满小虎
摘 要:从信息价值链的角度出发,将电子商务企业的经营活动分为网站运营和盈利两个子阶段,把人力和资金作为共享投入指标构建了含有共享投入的两阶段DEA效率测度模型,并使用该模型对我国47家上市电商企业2018年的相关效率值进行了测算,同时按照市值规模的大小对样本进行分组,使用Tobit回归分析了其“盈利效率”与各投入要素之间的关系。研究结果表明:我国电商行业存在着发展不均衡的问题,这一问题在盈利效率方面的表现更为突出;由于起步较晚的原因,我国跨境电商的整体发展水平与其他类型的电商相比差距较大,亟待提升;现阶段在我国电商行业,盲目地追求资产扩大反而会引起盈利能力的下降,同时在“小型”电商企业存在较为严重的“烧钱”现象。针对所发现的问题,也给出了一些相应的建议。
关键词:电子商务;运营效率;共享投入;DEA;Tobit回归
中图分类号:F713.360 文献标识码:A
Abstract: From the perspective of information value chain, the business activities of e-commerce enterprises are divided into two sub-stages: website operation and profit. A two-stage DEA efficiency measurement model with Shared input is constructed by taking manpower and capital as the Sharing input, and the model is used to calculate the relevant efficiency value of 47 listed e-commerce enterprises in China in 2018. At the same time, the samples are grouped according to the size of market value, and the relationship between“profit efficiency”and each input factor is analyzed by Tobit regression. The results show that the development of Chinese e-commerce industry is unbalanced, which is more prominent in terms of profit efficiency; Due to the late start, the overall development level of cross-border e-commerce in China lags far behind that of other types of e-commerce, which needs to be improved urgently; In Chinese e-commerce industry, the blind pursuit of asset expansion will lead to a decline in profitability, and at the same time, there is a serious phenomenon of“burning money”in“small”e-commerce enterprises. In view of the problems found, some corresponding suggestions are given.
Key words: e-commerce; operational efficiency; Shared input; DEA; Tobit regression
0 引 言
近年來互联网经济的井喷式发展,以此带动的云计算、大数据、人工智能等高新技术产业呈爆发式增长,与此同时我国电子商务的市场规模也不断扩大、辐射作用日新月异。电子商务在我国蓬勃发展,党和国家对于电子商务也愈加重视,多次出台相关政策来指导和促进电子商务行业的发展。现如今,整个电商行业面临着发展瓶颈、企业平均寿命较短、初创企业难以发展壮大等问题。所以,对电商企业进行合理的效率评价,找到能对其发展产生重要影响的因素,进而提出合理的意见是十分必要的。
从电子商务信息价值链的角度出发,对电子商务经营过程进行剖析,将电子商务企业的经营过程划分成“网站运营”和“盈利转化”两个阶段,综合国内外近年来对于电商企业效率评价时所使用的指标,从中选择出合适的指标,建立一个适用于我国上市电商企业的效率评价体系,并以人力和资金作为共享投入,使用含共享投入的两阶段DEA模型对我国上市电商企业做出合理的效率评价。
1 文献综述
数据包络分析法自产生以来在环境效率、企业经营效率评价方面得到了广泛应用,近几年来也被国内外学者运用于对电子商务企业效率评价中。相较于传统的实体制造企业,电子商务企业是以互联网为载体,在电子商务平台上进行商品(服务)的展示与广告宣传,消费者在线上进行商品(服务)选择和交易,网站的建设对于所有的电子商务企业都尤为重要[1]。因此,在对电子商务企业进行效率评价时,对电子商务企业平台效率的测度是必不可少的。目前,国内外对于电子商务平台的效率评价还没有形成一个标准化、系统化的体系。Steve等[2]从用户、社会、互联网三个维度出发,尝试建立了一个用来评价电子商务平台指标体系。Yang Z F等[3]将电子商务流程分解为平台质量和盈利能力两个阶段,同时使用标准两阶段DEA模型对25个上市B2C电子商务企业的效率进行了测算。郑海军[4]尝试建立包含财务、经营和互联网三类指标的电子商务系统的效率评价体系。杨卓凡和石勇[5-6]着眼于电子商务全要素生产效率指数的研究,运用了DEA-CCR、DEA-BCC、DEA-Malmquist指数模型和回归分析探究了企业效率与各影响要素之间的关系后发现资产过大反而会造成电子商务企业盈利能力的下降。潘广炜[1]从信息系统的角度出发,使用DEA-SBM模型对于21个O2O电子商务企业的平台效率进行了测度,结果显示O2O电子商务企业整体的平台效率并不高,有待于提升。王巧莉[7]使用DEA-Malmquist指数模型对我国上市电子商务企业2013~2016年的营运效率进行了动态测算,并对互联网企业发展初期大量“烧钱”的高资本投入和轻资产的发展模式是否有利于企业运营效率的提升进行了深入研究。由此可以发现,在使用数据包络模型对电子商务企业效率进行测算之时,其平台效率是必须要考虑的一个因素,但很多学者仅仅使用了相关的财务指标,却忽略与电商平台相关的要素。即使是在为数不多的考虑了电商平台要素的相关研究中,他们大多是将电商企业的经营过程视为一个“黑箱”——把电子商务平台相关指标与其他财务指标一起作为产出指标进行效率测算。事实上,电子商务行业牵涉到了平台经济,电商企业的经营是一个相对复杂的过程,但是很少有学者会对电商企业的经营过程进行系统性研究并对整个经营过程进行阶段划分、进一步使用网络DEA模型对其效率进行测算。
Rayport和Sviokla等[8]曾较早地提出了虚拟价值链这一概念,并认为虚拟价值链包含5个相关的信息活动,分别是信息的收集、组织、筛选、合成和分配。Yang和Shi等[9]认为电子商务活动所形成的价值链,就是一个信息增值的过程,并将这一过程划分为两个阶段,即第一阶段,电子商务企业通过电子商务平台收集和整理信息;第二阶段,电子商务企业通过对这些信息的有效使用,进一步获得市场份额和利润。这些学者们对于电子商务信息价值链的研究为本文提供了重要的理论依据。
2 模型及指标体系的构建
2.1 模型构建
本文将从电子商务信息价值链的角度出发,结合电子商务行业所具有的一些特点,将电子商务企业的经营活动划分成两个子阶段,即网站经营与企业盈利,如图1所示。在电子商务活动进行的整个过程,无论哪一个阶段都会使用到人力和资金这两类资源。因此,在模型构建时,基于Chen, Kao等人的模型[10-11],将电子商务企业的两个子阶段分别对应两阶段关联DEA模型的两个子阶段,把人力和资金作为共享投入指标,构建含共享投入关联两阶段电子商务企业DEA效率测度模型,其具体的系统结构如图2所示。
X是第一阶段投入,X表示两阶段所共享的投入,Y表示第二阶段产出,Z表示第一阶段产出同时也是第二阶段投入,S和S分别表示电子商务企业的网站运营和企业盈利两个子阶段,α表示共享投入系数。
如式(1)所示:假设n个决策单元DMUj=1,2,3,…,n; j∈J,每个决策单元DMU包含m種投入Xi=1,2,3,…,m; i∈I和k种输出Yr=1,2,3,…,k; r∈R。其中第一阶段S的投入记作Xi1∈I1?哿I,两阶段所共享的投入记作Xi2∈I2?哿I,且I1∪I2=I。第一阶段S的产出Zd=1,2,…,t; d∈D。同时,假设共享投入系数为α0≤α≤1,既共享投入流入第一阶段的为αX,流入第二阶段的为1-αX。
由于规模不变这一条件在现实中很难得到满足,基于规模可变的假设,决策单元DMU整体的效率E可以表示为:
(1)
通过Charnes-Cooper变换,令t=,π=t·η,w=t·v,φ=t·u,β=w·α,该分式模型可以转化为等价的线性规划模型:
(2)
在保证整体效率不变的条件下,阶段S的效率E可以表示为:
(3)
阶段S的效率E也可同理得到(详见Chen[1])。
在此,令α=α=…=α,即在求解某一决策单元的相对效率之时,所有决策单元使用统一的共享投入分配原则,则β
=w·α,此时整体的效率E变化为:
(4)
阶段S的效率E和阶段S的效率E可同理得到。考虑到现实中并不会将人力和资金这两类共享投入全部地投入到某一子阶段当中去,参考陈莹天等的思想[12],在本文令L=0.2、L=0.8,即0.2≤α≤0.8。
2.2 指标的选取
在使用DEA模型对电子商务企业进行合理准确的效率测算的前提是选择合理的投入产出指标。在参考之前学者们使用DEA模型对电子商务企业效率测算所选取指标(如表1)基础之上,选取了8个指标,具体如下:
第一阶段投入指标X:
(1)期初总资产,是指上期期末某一经济实体拥有或控制、能够带来经济利润的全部资产。
(2)期初总负债,是上期期末企业承担并且要偿还的全部债务。
第一阶段产出指标Z:
(1)百度和360搜索权重,即百度和360所统计的一个网站访问量的间接反映,其访问量与权重有着如下的对应关系(如表2所示):
(2)网站访问速度,即访问这个网站时所产生的延迟时间,具体而言就是从向网站所在服务器发出指令或者请求到用户接收到服务器反馈所产生的时间差。
共享投入指标X:
(1)员工人数,为了使得数据更加准确有效,取上期期末和本期期末在职员工数的平均值。
(2)总成本,是指企业在本期从事生产经营活动产生的所有成本和费用的总和。
第二阶段产出指标Y:
(1)主营业务收入,是指企业从事生产经营活动所取得的营业收入。
(2)净利润,是企业本期所产生利润总额与所得税的差值。
2.3 样本的选取及指标描述性统计
本文选取了“网经社电商上市公司财报数(http://www.100ec.cn/zt/cbk/)”所收录的59家商子商务上市公司中的47家作为样本,具体包括了B2C电商企业21家、B2B电商企业8家、O2O电子商务企业12家和跨境电商企业6家,并统计了截至2018年底各企业的市值(其中涉及2019年新上市电商企业的数据是企业截至2019年8月13日的市值,已标注),如表3所示。
本文采用的企业有关财务指标的数据来自于“网经社电商上市公司财报数据库(http://www.100ec.cn)”及企业已经公开财务报表,有关电商企业网站的指标数据来自于“站长工具(http://tool.chinaz.com)”,选取了4个投入和4个产出指标,为了使得平台访问速度能作为产出指标,在数据处理时以秒为单位,参考徐平等[16]对于非理想产出的“线性转化法”,取原始数据的倒数作为网站经营阶段的一个产出指标。同时,有些样本企业的净利润是负值,在处理该指标时参考沈江建等[17]对于负产出的处理方法,对净利润这一指标进行初等行变换,使得所有的样本净利润都“非负”。有关各个指标的描述性统计如表4所示。
3 实证结果与分析
3.1 模型效率分析
将2018年作为样本数据指标的本期,应用MATLAB编写相应的模型程序,将处理后的指标数据输入到程序中,对电子商务企业各阶段的效率值进行测算,结果如表5所示。
通过表5可以发现,3个效率都达到相对有效的电子商务企业只有6家,分别是阿里巴巴(B2C)、京东(B2C)、微盟集团(B2C)、无忧英语(O2O)、乐途(O2O)和兰亭集势(跨境电商),作为电商行业“翘楚”的阿里巴巴与京东都在其中,说明本文效率评价的结果符合现实的预期,具有一定的现实意义,也可以反映出这几个电商企业发展较为均衡且良好,它们的经营理念与运作模式是同类电商企业应该学习的。但是,这些电商企业数量只占总数的12.77%,并且所有样本的网站运营效率、盈利效率、整体运营效率的均值分别是0.773、0.664、0.765,这都说明了我国电商行业还有很大的发展潜力(如图3所示)。
按照“网经社”对于样本类型的划分,通过表5和图4可以发现,我国的电商企业的总体运营良好,无论是网站运营、盈利,还是整体运营的效率,均值都在0.6以上。B2C和O2O电商在各方面的表现也是十分的均衡,并且O2O电商拥有着最高的盈利效率,这也说明O2O电商拥有着较强的利润转化能力,值得所有的电商企业学习。反观B2B电商,拥有着最高的整体运营效率,但盈利效率只有0.553,仅高于跨境电商,说明B2B电商的盈利能力有待提升。因此B2B电商企业在进行创新和战略调整时更应该着眼于最终利润的转化。就跨境电商而言,无论是网站运营效率,还是盈利效率都是远低于行业均值,说明跨境电商整体发展水平较低,这与我国跨境电商起步较晚有关。但是,随着“互联网+”行动的不断深入,跨境电商也成为了电子商务行业发展的重点,“一带一路”发展战略的计划与实施,也为中国跨境电商的未来发展奠定了坚实的基础。随着“一带一路”政策的不断推进,这也将会为我国跨境电商的发展提供更为广阔的空间。虽然我国电商总体发展较为良好,但是通过表5和图3也可以看出我国电商存在着发展不均衡的问题,这一问题在盈利能力上的表现尤为突出。具体而言,总体上各效率的标准差都在0.18以上,总体盈利效率的标准差更是达到了0.366,各类电商盈利效率的标准差也都在0.3以上。因此,我国电商企业在制定发展计划之时不能只考虑利润或者网站建设,应该从全局的角度出发,追求更加全面、均衡和高质量的发展。
3.2 Tobit回归分析
无论是规模大小,所有电商企业所追求的都是最终的利益,因此电商企业的“盈利效率”值得进一步的探究。前文通过DEA模型已经求出了各个电商企业的盈利水平,但是各投入要素和规模的大小与电商企业的“盈利效率”之间的具体关系尚不清晰。为此,本文以“总成本和费用”、“员工人数”、“期初总资产”、“期初总负债”为自变量,以“盈利效率”为因变量,由于因变量“盈利效率”介于0~1之间,所以在此使用Tobit回归模型探究各自变量对于“盈利效率”的影响。构建的模型如下:
PE=c+βTC+βNOE+βIA+βID+ε (5)
其中:i表示第i家上市電商企业,ε表示残差,其他各符号的含义如下:PE表示盈利效率;TC表示总成本和费用;NOE表示员工人数;IA表示期初总资产;ID表示期初总负债。
同时按照市值的大小将47家样本企业分为两组,既“大型”电商企业(市值在100亿元以上,一共23家)和“小型”电商企业(市值在100亿元以下,一共24家),采用Eviews8.0对我国电商企业的“盈利效率”及影响因素分组进行Tobit回归分析,其结果如表6和表7所示:
通过对比表6和表7可以发现,第一,目前在我国整个电商行业,企业的盈利效率与资产呈负相关,但是合理负债却可以使得企业的盈利能力得到提升。因此对于整个电商行业而言,不能一味追求资产规模的扩大,合理地调节资产结构,才能使得自己的盈利能力得到进一步提升。第二,在“大型”的电商企业中,其盈利效率与其人力、财务的成本正相关,但这种相关性并不是十分显著。第三,在“小型”电商企业中,其盈利效率与其人力、财务的成本负相关,并且这种相关性十分显著,随着人员和成本投入的不断增加,“小型”电商企业的盈利能力却在下降。这说明现阶段在我国“小型”电商企业中仍然存在着较为严重的“烧钱”现象。“烧钱”模式无疑会大大增加创业者创业失败、投资者利益受损的几率,这种行为对于大多数创业者来说是不可取的。我国电商行业经过多年的迅速发展,拥有着全球最大的市场,仍然存在这种“烧钱”现象,不得不引起我们的深思。对于电商行业而言,党和政府提出的“供给侧结构性改革”同样适用,电商企业在创业初期为了抢占市场份额可以放弃一些眼前的利益,但是不能陷入“烧钱”模式的恶性循环。
4 结束语
从信息价值链的角度出发,将电子商务的经营活动分为网站运营和盈利两个子阶段,把人力和资金作为共享投入指标构建了含有共享投入的两阶段DEA效率测度模型,并使用该模型对我国47家上市电商企业的2018年度效率进行了测算。为了进一步探究“盈利效率”与各投入要素之间的关系,将样本企业按照其市值的大小进行分组,参考刘超等学者的思想,对我国电商企业的“盈利效率”及影响因素分组进行Tobit回归分析。根据以上分析的结果本文得出了以下结论:(1)我国电商行业整体发展良好,但是存在着发展不均衡的现象,无论在“网站运营效率”、“盈利效率”,还是在“整体运营效率”方面,都是如此,并且在“盈利效率”方面表现的尤为突出。(2)我国的跨境电商由于起步较晚,与其他类型的电商相比,整体发展水平差距较大,亟待提升。(3)盲目地追求资产扩大并不利于电商企业盈利能力的提升,反而会使得盈利能力有所下降,同时在“小型”电商企业中仍然存在着较为严重的“烧钱”现象。
根据以上研究的结果,本文给出以下建议与对策:对于党和政府而言,应该给与电商行业更多的关注和政策指导,积极促进电子商务及其相关产业的发展,使其为我国的经济做出更大的贡献;对于整个电子商务行业而言,在追求利润最大化的同时,也应还加强网站的建设,避免出现发展不均衡的现象。对于互联网企业,特别是电子商务企业,良好的用户体验是保持用户粘性,持续提高盈利能力的重要保证;对于跨境电商来说,随着“一带一路”政策的不断深入,跨境电商的发展潜力更为巨大,我国的跨境电商应该积极响应党和国家的号召,乘着“一带一路”的春风,快速发展壮大;对于刚起步的电商企业而言,应该摒弃盲目追求规模扩大而“烧钱”的发展模式,将党和国家关于“供给侧结构性改革”的政策落到实处努力学习行业“标杆”管理模式与经营理念,找到属于自己的盈利模式,追求更加高质量的发展。
参考文献:
[1] 潘广玮. 基于DEA方法的O2O电商网站效率评估及影响因素研究[D]. 广州:华南理工大学(硕士学位论文),2016.
[2] Steve Muylle, Rudy Moenaert, Marc Despontin. The conceptualization and empirical validation of web site user satisfaction[J]. Information & Management, 2004,41(5):543-560.
[3] Zhuo Fan Yang, Yong Shi, Bo Wang, et al. Website Quality and Profitability Evaluation in Ecommerce Firms Using Two
-stage DEA Model[J]. Procedia Computer Science, 2014,30:4-13.
[4] 郑海军. 基于DEA的电子商务效率评价指标研究[J]. 商场现代化,2012(12):29-30.
[5] 杨卓凡,石勇. 电子商务企业全要素生产率变化及影响因素分析[J]. 系统工程理论与实践,2017,37(2):431-439.
[6] 杨卓凡,石勇. 动态市场竞争环境下电子商务企业盈利能力的影响因素研究[J]. 中国管理科学,2016,24(8):18-27.
[7] 王巧莉. 基于DEA模型的中国互联网上市企业运营效率研究[D]. 北京:中国地质大学(硕士学位论文),2018.
[8] Jeffrey F Rayport, John J Sviokla. Exploiting the Virtual Value Chain[J]. Harvard Business Review, 1995(9):75-99.
[9] Zhuofan Yang, Yong Shi, Hong Yan. Scale, congestion, efficiency and effectiveness in e-commerce firms[J]. Electronic Commerce Research and Applications, 2016,20:171-182.
[10] Yao Chen, Juan Du, H David Sherman, et al. DEA model with shared resources and efficiency decomposition[J]. European Journal of Operational Research, 2010,207(1):339-349.
[11] Chiang Kao. Efficiency decomposition for general multi-stage systems in data envelopment analysis[J]. European Journal of Operational Research, 2014,232(1):117-124.
[12] 陳莹文,王美强,陈银银,等. 基于改进两阶段DEA的中国高技术产业研发创新效率研究[J]. 软科学,2018,32(9):14-18.
[13] 刘修征. 网上零售类电子商务示范企业经营效率评价研究[D]. 西安:西安邮电大学(硕士学位论文),2018.
[14] 刘仁超. 互联网电商企业价值评估[D]. 北京:北京交通大学(硕士学位论文),2017.
[15] 谭静. 基于DEA电子商务上市企业效率综合评价方法研究[D]. 哈尔滨:哈尔滨商业大学(硕士学位论文),2016.
[16] 许平,孙玉华. 非期望产出的DEA效率评价[J]. 经济数学,2014,31(1):90-93.
[17] 沈江建,龙文. 负产出在DEA模型中的处理——基于软件DEAP的运用[C] // 中国管理现代化研究会,复旦管理学奖励基金会第十届(2015)中国管理学年会论文集,2015:267-272.