百度地圖在新零售線下門店選址中的應(yīng)用

蘇洋

摘要：為解決新零售線下門店選址依賴實(shí)地調(diào)研的問(wèn)題，使用百度地圖提供的API，首先獲取備選地址附近的餐館數(shù)量與便利店數(shù)量，計(jì)算出該備選地的競(jìng)爭(zhēng)屬性，然后獲取備選地址覆蓋的小區(qū)數(shù)量，并通過(guò)當(dāng)?shù)氐姆康禺a(chǎn)網(wǎng)站，得到小區(qū)房?jī)r(jià)與戶數(shù)的數(shù)據(jù)，計(jì)算出人群消費(fèi)潛力屬性，然后通過(guò)候選地址主干道車輛在不同時(shí)間的通行時(shí)間，計(jì)算得出交通擁堵度，最后使用基于熵權(quán)-TOPSIS法找到最合適的備選地址。實(shí)例應(yīng)用結(jié)果證明，該方法可明顯的縮短在實(shí)地調(diào)研中花費(fèi)的時(shí)間。

關(guān)鍵詞：新零售;配送中心;選址;熵理論;TOPSIS

中圖分類號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）01-0250-03

Abstract： In order to solve the problem that the location of new retail offline stores relies on field research， the API provided by Baidu Maps is used to first obtain the number of restaurants and convenience stores near the candidate address， calculate the competitive attributes of the candidate location， and then obtain the number of communities covered by the address， and through the local real estate website， obtain the data of the housing price and the number of households， calculate the population consumption potential attributes， and then calculate the traffic congestion degree through the passage time of the main road vehicles at the candidate address at different times. Finally， use the entropy-based-TOPSIS method to find the most suitable candidate address. The practical application results prove that this method can significantly shorten the time spent in field investigations.

Key words： new retail; distribution center; site selection; entropy theory; TOPSIS

1 引言

2000年以后，隨著互聯(lián)網(wǎng)的飛速發(fā)展，國(guó)內(nèi)涌現(xiàn)出了很多電商平臺(tái)，如淘寶、京東與拼多多等。隨著電子商務(wù)市場(chǎng)的高速發(fā)展，傳統(tǒng)線下實(shí)體店遭到了巨大的沖擊，電子商務(wù)已占據(jù)中國(guó)零售市場(chǎng)的重要位置。但是對(duì)于電商平臺(tái)而言，隨著競(jìng)爭(zhēng)程度的加劇，流量成本在迅速上漲，在線增長(zhǎng)乏力、增速變緩，新客戶獲取難度變得非常大。在這樣的背景下，無(wú)論傳統(tǒng)線下銷售商還是電商平臺(tái)，都在積極探索“線上+線下”相結(jié)合的新銷售模式，新零售應(yīng)運(yùn)而生，國(guó)內(nèi)也出現(xiàn)了盒馬生鮮、京東小店、蘇寧易購(gòu)等新零售的平臺(tái)[1-4]。

線下門店在新零售模式中主要承擔(dān)用戶體驗(yàn)、配送等重要職能，線下門店的選址因此非常重要，既要考慮到門店的人流量，也要考慮到配送是否便利等因素。目前國(guó)內(nèi)多位學(xué)者提出了選址方法來(lái)解決選址問(wèn)題，如李思思[5]提出的基于Stata分析的選址方法，該方法運(yùn)用商圈理論，并結(jié)合實(shí)地調(diào)研，運(yùn)用Stata軟件建立模型，確定選址;李林軍等人[6]提出了基于手機(jī)信令數(shù)據(jù)的選址方法，該方法利用移動(dòng)手機(jī)信令數(shù)據(jù)和空間自相關(guān)分析，得到目標(biāo)人口分布情況，最后利用數(shù)學(xué)模型確定選址;賈艷紅等人[7]提出了基于GIS的選址方法，通過(guò)網(wǎng)絡(luò)檢索、實(shí)地調(diào)研進(jìn)行空間數(shù)據(jù)采集，借助GIS距離分析、重分類、地圖代數(shù)等功能進(jìn)行緩沖區(qū)分析，最后還需結(jié)合實(shí)地調(diào)研和專家評(píng)價(jià)的權(quán)重得到備選地址。李思思與賈艷紅提出的方法需花費(fèi)大量的時(shí)間來(lái)實(shí)地調(diào)研，李林軍等人提出的方法依賴于手機(jī)信令數(shù)據(jù)，但是想要獲得該數(shù)據(jù)成本較高。本文提出一種選址方法，主要利用百度地圖提供的API獲取數(shù)據(jù)，分別計(jì)算備選地的競(jìng)爭(zhēng)屬性、人群消費(fèi)潛力屬性與交通擁堵度，然后使用基于熵權(quán)-TOPSIS法確定備選地址，本方法中數(shù)據(jù)獲取方便，且可以節(jié)省大量實(shí)地調(diào)研的時(shí)間。

2 本文方法

2.1 競(jìng)爭(zhēng)屬性指標(biāo)

競(jìng)爭(zhēng)屬性指標(biāo)指新零售線下門店對(duì)標(biāo)的傳統(tǒng)競(jìng)爭(zhēng)門店數(shù)量。以盒馬生鮮為例，盒馬生鮮線下門店為用戶提供部分線上商品體驗(yàn)與生鮮產(chǎn)品加工服務(wù)[8]，其對(duì)標(biāo)的競(jìng)爭(zhēng)門店可以分為餐館與便利店，見(jiàn)表1。

參考文獻(xiàn)4，對(duì)于生鮮產(chǎn)品線下門店，主要考慮門店周邊一公里范圍內(nèi)小區(qū)之間的餐館數(shù)量和小區(qū)周邊一公里范圍內(nèi)的便利店。

調(diào)用百度地圖提供的Web服務(wù)API中地點(diǎn)檢索服務(wù)可快速查詢競(jìng)爭(zhēng)屬性指標(biāo)。以圓形區(qū)域檢索為例，接口主要傳參見(jiàn)表2，若想查詢備選地址周邊一公里范圍內(nèi)小區(qū)之間的餐館數(shù)量，可在query傳入備選地址，tag傳入美食，radius傳入1000即可。

2.2 人群消費(fèi)潛力指標(biāo)

參考文獻(xiàn)4，人群消費(fèi)潛力指標(biāo)見(jiàn)表3，基于備選地址中心配送范圍3公里所覆蓋的小區(qū)人口數(shù)和小區(qū)當(dāng)前房?jī)r(jià)作為衡量尺度。

可用2.1節(jié)中的地點(diǎn)檢索服務(wù)，query傳入備選地址，tag傳入住宅區(qū)，radius傳入3000即可快速查詢備選地址3公里覆蓋的小區(qū)，接著到當(dāng)?shù)氐姆康禺a(chǎn)網(wǎng)站即可查詢到小區(qū)人口數(shù)與當(dāng)前房?jī)r(jià)。

2.3 區(qū)位交通指標(biāo)

對(duì)于線下門店來(lái)說(shuō)，配送時(shí)間會(huì)對(duì)用戶的體驗(yàn)產(chǎn)生很重要的影響，本文采用交通擁堵度這個(gè)指標(biāo)來(lái)衡量，具體指標(biāo)見(jiàn)表4。

本文選定備選地址主干道一段200米的道路，分別選取上午8點(diǎn)與下午6點(diǎn)兩個(gè)時(shí)間段，計(jì)算車輛通行時(shí)間，取平均值作為交通擁堵度。

調(diào)用百度地圖提供的Web服務(wù)API中批量算路服務(wù)可快速獲得通行時(shí)間，其主要傳參見(jiàn)表5。

2.4 基于熵權(quán)-TOPSIS法

本文采用基于熵權(quán)-TOPSIS法來(lái)確定最終的備選地址[4]。

得到每個(gè)備選地址的相對(duì)接近程度Di，Di越大證明該備選地址適合度越高，將Di從大到小排列選取備選地址即可。

3 實(shí)例分析

廣東省惠州市Y公司是一家生鮮零售企業(yè)，采用線上選購(gòu)+線下配送的模式，目前在惠州已有三家門店。以Y公司在惠州市惠城區(qū)江北街道線下門店選址為例，首先選擇了云山肉菜市場(chǎng)、新苑市場(chǎng)與三新集貿(mào)市場(chǎng)三個(gè)地址作為備選地址，通過(guò)百度地圖開(kāi)放平臺(tái)的拾取坐標(biāo)系統(tǒng)，分別獲得三個(gè)備選地的經(jīng)緯度坐標(biāo)，如表6。

調(diào)用百度地圖提供的地點(diǎn)檢索服務(wù)可得到競(jìng)爭(zhēng)屬性指標(biāo)，三個(gè)市場(chǎng)競(jìng)爭(zhēng)屬性指標(biāo)如表7，調(diào)用地點(diǎn)檢索服務(wù)并通過(guò)Y公司采集的小區(qū)住戶數(shù)據(jù)，可得到三個(gè)市場(chǎng)的人群消費(fèi)潛力指標(biāo)，見(jiàn)表8，調(diào)用批量算路可得到三個(gè)市場(chǎng)的區(qū)位交通指標(biāo)，見(jiàn)表9，指標(biāo)數(shù)據(jù)匯總表見(jiàn)表10，各備選地址的相對(duì)接近程度見(jiàn)表11。然后通過(guò)熵權(quán)-TOPSIS法得到最佳的備選地址。

由表11可看出，按相對(duì)接近程度排序?yàn)閙3>m2>m1，即以三新集貿(mào)市場(chǎng)、新苑市場(chǎng)、云山肉菜市場(chǎng)排序，可以得出三新集貿(mào)市場(chǎng)是最佳的地址。本結(jié)果與Y公司結(jié)合實(shí)地調(diào)研所得到的結(jié)果一致，且使用本文方法節(jié)約了大量的實(shí)地調(diào)研時(shí)間。

4 結(jié)束語(yǔ)

針對(duì)新零售線下門店選址依賴實(shí)地調(diào)研的問(wèn)題，本文提出了使用百度地圖提供的API來(lái)替代實(shí)地調(diào)研獲取相關(guān)數(shù)據(jù)信息的方法，實(shí)例結(jié)果證明本文方法可節(jié)約大量實(shí)地調(diào)研時(shí)間。但備選地址附近小區(qū)覆蓋人數(shù)的數(shù)據(jù)，部分地區(qū)通過(guò)網(wǎng)絡(luò)無(wú)法查詢得到，仍需通過(guò)實(shí)地調(diào)研來(lái)獲取相關(guān)數(shù)據(jù)，是未來(lái)需要改進(jìn)的地方。

參考文獻(xiàn)：

[1] 崔鶴，藺相東，張韋，等.新零售業(yè)的用戶體驗(yàn)設(shè)計(jì)與線上線下運(yùn)營(yíng)模式探討[J].湖南包裝，2020，35（3）：112-117.

[2] 楊永芳，張艷，李勝.新零售背景下實(shí)體零售數(shù)字化轉(zhuǎn)型及業(yè)態(tài)創(chuàng)新路徑研究[J].商業(yè)經(jīng)濟(jì)研究，2020（17）：33-36.

[3] 王云青，許正環(huán).新零售背景下城市物流體系的特點(diǎn)及發(fā)展方向[J].河北企業(yè)，2020（9）：86-89.

[4] 龍旭.新零售背景下生鮮企業(yè)門店選址研究[D].南昌：江西財(cái)經(jīng)大學(xué)，2019.

[5] 李思思.基于Stata分析的餐飲店選址定量研究[J].中國(guó)商論，2017（18）：4-5.

[6] 李林軍，楊山力，張誠(chéng)，等.基于手機(jī)信令數(shù)據(jù)的養(yǎng)老服務(wù)設(shè)施選址研究——以成都市為例[J].四川建筑，2020，40（1）：4-6.

[7] 賈艷紅，文帆，鐘英.基于GIS的高校物流代理點(diǎn)選址研究[J].測(cè)繪與空間地理信息，2020，43（3）：19-21，25.

[8] 徐芬，陳紅華.基于消費(fèi)者需求的生鮮電商新零售模式研究——以“盒馬鮮生”為例[J].湖南社會(huì)科學(xué)，2020，5：64-72.

【通聯(lián)編輯：梁書】