葛禄璐 王赫鑫 王锦浩

摘  要：快递末端物流资源共享给快递网点带来了降本增效的希望，助力快递业朝着高效集约化方向发展。但目前共同配送模式尚未成熟，实施效果也并不清晰。因此文章构建快递网点的评价指标体系，进行问卷调查获取共配网点的实际经营数据，在此基础上，运用熵权法确定各评价指标的权重并进行综合打分。结果表明：网点处理速度和劳动生产率对效率影响较大;共配前网点平均分数为23.9，共配后为29.5，提升了23.4%，实施共同配送模式后网点整体运营效率水平有一定的提升。

关键词：共同配送;效率评价;熵权法

中图分类号：F618    文献标识码：A

Abstract： The sharing of express terminal logistics resources has brought the hope of cost reduction and efficiency increase to express outlets， and helped the express industry to develop in an efficient and intensive direction. However， the joint distribution mode is not mature yet， and the implementation effect is not clear. Therefore， this paper constructs the evaluation index system of express outlets， carry out a questionnaire survey to obtain the actual operation data of joint distribution outlets. On this basis， the entropy weight method is used to determine the weight of each evaluation index and give a comprehensive score. The results show that the processing speed and labor productivity have great influence on efficiency. The average score of the outlets before joint distribution is 23.9， and after joint distribution is 29.5， an increase of 23.4%. The overall operational efficiency of the outlets has been improved to some extent after the implementation of the joint distribution mode.

Key words： joint distribution; efficiency evaluation; ehtropy weight method

電子商务的蓬勃发展推动快递物流行业进入了发展的黄金期，但其也面临着前所未有的挑战。巨大的包裹量和消费者对快递服务质量、时效性与个性化的高需求大大增加了快递行业的作业压力，尤其是对末端配送提出了严峻的考验。此外，快递行业竞争也愈发激烈，末端网点普遍面临生存难题，出现增收不增利甚至利润负增长的现象，同时也影响了末端配送的服务质量。在此背景下，共同配送模式成为解决末端配送问题的重要手段和不可阻挡的趋势。共同配送模式通过对末端人、车、设备、场地、信息等物流资源的整合利用，能够有效地提高网点的效率，降低物流成本。但末端共配模式在实施过程中涉及多个主体，组织协调难度较大，利润分配过程存在冲突，实施效果也不尽相同。因此，构建快递网点的效率评价指标体系，进行打分评价有助于分析验证资源共享对网点效率的影响，为快递企业和末端网点的相关决策提供参考。

1  文献综述

共同配送起源于20世纪60年代中期的日本，随后在发达国家得到较为广泛的推广应用。我国的国家标准《物流术语》（GB/T18354-2006）将共同配送的概念描述为：为实现合理化的配送，由若干企业集合起来进行统一配送的一种组织活动[1]。蔡稳[2]（2015）在对比论证当前各种末端配送模式利弊的基础上，通过对共同配送模式的重要性和可行性分析，指出共同配送模式的实施是解决末端配送问题的有效方案之一。孙虎和闫超[3]（2019）基于AP算法与改进引力模型等方法对城市配送区域进行划分，并在各划分区域内确定快递末端共同配送中心的位置;运用Voronoi图对各末端网点的服务范围进行了划分。也有学者对共同配送模式的竞争与合作博弈和成本分摊进行研究。Hong S等[4]（2018）利用Shapley值法建立了快递企业末端共同配送的成本分担模型。案例分析结果表明，末端网点联合配送可以降低工资成本、交通成本等成本，降低配送车辆成本和配送车辆数量，缩短配送总路程和所需时间。谭怡乔和张杨[5]（2018）建立了快递企业共同配送竞争与合作的演化博弈模型，模型中探讨了需求量、投入成本、机会收益等因素对演进过程的影响。结果表明：中小型企业更易建立稳定的合作关系。

也有不少学者对快递行业的效率评价投入研究。Kozlowska[6]（2014）通过研究波兰快递业的相关情况，运用超效率DEA模型和Malmquist指数评估了波兰快递的效率状况。Chodakowska E和Nazarko J[7]（2016）研究了单个快递公司的效率情况，认为传统DEA模型忽视了服务和内部产品的链接过程，进而介绍了处理多阶段过程中的效率评估的网络DEA方法。徐杨杨等[8]（2014）研究了单个快递企业的效率，通过搜集安徽省部分城市中10家快递企业的投入和产出相关指标数据，使用DEA方法进行投入产出分析，发现大多数快递企业都存在着运营规模小以及投入冗余的现象。吕冬梅[9]（2019）提出以熵权法为基础建设快递企业物流服务质量评价体系，并应用SERVQUAL模型使服务质量研究评价维度更全面、更精确。根据案例分析的结果建议快递企业应调整经营管理模式，提升对分公司网点运行状况的全面管理与控制。

从国内外研究现状来看，在共同配送方面，欧美、日本等发达国家的研究和实践起步较早，建立了成熟的共同配送研究体系。但是国外学者的研究方向主要集中在城市配送方面，对快递末端共同配送的研究还不充分。而我国的研究起步较晚，仍处于探索阶段，当前的研究方向主要集中在模式分析、利润分配等方面，均没有聚焦在快递网点的联盟合作。在对快递业的效率评价方面，主要使用DEA方法且研究对象大多集中在快递行业或单个快递企业的整体效率、网点网络布局等方面的效率。熵权法作为一种赋权方法，基于信息熵所计算得出的权重能够较为精确地反应不同指标间的差别，具有客观性强的优点。因此，本文针对快递末端网点选取效率评价指标，应用熵权法赋权打分，探究快递网点的效率影响因素和共同配送模式的实施效果。

2  评价指标的选择

末端网点是快递配送环节最后一个端口，负责一定区域的收派、分拣、建包、暂存和集中运输等工作，保障快件在末端正常流转。快递行业的蓬勃发展带来的快件量激增对网点的劳动生产率和快件处理速度提出了更高的要求;末端配送作为快递配送中的最后一个环节，直接与消费者相连，消费者日益增长的时效性、个性化需求使网点的服务质量面临着更高的挑战;此外，目前大部分网点快件处理还是需要大量人力，业务员在快递配送环节中更是不可或缺，但是司机、装卸工、业务员等一线工作人员供不应求，所以网点也需要关注员工的工作满意度以避免人员的过度流失。派费下降、成本升高导致网点的利润空间被急剧压缩，同时还要面临来自消费者端和员工端的运营考验，在多重压力下，末端网点迫切需要转型升级以实现降本增效。共同配送通过整合末端网点的物流资源，有效帮助网点提高配送效率、降低配送成本、提高服务质量。但由于共同配送在实施过程中也存在利润分配、不同品牌快遞企业考核标准不同等问题，缺乏经验和相关体系的支撑，所以共同配送的实施效果也不尽相同。可以对网点的效率进行评价以考察应用共同配送的末端网点的经营状况是否得到改善。

考虑到末端网点拥有人员、车辆、设备等物流资源，主要工作就是快件的处理和收派，以及希望能实现成本下降的同时保障服务质量和员工的满意度，所以快递网点效率评价指标如表1所示。

（1）劳动生产率。劳动生产率指单位劳动消耗量完成的工作量，即每日每个员工完成的业务量，这里的业务量包括了派件量和收件量。实施共同配送，可以进行快件的统一处理，统一配送，能够有效地提升劳动生产率。

（2）快件处理速度。快件处理速度是指单位时间内处理的快件业务量。派送件到达末端网点需要进行下车扫描、分拣、业务员二次分拣等一系列操作，揽收件也需要在网点内进行细分扫描、建包等操作。为了保证业务员能够准时出门送件和快件被按时送达转运中心，网点在业务量增加时要及时调整人力和工作时间。进行共同配送时，如果统一场地，不同品牌的快递就可以在一起处理，能够在一定程度上节省人力和时间成本。

（3）服务质量。服务质量指的是末端配送的服务水平是否获得了客户的满意。末端需求激增，考验了网点的处理能力和服务能力。末端服务水平是快递企业的核心竞争力，客户的投诉不仅会影响快递企业总部对网点的绩效考核，也会对快递品牌产生负面影响。

（4）员工满意度。员工满意度是指员工对自己所从事工作的一般态度。员工满意度是员工积极工作状态的晴雨表，也是对网点管理工作、经营状态的一种真实评价。而员工满意是客户满意的基础，只有员工满意了才能为工作投入更大的热情，从而创造出更大顾客满意，最终实现网点效益的增加。末端网点的员工满意度可以从员工的月收入、日均工作时长和员工辞职率三个维度测度。

3  快递网点的效率评价

3.1  熵权法的计算步骤

（1）数据标准化

假设给定k个指标，X，X，…，X，其中X=x，x，…，x。假设对各指标数据标准化的值Y，Y，…，Y，那么：

Y=    i=1，2，…，k; j=1，2，…，n

（2）求各指标信息熵

根据信息论中信息熵的定义，一组数据的信息熵为：

E=-lnnplnp

p=

其中：p为第j个评价因子在第i项评价指标中的比重，如果p=0，则lnp毫无意义，故需要对p加以修正，修正后的公式为：

p=

（3）确定各评价指标的权重

根据信息熵的计算公式，计算出各个指标的信息熵为E，E，…，E。通过信息熵计算各指标的权重为：

w=

3.2  数据来源和说明

本文研究的相关数据来自对各城市实施共同配送模式的快递网点的问卷调查。采用随机抽样的方法发放线上问卷134份，回收问卷70份，有效问卷58份，并针对这58份问卷进行电话回访进一步了解详细信息，最终获得有效问卷37份。

3.3  评价结果与分析

根据收集到的37个共配网点物流资源共享前后的74个经营数据，按照熵权法的计算步骤先计算出员工月平均收入、日均工作时长和辞职率在员工满意度指标中的权重，结果分别为0.237、0.690和0.073，进而通过同向归一化得到各个网点四个指标所对应的分值（百分制），最后再通过熵权法计算出不同指标所占权重，以及网点的综合分数，最终结果如表2所示。

从表2可知：（1）网点效率综合分数均值为26.7，最大值为78.1，最小值为6.2，表明所选样本网点效率存在较大的差异，高效率的网点远超行业平均水平，而低效率的网点与行业平均水平有一定差距。（2）快件处理速度所占权重最高，标准偏差最大，劳动生产率权重值与快件处理速度的权重值仅相差0.006，因此二者均是影响网点效率的主要指标。（3）服务质量所占权重最低，且远小于网点处理速度、劳动生产率、员工幸福度权重值，而且服务质量平均值远大于其余三个一级指标，接近100。说明各网点服务质量离散程度较小，服务质量对于网点效率的影响非常小。对于低效率的网点，在网点处理速度、劳动生产率以及员工幸福度没有得到足够改进的前提下，如果过于追求高服务质量，无法有效提高网点的运营效率，或者说在服务质量方面进行投入引起的效率提升远远低于在其它指标投入带来的效率提升。

此外，将各个网点实施共同配送模式后的效率综合分数从高到低排序并与实施共同配送前的分数进行比较，结果如图1所示。实施共同配送模式后，有29个网点的效率均有提升，其余8个网点的效率有不同程度的下降，说明共同配送模式的应用效果是不尽相同的。共配前平均分数为23.9，共配后为29.5，提升了23.4%;共配前最高分为48.7，共配后最高分为78.1，提升60.4%，表明实施共同配送模式后所选样本的效率水平和所能达到的最高效率均有比较显著的提升。

4  结  论

实施共同配送模式是面临着利润降低和成本升高的双重压力的快递网点突破困境的有效途径之一，但这一模式还处于初期探索阶段，应用较少且未被市场广泛的接受。本文选择快递网点效率评价指标，并对实施共同配送模式前后的效率进行测度，发现不同的网点由于所处城市、经营规模等不同，存在较大的效率差异，且实施共同配送模式的影响也不尽相同。但总体来看，共同配送模式通过整合利用末端物流资源，能够在一定程度上提升网点效率，为网点带来降本增收的希望。网点处理速度和劳动生产率是影响网点效率的主要因素，网点可通过加强员工培训、流程优化、设备改进等方法减少作业时间或者员工数量，从而提高整体效率。后期研究可以对快递网点效率评价指标体系进一步细化，在获得更多数据的基础上测度共同配送模式的影响。

参考文献：

[1] 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会. GB/T18354-2006 中华人民共和国国家标准—物流术语[S]. 北京：中国标准出版社，2006.

[2] 蔡稳. 电子商务物流末端共同配送的利益分配问题研究[D]. 杭州：浙江财经大学（硕士学位论文），2015.

[3] 孙虎，闫超. 共同配送下城市快递末端网点布局研究[J]. 武汉理工大学学报（信息与管理工程版），2019，41（2）：186-190，196.

[4]  Hong S， Lv R， Hong P. Cost Sharing of Terminal Joint Distribution of Express Industry[J]. IET Intelligent Transport Systems， 2018，12（7）：730-734.

[5] 谭怡乔，张杨. 快递企业共同配送收益分配研究[J]. 物流技术，2018，37（4）：16-22.

[6]  Kozlowska J. Technical Efficiency of Polish Companies Operating in the Couriers and Messengers Sector-The Application of Data Envelopment Analysis Method[J]. Quantitative Methods in Economics， 2014（2）：339-348.

[7]  Chodakowka E， Nazarko J. Network DEA Models for Evaluating Couriers and Messengers[J]. Procedia Engineering， 2017（182）：106-111.

[8] 徐杨杨，桂云苗，姜梅，等. 網购快递最后一公里配送绩效评价——以安徽省为例[J]. 物流工程与管理，2014，36（10）：87-89.

[9] 吕冬梅. 基于熵权法的快递企业物流服务质量评价体系优化研究[J]. 中国市场，2019（27）：171-173.