快遞服務網絡關注度時空分布特征分析

楊振華，梁賀君

（1.上海財經大學信息管理與工程學院，上海市200433；2.湖州師范學院商學院，浙江湖州313000）

快遞服務網絡關注度時空分布特征分析

楊振華1、2，梁賀君1

（1.上海財經大學信息管理與工程學院，上海市200433；2.湖州師范學院商學院，浙江湖州313000）

用戶網絡關注度與快遞業務量高度相關。我國快遞業務量上漲勢頭明顯，但各地區及各地區內部的快遞業務發展存在顯著不均衡現象；快遞服務的網絡關注度總體上表現為上半年高于下半年，工作日高于周末；用戶對快遞服務的網絡需求主要集中在快遞單號查詢、價格查詢、網點分布查詢等方面，快遞服務滿意度有待提高。為促進我國快遞業健康發展，應合理配置社會資源，切實降低快遞成本；調整快遞從業人員工作時間，有效緩減其工作壓力；加大對快遞發展相對滯后地區的扶持力度，帶動國內快遞協調均衡發展；鼓勵快遞企業多元發展，全面提升快遞服務質量。

快遞；網絡關注度；百度指數；時空特征

一、引言

隨著互聯網的快速發展與網絡購物規模的不斷擴大，我國快遞業也隨之迅速發展。中國快遞發展指數顯示，我國快遞進入高速增長期，市場需求強勁，業務量和業務收入規模屢創新高，2014年我國已成為全球第一快遞大國。2014年發展規模指數為510.0，比2013年提高168.3個點。2010年至2014年，發展規模指數年均增速50.3%，是同期國內生產總值增速的6倍以上。[1]快遞經歷規模高速增長后，面臨著從快遞大國向快遞強國的轉變，在發展中提質提效是快遞業發展的重要趨向。因此，開展基于快遞服務的相關研究是十分必要的。

目前，國內外研究者們逐漸發現互聯網上用戶行為數據的價值，利用用戶搜索行為開展的各類研究正逐漸發展為大數據分析的重要領域之一。特別是最近幾年，學者們大量使用谷歌趨勢（Google Trends）或者百度指數（Baidu Index）等一些搜索引擎的搜索量作為衡量標準。相關研究涉及經濟生活的多個領域，如雅虎（yahoo）研究中心等研究人員用yahoo數據分析了用戶行為、個股搜索量及其市場表現的相關性；[2]谷歌公司等研究人員根據谷歌用戶的搜索行為，從汽車銷售、失業保障申請、旅游目的地計劃及消費者信心指數等方面對經濟指數進行了預測；[3]英國華威商學院等機構的研究人員通過谷歌趨勢服務，預測股市的漲跌，指出“債務”成為預測股市的主要關鍵詞。[4]近年來，國內的相關研究也不斷增多，主要集中在以下幾個方面：第一，利用用戶搜索行為對旅游市場進行預測研究，如李山等[5]利用百度指數對旅游景區關注度進行了研究，總結出其時間分布特征與前兆效應，黃先開等、[6]王碩等[7]對百度指數與旅游景區游客量的關系進行了預測研究。第二，利用網絡關注度對城市層級與聯系進行研究，如熊麗芳等[8]借助百度指數，分析了長三角城市網絡的時空演變，趙映慧等[9]對東北三省城市網絡聯系格局進行了分析。第三，對投資者關注度與股票指數表現的相關性研究，如俞慶進等[10]以百度指數作為關注度對投資者有限關注與股票收益進行了實證研究，指出投資者的有限關注能給股票帶來正向的價格壓力，而這種壓力會很快發生反轉，王勇等[11]基于和訊關注度得出了類似結論。相關研究正不斷興起，限于篇幅，不再贅述。

與此同時，互聯網已成為用戶搜尋快遞信息及跟蹤快遞服務的有效手段之一，互聯網的搜尋行為將從一個側面反映快遞市場的發展動向。在網絡關注度相關研究正被有效運用于多個行業的今天，將其應用于快遞市場的研究卻鮮有出現，鑒于此，本文基于百度指數的網絡關注度數據，從時空分布特征角度，對我國快遞服務的網絡關注度展開研究。

二、數據來源與相關性分析

1.百度指數的用戶關注度

百度作為全球最大的中文搜索引擎，其百度指數是以百度海量網民行為數據為基礎的數據分享平臺，是當前互聯網乃至整個數據時代最重要的統計分析平臺之一。2015年1月中國互聯網絡信息中心（CNNIC）發布的《中國互聯網絡發展狀況統計報告》指出，搜索引擎是網民除即時通信外使用率最高的互聯網應用，截至2014年12月，我國搜索引擎用戶規模達5.22億，其中使用過百度的用戶比例為92.1%。[12]本研究統計2011年1月1日至2015年6月30日共計1642天的用戶關注度數據，并將百度指數提供的用戶搜索量數據稱作網絡關注度，以此代表和衡量被搜索關鍵詞“快遞”及其相關聯關鍵詞在網絡空間中的信息流狀況并對此完成進一步的分析。研究采用SPSS 19.0完成數據處理。

2.快遞業務量與用戶關注度的關系

為了了解我國快遞市場的發展狀況，選擇快遞業務量（以下簡稱“快遞量”）衡量快遞市場的發展規模。郭月鳳等人[13]的研究中指出，居民人均可支配收入與地區快遞量呈正相關，對快遞量產生了最顯著的影響；GDP總值與快遞量呈正相關。本研究在此基礎上，新增了地區人口數量和用戶關注度兩個變量，利用中國統計年鑒中2013年全國31個省（市、自治區）數據，[14]對地區生產總值（DGDP）、人口數量（NOP）、居民人均可支配收入（PCDI）、用戶網絡關注度即百度指數的日均搜索量（ASV）與日均快遞量（AEV）進行了相關性分析，結果參見表1。

表1 快遞量與網絡關注度等變量的相關關系

結果顯示，快遞服務網絡關注度與快遞量的相關系數高達0.973，快遞服務網絡關注度數據可以很好地反映快遞發展狀況。即便在快遞量日度數據沒有具體統計報表公開的情況下，通過百度指數的快遞服務關注度也可窺見整個快遞市場的發展變化。需要解釋的是，本研究結果與郭月鳳等人[15]的研究結果不完全一致，可能的原因是采用的數據不同，分別為2013年和2011年，不同的結果也顯示了快遞市場的快速發展與變化。鑒于此，本文通過快遞服務網絡關注度數據對快遞市場的發展狀況做進一步的研究。

三、快遞服務網絡關注度時間分布

1.周內分布

將2011年1月1日至2015年6月30日共計1642天以“快遞”為關鍵詞的百度用戶關注度數值按星期相加求平均值，得到周內快遞服務網絡關注度的日均分布情況。為了更好地進行對比分析，將2014年7月1日至2015年6月30日共計365天以“快遞”為關鍵詞的快遞服務網絡關注度數值按星期相加求平均值，得到周內“快遞”網絡關注度日均分布情況（參見圖1）。

統計結果表明，無論從四年半還是一年整的數據來看，周內分布均具有以下特征：（1）工作日快遞服務網絡關注度偏高，周末關注度低，周一到周五的快遞服務網絡關注度均超過日平均關注度；（2）周日快遞服務網絡關注度最低，周六次之，周四快遞服務網絡關注度最高；（3）周五是快遞服務網絡關注度的中位數所在。上述分布結果與李山等[16]關于“旅游景區網絡空間關注度”的研究結果相類似，快遞市場網絡關注度的周內分布也呈現類似右手掌形態，即“手掌”模式，這一現象是否在其他領域同樣存在，需要進一步研究。

圖1 快遞服務網絡關注度的周內分布圖

2.分月特征

將2011年1月至2015年6月共計54個月以“快遞”為關鍵詞的百度用戶關注度數值按月相加求日平均值，得到四年半時間段的月內快遞服務網絡關注度的分布特征。為了進一步對比分析，將近一年共計12個月以“快遞”為關鍵詞的百度用戶關注度數值按月相加求日平均值，得到近一年的月內快遞服務網絡關注度的分布特征（參見圖2）。

統計結果表明，快遞市場網絡關注度總體上受季節影響波動較大，無論從四年半還是一年整的數據來看，分月情況具有如下特征：（1）受“雙11”網絡購物狂歡節的影響，11月份為一年內快遞市場日平均網絡關注度的最高峰；（2）3月份為上半年內快遞市場日平均網絡關注度的最高峰；（3）受暑期氣候的影響，7月、8月為一年內快遞市場日平均網絡關注度的最低點；（4）受中國傳統節日春節的影響，2月份為一年內快遞市場日平均網絡關注度的次低點；（5）上半年快遞市場網絡關注度明顯高于下半年。

3.年度趨勢

據統計，近年來我國快遞業務量增長明顯，2014年我國快遞總量達到139.59億件，年增速超過50%。[17]將2011年至2014年以“快遞”為關鍵詞的百度用戶關注度數值按年相加求日平均值，與2011年至2014年實際日均快遞量進行對比分析，得到四年內日均快遞量與其日平均關注度的曲線圖（參見圖3），可以看出實際日均快遞量與快遞日均關注度的走勢基本一致。

進一步建立日均快遞量和日均關注度的回歸方程，經過比較和嘗試，確定最終的回歸模型為：

模型（1）中AEV代表日均快遞量，ASV代表百度關鍵詞“快遞”的日均搜索量，即日均關注度。模型（1）的p值為0.004，R2的值為0.992，表明模型擬合度良好。這一點進一步說明了百度指數的關注度數據對快遞市場發展研究具有重要參考價值。

四、快遞服務網絡關注度空間分布

1.規模差異

圖2 快遞服務網絡關注度的分月特征

圖3 日均快遞量與日均關注度的關系

根據2014年統計年鑒數據分析得知，我國快遞業的空間聚集特征顯著，長三角、珠三角、京津冀等重點經濟區快遞業務發展勢頭良好，快遞市場發展規模存在著明顯的區域差異。首先是以蘇、浙、滬為核心的華東地區的快遞量占全國的47%，其次是以廣東為核心的華南地區的快遞量占全國的24%，再次是以北京為核心的華北地區的快遞量占全國的13%，而華中、西南、西北、東北地區的快遞總量僅占全國快遞總量的16%。快遞業務規模最大的省份為廣東、浙江、江蘇、上海和北京。[18]

對不同地區快遞服務網絡關注度進行對比分析得知：各地區快遞市場發展存在顯著不均衡現象。其中，華東、華北、華南地區快遞規模大，發展速度快；華中、西南地區快遞規模居中，但增勢明顯；西北、東北地區快遞發展基礎相對偏低，發展速度明顯滯后（參見圖4）。

2.內部特征

將2013年內日均快遞量與以“快遞”為關鍵詞的百度用戶日均搜索量數值按日相加求平均值，得到各地區內對應省（市、自治區）日均快遞量與日均關注度對比數據（參見表2），可以看出，各地區內部的快遞發展規模也表現出極大的不平衡。

圖4 不同地區快遞服務網絡關注度對比

進一步研究發現：（1）大部分區域的快遞業務量集中在一個或少數幾個核心省份；（2）華南地區各省份快遞發展規模差異最大，廣東一個省份的快遞量占整個華南地區快遞總量的96%；（3）華中地區各省份快遞發展規模差異最小，湖北、河南、湖南三省份的日均快遞量相差不大；（4）各省（市、自治區）的日均快遞搜索量與日均快遞量的比值，即列表中的搜索比與快遞量排名總體上成反比，導致用戶多次搜索的原因很可能是快遞沒有及時送達，這一點也在一定程度上反映了快遞服務發展的不均衡。

表2 各地區及各省（市、自治區）日均快遞量與日均關注度對比

3.用戶需求

由于快遞服務本身是跨地區、跨行業的物流綜合服務業，若將快遞服務分區域進行對比研究未免與現實脫節。為此，本研究選取2013年業務量累計排名前10位的快遞企業進行用戶需求分析。[19]根據百度指數的用戶需求圖譜，對用戶需求分布及熱門搜索進行了整理，時間區間為2015年6月15日至7月14日（參見表3）。

排名前10位的快遞企業用戶需求分布由表3分析可得：（1）用戶對快遞服務的網絡需求主要集中在快遞單號查詢、價格查詢、網點分布查詢等方面；（2）部分快遞公司的服務不能使用戶滿意，出現較多的投訴搜索，如申通、圓通、中通、天天等；（3）多數快遞公司服務同質化現象嚴重，只有少量快遞公司服務特色明顯，如EMS國際快遞、順豐無人機、必勝宅急送等；（4）快遞新聞事件會影響網絡關注度，如快遞哥等。

五、結論與對策

1.結論

本文基于百度指數的網絡關注度數據開展研究，主要結論如下：

（1）用戶網絡關注度與快遞業務量的相關系數高達0.973，快遞服務網絡關注度數據可以在一定程度上反映快遞市場發展狀況；（2）快遞服務網絡關注度的周內、分月、年度特征為：快遞服務網絡關注度的周內分布呈現“手掌”模式，工作日偏高，周末偏低；快遞服務網絡關注度的分月特征總體上表現為上半年高于下半年，具體為11月份和3月份偏高，7月份、8月份和2月份偏低；我國快遞業務量增幅明顯，繼續保持上漲勢頭；（3）從區域差異和用戶需求角度對快遞服務網絡關注度空間效應分析得出：各地區快遞市場發展存在顯著不均衡現象，華東、華北、華南地區快遞規模大，發展速度快；西北、東北地區快遞發展相對滯后；各地區內部的快遞發展規模表現出極大的不均衡，大部分區域的快遞業務量集中在其中一個或少數幾個核心省份，華南地區內部快遞發展差異最大；用戶對快遞服務的網絡需求主要集中在快遞單號查詢、價格查詢、網點分布查詢等方面，快遞公司發展未形成多元格局，且出現較多的投訴搜索。

表3 排名前10位的快遞企業用戶需求分布

2.建議

基于以上結論，對快遞行業發展提出相關建議：（1）調整快遞從業人員工作時間，有效緩減其工作壓力。為此，可以提供周末休息、淡季休假等工作福利，有效緩減其工作壓力，提高其工作滿意度，以此減少員工流失。（2）合理配置社會資源，切實降低快遞成本。根據研究所得的快遞分月特征，可以通過快遞流程優化、信息整合共享等途徑，合理配置社會現有物流資源，在有效避免快遞爆倉現象發生的同時，在快遞量低于平均值的月份將部分資源合理配置于社會物流其他環節，從根本上降低快遞成本。（3）加大對快遞發展相對滯后地區的扶持力度，帶動國內快遞協調均衡發展。在市場趨利原則和東部經濟聚集效應共同影響下，如果不對快遞發展相對滯后的西北、東北地區給予政策性的扶持引導，快遞的區域發展不平衡將會繼續加大。因此，政府要對快遞發展相對滯后的區域給予一定的資金支持與政策引導。（4）鼓勵快遞企業多元化發展，全面提升快遞服務質量。目前，我國快遞市場國有、民營、外資企業多元并存、相互競爭，但還需要進一步突出特色、協同發展、謀求共贏；快遞企業要不斷加強服務意識，從根本上提升用戶滿意度。總的來說，一方面，快遞市場繼續保持上漲勢頭；另一方面，行業競爭加劇、快遞企業自我革新提速，已連續三年實現兩位數增長的中國快遞業正孕育著新一輪的變革。

＊本文系教育部人文社會科學基金項目“上海自貿區對長三角區域的溢出效應與虹吸效應研究”（項目編號：14YJC630109）、浙江省自然科學基金項目“浙江臨港產業集群的結構特征與協同機制的構建”（項目編號：Y13G030076）、湖州師范學院商學院院級項目“基于供應鏈戰略協同的區域農產品物流合作機制研究”（項目編號：SXY006）的階段性成果。

[1]王玉玲，徐紅.快遞發展規模增速6倍于GDP[N].經濟日報，2015-03-27（07）.

[2]BordinoI，BattistonS，CaldarelliG，CristelliM，Ukkone?nA，WeberI.Web Search Queries can Predict Stock Market Volumes[J].PLoS ONE，2012（6）：1-46.

[3]Choi H，Varian H.Predicting the Present with Google Trends[J].The Economic Record，2012（6）：2-9.

[4]Preis T，Moat H S，Stanley H E.Quantifying Trading Behavior in Financial Markets Using Google Trends[J].Scientif?ic Reports，2013（4）：1-6.

[5]、[16]李山，邱榮旭，陳玲.基于百度指數的旅游景區絡空間關注度：時間分布及其前兆效應[J].地理與地理信息科學，2008（11）：102-107.

[6]黃先開，張麗峰，丁于思.百度指數與旅游景區游客量的關系及預測研究[J].旅游學刊，2013（11）：93-100.

[7]王碩，曾克峰，童潔，劉超.黃金周風景名勝區旅游客流量與網絡關注度相關性分析[J].經濟地理，2013（11）：182-186.

[8]熊麗芳，甄峰，王波，席廣亮.基于百度指數的長三角核心區城市網絡特征研究[J].經濟地理，2013（7）：67-73.

[9]趙映慧，高鑫，姜博.東北三省城市百度指數的網絡聯系層級結構[J].經濟地理，2015（5）：32-37.

[10]俞慶進，張兵.投資者有限關注與股票收益[J].金融研究，2012（8）：152-165.

[11]王勇，楊慶運.我國網絡關注度對股票收益的影響[J].投資研究，2014（2）：143-149.

[12]CNNIC.中國互聯網絡發展狀況統計報告[R].中國互聯網絡信息中心，2015.

[13]、[15]郭月鳳，郭程軒，楊玉勻，徐頌軍.中國快遞服務發展的區域差異研究[J].華南師范大學學報（自然科學版），2013（7）：119-124.

[14]、[17]、[18]國家統計局.中國統計年鑒2014[M].北京：中國統計出版社，2014：18-38.

[19]德勤.中國快遞行業發展報告2014[R].國家郵政局發展研究中心，2014.

責任編輯：林英澤

The Spatial and Temporal Distribution of Network Attention about Express Service

YANG Zhenhua1，2and LIANG Hejun1
（1.Shanghai University of Finance and Economics，Shanghai200443，China；2.Huzhou University，Huzhou，Zhejiang313000，China）

There is the close relation between users’network attention and the trading volume of express service.The trading volume of China’s express industry is increasing rapidly，but the development is uneven among and within different regions；the network attention of express service in the first half year is generally higher than that of the second year，and that of the business days is higher than that of the week ends；the users’network requirement of express service is focus on the inquire of order number，price，the distribution of branches，and so on，and the satisfaction of express service should be improved further.To promote the healthy development of China’s express industry，we should rationally distribute our social resources，reduce the cost of express，adjust the work time of related professionals，effectively relieve their pressures，give more support to the lessdeveloped regions，promote the balanced development，encourage the diversified development of related enterprises，and improve the service quality of this industry.

express；network attention；Baidu Index；spatial and temporal distribution

F259.22

A

1007-8266（2015）11-0030-06

楊振華（1981—），女，內蒙古自治區烏蘭察布市人，上海財經大學信息管理與工程學院博士研究生，湖州師范學院商學院教師，主要研究方向為大數據分析；梁賀君（1982—），男，內蒙古自治區呼和浩特市人，上海財經大學信息管理與工程學院博士研究生，主要研究方向為電子商務、云計算、大數據。