新零售模式下潮流玩具企业扩张路径与区位选择

吴世焰 林娟 邢舒雨

摘 要：为了探究新零售企业扩张过程中的特征与选址趋向，通过核密度分析、空间自相关、首位度分析等方法对新零售企业泡泡玛特的扩张路径及其线下分布特征进行研究，并利用零膨胀负二项回归模型探讨其布局的影响因素。研究发现：泡泡玛特最初在发源地进行接触扩张，随后通过等级扩张与接触扩张并存的复合式扩张完成全国性的分布态势，最后通过接触扩张，在原有空间格局的基础上进行填充，由发达城市向城市群延伸是其主要布局战略。在影响机制上，传统区位论的适用性在新零售企业的区位选择上发生了改变，当地原有的零售业基础与信息化水平影响新零售企业的产生，同时，市场与物流规模影响城市内泡泡玛特的数量规模。

关键词：新零售；扩张路径；空间分布；区位选择；泡泡玛特

中图分类号：K902 文献标志码：A文章编号：1673-5072（2024）02-0207-011

零售业作为扩大内需的重要手段和途径，是联系生产、经营与消费的重要桥梁和纽带［1］，对促进经济可持续发展［2］、服务社会生产生活［3］、带动产业结构优化等均发挥着至关重要的作用。然而，信息技术的发展，移动智能设备与社交网络的普及，给传统零售带来了新的机遇和挑战［4］。一方面，传统实体零售受制于不断上升的成本、消费者行为的改变［5］及网络销售的冲击［6］，布局的试错成本加大［7］，导致扩张速度下降；另一方面，大数据、物联网、人工智能等新技术为传统零售带来了向新零售转型的解题思路。零售商逐渐意识到不仅只有“砖头+水泥”或是“鼠标+砖头+移动”的两种销售模式，还可以凭借互联网，重构物流配送［8］、销售渠道［9］及买卖关系［10］，实现“线上+线下+物流”的深度融合，达到“全渠道”“无边界”零售，潮流玩具的盲盒风更是掀起巨大的新零售消费浪潮。由此可见，零售业业态日趋复杂化，这对新零售企业在区位选择上提出了新的要求。因此，其扩张过程是否区别于传统零售，传统区位论在新零售企业中的适用程度均需进一步討论，同时，影响新零售企业的区位因子也值得进一步挖掘。

接触扩散和等级扩散是零售企业扩张的两种基本方式［11］。传统零售的扩张路径主要可以分为两类：一类是先以接触扩散为主的小范围扩张，再到二者复合式的区域性扩张，最后通过等级扩散为主的方式实现大范围扩张［12-14］；另一类是先以等级扩散为主入驻高等级城市，再到复合式的区域性扩张，最后再经历接触扩散为主的小范围深耕完成布局［15-17］。同时，还有少部分零售企业会出现“逆等级”扩张的模式［18］。在网络购物刚兴起时，传统零售并未受到明显影响［19］，随着信息技术的高速发展，在与电商的竞争中，传统零售开始出现发展早衰、规模增长缓慢等特点。但是，当前新零售企业可以充分利用现代科技，将信息技术转化为驱动力，促进线上与线下的结合［20］，从而实现规模的快速扩张。而在新零售转型的过程中，各阶段的扩张策略存在差别，因此，新零售的扩张模式值得深入探索。

传统零售业区位论认为，零售业的区位因子大致包括市场、空间的接近性、竞争三个方面，基于此，传统零售的研究通常集中于市场、交通、经济等对零售企业布局以及扩张的影响［21-25］。网购出现之后，传统零售企业开始考虑网络购物这一因素［6］。网购突破了空间限制，使得交通条件的作用逐渐弱化，而信息技术、知识和技能这些新区位因子开始影响区位决策，并随着互联网技术的发达而日益显著［26］。新零售模式出现后，传统区位因素对新零售企业的扩张布局虽然依旧存在影响［27］，但是影响程度发生了改变。例如，新零售业态菜市场与传统业态菜市场相比，前者布局受道路交通等相关因子的作用不再显著［25］；以瑞幸咖啡为代表的新零售企业对于中心区位的要求没有以星巴克为代表的传统零售企业强烈［28］。并且，随着社会的发展，信息技术成熟度以及创新能力在新零售企业区位决策中的作用得以进一步放大［29］，同时，线下实体与线上电商的关系由竞争与碰撞开始转向协调与融合。因此，新零售企业的布局既要考虑传统区位因子的影响，也要注重新区位因子的作用，因而其空间区位相对传统企业来说更具复杂性。

中国潮流玩具在新零售模式中取得了突破性的发展，而泡泡玛特便是由传统零售成功转向新零售企业的典型案例之一。因此，本文以泡泡玛特门店为样本，借助核密度分析法对其近10年的扩张路径进行研究，同时加入机器人商店（自动售货机）的相关数据作为补充，以期更全面地展示泡泡玛特的线下布局特征。并利用零膨胀负二项回归（ZINB）模型分析其布局的影响因素，探究新零售企业在扩张上与传统零售的差异，以及传统区位论在新零售企业的适用性，为传统零售行业转型提供参考。

1 数据来源以及研究方法

1.1 数据来源

泡泡玛特门店与机器人商店地址来源于官方公众号，并通过高德地图开放平台获取经纬度。门店开业时间来自于大众点评网站，部分缺失数据借助点评时间进行人工判定。本文共获取68个地级市的310家门店与100个地级市的1 749个机器人商店，二者重叠共覆盖101个地级市，与其官网（https：//www.popmart.com.cn/home/about）描述的“中国大陆的线下直营门店达到295家，拥有1 611台机器人商店，深度覆盖了全国103个城市”基本相符。影响因素指标数据主要来源于《中国城市统计年鉴》，部分缺失值通过各省（自治区、直辖市）国民经济和社会发展统计公报或统计年鉴或相关部门官网获得。

1.2 探索性空间数据分析

探索性空间数据分析是一种测度数据空间关联性和空间异质性的分析方法。本文主要利用全局莫兰指数分析泡泡玛特线下布局的空间相互联系，并根据局部双变量莫兰指数细分研究区域内主次布局的空间关联差异，其中空间权重矩阵均为Queen邻接空间权重矩阵。

1.3 首位度分析

本文借鉴首位度分析，对泡泡玛特门店扩张路径进行探究［12］。设定Pi=Pi1/PiAll，Pi表示泡泡玛特门店分布的首位度，Pi1表示发源地门店数，PiAll表示全国门店数。

1.4 核密度分析

核密度分析用于表示泡泡玛特门店分布密度，可以清楚地反映其集聚特征。其公式为［30］：

式中：k［·］为核函数；h为搜索半径；d（x-xi）为估计点x到观测点xi的距离；n为尺度范围内泡泡玛特门店或机器人商店的数量。

1.5 零膨胀负二项回归模型

泡泡玛特门店与机器人商店的数量只能取非负整数，且本文数据的方差明显不等于期望，因此考虑使用负二项回归（NBREG）模型进行拟合，但由于本文因变量为0的样本数量较多，最终选择ZINB模型进行拟合，该模型由一个零计数模型和一个负二项归回模型组成，其中，零计数模型主要用于评判自变量对出现因变量数量为零的事件的概率，负二项回归部分则能反映自变量数量规模对因变量数量规模的影响，其公式如下［31］：

均值和方差分别为E（Y）=（1-p）λ和Var（Y）=（1-p）λ（1+pλ+λ/τ）。ZINB模型把p和λ联系起来成为协变量，表达式如下：

λ=exp（α0+α1x1+α2x2+…+αnxn），

logit（p）=δ0+δ1x1+δ2x2+…+δnxn，

其中包括了一个计数模型和用logit估计的膨胀模型，xi是第i个解释变量。

2 泡泡玛特门店扩张路径

泡泡玛特第一家门店于2010年在北京开业，从数量上看（表1），2010—2016年泡泡玛特处于起步阶段，增长缓慢。2017年以后开始加速扩张，此后新增门店数量呈现指数式增长，在2018—2021年短短4年时间内新增门店274家，约为2017年底所有门店数的7.7倍。同时，覆盖城市也由2016年底的7个城市快速增长到2021年的68个城市，增加了近10倍。首位度在2017年以前在0.5以上，此后开始逐年下降，说明发源地北京布局优先级不断下降。

根据泡泡玛特的门店数量增长特征，将其扩张划分为三个阶段：2010—2016年划为局部起步期，2017—2019年划为全国布局期，2020—2021年划为区域集聚期，相应时间段新增门店核密度分析如图1所示。

2.1局部起步期：发源地接触扩散

2010—2016年，泡泡玛特共有20家门店开业，其中有12家在发源地北京。在2014年，泡泡玛特就开始向外扩张，但是首位度依然居高不下，同时此阶段市域莫兰指数下降，县域莫兰指数上升，这时泡泡玛特向发源地周围扩张程度并不明显，更多的是在发源地北京城市内部持续深耕。这一阶段泡泡玛特扩张的战略选择与大多数本土传统零售业一样，以发源地接触扩散为主，并尝试性向长三角地区落子。2016年末，泡泡玛特开辟线上市场，初步具备了向新零售转型的条件。

2.2 全国布局期：全国复合式扩张

2017—2019年，泡泡玛特的扩张路径兼具京津冀、长三角城市群继续接触扩散和全国等级扩散的特征。此阶段的三年间，全国共新增137家门店，其中68家新增于北京和长三角地区，占新增门店的49.6%，并且从莫兰指数可以看出，市域联系趋于稳定，县域联系开始下降。这也是泡泡玛特向新零售转型的关键时期，为实现线下体验与线上销售结合与“无边界”全渠道销售平台搭建，泡泡玛特在东部、中部各直辖市、省会城市广泛布局，呈现显著的等级扩散特征，也导致这一时期莫兰指数有所下降。

2.3 区域集聚期：持续性接触扩张

2020—2021年，泡泡玛特两年开业153家，门店总数几乎翻了一倍。泡泡玛特这一时期的布局战略也发生明显变化。首先，京津冀、长三角、珠三角三大城市群地区门店大量增加，集聚效应更加显著。其次，门店布局重心南移，尤其是2020年泡泡玛特成功在香港上市，与之相邻的珠三角城市群得到空前的发展，北京的首位度降至0.13。最后，在全国基本布局的基础上继续接触扩张，全国呈现面状蔓延的态势。

3 泡泡玛特机器人商店分布特征

2017年，泡泡玛特开始布局机器人商店，与门店共同构成线下零售的主要渠道。同时，机器人商店布局更加灵巧，成本更為低廉，是门店扩大辐射范围的有效手段，因此本文将机器人商店布局作为泡泡玛特企业扩张的补充。

3.1 数量增长

泡泡玛特机器人商店于2017年开始以年均布局400余台的速度快速扩张，年均布局数约是门店扩张数的16倍。在如此快速的布局下，机器人商店的数量远大于门店。如图2所示，2021年底机器人商店的数量约是门店的6倍，同时覆盖的范围也更广，入驻了100个市361个县（区），而门店只入驻了68个市168个县（区）。虽然机器人商店布局较晚，但是其布局相对于门店更为成熟，层次更为明显，能更好地反映泡泡玛特在全国布局的空间异质性。

3.2 空间集聚

2017年，泡泡玛特开始进行全国扩张的同时也开始布局机器人商店，二者在空间布局上有一定的相似性，均为东部沿海地区布局的城市数量较多，呈带状分布；中西部内陆地区较少，呈块状分布。从集聚程度上看，机器人商店的集聚效应更强，以北京、上海、深圳为代表的集聚中心突显。从集聚范围上看，机器人的集聚核心向中西部扩散，成都、武汉、西安等城市成为次级集聚核心。

利用GeoDa软件分别计算出不同尺度下门店和机器人商店单变量和双变量全局Morans I及其显著性（表2），发现随着尺度的减小，莫兰指数与显著性逐渐上升，其空间关联性不断加强，最终在县（区）尺度下线下布局的莫兰指数的数值和显著性达到最高，说明泡泡玛特在城市内部集聚特征明显。通过门店与机器人商店的单变量莫兰指数与线下布局分布图可以综合判断，泡泡玛特的集聚现象易发生在高等级城市的中心市区，并且，门店比机器人商店对于中心城区的要求会更高。

在县域尺度上对机器人商店与门店进行双变量局部空间自相关分析（图3），并划分了两种类型。为更好地看清各种聚类类型之间的空间关系，放大了长三角城市群局部作典型说明。

第一类是协同型聚类，包括高-高型以及低-低型。低-低型聚类仅有一处显著，因此，高-高型是主要协同型聚类，代表了泡泡玛特线下布局较为成熟，实现较高水平均衡布局的区域。高-高型聚类主要分布在京津冀城市群、长三角城市群以及珠三角城市群，这些地区的城市之间地理联系较为紧密，交通、政策、经济条件较为相似且优秀，使得市场的联系更加密切，容易发挥集聚效应。并且，不同地级市间的县（区）之间也会产生协同型聚类，代表着新零售模式使泡泡玛特正在打破城市边界，“无边界”零售正在形成。

第二类是权衡型聚类，包括高-低型和低-高型，这些地区是在线下布局中综合取舍的结果。其中，低-高型聚类主要分布在城市外围，紧密围绕着高-高型聚类，是核心布局区的外围过渡带，充分反映了线下布局的“核心-边缘”结构；而高-低型聚类分布较为分散，在多个城区独立存在，不与其他类型接壤，代表着泡泡玛特未来的发展方向。多渠道的销售模式使得泡泡玛特具备更加灵活的布局思路，作为线下市场开发的先行者，机器人商店的布局成本相对门店要低廉的多，因此容易产生跨区域的布局，广泛分布在二三线城市的商业中心附近。

4 泡泡玛特线下零售布局影响因素分析

4.1 影响因素选取

零售业区位决策必须从市场入手，市场空间的大小对零售业的区位选择有直接影响作用［32］。市场空间的大小与区域人口规模以及居民收入和经济能力有关。常住人口常常用来衡量零售业的区域人口规模，但新零售行业中，年轻消费者居多，尤其是“95后”大学生，他们生活条件较好，勇于尝试新事物［33］，因此，本研究采用城市普通本专科人数来衡量区域内泡泡玛特的目标人群规模。在市场空间中，消费者的经济能力与人口规模同样重要，因此加入人均GDP作为当地居民经济能力表征。

交通条件是传统区位论中重要的区位因子，学者们通常会用当地的公路里程数据来表征，但是在新零售模式下，物流是联系线上线下的纽带，且现代物流是仓储、交通以及网络共同作用的结果，因此选择交通运输、仓储和邮政业从业人员数表征城市的物流规模。

经济活动最突出的特征就是集聚［32］，而同一类产业的不同企业集聚在一起所导致的外部规模经济影响企业的区位选择［34］。因此，当地零售业发展规模作为当地原有的零售业发展基础，是影响泡泡玛特区位选择的重要因素，不可忽视。

现代经济活动对技术依赖的程度日益加大，技术与知识成为影响经济活动区位选择的最重要因素之一［32］，其中，信息技术与创新对新零售的扩张起到主要的推动作用，良好的信息化环境与城市的创新能力可能对新零售企业的区位选择有积极影响，因此，采用每万人互联网宽带接入用户数与专利授权数来表征城市的信息化环境与创新能力。

在企业特色上，泡泡玛特无论是产品蕴含的“潮玩文化”，还是“盲盒”的营销模式，均是外来文化，其扩张期又遇上突发公共卫生事件，当地对外开放程度有可能影响到其扩张的决策。

因此，基于已有的新零售研究，以及泡泡玛特固有的性质，最终从5个影响因素中选取了9个变量（表3）。

最终设置如下模型：

4.2 模型判别

首先对各模型选取变量进行膨胀方差因子（VIF）诊断。诊断发现，NBREG模型1的最大VIF值为9.4，其余模型最大VIF值均不超过3.5，说明变量之间不存在明显的共线性。其次，各模型的离散系数对数lnα均通过显著性檢验，因此排除选择泊松回归模型进行拟合。最后，本文利用与ZINB模型有相同变量的。NBREG模型1对比二者的拟合优度，即AIC与BIC值，并结合Vuong统计值检验，判断是否选用ZINB模型结果显示，ZINB模型1的AIC、BIC值均低于NBREG模型1，说明ZINB模型的拟合效果更好，且各ZINB模型的Vuong统计值显著为正，因此无论是在拟合优度还是在Vuong值检验上，均说明宜选用ZINB模型而不是NBREG模型。因此，本文使用ZINB模型是合理的。下文主要针对表4中的3个ZINB模型进行分析。

在本文拟合的3个ZINB模型中，ZINB模型1与ZINB模型2以门店数量为因变量，但是前者选用传统区位因子为自变量，后者选用新零售区位因子，以此探讨传统区位论在“新零售”模式中发生的变化，而ZINB模型3则将ZINB模型2中的因变量修改为机器人的数量，以此探究泡泡玛特线下主次零售渠道区位选择的差异。

4.3 结果分析

首先，聚焦ZINB1与ZINB2，各类因素对与泡泡玛特布局的影响主要分为以下三点。

第一，市场与泡泡玛特线下布局存在正相关性，人口规模与居民购买力是发挥市场作用的两架马车。无论是ZINB 模型 1 还是 ZINB 模型 2 ，市场因素中的两个指标均是显著正相关，且系数值接近，验证了人口规模与消费者购买力对市场空间大小的作用不相上下。人口规模的重要性主要源于在零售业的自身特点，零售区位与其他区位相比最大的特点就是消费者指向，而新零售在注重总体市场的基础上，产品定位清晰，目标人群明确，因此将ZINB 模型 1 中pop因子改为 ZINB 模型 2中的T-pop后，人口因素依旧影响显著。而居民购买力对于线下布局的影响则是因为，只有物质生活需求达到一定的满足后，消费者对追求文化娱乐享受的需求才会进一步的上升，泡泡玛特作为精神文化产品，需要一定的经济实力做为支撑［35］，在生活必需品得到满足后，再进行额外购买，这就要求地区居民的生活品质相对较好，可购买力较高，因此经济水平的指标在各个模型中均为显著正相关。

第二，交通因素在两个模型中发生分歧，选用新零售区位因子更符合当下。在传统零售中，消费者需要克服空间距离并为此付出空间费用和时间费用，而一般好的交通条件会使消费者购物的时间减少，空间费用下降［32］，因此传统区位论强调交通的重要性。但是在 ZINB 模型 1 中，road因子却出现了显著负相关，这显然不符合经济区位论中交通因子呈正向作用的结论，而 ZINB 模型 2 中的logistics因子呈显著正相关。这表明单纯的道路建设已经不能满足新零售业线上+线下的运行需求。在新零售的模式下，消费者可以自主选择商品的配送方式，包括店内自提、送货上门、驿站代取等。并且区别于传统“线上＋线下”的网购，新零售的配送更多是类似“外卖”的市内配送，在市内的门店或仓库发货，能快速送到消费者手上。由此可见，传统区位论注重交通状况的优劣是否会导致产品运输成本与可接触性的高低，但是在新零售模式下，产品可以通过互联网接触，运输成本也通过多配送渠道得以降低，因此更强调物流的快捷性。

第三，零售业的基础与互联网的发展是新零售企业出现的题中之义。在零计数部分，ZINB模型1与ZINB模型2的base因子对泡泡玛特布局为0的概率均呈显著负相关，说明城市的整个零售业规模越大，外部规模经济效应越好，越有概率出现泡泡玛特布局。模型ZINB2在零售业的基础上进一步考虑到互联网的作用，发现net因子对当地新零售的产生有积极影响，不过在系数上，当前新零售的产生受到base因子的影响更大，这也说明新零售模式还在萌芽阶段，随着新零售模式的成熟，信息化水平的影响程度将进一步扩大。互联网是新零售企业的依托，“无边界”零售的开端也从互联网开始的，因此考虑全面考虑零售业基础与互联网发展的ZINB2模型可能更符合实际。

其次，对比ZINB2与ZINB3，可以发现门店与机器人商店在区位选择上具有强烈的相似性，与前文空间分析结果不谋而合，再一次证明了门店与机器人商店在空间上具有关联性。两个模型最大的区别在于ZINB模型3中信息化环境指标的显著性高于模型2，这是由于机器人商店作为品牌线下市场布局的“拓荒者”，开发了众多信息化环境差强人意的下沉市场。

最后，开放程度与创新能力在以上模型中并不显著，可能是因为新零售才刚起步，零售“无边界”的程度还未成熟，且更多的是基于已有技术的应用，因此导致该二项指标不显著。

5 结论与启示

本文首先利用首位度分析与核密度分析发现，泡泡玛特门店的扩张与新零售企业转型的过程息息相关。在局部起步期具有传统零售企业扩张特征，主要通过接触扩散在发源地持续深耕。而在全国布局期，泡泡玛特快进到传统本土零售企业后期扩张才有的复合式扩张特点［12］，通过接触扩散与等级扩散相结合，完成全国的布局骨架。随后在区域集聚期，发源地北京的首位度已经明显下降，泡泡玛特再次以接触扩散的方式丰富布局的“血肉”，最终形成东部沿海地区布局的城市数量均较多且呈带状分布，中西部内陆地区较少且呈块状分布的空间分布格局。其次，利用空间自相关分析，发现机器人商店作为线下零售的辅助销售渠道，与门店之间存在明显的空间关联性，二者的高-高协同型关系易产生于发达城市的市中心，而在城市外围或低等级城市开始出现大量的高-低权衡性关系，因此，多渠道的销售模式使得新零售企业具有更加灵活的布局方式。最后，通过ZINB模型进行拟合发现，传统区位理论在新零售企业上适用性发生变化，单纯的公路里程建设并不能满足新零售企业线上与线下结合的需求，信息化环境优秀、原有零售业基础良好的城市更容易出现新零售企业，市场、物流、创新能力会影响城市内泡泡玛特的数量规模。

上述结论对传统零售向新零售转型具有一定的启示意义。首先，通过多渠道销售为新零售企业降低线下布局试错成本。一方面，线上与线下相辅相成，利用线上营销平台打破因地理边界而产生的信息差，从而降低线下布局因克服地理距离而产生的费用成本；另一方面，针对不同规模的城市，进行销售渠道的合理选择与布局，以最低的成本获得最佳利益。其次，构建更加现代化的物流配送体系是新零售模式发展的必然要求。互联网的背景下，城市的交通条件与物流的关系更加复杂化，新零售讨论的是“线上+线下+物流”，而不是“物流+交通”。因此，构建更加智能化的物流体系，提高城市内部的配送效率，才能使新零售模式得以進一步发展。再者，城市群产生的集聚效应给予新零售企业有力的支持。泡泡玛特门店以城市向城市群的方向扩张为主，全省全域的布局少有发生。新零售的兴起需要一个较为优越的外部条件，但是单一的城市，尤其是等级较低的城市往往没有适合新零售生长发育的基础，但是通过城市间的跨城合作，扩大零售业的商业规模，提高物流仓储能力，促进人才的跨市交流，可以实现新零售更高质量的发展。最后，从县（区）为合作单位出发，有利于开展城市间的交流合作。地级市之间的空间关联性往往没有县（区）之间的紧密，因此，通过细化城市内部的功能区，促进相近城市县区的功能互联，可以为两个城市的紧密合作打下基础，实现区域的协同发展。

当前，潮流玩具行业依旧处于萌芽阶段，因此本文获取的门店样本较少，并且由于数据的可获得性存在一定局限，对机器人商店仅进行了空间上的静态讨论。同时，新零售转型的时间较短，因此本文只是基于当下已有特征进行分析。本文选取的潮流玩具企业是新零售转型中较为成功的案例之一，今后各行业均会出现更加成熟的新零售模式，其发展特征可能有所不同，故未来仍需完善研究方法，深入探究线下布局与线上平台、物流中心的相互联系，以期更加全面地反映新零售企业的发展路径。

参考文献：

［1］ 刘笑杰，李丁，郑陈柔雨.国零售业发展的时空分异及影响因素［J］.兰州大学学报（自然科学版），2021，57（5）：665-674.

［2］ EROL I，CAKAR N，EREL D，et al.Sustainability in the Turkish retailing industry［J］.Sustainable Development，2009，17（1）：49-67.

［3］ 刘继来，刘彦随，李裕瑞.中国“三生空间”分类评价与时空格局分析［J］.地理学报，2017，72（7）：1290-1304.

［4］ PIOTROWICZ W，CUTHBERTSON R.Introduction to the special issue information technology in retail：toward omnichannel retailing［J］.International journal of electronic commerce，2014，18（4）：5-16.

［5］ 傅辰昊，周素红，闫小培，等.广州市零售商业中心的居民消费时空行为及其机制［J］.地理学报，2017，72（4）：603-617.

［6］ FREATHY P，CALDERWOOD E.Coping with change：the implications of e-commerce adoption for island consumers［J］.Regional Studies，2016，50（5）：894-908.

［7］ 原榕，石飞.从地理中心到无界零售：新零售的布局选址及影响机制：以南京市三类便利店为例［J］.城市问题，2021（8）：72-82.

［8］ 黄雨珊，李钢，金安楠，等.社区化新零售末端物流网络的对接与优化：以深圳市盒马鲜生与菜鸟驿站为例［J］.地理研究，2021，40（9）：2542-2557.

［9］ VERHOEF P C，KANNAN P K，INMAN J J.From multi-channel retailing to omni-channel retailing［J］.Journal of Retailing，2015，91（2）：174-181.

［10］WANG X，NG C T.New retail versus traditional retail in e-commerce：channel establishment，price competition，and consumer recognition［J］.Annals of Operations Research，2020，291（1-2）：921-937.

［11］李小健，王惠.大公司投资区位的扩张演变规律［J］.地域研究与开发，2000（1）：1-4.

［12］朱邦耀，宋玉祥，李国柱.中国本土零售连锁超市空间扩张特征与格局研究：以永辉超市为例［J］.人文地理，2016，31（4）：80-86.

［13］李飞.中国经济型连锁酒店空间扩散类型及其规律：接触扩散与等级扩散的理论视角［J］.旅游学刊，2010，25（8）：52-58.

［14］JONES P.Retail innovation and diffusion：the spread of asda stores［J］.Area，1981，13（3）：197-201.

［15］REARDON T，TIMMER C P，BARRETT C B，et al.The rise of supermarkets in Africa，Asia，and Latin America［J］.American Journal of Agricultural Economics，2003，85（5）：1140-1146.

［16］贺灿飞，李燕，尹薇.跨国零售企业在华区位研究：以沃尔玛和家乐福为例［J］.世界地理研究，2011，20（1）：12-26.

［17］曾国军，陆汝瑞.星巴克在中国大陆的空间扩散特征与影响因素研究［J］.地理研究，2017，36（1）：188-202.

［18］RICE M D，OSTRANDER A，TIWARI C.Decoding the development strategy of a major retailer：Wal-Marts expansion in the United States［J］.The Professional Geographer，2016，68（4）：640-649.

［19］汪明峰，卢姗，邱娟.网上购物对城市零售业空间的影响：以书店为例［J］.经济地理，2010，30（11）：1835-1840.

［20］龚亚男，魏宗财，刘玉亭.广州市保障房住区居民网购行为特征及其影响因素［J］.经济地理，2021，41（4）：74-81.

［21］肖琛，陈雯，袁丰，等.大城市内部连锁超市空间分布格局及其区位选择：以南京市苏果超市为例［J］.地理研究，2013，32（3）：465-475.

［22］王娜，吴健生，彭子凤.深圳市零售业空间格局及影响因素［J］.经济地理，2021，41（9）：125-134.

［23］高岩辉，杨晴青，梁璐，等.基于POI数据的西安市零售业空间格局及影响因素研究［J］.地理科学，2020，40（5）：710-719.

［24］何伟纯，李二玲，崔之珍，等.开封市主城区零售商业空间布局及其影响因素［J］.经济地理，2018，38（9）：158-167.

［25］甘依霖，朱媛媛，罗静，等.消费升级视角下城市生活服务空间的演变及影响因素研究：以武汉菜市场为例［J］.地理科学进展，2022，41（1）：118-130.

［26］金万富，王少剑，邓神志，等.互联网技术应用对零售业空间组织影响研究进展［J］.人文地理，2018，33（3）：1-10.

［27］金安楠，李钢，王建坡，等.社区化新零售的布局选址与优化发展研究：以南京市盒马鲜生为例［J］.地理科学进展，2020，39（12）：2013-2027.

［28］汪凡，林玥希，汪明峰.第三空间还是无限场景：新零售的区位选择与影响因素研究［J］.地理科学进展，2020，39（9）：1522-1531.

［29］林玥希，汪明峰.中国新零售的空间分布与区位选择［J］.经济地理，2020，40（12）：109-118.

［30］李少琦，孙海燕，刘苏禾，等.近20年中国新型实体书店的时空演变及其影响因素：基于西西弗、言几又和“猫空”数据的分析［J］.經济地理，2020，40（10）：67-73.

［31］王永明，王美霞，吴殿廷，等.基于ZINB模型的中国省域间入境旅游流影响因素［J］.经济地理，2018，38（11）：234-240.

［32］张文忠.经济区位论［M］.北京：商务印书馆，2022.

［33］杨霞，鄢继尧，王旭熙，等.南充市“95后”在校大学生旅游行为特征研究［J］.西华师范大学学报（自然科学版），2018，39（2）：188-194.

［34］曾冰，谢琦.中国电影院空间分布特征及其影响因素［J］.西华师范大学学报（自然科学版），2023，44（1）：64-70.

［35］王欽安，曹炜，汤云云，等.国内连锁餐饮企业在中国大陆的空间扩展与驱动因素研究：以海底捞为例［J］.西华师范大学学报（自然科学版），2021，42（4）：402-409.

Expansion Path and Location Selectionof Trendy Toy Enterprises Under the New Retail Mode：

A Case Study of POP MART

Abstract：This paper analyzes the expansion path and off-line distribution characteristics of POP MART by the methods of kernel density analysis，special autocorrelation and first degree analysis，and discusses the influencing factors of its layout by zero-inflated negative binomial regression model in order to explore the characteristics and location trend of new retail enterprises in the process of expansion.It is found that POP MART has initially adopted contagious diffusion in its birthplace；then，it has completed its national distribution by the mixed mode of hierarchical diffusion and contagious diffusion；finally，it has enriched its allocation on the original spatial pattern through contagious diffusion，forming its main layout strategy of expanding from developed cities to urban agglomerations.In terms of influencing mechanism，the applicability of traditional location theory has made changes in the location selection of new retail enterprises and the generation of new retail enterprises is influenced by the original retail base and informatization level of the local area；at the same time，the number and the scale of POP MART in cities are affected by the market and logistics scale.

Keywords：new retail；expansion path；spatial distribution；location selection；POP MART