络零售业态的多业态零售企业绩效回归分析结果

没有验证的原因分析如下：一是从企业业态战略角度看，网络零售业态的引入，需要从企业自身能力分析，不是为了迎合潮流。即便是发展网络零售，传统零售商也要在触网的同时实现整合优势，即“优势触网”[6]，否则就会拖累实体销售；二是从竞争应对角度看，随着互联网信息技术的发展，许多零售企业遇到了纯网络零售企业的狙击，自身定位不清、应对不足，对企业绩效产生了负面影响；三是从公司治理角度看，实体零售和网络零售尽管都是零售业务，但二者运营中还是有差别，对企业管理能力提出更高要求，业态间协作难度加大，降低了管理效率，会产生内部不经济；四是从成本收益周期看，网络零售业态引入前期需要较高资金，但实现收益则需要一定时间。虽然这种多业态模式能够显著提高企业的顾客利润率，然而，由于支持新增业态需要较高成本，收入和利润的提升可能需要一段时间才能显现，利润率在短期内可能呈下降趋势[11]。

4 结论

本文以零售上市公司为例，研究了零售企业在2000～2012年间引入网络零售业态后自身的绩效变化，以及2010～2012年间实体零售业态企业与引入网络零售业态后的多业态零售企业之间的绩效对比，利用Wilcoxon秩和检验、Panal分析及T检验等方法予以实证检验。研究发现，引入网络零售业态在短期内（三年）会对企业绩效产生负面影响，可能由于零售商通过更多的业态进行销售活动会有业态替代和负面溢出的问题；实体零售企业绩效表现仍然优于这种多业态零售企业，这与当前国内零售企业业态发展表现基本一致，但与Wolk和Ebling[12]研究认为多业态零售能增加利润的观点不一致。因此，国内零售企业在引入网络零售业态时，应综合考虑社会经济状况、信息技术和市场环境等因素，并结合企业自身实际情况，从战略上预先谋划，从战术上谨慎对待，相机引入网络零售业态，实施多业态零售。

[1]Kushwaha T,Shankar V.Single Channel vs.Multichannel Customers:Determinants and Value to Retailers[R].Working Paper,Chapel Hill,North Carolina:Kenan-Flagler Business School,University of North Carolina,2007.

[2]李飞.迎接中国多渠道零售革命的风暴[J].北京工商大学学报(社会科学版),2012,(3).

[3]Wikström S.From E-Channel to Channel Mix and Channel Integration[J].Journal of Marketing Management,2005,21(7-8).

[4]Zhang J,Farris P W,Irvin J W,et al.Crafting Integrated Multichannel Retailing Strategies[J].Journal of Interactive Marketing,2010,24(2).

[5]Koulamas C.A Newsvendor Problem With Revenue Sharing and Channel Coordination[J].Decision Sciences,2006,37(1).

[6]李桂华,刘铁.传统零售商“优势触网”的条件与权变策略[J].北京工商大学学报(社会科学版),2011,26(5).

[7]鲍继新.大股东注资与上市公司绩效研究——基于交易特征的视角[J].西安财经学院学报,2011,24(02).

[8]赵泉午,刘婷婷,陈凤林.零售业态与企业绩效的实证研究——基于沪深零售业上市公司的数据[J].商业经济与管理,2010,(9).

[9]Baum Christopher F.王忠玉译.用Stata学计量经济学[M].北京：中国人民大学出版社,2012.

[10]蒋侃,张子刚.多渠道零售商非价格策略对在线购买行为的影响研究[J].华东经济管理,2011,25(01).

[11]Zhang J,Farris P W,Irvin J W,et al.Crafting Integrated Multichannel Retailing Strategies[J].Journal of Interactive Marketing,2010,24(2).

[12]Wolk A,Ebling C.Multi-Channel Price Differentiation:An Empirical Investigation of Existence and Causes[J].2010,27(2).