EN中文

经济地理 >

2019 , Vol. 39 >Issue 11: 104 - 112

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.11.013

产业经济与创新发展

社区O2O零售业的空间特征及影响因素——以南京市为例

  • 张逸姬 ,
  • 甄峰 ※ ,
  • 张逸群
展开
  • 南京大学 建筑与城市规划学院，中国江苏 南京 210093
※甄峰（1973—），男，陕西汉中人，博士，教授，博士生导师。主要研究方向为城市地理与区域规划、智慧城市。E-mail：。

张逸姬（1994—），女，湖南娄底人，硕士研究生。主要研究方向为城市与区域规划。E-mail：。

收稿日期: 2019-03-13

  修回日期: 2019-10-10

  网络出版日期: 2025-04-17

基金资助

国家自然科学基金面上项目(41571146)

国家自然科学基金青年项目(41701178)

收起

Adoption of O2O Strategies by Community Retailers in Nanjing

  • ZHANG Yiji ,
  • ZHEN Feng ※ ,
  • ZHANG Yiqun
Expand
  • School of Architecture and Urban Planning，Nanjing University，Nanjing 210093，Jiangsu，China

Received date: 2019-03-13

  Revised date: 2019-10-10

  Online published: 2025-04-17

Fold

摘要

以网络团购为代表的到店O2O（Online to Offline）已被部分实证证明仍具较强区位特征，空间扩散规律基本遵循效率假说。以社区O2O为代表的到家O2O藉由即时配送，理论上进一步摆脱了地理空间的限制。文章根据零售商所售卖商品类型，将其分为体验性/搜索性零售店，采用空间分析、二元逻辑回归模型等方法，探讨两类社区O2O零售的空间特征及影响因素。研究表明：①社区O2O零售的空间发展规律基本契合技术扩散假说，呈现出与到店O2O相悖的空间扩散规律。证实了到家O2O进一步突破地理限制，在空间发展规律上受技术扩散或当地消费模式的影响更大。②搜索性商品零售店更倾向于采纳O2O，O2O提供的线下感知途径并不能完全弥补网络销售体验性商品的劣势。③两类零售店的地理影响路径不同。搜索性零售店主要受周边技术扩散的影响，体验性零售店则对本地消费需求更为敏感。

关键词： 实体零售; O2O模式; 网络购物; 零售业; 体验性/搜索性零售店; 社区; 物流与配送

本文引用格式

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 . DOI: 10.15957/j.cnki.jjdl.2019.11.013

Abstract

Online group-buying has been proved to have strong regional characteristics. The spatial pattern of comprehensive of online group-buying basically follows the efficiency hypothesis. The community O2O is theoretically further freed from the limitations of geospace by instant delivery. According to the types of goods sold by retailers, we divides retailers into experiential/searching retailers. Then we adopt spatial analysis and binary logistic regression models to explore the spatial characteristics and influencing factors of the adoption of O2O strategies by these two community retailers. The results indicates: 1) The spatial pattern of comprehensive of community O2O retailing basically follows the technology diffusion hypothesis, which confirms that community O2O has further broken through geographical restrictions and is affected by technology diffusion or local demands. 2)Retailers selling search goods are still more inclined to adopt O2O. The offline perception provided by O2O model cannot fully compensate for the online's disadvantages of selling experience goods; 3) The two types of retail stores have different influence paths. The probability of having an O2O strategy increases significantly when more relevant knowledge is locally available for retailers selling search goods, while retailers selling experience goods are sensitive to local customs' demand.

Key words： physical retail; O2O Model; online shopping; retail; experiential/searching retailers; community; logistics and distribution

互联网作为新的商业渠道已经崛起，可能大大改变了城市零售业的构成和性质[1-2]。一方面以电子零售的模式，对传统实体零售商造成冲击；另一方面，互联网为实体零售店开辟了新的渠道，其中O2O模式通过整合线上线下资源，缓解了地理空间对居民活动的束缚，可能重塑传统零售业的空间组织结构和辐射范围。
互联网的发展模式和应用程度在不同社会背景、不同区位之间的差异已被证实，已有研究对零售业应用互联网的空间分布规律进行了探索，空间扩散规律的两类对立假说分别得到验证。相关研究发现所处位置更为核心的实体零售商更有可能开设网上店铺[3]；Yuko Aoyama对比美国和日本的实体零售应用互联网的不同模式，发现技术的空间影响在不同社会背景中不一致[4]。国内相关研究大多针对网络团购，由于仍需到店消费，其空间发展对实体商业基础设施具有较强的依赖性[5-6]。路紫等对体验性网络团购的研究发现应用这一模式的店铺在空间分布与传统实体店铺区位特征基本一致[7]。史坤博针对成都市团购O2O的研究发现，城市中心区O2O团购市场仍表现出传统商业区位特征[8]。互联网技术应用在空间的扩散规律存在技术扩散假说（Innovation Diffusion Hypothesis）和效率假说（Efficiency Hypothesis）[9]，前者认为在技术较为发达、消费者网络技能越高的区域，新技术更易得以应用和扩散；后者则认为在相对落后的城市区域或郊区，由于实体商业市场不发达，消费者更倾向于以新技术提高购物效率。国内外对消费者网购情况的研究分别或共同支持这两种假说[10⇓⇓-13]。针对O2O模式的相关研究目前较为匮乏，史坤博等发现中国网络团购的发展呈现“逆等级”式空间格局，基本遵循效率假说[14]。
影响实体零售商采用互联网的因素引起了越来越多的重视，目前的实证研究主要集中在有限数量的公司特定因素，比如产品和组织规模[15-16]。根据Steinfield等人的理论，连锁零售商更倾向于利用互联网将业务扩展到没有实体存在的新地域市场[17]。对荷兰的实证研究发现所售产品类型可能影响零售商采纳不同O2O模式[18]。影响互联网应用的地理因素研究相对较少，相关研究针对城市之间或区域之间的零售商对比，得出了不同的结论。Aoyama发现对O2O模式的采用与社会的消费模式有关[19-20]。针对荷兰12 000个个体零售商的研究发现，大城市和核心区域的零售商采用互联网策略的可能性显著较高，因此集聚经济对互联网应用很重要[21]。史坤博等利用网络团购数据发现经济欠发达城市由于实体商业发展不足，反而形成了拟集聚优势[14]。地理因素的影响研究不仅限于零售商所处的位置。针对荷兰八个不同城市市中心零售商的对比研究发现，城市消费者需求和城市同类商店的数量显著影响实体零售商是否应用互联网[18]。
本地生活O2O指同一城市（或地区），为满足居民日常生活需求提供商品或服务的商业模式[22]。依据交付场景的不同，本地生活O2O可分为到店和到家两类，与线上支付—线下消费的到店O2O不同，到家O2O是线上下单—快递配送到家或上门取货的模式。社区O2O是到家O2O的典型[23]。
现有研究针对的O2O模式仍需消费者前往实体零售店购买或取货，并未从根本上改变商业的内在区位规律。国内即时配送行业的兴起使实体零售店配送到家成为可能，大大扩展了实体零售店的服务范围，因此其空间特征和影响因素可能存在显著差异。目前对O2O商业模式发展的影响因素集中于对零售商特征的研究，对地理因素的影响探讨十分匮乏。同时，搜索性商品和体验性商品由于其信息数字化表达的难易程度，搜索性商品较容易被网络渠道接受[24-25]。理论上O2O为体验性商品提供了线下感知的途径，可弥补网络渠道销售体验性商品的劣势[18]，但这一优势尚未被证实。
基于现有研究，本文以社区O2O零售为研究对象，将其分为售卖搜索性商品的店铺和售卖体验性商品的店铺进行分类研究。以南京为例，总结这一全新商业模式的空间分布特征。同时定量分析零售商特征和地理空间对社区O2O零售发展的影响，补充目前匮乏的O2O商业的空间影响因素研究。这对理解中国新O2O类型的发展的空间逻辑，以及信息时代企业决策者的互联网策略具有一定的理论与实践价值。

1 研究范围与数据来源

1.1 研究范围

依据《南京市城市总体规划（2018—2035）》提出的便捷可达的500 m社区生活圈，本文选取南京市42个社区（图1），针对所选社区500 m范围内的社区实体零售商开展研究。通过对南京市2018年的百度POI空间分析，获取了研究范围内387个搜索性零售店和217个体验性零售店的位置数据。
图1 社区分布图

Fig.1 The sample distribution

1.2 数据来源

本文通过网络爬虫获取2018年南京市百度POI数据，通过GIS空间分析获取了对应社区500 m范围内的社区零售商家数据，并对零售商家类型、组织形式进行进一步的梳理。零售商家的组织形式分为连锁店和非连锁店，零售商家类型分为售卖搜索性商品的零售店和售卖体验性商品的零售店两类。其中将主要销售搜索性商品的超市、便利店等定义为搜索性商品零售商；而将主要销售体验性商品的菜场、水果店、花店等定义为体验性零售商。O2O商家的获取方面，基于居民实际使用情况，对居民实际使用的社区O2O平台的商家名称和位置数据进行爬取。将O2O商家数据与POI实体商家数据进行对应，平台商家名称、位置均吻合的零售商家被标注为加入O2O平台的商家。由于POI数据记录的零售商家存在偏差，POI可能未能收录所有商家，因此实体商家数据可能存在系统误差。
为充分探讨本地需求的影响，在2018年8月对所选社区内1 243名居民展开问卷调查，内容包括居民社区O2O购物情况、个人经济社会属性和互联网使用频率等。为保证样本数据的普适性和全面性，工作日选择17∶00~21∶00，非工作日选择9∶00~21∶00进行调研，采取社区内进行了随机的入户调查的方式。共计回收问卷1 243份，其中有效问卷1 210份。
研究范围内的搜索性零售店中，有150个样本已加入O2O平台，占比38.76%；连锁店有252家；其中有110个样本分布在南京内城（明城墙以内）、189个样本分布在外城（明城墙以外、绕城高速以内）、88个样本分布在郊区（绕城高速以外）；小区类型分布上，商品房附近的搜索性零售店最多，占46.25%。体验性零售店中有29.03%加入O2O平台；有44.7%的体验性零售店是连锁店；在区位分布上，有67个样本位于内城，105个样本分布在外城，45个样本分布于郊区。
表1 零售店情况统计表

Tab.1 Statistical table of the basic situation of retailers

搜索性商品零售店 体验性商品零售店
样本属性 数量/家 比例/% 数量/家 比例/%
加入O2O
平台情况		 已加入 150 38.76 63 29.03
未加入 237 61.24 154 70.97
组织形式 连锁店 252 65.12 97 44.70
非连锁店 135 34.88 120 55.30
所处区位 内城 110 28.42 67 30.88
外城 189 48.84 105 48.39
郊区 88 22.74 45 20.74
所处小区
类型		 传统小区 85 21.96 52 23.96
商品房 179 46.25 98 45.16
单位小区 16 4.13 15 6.91
人才公寓 23 5.94 9 4.15
保障房 49 12.66 24 11.06
城中村 35 9.04 19 8.76

1.3 研究方法

1.3.1 O2O渗透率

加入O2O平台的实体商家在本地所有实体商家中占有的比例可反映当地的O2O发展水平，借鉴相关研究，称之为O2O渗透率[14,23]。公式如下：
P = S a / S b
式中：P为O2O模式对实体商业的渗透率；Sa和Sb分别为采纳O2O模式的商家数量和实体商家总数。本研究分别计算社区500 m范围内的商超便利店和体验性零售店的O2O渗透率，作为社区O2O发展的评价指标。本文的实体商家数据主要依据POI数据，由于POI数据收录不全的系统偏差，本文所计算的O2O渗透率可能比实际情况偏高。

1.3.2 统计分析和空间分析

本文通过空间分析的方法对研究范围内的零售店进行区位划分，通过统计分析讨论不同区位、不同类型的社区实体零售业和O2O零售业发展的差异。同时，通过将O2O零售店划分为售卖搜索性商品和售卖体验性商品两种类型进行分类统计，探讨O2O发展情况在不同售卖商品类型中的差异。其中搜索性商品是购买之前可以了解有关产品属性的完整信息的产品，如日用商品、书籍等；体验性商品由于产品或市场的复杂性而难以获得关于产品的信息，如生鲜、蔬果等[20]。为进一步探讨本地需求的影响，本文基于调查问卷，统计分析社区消费者购买不同类型商品的O2O购物平均频率、实体购物平均频率及平均购物出行时间。

1.3.3 二元逻辑回归模型

本文将社区零售店分为搜索性商品零售店和体验性商品零售店，以其是否加入O2O平台作为因变量，在探讨组织形式的影响基础上，将地理因素分为知识溢出、本地需求和本地竞争三个部分纳入模型，尝试构建二元逻辑回归模型。模型可识别对O2O零售业发展具有显著影响的地理因素，从而进一步判定的南京市O2O零售业空间发展规律。

2 南京市社区O2O零售业的空间特征

将研究社区分别依据社区区位和社区类型进行分类，通过对零售商O2O平台加入情况和社区居民O2O购物情况进行统计分析，分析结果如下。

2.1 O2O渗透率由内城到郊区逐渐降低，符合技术扩散假说

依据图3可直观看出，随着空间由内城向外城、郊区的蔓延，O2O渗透率均呈现出下降趋势。其中内城与外城的区别相对较小，郊区的O2O渗透率显著较低。空间变化规律与席广亮等对南京市居民网络购物的研究发现的规律一致[11]，均呈现出由内城向郊区递减的特征。说明随着城市地域的外向蔓延，新技术应用的影响逐渐减弱。南京内城和郊区的移动信息化水平整体上高于外城[26]，也是内城和郊区居民网上购物比例较高的重要原因。同时，史坤博等基于到店O2O的空间规律发现基本遵循效率假说，与本文发现的到家O2O空间规律存在差异。说明到家O2O由于即时配送的优势摆脱了地理条件的束缚，在整体空间变化规律上与网络购物相似性更大。
图2 不同区位零售商的O2O渗透率

Fig.2 The O2O penetration rate of retailers in different location

图3 不同区位的居民使用O2O平台购买商品的频率

Fig.3 The frequency of O2O purchase of customers in different location

进一步对空间不均衡的原因展开探索，通过对居民调查问卷进行分析，发现内城、外城和郊区居民在使用O2O平台的频率上并不存在显著差异。同时，居民购买搜索性商品和体验性商品的频率基本一致，初步说明了不同区位和售卖不同类型商品的零售店加入O2O平台的空间分异并非是由于客观的居民需求造成的，更可能是由于零售商的主观决策导致的。

2.2 搜索性商店更倾向于加入O2O平台，体验性商店O2O服务范围更广

整体而言，售卖搜索性商品的商店加入O2O平台的平均数量和O2O渗透率均显著高于售卖体验性商品的商店。首先，搜索性商品商品信息可有效地以数字化的方式表达、传递给消费者，因此比体验性商品更适合通过O2O平台购买。其次，体验性商品的类型和品质会依据时令等产生差异，商品信息需不断更新，也抑制了部分零售商采用O2O平台的意愿。虽然体验性商店加入O2O平台的比例较小，但其O2O服务范围通常更广。社区居民步行范围内可达的体验性商品售卖店相对较少，但由于体验性O2O服务范围较广，因此在O2O平台上可获取的体验性商店显著高于步行可达的体验性零售店，这尤其弥补了郊区体验性商品零售店的匮乏。
图4 不同区位的零售商平均数量

Fig.4 The average number of retailers in different location

2.3 社区O2O零售业缩小不同居住环境的居民的购物可及性差距

图5可直观看出，不同类型社区步行范围内可达的零售店存在显著差异。其中人才公寓和单位小区的两类零售店可达性均较低，传统小区和城中村的购物可达性显著较高。由于传统小区和城中村建成时间较早，周边商业环境更成熟。人才公寓和单位小区往往靠近较偏远的就业地，分布较为孤立，不利于社区商业的发展，而O2O平台的出现改善了这部分类型社区较低购物可及性的问题。图6同时证实不同居住环境的居民在使用O2O平台方面差异并不显著，即通过O2O模式，步行范围内实体零售店较少的社区也获得了相对公平的O2O配送可达性。
图5 不同社区类型的零售商平均数量

Fig.5 The average number of retailers in different type of community

图6 不同社区类型的居民使用O2O平台购买商品的频率

Fig.6 The frequency of O2O purchase of customers in different type of community

这进一步验证了Aoyama提出O2O模式促进社会公平的理论，表明O2O不仅通过保留线下门店维护较低经济状况、技术知识的消费者的平等购物权[15]，还通过缩小不同居住环境的居民购物可及性的差距，进一步消除了购物可达性不平等的问题。

3 南京市社区零售业发展的影响因素分析

3.1 零售业空间组织变化

厘清零售业空间组织是确定影响因素的基础。在传统零售模式下，零售商负责维护和补充店内商品、展示商品以及交易结算，消费者负责挑选商品以及将商品运送回家。零售商需要尽量靠近消费者居住地或交通可达性高的地方，因此布局与人口密度、行业集聚、交通便捷性等显著相关[27-28]。在电子零售模式下，制造商利用互联网技术直接与消费者建立互动，消费者需要投入的时间和资本投入显著减少。由于实体零售店的消失，一些学者指出这标志地理影响因素的消失，互联网技术应用程度、商品类型成为主要影响因素[29-30]。部分研究发现地理因素仍对电子购物模式产生影响，实体店可达性低的地区更倾向于选择电子购物[9,31]。
在O2O模式下，实体零售商得以保留，通过O2O平台与消费者建立网络联系，承担起电子零售中订单处理中心和分仓库的职能。由于保留实体店，O2O模式贴近消费者，由于建立电子商店和提供线下配送，O2O模式又摆脱了传统零售模式的地理制约。因此，O2O模式的影响因素的研究结合传统零售和电子零售的影响因素进行综合分析。

3.2 影响因素研究假设

零售商采纳互联网战略这一新现象引起了许多学者的关注。但迄今为止，关于零售商采用互联网战略的影响因素仍然知之甚少。已有研究集中于零售商组织和所售商品类型的影响，对地理因素的探究大多为不同城市之间的对比，且主要探讨城市规模或经济发展情况导致的差异。Ron A Boschma在演化经济学的基础上，将地理空间因素分为知识溢出、本地需求和本地竞争三类对个体零售商采纳互联网策略的影响，其中知识溢出为城市中拥有网站的商店所占比例；本地需求为城市中电子购物者的比例；本地竞争为城市零售商的数量。研究表明三类地理因素均产生了影响[18]。同时，已有研究表明，当地环境与需求将影响新技术采用的模式及程度[15]，O2O模式作为一种新技术的应用，其扩散规律显然与所处的环境及居民的需求密不可分。
本文在零售商组织结构对比的基础上，结合前人对零售商采纳互联网策略的研究和新技术扩散影响因素的研究，探讨社区O2O零售业的影响因素。首先，所售商品类型会影响商品的采纳，因此进行了两类销售不同商品零售商之间的对比；其次，个体零售商和连锁零售商之间存在的差异也需纳入考虑；最后，由于O2O模式和传统零售一样保留了社区门店，因此本地需求的影响可能更为复杂，消费者对零售的总消费需求以及消费者的居住环境均可能产生影响。因此本研究在城市层级进行了社区之间的细致对比，将影响因素分为零售商组织、所售商品类型、知识溢出、本地需求和本地竞争五类进行研究。下面根据组织结构变化情况和已有研究提出以下假设。
①零售商组织形式影响零售商加入互联网平台。连锁店更倾向加入O2O平台。大公司更倾向于采用创新，且这种方式易于在连锁店之间传播。
②知识溢出对零售商加入O2O平台起积极影响。自1990年代以来，人们一直关注知识溢出是否在地理上本地化的问题。案例研究和定量研究证实新技术不会远距离传播，企业倾向于从本地技术应用中受益[32]。Jesse W J Weltevreden针对荷兰12 000个个体零售商的实证也发现，零售商集聚区域采纳互联网策略的比例显著较高，因此知识溢出对实体零售商的互联网采用很重要[21]。基于创新地理学的理论和前人的实践研究，本文将当地加入O2O平台的商家比例作为衡量当地知识溢出的尺度。
图7 三种零售模式示意图

Fig.7 Diagrammatic sketchs of three retail mode

③本地需求影响零售商加入O2O平台。地理位置也可能通过当地需求影响新技术的采用，这与当地需求的数量和需求水平有关。根据孵化假说，新技术的空间扩散始于大多数城市化地区，主要原因是城市化地区居民更愿意支付技术应用初期的昂贵代价[33]。但这种关于本地需求影响的解释是过于笼统的，消费者行为可能由于细部环境产生差异。研究显示，消费者购物可达性与消费者消费行为之间存在关联，此外席广亮等的研究显示住房条件影响居民的网购意愿[13]，这种需求差异也可能影响零售商加入O2O平台。本文使用调查问卷进行评价购物需求，以居民到达购物点的时间和居住社区类型作为划分标准，其中居民到达购物点时间的平均值置信区间为53.46~57.87，基本可反映整体小区居民的购物需求满足情况。
④竞争越激烈的区域，零售商加入O2O平台的可能性越高。激烈的本地竞争激励本地公司毫不拖延地采用最新技术，在城市中心由于高昂的物业成本和租金价格，新技术的激励和选择影响力度更大[32]。此外，Boschma对荷兰8个城市中心零售商的实证研究也发现本地竞争激烈的零售商更倾向于采纳互联网策略[18]。

3.3 社区零售业发展的影响因素分析

在SPSS 17.0中分别对搜索性零售店和体验性零售店加入社区O2O平台的影响因素进行二元逻辑回归分析（表2）。在模型分析中，使用零售业组织形式、所在区位和所处社区类型等变量的哑变量，采用强制进入（Enter）方法进行分析，模型分析结果如下：
表2 O2O零售业发展影响因素的二元逻辑回归结果

Tab.2 Binary logistic regression of the factors influencing O2O retail

自变量 搜索性商品零售店 体验性商品零售店
回归系数 OR值 回归系数 OR值
组织形式（以非连锁店为参照） 3.585*** 0.028 2.739*** 15.477
O2O渗透率 5.620*** 275.780 -0.057 0.945
小区居民到达购物点平均时间 -0.094 0.910 0.197* 1.217
小区类型（以传统小区对比）
商品房 -0.109 0.771 -1.114** 0.328
单位小区 -0.466 0.691 -0.452 0.636
人才公寓 -0.024 0.484 -2.091* 0.124
保障房 -0.453 0.752 -2.572** 0.076
城中村 0.260 0.490 -0.309 0.734
所在区位（以内城为对比）
外城 -0.071 0.850 0.672 1.958
郊区 0.162 0.792 1.318* 3.737
常数 -4.146 0.871 -4.934 0.007
样本数量 387 217
R² 0.360 0.261

注：1.因变量为搜索性零售店是否加入O2O平台、体验性零售店是否加入O2O平台；2.“***”对应显著性小于0.01，“**”对应显著性小于0.05，“*”对应显著性小于0.1。

①零售商组织形态对零售商选择是否加入O2O平台影响很大，连锁店更倾向于加入O2O平台。加入O2O平台可看作创新的采用，大型公司更有利于采用创新[21]。由于规模较大，连锁店在与O2O平台的谈判中也可能争取更多的话语权。
②知识溢出与搜索性零售店是否加入O2O平台显著相关（显著性<0.01），本社区加入O2O平台的搜索性零售店比例越高，越能激励其他搜索性零售店采用互联网策略。
③本地需求对体验性零售店加入O2O平台影响较大。一方面零售店受补充当地实体购物供应不足的激励，即小区居民到达生鲜果蔬实体店的时间越长，该小区体验性零售店加入O2O平台的可能性越高；另一方面，传统小区的体验性零售店更倾向于加入O2O平台，可能是由于传统小区紧密的邻里关系，零售商与居民往往建立了良好的信任，更有利于体验性商品在O2O平台上的售卖。
④本地竞争与零售商加入O2O平台的关系较弱，本地实体零售商数量和服务于本小区的O2O商家数量与零售商加入O2O平台之间均不存在统计学上的相关性。

4 结论与讨论

新的信息技术在经济空间变化中起着越来越重要的作用[33]，传统商业线上线下融合的不断深入带来了全新的商业模式，并对实体商业及相关领域产生显著影响。本文以社区O2O零售这一全新的即时配送到家O2O商业作为研究对象，弥补了地理空间领域此类新O2O类型研究的缺失。通过对不同类型、不同组织形式、位于不同地理空间的社区O2O零售业进行对比分析和定量研究，探讨了社区O2O零售的空间分布特征及其影响因素。

4.1 结论

4.1.1 社区O2O零售业基本遵循技术扩散假说，引导零售业向更集聚方向发展

南京市社区O2O零售业的渗透率在空间上呈现出由内城到郊区逐渐递减的等级式特征，内城与外城的O2O渗透率显著高于郊区，基本遵循技术扩散假说。同时，较高的O2O渗透率对搜索性零售商加入O2O平台起到了显著的促进作用，同样契合了技术扩散假说。郊区的体验性零售店加入O2O平台的可能性更高，这一结果有悖于技术扩散假说。总之，社区O2O零售的空间扩散规律基本遵循技术扩散假说，但并非完全符合。
史坤博、路紫等基于网络团购这一到店O2O典型进行了研究，发现由于仍需到店消费，实体商业对O2O的发展具有显著约束力[7-8]。网络团购作为欠发达地区的实体商业补充，其空间规律基本遵循效率假说。由于欠发达地区为到店O2O提供了更优越的发展条件，到店O2O可能促进商业空间格局的均质化发展[10]。本文以社区O2O零售为例证实了到家O2O进一步摆脱地理空间约束的理论。由于即时配送无需消费者到店消费，大大扩展了实体零售店的服务范围。但这并不代表到家O2O不受地理空间因素的影响，由于新技术应用的门槛和当地消费模式的差异，社区O2O零售更可能在采纳新技术集中区域和邻里关系紧密的社区得到长远发展。这种空间扩散规律进一步加强了城市中心的商业活跃度，引导零售业空间上向更集聚方向发展。同时由于连锁店采纳新技术的规模优势，零售业的行业集聚也得到了进一步的加强。

4.1.2 O2O提供的线下感知途径并不能完全弥补网络销售体验性商品的劣势

网络购物的相关研究表明，体验性商品由于难以用标准化方式进行数字表达，因而网络渠道不易被接受[24-25]。理论上O2O为体验性商品提供了线下感知的途径，实体商店的存在也加强了与消费者的信任，可弥补网络渠道销售体验性商品的劣势[18]。本文通过实证发现，所售商品类型显著影响零售商采纳O2O策略，与电子零售类似，更为标准化和品牌化的搜索性商品在O2O模式中得到了更广泛的应用。因此，O2O提供的线下感知途径并不能完全弥补网络销售体验性商品的劣势。

4.1.3 搜索性零售店主要受知识溢出影响，体验性零售店对本地需求敏感

搜索性商品零售店主要受知识溢出的影响，即社区加入O2O平台的同类型商店越多，越能引导和激励其他零售商加入O2O平台。这种线上线下互动的商业模式，以网上宣传实体商店、实体商店为网络渠道提供信任度的良好互动，进一步加剧了商业集中区的优势。体验性商品零售店则对当地需求更为敏感。一是扩展零售店服务范围，作为其他实体零售不足区域的补充；二是利于建成时间较早、邻里关系紧密的社区中电子零售发展。

4.2 讨论

本研究将社区零售商数据与居民问卷调查数据相结合，采用定量与定性相结合的方法分析出上述结论，但由于个人专业知识和研究能力有限，对本文中许多研究问题都浅尝辄止，许多内容有较大的优化和深入研究空间。
一是零售商采纳O2O策略的影响因素指标有待优化。在研究中地理因素被分为知识溢出、本地需求和本地竞争三部分变量，实际上影响实体零售商互联网策略的地理因素有可能更为复杂，有必要设定更完善的指标以充分论证地理因素的影响。另外，已设定的三部分变量还有很大的优化空间，知识溢出部分可以通过区分不同的知识转移机制，比如劳动力流动、企业创新联盟和观察学习等，以便更好地评估当地知识溢出对采用互联网战略的重要性。本地需求方面不仅限于购物可达性和居住环境的影响，居民的受时空限制的程度、对网上交易的安全性认可程度以及与当地实体零售商的信任关系等同样需要被纳入考虑；本地竞争在本次研究中未发现与零售商采纳互联网策略的相关性，可能需要在其他城市或更宏观的范围——城市与郊区之间、城市与城市之间或国家之间进行探索。
二是研究范围可进行进一步拓宽。国外相关研究显示，实体零售商应用互联网策略的模式和机制在不同文化背景和零售惯例的区域表现存在差异。本研究对南京市主城区的探索可进行进一步的推广，一方面可以做覆盖全域范围的研究，对城市不同层级零售商进行对比；另一方面可以进行更宏观尺度的研究，对不同层级城市之间O2O零售的差异进行对比。同时，本研究着重于社区零售商，未来可对整个零售业的O2O应用情况进行综合探索。
三是缺乏动态视角的观测与解释。由于O2O行业仍处于蓬勃发展期，当前的空间特征及影响因素仍可能随着行业的发展发生变化。因此，还需要从动态视角观测和解释O2O行业的发展，以便更好地理解互联网战略的时空演变。这种动态的研究一方面可以从城市不同时间的O2O发展截面进行持续性的调查，另一方面也可以通过特定零售商在采纳互联网战略的时空数据进行纵向的研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Dixon T, Marston A. UK retail real estate and the effects of on-line shopping[J]. Journal of Urban Technology, 2002, 9(3):19-47.

[2]
Dixon T, Thompson B, McAllister P, et al. Real estate and thenew economy:The impact of information and communications technology[M]. John Wiley & Sons, 2008.

[3]
Weltevreden J W J, Atzema O A L C, Frenken K, et al. The ge-ography of Internet adoption by independent retailers in the Netherlands[J]. Environment and Planning B:Planning and Design, 2008, 35(3):443-460.

[4]
Aoyama Y. Structural foundations for e-commerce adoption:acomparative organization of retail trade between Japan and the United States[J]. Urban Geography, 2001, 22(2):130-153.

[5]
周素红, 郝新华, 柳林. 多中心化下的城市商业中心空间吸引衰减率验证:深圳市浮动车GPS时空数据挖掘[J]. 地理学报, 2014, 69(12):1 810-1 820.

[6]
宋周莺, 刘卫东. 信息时代的企业区位研究[J]. 地理学报, 2012, 67(4):479-489.

DOI

[7]
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.

[8]
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.

DOI

[9]
Anderson W P, Chatterjee L, Lakshmanan T R. E-commerce,transportation,and economic geography[J]. Growth&Change, 2003, 34(4):415-432.

[10]
汪明峰, 卢姗, 袁贺. 网上购物对不同区位消费者行为的影响:市区和郊区的比较[J]. 城市规划, 2013, 37(11):84-88.

[11]
席广亮, 甄峰, 汪侠, 等. 南京市居民网络消费的影响因素及空间特征[J]. 地理研究, 2014, 33(2):284-295.

DOI

[12]
Huh W, Song Y. E-shopping and off-line delivery systems inKorea:Real space still matters[J]. Networks and Communication Studies, 2006, 20(3-4):219-235.

[13]
Krizek K, Li Y, Handy S. Spatial attributes and patterns of usein household-related information and communications technology activity[J]. Transportation Research Record Journal of the Transportation Research Board, 2005(1926):252-259.

[14]
史坤博, 杨永春, 白硕, 等. 技术扩散还是效率优先——基于“美团网”的中国 O2O 电子商务空间渗透探讨[J]. 地理研究, 2018, 37(4):783-796.

DOI

[15]
Aoyama Y. The information society,Japanese style:cornerstores as hubs for ecommerce access[C]// leinbach T,Brunn S(eds). worlds of e-commerce. Chichester, Sussex: John Wiley, 2001:109-128

[16]
Currah A. Behind the web store:the organisational and spatialevolution of multichannel retailing in Toronto[J]. Environment and Planning A, 2002, 34(8):1 411-1 441.

[17]
Steinfield C, Adelaar T, Liu F. Click and Mortar StrategiesViewed from the Web:a Content Analysis of Features Illustrating Integration Between Retailers' Online and Offline Presence[J]. Electronic Markets, 2005, 15(3):199-212.

[18]
Boschma R A, Weltevreden J W J. An evolutionary perspectiveon Internet adoption by retailers in the Netherlands[J]. Environment and Planning A, 2008, 40(9):2 222-2 237.

[19]
Aoyama Y. Sociospatial dimensions of technology adoption:re-cent M-commerce and E-commerce developments[J]. Environment and Planning A, 2003, 35(7):1 201-1 221.

[20]
Aoyama M, Li Q, Katsuragawa S. Computerized Scheme forDetermination of the Likelihood Measure of Malignancy for Pulmonary Nodules on Low‐dose CT Images[J]. Medical Physics, 2003, 30(3):387-394.

[21]
Weltevreden J, Atzema O, Frenken K. Evolution in city centreretailing:the case of Utrecht (1974-2003)[J]. International Journal of Retail & Distribution Management, 2005, 33(11):824-841.

[22]
艾瑞网. 2017年中国本地生活O2O行业研究报告[R/OL].http://report.iresearch.cn/report_pdf.aspx?id=3024,2017-07-11.

[23]
艾瑞网. 2015年中国社区O2O行业研究报告[R/OL]. http://report.iresearch.cn/report_pdf.aspx?id=2442,2015-08-31.

[24]
Constantinides E, Romero C, Boria M. Social media:A newfrontier for retailers?[J]. European Retail Research, 2008, 22:1-28.

[25]
Freathy P, Calderwood E. Coping with change:The implica-tions of e-commerce adoption for island consumers[J]. Regional Studies, 2016, 50(5):894-908.

[26]
席广亮, 甄峰, 魏宗财, 等. 南京市居民移动信息化水平及其影响因素研究. 经济地理, 2012, 32(9):97-103.

[27]
肖琛, 陈雯, 袁丰, 等. 大城市内部连锁超市空间分布格局及其区位选择——以南京市苏果超市为例[J]. 地理研究, 2013, 32(3):465-475.

[28]
浩飞龙, 王士君, 冯章献, 等. 基于POI数据的长春市商业空间格局及行业分布[J]. 地理研究, 2018, 37(2):366-378.

DOI

[29]
Ellis-Chadwick F, Doherty N, Hart . Signs of Change?A Lon-gitudinal Study of Internet Adoption in the UK Retail Sector[J]. Journal of Retailing and Consumer Services, 2002, 9(2):71-80.

[30]
Weltevreden J W J, Atzema O, Boschma R A, The Adoption ofthe Internet by Retailers:A New Typology of Strategies[J]. Journal of Urban Technology, 2005, 12(3):59-87.

[31]
Cao X. E-shopping,spatial attributes,and personal travel:a re-view of empirical studies[J]. Transportation Research Record:Journal of the Transportation Research Board, 2009 (2135):160-169.

[32]
Feldman M P, Audretsch D B, Innovation in Cities:Science-based Diversity,Specialization and Localized Competition[J]. European Economic Review, 1999, 43(2):409-429

[33]
Thompson J K, Heinberg L J, Altabe M, Exacting Beauty:The-ory,Assessment and Treatment of Body Image Disturbance[J]. American Psychological Association, 1998, 23(1):94.

Options
文章导航

/

〈 〉