零售创新对流通产业结构变迁影响

前言：本站为你精心整理了零售创新对流通产业结构变迁影响范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

内容摘要：消费升级驱动下，传统零售企业从产品、服务、店址及沟通等多个维度进行探索创新，倒逼流通产业调整结构。本文运用多重线性回归分析法，探讨零售创新对流通产业结构变迁的具体影响路径。模型回归结果显示，零售创新对流通产业结构变迁具有显著正向影响。其中，产品创新与店址创新的影响作用较强，服务创新和沟通创新的影响作用较弱；线上线下一体化与环境复杂性两个中介影响因素可单独或同时调节零售创新对流通产业结构的影响程度。据此，提出加速零售创新，推动流通产业结构升级的相关建议。

关键词：零售创新；线上线下一体化；环境复杂性；流通产业结构；多重线性回归分析法

一、问题的提出

在商品流通体系中，零售是终端环节，也是商品从流通领域进入消费领域的主要端口。零售领域的创新会直接作用于商品流通体系，引发流通产业结构变革。近年来，大数据、云计算、物联网等新兴技术逐渐发展成熟，使得原有零售业态边界进一步模糊，形成线上线下一体化营销模式。为应对复杂多变的市场环境，零售企业开始从产品、服务等多个维度进行创新，并逐渐趋于结构化、网络化、社交化。在这一背景下，原有流通产业行业、规模、业态、空间网络等结构均受到一定冲击。然而，现阶段实务界对零售创新在流通产业结构变迁中的先导作用仍存疑问：是否所有维度的零售创新均能帮助流通产业结构升级？零售创新是否可以为流通产业革新提供源动力？外部市场环境对二者关系能够产生什么样的作用？上述问题均有待进一步验证。

二、理论分析与研究假设

（一）零售创新与流通产业结构变迁

零售创新以互联网为核心载体，实现了实体经济与电商技术的有效融合，具有技术及知识密集的特点。这种特点使其成为流通产业结构变迁的新驱动力。具体而言，在零售产品创新领域，零售产品研发与新制造等创新发展，丰富了零售产品形式，流通产业规模得以进一步扩大。在零售服务创新领域，零售服务不再局限于线下成交，在付费方式、服务态度、退换货和信赖程度等方面，均有所提升（高新凤和谢泗薪，2020）。这一背景下，消费者体验感提升，产品流通数量也大幅增加，从而激发流通产业结构转型升级。在零售网点创新领域，新零售摆脱了店址束缚，商品流通范围大幅扩大。流通企业为满足零售商需求，不得不扩大配送范围，增加配送人员。流通企业的流通效率、流通覆盖面和流通参与人员日渐协调、规范，促使流通产业结构不断优化。在零售沟通创新领域，互联网技术普及范围逐渐扩大，助推零售沟通模式持续革新。多种新型沟通方式形成，且沟通效率及效果大幅提升。企业可通过新型沟通模式锁定忠实客户与消费订单，促使流通管理更高效（谢莉娟和庄逸群，2019）。可见，零售创新可以有效扩大产品流通规模，完善流通组织，优化流通环节。据此，提出以下假设：H1：零售创新对流通产业结构变迁有显著正向影响。H1a：零售产品创新对流通产业结构变迁有显著正向影响。H1b：零售服务创新对流通产业结构变迁有显著正向影响。H1c：零售网点创新对流通产业结构变迁有显著正向影响。H1d：零售沟通创新对流通产业结构变迁有显著正向影响。

（二）线上线下一体化与流通产业结构变迁

线上线下一体化源于信息和技术改革，指的是线下环节同线上环节有机融合。在零售领域，线上线下一体化的新型模式不断影响着消费者的购物策略，并引发部分产业重构。线上渠道优势在于商品信息化程度高，线下渠道则在产品流通与采购等方面更加便利。线上线下渠道向一体化发展，有助于构建完善的供需闭环，推动流通产业结构升级。对于零售企业个体而言，线上线下一体化有利于强化零售企业与消费者之间的互动行为，增强企业的市场影响力。根据消费者需求，零售企业可升级现有产品，增强线上线下服务质量，助力流通业发展。对于整个零售行业而言，线上线下一体化有助于实现企业间的资源共享，释放市场消费潜力，提高流通行业业务量，推动企业完善技术和设施等基础运营条件（于斌斌，2019）。与此同时，线上线下一体化能够加速流通主体间的信息流转进程，使得市场供需变化得以及时反馈。各流通主体均可对市场变化及时做出反应，形成高效的流通产业结构。据此，提出如下假设：H2：线上线下一体化正向调节零售创新与流通产业结构变迁的关系。

（三）环境复杂性与流通产业结构变迁

环境复杂性主要指企业在产业链中所面临的外部环境的复杂程度。一定程度上，环境复杂性反映了企业战略管理的困难程度。环境复杂性偏高说明不稳定因素较多，企业获得外部信息的有效性降低。在这种情况下，零售企业难以制定合理战略措施。换言之，环境复杂性可调节流通产业内的配置关系，进而改变流通产业中各参与主体间的经营范围和经营方式，影响商品流通辐射范围（吴兆喆，2019）。具体而言，环境复杂性对流通企业订单满足率、配送中心库存周转率和消费者转化率等要素均具有负向调节作用，主要通过影响供应链各流通环节，降低货物运输效率。环境复杂性越高，零售企业创新成本越高，受到同行商业攻击的可能性增大。当环境复杂性较低时，零售企业调整空间更大，更有可能在创新方面加大投入，调整已有流通结构。由此，可提出以下假设：H3：环境复杂性负向调节零售创新与流通产业结构变迁的关系。基于以上假设条件，提出零售创新对流通产业结构变迁影响的概念模型，如图1所示。模型自变量为零售创新，可细分为零售产品创新、零售服务创新、零售网点创新与零售沟通创新四个维度；因变量是流通产业结构变迁；线上线下一体化与环境复杂性则为中间调节变量。

三、问卷设计及数据收集

（一）量表设计

调查问卷内容分为两部分：第一部分是调查对象基本情况，具体包含消费者性别、年龄、受教育程度等；第二部分为问卷的具体题项，主要围绕零售创新、线上线下一体化、环境复杂性、流通产业结构变迁四个变量展开。具体而言，对于因变量流通产业结构变迁，借鉴胡璇等人（2020）研究，设置规模结构、业态结构、行业结构、商品市场结构以及空间网络结构5个题项。对于自变量零售创新，参考张华（2017）研究，设置14个题项进行测度。其中，零售产品创新、零售服务创新、零售网点创新、零售沟通创新对应的题项分别有3个、4个、3个、4个。对于中介变量，参考Moorman、Heide等人研究方法衡量线上线下一体化水平，并结合电商线上线下渠道合作的特征，设置4个题项测度线上线下一体化。在环境动态性方面，借鉴King、Garg等人研究结果，设置5个题项进行环境动态性的测度。量表题项共计28个，限于篇幅，具体内容不在此列出。题项定量测量采用Likert五级评分法进行，设置评分范围是1-5，依次代表非常不认可、不认可、中立态度、认可、非常认可。

（二）数据来源

为增强研究的代表性，调查问卷发放地选择北京、上海、广州三座零售创新程度较高的城市。2019年8-12月，通过个人调查及委托项目合作企业等方式，在问卷星平台散发600份调查问卷。去除作答不完整以及有明显规律的问卷，最终得到502份有效问卷，有效回收率达到83.7%。将问卷中的信息进行整理与统计，发现调查对象中有44.51%男性与55.49%女性。年龄在30岁以下的比例为33.52%，30岁至50岁的比例为55.19%，50岁以上人员比例为11.29%。受教育程度最多的是大学学历，占比为50.63%；其次是大学以下学历，占比31.56%；最后是大学以上学历，占比17.81%。月收入低于4000元的有22.5%，处于4000-7000元之间的占45.8%，7000元以上的占比为31.7%。调查对象的性别、年龄等特征分布较为合理，因此调查数据可用于进一步研究。

（三）模型构建

为检验上述假设，根据多重线性回归分析原理，建立以下回归模型。其中，LT表示流通产业结构变迁，LS表示零售创新。CP、FW、DZ、GT分别代表零售产品创新、零售服务创新、零售网点创新、零售沟通创新。IO是线上线下融合性，LS×IO表示零售创新与线上线下一体化的交互项；HJ是环境复杂性，LS×HJ表示零售创新与环境复杂性的交互项。LS×IO×HJ代表线上线下一体化与环境复杂性对流通产业结构变迁的交互项。α1-α10表示各项指标的标准化回归系数，ε为模型的随机误差项。

四、实证检验

（一）信度与效度检验

为保障数据有效可靠，需进行信度与效度检验。信度检验方面，利用Cronbach'α系数法进行检验。一般认为，当Cronbach'α值大于0.7时，数据信度较为理想。效度检验方面，首先分析AVE指标，通过计算发现各变量AVE均大于0.7的建议值。在此基础上，开展KMO检验与Bartlett球形检验。通常KMO值大于0.6，Bartlett值小于0.05，表明调查问卷设置的题项有效且结构效度优良。表1为本文信度与效度检验结果，可知各变量对应Cronbach'α系数、KMO值、Bartlett球形检验值均通过检验，调查问卷具备良好信度与效度，能够进行下一步分析。

（二）相关性分析

为防止文中设计的各变量之间存在共线性，影响回归结果准确性，本文使用SPSS22.0软件，以Pearson法分析变量之间相关性，具体结果如表2所示。由表2可知，其一，自变量4个维度之间，除零售服务创新与沟通创新的相关性在5%统计水平下显著外，其余任意两变量之间的相关性均在10%统计水平下显著，说明4个维度的变量具有一定的内在关联性。其二，自变量中的零售产品创新、服务创新、店址创新、沟通创新均与因变量流通结构变迁在1%统计水平下显著正相关。其三，中间变量线上线下一体化与流通结构变迁相关系数为0.401，且在5%统计水平下显著，说明二者关系为显著正相关。其四，中间变量环境复杂性与流通结构变迁相关系数为-0.144，并在5%统计水平下显著，说明二者关系为显著负相关。根据三组变量间相关系数值及显著性情况可知，变量之间不存在明显共线性，可进行下一步的分析。

（三）拟合度分析

进一步检验样本数据与变量之间的匹配情况，在Amos22.0软件中，运用因子分析法开展模型拟合检验，具体结果如表3所示。由表3数据可知，除GFI以外，IFI、NNFI、CFI值分别为0.931、0.910、0.941，均大于0.9的参考值。SRMR、RMR、RMSEA分别为0.0684、0.0617、0.0514，均小于0.08的参考值。整体而言，模型拟合状况良好，样本数据与变量匹配度较好，能够进行进一步的回归分析。

（四）回归结果分析

将样本数据代入多元层次回归模型，在求解过程中，借鉴Aiken等人分析方法，以环境复杂性与线上线下一体化的均值为界限。若样本数据比均值大，则归入高调解组；样本数据小于均值，则归于低调解组。最终得到零售创新对流通组织影响结果，具体如表4所示。从表4可以得出以下结论：其一，LS→LT的标准化系数为0.871，Sig.值为0.000，通过0.1%统计水平下的显著性检验，表明流通创新能够显著促进流通产业结构变迁。CP→LT、GT→LT的标准化系数分别为0.618、0.204，Sig.值分别为0.003、0.009，均在1%统计水平下通过显著性检验。FW→LT、DZ→LT的标准化系数分别为0.322、0.521，对应Sig.值分别为0.015、0.021，二者均在5%统计水平下显著。综上可知，H1、H1a、H1b、H1c、H1d均成立。即零售创新对流通产业结构变迁可发挥正向作用，产品创新、服务创新、店址创新、沟通创新均能够促进流通产业结构变迁。对比标准化系数可知，零售创新各维度中，产品创新对流通产业结构变迁的影响最为明显，店址创新次之，沟通创新影响最弱。产生这一结果的原因可能是相较于沟通与服务，产品及店址的创新能够直接推动流通产业商品结构及空间布局的革新。其二，LS×IO→LT的标准化系数为0.323，Sig.值为0.015，在5%统计水平下显著，说明在零售创新对流通产业结构变迁的影响过程中，线上线下一体化可起到正向调节作用，H2成立。LS×HJ→LT的标准化系数是-0.316，Sig.值是0.013，在5%统计水平下显著，说明环境复杂性在零售创新对流通产业结构变迁的影响过程中起到负向调节作用，即H3成立。其三，LS×IO×HJ→LT的标准化系数为0.167，Sig.值为0.006，在1%统计水平下显著。说明在零售创新推动流通产业结构变迁过程中，尽管线上线下一体化与环境复杂性调节效果相反，但综合来看，二者的联合调节作用整体偏正向。

五、结论与建议

综上所述，零售创新可以有效推动流通产业结构变迁。在零售创新各维度中，产品创新与店址创新对流通产业结构变迁的促进作用，较服务创新和沟通创新更强。并且，零售创新可以借助线上线下一体化与环境复杂性两个中介变量，影响流通产业结构变迁。其中前者调节作用为正向，后者调节作用为负向，但二者发挥的联合效应呈正向。基于此，提出如下三条优化建议：其一，加速零售产品研发，完善流通产业配送结构。新零售产品创新能够推动商品生产和零售服务进一步升级，同时优化原有流通产业配送结构。因此，零售企业应加快产品研发速度，满足消费者个性化需求。在零售产品研发过程中，企业应深度融合服务与消费者信息数据，突破固有产品设计思维。各地政府应颁布技术扶持政策，针对零售产品研发突出企业，给予一定的福利补贴与政策优惠。流通企业则需积极对接零售创新产品，提供相应的配套服务，优化流通产业配送结构。其二，应对环境复杂性，创新零售流转过程。在零售创新对流通产业结构影响过程中，环境复杂性会起到一定的阻碍作用。因此，对于流通企业而言，破除发展壁垒，有必要打造一个公平竞争的零售流转过程。具体而言，企业可加速兼并重组力度，促使流通产业向结构化、规模化转变。在这一环节中，流通企业和零售企业之间应建立及时有效的信息交换机制，创新零售流转过程，提高流通效率。有关部门应规范管理企业间联合、兼并等商业活动，建立对应的制度标准，借助经济手段推动企业资产结构升级。有关部门应加强流通监督力度，维护消费者与零售商合法权益，确保我国流通市场环境稳定运行。其三，创新零售网点，健全流通产业空间结构。零售网点创新能够突破空间约束，扩大零售覆盖范围，有助于提升城乡流通协调度，升级流通产业结构。因此，线下零售企业可尝试开设线上店铺，加速商品流动。线上销售模式可有效缓解城乡与东西部地区流通的空间结构失衡，缩小各区域间发展差距。与此同时，各地区政府可优先扶持一批初具规模的流通企业，组建大规模标准化的现代生产工业园区和物流园区，助力流通主体发展线上交易模式，提高品牌效益，打造绿色流通环境。

作者:匡敏 曲玲玲 单位:乐山师范学院经济管理学院