E-commerce logistics distribution mode in big-data context: A case analysis of JD.COM

ABSTRACT

This paper analyzes the existing distribution modes adopted by Chinas e-commerce enterprises. Based on the empirical analysis of the electronic mall at JD.com (Jing-Dong), this paper compares and investigates the different logistics distribution modes faced by e-commerce enterprises embracing the new features, new challenges, and new advantages of big data. The Analytic Hierarchy Process (AHP) method and entropy value are applied to investigate the e-commerce enterprise distribution choice mode and the Technique for Order Preference by Similarity to an Ideal Solution (TOPSIS) method is used to verify the model. Our research analysis and results bear strong managerial insights for e-commerce logistics distribution practitioners.

Keywords: E-commerce Big data Distribution mode AHP Entropy method TOPSIS

1. Introduction

Business consumers in the digital age have become increasingly informed, challenging industrial marketing and sales teams to adapt their traditional marketing strategies to fully embrace buyers preferences and expectations. Forrester, in its latest research report, predicts thatgt;20% of companies will begin to apply modern technologies in their industrial marketing platforms in order to optimize the engagement between business buyers and sellers (Robertson et al., 2018).

Technologies such as artificial intelligence (AI) and big data analytics have created unprecedented opportunities for companies to exploit their data assets for business-to-business (B2B) market initiatives. For instance, incorporating Lattice Engines predictive analytics into its marketing initiatives, theindustrial marketing teamat Akamaiwas able to better segment its customers and to send personalized messages, sextupling its lead-to-opportunity conversion rate (Anderson 2018). In addition, companies including Google, Amazon, Facebook, and Apple have all made great efforts in the field of industrial marketing through collecting andutilizingbigdata.Allofthisunderlinestheimportanceof big data as a crucial factor in global marketing operations (Miguel amp; Casado 2016).

Data also plays a key role in making different decisions about business supply chains and logistics operations that are closely related to the industrial marketing field. Supply chain management deals with creating and maintaining linkages between different entities with specificresponsibilities, rangingfromrawmaterial procurementtoenduser product interactions. Logistics management ensures that relevant work support methods, such as traffic management, warehouse management, inventory management, packaging, and order tracking, are in place. Employing a large and diverse range of data in logistics and supply chain management, companies can understand the needs and preferences of their customers. Electronic commerce (e-commerce) giants such as Amazon, Flipkart, andSnapdeal have been collecting and exploring data from customers, orders, inventory, and other information (Meena, 2017). The success of e-commerce companies now depends largely upon how efficiently they capture, store, and use data.

The advent of the big-data era has further strengthened the relationship between logistics distribution and e-commerce, and this presents new opportunities, such as the expansion of enterprise information, the sharing of distribution channels, and the integration of data resources. Particularly, e-commerce enterprises can accurately predict the future needs of customers and can fulfill personalized services to customers. In addition, they can organize and coordinate the distribution activities beforehand in a well-planned way, allowing for better selection and innovation of distribution modes. Now, companies can reduce the cost of logistics delivery, improve the efficiency of logistics delivery, and meet the diversified and high-quality delivery needs of customers.

Recent years have witnessed the emergence of successful e-commerce enterprises inChina. A large market share, dominated by JD.com (Jing Dong), Tmall.com, SuNing.com, dangdang.com, and other ecommerce giants, shows the fierce competition in the e-commerce market. E-commerce enterprises are continuously seeking innovative ways to improve their relationships with customers, so as to enhance their competitive advantage.

As an e-commerce enterprises logistics ability has become an important indicator of its competitiveness, the choice of a logistics distribution mode directly affects the enterprises quality and costs of distribution as well as its supply chain coordination. There are three primary logistics distribution modes for an e-commerce enterprise. These include self-built logistics, third-party logistics, and the joint (hybrid) distribution mode. In order to meet the development requirements of e-commerce and to improve customer satisfaction, it is imperative that e-commerce enterprises thoroughly understand and investigate the advantages and disadvantages of all kinds of logistics distribution modes and select the most appropriate one, so as to improve their users experience and to promote the sustainable and healthy development of e-commerce enterprises. For instance, Meituan, the largest online meal ordering platform in China, built a scientific distribution system with both professional logistics and crowd-sourced distribution in order to avoid the cost pressure brought about by selfestablished logistics. Meituan believes that a reasonable choice of distribution mode is an important way to effectively save its costs (Borak, 2018).

In China, the information utilization rate of logistics distribution centersislow,andnearlyhalfoflogistics enterpriseslackthesupportof information systems. Logistics delivery plans are usually formulated by staff through market research or experience, and they cannot meet the needs of the era of big data. Du

剩余内容已隐藏，支付完成后下载完整资料

大数据环境下电子商务物流配送模式研究

Kangning Zheng , Zuopeng Zhang , Bin Song

摘要

本文分析了我国电子商务企业现有的分销模式。本文在对京东电子商城进行实证分析的基础上，比较研究了电子商务企业面对大数据新特点、新挑战、新优势的不同物流配送模式。应用层次分析法（AHP）和熵值法对电子商务企业分销选择模式进行了研究，并采用与理想解相似的订单偏好技术（TOPSIS）对模型进行了验证。我们的研究分析和结果对电子商务物流配送从业者具有很强的管理洞察力。

关键词：电子商务；大数据；分布模式；AHP；熵方法；TOPSIS

1介绍

数字时代的商业消费者越来越了解情况，他们向工业营销和销售团队提出挑战，要求他们调整传统的营销策略，以充分接受买家的偏好和期望。Forrester在其最新的研究报告中预测，超过20%的公司将开始在其工业营销平台中应用现代技术，以优化商业买家和卖家之间的互动（Robertson等人，2018年）。

艺术智能（AI）和大数据分析等技术为企业利用其数据资产进行企业对企业（B2B）市场计划创造了前所未有的机会。例如，将莱迪思引擎的预测分析纳入其营销计划中，Akamai的行业营销团队能够更好地细分客户并发送个性化信息，将潜在客户转化率提高六倍（安德森2018）。此外，包括谷歌、亚马逊、Facebook和苹果在内的公司都通过收集以及利用IGdata.allofthis underlinestheimportance大数据是全球营销运营的关键因素（Miguelamp;Casado 2016）。

数据在做出与工业营销领域密切相关的商业供应链和物流运营的不同决策方面也发挥着关键作用。供应链管理涉及在具有特定责任的不同实体之间建立和保持联系，从原材料采购到最终用户产品交互。物流管理确保相关的工作支持方法，如办公室管理、仓库管理、库存管理、包装和订单跟踪，都已到位。在物流和供应链管理中使用大量多样的数据，企业可以了解客户的需求和偏好。亚马逊、Flipkart和Snapdeal等电子商务巨头一直在收集和探索来自客户、订单、库存和其他信息的数据（Meena，2017）。电子商务公司的成功在很大程度上取决于它们如何高效地捕获、存储和使用数据。

大数据时代的到来，进一步强化了物流配送与电子商务的关系，这就带来了企业信息拓展、分销渠道共享、数据资源整合等新的机遇。特别是电子商务企业能够准确预测客户的未来需求，能够为客户提供全方位的个性化服务。此外，他们还可以事先有计划地组织和协调分销活动，以便更好地选择和创新分销模式。现在，企业可以降低物流配送成本，提高物流配送效率，满足客户多样化、高质量的配送需求。

近年来，中国出现了成功的电子商务企业。巨大的市场份额，由京东（京东），天猫, 苏宁网, 当当，以及其他电子商务巨头，展示了电子商务市场的商业竞争。电子商务企业不断寻求创新的方式来改善与客户的关系，从而增强自身的竞争优势。

在我国，物流配送中心的信息利用率较低，近一半的物流企业缺乏对信息系统的支持。物流配送计划通常由斯塔夫通过市场调研或经验制定，无法满足大数据时代的需求。由于缺乏科学合理的物流配送线路规划和分析，我国现代物流业成本过高，配送效率低下，造成大量配送资源的浪费。

尽管最近的研究已经调查了帮助企业确定合适的物流供应商的各种因素(例如，Baiamp;Sarkis 2018；Vaidyanathan 2005；Vijayvargiyaamp;Dey 2010；Wang，Pauleen，amp;Chan 2013），很少有先前的研究使用现实世界中的实例系统地分析现有的物流配送模式大数据环境。我们的研究试图解决这个差距。在大数据为电子商务企业带来新机遇的背景下，本文通过对现实电子商务企业分销模式的研究做出了贡献。特别地，京东又称京东，被确定为我们分析对象的电子商务企业。京东是中国最大的在线零售商，年活跃客户3.2亿，净收入为67.2条2018年10亿美元(京东，2019年）。然后采用层次分析法（AHP）和基于理想解相似性的排序技术（TOPSIS）进行研究京东京东商铺物流配送模式的选择。具体来说，每个方案的主观权重首先用层次分析法确定。然后，用可容许性方法计算各方案的目标权重价值。最后并应用该方法，验证所构建的层次结构模型是否合理，为电子商务企业分销模式的选择提供依据。

论文的其余部分如下。下一部分回顾了与本研究相关的文献，主要集中在以下两个方面：（1）大数据在各种场景中的收集和使用，以及（2）物流配送模式的选择。第三节概述了本文的研究方法。第四节详细介绍了案例分析以及AHP和TOPSIS方法的结果。论文的最后一部分总结了管理学方面的见解。

作为电子商务企业的物流能力已成为其竞争力的重要指标，物流配送模式的选择直接影响到企业的配送质量、配送成本以及供应链的协调。电子商务企业主要有三种物流配送模式。其中包括自建物流、第三方物流和联合（混合）配送模式。为了适应电子商务的发展要求，提高顾客满意度，电子商务企业必须深入了解和调查各种物流配送模式的优缺点，选择最合适的物流配送模式，从而提高用户体验，促进电子商务企业持续健康发展。比如，中国最大的网上订餐平台美团，为了避免自建物流带来的成本压力，建立了专业物流和众包配送相结合的科学配送体系。美团认为，合理选择配送模式是有效节省成本的重要途径（Borak，2018）。

2 文献综述

本节回顾了以往的文献，重点是大数据的挑战和应用以及物流配送模式的选择。此外，我们的研究不同于以往的研究，以表明我们的工作如何有助于现有的文献。

2.1 大数据的收集和使用

由于大数据的独特性，它给企业带来了许多新的挑战。McAfee、Brynjolfsson、Davenport、Patil和Barton（2012）针对大数据及其分析方法的特点指出，这些特征是由于数据量、速度和种类的差异造成的，因为现在，通过互联网每秒生成的数据比20年前要大，所有的数据都存储在互联网上。从大数据挖掘的角度来看，Fan和Bifet（2013）指出，由于大数据的数量、可变性和速度，需要探索新技术；事实上，大数据挑战是企业最令人兴奋的机会之一。Sagiroglu和Sinanc（2013）通过说明大数据在向公司或组织提供有用信息方面的重要作用，介绍了大数据的特点。此外，它们概述了大数据的内容、范围、实例、方法、优势和挑战。Weinberg、Davis和Berger（2013）编辑了大数据的定义，发现大数据可以被视为截止日期、流程和来自各种渠道的数据，这些渠道具有代表特定时间段的多种结构或形式和位置。Jin、Wah、Cheng和Wang（2015）从复杂性三个方面总结了大数据计划面临的挑战：数据复杂性、计算复杂性和系统复杂性。Vassakis、Petrakis和Kopanakis（2018）认为，在组织中收集和分析大数据的主要挑战大多与管理和文化有关，包括领导力、人才管理、决策过程和质量、数据驱动文化、新技术利用和数据隐私。

为了应对大数据的挑战并有效地利用其优势，研究人员研究了如何有效地构建和利用大数据应用程序。例如，Singh和Reddy（2015）通过调查不同大数据硬件平台和IT任务支持中软件框架的详细描述，讨论了可用的不同大数据分析应用程序。Hu、Wen、Chua和Li（2014）对Bigdata analysisplatform的系统进行了文献综述，通过在系统框架的四个顺序模块分解中呈现大数据，为非专家读者提供了一个完整的画面；这四个模块是数据生成、数据采集、数据存储和数据分析。Trifunovic、Milutinovic、Salom和Kos（2015）讨论了大数据应用的问题，以及相关的计算模式和编程模型转换。Raguseo、Pigni和Piccoli（2018年）开发了一个数字数据流（DDS）就绪指数，以表明公司如何准备从实时流式大数据中获取价值。

最近在物流和供应链管理方面的研究也将重点转移到了大数据上。例如，调查大数据及其在运营和供应链管理中的应用，AddoTenkorang和Helo（2016）探讨了这些领域中大数据的主要问题，并通过物联网和增值服务的集成提出了一个扩展框架。Wang、Gunasekaran、Ngai和Papadopoulos（2016）对相关文献进行了回顾和分类，通过强调大数据在供应链和物流管理中的作用，总结大数据技术和应用，提出了一个供应链分析框架。在类似的研究中，Tiwari、Wee和Daryanto（2018）回顾了大数据在供应链管理中的影响，并展示了如何收集、处理和分析供应链中的大数据。Choi、Wallace和Wang（2018）总结了可应用于库存管理、运输管理和供应链管理的大数据方法，并讨论了可克服这些领域挑战的大数据策略。

虽然大数据已经成为物流和供应链管理领域的热门话题，但以往的研究主要强调大数据在物流和供应链管理领域的作用。很少有研究调查过任何实际的大数据应用。本研究透过大数据在实际电子商务企业中的应用，来研究目前的物流与配送问题。特别是，我们的研究通过使用京东的大数据平台与大数据环境相关联，我们的研究数据是通过筛选京东商城符合我们标准的门店来收集的。2018年，京东商城注册账户数达到3亿，使用京东金融平台的用户数达到1亿（京东，2018）。基于庞大的存储和用户数量，京东开发了大数据平台，作为收集、计算和处理海量数据的载体。虽然收集到的原始数据无法直接获得，但大数据平台为用户提供了访问已处理数据及其相关信息的机会。本研究利用京东的大数据平台，对在京东工作三年以上、经营业绩稳定的商户进行调查。

2.2 物流配送模式的选择

电子商务企业分销管理的选择可分为两部分（Hertzamp;Alfredsson，2003）。一些企业建立自己的物流配送网站以满足自己的配送需求，而另一些企业则选择与配送公司等第三方企业合作，完成电子商务企业的物流配送。

自助配送模式具有时间控制好、物流配送专业、用户体验和客户忠诚度提高、产品购买力持续、产品质量监控有效、资源配置合理、商品库存周转速度加快等优点，以及企业资本的加速流动（Chenamp;Hua，2013）。然而，电子商务企业在建立自己的物流配送网站时也会遇到一些问题。第一，电子商务企业不善于对物流配送活动进行管理。由于缺乏管理经验和相关专业管理人员，电子商务企业自建物流配送部门可能不合适（Vendrell Herrero，Bustinza，Parry，amp;Georgantzis，2017）。自导式物流将迫使企业尽其所能应对陌生领域，这可能危及其核心业务优势。第二，自建物流配送成本高，压力大，甚至可能造成资金周转（于、王、钟、黄，2017）。对固定资产、仓储设备、运输设备和物流人员的投资需求日益增加，这可能会占用公司的大部分资本，减少其他重要部门的可用投资，并最终削弱企业的竞争优势。第三，自建物流配送管理缺乏专业部门，可能对部门的经营和发展目标造成巨大阻力（肖、刘、张，2012）。

第三方分销模式基于第三方物流供应商的使用，第三方物流供应商通常专注于库存、仓库和运输管理的整合服务——可根据客户及其产品的具体需求定制的服务。第三方物流供应商提供增值服务，在其自身和客户之间创造互惠互利技术的进步进一步使第三方物流供应商能够提高生产力和降低物流成本，以促进供应链的发展。最近的研究表明，保持第三方物流供应商与其客户之间的合作关系有助于降低风险，平衡创新与资源配置之间的权衡。质量控制、运营灵活性和地理服务覆盖率等因素都会影响第三方物流供应商的绩效一个包含所有这些因素的三维（活动、决策和参与者）框架可以全面衡量第三方物流供应商的绩效。此外，与不确定性、订单频率和交易量相关的标准可用于评估第三方物流供应商的价值和收益。

一些商业企业由于专业化程度高、经验丰富、分销渠道广泛等优势，选择与第三方物流公司合作发展物流业务，有助于企业节约物流投资成本，降低与第三方物流企业合作的潜在风险，也可能导致物流配送中的一些潜在问题。首先，可能并不总是有必要的分销管理信息系统来帮助客户跟踪订单的实时信息，例如，中国的一些第三方分销企业尚未建立其物流管理信息系统，因此他们无法完成物流信息管理的全过程。第二，一个成熟完整的物流配送体系可能缺乏与众多企业的协作，这将使电子商务活动难以管理，企业形象难以统一，服务水平难以保持一致。为了避免过于依赖一家运营商，同一家电子商务企业可以使用不同的快递公司在同一地区提供物流和快递服务。

多家企业建立战略联盟，以快速应对市场的频繁变化，有效协调供需关系，形成行动上的协同效应，降低企业风险的共同分销模式，近年来，这种分销模式已在企业中流行起来，但这种分销模式对企业间的协调性要求较高，可能不适用于某些企业。

综上所述，以前很少有研究在大数据环境下以现实世界为例系统地分析现有的物流配送模式。本研究以大数据环境下物流配送模式之选择为切入点，以解决这一问题。具体而言，本文以京东大数据平台收集的实证数据为基础，比较分析了电子商务企业在迎接大数据时代新特点、新挑战、新优势的同时，面临的不同物流配送模式。针对如何将数据转化为综合考虑经济和战略因素的问题，运用层次分析法和熵值法对电子商务企业分销选择模式进行了研究，并用TOPSIS法对模型进行了验证。

3 方法学

本节概述了本研究采用的研究方法。我们的研究确定JD.com为我们的案例分析目标的电子商务企业。由于之前的研究并没有在大数据环境下使用一个真实的例子具体地探索现有的物流配送模式，因此进行详细的案例分析来解决这一问题是合适的差距和获得管理洞察力。此外，采用层次分析法和TOPSIS法对JD进行了研究。com物流配送模式的选择。层次分析法有助于确定JD实施的各配送模式的主观权重。然后，TOPSIS方法验证了用AHP方法构建的层次结构模型的稳健性。

3.1 案例分析

基于yin（2003）推荐的案例研究方法，JD.com作为中国最大的在线电子商务零售

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[607280]，资料为PDF文档或Word文档，PDF文档可免费转换为Word