现代卷烟零售终端资源的投入效率分析

朱峻 周鲁 李美洋

基金项目：中国烟草总公司贵州省公司科技项目“现代卷烟零售终端建设投入产出效益与资源配置研究”阶段性研究（项目编号：2020XM12）

摘 要：现代卷烟零售终端的建设始终是现阶段卷烟商业营销的重点，终端资源的投入是否取得了预期的效果却鲜有关注。本文通过对A市2021年卷烟零售户终端资源投入情况的调查数据，运用三阶段DEA模型对终端资源的投入效率进行了分析。结果显示：去掉环境因素和随机噪声的影响后，A市卷烟零售终端资源的综合技术效率值由0.4105上升为0.9480，纯技术效率值由0.4765上升至0.9767，规模效率由0.8784上升为0.9707;A市的卷烟零售户中，有1.41%处于DEA有效状态，有95.23%的效率值在0.9—1.0之间。环境因素对卷烟零售终端的纯技术效率影响较大，对规模效率的影响相对较小。针对A市卷烟零售终端资源配置现状，提出了具体的改进建议。

关键词：卷烟零售终端资源;DEA模型;SFA回归;投入产出效率

近年来国家局把现代卷烟零售终端建设升级为行业级战略，是“卷烟上水平”时期对渠道战略的深化，是卷烟营销的新阶段、新发展。与传统的零售终端相比，现代零售终端是以诚信经营为基础，以信息化为基本特征，以产品销售、形象展示、品牌培育、宣传促销、信息采集和消费跟踪为主要功能，同时具备服务、品牌、竞争等现代经营意识的新型现代卷烟终端。由于卷烟零售户是烟草工商企业连接广大消费者的桥梁和纽带，零售终端建设的好坏，直接关系到卷烟销售功能的发挥和企业竞争力的提高，因此终端资源是卷烟品牌争夺的焦点。终端资源作为一种投入，长期以来都是商业企业做主体，零售户缺乏自主投入的动力，原因在于终端资源投入的收益缺乏量化。因此对终端建设投入的效率进行测度，是进一步进行终端建设的基础。只有明晰零售户的终端投入效率，才能更好地对零售终端进行分类，激发零售户的投资动力。

一、零售终端资源投入的效率研究概述

目前大多数学者和行业人士关注的重点仍旧是卷烟现代零售终端的建设，如钟英娜（2021）、高中昌（2017）、毕雯（2020）等。少数学者对零售终端的价值评估进行了尝试，胡志刚等（2015）基于网络层次分析法（ANP）及K-means聚类按照功能对零售终端进行了分类评价，将零售终端分成了达标型、在建型、潜力型、普通型、不足型、帮扶型六大类;邹亮（2013）以客户价值理论为基础，结合现代卷烟零售终端六项主要功能，从货币和非货币两个维度评价卷烟零售终端的客户价值，在此基础上对卷烟零售终端进行分类;邹亮（2015）还提出了以价值评价为基础、以价值量分配为核心、能以单项资源为总体的分配方法——终端资源价值分配法;贺东等（2016）针对新入、普通和现代三类卷烟零售终端，着眼于提升终端绩效，通过分层访谈、专家讨论和行为事件等方法初步筛选卷烟零售终端胜任力要素，得到的要素聚类为职业素养、基础知识和专业技能三个维度，构建了有利于零售终端绩效提升的卷烟零售终端胜任力模型;赵建强等（2015）基于终端价值，提出了一种基于AHP及加权平均法的卷烟零售终端配置方法。上述研究为卷烟终端资源的评价提供了许多可供借鉴的方法和视角，也为优化终端资源的配置提供了方向，但这些研究和直接的效率评价仍然有区别，也不能给予零售户终端资源配置的直接指导。

效率又称为有效性或效益，是指在特定的时间内，产出与投入的比率关系。衡量效率一般可以从两个角度出发：一是以产出为导向，即在投入不变的前提下，产出越大，则效率越高。二是以投入为导向，在固定的产出下，投入越小，相应的效率就越高。DEA理论中的效率包括技术效率、配置效率和规模效率。技术效率是投入一定的情况下，实际产出与理想产出的比值，它反映了决策单元获得最大产出的潜力。若决策单元的技术效率为1，则说明决策单元实现了给定投入水平下的产出最大化，是技术有效的，反之则存在技术无效的地方。规模效率是决策单元在规模报酬不变时的技术效率与规模报酬可变时的技术效率之比，它反映了决策单元的规模有效状态。配置效率是决策单元产出保持不变的情况下，最小成本与实际成本的比值，它反映决策单元的资源配置的合理性，当配置效率为1时，决策单元的资源配置时有效的，反之则存在改进的地方。

目前常用的效率评价方法主要是三类：一是基于预测的方法（Prediction Based Methods），典型的利用平移的回归线，即C-OLS。此类方法对小样本也可用，但是无法分离噪声及无效率项;二是随机前沿分析（Stochastic Frontier Analysis），SFA对样本的分布有假设，它可以同时估计参数和低效率，从而能够区分噪声和低效率。此外，SFA估计的是最佳实践，而不是平均值;三是数据包络分析（Data Envelopment Analysis），DEA适用于多投入产出样本，DEA分为一般的DEA及超效率DEA。同时，DEA也可以与Malmquist指数、Tobit回归等方法结合使用。

卷烟零售终端资源配置效率评价是一个综合评价的过程，考虑到卷烟零售终端资源配置本身就是一个多投入的复杂系统，所以需要在构建综合性指标体系的基础之上，从多个角度对资源配置效益做出全面、客观、系统的评价。鉴于卷烟零售终端资源配置效率指标的多样性，很难在各投入指标和产出指标之间找到一种显著的函数关系。而数据包络分析（DEA）方法就是一种针对多投入和多产出的相对有效性的综合评价方法，用来评价同类型单元之间的相对有效性。它无须预先设定生产函数的具体形式，无须估计生产函数的参数，仅依靠分析实际观测数据，采用局部逼近的办法构造前沿生产函数模型来对各决策单元进行相对有效性的评估。

在卷烟零售投入产出的效率研究方面，谢凌云（2021）选取了2017年-2020年的数据，利用传统CCR及BCC方法，计算出福州市零售业态的综合效率、纯技术效率及规模效率，并利用冗余值、效率值及原始投入对非DEA有效单元进行改进，计算出了具体的调整量。但传统的DEA模型仅能计算出某一研究对象的效率值，该效率值中包含环境因素的影响，不是纯粹的效率，且受规模报酬不变的限制，不适用于非规模报酬状态下效率的测度。DEA模型和随机前沿分析相结合的三阶段DEA方法却能够在传统DEA的基础上剔除环境因素和随机干扰的影响，计算出没有环境因素及隨机干扰下的真正效率。因此，三阶段DEA相比传统的DEA更适合用于对卷烟零售终端资源配置效益进行评价。

二、三阶段DEA模型

三阶段DEA是在第一阶段求出传统DEA的效率后，在第二阶段运用SFA将随机噪声及环境因素影响剔除，在第三阶段将不受环境因素及随机噪声影响的效率值算出的方法。

1.DEA模型

数据包络分析方法（Data Envelopment Analysis，DEA）是运筹学、管理科学和数理经济学交叉研究的一个新领域。它是根据多项投入指标和多项产出指标，利用线性规划的方法，对具有可比性的同类型单位进行相对有效性评价的一种数量分析方法。其基本思路是建立输入与输出的评价关系，用这种评价关系来评价输入对输出是否相对有效，即大致估计DEA有效和相对有效的程度。其中，“输入”数据是指决策单元在进行某种活动时所投入的各种要素的量，“输出”数据是指决策单元在投入一定的生产要素的量之后，产生和表明该活动成果的一些量。也就是说，评价决策单元的相对有效性，就是根据输入数据和输出数据来评价决策单元的优劣。

根据生产可能出现的多种实际情况，DEA模型有不同的规划形式，其中较常用的是传统C2R和BCC模型，主要用来评价决策单元的技术有效性和规模有效性。C2R模型是在固定规模报酬的限制下，将各项投入产出指标分别以线性组合，及其线性组合比率表示效率，来评价各决策单元，以此评价各决策单元的规模有效和技术有效。B2C模型扩大了C2R模型的应用范围，C2R模型无法说明决策单元的弱效率是由什么原因产生的。而B2C模型可以计算出每个DMU的纯技术效率、规模效率以及综合效率，且B2C模型更符合实际情况，建立在规模报酬可变的基础之上。B2C模型的基本形式如下：

式中，θ表示决策单元DMU的投入向量的“压缩系数”，若最优解处θ*=1，则表示投入向量x已经不能作等比例压缩，决策单元具有一定的有效性，即DEA弱有效。0<θ*<1，则表示该决策单元投入不当，可以进一步做全面的等比压缩，决策单元非DEA有效。s+表示投入的超量，s-表示产出的亏量，若s+、s-的最优解不全为0，则意味着某些方面投入超量或者某些方面产出亏量，DEA弱有效。当且仅当θ*=1，s+=0，s-=0时，决策单元是DEA有效的，生产达到最佳状态。

DEA模型共输出三个效率值，分别为综合技术效率、纯技术效率、规模效率。其中，纯技术效率代表决策单元的管理和技术水平，指产出结构能否符合总体要求（综合效率）并使之发挥最大的经济和社会效益。规模效率代表决策单元的资源配置水平，指产出结构通过优化配置对产出单元所发生作用的大小，即企业将生产要素等比例增加时，产出增加价值大于投入增加价值的情况。综合技术效率测定的是规模报酬不变的情况下决策单元与生产前沿面的距离，代表能够达到最优产出的能力，综合技术效率由纯技术效率和规模效率构成，在数量上等于纯技术效率和规模效率的乘积。

2.SFA回归

DEA的两种模型都未考虑环境因素和误差项对决策单元的影响，这会导致测算结果有误。在DEA模型基础上提出的三阶段DEA模型将传统DEA模型和SFA模型相结合，通过传统分析、剔除环境变量调整、再次分析来提高模型的计算精度和适用范围。

随机前沿分析（SFA）是一种基于生产前沿面理论的参数方法，可广泛地应用于各领域的效率评价、费用控制和改革研究等。SFA模型在确定性生产前沿的基础上，通过将误差项分解来估计DMU（决策对象）的技术效率，以此提高了技术效率测定的精确性。模型误差项被分解为两部分，一部分表示随机误差，另一部分表示技术无效性。基本的模型形式如下：

式中：Yi为第i个DMU的产出（或产出的对数）;Xi为第i个决策单元的I×1阶投入数量（或投入数量的对数）向量;β为未知参数向量;vi为随机变量，假设其服从独立同分布N（0，σv2），且独立于ui;ui为非负随机变量，用以说明生产的技术无效性，通常假设其服从独立同分布N（0，σv2），N为决策单元数，I为第i个决策单元投入数量的种类。

3.调整后的DEA效率分析

将第二阶段剔除环境变量及随机干扰的投入数据代替原始投入数据，产出数据不变，再次带入传统DEA模型内计算，得到各决策单元不受环境因素和随机误差项影响的相对效率值。

三、A市卷烟零售终端的投入效率分析

1.投入产出指标选取

A市为西部欠发达地区的地级市，2021年全市的卷烟零售户共16156户。A市商业公司非常重视现代零售终端的建设工作，努力从柜台展示、信息配套、人员培训等多方面推进现代零售终端的改进。在2021年3月，A市商业公司对全市的卷烟零售客户所拥有的终端资源以及他们的卷烟销售情况进行了一次全面调查。本文主要依据此次的调查数据和三阶段DEA模型原理，对A市的现代零售终端资源投入效率进行评估。

本文以A市零售客户的卷烟销售收入作为产出，将其与卷烟终端客户的资源投入相比来衡量效率。除此之外，本文设定了环境变量以剔除环境因素的影响，即从投入、产出和影响三个方面指标来设定投入、产出指标和环境变量指标。指标选取遵循综合性、均衡性、合理性、可获得性等原则。

在终端资源投入方面，我们将其分为展示资源、信息资源和人力资源三个方面。其中展示资源包括卷烟零售客户的经营面积、卷烟经营面积、前柜数量、背柜数量以及是否有主题陈列及零售终端消费体验区。根据调查，A市的卷烟零售户经营面积平均值为47.17平方米，最小面积为1平方米，最大面积为9000平方米，经营面积为0-47.17平方米的有11952户，占比73.98%。A市卷烟终端客户户均卷烟经营面积为2.15平方米，在平均值2.15平方米以下的有12319户，占76.25%。A市的卷烟零售客户中，有930户商户没有设置前柜，占比5.8%，有13582户商户前柜数量为1个，占比84.07%，户均前柜数为1.09个。A市卷烟零售客户的户均背柜数为0.97个，未设置背柜的数量较多，占比35.93%。A市有10423个零售客户有主题陈列，占比为64.51%，有96.5%的客户建有零售终端消费体验区。A市卷烟零售客户对软件的使用情况不尽相同，有接近一半的客户对软件掌握情况一般，占比45.75%，对软件使用情况较好的用户占27.95%，使用情况较差的占26.3%。A市仅有409个零售客户开展了消费者跟踪，占比2.53%。在人力资源方面，A市零售客户对自身经营情况掌握能力把控较好的仅有39.4%，约58.4%的客户认为自己的经营能力一般;拥有较好服务意识的人员达到54.4%，服务意识一般的人员占44.9%;拥有较好宣傳促销配合度的客户达61.9%，配合度适中的客户达37.2%。总体看来，A市零售客户终端的人力资源比较好。

环境影响指标主要选取对卷烟零售终端投入产出效率产生影响且通常在样本主体可控范围以外的因素，既包括外部经济环境因素，也包括在短期内无法控制或改变的内部特征影响因素，如股权集中度、规模等。对于卷烟零售客户来说，在短期内所处的经营环境和商圈类型不会发生改变，因此选取经营环境和商圈类型作为环境变量。A市卷烟零售户分布在城区、农村、县城和乡镇。其中，农村的零售户占比最大，为54.80%，城区、县城和乡镇的零售户占比分别为16.98%、12.63%、15.59%。商圈是来店顾客所居住的区域范围，A市的零售户集中分布在居民区，占比高达80.67%，其次是商业（集贸）区，占比11.18%;学区的卷烟客户终端最少，仅有0.55%。

根据以上设定，结合指标的选取原则，建立卷烟零售终端投入产出效率的评价指标体系，如表1所示。

2.三阶段DEA分析

A市剔除缺失数据后的卷烟零售客户有16156户，使用DEA-CCR、DEA-BCC模型对卷烟零售终端资源配置效益进行分析，通过Python估计DEA-CCR模型和DEA-BCC模型，得到每一个零售户的效率值。

DEA模型的结果显示，16156户卷烟零售端中资源配置综合技术效率在0.2-0.6之间的零售客户最多，占比高达84.06%。综合效率值在0.8以上的卷烟零售客户有373户，即处于边缘非效率状态的零售终端有373户，意味着这373户只要稍作调整之后，就可以达到综合效率最优状态。其中，达到1的有77户，属于DEA强有效，表明这77户的综合技术效率达到了生产前沿面，实现了当前投入的最优产出。总体来看，A市卷烟零售户终端资源配置综合技术效率较低，大部分处于相对无效率状态，还有很大的提升空间。

技术效率可以衡量投入与产出是否达到最佳，是否存在投入冗余或产出不足。从技术效率可以看出各部门对于投入要素是否有效地运用。与综合效率一致，A市纯技术效率大多数集中在0.2-0.6之间，占比为79.95%。低于0.2的卷烟零售终端用户数较少，仅有176户。有3064户卷烟零售终端客户纯技术效率相对较高，占比为18.97%。

规模收益衡量投入与产出的增加状态。当规模DEA值为1时，该决策单元规模收益不变，投入规模和产出规模会同比增加;当λ1+λ2+…+λj<1时，该决策单元规模收益递增，即增加科技投入时，其收益会以大于投入的速度增加;当λ1+λ2+…+λj>1时，则该DMU规模收益递减，收益的增加速度小于投入的增长，投入规模的扩大只会增加相对较小的产出效益。A市有78.79%的卷烟零售户的规模收益超过了0.8，还有11.77%的零售户规模收益在0.6-0.8之间，只有不到10%的零售户规模收益低于0.6，表明A市零售户的规模收益处于较高水平，这可能是因为A市卷烟零售户的规模普遍较小。对规模报酬的估计结果表明，A市仅有28.36%的卷烟零售户处于规模报酬递增状态，需要加强对资源的利用和管理，有70.69%的卷烟零售户处于规模报酬递减状态，其投入产出已经达到最佳规模状态。

以第一阶段测算出的各种卷烟零售终端客户投入松弛变量为被解释变量，以前文选取的经营范围、商圈类型两个环境变量为解释变量，进行SFA回归。由于商圈共有8个类型，因此将8个类型转换为7个虚拟变量，用x1-x7表示，其中x1-x7取值为1分别表示工业区、居民区（村）、旅客中转区、商业（集贸）区、学区、娱乐（旅游）区、政务（商务）区，取值为0表示其他。x8为经营范围，取值为1-4，分别代表农村、乡镇、县城和城区。利用极大似然估计法（MLE），分别估计环境变量对投入松弛变量的影响，其结果如表3所示。

測算结果显示，LR单边似然比检验均通过了显著性水平为0.05的检验，因此拒绝原假设，认为SFA估计结果可信。表中变量的SFA回归系数均通过了检验，除经营面积及终端消费体验区外，其余9个回归模型的γ值均大于0.5，且只有终端消费体验区的γ值不显著，表明随机误差等难以控制的偶然因素对投入松弛变量具有显著影响，即采用SFA法进行随机误差的剥离分析十分必要。

根据各个投入方程的回归结果，可以直观判断环境变量对投入冗余的影响。由于环境变量是对投入差额值进行的回归，所以当变量的系数为正时，表示增加环境变量不利于投入差额值的减少，即不利于减少各投入变量浪费或增加负产出，不利于效率的提高。反之，当变量的系数为负时，表示增加环境变量有利于投入差额值的减少，即有利于减少各投入变量浪费或增加正产出，从而有利于效率的提高。由SFA回归可以得到如下结论：

x1（是否工业区）仅对11个投入松弛变量中卷烟经营面积和服务意识影响显著，其中在卷烟经营面积的回归中符号为负，说明处于工业区的卷烟零售户在卷烟经营面积上存在投入不足，应增加卷烟经营面积。x1在服务意识的回归中符号为负，说明处于工业区的卷烟零售户在服务意识方面的配置效率比其他区域的卷烟零售户低。

x2（是否居民区）对11个投入松弛变量中的主题陈列、消费跟踪、服务意识的影响为正，且都显著，表明处于居民区的卷烟零售户在主题陈列、消费跟踪、服务意识上存在投入浪费，配置效率低。这可能是因为处于居民消费区的顾客为区域内的常客，消费的品种、频率等都比较稳定，相应的投入增加对其购买行为的影响比较小。

x3（是否旅客中转区）仅对终端消费体验区的投入冗余影响显著，且符号为负，表示处于旅客中转区的卷烟零售户在终端消费体验区的投入存在不足，需要增加在终端消费体验区上的投入。

x4（是否商业区）对经营面积、主题陈列、服务意识的投入冗余影响显著，符号都为正，表示处于商业（集贸）区的卷烟零售户在经营面积、主题陈列和服务意识的投入存在浪费，效率较低。

x5（是否学区）仅对前柜数量的投入冗余影响显著，符号为负，表示在学区的零售户前柜数量上投入不足，需要增加前柜数量。

x7（是否政务区）对经营面积的投入冗余影响显著且符号为正，表明在经营面积上投入过剩，需要削减经营面积上的投入。

x8（经营范围）对前柜数量的投入冗余影响不显著，对其他变量的投入冗余均显著，对卷烟经营面积、经营面积和软件使用能力的影响为正，对其他投入冗余的影响为负，表明投入主体在卷烟经营面积、经营面积和软件使用能力上存在投入浪费，而在背柜数量、主题成列等投入上存在投入不足。由于经营环境分为农村、乡镇、县城和城区四类，每一类区域零售户的投入调整会因区域不同而略有不同。

对卷烟零售户的各项终端投入进行调整后，重新估计DEA模型，计算各个卷烟零售户的效率值，得到的统计结果如表4所示。

由第三阶段的效率值可以看出，第三阶段效率值和第一阶段效率值相比存在较大差异，除少部分的零售终端客户外，卷烟零售终端客户的效率有了大幅度的提升，剔除环境因素影响，A市卷烟零售终端客户除1户的效率值在0.7以下外，其余卷烟零售户综合技术效率值均达到了0.7以上。综合技术效率介于0.9-1.0之间的卷烟零售户有15385户，占全部零售户的95.23%，其中DEA有效的为277户，占到了1.41%。相比第一阶段的80%以上的零售户效率值都在0.2-0.6之间，剔除环境因素后有95.23%的效率值都在0.9以上，说明环境因素在一定程度上降低了客户终端的效率值，A市卷烟零售终端的本身效率处于较高水平。相较于规模效率而言，A市纯技术效率值更容易受到环境因素的影响。

四、提升A市卷烟零售终端投入效率的对策建议

总体上看，A市卷烟零售户在终端资源投入上差异较大，绝大多数零售户所拥有的卷烟销售面积较小，前柜和背柜数量较少，绝大多数零售客户有主题陈列，建有消费体验区，有50%多的零售户拥有较好服务意识和宣传促销配合度，软件应用能力一般，能够对消费者进行追踪的零售户很少，A市卷烟零售终端的建设在软、硬件建设上均还有较大的空间。

受环境因素的影响，A市卷烟零售户终端资源的综合技术效率较低，大部分处于相对无效率状态。剔除环境影响后，A市卷烟零售户终端资源的投入产出效率有较大幅度的提升，尤其是纯技术效率。

针对A市卷烟零售终端的建设现状，为提升A市卷烟零售终端的投入效率，我们提出以下建议供参考：

（1） 针对不同的商圈和经营区域，可适当调整经营面积，尤其是卷烟经营面积。如工业区的零售终端，可适当增大卷烟经营面积，而城区、县城的零售终端，可以考虑适当缩小面积。

（2） 绝大多数卷烟零售终端的前柜和背柜数量都偏少，有36%的零售终端甚至没有设置背柜。可适当增加前柜和背柜的数量，尤其是位于学区的零售终端，县城和城区的零售终端。

（3） 主题陈列、消费追踪、软件使用能力可能存在投入过剩，对卷烟消费的影响较小，可以考虑适当缩减，尤其是位于居民区和商业（集贸）区的零售终端。

（4） 有必要增加旅客中转区内卷烟零售终端在消费体验区上的投入，为来A市旅行的旅客提供卷烟品吸环境，提升品吸体验。

（5） 各类卷烟零售户都应该提升自己的经营意识和宣传促销配合程度，才能更好地服务消费者，进而提升卷烟销售水平，达到更高的投入产出效率。

参考文献：

[1]钟英娜，梁嘉.“互联网+”下的卷烟零售终端建设[J].中国市场，2021（15）：139-140+144.

[2]高中昌，周国芳.当前卷烟零售终端建设存在的主要问题与对策思考[A]//中国烟草学会.中国烟草学会学术年会优秀论文集[C]//中国烟草学会：中国烟草学会，2017：9.

[3]毕雯.基于“新零售”背景下对卷烟零售终端建设的思考[J].现代商业，2020（21）：13-14.

[4]胡志刚，郑文宾，左中利.基于ANP及K-means聚类的零售终端分类评价模型及应用[J].現代商业，2015（36）：15-16.

[5]邹亮.卷烟零售终端价值评价体系研究[J].中国烟草学报， 2013，19（04）：82-87.

[6]邹亮.卷烟零售终端资源分配方法研究[J].中国烟草学报， 2015，21（06）：86-90.

[7]贺东，周晓兰，荣方勇.绩效提升视角下卷烟零售终端胜任力模型构建研究[J].商场现代化，2016（15）：6-9.

[8]赵建强，白玉胜，左中利.基于AHP及加权平均法的零售终端资源配置方法及其应用研究[J].品牌，2015（10）：43-44.

作者简介：朱峻（1971.05- ），男，汉族，江西瑞金人，本科，贵州省安顺市烟草公司，农艺师、助理经济师，研究方向：行政管理;周鲁（1975.12- ），男，汉族，广东开平人，本科，贵州省安顺市烟草公司，企业培训师，研究方向：卷烟营销;李美洋（1983.11- ），女，汉族，贵州安顺人，本科，贵州省安顺市烟草公司，研究方向：卷烟营销