刘向东 何明钦 郭艾

摘要：随着数字技术的普及和推广，全渠道零售正在重塑门店与顾客的空间互动关系。基于零售商圈理论，从零售商、顾客双重视角出发，实证探究全渠道零售对门店吸引力及其空间分布规律的影响。研究发现：零售商开展全渠道零售后，门店吸引力随着空间距离衰减的规律仍然成立，但衰减形态发生了明显改变，不再严格遵循传统引力模型显示的“长尾衰减”，表现为“线性衰减”，且衰减速度明显放缓；全渠道零售显著扩大了门店的核心商圈范围，即全渠道的吸引力相比实体渠道的空间辐射范围更广；随着到店距离的增加，门店的顾客更倾向于成为“全渠道顾客”，且同等条件下全渠道顾客相比实体渠道顾客的光顧行为受空间距离约束效应更弱。

关键词：全渠道；门店吸引力；商圈理论；空间距离；光顾行为

中图分类号：F721；F274文献标识码：A文章编号：1001-148X（2023）03-0001-12

收稿日期：2022-06-30

作者简介：刘向东（1966-），男，江苏南通人，教授，博士，研究方向：流通经济、数字化与零售创新；何明钦（1996-），本文通讯作者，男，陕西安康人，博士研究生，研究方向：全渠道零售与企业数字化转型；郭艾（1994-），男，内蒙古包头人，硕士，研究方向：电子商务与企业商业模式。

基金项目：国家社会科学基金一般项目“中国零售业数字化转型研究”，项目编号：18BJY176。

一、引言

近年来，互联网、数字技术的不断进步推动数字经济蓬勃发展。随着中国经济进入新旧动能转换的发展阶段，数字化驱动下的全渠道转型为整个商业社会的转型升级、效率提升提供了新的路径，特别是在构建双循环新发展格局的时代背景下，现代流通体系建设成为我国经济复苏的重要支撑，流通新技术、新业态、新模式的发展，有望带动新型、多元化消费，为高质量发展增添动能［1］。

在实体零售几十年的演变过程中，零售商圈理论对零售商与顾客之间的空间互动关系始终发挥着重要的诠释意义，并指导着零售商的选址和营销实践。经典的零售商圈理论聚焦门店空间吸引力及顾客的空间分布规律，通常认为门店吸引力或顾客光顾门店的意愿随距离发生衰减［2］。许多学者也都尝试运用各种方法验证实体零售情境下的门店吸引力空间衰减规律［3］。

进入数字经济时代，技术驱动下的零售业态和模式创新层出不穷，其中线上线下融合的全渠道零售模式成为零售业数字化转型的核心方向，这对传统商圈理论以及实体零售商的营销和门店策略提出了挑战。在全渠道零售中，门店既是顾客线下选购的目的地、又是线上选购的履约起点，顾客可以在两者之间“无缝”选择，通过不同渠道完成商品的搜索、订货、支付，并通过到店或到家配送完成交付［4-5］。因此，全渠道零售不仅突破了交易的时空约束，还大大降低购物的时间和交通成本，可能引发门店与顾客空间互动关系的变革，到店距离远的顾客或许比距离近的顾客具有更高的忠诚度，这便暗示了空间距离可能不再是零售商吸引顾客的强约束。在此背景下，自然而然会引发对零售商圈理论和实体零售选址及营销策略的一些重要关切：传统零售商圈理论的选址思路和空间衰减规律在全渠道情境下是否仍有现实生命力？［6］基于数字化的全渠道实践能否改变零售门店吸引力？综合而言，随着到家模式日益兴起，门店所代表的实体渠道其作用是否会被淡化？然而，现有研究囿于数据所限，并未从实证角度论证全渠道零售对门店吸引力及其空间分布规律的影响逻辑，这就无法为全渠道零售的实质效果和战略意义提供经验依据；同时，对上述问题的洞察，也是传统商圈理论在全渠道情境下延伸和发展的必要过程。

基于此，本文构建了一个包含零售商和顾客双重视角的分析框架：通过多种实证策略考察全渠道零售对门店吸引力及其空间分布规律的影响。本文的边际贡献在于：第一，通过实证方式发现了全渠道实践下门店吸引力随空间距离衰减形态的变化，证实了全渠道零售对门店吸引力空间衰减速度、门店核心商圈范围的影响，这是对传统商圈理论核心内容的新发现；第二，结合零售商和消费者两种视角检验了全渠道零售对门店吸引力的影响，填补了关于全渠道零售与顾客互动关系的研究空缺；第三，丰富了全渠道战略的学术讨论，由于微观数据难以获取，且国外全渠道实践相对滞后，现有关于全渠道零售的研究更多属于案例研究或理论建构，缺乏基于微观数据的实证探讨，本文恰从国内领先的全渠道实践中获取消费者数据，以此形成对全渠道战略经济绩效的经验依据。

二、文献综述

（一）实体零售情境下的商圈理论与门店吸引力

商圈理论是商业经济学和商业地理学重要的学科内容，主要关注零售商门店的空间布局和顾客空间分布等问题。中心地理论指出，由于空间距离衰减法则的作用，随着距离增大，中心地周围区域对商品和服务的需求量减小［7］；零售引力模型从宏观层面出发，认为存在两座具备零售中心地机能的城市A和B分别从中间顾客人群C吸引的零售销售额之比与A和B的人口比例成正比，与A和B到位置C的距离的平方成反比［1］；赫夫模型从微观顾客层面对商圈进行考察，认为零售商门店对顾客的吸引力取决于规模和距离两个因素，即顾客到零售商门店购物的概率与门店规模成正比，而与顾客到门店的距离成反比［2］。三大商圈理论揭示了实体零售商门店的顾客空间分布规律及其内在机制。

基于三大理论，国内外商圈理论研究的重点集中在探究门店吸引力的影响因素。Lakshmanan and Hansen（1965）将影响门店吸引力的因素归纳为魅力度（门店规模、员工数等）和阻力度（距离、交通阻碍等）［8］。曾锵（2010）基于杭州顾客调查数据，发现品类、价格、距离和门店环境显著影响门店吸引力，但门店面积并非显著因素［9］。刘建堤（2012）分析发现购物中心对顾客的吸引力受到区位繁华程度、距离和经营面积的显著影响［10］。

（二）全渠道情境下的商圈理论和门店吸引力

实体零售时代，门店不可消失［6］，空间距离是门店吸引力的核心约束。电子商务的涌现及深入，让“多渠道”（Multichannel）零售成为趋势，多渠道策略的焦点，在于新渠道的引入以及跨渠道顾客的管理［11］，通过线上渠道建设，一些品牌商和零售商可以突破空间约束服务更多顾客，所以，反映零售商和顾客空间互动关系、门店吸引力分布规律的商圈理论，也潜在地受到影响。于是，一些学者开始尝试探究线上、线下渠道并存情况下，门店吸引力和顾客行为的潜在变化，以期拓展商圈理论。如Chocarro et al（2013）研究认为到店距离和通勤时间会影响顾客的线上渠道选择［12］。路紫等人（2013）则直接检验了线上渠道对传统实体零售空间结构的影响，发现选址对于商业中心仍然重要［13］。

尽管多渠道零售存在诸多优势，但伴随着顾客需求异质性的增强以及如今品牌商、零售商和制造商更为激烈的跨边界竞争，多渠道策略也产生了诸如渠道冲突、成本上升等一系列弊端［11］，究其原因，是因为技术条件和组织结构都未能充分考虑渠道间“协同”的问题。在数字化时代，技术驱动零售企业发展适应性的能力和策略模式以创新商品组合、服务和触点，通过整合商品、营销和履约环节［14］以推动零售活动从“多渠道”向“全渠道”转型。

“全渠道”的概念描述了一种新型零售模式［4］。在全渠道情境下，采购、营销和履约等系统高度协同，提供给顾客“无缝”渠道体验。已有关于全渠道零售的研究可以归纳为三类：最丰富的一类是关于企业全渠道策略和商业模式的设计，且多为案例研究，主要聚焦于渠道整合视角下的物流策略和营销策略［4，15-16］，以及如何实现渠道协同［14］。另一类研究主要关注顾客跨渠道的购买行为［17］。还有一类研究关注全渠道零售中的博弈过程与系统优化［18-19］。尽管近来有学者探讨了技术驱动的渠道协同对品牌口碑、顾客光顾意愿、企业能力和财务绩效［20-22］的积极效果，但关于全渠道的实证研究受制于数据因素仍然匮乏，尤其是全渠道零售对门店价值与顾客行为的微观影响尚未得到探讨。同时，面对全渠道零售带来的变革，既有关于商圈理论和商业空间的研究在理论和现实意义上可能都会受到挑战，这也是因为这些研究基于实体零售情境或电子商务情境，忽视了“商圈”的概念如今应从“线下”或“线上”意义扩展到“全渠道”意义，全渠道零售预示了更为复杂的零售商与顾客空间互动关系，无论从理论或实践出发，都有必要进一步探究。

三、理论分析与研究假设

（一）零售商视角：全渠道零售与门店吸引力衰减

在实体零售中，“门店就是一切”。随着技术进步以及顾客对“无缝”“多样”的购物体验更加热衷，全渠道正成为零售业转型的主流方向，相应的，传统零售商圈所体现的门店吸引力空间衰减规律，同时受两种效应的影响而潜在地发生着演变。

一方面，由于全渠道零售需要依附于实体门店的存在，因此无论顾客采用哪种购买形式，门店对顾客的吸引力仍然具有较强的距离依赖性，即对顾客的吸引力随距离的增加而衰减。从这个意义上讲，顾客到店购物会受到两种阻力：位置阻力和搜索阻力［23］。位置阻力起主导作用，使顾客在购物时需要付出交通、物流和时间成本等；搜索阻力导致顾客在信息比较时需要克服距离等限制。由于位置阻力和搜索阻力的存在，即使潜在顾客呈现均匀分布，实际到店顾客数量仍随距离快速减少，出现空间长尾现象［6］（图1），这其实也是雷利模型和赫夫模型的形象化表述。因此，传统的实体零售商所能辐射的范围相当有限，当顾客到门店的距离超过一定水平时，其面临的阻力过高，就会放弃到该店购物。已有研究发现，门店2英里（约合32千米）范围外的顾客对零售商门店利润基本没有贡献，这也证实了空间长尾的存在。

另一方面，全渠道实践能够对门店发挥“吸引力赋能”的作用，通过降低顾客光顾门店所受到的阻力，对空间衰减规律和核心商圈范围产生影响。深入到全渠道实践弱化阻力的内在机制来看，其一，门店通过构建线上线下一体化的全渠道，一方面可以为异质性的顾客提供一致的商品类别、价格、品质和服务，近乎将不同顾客面临的搜寻阻力“平等化”［15］，另一方面又借助线上渠道突破坪效约束，实现供给扩张；其二，利用大数据和人工智能，全渠道零售围绕履约、交付环节展开了一系列模式创新，尤其是如今备受欢迎的到家配送服务，显著扩大了单个门店的吸引力辐射半径，并且让不同距离的顾客所受的位置阻力也“平等化”。因此，基于数字化的全渠道实践，已经彻底重塑了门店与顾客的互动方式，从而“摊平”了门店顾客的空间衰减趋势。如图2所示，在全渠道实践两方面的影响下，门店所在商圈内顾客分布线会从OP向上移动至OQ，逐渐接近潜在顾客分布线CD，市场渗透率由 SABPOC大幅提升至 SABQOC。

而既有研究大都通过两种方法捕获门店空间吸引力的强度，一是考察以商圈或门店为中心的顾客的空间密度分布［24］，二是以零售商门店的顾客服务空间大小反映［25］，据此，本文基于两种方法探究门店吸引力并提出假设：

H1：全渠道零售显著提升零售商门店吸引力。

H1a：全渠道零售可改变零售商门店吸引力的空间衰减规律。

H1b：全渠道零售显著扩大零售商门店的核心商圈范围。

（二）顾客视角：全渠道零售与顾客光顾选择

门店吸引力即为零售商门店获取顾客光顾和购买的能力。全渠道零售对门店吸引力的影响，本质上是通过改变顾客光顾所面临的距离约束发挥作用的。因此，全渠道零售对门店吸引力的作用机制可以潜在地从顾客微觀视角得到解释。

一些研究基于微观视角，通过观测顾客的光顾行为来诠释门店的吸引力变化［26］。所以，将不可观测的“吸引力”转化为可以洞察的“顾客选择”，是展开全渠道情境下商圈理论研究的必要之举。在顾客行为理论中，距离被视为顾客空间偏好的一个映照，会对顾客的渠道选择产生影响。在实体零售中，顾客对一家零售商门店的光顾意愿严格依赖于到店距离，而在全渠道情境下，有两种机制可以反映门店吸引力和顾客光顾行为所产生的变化。

空间阻力的弱化是最主要的机制。全渠道使零售商门店整合线下、线上渠道，提供更为灵活和高效的零售服务模式。在数字工具的支持下，位置阻力的减小依靠全渠道无缝的交付模式创新实现；搜索阻力也在全渠道体验下被弱化，全渠道零售商往往建立各种形式的触点以便于顾客快捷地检索商品价格、库存等信息，大幅提高“人-货-场”匹配效率［27］。

另一种机制是全渠道服务体验的改善。数字化技术不仅赋予全渠道的“协同”以可能，还助力了零售服务的升级——这些服务体验恰恰也是零售商门店吸引力的重要来源。全渠道零售通过结合线上渠道与实体门店的各类服务，让顾客可以自由地选择零售服务组合［15］，有效弥补了实体零售和纯电子商务存在的不足，将更优质的、个性化的零售服务传递给顾客。因此，全渠道对于零售服务的升级重构能够使门店拥有更强的体验吸引力。而与此同时，距离门店较近的顾客，由于所受的位置阻力与门店全渠道转型前近乎无差异，位置阻力又起着主导作用，因此决定了远距离顾客从门店全渠道实践中所获取的效用提升更显著。

綜合而言，在全渠道情境下，空间距离可能不再是顾客光顾门店的一项强约束，据此，本文对应于假设H1从顾客视角提出如下假设：

H2：全渠道零售显著促进顾客光顾选择。

H2a：随着顾客到零售商门店的距离增加，顾客选择全渠道的倾向会增强。

H2b：全渠道顾客光顾频次受空间距离的约束变弱，且弱于线下顾客。

四、数据来源、研究方法与变量选择

（一）数据来源

本文的研究对象是开展全渠道转型的实体零售商及其所服务的顾客，具体选择了北京市某区级行政单位（下称F区）内的一家大型连锁零售商（下称H公司）及该区域内的顾客。H公司以超市为主要经营业态，且自2018年起成功转型为全渠道零售商，转型后，其门店整合了实体和线上各种渠道（如门店、App、微信公众号、京东到家、美团、饿了么等）。从企业运营的视角，H公司同时实施“数据中台”战略，依托于数字化手段对供应链、营销、财务等流程进行协同，运用算法和大数据辅助决策；从顾客的视角，顾客可以无缝地在H公司门店的各个渠道、各个购买阶段展开切换，享受全渠道体验，这充分证明H公司全渠道转型的有效性。

H公司在F区的超市市场处于垄断地位，且各个门店的规模、品类及所处商圈客流量均相近，这一特点可以减少来自其他超市竞争效应的干扰，便于通过顾客的分布，探究零售商门店吸引力随空间距离的变化情况。另一方面，连锁零售门店的高度复制性使得不同门店相对于顾客只存在空间距离上的差异，从而最大程度减少门店服务质量、销售品类等维度的差异对研究的影响。

本文所使用的数据来源于H公司超市会员顾客2019年度购物数据、会员顾客问卷调查数据、会员顾客地址数据以及门店地理信息数据，数据内容涵盖会员顾客的地址信息、2019年购物频次与金额信息、家庭经济情况信息、人口统计学特征信息、对H公司的零售服务评价信息以及商圈地理特征等。为保护顾客信息隐私，H公司提供的数据均采取了脱敏手段处理。本文基于会员顾客的购物数据和问卷调查数据，将通过技术手段导出的会员顾客地址数据与会员顾客个体数据匹配，剔除掉地址严重失真、信息缺失严重以及缺乏会员识别标签的数据，最终得到有效的会员顾客样本数量总计为1760个，在H公司旗下的15家超市门店发生了购物行为。

（二）研究方法与变量选择

集合模型的研究对象通常是顾客行为的总量（如商店的顾客），虽然对于解释顾客分布很有用，但本质上没有个人行为决策理论为依据。而个体顾客通常有很高的异质性，所以有必要对更加细分化的顾客行为深入研究［28］。因此，本文试图基于集合模型和个体模型来建立双重视角实证过程，从而形成结论相互验证和机制的相互补充。

1零售商视角：全渠道零售下的门店吸引力衰减

本文首先选取H公司开展全渠道零售的代表性门店为研究对象，对比考察该门店的线下顾客和全渠道顾客的空间分布情况，并通过实证方法，分析两种渠道下门店吸引力的空间分布状况。

首先，本文对实体渠道顾客和全渠道顾客进行界定（下同）：实体渠道顾客，是指2019年度内仅在H公司的实体门店购物的顾客尽管本文是在顾客之前年度线上光顾频次占比未知的情况下做出界定，但从H公司提供的经验上看，从全渠道消费偏好到实体渠道消费偏好的逆向转变几乎不存在。，全渠道顾客，是指2019年度内通过全渠道（包括到店购物和至少通过美团、饿了么、京东到家和H公司自行开发的在线客户端其中之一）在H公司购物的顾客。从H公司会员顾客样本统计结果（表1）来看，2019年度内，全渠道顾客的比例略高于实体渠道顾客。

其次，本文结合H公司的门店布局，选取了一家标准超市C作为代表性门店，该门店所处商圈特征、人口密度和门店面积等与其他门店最为相近，因而以该门店得出的结论具有较强的代表性；并且在已有样本的基础上，H公司又从超市会员数据库中，随机抽取了门店C的顾客样本，扩充了基于超市门店C视角研究的样本容量至393个，其中实体渠道顾客172个，全渠道顾客221个本文使用的样本中，全渠道顾客和实体渠道顾客在整体年龄、性别结构、年收入方面均相近。。值得一提的是，如果样本中一部分全渠道顾客是由原来的实体渠道顾客转化而来，而不是“增量顾客”，那么就可能会过度估计全渠道实践对门店吸引力的影响，为了避免这种样本选择偏误，被纳入研究的全渠道顾客样本必须是“增量顾客”：根据经验，一个顾客若平均每月光顾一家零售商门店低于1次，就可以被视为“非忠实顾客”，因此，本文所保留的全渠道顾客样本都符合“在2018年光顾H公司门店的总次数小于12次，即低于月均1次对于2018年新增会员的情况，例如12月新客单月光顾门店12次，在样本选取解决就进行了排除。，且在2019年，各渠道的光顾频次高于2018年”——如此就能相对准确地反映全渠道实践对于门店吸引力的净影响。需要指出的是，针对该问题的实证研究中，由于只涉及在门店C购物的每个顾客的类型（1：全渠道顾客，0：实体渠道顾客）及其地址信息（以计算其到门店C的空间距离）而不涉及消费频次、金额及人口统计学特征等信息，因此从H公司超市会员数据库中，随机抽取了门店C的顾客样本以扩充门店C样本容量的处理方式是合理的。

针对上述研究问题，考虑到吸引力的不可观测性，本文以零售商所服务的顾客的空间分布状况来替代零售商吸引力的空间分布状况，并设计了如下实证方法：

第一步，以门店C为代表性门店，将其服务的顾客样本分为实体渠道顾客和全渠道顾客。借鉴城市规划学科的数据处理方法，根据H公司提供的顾客地址信息，利用Python将顾客地址批量导入百度地图开放平台API，获取门店C和顾客地址的经纬度，从而计算顾客到门店C的直线距离、基于百度地图的导航距离。

第二步，分别对全渠道、实体渠道两类顾客数量与顾客到门店空间距离之间的关系进行拟合，进而比较分析顾客相对于门店的空间分布状况，揭示门店吸引力随空间距离衰减趋势以及在数字化零售中的变化。拟合模型如下：

numi=γ0+γ1zonei+γ2zone2i+γ3busi+γ4squai+γ5marketi+γ6incomei+ei（1）

其中，Num是區段顾客数量，zone和 zone2分别是区段距离及其平方项，bus是区域公交车站数量，squa是区域小区数量，market是区域超市数量，income是区域人均收入。

第三步，本文进一步关注门店的核心商圈范围，即以门店为中心、零售商吸引力所能辐射到的核心顾客的直线范围。在对核心商圈范围的计算上，已有文献普遍认为，以门店为中心，离门店越近的顾客到店购买越积极，这些高频顾客大约占据门店总顾客的50%-70%，因此，他们所在的区域就属于核心商圈［25，29］，这种界定是一种经验界定，因此，本文一方面借鉴这种依据进行计算之外，还运用最小二乘思想对核心商圈范围进行了数理上的界定。本文通过计算零售商全渠道的核心商圈范围，并与实体渠道进行比较，从而说明全渠道对零售商门店核心商圈范围的影响，进一步反映全渠道对门店吸引力的正向影响是否存在，采用这种比较方式的科学前提是：（1）基于同一门店的全渠道和实体渠道；（2）抽样是随机的，本文的研究设计均符合。

2 顾客视角：全渠道零售与顾客光顾选择

按照顾客的决策逻辑，全渠道零售对顾客光顾选择的影响包含两个层面：第一步是顾客的光顾意愿（Attending Willingness），第二步是顾客的光顾频次（Attending Frequency）。若随着顾客到零售商门店的空间距离增加，顾客更倾向于选择全渠道购物，并且通过全渠道的光顾频次受空间距离的约束明显弱于实体渠道的情形，或完全不受空间距离的影响，就能在很大程度上证明全渠道零售可以通过促进顾客光顾选择，也能说明其强化了门店吸引力。

对应于顾客光顾选择的两个层面，本文采用两步回归法进行实证检验。

在第一个模型设定中，本文采用二值选择模型logit回归，i和c分别表示顾客i和渠道选择类型c（即前文界定的顾客类型），其中，c=0表示实体渠道顾客，c=1表示全渠道顾客。根据经济学意义，本文在研究中所能观察到的被解释变量是虚拟变量——实体渠道顾客（=0）或全渠道顾客（=1），而真正用来表示顾客全渠道光顾意愿的变量是不可观测的，在此用潜变量 Y*i表示， Y*i也可以表示顾客选择全渠道消费所带来的效用，则有：

Yi=1，如果 Y*i>0

或 Yi=0，如果 Y*i≤0

本文将空间距离纳入回归模型，设定如下：

Y*i=α0+α1distancei+α2malei+α3enviri+α4linei+α5seari+α6persi+α7onlii+α8hnum2i+α9hnum3i+α10hinc2i+α11hinc3i+εi（2）

该模型中的变量主要分为三部分：第一部分是核心解释变量空间距离（distance），它指的是样本中会员顾客地址与其最常光顾的H公司超市门店之间的距离，其中，最常光顾门店信息由H公司根据顾客购买记录提供。同时为了避免由于交通便利性和环境因素（单行道路、河流、铁轨、封闭小区等）等影响造成实际购物出行距离、时间成本、交通成本偏高，从而导致模型估计系数偏低，本文利用百度地图路线规划功能计算顾客到门店的导航路程距离以供稳健性检验。

模型变量的第二部分与第三部分是本文需要控制的变量。第二部分与几类零售服务相关，反映了顾客对H公司所提供的零售服务的感知，包括环境服务（envir）、收银服务（line）、搜寻辅助服务（sear）、人工服务（pers）、在线数字化服务（onli），数据来自于会员顾客调查问卷。在商品流通过程中，批发商或零售商所提供的各类服务，一方面能提升顾客价值，例如品类服务、包装服务，另一方面能降低顾客购物成本，如搜寻服务等。所以任何一个顾客在选择购买渠道或零售商时，不仅关注商品本身，往往还会关注零售服务，一般而言，某个渠道提供的零售服务越丰富，商品价值越高，降低的顾客成本越多，顾客就越倾向于选择该渠道［30］。模型第三部分引入了家庭人口特征变量，具体有性别变量（male）以及与消费相关的家庭收入、家庭人口数量变量进行控制。由于问卷中对家庭收入、人口的问题调查是类别变量，分成了三个等级，其中，家庭收入等级（hinc）有“12万元以下”“12-30万元”“30万元以上”，家庭人口数量（hnum）分为“1人”“2人”“3人及以上”，因此本文通过设定哑变量的方式，将这两个类别变量纳入到模型。

第二步采用半对数形式的多元回归模型考察全渠道顾客的光顾频次随空间距离的衰减情况，并以实体渠道顾客作为对照，模型设定如下：

lnfreqi=β0+β1distancei+β2malei+β3enviri+β4linei+β5seari+β6persi+β7onlii+β8hnum2i+β9hnum3i+β10hinc2i+β11hinc3i+β12prefi+ε′i（3）

该模型的被解释变量是顾客的光顾频次，包括实体渠道和线上各种渠道的总光顾频次，核心解释变量依然是空间距离，其他变量部分与第一步模型中的设计相同。此外，考虑到顾客是否喜欢购物可能影响其居住地选择（到店距离），进而可能产生变量遗漏带来的内生性问题，因此本文在控制变量部分增加了购物习惯（pref），用顾客全年购买总金额是否大于均值进行判别，若大于均值，则说明其喜欢购物（=1），反之则不喜欢购物（=0）。

模型中所涉及变量的描述性统计结果如表2所示。从表可知，样本内顾客以女性为主，平均分布在到店直线距离为0859千米的区域，年均光顾频次约58次；从门店服务评价来看，顾客总体上对环境服务、收银服务、搜寻辅助服务是满意的，但对人工服务、在线数字化服务不太满意；此外，大部分家庭年均收入为12-18万元，样本内3人以上家庭大约占据678%，相对而言是零售超市的高频顾客，反映了样本选择的合理性。

五、实证结果分析

（一）零售商视角：全渠道零售下的门店吸引力空间分布

1描述性统计：全渠道顾客与实体渠道顾客的空间分布

根据样本中门店C所服务顾客的空间距离数据，无论是实体渠道顾客还是全渠道顾客，超过99%的顾客分布在以门店C为圆心半径5千米空间范围内，只有不到1%的顾客距离门店C超过5千米，并且这部分顾客均属于全渠道顾客。因此，本文以5千米为门店C的最大辐射范围极限，将这个距离等距划分为10个区段，每一个区段为05千米，进而分别统计每个区段内实体渠道顾客和全渠道顾客的数量，为了清晰直观地反映出顾客空间分布状况，并将实体渠道顾客和全渠道顾客的空间分布进行比较，本文根据统计结果绘制出了顾客空间分布图，如图4所示受篇幅所限，各区段统计顾客数量未在正文表格中列示，留存备索。 。

结合表3和图4可初步发现，门店C实体渠道和全渠道顾客群体均大致集中在门店3千米范围内，这与以往的研究结论一致；并且顾客空间分布遵循空间距离衰减法则，即随着顾客到门店空间距离的增加，门店所能吸引到的顾客数量在减少。进一步地，通过比较全渠道顾客与实体渠道顾客的空间分布，可以发现两个显著的变化：（1）与实体渠道顾客的空间分布状况不同，全渠道顾客的空间分布不再典型表现为“长尾衰减”（非线性）特征，表现出“线性衰减”的趋势，这说明了零售商进行全渠道转型后，其门店吸引力随空间距离的衰减特征发生了改变。（2）全渠道顾客的数量随空间距离的衰减变慢，门店核心辐射范围明显扩大，这暗示了零售商展开全渠道实践可能会增强门店吸引力。

2 全渠道零售商门店吸引力空间变化趋势

为了验证全渠道零售商门店吸引力的空间衰减是否具有“线性衰减”的变化趋势，本文接下来分别对门店C 的全渠道顾客数量、实体渠道顾客数量随空间距离的衰减特征进行拟合，拟合的关键是建立合适的顾客空间距离衰减模型。因此，本文设计了如下建模思路：以每一空间距离区段的顾客数量的对数为被解释变量本文以5千米以内区段的数据进行线性回归，主要由于样本中实体渠道顾客均分布在距离门店5千米范围内，且5千米以外的区段的全渠道顾客数量占比不到1%，纳入后对回归结果影响微弱。，以空间距离区段的边界为解释变量建立顾客空间距离衰减模型，除了距离之外，每一空间区段内的商业地理特征和人口特征也会影响门店C对顾客的吸引力，比如某一范围内更多的超市，就会对门店C产生更强的竞争效应，表现为门店C吸引的顾客数量更少，因此本文运用百度地图搜集了每个空间区段内的公交站数量、小区数量、超市数量，并通过样本内会员特征数据计算各空间距离区段人均月收入的对数值，以此纳入空间距离衰减模型作为控制变量。

为了使模型形式更加稳健，本文一方面对两种渠道下的顾客空间距离衰减模型都开展分步回归与模型误设检验（Ramsey Reset Test），另一方面还对包含实体渠道顾客与全渠道顾客的全样本采取同样处理，从而形成比较完整的对照。进一步地，通过计算、比较门店C的全渠道、实体渠道吸引力的衰减系数，更深入分析零售商吸引力的空间衰减效应。回归结果见表3，其中（1）、（3）、（5）列表示一次线性模型拟合的结果，（2）、（4）、（6）是引入二次项拟合的结果。

由表3可知，在控制了各空間距离区段公交站数量、小区数量、超市数量、人均月收入的异质性之后，结合回归系数显著性、拟合优度和模型误设检验三项依据，实体渠道顾客数量的空间衰减模型应当采用二次项形式，且根据二次曲线对称轴的计算结果可知，实体渠道顾客数量的空间衰减曲线反映的是二次曲线单调递减的一部分，因而符合长尾特征；而全渠道顾客数量的空间衰减模型遵循一次项形式，由此发现，门店C的全渠道顾客数量的空间距离衰减趋势与实体渠道顾客呈现不同的形态：实体渠道顾客数量的空间衰减特征印证了传统门店吸引力法则，符合长尾分布的特点，并且随着距离的增加，衰减速度呈现先快后慢的趋势，这说明传统零售商门店的吸引力随着空间距离扩大，一开始会急剧衰减，而后衰减的速度持续放缓，直至吸引力十分微弱的商圈边界，即“长尾衰减”；而全渠道顾客数量的空间衰减，呈现出“恒定衰减速度”的特征、即“线性衰减”，这说明随着空间距离的增加，全渠道零售商的门店吸引力会以相对恒定的幅度产生衰减，当考虑包含全渠道顾客和实体渠道顾客的全样本的衰减趋势后可以发现，这一结果依然成立。

为了避免偏误或偶然性因素对结论的影响，本文还针对样本中另外三家代表性门店的全渠道、实体渠道顾客，采取上述同样步骤拟合出空间衰减模型，并用导航距离替代直线距离纳入模型，形成第二重稳健性检验，结果证明，门店顾客空间分布从“长尾衰减”向“线性衰减”变化的发现确实成立。

进一步地，从定量的角度比较全渠道、实体渠道顾客数量的空间衰减效应可以发现，实体渠道顾客数量的空间衰减系数会随着空间距离的增加而减小，在门店C覆盖到的商圈范围内，空间衰减系数会经历从08399到06328的变化；而全渠道顾客数量的空间衰减系数始终保持在05790，即以零售商门店为中心，空间距离每增加1千米，零售商所能吸引到的全渠道顾客数量会减少约5790%，相对而言，同样增加1千米，零售商吸引到的实体渠道顾客数量会减少约6328%到8399%，都比全渠道的衰减更强，这说明全渠道的引入不仅使零售商门店吸引力的空间衰减趋势发生了变化，还明显弱化了空间衰减效应，这一结论对于包含全渠道顾客、实体渠道顾客的全样本而言仍然是稳健的，从而验证了假设H1a。

3 全渠道零售商门店的核心商圈范围

本文根据经验界定和数理界定两种标准，计算门店C全渠道、实体渠道的核心商圈范围，如表4所示。

由表4可以看出，无论以哪种经验标准界定，全渠道的核心商圈范围都比实体渠道的核心商圈范围更大。需要注意的是，经验界定计算方法难以规避由于样本分布非随机而产生的转移效应——即全渠道的核心商圈范围扩大可能是因为大量顾客从近店区域“转移”到了更远的一个区域，而此时近店区域的目标顾客密度反而下降。因此，为了排除这一因素的干扰，本文提出了核心商圈范围的“数理界定”：即所有顾客到零售商门店的直线距离的平均值所代表的边界，是该零售商门店的核心商圈范围。此定义反映了在考虑门店整个商圈范围的基础上再求出核心范围的思路，因而可以很好地规避经验界定的问题。由计算结果可知，门店C全渠道的核心商圈范围约为112919米，实体渠道核心商圈范围约88195米，并且二者的差异性通过了t检验。综合两种界定方式下的结果可以判断：全渠道零售使门店的核心商圈范围更广，验证了假设H1b。

（二）顾客视角：全渠道零售与顾客光顾选择

1 第一步模型估计结果：顾客光顾意愿

第一步模型探究顾客的光顾意愿受空间距离的影响，模型估计结果如表5所示。为了使结果更加稳健，本文同时应用导航距离代替直线距离进行稳健性检验，表中（1）列代表使用直线距离的回归结果，（2）列代表以导航距离进行稳健性检验的结果。

表5的回归结果显示，在控制了性别、零售服务对顾客全渠道光顾意愿的影响后，顾客到零售商门店的空间距离对其全渠道光顾意愿存在显著的正向影响：随着顾客到零售商门店的空间距离增加，顾客更倾向于同时在线上、實体渠道两种渠道光顾，成为全渠道顾客；具体来说，顾客与零售商门店的直线距离每增加1千米，顾客选择全渠道的几率大约增加36%；在将解释变量——空间距离由直线距离替换为导航距离后，上述结论没有发生变化，且拟合优度有了轻微的提升，说明该模型估计结果是稳健的，验证了假设H2a。结合全渠道顾客的核心商圈范围比实体渠道顾客更广这一结果不难推知，零售商进行全渠道转型后，能够为地理位置更远的顾客提供商品与服务，这一改变使得顾客的通勤成本、搜寻成本等交易成本得到节约，因而零售商能够吸引到的潜在顾客会更多，所以，全渠道是对传统零售模式的一种替代和突破，也能反映出零售商的门店吸引力在全渠道零售影响下得到强化。

除此之外，以上回归结果还表明，零售商所提供的各种零售服务，也对顾客的全渠道光顾意愿具有显著影响，这说明在全渠道零售中，基于门店的实体渠道服务仍然对顾客的选择发挥着重要的作用：一方面，全渠道的引入明显缓解了顾客光顾门店所受到的空间约束、增强了门店吸引力，另一方面，全渠道实践所产生的渠道融合趋势使得线上、实体渠道分销服务都会成为影响门店吸引力的因素，实体渠道服务、线上服务的改善可能都有助于促进顾客进行全渠道购物，从这一侧面也证明了门店在全渠道零售情境下依然不可缺失。

2 第二步模型估计结果：顾客光顾频次

第二步模型估计结果如表6所示，其中（4）、（6）列均为用导航距离替换直线距离作为解释变量后，进行稳健性检验的结果。由表可知，随着顾客到门店空间距离的增加，顾客的光顾频次会下降，这也为零售商吸引力的空间距离衰减趋势提供了顾客视角的微观印证。但通过对比实体渠道和全渠道顾客光顾频次随空间距离的变化差异，可以发现，全渠道顾客的光顾频次对空间距离的敏感度更小：到店直线距离每增加1千米，全渠道顾客的年均光顾频次约减少7%，而实体渠道顾客的年均光顾频次约减少47%，且这种差异十分显著，由此说明，全渠道顾客光顾门店所面临的空间距离约束小于实体渠道顾客，验证了假设H2b。这一发现从顾客视角证明了全渠道零售对门店吸引力的影响，即如果零售商同时提供多种渠道，引导顾客进行全渠道消费，就有望提升零售商门店的吸引力，表现出更强的获客能力。

至此，本文从零售商和顾客两个视角均验证了全渠道零售对门店吸引力的显著促进作用，既从门店整体角度实证发现，全渠道零售情境下，门店吸引力衰减形态和衰减速度放缓、核心商圈范围扩大的特征事实，也从顾客光顾选择随空间距离的变化规律这一微观过程进行深入检验，从而对假设H1和假设H2进行了验证。

六、结论与启示

基于典型全渠道零售商和顾客，本文对全渠道零售和门店吸引力的关系进行了实证探讨，从零售商视角考察了全渠道零售对门店吸引力空间衰减规律和吸引力强度的影响。从顾客视角，对全渠道零售下顾客光顾选择的空间特征进行深入检验，综合双重视角的研究，得到如下结论：（1）在全渠道零售实践中，门店吸引力随空间距离衰减的规律仍然成立，然而衰减形态发生了明显改变，不再严格遵循经典商圈理论所揭示的“长尾衰减”，表现为“线性衰减”，且衰减速度明显减弱，这是针对传统商圈理论在全渠道零售时代的动态捕获。（2）全渠道零售显著扩大了零售商门店的核心商圈范围，这进一步说明全渠道实践能够有效增强门店吸引力。（3）地理距离所代表的空间约束是影响顾客选择全渠道购物的关键因素，同时，全渠道零售凭借着多元选择和配送职能，能够缓解顾客光顾门店面临的空间约束，反过来印证了全渠道零售对门店吸引力的积极意义。

基于以上发现，本文对数字化时代的零售商圈理论的新发展具有重要启示意义：传统零售商圈引力模型是建立在实体渠道门店的实践情境之上的，进入全渠道零售时代，传统零售商圈理论所关注的地理空间中的位置阻力、搜索阻力及其相对应的交通成本、搜寻成本在全渠道模式下发生了深刻的变化；随着这些深刻的变化，需要重新探索和研究数字化时代门店与顾客之间的空间互动关系的新趋势，以及基于这种新趋势、零售商对门店选址、规模、密度、投入等的战略决策的新选择；这些都是商业经济学和商业地理学可预期的研究内容。本文一方面是实证发现了“新趋势” ——全渠道引入不仅明显改变了门店吸引力随空间距离的衰减形态——从传统情境的“长尾衰减”变为全渠道情境的“线性衰减”，有效缓解了衰减速度，还明显改变了核心商圈范围，这是对传统商圈理论核心内容的新发现；另一方面是建立了门店吸引力从门店视角向顾客视角的微观转换，最终是顾客选择本身体现了门店吸引力的大小，将不可测量的“吸引力”转化为可测量的顾客空间“选择”，从而使实证研究建立在比较坚实的微观基础之上，为后续研究提供了一个融合双重视角的思路与方法。

根据本文的研究结论得到如下启示：首先，在数字化转型浪潮下，技术驱动的全渠道模式通过赋能零售商，可以改变门店与顾客的互动方式，从而强化门店吸引力和核心商圈范围，结合本文实证结果不难发现，全渠道的引入使得传统门店“三公里”商业半径扩张至“五公里外”，而核心商圈范围相对扩大了28%-45%（结合表3和表4）。这说明即便是在绩效优化尚未可知的情况下，全渠道创新也能切实地帮助门店增加获客能力，因此，广大实体零售商要加快拥抱数字化转型和全渠道升级的步伐，协调各个渠道之间的采购、库存、营销和交付策略，实现全流程整合和全渠道最优。其次，尽管门店吸引力在全渠道零售的影响下发生改变，但需要清晰地认识到，门店的吸引力仍然受距离所约束，由此证明了门店在很大程度上都无法被电商所替代，这就给当下被电商挤压的实体零售行业注入了信心，启发实体零售商要夯实门店优势，与电商形成区隔，打造“近场零售”模式，为顾客提供商品和体验的更多元化组合供给，不可只追求品类扩张与价格优势而放弃实体渠道建设，也不能固步自封而忽视了O2O等新购物需求的涌现。随着全渠道零售逐渐成为城市群体主流的购物模式，零售服务变得更为重要，并且也能影响门店吸引力，这要求广大零售商以及营销管理者转变思维和实践方法，摒弃电商时代“价格为王”的引流导向和竞争策略，在提升“商品力”的同时，着力做好服务营销，针对日益复杂的顾客需求进行快速响应，不断丰富优化顾客触点、履约方案以及延伸价值链服务，为顾客提供“全渠道”服务。

由于实体零售商、零售服务商和顾客数据的获取难度较大，本文只针对一家区域性零售商进行了实证研究，这是本文的局限性。虽然本文采用了混合方法对研究主题进行交叉验证，但仍然需要在样本和数据规模扩大的基础上做更严谨的研究。

参考文献：

［1］赵宇新，孙先民.中国现代流通体系构建研究的方法论选择——马克思流通经济方法论在当代中国的应用与发展［J］．商业研究，2021（3）：47-56.

［2］Huff D L. Defining and Estimating a Trading Area［J］． Journal of Marketing，1964，28（3）： 34-38.

［3］Singleton A D，Dolega L D， Longley P A. Measuring the Spatial Vulnerability of Retail Centers to Online Consumption Through a Framework of E-resilience［J］．Geoforum， 2016，69： 5-18.

［4］李飛. 全渠道零售的含义、成因及对策——再论迎接中国多渠道零售革命风暴［J］．北京工商大学学报（社会科学版），2013，28（2）：1-11.

［5］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.

［6］Bell D R.  Location Is （Still） Everything： The Surprising Influence of the Real World on How We Search， Shop， and Sell in the Virtual One［M］．Cambridge， MA： New Harvest，2014.

［7］Christaller W. Central Places in Southern German［M］．B. C. W， Englewood Cliffs N J， Translate. London： Prentice Hall， 1966.

［8］Lakshmanan J R， Hansen W G. A retail Market Potential Model［J］． Journal of the American Institute of Planners，1965，31（2）： 134-143.

［9］曾锵. 零售商圈吸引力：基于雷利法则和赫夫模型的实证研究［J］．财贸经济，2010（4）：107-113.

［10］刘建堤. 大型购物中心区位选择的量化分析——基于武汉主城区代表性购物中心的实证研究［J］．学习与实践，2012（12）：133-140.

［11］Neslin S A， Shankar V. Key Issues in Multichannel Customer Management： Current Knowledge and Future Directions［J］． Journal of Interactive Marketing，2009，23（1）： 70-81.

［12］Chocarro R， Cortinas M，Villanueva M R. Situational Variables in Online Versus Offline Channel Choice［J］． Electronic Commerce Research and Applications，2013，12（5）： 347-361.

［13］路紫，王文婷，张秋娈，等. 体验性网络团购对城市商业空间组织的影响［J］．人文地理，2013，28（5）：101-104，138.

［14］刘向东，何明钦，米壮. 全渠道零售系统：基于中国的实践［J］．北京工商大学学报（社会科学版），2021，36（3）：1-13.

［15］Saghiri S， Wilding R， Mena C， Bourlakis M. Toward a Three-dimensional Framework for Omni-channel［J］． Journal of Business Research，2017，77（8）： 53-67.

［16］Hübner， A.， Kuhn， H.， & Wollenburg， J.Last Mile Fulfilment and Distribution in Omni-channel Grocery Retailing： A Strategic Planning Framework［J］．International Journal of Retail & Distribution Management， 2016，44（3）：228-247.

［17］Rigby， D. The Future of Shopping［J］．Harvard Business Review，2011，89（12）：65-76.

［18］Gao， F.and Su，X. Omnichannel Retail Operations with Buy-Online-and-Pick-up-in-Store［J］．Management Science，2016，63：2478-2492.

［19］孔瑞曉，官振中，罗利.基于BOPS的全渠道供应链结构研究［J］．管理学报，2019，16（7）：1072-1080.

［20］Zhang M， Ren C， Wang G A， He Z. The Impact of Channel Integration on Consumer Responses in Omni-channel Retailing： the Mediating Effect of Consumer Empowerment［J］． Electronic Commerce Research and Applications，2018，28（3-4）： 181-193.

［21］刘向东，米壮，何明钦，等.零售数字化创新与企业竞争力——基于利益相关者视角的实证研究［J］．商业经济与管理，2022（5）：5-17.

［22］丁宁，丁华.实体零售全渠道商业模式创新对经营绩效的影响——基于双重差分法的研究［J］．商业经济与管理，2020（7）：17-26.

［23］刘向东，刘雨诗，陈成漳. 数字经济时代连锁零售商的空间扩张与竞争机制创新［J］．中国工业经济，2019（5）：80-98.

［24］Dolega L， Pavlis M， Singleton A.Estimating Attractiveness， Hierarchy and Catchment Area Extents for a National Set of Retail Centre Agglomerations［J］． Journal of Retailing and Consumer Services， 2016，28（1）： 78-90.

［25］吴小丁. 哈夫模型与城市商圈结构分析方法［J］．财贸经济，2010（3）： 71-73.

［26］Christoph T， Jonathan E.  Managing the Attractiveness of Evolved and Created Retail Agglomerations Formats［J］． Marketing Intelligence & Planning， 2010，28（1）： 25-45.

［27］刘向东，何明钦，刘雨诗.数字化零售能否提升匹配效率？——基于交易需求异质性的实证研究［J/OL］．南开管理评论：1-29［2023-02-13］.http：//kns.cnki.net/kcms/detail/12.1288.F.20220228.1314.002.html.

［28］朱瑋，王德. 商业空间顾客行为模型研究综述［J］．地理科学进展，2010，29（12）：1470-1478.

［29］侯丽敏，郭毅. 商圈理论与零售经营管理［J］．中国流通经济，2000（3）：25-28.

［30］李子文，刘向东. 分销服务在零售活动中的作用机制——顾客满意度视角［J］．中国流通经济，2017，31（4）：56-68.

Omni-channel Retailing and Store Attractiveness：A Study Based on

Trade Area Theory

LIU Xiang-dong1， HE Ming-qin1， GUO Ai2

（1. School of Business，Renmin University of China，Beijing 100872，China;

2.CRHC Fund Management Corporation，Beijing 100038，China）

Abstract：  With the development of digital technologies， omni-channel retailing reshapes the spatial interaction between stores and consumers. Based on retail trade area theories， this study empirically explores the impact of omni-channel retailing on the store attractiveness and its spatial distribution from both perspectives of a retailer and consumers. The results show that， firstly， the distance decay effect on the store attractiveness is still tenable in the omni-channel retailing， but the decay pattern has changed significantly from long-tail decay indicated by gravity model to linear decay， with a much lower decay effect. Secondly， Omni-channel retailing significantly expands the extent of primary trading area of retail store， indicating stronger store attractiveness of omni-channel retailing compared with brick-and-mortar retailing. Finally， consumers live farther away the store tend to patronize store via omnichannel， whose patronage are less restricted by spatial distance. The findings not only provide leading empirical evidence for the enrichment and development of traditional trade area theories in the era of omni-channel retailing， capturing the new characteristics of omni-channel consumers behavior， but also inspire retailers to actively adopt digital technologies to transform into omni-channel retailing and establish near-field retail competitiveness compared with e-commerce.

Key words：omni-channel retailing;store attractiveness;trade area theory;spatial distance;patronage behavior

（责任编辑：赵春江）