2. 中国海洋大学 海洋发展研究院, 青岛 266100
2. Institute of Marine Development, Ocean University of China, Qingdao 266100, China
移动互联网的发展不断推动旅游业的数字化和智能化,涌现出携程、去哪儿、途牛等旅游互联网企业,在线旅行服务迅速成为旅游服务市场中最具活力和增长潜力的部分。然而,在线旅游企业在经历高速发展之后,开始面临网络营销成本增加、线上用户数量增速放缓、网上零售额增速下滑、互联网流量红利逐渐萎缩等问题[1]。同时,居民消费需求持续升级促使旅游消费由“价格消费”向“价值消费”转变,在线旅游服务难以满足消费者对深度体验和场景交互的需求,单一互联网平台依赖导致的经营短板日益显现。有鉴于此,2017年起,携程、途牛、同程等国内在线旅游企业积极整合线上和线下资源优势,加大线下门店铺设力度,通过旅游“新零售”的方式转化难以通过线上渠道获得的消费者。截至2019年,携程旅行网旗下门店布局于我国32个省,自营门店3000家,加上收购的“去哪儿”和“旅游百事通”两个品牌线下门店,数量超过7500家,成为全国乃至世界渠道规模最大的旅游零售商。在旅游“新零售”线下空间开拓过程中,在线旅游企业不可避免与具有先发地理优势的传统旅行社同台竞争,线下门店合理的空间布局成为增强旅游“新零售”竞争优势的重要举措。那么,以携程为代表的旅游“新零售”线下门店布局有什么特点?旅游“新零售”在区位选择和影响因素方面与商业新零售、传统旅行社有何异同?这种空间格局的形成机制如何?这些问题在已有研究中尚未得以回答。
2016年,马云首次提出“新零售”的概念,指出“新零售”是以信息技术为依托、以物流为支撑、融合线上线下全渠道、以需求数据指导供给的零售模式[1, 2],是对传统零售业供销模式、服务方式的改良与创新。随即与之有关的研究迅速在商业地理学、城市地理学研究中应用,就空间布局及区位选择问题展开探讨。宏观尺度上,中国新零售空间分布呈现不平衡发展格局,东部发展水平高于中西部内陆水平,归因于区域原有零售基础、科技创新能力及政府、企业战略行为[2];中观尺度上,城市新零售业态呈现多组团零星发展,中心分散趋势明显;微观尺度上,不同新零售行业区位偏好各异,生鲜类新零售“盒马鲜生”倾向于城市社区与交通环境良好的区位[3],休闲餐饮类新零售“瑞幸咖啡”以商务办公区为主要场景,打破了传统零售业商业中心偏好选择[4]。同时,现代物流作为“新零售”关键一环,将物流配送纳入区位选址考虑范围成为零售业空间研究的新特点[5, 6]。
旅游“新零售”是以互联网、大数据、人工智能为依托,面向全渠道消费者群体,提供全品类、全渠道、全时段、全体验旅游产品和服务的新兴零售模式[7]。旅游“新零售”侧重于场景营销与线下体验,将消费者“引进来”是经营关键,区别于其他新零售业态对物流配送的关注[8],目前尚未有学者探讨旅游领域新零售的空间选址问题。基于此,本文以旅游“新零售”代表——携程旅行网线下门店作为研究对象,以携程总部设立之处、线下门店布局数量最多之地、全国新零售规模和发展水平最高的城市——上海作为研究区域,从商业地理学、城市地理学视角,基于POI数据,综合运用GIS空间分析法和地理探测器定量分析法探讨旅游“新零售”空间格局特征、区位选址及形成机制,丰富旅游“新零售”研究视角,为OTA线下门店选址及城市规划、资源配置提供参考,优化旅游“新零售”线下空间格局。
2 研究对象、数据及方法 2.1 研究对象 2.1.1 研究区域上海市下辖黄浦区、徐汇区、长宁区等16个区(图 1),人口2487万,总面积6340.5 km2。上海作为中国国际经济、金融、贸易、和物流枢纽,是全国新零售规模和发展水平最高的城市[4]。2019年,上海旅游人数、旅游收入分别位居全国第二和第三位,为旅游“新零售”发展提供坚实基础。携程旅行网总部设于上海,在上海市有线下门店96家,数量位居全国首位,遍布于上海市各辖区,研究区域具有良好的典型性。
携程旅行网创立于1999年,在创立初始主要从事机票、酒店预订代理服务,后扩展至商旅管理与休闲度假服务领域。2003年在美国纳斯达克上市,2019年总交易额达8650亿元,位居全球在线旅游企业第一位。2017年起,携程旅行网致力于向“店商+电商”旅游“新零售”模式的转变,以技术资源为核心,将线下门市、体验店、生活馆布局目标人群线下生活服务场景,以满足消费者个性化、交互化、体验化消费需求,代表了我国旅游“新零售”发展的最高水平。
2.2 数据来源利用Python抓取高德地图开发者平台中上海市携程门店POI数据[9],包括门店名称、经纬度、地址等属性信息,共获得上海市96家携程门店的点数据。研究所用的商场、居民区、写字楼、地铁口、公交站、传统旅行社POI数据主要从高德地图开放平台获取,经过数据筛选及清洗,最终保留有效POI数据37272条。道路数据来源于OpenStreetMap(OSM)网站,小区房价通过链家网和安居客获取,并利用克里金插值法表征地价水平,商圈等级数据来自于《上海市商业网点布局规划2014—2020》,网格中心点至CBD距离通过笔者编写的测距程序获得。
2.3 研究方法 2.3.1 标准差椭圆标准差椭圆(SDE)能够基于地理要素的空间区位,从整体上判别上海携程门店分布方向及分布趋势[10]。计算公式如下:
(1) |
式中,SDEx、SDEy是椭圆在X轴和Y轴方向上的方差,Xi和Yi是上海携程门店的空间位置坐标,X和Y是算数平均中心,n为上海携程门店总数。
2.3.2 平均最邻近指数平均最邻近指数(ANN)通过测度最邻近的点与点之间的距离来判别上海市携程门店空间分布呈现集聚还是分散状态[11]。计算公式如下:
(2) |
式中,ANN为平均最邻近指数,DO为实际平均观测距离,DE为平均预期距离,di为i要素与它最近要素之间的距离,n为区域内要素的数量,A为区域的面积。ANN<1、ANN=1、ANN>1,分别表示携程线下门店聚集、随机、离散分布模式。
2.3.3 泰森多边形泰森多边形(Thiessen polygons)是对离散化的点要素进行区域化的主要方法,通过计算泰森多边形面积变异系数能够对最邻近指数结果进行检验,了解要素空间分布类型及特征[12]。计算公式如下:
(3) |
式中,CV为Voronoi多边形面积变异系数,S为Voronoi多边形面积的标准差,M为Voronoi多边形面积的平均值,Mi为第i个泰森多边形的面积,n为泰森多边形面积个数。依据Duyckaert[13]提出的三个建议值,CV值介于33%—64%之间,携程门店为随机分布;CV值小于33%,携程门店为均匀分布;CV值大于64%,携程门店集群分布。
2.3.4 核密度分析核密度分析法(KDE)主要利用核密度函数为点状或线状要素生成连续密度表面,来反映要素空间分布的相对集聚程度[14]。区域核密度值越高,说明该区域上海携程门店呈现集聚程度越高。计算公式如下:
(4) |
式中,f(s)为核密度函数,n为上海携程门店总数,h为搜索半径,
本文运用因子探测法及交互作用探测法[15],探讨影响旅游“新零售”空间布局的影响因素及不同因子交互作用对其空间分布特征的影响。
(5) |
式中,q是衡量各因子对分布影响的值;N、σ2分别是样本量和方差;Nh和σh2为h层样本量和方差;q的取值位于0到1之间,q值越大,代表该影响因子的影响力越大。
3 携程旅游“新零售”空间格局分析 3.1 空间分布特征在整体分布特征上,上海携程线下门店具有中心指向性,各辖区门店数量不均衡,城市近郊辖区对旅游“新零售”表现出强大的吸引力。通过计算得到标准差椭圆相关参数:中心坐标为121.43°E,31.20°N,旋转角θ为23.49°,长半轴长度为19.26 km,短半轴长度为15.55 km(图 2)。
根据这些参数可以得到如下结论:①椭圆中心坐标位于上海市徐汇区,表明携程线下门店以分布于上海中心城区居多,旅游“新零售”在发展初期向心性显著。②标准差椭圆短半轴长度接近于长半轴长度,短半轴较长,表明上海市携程门店离散程度较大。③椭圆的旋转角度准确表示出携程门店分布的方向性,与上海市“沿江城市带”发展方向一致,呈“西南—东北”走向分布。
在门店空间分布数量上,上海市各辖区门店数量存在差异,浦东新区携程门店最多,为21家。闵行区携程门店数量为12家,位居其次。奉贤、崇明、青浦、金山等远郊辖区,以及静安、黄浦、虹口等中心城区数量最少,平均不足3家。从空间分布来看,门店主要集聚在人口数量最多、经济相对活跃的近郊辖区。这一分布特征与旅游“新零售”企业的发展目标紧密相关,携程线下门店布局一是为了转化线上难以转化的用户,获得更多新客源。因此门店的市场下沉趋势显著,倾向布局于在线预订普及率较低的城市郊区。二是为消费者提供优质服务与场景化体验。单一的线上渠道难以满足消费者场景交互、深度体验的需求,开设线下门店可以为旅游服务和体验提供有形平台,因此线下门店布局接近目标消费人群集聚区,仍具有一定的向心性。
3.2 空间集聚特征依据平均最邻近指数与泰森多边形分析结果,上海携程门店总体呈显著集聚分布态势。利用ArcGIS10.2工具测算得出携程门店平均实际最邻近距离为2.91 km,小于平均预期4.18 km的最邻近距离,表明上海携程门店在地理空间中集聚分布,呈凝聚型分布类型。Voronoi多边形面积变异系数>64%,进一步验证了平均最邻近指数分析结果。另外,上海市中心城区泰森多边形面积较小,携程门店集聚程度高;近郊区、远郊区面积层级增大,集聚程度逐渐降低,表明上海市携程门店以中心城区为核心、周边区域扩散发展的集聚特征(图 3)。
为了进一步深入探讨空间聚类特征,运用GIS空间分析工具进行核密度分析,以2.5 km为搜索半径,采用自然断点法分为7级,得到上海市携程门店分布核密度图(图 4)。上海市携程门店核密度呈现多中心组团、单中心外围递减的“多中心—外扩”式分布模式,形成闵行区七宝—虹桥地区中心、长宁区临空经济园区及中山公园商业区3个主中心和杨浦区西部核心发展带1个副中心。由携程门店集聚特征发现,一方面核密度高值区位于中心城区边缘及近郊辖区,在中心城区形成“中间低,四周高”的特征,究其原因,上海市中心区域地租高,主要布局承租能力强的金融、保险、法律等商务服务业以及起步早、基础好的传统零售业。另一方面,核密度高值区分布在大型商务中心、商业中心附近,临近综合交通枢纽,反映出商务商业中心、良好的交通环境等是影响携程旅游“新零售”空间布局的重要因素。
采用多环缓冲区分析方法,对携程线下门店与传统旅行社在上海市域不同空间尺度上的格局特征进行判别。上海市携程线下门店基本分布在距市中心55 km范围内,传统旅行社基本分布在60 km范围内,表明在发展初期,二者具有相似的分布范围。这主要由于中心城区经济发达、消费需求活跃,旅游“新零售”发展初期仍偏好选择靠近中心城区的区域开设门店以接近消费者。
为进一步了解旅游“新零售”在各圈层的分布规律,本文对门店高度集中的距离市中心20 km范围内、每1 km圈层内携程门店与传统旅行社的数量进行对比。从曲线变化趋势来看(图 5),传统旅行社空间分布的“核心—外围”特征更加显著,随着距离的增加,传统旅行社数量整体呈明显的波动式下降趋势。而携程线下门店数量先增后减,趋势变化不显著。从峰值出现的距离来看,传统旅行社集中分布在距市中心2—8 km范围内,布局更偏向于地租最高、经济最繁荣的核心商圈、高档写字楼等区域。携程线下门店集中布局于6—13 km处,表明旅游“新零售”尽管空间布局仍具有一定的中心偏好性,但相较于传统旅行社,对商业中心黄金地段的偏好并不强烈,离心趋势显著。携程门店依托坚实的技术保障和完善的供应链管理体系,充分发挥线上引流优势,并通过线下门店咨询提供便捷的一站式服务,使得门店布局于非黄金商业中心也能获得稳定的客源,与单一依靠线下营销、高度依赖“回头客”的传统旅行社形成了差异化圈层结构特征。
本文结合上海携程集团实际发展情况,从商业商务水平、社区规模、地租水平、交通可达性、竞争对象、区位条件6个维度10个具体代表性指标探讨携程旅游“新零售”区位选址的主要因素。①商业商务活动是影响商业选址的重要因素,商场、写字楼是商业商务活动的承载空间与聚客地,本文选取商场密度与写字楼密度来刻画[4]。②一定规模或密度的社区分布是相关社区商业网点布局的关键因素[3],社区逐渐成为新零售服务的主要对象,文中用居民区密度表征。③地价水平对旅游“新零售”商业区位的自由选择有制约作用[10],用小区平均房价的克里金插值来表征。④交通条件决定旅游“新零售”的可接近性,良好的交通环境促进新零售业态的发展,选取地铁站密度、公交站密度与路网密度表征[16-18]。⑤存在竞争关系的商店的位置是影响零售商选址的重要因素[19, 20],旅游“新零售”线下空间开拓必然会受到具有先发地理优势的传统旅行社空间分布的影响,以传统旅行社密度表征竞争对象的影响。⑥良好的区位条件利于旅游“新零售”持续向好发展,用CBD趋近度[21]与商圈等级表征区位优劣特征。将上述影响因素作为自变量,上海市携程门店核密度分布作为因变量,运用地理探测器分析各自变量对因变量的解释程度(表 1)。
地理探测器结果显示,所有指标均通过显著性检验(p值均为0),对旅游“新零售”空间格局及区位选址均具有解释力,表明携程线下门店与一般零售商业网点具有相似的区位选址偏好,均会受到上述10个解释变量的影响。商业零售的发展依赖于实体空间[22],其区位选择受到地理市场空间范围和地理区位的影响。携程线下门店作为体验性零售店对消费者到店消费提出了更高的要求,其空间发展对实体空间和商业基础设施具有较强的依赖性[23],因此,携程旅游“新零售”在发展初期仍呈现出与一般商业网点相似的空间布局特征。不同维度、不同指标的解释力度存在差异,各因素对旅游“新零售”空间分异解释力大小排序为:写字楼密度>商场密度>居民区密度>地铁站密度>传统旅行社密度>公交站密度>地价水平> CBD趋近度>道路网密度>商圈等级。携程旅游“新零售”线下门店与一般商业零售网点、传统旅行社门店对不同区位选址影响因素的偏好程度与组合状况存在差异,具体分析如下:
(1)携程旅游“新零售”区位选择受商业商务活动与社区分布的影响显著,其中对写字楼分布的依赖性最强。不同于传统零售业对商业中心的区位偏好[4],写字楼成为携程门店布局最主要的场景。究其原因,商旅用户是携程旅行网最大利润来源,布局于写字楼集聚区能够更好地接近目标消费人群。此外,不同于传统旅行社单一区位偏好[24],商场、居民区分布也深刻影响携程门店空间布局。相较于传统旅行社,携程门店不仅是零售门店,也是旅游深度体验、共同兴趣爱好者交流和社交的场所,门店选址呈现出对写字楼、商场和居民区的多元区位偏好特征。
(2)携程旅游“新零售”对公共交通区位具有较强的依附性,偏好选择地铁站、公交车站密集区域。交通与互联网的交互作用促使消费市场更易在时间距离可达性相对更好的区域形成集聚[22]。面对具有先发地理优势的传统零售业,携程线下门店能够突破实体商业分布于城市黄金商业地段的选址逻辑,在中心城区边缘、城市近郊辖区形成新的集聚。同时,相较于新兴的其他商业新零售业态“到家O2O”新模式对物流配送的关注[23],旅游“新零售”的进店消费更是表现出对交通便捷性的高度依赖。上海市公共交通基础设施较为完善,市民出行对公交设施依赖程度高。因此,携程旅游“新零售”线下门店布局依附于公交便利区位,与地铁、公交站的分布规律具有较高的一致性。
(3)地租水平、竞争对象空间分布是制约携程旅游“新零售”线下门店布局的重要因素。阿隆索竞价地租理论指出,每个租地者在权衡自身所能支付的地租与在该地块上预期获得的最大收益后决定愿意支付的最高租金[25]。图 6上海地价等级图展示了携程旅游“新零售”的承租意愿。超过60% 门店位于二、三等级地价区,表明携程门店倾向中高地价区。零售商的选址逻辑是在“接近消费者需求”和“与竞争者之间形成空间差异”二者间权衡,携程门店分布与传统旅行社密度关系图显示(图 7),传统旅行社呈现显著的向心性,核密度高值区覆盖上海市内环线区域,接近上海市人口最密集、商业最繁荣的一级地价区,携程门店避开传统旅行社核密度高值区,向中心城区边缘及城市近郊中高地价区布局,形成差异化空间选择。
(4)区位条件对携程门店选址有一定影响但作用程度较小。城市CBD及良好的商圈环境对周边地区、各行业有较强的辐射带动作用,在旅游“新零售”发展初期,能够为携程门店带来一定客流量,提高品牌知名度。但旅游“新零售”呈市场下沉趋势,城市近郊、远郊已基本具备发展的基础条件与客源市场,在先进技术、服务升级和场景交互体验的带动下,携程旅游“新零售”将加快市场渗透,提高用户粘性,进一步减少对CBD与高等级商圈依赖程度,突破传统实体商业空间的束缚。
4.3 影响因素交互分析进一步利用地理探测器探讨双因子交互作用对旅游“新零售”空间分异规律的影响。由探测结果,10个影响因素指标两两交互均比单个指标对旅游“新零售”空间格局分布的影响力显著,均表现为双因子增强。选取排名前5位的因子交互探测结果进行分析(表 2),发现排名前4位交互因子中均有写字楼密度(X2),说明写字楼和其他因素交互之后对携程门店空间分布具有更强的解释力,尤其是在写字楼(X2)与商场(X1)的共同作用下,凸显出携程旅游“新零售”对商务商业活动场所的高度依赖性。写字楼(X2)与公交站(X6)交互作用位列第二,表明城市公共交通是旅游“新零售”开展的重要支撑,接近目标人群且交通便利的区位更利于旅游“新零售”持续发展。
基于对上海市携程旅游“新零售”线下门店的空间分布与区位选址影响因素的研究,结合携程旅行网旅游“新零售”运营模式,遵循形成机制分析的一般思路——“影响因素—作用过程—作用结果”[26-30],本文从企业业务板块规划、地理实体空间竞争、区域产业配套水平3个角度探讨携程旅游“新零售”空间格局的形成机制(图 8)。
企业业务板块规划是企业构建和可持续发展的基石[31],驱动企业依据业务发展重点开展市场渗透和用户接近。依据企业成长理论,企业成长性是指企业不断挖掘企业内部的资源,持续实现潜在价值的能力,是依据发展状况和能力,对未来的一种预期[32, 33]。企业通过动态调整业务板块和战略布局达到培育企业核心竞争力、判断投资倾斜和实现企业成长的目的[31]。携程旅行网主营业务包括住宿预订、交通票务、旅游度假与商旅管理四个部分,其中商旅管理业务板块2019年营业收入增速最快,成为携程旅行网现阶段重点培育的“战略种子业务”。同时,商旅用户是携程旅行网最大利润来源,近40% 的携程用户以商务出行为典型消费场景,是携程旅行网未来发展的主要方向。此外,全产品一体化管控、高质量定制旅程、体验社交服务是商务休闲客户关注的焦点,使得将“人对人”服务贯穿用户出游全过程的旅游“新零售”成为商旅业务板块的发力点。因此,携程旅游“新零售”线下门店布局渗透商务休闲用户线下办公、社交与居住场景,推动商旅管理从单纯的线索项目增长、价格导向为主向携程门店支撑下的产品能力和服务能力驱动增长转变,以更好地满足目标消费者场景体验与服务升级的需求。
5.2 地理实体空间竞争是携程旅游“新零售”空间布局的外部约束力空间竞争作为商业空间布局的重要影响因素,已有研究尝试从商业区位论角度阐释零售商业空间竞争模式,具体体现为剩余竞争、非剩余竞争、扩域竞争和错位竞争等形式[34]。所谓地理实体空间竞争,是指位置不同的经营者之间对于地域市场空间范围与地理区位的竞争[24],在其制约下,携程线下门店放弃商务商业活动最繁荣的城市核心地段,集聚分布于中心城区边缘及近郊辖区的商务、商业区。广阔的市场空间与优越的地理区位通常伴随着激烈的行业竞争与高昂的土地租金,携程线下门店权衡各要素之间的关系,在不同地域范围内选择差异化布局策略。上海市传统旅行社具有先发地理优势,占据城市中心黄金地段,携程旅游“新零售”为减少市场竞争、避免承受高昂地租,在城市中心区采取“剩余竞争模式”,避开传统旅行社高度集聚的中心商业区,在城市中心城区边缘挖掘尚未被充分开发利用的地域市场资源[34]。在地租相对较低、市场竞争相对缓和的城市近郊、远郊辖区,携程旅游“新零售”采取“扩域竞争模式”,同传统旅行社共同利用基础设施与市场资源[35],达到扩充市场份额、减少获客成本的目的。
5.3 区域产业配套水平是携程旅游“新零售”空间布局的支撑动力已有学者基于古典经济学分工理论较为充分地阐释了区域内良好的产业配套水平对于减少企业发展的不确定性、增强企业抵御风险的能力的必要性和现实性[36],指出交通条件、区域原有商业基础等产业配套对企业、商业零售空间布局的支撑作用[31, 37]。携程旅游“新零售”线下门店向交通便利处、良好区位条件处布局,是旅游“新零售”企业在发展初期,依托产业配套支撑趋利避害生存与发展的自然选择。旅游“新零售”门店布局目标消费群体线下生活服务场景,目的在于提供便捷的线下服务体验与场景交互,良好的交通条件不仅能够减少消费者“进店体验”的空间阻力和时间成本,还可以弥补携程线下门店处于非商业中心、黄金地段的区位劣势。因此,携程旅游“新零售”依然依赖于便利的交通条件,是携程门店选址的基本属性之一。
6 结论与讨论 6.1 结论旅游“新零售”已经成为我国旅游业未来发展的重要方向。本研究基于POI数据,综合运用GIS空间分析法与地理探测器,结合携程旅行网旅游“新零售”战略目标、核心竞争力和业务板块规划,对上海携程旅游“新零售”空间格局特征及形成机制进行了分析,得到的结论如下:
(1)从空间分布特征来看,由于携程旅游“新零售”处于发展初期,空间布局仍具有中心指向性,沿城市发展方向分布,呈“西南—东北”走向。上海市各辖区携程门店数量差异显著,呈现非均衡空间格局特征,近郊辖区对旅游“新零售”展现出强大吸引力。从空间集聚特征来看,携程门店呈典型凝聚型空间分布类型,核密度高值区位于中心城区与近郊辖区交界处,形成“多中心—外扩”式集聚模式。从圈层结构来看,尽管携程门店仍具有向心性,但在较大空间尺度集中分布,离心趋势显著,对商业中心偏好不强烈,市场下沉趋势显著,呈现出异于传统旅行社强烈中心偏好性的空间格局特征。
(2)企业业务板块规划、地理实体空间竞争及区域产业配套水平共同作用促使携程旅游“新零售”空间格局的形成。商旅管理业务板块驱动携程线下门店依赖于以写字楼为代表的目标人群线下生活服务场景。地理实体空间竞争制约携程门店市场范围划分与黄金地段区位选择,携程门店以布局于中心城区边缘、近郊辖区中高等级地价区为主。良好的区域产业发展水平对携程门店区位选择起支撑作用,CBD趋近度与商圈等级的影响较小,但其线下引流作用有助于旅游“新零售”发展初期快速提高企业知名度,扩大市场份额。
(3)旅游“新零售”作为新兴业态表现出区别于传统零售业与其他新零售行业独特的区位选址特征。旅游“新零售”市场下沉、离心趋势明显,对商务办公区的偏好强于商业中心,写字楼成为旅游“新零售”布局最主要的场景,突破了传统零售业商业中心偏好的区位选址逻辑。相较于传统旅行社的单一区位偏好,旅游“新零售”呈现出对写字楼、商场和居民区的多元区位偏好。相较于其他新零售行业“配送到家”服务模式对物流配送的关注,旅游“新零售”聚焦消费者“引进来”的问题,通过场景体验与产品、服务质量提升来增加预期消费者剩余。
6.2 讨论相比于以往研究,本文的学术贡献在于:其一,综合比较了旅游“新零售”与传统零售业/旅行社、其他商业新零售在空间格局和区位选址方面的异同,进一步突出旅游“新零售”空间格局“新”特点。已有研究通常从传统零售业[10, 24]、商业新零售[3, 20]单一层面展开空间特征探讨,缺乏与相关零售业态、细分零售行业等相关对象的对比分析,不能系统、直观反映研究对象的空间格局的特殊性。其二,以旅游“新零售”代表携程旅行网上海市线下门店为研究对象,其空间布局战略与新零售运营模式能够为OTA线下空间拓展与优化提供指引与理论支撑,对于进一步推动旅游业新零售发展具有实践指导意义。旅游“新零售”作为新兴业态,表现出的迥异于传统零售业与其他新零售行业的空间特征,体现了新零售时代旅游业经营理念与服务理念的改变。旅游“新零售”企业还应发挥在线旅游平台在数据支持、技术支撑与资源整合方面的优势,通过不断满足消费者场景体验化与个性化的新需求,通过增加用户粘性获得竞争优势。基于此,本文提出以下发展建议:
(1)构建泛旅游场景,形成多样化门店业态。基于用户画像,精准定位目标人群,在其办公、购物、社交等场景开设门店,为消费者提供即得性场景体验。开设不限于传统门市的主题各异的旅游体验馆、生活馆,充分利用虚拟现实(VR)、增强现实(AR)等科技元素辅助提高门店体验水平,满足消费者沉浸式场景互动体验。
(2)数字化工具与人工服务结合,挖掘并满足消费者个性化需求。一方面,以海量用户数据为支撑,借助数据挖掘、数据分析技术,搭配AI智能客服,高效识别用户需求。另一方面,制定门店专业化服务原则,开展线下服务人员技能培训,在沟通交流中精准捕捉用户偏好,提出差异化产品方案,满足用户个性化消费需求。
(3)线上线下资源整合,实现信息流透明化与全面化。消费者希望在全面而真实地接收旅游产品和服务有效信息的基础上进行购买决策。相较于传统线下门店信息的不对称而引发的旅游纠纷,旅游“新零售”企业通过线上媒体推广和线下门店体验,提高了消费者对产品与服务的信任度。此外,在线旅游企业凭借完善的供应链体系,能够为消费者提供全品类旅游产品信息,节省消费者信息搜寻成本。
携程旅行网是旅游“新零售”的杰出代表,以携程线下门店为研究对象,探讨旅游“新零售”空间格局及形成机制,能够为其他OTA平台旅游“新零售”线下门店区位选址提供借鉴。但由于目前旅游“新零售”还处于初步发展阶段,未来还可以结合新的大数据挖掘技术与空间分析模型,从时空角度探讨旅游“新零售”的演化规律,进一步挖掘旅游“新零售”在空间布局方面的“新”特点。
[1] |
杜睿云, 蒋侃. 新零售: 内涵、发展动因与关键问题[J]. 价格理论与实践, 2017(2): 139-141. [Du Ruiyun, Jiang Kan. New retailing: Connotation, development impetus and key problems[J]. Price: Theory & Practice, 2017(2): 139-141.] |
[2] |
林玥希, 汪明峰. 中国新零售的空间分布与区位选择[J]. 经济地理, 2020, 40(12): 109-118. [Lin Yuexi, Wang Mingfeng. Spatial distribution and location strategy of the "new retail" in China[J]. Economic Geography, 2020, 40(12): 109-118.] |
[3] |
金安楠, 李钢, 王建坡, 等. 社区化新零售的布局选址与优化发展研究——以南京市盒马鲜生为例[J]. 地理科学进展, 2020, 39(12): 2013-2027. [Jin Annan, Li Gang, Wang Jianpo, et al. Location choice and optimization of development of community-oriented new retail stores: A case study of Freshippo stores in Nanjing city[J]. Progress in Geography, 2020, 39(12): 2013-2027.] |
[4] |
汪凡, 林玥希, 汪明峰. 第三空间还是无限场景: 新零售的区位选择与影响因素研究[J]. 地理科学进展, 2020, 39(9): 1522-1531. [Wang Fan, Lin Yuexi, Wang Mingfeng. "Third space" or "infinite occasion": Location choice and influencing factors of the new retail industry[J]. Progress in Geography, 2020, 39(9): 1522-1531.] |
[5] |
张建军, 赵启兰. 新零售驱动下流通供应链商业模式转型升级研究[J]. 商业经济与管理, 2018(11): 5-15. [Zhang Jianjun, Zhao Qilan. Transformation and upgrading of the business model of the circulation supply chain driven by "new retail"[J]. Journal of Business Economics, 2018(11): 5-15.] |
[6] |
孙大尉, 赵启兰, 张小蒙. 新零售业态下物流平台运营策略研究[J]. 北京交通大学学报(社会科学版), 2019, 18(3): 138-144. [Sun Dawei, Zhao Qilan, Zhang Xiaomeng. A study of operation strategy for logistics platform under the new retail[J]. Journal of Beijing Jiaotong University(Social Sciences Edition), 2019, 18(3): 138-144.] |
[7] |
狄蓉, 曹静, 赵袁军. 旅游"新零售"背景下在线旅游运营模式——以携程旅行网为例[J]. 中国流通经济, 2019, 33(7): 45-52. [Di Rong, Cao Jing, Zhao Yuanjun. Research on the operational model of online tourism (OTA) under the background of new retail tourism: A case study of Ctrip[J]. China Business and Market, 2019, 33(7): 45-52.] |
[8] |
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. [Liu Xiangdong, Liu Yushi, Chen Chengzhang. Space expansion and competition mechanism innovation of chain retailers in the age of digital economy[J]. China Industrial Economics, 2019(5): 80-98.] |
[9] |
崔璐明, 曲凌雁, 何丹. 基于深度学习的城市热点空间情绪感知评价——以上海市为例[J]. 人文地理, 2021, 36(5): 121-130, 176. [Cui Luming, Qu Lingyan, He Dan. Evaluating emotional perception of spatial hotspots via deep learning: A case study of Shanghai[J]. Human Geography, 2021, 36(5): 121-130, 176.] |
[10] |
何伟纯, 李二玲, 崔之珍, 等. 开封市主城区零售商业空间布局及其影响因素[J]. 经济地理, 2018, 38(9): 158-167. [He Weichun, Li Erling, Cui Zhizhen, et al. Spatial layout and influencing factors of commercial retail in main urban districts of Kaifeng[J]. Economic Geography, 2018, 38(9): 158-167.] |
[11] |
高岩辉, 杨晴青, 梁璐, 等. 基于POI数据的西安市零售业空间格局及影响因素研究[J]. 地理科学, 2020, 40(5): 710-719. [Gao Yanhui, Yang Qingqing, Liang Lu, et al. Spatial pattern and influencing factors of retailing industries in Xi'an based on POI data[J]. Scientia Geographica Sinica, 2020, 40(5): 710-719.] |
[12] |
张绍云, 周忠发, 熊康宁, 等. 贵州洞穴空间格局及影响因素分析[J]. 地理学报, 2016, 71(11): 1998-2009. [Zhang Shaoyun, Zhou Zhongfa, Xiong Kangning, et al. Spatial pattern of the caves in Guizhou province and their the influencing factors[J]. Acta Geographica Sinica, 2016, 71(11): 1998-2009.] |
[13] |
Duyckaerts C, Godefroy G. Voronoi tessellation to study the numerical density and the spatial distribution of neurons[J]. Journal of Chemical Neuroanatomy, 2000, 20(1): 83-92. |
[14] |
李哲, 申玉铭. 北京市零售业空间格局研究[J]. 城市发展研究, 2018, 25(6): 64-70, 181. [Li Zhe, Shen Yuming. Research on retail sector spatial pattern in Beijing[J]. Urban Development Studies, 2018, 25(6): 64-70, 181.] |
[15] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. [Wang Jinfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.] |
[16] |
Fang Y, Mao J Y, Liu Q H, et al. Exploratory space data analysis of spatial patterns of large-scale retail commercial facilities: The case of Gulou district, Nanjing, China[J]. Frontiers of Architectural Research, 2021, 10(1): 17-32. |
[17] |
Geng L, Chen X X, Liang Y T. The location of retail stores and street centrality in Guangzhou, China[J]. Applied Geography, 2018, 100: 12-20. |
[18] |
李莉, 侯国林, 夏四友, 等. 成都市休闲旅游资源空间分布特征及影响因素[J]. 自然资源学报, 2020, 35(3): 683-697. [Li Li, Hou Guolin, Xia Siyou, et al. Spatial distribution characteristics and influencing factors of leisure tourism resources in Chengdu[J]. Journal of Natural Resources, 2020, 35(3): 683-697.] |
[19] |
Nilsson I M, Smirnov O A. Clustering vs. relative location: Measuring spatial interaction between retail outlets[J]. Papers in Regional Science, 2017, 96(4): 721-741. |
[20] |
张英浩, 汪明峰. 新零售背景下连锁店区位选择及其空间关联特征[J]. 热带地理, 2021, 41(3): 573-583. [Zhang Yinghao, Wang Mingfeng. Location selection and correlation characteristics of chain stores against the background of new retail[J]. Tropical Geography, 2021, 41(3): 573-583.] |
[21] |
李维维, 马晓龙. 中国大城市旅游休闲业态的空间格局研究: 西安案例[J]. 人文地理, 2019, 34(6): 153-160. [Li Weiwei, Ma Xiaolong. Spatial pattern and mechanisms of the tourism and leisure industry in China's big cities: A case study of Xi'an[J]. Human Geography, 2019, 34(6): 153-160.] |
[22] |
史坤博, 杨永春, 杨欣傲, 等. 时间成本是否成为电子商务区位的核心机制——基于成都市O2O电子商务的实证分析[J]. 地理学报, 2016, 71(3): 500-514. [Shi Kunbo, Yang Yongchun, Yang Xin'ao, et al. Does time dictate the location of e-commerce business? A study of O2O businesses in Chengdu, China[J]. Acta Geographica Sinica, 2016, 71(3): 500-514.] |
[23] |
张逸姬, 甄峰, 张逸群. 社区O2O零售业的空间特征及影响因素——以南京市为例[J]. 经济地理, 2019, 39(11): 104-112. [Zhang Yiji, Zhen Feng, Zhang Yiqun. Adoption of O2O strategies by community retailers in Nanjing[J]. Economic Geography, 2019, 39(11): 104-112.] |
[24] |
胡志毅, 朱康文, 李月臣, 等. 重庆都市区传统旅行社空间竞争格局研究[J]. 旅游学刊, 2017, 32(8): 70-80. [Hu Zhiyi, Zhu Kangwen, Li Yuechen, et al. A study of traditional travel agencies' spatial competition in Chongqing metropolitan area[J]. Tourism Tribune, 2017, 32(8): 70-80.] |
[25] |
江曼琦. 对西方竞标地租理论的几点认识[J]. 南开经济研究, 1997(6): 42-45. [Jiang Manqi. Understanding of Western bidding land rent theory[J]. Nankai Economic Studies, 1997(6): 42-45.] |
[26] |
王永明, 王美霞, 吴殿廷, 等. 贵州省乡村贫困空间格局与形成机制分析[J]. 地理科学, 2017, 37(2): 217-227. [Wang Yongming, Wang Meixia, Wu Dianting, et al. Spatial patterns and determinants of rural poverty: A case of Guizhou province, China[J]. Scientia Geographica Sinica, 2017, 37(2): 217-227.] |
[27] |
谭华云, 许春晓. 舒适移民型乡村绅士化空间格局及其形成机制——以广西巴马盘阳河流域为例[J]. 旅游学刊, 2021, 36(2): 40-53. [Tan Huayun, Xu Chunxiao. The spatial pattern and formation mechanism of amenity migration-based rural gentrification: A case study of Panyang River Basin of Bama in Guangxi[J]. Tourism Tribune, 2021, 36(2): 40-53.] |
[28] |
王培家, 章锦河, 孙枫, 等. 中国西南地区传统村落空间分布特征及其影响机理[J]. 经济地理, 2021, 41(9): 204-213. [Wang Peijia, Zhang Jinhe, Sun Feng, et al. Spatial distribution and the impact mechanism of traditional villages in Southwest China[J]. Economic Geography, 2021, 41(9): 204-213.] |
[29] |
周春山, 童新梅, 王珏晗, 等. 2000—2010年广州市人口老龄化空间分异及形成机制[J]. 地理研究, 2018, 37(1): 103-118. [Zhou Chunshan, Tong Xinmei, Wang Juehan, et al. Spatial differentiation and the formation mechanism of population aging in Guangzhou in 2000—2010[J]. Geographical Research, 2018, 37(1): 103-118.] |
[30] |
刘汉初, 周侃, 卢明华. 重点开发区域工业空间格局、集疏差异及影响机制——以福建沿海地区为例[J]. 人文地理, 2020, 35(1): 85-94. [Liu Hanchu, Zhou Kan, Lu Minghua. Industrial spatial pattern, agglomeration difference and impact mechanism of developmentprioritized zone: A case study of coastal area in Fujian province[J]. Human Geography, 2020, 35(1): 85-94.] |
[31] |
王娟, 杨晨. 中国旅游集团业务布局特征与形成机制研究[J]. 旅游学刊, 2019, 34(8): 53-64. [Wang Juan, Yang Chen. A study on business distribution and the growth of China national travel service group corporation[J]. Tourism Tribune, 2019, 34(8): 53-64.] |
[32] |
谢赤, 樊明雪, 胡扬斌. 创新型企业成长性、企业价值及其关系研究[J]. 湖南大学学报(社会科学版), 2018, 32(5): 58-64. [Xie Chi, Fan Mingxue, Hu Yangbin. A study on the growth, the enterprise value and their relationship of innovative enterprises[J]. Journal of Hunan University(Social Sciences), 2018, 32(5): 58-64.] |
[33] |
徐海峰, 陈存欣. 企业成长性对研发投入的影响研究[J]. 科学管理研究, 2019, 37(3): 115-118. [Xu Haifeng, Chen Cunxin. Research on the impact of company growth to R&D investment[J]. Scientific Management Research, 2019, 37(3): 115-118.] |
[34] |
白光润. 微区位研究的新思维[J]. 人文地理, 2004, 19(5): 85-88. [Bai Guangrun. New notion of micro-location research[J]. Human Geography, 2004, 19(5): 85-88.] |
[35] |
Mulligan G F. Agglomeration and central place theory: A review of the literature[J]. International Regional Science Review, 1984, 9(1): 1-42. |
[36] |
郑海平. 区域产业配套研究[J]. 生产力研究, 2004(10): 126-128. [Zheng Haiping. Regional industry supporting research[J]. Productivity Research, 2004(10): 126-128.] |
[37] |
王娜, 吴健生, 彭子凤. 深圳市零售业空间格局及影响因素[J]. 经济地理, 2021, 41(9): 125-134. [Wang Na, Wu Jiansheng, Peng Zifeng. Spatial pattern and influencing factors of retailing in Shenzhen[J]. Economic Geography, 2021, 41(9): 125-134.] |