基于因子分析法的 “新零售之都”竞争力评价

李 民，阙铭萍

(福建商学院 国际经贸学院，福建 福州 350001)

技术革命往往引领着生产与消费方式的变革，而信息革命、智能革命的爆发也使得零售业发生迭代并深刻影响着城市经济和社会组织方式[1]。随着信息技术飞速发展和我国 “互联网＋”战略的持续推进，新零售这一以消费者体验为中心的数据驱动的泛零售形态应运而生。2016年以来，国内诸多城市发力新零售，纷纷加入 “新零售之都”建设热潮，寄望以新零售业为机会和起点，重塑城市经济发展格局，提升城市的核心竞争力。本文基于波特钻石模型建立城市 “新零售之都”竞争力发展评价体系，采用因子分析法对18个城市2018年新零售发展竞争力进行科学评测，并针对评测结果反映出的问题，提出提升城市 “新零售之都”竞争力的对策建议，对新零售产业发展具有一定的参考价值。

一、研究问题的提出

1.新零售产业缘起

传统意义上的零售通过某种特定的环境与方法让商品和消费者能够成功连接并发生交易，这种模式中有三个必不可少的要素：商品、消费者以及交易发生的载体环境。电子商务的迅猛发展对这三个要素产生了巨大冲击，线下零售业的运营效率急需发生同等的改革升级以适应存量市场的激烈角逐。同时，随着线上流量成本的不断升高，越来越多的电商企业也开始进军线下零售市场，传统零售行业受到的冲击增强。在此背景下，新零售作为 “以互联网为依托，通过运用大数据、人工智能等先进技术手段，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合”的零售新模式[2]应运而生。

2.新零售产业发展现状

当下零售的困境表现在两个层面：实体店面在租金成本和电商的冲击下经营业绩持续走低；线上零售则表现为平台体验差，流量触顶，需要新的发展动力[3]，大环境的融合与变革提高了对零售企业在技术应用、技术创新、商业模式革新等方面的要求。以2016年马云提出新零售为契机，阿里、腾讯、苏宁、京东、三江、银泰等多家企业通过兼并或者投资于有多年线下零售经验的实体店开展新零售战役。对于城市来说，新零售这一综合产业将带动零售业、物流业、数字经济产业等多行业整体升级改革，其产业发展对于拉动内需、推动产业升级有十分重要的价值，也成为提升城市核心竞争力的重要抓手。

3.“新零售之都”的竞争

在当前内外贸红利递减、流量成本递增的背景下，激发消费潜力，通过消费拉动中国经济发展日益重要，新零售产业的发展为城市整体经济转型和社会发展提供了新契机，越来越多城市加入 “新零售之都”建设热潮。自2018年4月起，上海、北京、福州等数十个城市实施大力推动新零售发展战略，在以阿里巴巴为代表的新零售企业的帮助下快速发展城市的新零售产业[4]。目前新零售的城市发展主要从核心城市辐射周边地区，以区域协同发力、核心高速增长的势头前进。其中，北京是国内拥有新零售项目最多、业态发展最为繁荣的城市，同时也是零售产业巨头苏宁研发中心所在城市；上海则提出 “上海购物”品牌八大工程，其中第一项就是以新零售促进消费；永辉超市的诞生地福州率先将 “新零售之都”写入工作报告；奉行效率至上的深圳则发布 《深圳市深入推进 “互联网＋流通”行动计划实施方案》(2017年)和 《深圳市新型智慧城市建设总体方案》(2018年)两大方案，加入 “新零售之都”建设热潮[5]。随着国内城市“新零售之都”建设热潮的推进，有必要对各城市建设成果进行评价，以总结现有经验，为将来“新零售之都”的建设发展提供参考。

二、“新零售之都”竞争力评价体系构建

1.评价指标选择

钻石模型是一种广受认可的产业竞争力评价模型，此模型立足生产要素、需求条件、相关产业、企业、机会和政府等方面评价产业竞争力(图1)。本文基于钻石模型从以下几个方面选取“新零售之都”竞争力发展评价指标。

第一，需求市场方面。需求市场是新产业发展的重要动力来源，其中消费是需求的集中体现，人口规模决定了消费规模，而收入是影响消费的主要变量。居民购买力提升带来的消费升级对商品与需求能否适配提出了更高的要求，城镇居民收入水平的高低直接影响着新零售产业的发展。GDP的数值与居民的消费率有着线性关系，消费对经济增长也有作用。因此本文选取城市GDP、城市总人口、社会消费品零售总额和城镇居民可支配收入作为新零售需求条件指标。

第二，生产要素方面，生产要素可认为是产业发展的重要条件，包含资本、土地、劳动力投入等各个方面。对于新零售产业来说，资本主要由企业投入，而企业在投资时也会考虑城市人力资本状况，因此本文选择城镇就业人员数和普通高等学校毕业生人数作为新零售产业生产要素指标。

第三，相关及支持产业方面。新零售产业在商品的生产过程、销售过程及流通过程中通过网络这一重要介质对整个流程进行变革升级，使其具有数字经济的强大优势。“新零售之都”建设离不开互联网、大数据、人工智能等信息产业支撑，对城市的物流体系也有较高的要求。因此本文在 “新零售之都”竞争力评价体系建设中采用公路里程、汽车拥有量、城市货物周转量、完成货运量以及信息传输、软件和信息技术服务业增加值 (下文简称 “信息行业增加值”)等作为新零售相关及支持产业的重要指标。

第四，企业战略、结构和同业竞争方面，每座城市都有自己的产业基础，扎实的产业基础是城市进行全面产业升级的强大助力，新零售是基于传统零售发展起来的一种新型零售业态，传统零售企业基础对于新零售的发展起着至关重要的作用。本文选取地区零售业零售额和批发业零售额作为体现地区新零售企业战略、结构和同业竞争的重要指标。

第五，机会方面。城市的数字化建设发展程度是新零售企业进入时必须考量的一个重要方面，城市数字化发展水平越高，越有机会吸引行业企业进入[6]，因此本文选择城市数字化发展指数作为机会要素的重要指标。

第六，政府方面。营商环境直接体现政府的政务效能，良好的营商环境有利于降低企业制度性交易成本进而促进企业健康发展，是企业投资的重要决策依据，本文选取城市营商环境指数作为政府要素的主要指标。

2.样本与评价方法选择

本文选取2018年GDP排名靠前的25个城市作为初始样本城市，考虑数据可得性后选取了北京、上海、广州、深圳、武汉、重庆、成都、苏州、南京、杭州等18个具有代表性的城市作为研究样本。数据来源方面，城市数字化发展指数数据来自腾讯研究院发布的 《数字中国指数报告(2019)》，城市营商环境指数来自万博新经济研究院发布的 《中国城市营商环境指数评价报告(2019)》，其他指标数据来源于各城市2019年统计年鉴，部分缺失数据通过网络搜索后手工整理。此外，因子分析法是一种可以有效进行的多个数据降维分析和数据简化技术，可筛选出主要的指标因子并进行非观测综合评测以厘清因子的相关关系并进行综合评价[7]，是一种比较常见的评价方法，因此本文利用因子分析法对18个样本城市 “新零售之都”竞争力进行评价分析。

3.因子分析

如前文所述，本文所构建的城市 “新零售之都”竞争力发展评价体系共包含15个指标，本文使用Stata 15软件对各指标进行因子分析。进入因子分析前的相关检验结果显示KMO值为0.596，Bartlett的球形度检验Sig值为0.000，在1%水平上显著，表明可以进行因子分析。

(1)主因子提取及贡献率计算

借助Stata 15可得因子贡献率如表1所示，第一个因子的初始特征值为7.950 0，方差贡献率为0.530 0，第二个因子的初始特征值为2.6817，方差贡献率为0.178 8，第三个因子的初始特征值为1.553 8，方差贡献率为0.103 6，第四个因子的初始特征值为1.112 0，方差贡献率为0.074 1。由于4个因子的累积方差贡献率为0.8865，基本包括指标信息，且一般不选取特征值小于1的因子，因此本文提取前4个因子作为主因子。

表1 主因子贡献率

(2)求旋转成分矩阵

为解释不同变量与不同因子之间的关系，运用Kaiser标准化的正交旋转法进行因子旋转，给出旋转后的因子载荷值，赋予各因子相对明确的经济意义(表2)。由表2知：f1与汽车拥有量、零售业零售额、社会消费品零售总额、城市数字化发展指数和城市GDP等变量相关性较大，可用来衡量城市进行新零售建设的资源禀赋，为资源因子；f2与城市货物周转量、完成货运量相关性较大，用以衡量城市新零售物流体系建设基础，为物流因子；f3与城市营商环境指数、城镇居民可支配收入相关性较大，用以衡量城市新零售产业建设的市场环境，为市场因子；f4与普通高等学校毕业生人数相关性较大，用以衡量城市新零售建设的人力资源储备，为人才建设因子。

表2 旋转成分矩阵

(3)确定因子得分函数及计算综合力的得分

成分得分系数矩阵见表3。根据表3，计算可得各公共因子得分如式 (1)～(4)所示。

表3 成分得分系数矩阵

式 (1) ～ (4)中，X1～X15分别为城市GDP、城市总人口、社会消费品零售总额、城镇居民可支配收入、城镇就业人员数、普通高等学校毕业生人数、公路里程、汽车拥有量、城市货物周转量、信息行业增加值、完成货运量、零售业零售额、批发业零售额、城市数字化发展指数、城市营商环境指数等15个指标。

三、“新零售之都”竞争力评价结果分析与发展对策

1.评价结果

根据前文 “新零售之都”竞争力因子得分给出的相应权重，将4个因子的累积贡献率88.65%定义为1，分别计算出f1、f2、f3和f4的权重为0.60、0.20、0.12和0.08，得出 “新零售之都” 竞争力表达式：f＝0.60f1＋0.20f2＋0.12f3＋0.08f4，并在此基础上计算出18个城市“新零售之都”竞争力得分与排名如表4所示。

2.评价结果分析

从表4最终结果可知，“新零售之都”竞争力排名前三的城市分别是北京、上海和广州，竞争力得分分别是1.624 0，1.218 6，0.584 5。同时得分较为悬殊，说明各地在 “新零售之都”建设过程中仍然具有较大的差距，其原因可能如下。

(1)城市原生环境限制，产业结构调整困难

城市发展受到资源因子和市场因子影响较大，从原先的 “靠山吃山，靠水吃水”到后面的因地制宜，地理环境和风俗习惯等原生环境深刻地影响着城市的产业结构。以重庆为例，2018年全年批发业与零售业仅占GDP的6.3%，而工业产值占比接近40%，同时重庆资源因子得分为0.5234，而市场因子得分却为-3.4764，由此可见，重庆本身进行 “新零售之都”建设具有一定的难度，更有可能作为产业链的上游进行供应生产。再比如佛山，制造业对经济的贡献率超过60%，规模以上工业经济效益综合指数311.87%，城市产能巨大。同时佛山位于珠三角地区，毗邻香港、广州等国际大都市，外贸依存度也非常高，在向新零售转型过程中的产业结构调整面临较大困难。

(2)相关产业发展滞后，产业协同效率低

以大数据产业为例，新零售能够迅速拉近人、货、场之间的距离，在于企业可以借助大数据精准获取消费者的需求从而实现定向匹配供需[8]。但是直到目前，国内城市还不具备成熟的以新零售为目的的产业大数据库，除个别大企业外，中小企业在投身新零售建设时，数据获取难度大，难以真正享受到新零售的红利。同时，部分城市也缺乏成熟的、可协同发展的配套物流、金融及科技产业集群，导致产业链协同效率低下。如代表城市新零售物流体系建设基础的物流因子，大部分城市得分为负，只有广州、上海两地大于2，配套产业的滞后严重影响了城市新零售行业的竞争力提升。

表4 18个城市 “新零售之都”竞争力得分和排名

(3)企业持续投入，运营成本高企

从物流因子与人才建设因子角度来看，新零售的便利背后往往是高昂的成本，线上的大数据技术虽然能够准确地匹配客户需求和商品供给，但是在运营成本中需要大量的人力资源和科技投入。如果本地的教育资源不够丰富，那么在技术开发人员等方面投入的成本就会相当可观。除此之外，以目前新零售发展的主要代表盒马生鲜为例，盒马生鲜打出 “三公里生活圈”的口号，这就需要门店有较为完备的人员配送物流体系，对于人口密度不大的城市来说，企业付出大量的成本雇佣劳动力却难以保证人员的利用率[9]，以苏州、广州两城市为例，苏州市资源因子得分高于广州市，但物流因子得分及人才建设因子得分则较广州市逊色不少，由此企业落地苏州的物流成本与人才建设成本都较高，而广州却能在本身资源处于弱势的情况下，依靠健全的城市物流系统与强大的人才吸引力，甩开苏州等城市，位居城市竞争力排行榜第三。同时新零售店铺的地址也需要在比较大型的商圈或者社区以保证消费者的购买欲望和消费能力。这在特大城市中可以轻易满足，但是对于人口密度较小的二三线城市，能够找到这样的区位难度极大。同时生鲜供应链的管理难度也挑战重重，在武汉、成都、重庆开店的风险比起上海、杭州、深圳等高出许多。

3.“新零售之都”发展对策建议

首先，立足城市优势，优化产业结构。地方政府本身应结合当地情况，因地制宜发展新零售产业，进行 “新零售之都”建设。适当扶持物流、金融、科技等相关产业，进行产业结构升级改革[10]；完善城市物流体系，做好道路规划、城区划分，提升城市整体运行效率；带动城市经济由商贸节点走向数字中心，形成城市产业文化，激发城市活力。

其次，建立零售业大数据资料库，提升产业链协同效率。相关及支持产业协同建立 “消费者行为数据库”[11]，进行线上线下流量分配，让中小企业也能参与零售产业升级改革；该数据库既可以提供消费者偏好数据，帮助企业进行产品研发及精准引流，同时也可将产品推荐给地区线下门店，形成强大的经销商网络，拓宽销售渠道，提升产业链协同效率。

再次，调整企业发展战略，降低运营成本。一是调整企业战略，加大科技研发经费投入，实现数据价值最大化和消费者体验一体化的组织架构转型，促使企业借由科技手段有效降低生产成本；二是结合企业落地城市实际情况分析该地布局，建立数字化供应链系统，实现多供应商可相互比价，实时补货，降低存货数量，精准引流；三是借助新经济环境下的各类平台工具，为消费者提供即时、动态、个性化的体验，引领消费升级[12]。

四、结语

零售业是城市经济的重要组成部分，在传统零售遭遇电商挤占市场份额和 “互联网＋”发展战略背景下，新零售成为扭转零售业局面，提升城市竞争力的有力抓手。在 “新零售之都”建设过程中各城市必须抓住机遇，通过调整优化现有产业结构，借由科技手段有效降低产业成本，运用大数据技术建立消费者数据库等手段提高城市 “新零售之都”竞争力。