后疫情时代生鲜电商前置仓选址研究

沈红霞, 羊 英

(上海第二工业大学 经济与管理学院,上海201209)

0 引言

2020 年6 月16 日,习近平总书记在与塔吉克斯坦总统通话时首次提到“后疫情时代”一词,用以指代目前我国状态,即我国的疫情既区别于疫情暴发前的无疫情状态,也区别于疫情暴发后的战时状态。后疫情时代,许多行业都面临新的机遇与挑战,尤其是电商行业。在疫情期间,人们活动范围受到限制,生鲜电商为消费者提供了便利,很多消费者逐渐形成了在生鲜电商平台购买生鲜产品的消费习惯。

根据《2020 年中国生鲜行业报告》[1]数据显示,突如其来的疫情对社会经济造成了巨大冲击,而生鲜电商的销售额却不降反增。这证明了后疫情时代人们对于生鲜电商的需求在不断地提高。在2019年12 月∼2020 年6 月期间,中国生鲜电商交易额的增速超过了100%[1], 每年使用生鲜电商购买商品1∼5 次的用户明显减少了,但每周购买2∼3 次的用户相较于之前有了大幅度的提升[1],以上数据说明用户在使用电商平台频率上疫情后期相较于前期有大幅提升。有91.61%的用户表示在我国疫情大大好转的情况下,依然保留了使用生鲜电商平台的习惯[1]。

市场需求的日益增长促进了生鲜电商行业的发展,而生鲜产品对时效性、新鲜度、运输条件等方面的高要求,使得生鲜产品的物流问题一直受到学者的广泛关注。大部分研究在选址方面, 以最小化成本为主要目标。根据生鲜易腐烂的特性,文献[3-4]中将食品腐烂成本考虑在内,求得选址的最小成本。另外,陈萍等[5]从时效性的角度来保证生鲜的新鲜度。虽然生鲜是一种易腐产品,但其品类繁多、购买需求大,所以如何在满足消费者需求的情况下又能减少库存,文献[6-7]中做了相应研究。提高配送服务顾客满意度是电商物流需要解决的核心问题,陈诚等[8]基于分级顾客满意度研究水果电商物流配送网络选址-路径问题。宋玲[9]对电商物流深度配送顾客满意度进行了研究。现在环境问题受到社会广泛的关注,文献[10-11]中根据碳排放来制定生鲜电商的最优路径以此来保护环境。何婷等[12]在后疫情时代来临之际,基于疫情下居家消费的特点,以小区为单位的团购需求增加以及生鲜的时效性,构建疫情背景下生鲜物资配送车辆路径优化模型,使用最少配送车辆完成配送并实现总成本最小。陈镜羽等[13]基于疫情下的政策建立目标函数, 并提出疫情下未来选址方向建议以供选址参考。

目前对生鲜电商选址的研究文献有很多, 主要集中在从生鲜腐烂成本、库存成本、客户满意度等方面去求得最优解。后疫情时代对于生鲜电商产品配送路径优化的研究也有一些,但对于前置仓选址方面,衡欢乐[14]研究的是疫情之前,后疫情时代的相关研究较少。后疫情时代,消费者对生鲜产品需求量、配送速度、生鲜质量以及价格等方面与疫情之前均有差异。因此, 本文研究后疫情时代生鲜电商前置仓的选址问题具有实际应用价值。

1 生鲜电商前置仓选址影响因素分析

1.1 消费者生鲜电商平台选择调查

根据比达咨询,中信建投的调查分析(见图1)可以看到在2019 年用户选择生鲜电商最看重的是商品的价格, 其次分别是准时、配送速度、商品质量、便利程度、商品包装以及其他因素[2]。

设计问卷调查消费者选择生鲜电商平台的考虑因素, 回收有效问卷151 份, 整理数据如图2 所示,结果显示在疫情后期,配送速度、商品的优惠力度、质量是用户选择生鲜电商最为看重的三大因素。

图2 消费者选择生鲜电商平台的决定因素评分Fig.2 Score of determinants of consumers’ choice of fresh e-commerce platform

因此提升生鲜的配送速度和保证商品品质是生鲜电商平台吸引用户和获得竞争优势的关键所在。对于前置仓而言,如何选址决定了配送的速度和配送质量,所以前置仓的选址模型显得尤为重要。

1.2 生鲜电商前置仓选址影响因素分析

根据以上调查进行分析,生鲜电商前置仓选址主要考虑以下影响因素:

(1)消费者的需求。如图2 所示,在疫情后期,配送速度、商品的优惠力度、质量是消费者选择生鲜电商最为看重的三大因素。

(2) 生鲜产品易变质。生鲜产品大多数是易腐烂、易变质的,在运输、配送的过程中会造成损耗。一旦库存积压,容易导致商品变质。

(3)生鲜产品配送过程。生鲜电商的商品品种多且品类复杂,在流通加工、配货等方面工序复杂、耗时久,这将影响配送速度。

所以生鲜电商前置仓选址模型将基于以上因素来构建。

2 生鲜电商前置仓选址模型构建

2.1 问题描述

将生鲜电商的中心仓、前置仓以及客户需求点整合, 构建物流网络模式。将着重考虑配送速度、商品质量两个重要因素,使用货损成本作为衡量生鲜质量的变量,配送距离作为衡量配送速度的变量,将这两个变量作为参数, 以总成本最低为目标, 构建选址模型。对比疫情前期,在疫情中后期人们对商品价格的关注度有所下降,且在小范围内的选址问题上,商品的价格和选址没有明显的强关联关系,所以本文研究选址因素时,未考虑商品的优惠程度和价格。

2.2 模型假设

为了研究的准确性,现对前置仓选址模型作如下假设:

(1)假设每个中心仓的面积相同且里面的货物也相同。

(2)假设前置仓里面的货品均为客户所需。

(3)假设所有生鲜的损耗均与时间相关且损耗程度一致。

(4)假设所有的消费者均通过前置仓购买商品,不直接与中心仓发生交易,且中心仓之间不能交换商品。

(5)假设所有的前置仓均固定在1 个周期内。

(6)假设每次运输商品重量相同。

(7)假设商品的单位一致。

(8)假设1 个地址只能设置1 个前置仓。

(9)假设1 个中心仓可以供应1 个地区所有的前置仓所需货物。

(10)假设库存周转天数为1 d。

2.3 参数设置

基于模型假设, 对生鲜电商前置仓选址模型参数进行设置,如表1 所示。

表1 模型参数设置Tab.1 Parameters setting of the model

2.4 模型构建

基于文献[3, 6, 14], 改进并构建了生鲜电商前置仓选址的数学模型:

模型中的目标函数解释如下:

(1) 总运输成本C0, 包括中心仓到前置仓的运输成本以及前置仓到需求点的配送成本,即

(2)建前置仓总成本C1,包括人工、水电、损耗、管理成本等,即

(3) 货损成本C2, 包括货物在运输和派送过程中货物的损失以及随着时间推移货物的损失,即

3 算 例

3.1 背景介绍

叮咚买菜在2017 年上线,就采用了前置仓的生鲜电商模式。如今在上海普及率已经非常高, 只要用户在APP 上下单,就可以享受29 min 内送达的服务。但随着越来越多同类生鲜电商的出现, 以及客户不断提高的要求,叮咚买菜必须在运营管理上进行优化。其中最重要的部分就是前置仓的布局选址问题。

3.2 数据准备

(1)需求量。在中国专业IT 社区(Chinese software developer network, CSDN) 上搜集到2019 年5月发布的71 010 条兴趣点(point of Interest,POI)数据,通过筛选、去重,最后得到该区域的1 437 条数据, 将这些数据放入Rapid Minner 软件中通过KMEANS 方法聚类, 共聚了10 个类, 选定类中心作为10 个需求点的位置。在高德地图上,将聚类出来的10 个需求点作为前置仓预选地点,标志前置仓预选地点的经纬度,如表2 所示。

表2 前置仓预选地点经纬度数据表Tab.2 Longitude and latitude data sheet of preselected location of pre-warehouse

2020 年一季度上海市生鲜电商销售额达88 亿元,以董琦[3]的推断为基础预测: 2020 年上海的生鲜电商平台上售卖商品价格平均值为48.74 元/kg。由POI 中的数据得出上海大约有59 000 栋住宅楼,根据下式可计算得出各个需求点用户的需求量(见表3):

表3 每类住宅数量及需求分析Tab.3 Residential quantity and demand analysis of every cluster

式中,市场占比为50%。

(2)距离。① 中心仓到前置仓的距离。根据选址费用运输成本最小化以及靠近产地、交通便利的要求对浦东多个蔬菜产地进行综合调研评估,发现上海都市菜园不仅离原产地近,而且交通便利、租金及人工价格便宜,所以将中心仓选定为上海都市菜园。通过高德地图测量两地之间的距离, 如表4所示。

表4 上海都市菜园至各前置仓距离Tab.4 Distance from Shanghai urban vegetable garden to each pre-warehouse

②前置仓至需求点的距离。因CSDN 上获得的数据包含住宅楼信息,而前置仓作为仓库的一种形式,对地点、房屋类型、价格等都有严格要求,为避免选择到不合适的地点,故采用在2021 年3 月搜集的链家网进行前置仓选址,以确保方案的可行性,并获得相应的租金价格作为成本核算依据。

根据聚类出来的10 个需求点,通过中点法并结合链家网上仓库的地点来选定前置仓的位置,把相同区域的需求点和前置仓的距离设置成1 km,将两个仓库之间的距离当作是配送距离,配送距离约束条件设置为≤4 km,为了使用Excel 规划求解方便,超过4 km 的设置为1 000 km(相当于是一个极大的数字,在计算过程中将会被排除在外)。以上设置基于两方面原因:一方面,一般生鲜电商平台规定配送距离在3∼5 km 范围内,所以约束条件设置为4 km以内; 另一方面, 生鲜电商平台的配送时间要求在30 min 以内, 商品的拣选时间一般为5∼15 min, 路上的时间最多15 min,又根据2019 年出台的新国标规定,电瓶车的最高限速为25 km/h,考虑到配送员的安全和多个订单的配送情况,如果配送的距离超过4 km 将会使得配送时间过少。

(3)运输成本和生鲜损失率。中心仓运输成本为固定成本和运输成本,固定成本为100 元/次,冷链运输费用为0.5 元/(kg·km)[17]; 中心仓的运输费用为0.015 元/(kg·km); 生鲜成本平均值为 48.74 元/kg,生鲜损失率为0.005[3]。

(4)租金价格。为了获得实际可用的仓库位置及其真实价格,根据上述选择的前置仓位置,在链家网查出每天每平方米的租金(见表5)。

表5 前置仓租金价格Tab.5 Pre-warehouse rent price

(6) 中心仓成本和前置仓供应能力。单个中心仓的成本和前置仓供应能力根据文献[15]中的中心仓成本和前置仓供应能力, 分别为5 000元/d、5 000 kg。

(7)人工成本。根据国家统计局2020 年发布的上海交通运输、仓储、邮政业就业人员的平均工资为65 718 元/a,每月的平均工资是5 500 元左右,每天平均工资约为180 元。

(8) 建设前置仓成本。主要包含员工费用、水电、折旧摊销,具体如表6 所示。

表6 前置仓建设成本Tab.6 Front warehouse and center warehouse construction cost

3.3 模型求解

将数据代入式(2)建立模型并使用Excel 的规划求解来计算: 当距离在0∼4 km 以内, 仓库的最大容量为5 000 kg 且满足消费者需求的情况下,选择的前置仓为 A1、A2、A3、A4、A7、A9 这几个地点时, 成本最小。前置仓A1 满足需求点D1 的需求, 前置仓A2 满足需求点D2 和D7 的需求, 前置仓A3 满足需求点D3、D5 的需求,前置仓A4 满足需求点D4、D5、D6 的需求, 前置仓A7 满足需求点D6、D8、D10 的需求, 前置仓A9 满足需求点D10 的需求(见图3)。前置仓模型选址成本最小值为 40 387 元/d。

图3 前置仓选址位置Fig.3 Location of pre-warehouse

3.4 结果对比

在高德地图上找到叮咚买菜现有前置仓的实际位置,使用相同的需求量、运输成本、生鲜损失率、中心仓成本和前置仓供应能力、速度;而前置仓选址不同将使得配送距离和租金有所差异,目前叮咚买菜前置仓设置方案的成本为41 127.73 元/d。两者相差了740.56 元/d,由此可见选址模型可以为叮咚买菜选址节省1.83%的成本。

履约成本是指在用户下完单之后将订单送到用户手中所产生的的费用,通常包括: 人力、物流、包材、优惠券及促销、房租等5 个方面成本。叮咚买菜平均单笔履约成本为7 元,日单量为1 000 单,所以叮咚买菜的履约成本为7 000 元/d[16]。如表7 所示, 6 个前置仓实际选址代入模型计算得到费用为41 127.73 元,而6 个前置仓履约成本总和为42 000元, 两者非常接近, 由此可以证明模型和数据的可靠性。

表7 模型成本与现有选址方案成本对比Tab.7 Comparison between model cost and existing location solution cost

从表7 可以看出,模型计算的结果和实际选址费用之间的差异主要体现在运输费用和租金: 一是由于其他项目费用计算时采用了一样的预设数据;二是这个结果恰好说明模型采用不同选址能降低目前选址成本。前置仓选址在满足消费者需求的前提下,当前置仓和需求点的距离越远,物流费用越高。同时, 不同前置仓选址也会使得租金有所差异。所以,选取更合理的位置,可以降低配送成本,在提高企业竞争力的同时也可以满足消费者对于速度、价格和产品质量的要求。

此外,根据前置仓商品配送种类多的特点,降低房租有利于增加商品种类和提高部分产品库存。缩短运输距离可以降低损耗,也会提高配送质量。所以本选址模型可以为企业节约成本、提高企业竞争力、为企业实际的前置仓布局提供理论支撑。

4 结论与展望

本文主要研究了生鲜电商前置仓选址问题,通过调查后疫情时代消费者对于生鲜电商平台需求的变化,着重考虑了配送速度、配送质量的因素,将其作为货损成本和配送距离的重要参数整合进选址问题中。随后,以前置仓选址的成本为目标函数,构建选址模型。最后,将模型计算出的成本、实际叮咚买菜选址的成本及实际履约成本对比,得出相关结论,证明本文提出的模型具有一定可行性。

在以后的研究中,可以从多角度去考虑影响选址的因素,如库存费用、管理费用等。扩大选取的地区以及提供更多的前置仓选择作为备用仓来研究选址问题,从而提供更准确的决策模型。