服装企业O2O零售决策模型构建与实证分析

赵纹硕， 王 玲， 李 敏，b，c， 孙田雨， 杨以雄，b，c

(东华大学a.服装与艺术设计学院；b.现代服装设计与技术教育部重点实验室；c.海派时尚设计及价值创造协同创新中心，上海200051)

O2O(online to offline和 offline to online，线上至线下或线下至线上)是近年来新兴的一种商业模式。企业围绕消费者体验，通过互联网技术带动线上、线下资源联动，为顾客提供一体化服务[1]。

当前，商品市场竞争激烈，不少服装品牌纷纷尝试向“店商＋电商”的O2O双渠道模式转型[2]，如美特斯邦威公司线下开设品牌体验店，同时建设“邦购”手机APP客户端；优衣库“线上购买，线下提货”的零售方式[3]等。然而，大多数服装企业零售布局较为单一，整个行业O2O零售模式仍处于探索期。如何丰富企业O2O零售渠道布局、提高企业零售服务能力和盈利水平成为企业急需解决的问题。

在企业实际运营过程中，许多因素都会对O2O零售运营能力产生影响，如线上线下资源整合能力[4]、消费者购物体验[5]等。为此，本文从服装企业O2O运营费用投入入手，挖掘企业O2O零售运营能力与企业收入、利润的关系，基于系统动力学(system dynamics，SD)理论[6]及其在服装界的应用[7-8]，构建服装企业双渠道零售决策模型，为其向O2O模式发展提供借鉴。

1 模型建立

1.1 建模思路

针对服装企业O2O双渠道零售模式，建立相关的零售决策模型。

1)通过文献资料梳理，结合深度访谈，收集并提取企业O2O零售决策指标，并使用指标概括企业O2O零售模式；

2)应用系统动力学理论构建模型并进行仿真验证；

3)以实证企业近两年相关运营费用数据为例，观察、分析零售决策指标对企业O2O渠道投入与产出的影响，并提出相关优化方案。

1.2 服装企业O2O零售决策指标体系

本文借助层次分析法(AHP)思想[9]，将服装O2O零售运营能力作为目标层，以相关文献[10-15]为参考，构建了服装企业O2O零售决策体系(表1)。2016年4月对33名服装行业专业人员进行问卷调查，要求被调查者对C1～C18指标按重要程度打分(使用五段量表法，1～5分表示指标的重要程度递增)。借助SPSS1 7.0软件对问卷数据进行主成分分析[16]，可获得B层和C层的权重，这些参数将用于模型的建立、验证与分析。

表1 服装企业O2O零售决策指标权重Tab.1 Index weight of O2O retail decision-making of apparel enterprises

1.3 O2O零售因果回路图

图1为O2O零售因果回路图，以F O2O建设费用→Bi(i＝1～6)主要影响因素→A O2O零售运营能力→R企业收入→P盈利水平→再到F O2O建设费用投入形成完整回路。

图1中，O2O建设费用(F)对O2O零售运营能力(A)具有正向促进作用。假设系统不受突变因素的影响，随着A的提高，消费者购买力增强，相应的企业收入(R)和盈利水平(P)将随之增加[15，17]。企业总收入(R)提高时，盈利水平(P)也随之提高，即呈现正向促进关系；当盈利水平(P)显著提高时，企业可逐步减少后期的O2O建设费用(F)，即呈现负向反馈作用。

图1 O2O双渠道零售决策系统因果关系Fig.1 Causal relationship of O2O dual channel retail decision-making system

1.4 服装企业O2O双渠道零售决策系统变量

本文所使用的变量有:存量、流量(又称速率变量)、辅助变量和常量。存量描述了系统的状态，反映了系统的决策基础；流量是存量增加或减少的速率；辅助变量是系统决策的中间环节；常量是在研究期间基本保持不变的量[6]。

图1描述了系统的传递和反馈结构，而为建立系统动力学(SD)模型，需要将表1中的指标进一步细化。据此，本文从O2O零售运营能力的6大主要影响因素(表1中的B1～B6)和O2O投入－产出两方面考量，定义了65个系统变量。存量如表2所示，主要流量、辅助变量和常量如表3所示，这些变量将用于SD模型的建立。

表2 O2O零售决策系统存量Tab.2 Stocks of O2O retail decision-making system

1.5 模型构建的假设条件

1)假设市场环境、经济政策等因素对模型中的变量不产生影响；

表3 主要流量、辅助变量与常量Tab.3 Main flow，auxiliary variables and constants

2)假设企业收入(R)的增长与零售运营能力(A)相关；

3)假设服装企业发展态势良好，O2O建设费用持续投入。

1.6 O2O零售系统存量－流量图

根据系统动力学原理，在因果回路图(图1)及梳理系统各变量的基础上(表2、表3)，利用Vensim仿真软件绘制服装企业O2O零售决策存量－流量图(图2)，以进一步描述变量之间的逻辑关系[18]。

如图2所示，a)使用虚线框将图2划分成十个模块，与图1中的因果关系对应；b)灰底黑字框表示模块名称；c)白底黑字框表示存量变量名(表2)；d) 下方为流量变量名，其余黑色字体为辅助变量(表 3)；e)← 表示两变量之间存在因果与(或)数量关系；f)由于该模型较大，为便于图片线条整洁，引入灰色＜＞影子变量。其中，〈Time〉是特殊影子变量，表示该变量与时间有关。

图2 服装企业O2O零售决策存量－流量图Fig.2 Stock-flow graph of O2O retail decision-making system of apparel enterprises

由图2可知，服装企业将O2O费用F分别投入到B1～B6主要影响因素，各部分所得到的投入将通过一系列环节(变量及相互关系)影响O2O零售运营能力A，A与服务影响因子作用于收入变化率，进而影响企业收入R与盈利水平P，而P又影响企业O2O建设费用F，至此，O2O零售决策系统形成因果闭环。

1.7 服装企业O2O零售决策系统方程体系

在变量逻辑关系(图2)的基础上使用数学方程添加数量关系。使用Vensim软件中的Equations功能将存量、流量和辅助变量添加数学方程(表4)，模型即可运行。

表4 服装企业O2O零售决策模型的主要方程模块及说明Tab.4 Main equationsmodule and explanations of O2O retail decision-making system of apparel enterprises

续表4

2 O2O零售决策模型实证研究

2.1 K企业O2O发展概况

K企业创立于1988年，以生产销售服装类的男女皮鞋为主，旗下有三个生产基地、五个品牌，目标消费群体主要为25～35岁中高端商务人士。企业以线下布局为主，线上销售为辅的销售模式。近年来，K企业不断向O2O模式发展，通过增加产品品类、线上线下渠道融合发展的方式进行O2O零售渠道建设。此外，在产品配送、网站建设、职员关怀等方面也持续注入资金，加快企业向O2O模式发展。可见，K企业O2O发展思路与本文模型基本相符，可使用模型进行仿真。

2.2 模型常量及初始值

SD模型的存量、常量等需要设置初始值。通过与K企业的总监、项目经理、产品经理等专业人员的访谈和素材整理，结合企业公开资料，模型主要常量和存量的初始值设置见表5和表6。

表5 模型主要常量数值及来源Tab.5 Main constant values of themodel and their source

表6 模型主要存量初始值Tab.6 Initial value ofmain stocks of themodel

2.3 模型的验证

模型的准确性和实用性需要用一系列验证和确认进行测试[19，20]，本文使用K企业的相关数据进行模型仿真，通过真实数据与仿真数据的对比(表7)对模型进行验证。仿真模型以月为单位，运行期为两年，步长为1个月。

表7 近两年K企业历史数据与仿真数据Tab.7 Historical data and simulation data of K enterprise in recent two years

续表7

由表7可知，实证结果与企业真实数据的误差基本小于±5.0%，模型的仿真结果与企业实际运营情况较为一致，说明本系统能够模拟企业的经营情况。此外，模型在稳健性测试中表现良好，在极值条件下也能够反映客观现实。

3 结果与分析

图3是K企业O2O零售运营能力仿真结果图，其中纵轴O2O零售运营能力1＝很低；2＝较低；3＝一般；4＝较高；5＝很高。由图3可知，K企业O2O零售运营能力呈缓增趋势。在此，以优化O2O零售运营能力为出发点，通过模型仿真，探究其与企业盈利水平的关系。受篇幅限制，对下列因素不进行讨论:①由于K企业物流系统由第三方承运，企业难以直接改善物流服务；②产品感知价值与产品批量、成本、产品周期等诸多因素有关，较为复杂；③店员销售能力的权重过小，难以影响O2O零售运营能力(表1)。由此，本文将从渠道整合能力、线上零售能力及门店零售能力三个视角进行仿真并论述改进建议。

图3 K企业O2O零售服务水平仿真结果Fig.3 Simulation result of O2O retail service level of K enterprise

3.1 提高O2O渠道整合能力

由于K企业O2O项目刚刚起步，渠道整合能力不高，赋值为“1”，后期可分别渠道整合的五个方面(支付方式、销售渠道、消费者体验、企业架构及提货方式)整体提升。

方案a:假设渠道整合能力提升两倍，则模型公式为:Distribution＝Payment Method＝Marketing Chanel＝Consumer Experience＝Architecture＝DELAYFIXED(2，12，1)。 DELAYFIXED 是一种延迟函数，DELAY FIXED(x， y， z)表示初始值为“z”的变量，在延迟y个时间步长之后，变量值为“x”。

由图4、图5可知，依照渠道整合能力的改进方案，从第13月开始，企业O2O零售运营能力和利润均有一定程度的增加。

图4 O2O零售服务水平对比Fig.4 Comparison of O2O retail service level

图5 K企业利润对比Fig.5 Comparison of profit in K enterprise

3.2 提高门店零售能力

提高门店零售能力，直接的方式是增加店铺数量、加大店铺装潢投入。由于线下门店数和门店装潢总额是存量，需依靠相关流量(开店投入比例与门店装潢投入比例)进行调节。由K企业年报数据得知，开店投入比例与门店装潢投入比例占门店建设费用的80%左右，据此提出b，c两种改进方案(表8)，相应结果见表9。

表8 线下服务水平优化方案Tab.8 Optimization scheme of offline service level

表9 不同方案的线下服务水平优化方案仿真数据Tab.9 Simulation data of optimization scheme of offline service level in different schemes

由表9仿真结果可知，方案b适度提高开店投入比例，减少门店装潢投入比例，利润比初始状态增加7.1%，而方案c与初始状态相比利润变化率为负，无应用价值。

3.3 提高线上零售能力

提高线上零售能力，可通过丰富网站内容，提高网站安全性等方式实现，而不同的网站装潢费和网管费用占比组合得到的线上零售能力数值不尽相同。为此，提出三种改进方案(表10)，对应仿真结果见表11。

表10 线上服务水平优化方案Tab.10 Optimization scheme of online service level

方案f与初始状态相比，缩短前期网站装潢费投入的持续时间，线上零售能力由3.80提高到4.00，利润增长3.8%。可见，尽早完成企业网站的建立，强化网站安全有利于提升线上零售能力，并最终提高企业利润。

表11 线上服务水平优化方案仿真数据Tab.11 Simulation data of optimization scheme of online service level

4 结 语

本文针对服装企业O2O发展模式，在梳理O2O零售决策指标的基础上建立了系统动力学模型。

以K企业为例，验证了服装企业O2O零售决策模型的适用性，并进行了实证分析。研究结果表明:提高企业渠道整合能力、适当增加线下门店数量、完善店铺装修、缩短网站建设时间等方式可以增加企业利润。由于单一因素的变化对利润的影响尚不显著，后期研究可以此为基础，综合分析变量变化对企业盈利水平的影响，探寻企业快速提高利润的不同方式，为服装企业O2O零售发展提供有益参考。

[1]张茜.传统零售业O2O模式下顾客体验的仿真与优化研究[D].郑州:郑州大学，2014.ZHANG Qian.Study on the Simulation and Optimization of Customer Experience in Traditional Retail Industry Taking O2O Business Model[D].Zhengzhou:Zhengzhou University，2014.

[2]王玲.服装O2O双渠道零售决策与协调[D].上海:东华大学，2017.WANG Ling.Dual-Channel Retail Decision and Coordination of Apparel Enterprise[D].Shanghai:Donghua University，2017.

[3]管荣伟.服装零售企业的O2O模式研究[J].纺织导报，2015(1):84-87.GUAN Rongwei.Study on the modes of online to offline for clothing retail enterprises[J].China Textile Leader，2015(1):84-87.

[4]殷红，邵兵家.我国零售业上市公司线上线下渠道整合现状分析[J].商业时代，2013(25):19-20.YIN Hong，SHAO Bingjia.Analysis on the status quo of O2O integration in China's retail listed companies[J].Commercial Times，2013(25):19-20.

[5]杨丽芳.O2O趋势下零售业顾客满意度评价体系构建[J].企业改革与管理，2014(16):107-108.YANG Lifang.On the construction of customer satisfaction evaluation system of retail industry under the trend of O2O[J].Enterprise Reform And Management，2014(16):107-108.

[6]钟永光，贾晓菁，钱颖，等.系统动力学[M].2版.北京:科学出版社，2013.ZHONG Yongguang， JIA Xiaojing， QIAN Ying， etal.System Dynamics[M].2nd Edi.Beijing:Science Press，2013.

[7]徐念，张彤，王渊，等.服装供应链系统动力学仿真[J].纺织学报，2015，36(4):153-158.XU Nian， ZHANG Tong， WANG Yuan， et al.Simulation of garment supply chain based on system dynamics[J].Journal of Textile Research，2015，36(4):153-158.

[8]IANNONE R，MARTINO G，MIRANDA S，et al.Modeling fashion retail supply chain through causal loop diagram[J].IFAC-Papers on Line，2015，48(3):1290-1295.

[9]韩伯棠.管理运筹学[M].4版.北京:高等教育出版社，2015:409.HAN Botang.Management Operation Research[M].4th Edi.Beijing:Higher Education Press，2015:409.

[10]曹尔黎.第三方B2B电子商务平台服务质量分析[J].商业研究，2010(6):213-216.CAO Erli.Service quality analysis of the third party B2B ecommerce platform[J].Commercial Research，2010(6):213-216.

[11]周明，李黎.我国实体店未来的经营模式与发展方向研究[J].中国市场，2014(43):60-62.ZHOU Ming，LILi.Study on the future businessmodel and development direction of Chinese entity stores[J].China Market，2014(43):60-62.

[12]周欣.体验型产品渠道冲突解决机制研究:基于O2O双渠道暗箱模型[J].新经济，2015(S1):42-44.ZHOU Xin. Research on channel conflict resolution mechanism of experiential products:based on O2O dual channel black box model[J].New Economy，2015(S1):42-44.

[13]陈耿冰.论物流企业如何提高客户服务水平[J].现代商贸工业，2016(18):34-35.CHEN Gengbing.On how to improve customer service level in logistics enterprises[J]. Modern Business Trade Industry，2016(18):34-35.

[14]吴晓志，陈宏，张俊.考虑服务竞争的O2O供应链决策与协调[J].控制与决策，2015，30(8):1453-1461.WU Xiaozhi， CHEN Hong， ZHANG Jun.Decision-making and coordination in an O2O supply chian when service competes[J].Control and Decision，2015，30(8):1453-1461.

[15]吴锦峰，常亚平，潘慧明.多渠道整合质量对线上购买意愿的作用机理研究[J].管理科学，2014，27(1):86-98.WU Jinfeng， CHANG Yaping， PAN Huiming.Impact of multichannel integration quality on online purchase intention and its mechanism[J].Journal of Management Science，2014，27(1):86-98.

[16]罗应婷，杨钰娟.SPSS统计分析从基础到实践[M].北京:电子工业出版社，2010:281-303.LUO Yingting，YANG Yujuan.SPSS from Foundation to Practice[M].Beijing:Publishing House of Electronics Industry，2010:281-303.

[17]吴锦峰，常亚平，侯德林.多渠道整合对零售商权益的影响:基于线上与线下的视角[J].南开管理评论，2016，19(2):170-181.WU Jinfeng， CHANG Yaping， HOU Delin.The impact of multichannel integration on retailer equity:an online and offline perspective[J].Nankai Business Review，2016，19(2):170-181.

[18]李旭.社会系统动力学-政策研宄的原理、方法和应用[M].上海:复旦大学出版社，2011:39-65.LI Xu.Social System Dynamics-Principles，Methods and Application of Policy Research[M].Shanghai:Fudan University Press，2011:39-65.

[19]石春乐，杨以雄，陈炜.基于时间竞争的快时尚产品开发流程建模与仿真[J].计算机集成制造系统，2016，22(2):492-500.SHIChunle， YANG Yixiong， CHEN Wei.Modeling and simulation of fast fashion product development process based on time competition[J].Computer Integrated Manufacturing Systems，2016，22(2):492-500.

[20]SARGENT R G.Verification and validation of simulation models[J].Journal of Simulation，2013，7(1):12-24.