数字化情境中的流通效率实现机制 ——基于匹配与扩张视角的案例研究

党的二十大报告提出,“建设高效顺畅的流通体系”。建设高效顺畅的流通体系是加快构建新发展格局的必然要求,其中一个关键问题在于如何不断提升流通效率。当前,数字技术的广泛渗透带来了企业经济活动的持续创新和宏观经济运行的深刻变革。流通作为实现供需匹配的关键环节,已经成为数字技术应用的前沿领域。由此,如何在数字化情境中更好地实现流通效率成为重要现实问题。

既往关于流通效率的研究多聚焦于产业层面,从投入产出角度对社会流通总量进行定量测度,如测度流通体系综合效率或流通产业运行效率。事实上,经济活动整体效率的提高需要以大量企业微观效率的提升为基础,流通效率也不例外。同时,流通过程“是在时间和空间中进行的”①,流通效率本身暗含着时空双重维度,因此,宏观意义上的流通效率在微观层面表现为承担流通活动的企业在时间维度上的“匹配”效率和空间维度上的“扩张”效率。

已有研究认为,数字化流通创新本质上是利用数字技术优化流通活动进而实现效率提升的过程[1],表现为流通主体以高质量信息流为先导,通过精准的消费洞察,加快商品周转速度并引领供给侧适应性重构,更好地促进供需匹配[2]。上述研究在宏观经济运行层面分析了数字技术对商品流通效率的影响,但未详细考察数字技术对微观层面企业流通活动的影响。同时,数字化情境中企业开展流通活动的方式已与传统产销关系中明显不同。因此,研究流通效率的实现必须具体到微观企业层面,并结合实践前沿与典型案例,明确企业利用数字技术更好地实现流通效率的具体机制。

立足于此,本文的核心研究问题为,基于数字技术运用,企业应如何调整或创新流通活动以提升流通效率。流通效率在时间维度上表现为企业衔接供需的匹配活动的效率,在空间维度上则表现为企业向更大市场延伸的扩张活动的效率。为了回答这一问题,本文将采用更适合探讨现象随时间变化的复杂过程的案例研究方法,深入刻画企业流通效率实现背后的动态机制。

一、理论分析与文献述评

(一)流通效率的微观基础：匹配效率与扩张效率

关于流通效率,已有研究或基于综合评价指标体系进行产业层面的测算[3-5],或结合流通在社会再生产中的地位探讨其测度依据[6],侧重于社会流通总量层面的讨论,虽未涉及流通效率的微观含义,但根据流通活动的内涵可以将二者统一起来。产业层面的流通效率衡量的是社会整体流通活动运行效率,而流通活动包括采购、销售、调配和存储等具体内容,在微观层面是由企业来实际承担的,因此企业开展流通活动的效率是流通效率的微观表现。同时,生产者和消费者在时空上是分离的,而流通活动既要在时间维度上快速地匹配供需,也要在空间维度上向更广阔的市场拓展[1],因此流通效率可以在时空双重维度上拆解。

在时间维度上,匹配供需、完成交易始终是商业活动的根本[7],流通效率需要衡量商品在生产者和消费者之间流转的顺畅程度[4],在微观层面对应为企业通过流通活动完成商品买卖、实现商品价值的效率。因此,本文认为,流通效率在微观层面体现为企业促进供需准确匹配的效率,即匹配效率,并进一步将匹配活动中各要素的结构关系与运行方式界定为“匹配机制”。具体而言,流通主体可以通过持有存货、撮合交易等专业化活动,直接缩短供需匹配时间、提升供需匹配精度[8],也可凭借流通上连生产、下接消费的中间环节信息优势,间接优化市场运作和供需匹配过程[9]。

在空间维度上,商业活动的开展自然受制于交易成本,供需匹配的边界总会受到交易空间的约束。为使商品到达更远方的市场,流通效率在微观层面体现为企业延展市场范围的效率,即扩张效率[1,10]。进一步地,本文将扩张活动中各要素的结构关系与运行方式界定为“扩张机制”。具体来看,流通主体可通过门店连锁经营等扩张方式,突破单店经营空间的有限边界[11],但往往也会面临门店协调管理中的“控制损失”和“竞食效应”等问题[12]。对此,企业既可通过数字技术应用[12],也可寻求扩张形式上的创新[10]来解决。在扩张效率方面,流通主体既要提升市场扩张的速度与广度,也要增强扩张过程的协调性和稳定性,即提升扎根市场的深度。

(二)流通渠道演化的路径分化：“去中间化”与“再中间化”

企业流通效率的实现会受到“去中间化”与“再中间化”路径分化的影响。“去中间化”通常是指上游生产商主导的通过排除中间商而直接与消费者见面,一般表现为产销活动部分或完全的融合。“再中间化”则多指流通主体专职中间商角色的强化,表现为产销间明确的分工协作[13]。实际上,两种路径均是为了实现效益最大化：“去中间化”是企业通过减少渠道环节来寻求流通活动成本的节约;“再中间化”则是流通主体通过提升专业化经营优势,强化其作为专职中间商的渠道地位,获取分工经济效益。

在两种路径中,前述流通效率时空双重维度的基本分析逻辑仍然成立,但效率实现的方式有所不同。在“去中间化”路径中,既包括传统自上而下的实现方式,即上游生产商通过更便利的要素与信息共享,排除流通组织,减少交易成本和供应链中的“双重加价”[14];也包括越来越多的流通主体自下而上的实现方式,即借助渠道优势和数字技术逆向整合供应链,内化部分供应链活动[15-16]。在“再中间化”路径中,专职中间商则主要基于专业化优势,通过积极应用数字技术,进行适当的组织重构或创新来强化其渠道角色[15]。相关研究[17-18]也证实了专业化中间商依然具有坚实的存在基础和广阔的发展空间。

因此,流通主体既可通过向生产活动延伸,成为“去中间化”的主导者,在供应链中实现角色更新,并获得更高的效率;也可借助技术条件等,强化专业化分工带来的核心竞争优势,完成“再中间化”路径的构建,实现效率提升。

(三)数字化情境对流通效率实现的影响

数字化描述了个人、组织或社会广泛应用数字技术的现象,由此引发了实体(如企业)属性的改变并促进了实体的数字化转型[19]。数字化转型并非简单的技术利用过程,而是涉及企业管理变革和经济机制重构的系统问题。相较于技术层面的探讨,考察技术给流通效率实现过程带来的变化,才是流通企业数字化转型题中应有之义。

首先,数字化的作用表现为互联网连接技术对交易空间的突破。互联网虚拟市场对传统实体市场的补充或取代,使流通主体得以突破空间约束,以更快的速度、更低的成本在更广范围内联结更多消费者与供应商。传统连锁模式也可以利用互联网技术弱化空间阻力,典型体现为线上线下融合扩张的全渠道模式[20]。

其次,数字技术的使用能推动交易过程降本增效。基于信息系统的应用,企业内外部互动和信息传递的效率不断提升[18]。典型地,流通环节通过与上游生产环节的信息系统相耦合,能够引导和优化生产资源的配置,甚至带来系统性的数字化供应链变革[20],提升匹配效率。信息系统的应用也能通过减少门店协调管理中的“控制损失”来提升扩张效率[12]。基于数据的连接性和聚合性,流通活动的结构化与非结构化数据得以全面丰富[21]。借助数据分析技术,流通主体可从中提取客户信息并大幅降低搜索、追踪和验证成本[10],直接增强识别需求和匹配供需的能力。此外,依托大数据技术的流通决策突破了有限信息和有限理性的制约,决策的效率与准确率得到明显提升[22]。

再次,互联网情境下长尾需求的凸显,引发了产销逻辑的变革,对流通效率实现产生了深远影响[16]。在匹配活动中,传统的推动式产销逻辑日益被基于终端需求的拉动式产销逻辑所取代,流通主体获得了更强的渠道纵向约束力甚至是供应链整合的主导力[15-16]。典型地,除了纯粹的商品买卖活动,流通主导生产的自有品牌开发等活动也不断涌现[23]。在扩张活动中,异质性需求的凸显使企业更多地通过产品或服务的多样化来吸引新的客户群,而不再局限于重复满足不同地理空间中的相似需求[10]。

最后,数字技术的强连接性极大地突破了网络的规模边界[24],网络效应日益凸显。这既体现为网络中的用户数量增长通过影响网络本身的价值,持续带来用户规模“再扩张”,即用户网络效应[24];又体现为双边网络中的一边因另一边群体的规模、特征或行为而受益的交叉网络效应[24-25]。并且,数据具有低成本复制和非排他性消费特征,可以通过整合和共享,形成外溢价值,带来数据层面的网络效应[24]。

(四)文献述评

已有文献虽已关注到数字化对流通渠道演化和流通效率实现的影响,但仍存在以下研究缺口。其一,数字技术对流通效率的提升作用建立在微观层面大量流通活动创新的基础上,但已有研究较少涉及微观视角对企业活动机制的分析,尚未充分挖掘流通效率实现在微观情境中的丰富内容。其二,已有研究讨论了数字技术对流通企业媒介供需活动中的场景体验、需求识别等具体环节的影响,但较少从整体上考察各环节及其关系在数字化情境中的变化。并且,数字化情境下日益增强的网络效应与流通效率之间的关系还未得到相关研究的关注。其中,数据网络效应主要体现在交叉网络中,因而部分研究将交叉网络效应分为传统交叉网络效应和数据渠道交叉网络效应[23]。但考虑到单边网络中也存在数据外溢价值,需要对数据网络效应进行单独分析。其三,流通数字化创新机制的相关文献很少关注“去中间化”与“再中间化”两种路径的异质性,而集中探讨两种路径的文献又大多将中间商作为抽象的经济分析单元来讨论其存在意义,进而考察路径分化的形成原因、影响,或进行路径比较。对于不同路径下企业如何实现流通效率提升这一实践问题探讨的缺失,在一定程度上限制了流通理论对实践的解释力。有鉴于此,本文沿着“流通活动过程—流通效率微观实现”的分析思路,将微观层面的流通效率划分为企业开展流通活动的匹配效率和扩张效率,并结合典型企业实践,基于“去中间化”和“再中间化”两种路径探究企业在数字化情境中实现流通效率的微观机制。

二、研究设计

(一)方法选择

探讨数字化情境中流通效率的具体实现机制,需要深入企业实践过程,回答“how”和“why”的问题。基于关键要素识别与机制总结,案例研究方法能够揭示未被解释的逻辑关系,特别适合回答这类问题,因而适用于本文的研究。并且,本文在案例数据分析和对已有理论的迭代对比中发现,在“去中间化”和“再中间化”不同路径下,流通主体实现流通效率的关键要素和利用数字技术的手段均有所区别。因此,本文使用双案例研究方法,通过对比分析流通效率实现的具体机制,拓展原有理论并推动构建新理论。

(二)案例选择

遵循案例研究的理论抽样原则,兼顾典型性的个案选取标准[26],本文选取韩都衣舍电子商务集团股份有限公司(以下简称“韩都衣舍”)和北京酒仙网络科技有限公司(以下简称“酒仙网”)作为研究对象。两家企业的代表性特征如表1所示。本文案例选取的理由如下。(1)在研究问题上具有典型性和代表性。两家企业均具有突出的流通活动特征、数字化利用特征与行业领先性。(2)案例间具有可对比性。韩都衣舍致力于做“优质的自有品牌商”,酒仙网则始终以“打造酒类第一流通商”为目标,二者分别是“去中间化”和“再中间化”路径的典型代表。(3)案例完整,数据丰富。两家企业的发展历程均在十年以上,模式较为稳健,便于本文识别关键要素。同时,本文研究团队与其建立了长期联系,积累了丰富的数据资料,能够保障研究的可靠性。

(三)数据收集

本文数据来源与收集过程如下。(1)在实地调查之前先收集新闻报道等二手资料,初步认识企业的发展脉络、主要战略以及数字化流通相关实践。(2)采用半结构式访谈法展开集中调研和深度访谈。后续也通过在企业家讲座等活动中开展非正式访谈,补充一手资料。(3)与企业管理层保持长期联系,分阶段追加访谈并确认数据资料。(4)开发多个教学案例,归纳提炼已有数据资料。具体数据来源及构成可参见表2。本文对同一问题进行多渠道数据的验证,构建了“证据三角形”以保证研究的有效性[27]。

(四)数据分析方法

遵循案例研究数据分析归纳的方式和建议,本文的数据分析过程如下。首先,构建基于深度访谈、二手资料等多种来源数据的资料库,根据访谈对象和数据来源对文本进行初步编码,标记与研究问题相关的内容,并对照已有理论初步整理和提炼相关概念。其次,结合已有理论和数据,形成重要概念和逻辑关系的编码方案,并将编码人员分为两组,“背靠背”进行独立编码,进一步提炼、细化编码,并完成编码转换。上述过程中也会涌现新的要素及其关系。通过对全部编码结果进行验证、比对和商讨直至意见统一,提炼数字技术作用于流通效率实现的特征和在不同路径间的差异。最后,结合编码结果构建理论框架,沿着“流通活动过程—流通效率微观实现”的思路,完成框架推演并形成结论。此外,参考Yin[27]的建议,本文预先形成了研究草案,反复确认重点信息,并着重讨论编码过程中含义不清的条目。这些策略共同保证了研究的信度和效度。

三、案例分析及发现

(一)“去中间化”路径中的流通效率实现：韩都衣舍的案例

1.匹配机制：数字化供应链整合与匹配效率

利用电子商务突破交易的时空边界,是流通主体借助数字技术优化供需匹配活动最直接的体现。韩都衣舍在创立早期就曾借助淘宝小店开展海外代购,但该方式本质上与传统的商品买卖模式区别不大,也难以应对快时尚服装行业中需求的复杂变化。为提升供需匹配效率,企业开始从渠道视角转向供应链视角寻求转型。依托数字技术,企业开展以零售自有品牌为核心的供应链逆向整合,形成新的匹配机制,其内在逻辑如下。

基于品牌开发的纵向约束能力是供应链整合的基础,其核心在于依托大数据实现精准的自有品牌开发。“我们要通过品牌打通产业链、供应链,这只依靠工厂是很难实现的,但我们掌握着最前端的市场,可以去驱动它们”②。品牌开发越要有针对性地瞄准异质性细分市场,面临的需求识别难度越高,市场规模体量也越有限,“品牌要精准对应一类人群,这在互联网上天生就是小而美的”。案例显示,数字技术为此提供了解决方案：其一,互联网情境下消费偏好的日益显性化和消费社群跨越地理空间的虚拟集聚,使得潜在细分市场的规模明显扩大;其二,在入驻电商平台开展线上交易后,通过自身业务沉淀的数据积累以及与平台进行数据合作,企业可不断扩充数据体量与质量。在数据分析技术的加持下,企业可从中提取丰富的商情信息,提升品牌精准设计和适销产品开发的能力。

在此基础上,企业进一步构建供应链虚拟组织以主导上游生产过程。其一,通过互联网连接技术,企业能对分散的生产资源进行虚拟集聚与配置,在更大范围内保证订单与生产资源的有效契合。为此,韩都衣舍依托互联网“在全国范围内定义资源配套的优质地区,并从中挑选部分优质供应商,组织分担年度任务、共享年度需求”,还采取了“类目专供计划”,集中配置生产订单以提高生产的规模经济性。其二,基于IT系统和数据算法,企业可对生产过程进行动态组织与灵活调整。为有效协调供应链虚拟组织,企业充分利用IT系统实现数据可视化和信息即时传递,准确判断不同地区、不同生产商的产能情况,从而能精准确定甚至提前判断最合适的生产订单承接方。并且,企业还通过市场数据的即时反馈和“爆旺平滞”算法,构建起“小单快返”的柔性生产模式,即基于多维度的真实交易数据,“系统可以迅速判断产品的流行程度,然后精准确定生产端的决策：哪些进行返单生产,哪些进行打折清仓”,极大地提升了生产过程的组织效率。

由此,企业利用数字技术进行的自有品牌开发解决了市场需求洞察难题,生产资源的虚拟集聚与配置以及生产能力的动态组织则解决了柔性生产难题,从而形成以供应链逆向整合为特征的匹配机制创新,匹配效率得到显著提高。具体体现如下。其一,匹配精度大幅提升。大数据支持的自有品牌开发过程颠覆了流通活动在供应链中传统的被动角色,通过清晰的品牌定位和高频的新品推出,更好地满足了消费者的个性化需求。其二,匹配时间大幅缩短。韩都衣舍通过主导需求驱动生产的拉动式产销关系,破解了服装行业最“致命”的库存难题,季度售罄率超过95%。

2.扩张机制：数字化消费社群拓展与扩张效率

匹配效率提升为企业进一步探索扩张活动提供了利润基础。在空间扩张活动中,基于互联网的连接和聚合能力,企业依托线上少量店铺便可覆盖在线下依靠大量门店吸纳的客户群体。同时,线上情境不同于线下情境之处还在于,以店铺数量为导向更容易分散流量。因此,企业需采取区别于传统线下店面连锁的做法。案例显示,与供应链整合的匹配机制相适应,依托数字技术拓展不同的数字化消费社群可有效提升扩张效率。

扩张活动创新的直接表现形式为多品牌裂变,其基础在于基于互联网的异质性消费社群分化,企业创始人将其比作互联网中的“酸辣土豆丝”,“酸可以有一百度的酸,辣有一百度的辣,土豆丝‘老’的程度也有一百度。在给用户匹配的时候,当然要选择对用户来讲体验最好的,即所谓的‘一人一面’”。基于大数据的积累,企业持续识别异质性消费社群,并精准孵化一一对应的子品牌,扩张广度得以增大。典型表现为企业通过频繁裂变产品小组追踪需求动态,一旦发现新的有价值的细分市场便可形成新的品牌团队,“每个品牌其实就可以理解为一家店”。其中,品牌间的范围经济有效保证了扩张速度。不仅各子品牌的开发经验和运作规则可以通用,各辅助部门在大量标准化活动中所需的资源也可共享。依托“小前端+大平台”的方式,企业有效建立起低成本规模扩张优势。

然而,子品牌的增多也带来了新的难题,即公司用于生产、营销等的资源如何在各子品牌之间分配和协调。这一问题的解决既需精准区分各子品牌的目标消费社群,也需具有优化资源协调能力的整体性和针对性。案例显示,数字技术在其中发挥了重要作用。第一,大数据分析技术能使子品牌与异质性消费社群精准对接,实现“品牌就是最大的隔离”,使各子品牌在产品提供、目标客户与服务场景上均有所区分。子品牌扩张还会进一步贡献于数据基础,形成正向循环。第二,信息系统和IT能力的全面迭代升级能更好地协调子品牌间的资源配置,例如,韩都衣舍专门设立了企划部门统筹子品牌间资源分配,并借助业务运营与供应链管理信息系统等,在为不同子品牌有针对性地进行生产安排和资源支持的同时,避免了过度竞争等问题。

可见,不同于店面连锁中的相似需求叠加,数字技术提供了扩大市场空间的新方式,即面向不同消费社群进行品牌拓展。多品牌裂变也可以与供应链整合的匹配机制相契合,使企业流通活动的扩张效率得以显著提升。体现如下。其一,市场扩张广度延伸。2012年以来,韩都衣舍通过内部孵化、外部收购等方式进行多品牌开发,已形成面向不同消费社群的子品牌20余个。其二,市场扩张深度提升。各子品牌扎根于目标消费社群,社群内消费者需求得到极大满足,品牌的成长速度和盈利能力表现突出。

3.放大机制：网络效应的发挥

在“去中间化”路径中,基于供应链整合的匹配机制和基于消费社群拓展的扩张机制构成了数字化情境下流通效率实现的基本框架。本文进一步研究发现,数字技术催生的网络效应动态放大了流通效率。

一是交叉网络效应,即需求规模扩大带来的供给方规模经济和供应网络优化。这在韩都衣舍的实践中突出体现为品牌生态的构建,即通过开放内部运营平台和IT系统,以品牌代运营和品牌孵化的方式,将消费社群拓展的思路延伸应用到外部品牌网络中,从而将合作品牌群、孵化品牌群和内部的自有品牌群一并纳入企业的品牌生态集群。需求侧网络规模的扩大,带动生产的规模化能力提升、柔性化程度加深和生产资源网络优化,从而动态放大了匹配效率。典型地,在原材料供应环节,韩都衣舍进一步探索出了小微型柔性化供应链的更多组织形式。

二是数据层面的网络效应,即数据本身的价值会通过共享、连接和聚合实现倍增[24]。韩都衣舍品牌生态集群中的大量品牌同属快时尚行业,在行业与市场数据分析上存在动态转换的可能。通过数据共享并导入统一的数据池,企业数据分析的基础不断强化。韩都衣舍品牌代运营的最终目的是获取数据和开发数据的共享价值,打造企业的大数据中心。数据间的转换有助于企业洞察消费习惯、偏好与轨迹等,进行更精准的需求预测,不断优化产品研发,扩大各品牌目标消费社群的覆盖半径,从而持续放大匹配效率和扩张效率。

综上,区别于以往研究关注的上游制造商“自上而下”压缩中间环节的“去中间化”[28],本文发现,数字化情境中的流通活动主体通过逆向整合生产的“去中间化”形式,可以内化部分供应链活动,开辟新的效率增长空间。“去中间化”路径中的流通效率实现机制如图1所示,相关编码及典型证据见表3。综合前述可得如下命题。

命题1：在“去中间化”路径中,数字技术支撑构建起基于供应链整合的匹配机制和基于消费社群拓展的扩张机制,提升了流通活动过程的匹配效率和扩张效率,网络效应的发挥则进一步实现了流通效率的动态放大。

(二)“再中间化”路径中的流通效率实现：酒仙网的案例

1.匹配机制：数字化渠道纵向协作与匹配效率

在应用数字技术的初期,酒仙网虽然初步看到了交易空间线上化的红利,即“作为电商平台,将产品以更快的速度、更低的成本覆盖更多的消费者”,但也很快发现,“单纯地采用品牌代理模式跟线下时代的结果区别并不大,而且难以与线下代理商竞争”,进而开始探索匹配机制的优化。不同于韩都衣舍,酒仙网始终坚持扮演流通商角色,通过强化专业化优势,纵向引领渠道协作,在“再中间化”中实现匹配效率的突破。

首先,自主的商品经营为纵向的渠道协作构建了基础,数字技术则充分赋能了自营模式。酒仙网通过自主经营商品,专职于中间商角色,积累了供需信息、渠道资源等方面的竞争优势,但买断商品的自营模式不仅难度更大,也会带来更高的经营风险。大数据的积累和数字技术的应用则有助于企业更好地识别需求和做出选品决策,帮助解决了上述难题。由于消费数据、浏览轨迹等信息都会在互联网上留存,酒仙网通过在销售端抓取商品进出数据、订单数据、用户数据等商情信息,从中精准识别消费需求,优化选品决策,并通过售前客服推荐和售后客服对接等方式与消费者持续交互,显著提升了交易转化率。

其次,基于商情信息反馈的渠道关系管理有效推动了渠道成员的纵向协作。在自主经营所积累的大数据基础上,企业可利用分析技术不断提取商情信息,并反馈给其他渠道参与者,极大地提升了渠道关系的协调程度。酒仙网不仅会根据市场信息反馈迅速调整订单,以更精确的商品采购决策间接影响上游渠道成员的生产安排,还通过接入信息系统并及时传递与共享销售数据等,直接影响渠道合作企业的行为。

最后,借助数字技术,企业与生产环节充分联动,深化了渠道纵向协作。不同于韩都衣舍,酒仙网并不负责生产活动的安排与组织,而是始终坚守专职中间商的角色。酒仙网建立了产品研发中心,并基于市场经验积累和消费数据分析,向上游酒企定制或合作开发契合长尾需求的产品,参与产品设计开发、质量控制环节,主要承担了独家销售的职能。尽管在部分市场集中度较低的产品领域,酒仙网会通过收购酒厂和形成自有产品等方式将控制力延伸至生产端,但其出发点在于拓展利润空间,最终贡献于自身中间商角色的强化,打造全球酒业第一零售品牌。

通过深化渠道纵向协作,企业流通活动的匹配效率得到显著提升。第一,匹配精度极大提升。酒仙网不仅积累了高达2 000万名会员的数据,还与全球500多家酒企达成了深度战略合作,除标准品外,还能充分满足长尾需求。第二,匹配时间大幅缩短。通过整合或排除非必要环节,产品从生产端到与消费者见面的时间得到极大缩减。

2.扩张机制：数字化店面连锁与扩张效率

为强化中间商的渠道角色,企业需要通过扩张活动汇集更多的渠道终端资源,因而难以脱离更具体验性和即时交付优势的实体空间。“线上可以满足全国范围的异质性需求,而线下可以更聚焦当地的、集中的、稳定的需求,从而线上可以为线下引流,线下也会反哺线上”。因此,基于传统商圈的店面连锁仍是酒仙网的主要扩张形式,数字技术则全面优化了其扩张过程。

在突破空间约束的店面复制方面,标准化店面连锁等传统分店扩张活动在提升市场占有率、强化企业品牌形象等方面具有优势。酒仙网采用扩张速度快且形式灵活的加盟式连锁,在三、四线城市布局单店规模较大的“国际名酒城”,在一、二线城市布局更具精品店特征的“酒快到”。但这种传统连锁方式往往也会面临高昂的获客成本,数字技术则有助于解决这一难题。一是会员数据的积累和分析可以优化企业的门店选址和选品决策。例如,根据地区销售数据与需求特点,个性化调整门店选品,充分满足当地顾客的个性化需求。二是社交网络的强传播性能为新门店吸引流量。在新店开业前,酒仙网会从线上客户中挑选当地活跃会员,利用会员的社交网络裂变微信群,并通过朋友圈分享免费领酒等活动,实现获客过程的降本增效。

在店面统一管理上,数字技术支持的门店管理更好地保证了连锁分店的协调与稳定。传统连锁模式中,门店间的分散化和无序竞争往往会降低连锁效率,数字技术的应用则通过监督管理与多维赋能,有效解决了这一问题。其中,IT应用与信息系统的针对性“干预”发挥了核心作用。例如,通过使用电子价签、电子监控等方式,以及应用前台营销系统、订单调度系统、仓储配速管理系统等,总部能实现对各门店的可视可控管理和流程统筹,并能为门店经营、商品调度提供实时的优化建议,提升了门店统一管理的能力。

由此,数字技术应用下的店面连锁实现了“再中间化”路径中扩张效率的提升。一是市场扩张广度的增大。“国际名酒城”在2018年一年内就拓展了500多家门店,2019年重启的“酒快到”也迅速在40多个城市布局了200多家门店。二是市场扩张深度的提升。通过在连锁门店管理中进行互联网引流和IT应用,不同于酒类行业通常“一店养三年”的较慢盈利速度,酒仙网80%的门店在一年经营期后便可实现盈利。此外,数据显示,匹配机制与扩张机制间的互动会使企业形成独特的竞争优势,即市场覆盖范围的扩大能扩充企业的终端资源,强化其渠道地位,加大其渠道协作深度;同时,渠道协作形成的优质产品结构又能增强企业匹配供需的能力,其中独具特色的定制产品就被视作“酒仙网独特的护城河”。

3.放大机制：网络效应的发挥

在“再中间化”路径中,基于渠道纵向协作的匹配机制和基于店面连锁的扩张机制构成了数字化情境下流通效率实现的基本框架。类似地,网络效应进一步动态放大了流通效率。

一是用户网络效应。随着企业联结的用户网络规模增大,网络价值呈指数级上升。一方面,企业不仅通过会员制打通线上线下消费者网络,持续吸引新用户,还通过开放平台引入更多SKU,以外部资源满足更多消费需求,形成更大规模的用户网络。这有助于企业不断强化资源整合能力与渠道地位,进而使匹配效率得到动态放大。另一方面,不同地理空间的消费者增加有助于新店引流,为分店扩张打下基础,扩张效率也得到了动态放大。在此过程中,品牌知名度和顾客黏性不断增强,进一步推动效率提升实现良性循环。

二是数据网络效应。一方面,开放销售平台能吸引外部商家入驻,使酒仙网获得更多的消费行为及偏好特征数据,而数据间新的连接、聚合又有助于提炼出更丰富的商情信息。另一方面,在数据的全渠道融合中,不断丰富的线上数据在数据分析技术的作用下可持续提升线下门店的扩张效率,典型体现为依靠线上数据提升门店选址、选品决策的精准程度;线下消费者资源则会反哺线上会员数据,进一步强化数据网络。如此,匹配机制和扩张机制都会持续优化,流通效率得到动态放大。

综上,酒仙网的案例表明,数字化情境中的专职中间商可通过大数据分析等手段,不断提升商品经营和渠道协作能力,破解传统连锁扩张中的协调难题,突破空间约束,基于专业化优势不断强化其渠道角色。流通效率的实现机制如图2所示,相关编码及典型证据见表4。综合前述可得如下命题。

命题2：在“再中间化”路径中,数字技术协助构建起基于渠道纵向协作的匹配机制和基于店面连锁的扩张机制,提升了流通活动过程的匹配效率和扩张效率,网络效应则进一步实现了流通效率的动态放大。

(三)数字化战略：数字化驱动与数字化辅助

1.“去中间化”流通效率实现中的数字化驱动战略

案例显示,对于具有“去中间化”特征的韩都衣舍而言,在数字化情境中实现流通效率,需要创新性地整合生产职能,彻底变革简单的买进卖出活动。因此,仅靠传统经验决策或标准化信息处理方法难以完成流通效率实现机制,必须借助数字技术的“破坏式创新”力量,驱动流通活动内容重构,即采用数字化驱动战略。

首先,数据资源的获取与整合是实施数字化驱动战略的前提。案例企业通过对流通活动涉及的供应链流程全面数据化,能够不断丰富底层数据库,而且不同来源的数据由于其标准化、同质性和可编程性,也能被高效地联结聚合。其次,由“更多的数据”转向“更好的数据”必须依靠数字技术支撑。在多品牌扩张中,流通活动的复杂程度大幅增加,对信息处理能力的要求也急剧提高,企业必须对技术应用进行重构式变革。数据显示,韩都衣舍原有的标准化信息系统难以驾驭多品牌扩张活动,企业不得不投入大量资源全面更新信息系统、开发数据算法,并组建了信息化领导小组,IT部门也成为企业最核心的部门。最后,韩都衣舍形成了以“大数据是燃料,算法是发动机”为特征的数字化逻辑,结合运营状态的高频更新,持续满足终端需求。技术能力支撑着数据驱动型决策逻辑的构建,数据和算法成为企业产品研发、生产安排等决策最重要的依据。这也是数字化驱动战略最明显的特征。典型地,2018年,韩都衣舍的“智子”项目利用机器学习等人工智能算法,快速、精准地预测了销量,高效完成了产品规划决策。

2.“再中间化”流通效率实现中的数字化辅助战略

酒仙网的案例显示,在“再中间化”路径中,流通效率实现机制也需要数字技术支持。其逻辑是利用数字技术优化已有模式。渠道纵向协作和店面连锁在传统工业经济时代便可实现,数字技术通过发挥辅助、支持作用,能突破原有模式的瓶颈与效率边界,相应地体现为“温和”的数字化辅助战略。

首先,实施这一战略的前提也是数据资源的获取与整合。与韩都衣舍类似,酒仙网会持续收集多维度的消费数据与门店数据,接入供应商和物流服务商等多方数据,实现重要流程与业务的数字化。其次,在技术能力支撑方面,酒仙网并未出现明显的重构式技术革新,而是随着匹配和扩张活动的逐步深入,采取了更温和的渐进式技术改进策略,大幅降低了数字化投资和技术开发的门槛与风险。譬如,在店面连锁中,各门店的价格差异会影响门店统一管理,对此,企业应用了电子价签系统,统一调度价格。最后,随着技术能力的增强,基于数据支持的决策逻辑逐步形成,即人的决策依然起决定性作用,IT部门作为支持部门,主要提供数据分析结果,校正决策者的主观偏差。譬如,在“酒快到”的选品中,除了总部根据数据分析结果确定70%的商品款式外,门店负责人仍具有30%的SKU自主采购权,可根据地区异质性需求与市场经验自行决定地产酒采购量。

综上,由于数字化强调技术与商业逻辑的融合和一致性[19],在不同路径中分化出不同的数字化战略是必然的。对大部分流通活动主体而言,数字化转型所需的资源较为有限,要避免陷入“不转等死”和“转型找死”的窘境,就应使数字化战略服务于流通效率的实现。与已有研究认为不同商业逻辑的企业会产生数据完全驱动决策和数据支持优化决策的分化类似[29],本文发现,由于“去中间化”与“再中间化”路径中流通效率实现机制存在差异,企业应用数字技术的程度与节点也会不同,因而需采取不同的数字化战略。其典型证据可见表5。这一发现为企业降低数字化转型风险、高效利用转型资源提供了实践解释。综合前述可得如下命题。

命题3a：在“去中间化”路径中,企业适合采取数字化驱动战略,通过数字技术驱动传统流通活动内容重构,以更好地实现流通效率。

命题3b：在“再中间化”路径中,企业适合采取数字化辅助战略,通过数字技术协助优化传统流通活动,以更好地实现流通效率。

(四)进一步讨论

在“去中间化”和“再中间化”路径中,数字化情境下的流通效率优化均呈现为“匹配—扩张—放大”的总体机制,但在具体要素上有所区别。

首先,在匹配机制上,“去中间化”路径强调从渠道扁平化和产销融合中寻求效益,因此,流通主体以高质量信息流为先导,强调供应链角色的转变,表现为在品牌规则约束下进行生产资源虚拟集聚和生产能力动态组织的自有品牌开发行为,进而实现匹配效率。而“再中间化”路径强调产销分工中中间商优势的发挥,因此流通主体仍需重视专业化商品经营的核心特征,依托数字技术,通过高效捕获商情信息并反馈、联动生产环节,深化渠道纵向协作关系,进而实现匹配效率。

其次,对于流通活动及其效率而言,匹配是扩张的基础,扩张是更大市场范围内的匹配,匹配机制也就决定了与之相适应的扩张机制。在“去中间化”路径中,为适应供应链整合的匹配过程,数字化情境中流通主体的扩张机制表现为通过多品牌裂变和品牌间资源协调进行消费社群拓展。而“再中间化”强调控制渠道终端资源与强化中间商专业化优势,因此地理商圈层面的店面连锁仍是扩张机制的核心,数字技术则重点解决门店获客难题和实现门店统一管理,进而实现扩张效率。

再次,得益于数字化催生的网络效应的发挥,匹配效率和扩张效率实现的基本过程存在循环演进、动态放大的可能。与“去中间化”中对生产端的内化整合相契合,交叉网络效应起到了动态放大流通效率的作用;而与“再中间化”中对流通组织角色的强化相契合,用户网络效应动态放大了流通效率。此外,在两种路径中,数字技术应用本身带来的数据外溢价值,均可使数据网络效应推动流通效率实现循环演进。

最后,不同路径下企业对于数字技术的利用策略也有所区别,在“去中间化”和“再中间化”下分别采用数字化驱动战略和数字化辅助战略,能更有针对性地支持效率实现过程,更好地利用稀缺的数字化转型资源。这种区别的核心逻辑在于,“去中间化”需进行供应链整合和产销重构,扩张过程中业务流程的复杂程度和对市场反应速度的要求大幅提高,使决策内容超越了传统经验或标准化信息处理所能触达的范围,从而需要更彻底的数字化驱动战略;而“再中间化”主要是利用数字技术突破传统流通活动模式的瓶颈,并进行适应性调整,更适合采用温和的数字化辅助战略。

综上,本文得出了企业利用数字技术重构或优化流通活动内容以实现流通效率的微观机制框架,详见图3。

四、结语

(一)研究结论

本文将匹配供需和扩张市场作为流通活动的核心体现,并将二者对应为流通效率微观评价的基本维度,在“去中间化”和“再中间化”的不同路径中探讨了数字化情境下的流通效率实现机制。主要研究结论如下。第一,在“去中间化”路径中,流通主体可以基于数字化的驱动,重构传统流通活动的内容。即基于自有品牌开发逆向整合上游供应链,提升匹配效率;同时,在数字化的驱动下进行多品牌裂变来拓展消费社群,提升扩张效率。在此过程中,数字化催生的交叉网络效应与数据网络效应,通过供需两侧群体之间的正反馈交互和数据价值的倍增,能进一步实现流通效率的动态放大。第二,在“再中间化”路径中,流通主体可以通过数字化的辅助,提升传统流通活动的效率。即基于中间商职能的强化引领渠道纵向协作,提升匹配效率;同时,在数字化的辅助下赋能店面连锁模式,提升扩张效率。在此过程中,数字化所催生的用户网络效应与数据网络效应,通过用户规模经济效应和数据价值的倍增,能进一步实现流通效率的动态放大。

(二)理论贡献

第一,通过应用管理案例研究方法,本文为流通经济运行中的效率评价提供了新思路。不同于以往研究主要从产业层面测度流通效率,本文从匹配和扩张这两个流通活动核心维度出发,基于流通主体微观活动视角,提出了流通效率的界定方式。这既是对流通效率在宏观层面和微观层面进行了统一,也在一定程度上推动了经济学研究和管理学方法的对话。第二,在考察数字技术对流通活动的影响方面,本文具体到企业微观实践层面,刻画了技术优化流通活动及促进效率实现的机制。基于研究范式的丰富,这弥补了定量研究中难以关注内在机制的不足,并将对流通主体媒介供需活动的考察拓展至基于供应链整体的视角。第三,结合对微观层面流通效率实现机制的理论归纳,本文对流通研究中“去中间化”与“再中间化”的权衡问题作出了补充。在互联网时代,中间商存在的必要性及其盈利空间一直是研究的焦点,随着生产企业不断内部化流通职能,“中间商消亡论”就曾备受关注[28]。本文打破了仅讨论路径对比与权衡问题的边界,探讨了数字化情境下不同路径中流通主体应如何寻求发展空间的现实问题。

(三)实践启示

第一,数字化情境下,为更好地实现流通效率,流通主体既需考虑采用何种数字化战略,也需关注“去中间化”与“再中间化”的路径分化问题。第二,企业需认识到数字技术能为持续提升流通效率带来多种可能,并应特别关注对网络效应的利用。传统的店面连锁模式可通过数字技术应用降低获客成本,实现门店统一管理,企业也可依靠数字技术实现品牌扩张等消费社群拓展方式的创新。第三,结合自身商业逻辑,企业可依托大数据收集、IT应用、算法迭代等,实施数字化驱动战略或数字化辅助战略,有效利用数字技术资源,而不是将互联网的作用局限于增加销售渠道。

(四)研究局限

第一,考虑到两家案例企业均为互联网企业,本文的研究结论是否具有普遍意义有待更多案例的检验。第二,对流通主体主导的路径分化产生影响的因素众多,如本文中快时尚服饰产品和酒类产品在需求特征与渠道结构上的差异等,但为使研究问题更聚焦,本文并未着重分析哪些因素如何影响“去中间化”与“再中间化”的形成以及企业数字化战略的选择,这也有待后续研究的丰富。

①《马克思恩格斯全集》第38卷,人民出版社,2019年,第240页。

②类似引用的文本均源于一手访谈数据。

[1]谢莉娟, 王晓东. 数字化零售的政治经济学分析[J]. 马克思主义研究, 2020(2)： 100-110.

[2]谢莉娟,王晓东. 马克思的流通经济理论及其中国化启示[J]. 经济研究,2021(5)： 20-39.

[3]郭守亭, 俞彤晖. 中国流通效率的测度与演进趋势[J]. 北京工商大学学报(社会科学版), 2013(6)： 12-19.

[4]王晓东, 王诗桪. 中国商品流通效率及其影响因素测度——基于非线性流程的DEA模型改进[J]. 财贸经济, 2016(5)： 119-130.

[5]王晓东, 陈梁, 武子歆. 流通业效率对制造业绩效的影响——兼论供给侧结构性改革中的流通先导性[J]. 经济理论与经济管理, 2020(4)： 82-99.

[6]洪涛. 降低流通成本、提高流通效率的路径选择[J]. 中国流通经济, 2012(12)： 30-35.

[7]SPULBER D F. Market microstructure and intermediation[J]. Journal of Economic Perspectives, 1996, 10(3)： 135-152.

[8]WATANABE M. Middle men： the visible market-makers[J]. Japanese Economic Review, 2018, 69(2)： 156-170.

[9]BIGLAISER G, LI F, MURRY C, et al. Intermediaries and product quality in used car markets [J]. RAND Journal of Economics, 2020, 51(3)： 905-933.

[10]KUMAR V, ANAND A, SONG H. Future of retailer profitability： an organizing framework[J]. Journal of Retailing, 2017, 93(1)： 96-119.

[11]PANCRAS J, SRIRAM S, KUMAR V. Empirical investigation of retail expansion and cannibalization in a dynamic environment[J]. Management Science, 2012, 58(11)： 2001-2018.

[12]李陈华. 流通企业规模效率研究[M]. 北京：经济科学出版社, 2010.

[13]ROSENBLOOM B. The wholesaler’s role in the marketing channel： disintermediation vs. reintermediation[J]. International Review of Retail, Distribution and Consumer Research, 2007, 12(4)： 327-339.

[14]GIELENS K, STEENKAMP J B E. Branding in the era of digital (dis) intermediation[J]. International Journal of Research in Marketing, 2019, 36(3)： 367-384.

[15]谢莉娟. 互联网时代的流通组织重构——供应链逆向整合视角[J]. 中国工业经济, 2015(4)： 44-56.

[16]谢莉娟, 庄逸群. 互联网和数字化情境中的零售新机制——马克思流通理论启示与案例分析[J]. 财贸经济, 2019(3)： 84-100.

[17]BELAVINA E, GIROTRA K. The relational advantages of intermediation[J]. Management Science, 2012, 58(9)： 1614-1631.

[18]ARYA A, LÖFFLER C, MITTENDORF B, et al. The middleman as a panacea for supply chain coordination problems[J]. European Journal of Operational Research, 2015, 240(2)： 393-400.

[19]VIAL G. Understanding digital transformation： a review and a research agenda[J].Journal of Strategic Information Systems, 2019, 28(2)： 118-144.

[20]ISHFAQ R, DAVIS-SRAMEK B, GIBSON B. Digital supply chains in omnichannel retail： a conceptual framework[J]. Journal of Business Logistics, 2022, 43(2)： 169-188.

[21]BRADLOW E T, GANGWAR M, KOPALLE P, et al. The role of big data and predictive analytics in retailing[J]. Journal of Retailing, 2017, 93(1)： 79-95.

[22]陈国青, 曾大军, 卫强, 等. 大数据环境下的决策范式转变与使能创新[J]. 管理世界, 2020(2)： 95-105.

[23]陈庭强, 沈嘉贤, 杨青浩,等. 平台经济反垄断的双边市场治理路径——基于阿里垄断事件的案例研究[J]. 管理评论, 2022(3)： 338-352.

[24]裴长洪, 倪江飞, 李越. 数字经济的政治经济学分析[J]. 财贸经济, 2018(9)： 5-22.

[25]BOUDREAU K J, JEPPESEN L B. Unpaid crowd complementors： the platform network effect mirage[J]. Strategic Management Journal, 2015, 36(12)： 1761-1777.

[26]EISENHARDT K M. Building theories from case study research[J]. Academy of Management Review, 1989, 14(4)： 532-550.

[27]YIN R K. Case study research： design and methods[M]. California： SAGE Publications, 2009.

[28]FRIEDMAN T L. The world is flat： a brief history of the twenty-first century[M]. New York： Farrar, Straus, and Giroux, 2006.

[29]肖静华, 吴瑶, 刘意, 等. 消费者数据化参与的研发创新——企业与消费者协同演化视角的双案例研究[J]. 管理世界, 2018(8)： 154-173.

数字化情境中的流通效率实现机制——基于匹配与扩张视角的案例研究