EN中文

Economic geography >

2019 , Vol. 39 >Issue 5: 143 - 154

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.05.017

Spatial Differentiation and Influencing Factors of the Service Quality of Taobao Online C2C Stores in Central Plains Urban Agglomeration at County Level

  • DING Zhiwei , 1 ,
  • HAN MingLong 2 ,
  • ZHANG Gaisu , 1, ※ ,
  • JIAN Zihan 1
Expand
  • 1. College of Environment & Planning /Centre for Regional Development and Regional Planning/Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions，Henan University，Kaifeng 475004，Henan, China
  • 2. School of Urban and Regional Science，East China Normal University，Shanghai 200241, China

Received date: 2018-07-10

  Revised date: 2018-10-11

  Online published: 2025-04-20

Fold

Abstract

Based on the index of comprehensive service quality and using multiple spatial analysis methods, this paper aims to investigate the spatial differences and influencing factors of comprehensive service quality of Taobao online C2C stores in Central Plains Urban Agglomeration at county level. The results are as follows. Firstly, the number of research units with lower and low quality accounts for more than 85% of the total, which reflects the overall service quality is weak at county level. The number and spatial scope of cities with high service quality are small and it has not formed the group linkage effect, which reflects the capacity of radiation is at low level. Compared with the city level, the county level can better reflect the high-quality growth points of local low-value areas. Secondly, the spatial correlation pattern shows a weak spatial positive correlation and Low-Low areas dominate the distribution type, High-High, High-Low and Low-High areas occupy a relatively smaller distribution scope. The overall spatial correlation pattern presents a ring diffusion trend of "High-High"-"Low-High"-"Low-Low" with Zhengzhou City as the center. Compared with the city level, local H-H, H-L areas located in low-value areas are highlighted. Thirdly, from the spatial interactive strength perspective, the interactive axis is occupied with four-level strength, which shapes the spatial interactive pattern of "one group, one belt and multiple cores" with the first three levels strength axis. Unlike the radial pattern with Zhengzhou as the core at city level, the core radiation area is limited to the Zhengzhou metropolitan area. Finally, based on the evaluation results, the influencing factors analysis is carried out by the combination of qualitative and quantitative methods, we found that the information level is the main key factor, the terrain and location conditions are the basic elements and its constraints become weak, the improvement of urbanization-industrialization and the economic development level provides foundation supporting, professional management plays an important role in promoting the quality of well-known brands and service quality, population education level also plays important roles for conducting online stores and improving products, the external environment created by macro policies plays an important guiding role in improving the service quality of Taobao C2C stores.

Key words： Taobao online C2C stores; E-Commerce; service quality; consumer evaluation; online word of mouth; Central Plains Urban Agglomeration

Cite this article

DING Zhiwei , HAN MingLong , ZHANG Gaisu , JIAN Zihan . Spatial Differentiation and Influencing Factors of the Service Quality of Taobao Online C2C Stores in Central Plains Urban Agglomeration at County Level[J]. Economic geography, 2019 , 39(5) : 143 -154 . DOI: 10.15957/j.cnki.jjdl.2019.05.017

作为零售商业的重要网络销售平台，C2C店铺成为拓展国内消费市场、刺激城乡居民消费的重要载体。C2C店铺是一种基于个人与个人的网络销售形式，因其进入门槛低、形式多样、贴近民众，各大零售网络平台的C2C卖家均呈现迅猛发展态势[1]。数据显示，2016年中国电商交易额达到26.1万亿元，其中网络零售市场交易额5.3万亿元，同比增加26%，2012—2016年复合增速高达42%，占全球网络零售市场总额39.2%[2]。C2C模式是电子商务业中最为灵活的商业零售模式，对促进现代服务业发展、乡村居民收入提高、一二三产业融合发展以及乡村振兴中的“产业兴旺”等意义重大。因此基于C2C店铺服务质量视角分析区域内部的经济发展水平差异，能反映一个地方现代服务业中电子商务业发展水平的差异，也能为区域电子商务业水平的提升提供指导。
国外学者对网络零售业的空间分异以及由此带来的经济效应研究相对不多，而更注重网商经营行为研究[3⇓⇓⇓⇓⇓⇓⇓-11]、网商平台优化与消费行为互动[12⇓⇓⇓⇓-17]，以及消费者、网上零售商及实体零售商三者之间的关系研究[18⇓-20]。国内电子商务业发展报告中关于各城市、各行业的电商数据逐渐增多，因而基于在线网商数据的电子商务业空间特征分析屡见不鲜。基于C2C店铺或者淘宝村镇数量，多数学者基于省域、市域尺度进行空间差异特征分析[21⇓⇓⇓⇓⇓⇓⇓-29]，少数学者基于县域尺度进行剖析[30⇓-32]。除店铺数量、淘宝村镇数量指标外，还有学者基于某一行业的店铺数据研究中国在线商品的空间分布特征和网络体系格局[33⇓-35]。基于网商服务质量方面的数据，多数学者采用问卷调研方式构建服务质量评价表对B2C、C2C店铺服务质量的感知度、满意度、忠诚度进行研究。基于问卷调查方式的研究结果对改善网商运营模式、提升服务质量、改善用户体验度等方面具有很好的现实价值，但对分析网商服务质量与地方经济水平、城镇化质量、信息化水平等方面的内在关系解释力不强，而这恰恰是人文—经济地理学空间分异影响因素论证的重点。由于县域尺度下的C2C店铺数量、服务质量的获取存在难度，为学者探索中微观尺度的电子商务业发展水平空间分异规律带来“困扰”，因此细化至县域尺度获取数据并解释好其空间分异规律，成为新时代探索电子商务业发展水平差异的重要突破点之一。
中原城市群作为国家级规划的城市群，其核心城市迈入国家中心城市建设行列，其内部信息化进程不断加快，其电子商务业发展水平不断提升，然而由于地处国家传统农区，县域尺度下的电子商务业发展不平衡不充分的现象明显。在中原地区以往的研究中，基于第三产业产值、第三产业就业人员以及相对应的结构指标对县域层面“实体”服务业水平的差异研究较多，基于“虚拟”层面的电子商务业视角探究较少。基于此，本研究的出发点有三：①尝试在缺乏现有数据获取渠道的情况下探索新的数据获取路径，基于中微观尺度对中国经济社会发展的“缩影区”进行电子商务业空间分异格局分析；②突破仅以数量为指标的局限，以服务质量为测度指标，提升指标反映地理法则的可靠性；③考虑中微观尺度下C2C店铺内在经济活动的现实影响因素，同时结合实体经济的外在影响因素，采用定性与定量结合的分析方法，分析内外影响因素交织影响的空间分异机理。

1 研究理念、数据来源与研究方法

1.1 研究理念与数据来源

在市域尺度下，各城市的店铺服务质量数据可以通过搜索卖家所在的城市进行获取，而县级尺度没有搜索选项，因此传统的搜索方法遇到了障碍。为突破这一问题，在进行一个阶段探索后发现在淘宝网搜索引擎内搜索地名，可获取各个县市的淘宝店铺的数量，但需要剔除一些广告宣传、物流地点等方面的“噪声”数据，因此本研究采用一一县市搜索的方法进行获取。由于一个个县市的店铺搜索均需要输入“搜索框”进行查找，不仅需要点开每一家店铺的网页确定其信用级别，而且需要逐条记录店铺的主题和主要销售品类，同时筛掉常常出现的无效空店铺，因此极其耗费人力、物力与精力。为确保数据获取的时效性、有效性和可得性，获取店铺质量的时间为2017年12月1日—12月3日，原因有以下三点：一是该研究时间段临近岁末，基本可以反映2018年之前中原城市群县域单元淘宝店铺服务质量的情况，且数据的时效性较新。二是该研究时间段既可以避免“双十一”“双十二”两个规模较大促销期的影响，也可以躲开年末促销影响，避免2017年12月31日前后收集数据带来的不稳定。三是如果2017年最后一天搜集收据，将耗费大量的人力、物力甚至财力，工作量大且时间来不及。
将县域层面城市获取的统计指标汇总到市域层面，如图1。共检索到4 192家店铺，其中普通店668家，心级店有1 630家，钻石店有1 528家，皇冠店有366家，金冠店数量为0。服务质量相对较高的钻石店与皇冠店总量占比低于50%，且皇冠店数量占比不到10%，说明县域C2C网店服务质量整体不高。拥有皇冠店数量最多的是河南郑州，共有43家，最少的是河南的漯河、鹤壁和安徽的淮北，这两市均没有皇冠店，表明C2C淘宝店服务质量的市域差异较大。
图1 各级服务质量网店数量汇总图

Fig.1 The number of service quality online stores at all levels based on city level

1.2 研究方法

1.2.1 综合服务质量评价法

参考以往服务质量研究[1]，取各级别分值范围的中值进行计算。以普通级为例，计算最小值与最大值之和后除以2就得到中值，其中值为（1+3）/2=2分。依次类推，心级、钻石级的中值分别为127.0分、5 125.5分。由于未出现金冠店，且仅出现一家五星皇冠店，考虑中值量化的科学性，皇冠级取10 001~200 000分的中值10 500.5分进行计算。根据上述中值的评价理念，将中原城市群各个县域单元各信用级别的数量代入公式计算，可计算每一个城市的综合服务质量得分。
y i = 2.0 x i 1 + 127.0 x i 2 + 5125.5 x i 3 + 105000.5 x i 4
式中：i代表各县域研究单元，取值1~197；yi表示第i单元的C2C网店综合服务质量；xi1、xi2、xi3、xi4分别表示第i个县域单元中普通级、心级、钻石级、银冠级的店铺数量。

1.2.2 空间分析方法

①区域划分。一方面采用自然断裂点方法，将空间格局划分为服务优质区、服务较好区、服务一般区、服务欠佳区四种类型进行分析；另一方面基于综合服务质量、人均服务质量进行二维交叉四分位进行划分，探讨基于总量、人均组合的等级类别差异。
②空间插值。GIS空间插值法能够将离散数据内插为连续数据表面，通过对数据的网格化更好地反映连续分布的空间现象[40]。常用的空间插值方法有全局多项式内插法、局部多项式内插法、克里金插值法、反距离加权内插法、径向基函数内插法等。其中，径向基函数内插法既无需考虑空间自相关的度量，又是精确插值，且表面平滑，适合空间自相关性不强且要求表面平滑直观的数据，最适用于本研究。
③空间关联法。ESDA-GIS是一种可测度空间自相关的统计分析方法。全局空间自相关通常使用Moran's I指数，能够反映研究区内总体的空间关联与空间差异度[41]。其取值区间为[-1，1]，为正数表示存在空间正相关，为负数表示存在空间负相关，为0表示不存在空间相关性。进一步，在分析全局自相关的基础上，采用LISA集聚分布图诠释局部空间关联特征。
④空间相互作用模型。该模型是国内外学者在研究空间相互作用时引用最为广泛的模型之一[1,42-43]。本研究以某县C2C网店综合服务质量与该县常住人口数量的乘积表示该县质量，采用两地间欧氏距离进行计算。具体计算公式为：
E = P 1 V 1 × P 2 V 2 r 2
式中：E为两地之间的相互作用强度；P1和P2分别为两地的C2C店铺综合服务质量；V1和V2分别为两地常住人口规模；r为两地的欧氏距离。

2 空间特征分析

2.1 基于区域划分的空间格局

根据自然断裂点和空间插值方法，将197个县域单元的淘宝店综合服务质量进行区域划分，结果如图2。由图2可知，服务优质区极少，仅有3个，分别为位于郑州市域的新郑市、新乡市域的温县以及山东聊城的东阿县；服务较好区包含17个县域单元，多数表现出临近优质区的特征，部分两两联合分布如曹县、民权等，少量独自散落分布；服务欠佳区共有37个县域单元，多穿插于服务较好区周围，呈小型带状或组团状分布；服务低质区有140个县域单元，占比超过70%，涵盖研究范围的多数地区。由径向基函数内插法进行空间插值可发现（图2），整体呈现出“一大团、多小团、一条带、一大片”空间格局。“一大团”：以温县、新郑市、长葛等为核心的郑州大都市区范围内形成的一个中心组团，该地区网商经济的现代服务业支撑力强，网商氛围浓郁。“多小团”：以山西武乡县、临猗县及河南的西峡县为主的服务质量尚可的几个次级小型组团，主要分布于城市群西部地区，受地形限制组团规模难以扩大。“一条带”：在沿城市群东部边界的狭长地区，以东阿县、曹县、砀山县和怀远县为主要辐射中心在豫东平原形成了一条服务质量较好的南北向纵列条带。“一大片”：河北邯郸和邢台的绝大部分地区联合豫北部分地区、洛阳、南阳中部、信阳驻马店大部分地区形成了大片低服务质量区域，地形条件和经济发展水平的限制是造成服务低质区连片分布的主要原因。
图2 中原城市群县域淘宝店铺综合服务质量的分类与空间插值

Fig.2 The class division and spatial interpolation of Taobao stores comprehensive service quality in Central Plains Urban Agglomeration at county level

2.2 基于二维交叉分析的空间格局

将各县域单元的综合服务质量值用A表示，平均每万人服务质量的值用B表示，进一步根据数据算出A和B的平均值 A ¯和 B ¯。按照二维交叉分析方法将研究单元划分为四个区域（图3）：若A≥ A ¯且B≥ B ¯，则属于服务优质区；若A≥ A ¯且B< B ¯，属于服务质量较好区；若A< A ¯且B≥ B ¯，属于服务质量一般区；A< A ¯且B< B ¯的为服务低质区。
图3 基于二维交叉分析的淘宝店铺综合服务质量空间格局

Fig.3 The spatial pattern of Taobao stores comprehensive service quality based on two-dimensional cross analysis

从县域尺度看，服务优质区有33个县域单元，较自然断裂点方法增加30个，主要是由于人均服务质量而造成的级别上升。服务质量较好区包括16个县域单元，多为综合服务质量分区中的服务欠佳区，说明在考虑区域平均服务水平的前提下，许多位于服务欠佳区的县域单元的服务质量有所提升。服务质量一般区有7个县域单元，相比而言，除了卢氏县、沁水县和潞城市不变外，原处于服务低质区的黎城县、平顺县、陵川县也进入该区域。服务低质区共涉及141个县域单元，与综合服务质量分区相同，仍然占据了中原城市群的大部分地区，尤以河北省地区以及河南省南部地区分布最为密集和广泛。不难发现，这些县域单元受制于地形条件和地方经济发展水平较低的影响，又缺乏特色资源或者龙头企业的品牌效应，网商发展的基础设施建设保障较差，呈现大范围连绵分布的格局。这也进一步说明了中原城市群整体上C2C网商服务质量不高。与综合服务质量分区相对比，在二维交叉分类的结果中，虽然服务低质区仍占多数，但服务质量较好的地区大大增加，服务欠佳区的状态更为乐观，整体状态有所提升。这有助于全面客观地认识中原城市群的C2C淘宝店服务质量，有针对性地改善局部服务质量水平。
与市域尺度的研究相对比，市域尺度的服务质量分区缺乏服务质量较好区，且笼统地将邢台和聊城纳入服务优质区，将绝大多数城市归为服务低质区，容易忽视更精确层面上的实际情况，造成认知偏差，而县域尺度的研究明显更加精确而有针对性，能够为不同地区提供更合理的认识。

2.3 基于ESDA的空间关联特征

通过GeoDa软件，分析中原城市群县域、市域尺度下C2C店铺综合服务质量的空间关联特征，结果如图4。县域、市域尺度下Moran's I指数为0.062、0.020，表明两种尺度下空间相关性均较弱。从县域LISA集聚图可知，H-H区主要以组团状分布在豫中郑—许—焦—洛地区、城市群东部鲁豫交界处的菏泽南部地区、山西长治北部及豫徽交界地带。这部分地区不仅自身服务水平优，其周边大部分地区服务水平也较高，其中郑州市区附近的包括荥阳市、巩义市、禹州市、长葛市和博爱县在内的区域以及菏泽市南部地区两个高值中心通过显著性检验，这与空间分类格局特征基本一致。L-H区如中牟县、尉氏县等地处高值集聚区外围，服务质量与高值区有一定差距，在H-H区外围间歇分布。L-L区在L-H区及H-L区外围广阔分布，覆盖大部分地区。值得一说的是，在城市群边缘及省际边缘地区分布有较多的低值集聚区，这部分区域受核心区带动作用弱，县域单元之间相互影响较大，形成“近墨者黑”的状态。
图4 县域、市域淘宝店铺综合服务质量的Moran散点图和局部LISA集聚图

Fig.4 The Moran scatter-spot and LISA aggregation map of Taobao stores comprehensive service quality in Central Plains Urban Agglomeration at county and city levels

从市域LISA集聚图可知，H-H区为洛阳、焦作，HL区为郑州、邢台，L-H区为新乡、开封、平顶山、许昌，其他省辖市为L-L区，与县域尺度类似，整个区域的空间关联状态呈现以郑州市附近地区为中心“H-H”—“L-H”—“L-L”的环状扩散。但对比可知，市域尺度下L-L区的局部H-H、H-L等县域单元往往被忽视，一些发展较好的次高值集聚区如菏泽南部的“抱团集聚”特征被掩盖。此外，郑州的中牟县、开封的尉氏县和焦作的孟州市、沁阳市、武陟县等地属于高值区周边的低值区，受郑州中心极化效应较强，这些局部空间关联效应在市域尺度也被忽视。总之，两种尺度下均表明整个中原城市群内部淘宝店铺服务质量的差异显著，正向带动作用不强且总体发育水平较低，离协同共进的理想状态差距还很大。

2.4 空间相互作用特征

在ArcGIS 10.3中通过Construct Sight Lines工具对197个县域单元构造任意两点之间的关联线并得到所有连线的长度，即任意两地间的欧氏距离。将所有县域综合服务质量数据、人口规模数据以及距离数据代入空间相互作用公式，从而得到任意两县域单元之间的空间相互作用强度。最后，将所得空间相互作用强度数据按自然裂点法分为五个强度级别，五级空间联系轴则反映了地区之间分布的最为广泛而又微弱的联系，因此不予考虑，只分析前四级空间联系轴。同样进行县域尺度和市域尺度的对比，如图5。
图5 县域、市域淘宝店铺尺度下综合服务质量的空间联系网络

Fig.5 The spatial interactive linkage network of Taobao stores comprehensive service quality in Central Plains Urban Agglomeration at county and city levels

由图5县域尺度看，一级空间联系轴仅有新郑市—长葛市联系轴1条，这一方面反映了县域单元之间的空间联系强度普遍不高，另一方面反映出核心地区联系“一枝独秀”的局面。二级空间联系轴有9条，分别为新郑市—禹州市、禹州市—长葛市、长葛市—许昌县、温县—博爱县、温县—荥阳市、温县—偃师市、民权县—曹县、曹县—成武县以及沈丘县—项城市，即核心区服务质量较高的县域单元之间联系较为密切，外围区由知名品牌或商品主导发展起来的县域单元（如曹县、沈丘县等）与周边临近单元联系较为密切。三级空间联系轴主要表现为在二级轴基础上的扩展以及整体分布范围的扩大，形成以郑州为中心的“向心型”互动联系轴。山东曹县与周边地区的联系轴得到进一步完善，在东北部形成相对独立的三级空间联系轴。另外，河北的清河县、南宫市，安徽的太和县、临泉县、山西的临猗县、万荣县地区，亦有微弱的三级联系轴。四级空间联系轴较三级空间联系轴在数量和范围上均有了飞跃式的扩张，形成“一团一带多核心”的空间格局。“一团”：以郑州为中心组团，内部形成多核心多节点的密集的联系网络结构，外部向周边县域单元辐射，形成“六边形”联系网。“一带”：在整个城市群的东部地区，形成畅通南北的联系带，以清河县、东阿县、曹县、砀山县、太和县、怀远县为关键节点，连结了全区东部的大部分地区。“多核心”：在全区西北部、西部、西南部零散分布有多个小规模的联系核心，这些联系轴主要是依靠在当地小有名气的土特产发展起来的，缺乏与更远区域的有机联系。
从市域尺度看，一级空间联系轴有3条，分别为郑州—新乡、郑州—焦作和郑州—许昌，以郑州为中心的辐射联系强度显著。二级空间联系轴有7条，除去商丘—亳州、邯郸—安阳外，其余5条均以郑州为中心向外辐射，与一级空间联系轴组成以郑州为中心的向外辐射格局。三级空间联系轴呈现两个特点，一个是以郑州向外围区服务质量较高城市的空间联系轴，另一个是以服务质量相对不高但距离较近城市之间的联系例如宿州—淮北，周口—阜阳等。四级空间联系轴较为密集，与三级空间联系轴特点类似且涉及的较低服务质量城市更多。对比而言，市域尺度下四个级别联系轴交织在一起，以郑州为中心的向心型格局明显且向外影响随着级别向外拓展，而县域尺度下四级联系轴叠加后以郑州大都市区范围为主，向外拓展的影响力不够。

3 影响因素

3.1 指标选取

①基于文献中影响因子的频数分析。基于文献综述的成果[1,24⇓⇓⇓⇓⇓⇓⇓-32]，对相关研究中影响因子进行频数统计，结果如图6。根据频数排名进行分析，经济发展水平发挥着决定性的影响，在经济总量高、现代服务业发展水平高的地区，电子商务业一般来说起步早且服务质量高；信息化水平对服务质量的提高有强大的推动作用，主要表现在为网商和消费者提供即时、便捷、顺畅的买卖服务；产业基础对服务质量起重要作用，有制造业、零售业发展基础的地区，商品生产销售体系更加健全，服务质量更好；政府宏观政策对电商发展的引导是提升服务质量不可或缺的条件，其通过财政支持、税收减免或法律法规等手段为电商服务水平的提高营造良好的秩序和环境；区位条件对电商服务质量有基础性的影响，地形地势平缓，交通条件优良，距离大城市和市场近的县域单元具有发展电子商务得天独厚的优势条件；人口受教育程度通过影响电商服务人员的素质影响售后服务能力和态度，进一步对电商服务水平产生潜在的影响。因此，选取频数排名靠前的经济发展水平、信息化水平、产业基础、宏观政策、区位条件、人口受教育程度6项指标作为影响因素分析的基础指标。
图6 C2C电商发展影响因素频数统计

Fig.6 Frequency statistics of the factors of C2C e-commerce development

②基于店铺评价数据的词频统计。由于C2C淘宝店特定的服务特点，消费者反馈与评价对店铺的服务质量有重要的影响，因此在本研究中，除借鉴相关研究成果外，基于店铺评价数据的词频统计来总结影响服务质量的主要因素也是一种现实可行的补充方法。又由于数千家淘宝店的买家评价数据搜索过于繁杂，这里仅搜索综合服务质量排前二十名的县域单元中淘宝店信用积分分别排前三的60家店铺，统计其销量最高商品的买家评价词频（“差评”与“好评”中关键词的词频），从而得出针对于中原城市群县域C2C淘宝店服务质量最直观的影响因素，结果见表1。
表1 消费者评价词频统计

Tab.1 Consumer evaluation of word frequency statistics

好评 词频/% 差评 词频/%
质量好
服务态度
品牌
物流
其他		 71
40
24
19
8		 质量差
物流
服务态度
其他		 88
16
9
3
无论在“好评”栏还是在“差评”栏中，商品本身的质量都是最受消费者重视的方面。“质量”一方面与当地工业化水平有关，因为工业化促进了生产分工和专业化经营，进一步促进商品生产规模的扩大和品质的提升，从而带动工业产品的品质提升。另一方面“质量”与城镇化、信息化水平也密切相关，城镇化、信息化水平高的地区，经济社会与人们思维都相对开放，创业理念先进，兴盛的创业活动带来激烈的行业竞争，使得生产、销售、售后等环节的专业化经营程度不断增强，促使网商的服务质量在竞争中不断提高。再而，“质量”与地方特色资源也关系紧密，因为特色资源在很大程度上决定着产品的品质、产量和独特性，尤以农产品、文化产品最为典型。服务态度在“好评”中也被高频提及，而在“差评”出现频率相对较低。这是因为在C2C淘宝店铺服务态度普遍能够为消费者所接受的条件下，如果能提升网上咨询、售后服务等服务环节的质量，那么也能够显著提升消费者的满意度，从而提高服务质量。品牌在“好评”中也占据超过20%的比重，而在“差评”中鲜有提及，说明知名品牌在确保C2C淘宝商服务质量提升方面具有强有力的保障。
综上，除得到进一步补充印证的专业化经营与人口受教育程度这两点外，认为高城镇化与信息化水平、特色资源优势、知名品牌引领也是C2C淘宝店服务质量的重要影响因素。结合文献归纳法与店铺评价数据，采纳特色资源优势、地形与区位条件、工业化水平、城镇化水平、经济发展水平、信息化水平、专业化经营、品牌效应、人口受教育程度和宏观政策等作为本研究中的影响因素指标。

3.2 定性与定量分析

为进一步定量分析影响县域C2C店铺服务质量空间分异的主要因素，综合考虑数据的科学性、准确性与可获取性，选择13个指标进行定量分析。在地形和区位条件方面，选择各县域单元的平均海拔（x1）和离中心城市的距离（x2）来反映该方面的影响。在城镇化方面，城镇化率（x3）的比重来反映该项指标。在经济发展水平方面，选择常用的GDP（x4）、人均GDP（x5）2个指标。在工业化方面，选择工业增加值（x6）、工业增加值/GDP（x7）、第三产业增加值（x8）、第三产业增加值/GDP（x9）4个指标。在信息化指标中，选择移动电话户数（x10）、人均移动电话户数（x11）、互联网户数（x12）、人均互联网户数（x13）4个指标。考虑县域尺度下淘宝店铺服务质量的分布格局受多种因素交织影响，且受卖家经营意识、品牌营建、战略拓展等方面的主观影响较大，所以先对上述的影响因子进行相关分析，结果见表2。
表2 空间分异影响因素的相关系数

Tab.2 The correlation coefficient of the influence factors of spatial differentiation

指标 相关系数 显著性水平 个数
x1 -0.064 0.374 197
x2 0.009 0.897 197
x3 0.150* 0.036 197
x4 0.292** 0.000 197
x5 0.200** 0.005 197
x6 0.298** 0.000 197
x7 0.146* 0.041 197
x8 0.272** 0.000 197
x9 -0.036 0.618 197
x10 0.175* 0.014 197
x11 0.145* 0.041 197
x12 0.232** 0.001 197
x13 0.218** 0.002 197

注：*、**、***分别代表通过0.05、0.01、0.001显著性水平检验。

从影响因素的相关系数看，全部在0.3以下，反映出较弱的正向相关关系，解释力不强，这或许与县域层面C2C店铺自身的影响因素特点相关。从相关系数大于0.2且通过0.001显著性水平检验的因子看，主要为GDP、人均GDP、工业化水平、现代服务业水平、以互联网水平为表征的信息化水平。考虑空间自相关系数接近0，仍采用普通OLS线性回归模型对上述相关系数大于0.2的因子进行分析，结果显示仅每万人拥有的互联网户数系数通过了0.05显著水平检验，反映“互联网+”时代的信息化支撑状态。根据C2C店铺网商经营的特点，结合定量评价结果进行综合分析，本研究从以下方面进行解释：
第一，信息化水平提升提供优越的“线上”、“线下”交易环境，助力C2C店铺服务质量提升。从回归结果不难发现，通过检验的都是反映信息化水平的指标，这进一步反映出C2C店铺服务质量空间分异与信息化水平有着最为密切的关系。在“互联网+”背景下，信息化水平正加速融入城镇化、工业化等各个环节，成为衡量地区经济发展活力、创新创业水平的重要指标，促进良好的“线下”交易环境的形成。信息化水平一方面通过影响电商的网店经营技术、市场感知效率、即时通讯能力等作用于C2C店铺服务质量，另一方面通过对通讯设施、网络环境的改善，保障良好的经营秩序、运行顺畅的“线上”交易环境。此外，店铺卖家是否能够准确迎合市场需求、网络操作是否娴熟、售后服务是否及时，直接影响着消费者对网购体验舒适度的差异。省会城市郑州无疑信息化发展水平最高，相应的该地区附近诸多县域单元服务质量较高，空间相互作用强。
第二，地形与区位条件作为“障碍”因素的作用愈发弱化，特定区位条件对C2C店铺服务质量提升发挥着本底性的影响。随着全区交通网络、交通设施与技术的日益完善，大部分地区的不利地形、区位条件都在较大程度上得以克服，加上全区物流网络体系的不断完善，地形与区位条件的制约作用越来越不明显。然而，通过对消费者评价的词频统计发现，特定区位条件所造就的资源禀赋仍对网商服务质量提升起着本底性影响。地方土特产或历史底蕴深厚的产品质量、知名度成为这些地区店铺得以立足的根本。例如，温县铁棍山药、荥阳软籽石榴、临猗苹果、砀山梨等，品质优良，皆为大众所认可。此类店铺竞相发展，直接促进了“交易量”增加和“描述相符”打分的提高，从而使这些县域单元成为服务质量较高的地区。以临猗苹果为例，在综合信用积分排名前五的店铺中，在“服务好”一栏的评价里，80%以上的消费者提到了“味道好”、“正宗”等字眼。另一方面，在具有丰富的历史文化积淀的地区，相应衍生出的特色文化产品十分受消费者青睐。如曹县自古具有手工艺文化传统，消费者的好评更多地关注商品的独特文化内涵。
第三，城镇化、工业化与经济发展水平提高，为C2C店铺服务质量的提升提供基础支撑。虽然3个指标未通过显著性检验，但结合C2C淘宝店铺服务质量的空间分异特征来看，在服务优质区、服务较好区以及服务质量空间相互作用的网络密集地区，城镇化水平、工业化水平与经济发展水平普遍较高，如新郑市、温县、东阿县等，其城镇化水平、工业化水平、GDP与人均GDP较强。反之，在豫西、豫北、豫南等省际边缘地区与落后山区，受产业发展基础、地形条件的制约，大部分县域单元都相对闭塞，经济实力、城镇化发展水平与对外开放度都比较落后。一般而言，城镇化水平、工业化水平与经济发展水平高的地区，产业结构逐渐高级化且现代服务业的活力很足，为C2C店铺的经营、销售、服务等环节提供了重要的“线下”基础设施保障和优越的“线上”交流平台，从而为这些地区C2C店铺服务质量的提升提供基础支撑。
第四，专业化经营助力产生龙头企业与品牌效应，为C2C店铺服务质量提升提供重要支撑。一些地区工业产业基础好，手工业、制造业等起步早，发展水平较好，个别发展较好的地区甚至早已形成了产业分工，具有较好的专业化生产水平。在专业化生产经营的带动下，促进了工业发展基础较好地区的产业集聚并产生规模效益，也促进了这些地区生产规模的扩大、产品质量的提升和标准化，从而带动网商运营服务能力的提高。曹县手工艺品、清河羊绒、巩义水处理材料均形成了规模较大的地方特色产业，这些产品的产量质量、相应的售后服务能力、经验均领先其他地区。另外，龙头企业与知名品牌也正是在专业化经营的助力下孕育和萌生，对电商服务质量的提高具有重要作用。东阿阿胶、新郑好想你红枣都是畅销全国的知名品牌，在东阿阿胶信用积分排名靠前的以及新郑好想你红枣信用积分靠前的店铺中，约有75%的消费者评价中提及“品牌”、“信赖”等字眼，足见网购消费者对于品牌的信赖。
第五，人口受教育程度影响网店经营者的“开拓创新”，直接影响C2C店铺“线上”经营理念与客服质量。人口受教育程度从以下两个方面产生影响：①通过影响经营者对市场行情的把握与“开拓创新”。在具有较高受教育水平的地区，受教育程度较高的网店经营者往往能够更敏锐地发掘市场信息，产生新的经营理念并不断进行“开拓创新”，注重营销策略、产品推广与企业文化等方面的建设，通过科技创新增加原有产品的附加值，从而不断提升C2C店铺的服务质量。②通过影响经营者素质影响网店售后服务能力和服务态度。有较高受教育程度的经营者在很大程度上能够以更妥善、更负责的态度去处理产品售后问题，注重对消费者及时性的沟通、情感细节的把握、售后贴心的关怀等，让消费者感受到企业品牌的价值、店铺的经营理念、售后环节的保障等，从而助力店铺服务质量的进一步提升。这也是高校密布的郑州大都市区范围内C2C店铺服务水平更高、联系更为紧密的原因之一。
第六，战略与政策对C2C店铺服务质量的提升提供宏观环境保障。国家和各级行政主管部门对本地电商发展的战略以及相关方针政策都对服务质量产生重要影响，带动了地方特色产品的开发与新兴经济活力点的出现，“助燃”了普通民众的开店意识增强与经营技巧提升，在宏观环境上助推着C2C店铺服务质量的不断提升。在服务质量高值集聚区的郑州大都市区范围内，市人民政府先后出台战略与意见，在方针政策以及财政投资上都明确支持电子商务业发展，这为郑州地区县域单元C2C电子商务业发展带来了积极的助推作用。
综上，在政府政策的引导下，信息化水平发挥关键作用，经济发展水平、城镇化、工业化以及区位优势在宏观上相互作用，通过影响特色资源禀赋、专业化经营、人口受教育程度等方面使知名品牌得以孕育和立足，成为促进C2C电商服务质量的内部要素发挥积极作用的强大引擎。产品来源、网上经营、物流保障是淘宝店运营的三大环节，从属于各个环节的产品质量、产品产量、经营理念、客服、物流合作、运输效率这六大内部要素在品牌效应的积极影响下，或在工业产业基础、人口受教育程度、特色资源禀赋以及区位条件的直接影响下融合贯通，相互作用，共同影响着县域尺度下C2C淘宝店铺的服务质量与服务水平提升，如图7。
图7 影响机制

Fig.7 Influence mechanism

4 结论与讨论

4.1 结论

基于淘宝网数据，综合运用ArcGIS、SPSS、OpenGeoDa等软件，采用定性与定量相结合的方法，在县域尺度上分析了中原城市群C2C淘宝店铺服务质量的空间分异特征和影响因素，得到以下结论：①从县域尺度的空间格局特征来看，区域的不平衡性仍然明显。郑州附近地区在局部形成优质区组团，但数量不多且辐射带动能力不强，尚未形成组团联动效应；欠佳、低质区数量总占比超过85%，占据了绝大多数地区，反映出整体服务质量水平不高。与市域尺度对比发现，县域尺度能反映精确层面上的实际情况，纠正认知偏差。②从县域、市域尺度的空间关联特征来看，呈现较弱的空间正相关性。空间关联的四个类型区呈现出“L-L区范围大，H-H区、L-H区和H-L区范围较小”的特征，整体空间形态呈现出以郑州市为中心“H-H”—“L-H”—“L-L”的环状扩散。与市域尺度相比，L-L区的局部H-H、H-L等县域单元的空间关联类型被凸显。③空间相互作用强度以四级联系轴为主，与前三个等级联系轴共同塑造了“一团一带多核心”的网状格局，与市域尺度下以郑州为核心的放射状格局不同。④从影响因素来看，信息化依然是最关键的影响因素。结合现实状况，地形与区位条件随着经济社会的发展，其作为制约因素的“障碍”影响愈发弱化；特定区位条件所造就的特色资源禀赋仍然对C2C店铺服务质量发挥着本底性、决定性的影响；城镇化、工业化与经济发展水平的提高，对C2C店铺服务质量的提升起基础支撑作用；专业化经营对知名品牌的孕育和服务质量的提高有重要的推动作用，人口受教育程度对服务质量起到直接影响，政府的宏观政策通过营造良好的外部环境对中原城市群县域C2C店铺服务质量的提升具有引导作用。

4.2 讨论

由于淘宝网未提供县域级别城市的所在地，因而只能通过采用在搜索栏中定位地名的方法进行获取。虽然这种方法能获取各县市的淘宝网C2C店铺的数量，进而计算其综合服务质量，但与实际店铺的数量可能有一定的差距。因此，在今后的研究中，可进一步突破，尝试其他渠道获取县域级别城市的数据，以进一步提升研究的精度。在进行淘宝店综合服务质量计算时，为了节约人力、物力，采用各级淘宝店信誉的中值进行计算，虽然能较准确地反映各个城市的基本情况，但离完全准确地反映还有一定的差距，这也是以后需要突破的地方。与以往中部地区市域尺度的研究相比，以省会城市郑州为中心的地区依然是高值集聚区，但空间分布、关联格局有所不同，尤其是县域尺度的局部关联特征、以郑州为中心的都市区范围辐射网、局部低值区的优质发展区等空间细化效应被掩盖。在影响因素分析方面，县域尺度下更为复杂，定量分析方法难以真实全面地反映服务质量的多影响交织影响，因此本研究基于定性与定量相结合的方法进行探索分析，以期为以往研究提供一种新的思路。在进行空间分析时，仅采用了一个时段内的数据，没有与其他时间段对比，也是研究的一大遗憾。可以说，基于淘宝店铺的服务质量数据，对县域尺度下各市电子商务业发展水平进行了基本的探究，仅仅提供了一种研究视角，以期能为探索“大数据”背景下的人文—经济地理现象提供一种支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
丁志伟, 周凯月, 康江江, 等. 中国中部C2C店铺服务质量的空间分异及其影响因素——以淘宝网5类店铺为例[J]. 地理研究, 2016, 35(6):1074-1094.

DOI

[2]
从电商角度看阿里——渠道到生态,阿里开启新零售征程[EB/OL]. http://www.sohu.com/a/193817453_769093,2017-9-22.

[3]
Ainsworth J, Ballantine P W. That’s different！How consumers respond to retail website change[J]. Journal of Retailing and Consumer Services, 2014, 21(5):764-772.

[4]
Lim S, Lee B. Loyalty Programs and Dynamic Consumer Pref-erence in Online Markets[J]. Decision Support Systems, 2015(78):104-112.

[5]
Wang Y J, Minor M S, Wei J. Aesthetics and the online shop-ping environment:Understanding consumer responses[J]. Journal of Retailing, 2011, 87(1):46-58.

[6]
Liao T H, Keng C J. Online shopping delivery delay:Finding a psychological recovery strategy by online consumer experiences[J]. Computers in Human Behavior, 2013, 29(4):1849-1861.

[7]
Verhagen T, van Dolen W. The influence of online store beliefs on consumer online impulse buying:A model and empirical application[J]. Information & Management, 2011, 48(8):320-327.

[8]
Utz S, Kerkhof P, van den Bos J. Consumers rule:How consum-er reviews influence perceived trustworthiness of online stores[J]. Electronic Commerce Research and Applications, 2012, 11(1):49-58.

[9]
Salehan M, Kim D J. Predicting the performance of online con-sumer reviews:A sentiment mining approach to big data analytics[J]. Decision Support Systems, 2016, 81:30-40.

[10]
Benedicktus R L, Brady M K, Darke P R, et al. Conveying trustworthiness to online consumers:Reactions to consensus,physical store presence,brand familiarity,and generalized suspicion[J]. Journal of Retailing, 2010, 86(4):322-335.

[11]
Park S, Nicolau J L. Asymmetric effects of online consumer re-views[J]. Annals of Tourism Research, 2015, 50:67-83.

[12]
Vladlena B, Saridakis G, Tennakoon H, et al. The role of secu-rity notices and online consumer behaviour:an empirical study of social networking users[J]. International Journal of Human-Computer Studies, 2015, 80:36-44.

[13]
Yoo J, Kim M. The effects of online product presentation on consumer responses:A mental imagery perspective[J]. Journal of Business Research, 2014, 67(11):2464-2472.

[14]
Li T, Meshkova Z. Examining the impact of rich media on con-sumer willingness to pay in online stores[J]. Electronic Commerce Research and Applications, 2013, 12(6):449-461.

[15]
Rong-Da Liang A, Lee C L, Tung W. The role of sunk costs in online consumer decision-making[J]. Electronic Commerce Research and Applications, 2014, 13(1):56-68.

[16]
Koo W, Cho E, Kim Y K. Actual and ideal self-congruity af-fecting consumers’emotional and behavioral responses toward an online store[J]. Computers in Human Behavior, 2014, 36:147-153.

[17]
Hostler R E, Yoon V Y, Guo Z, et al. Assessing the impact of recommender agents on on-line consumer unplanned purchase behavior[J]. Information & Management, 2011, 48(8):336-343.

[18]
Close A G, Kukar-Kinney M. Beyond buying:Motivations be-hind consumers’online shopping cart use[J]. Journal of Business Research, 2010, 63(9):986-992.

[19]
Cetină I, Munthiu M C, Rădulescu V. Psychological and social factors that influence online consumer behavior[J]. Procedia-Social and Behavioral Sciences, 2012, 62:184-188.

[20]
Sam K M, Chatwin C. Online consumer decision-making styles for enhanced understanding of Macau online consumer behavior[J]. Asia Pacific Management Review, 2015, 20(2):100-107.

[21]
路紫, 李晓楠, 杨丽花, 等. 基于邻域设施的中国大城市网络店铺的区位取向——以上海、深圳、天津、北京四城市为例[J]. 地理学报, 2011, 66(6):813-820.

[22]
丁疆辉, 吴建民, 李冰洁. 天猫平台入驻店铺时空格局及变化特征[J]. 经济地理, 2017, 37(11):136-144.

[23]
徐智邦, 王中辉, 周亮, 等. 中国“淘宝村”的空间分布特征及驱动因素分析[J]. 经济地理, 2017, 37(1):107-114.

[24]
俞金国, 王丽华, 李娜. 电子商铺空间分布特征分析——来自淘宝网的实证[J]. 经济地理, 2010, 30(8):1248-1253.

[25]
千庆兰, 陈颖彪, 刘素娴, 等. 淘宝镇的发展特征与形成机制解析——基于广州新塘镇的实证研究[J]. 地理科学, 2017, 37(7):1040-1048.

[26]
王贤文, 徐申萌. 我国C2C电子商务的地理格局及其演化机制[J]. 经济地理, 2011, 31(7):1064-1069.

[27]
张敏, 张翔, 申峻霞. 网络消费空间的性质与生产——以淘宝网原创女装店为例[J]. 地理科学, 2015, 35(8):960-968.

DOI

[28]
钟海东, 张少中, 华灵玲, 等. 中国C2C电子商务卖家空间分布模式[J]. 经济地理, 2014, 34(4):92-96.

[29]
浩飞龙, 关皓明, 王士君. 中国城市电子商务发展水平空间分布特征及影响因素[J]. 经济地理, 2016, 36(2):1-10.

[30]
浩飞龙, 王彬燕, 王士君. 东北地区县域电子商务发展水平的空间差异及影响因素[J]. 地域研究与开发, 2016, 35(4):16-21.

[31]
徐杰, 罗震东, 何鹤鸣, 等. 中国县域电子商务发展的空间特征及影响因素研究[J]. 上海城市规划, 2017(2):90-97.

[32]
刘晓阳, 丁志伟, 黄晓东, 等. 中国电子商务发展水平空间分布特征及其影响因素——基于1 915个县(市)的电子商务发展指数[J]. 经济地理, 2018, 38(11):11-21,38.

DOI

[33]
余金艳, 刘卫东, 王亮. 基于时间距离的C2C电子商务虚拟商圈分析——以位于北京的淘宝网化妆品零售为例[J]. 地理学报, 2013, 68(10):1380-1388.

DOI

[34]
Xi G, Zhen F, He J, et al. City networks of online commodity services in China:empirical analysis of Tmall clothing and electronic retailers[J]. Chinese Geographical Science, 2018, 28(2):231-246.

[35]
Zhou C, Jin W, Zhang G. Impact of Shipping Distance on On-line Retailers’Sales:A Case Study of Maiyang on Tmall[J]. Chinese Geographical Science, 2018, 28(2):261-273.

[36]
邓之宏, 郑伟亮, 秦军昌. C2C电子商务服务质量评价实证研究——基于中国C2C市场的问卷调查[J]. 图书情报工作, 2012, 56(14):141-147.

[37]
曲慧梅. 电子商务物流服务质量测度研究——以淘宝电子商务平台为例[J]. 物流技术, 2014(17):294-296.

[38]
唐纯. 基于顾客角度的电子商务服务质量动态演化博弈[J]. 商业经济研究, 2017(22):85-88.

[39]
左文明, 陈华琼, 张镇鹏. 基于网络口碑的B2C电子商务服务质量管理[J]. 管理评论, 2018, 30(2):94-106.

[40]
张海平, 周星星, 代文. 空间插值方法的适用性分析初探[J]. 地理与地理信息科学, 2017, 33(6):14-18,105.

[41]
徐建华. 计量地理学(第二版)[M]. 北京: 高等教育出版社, 2014.

[42]
刘静玉, 杨虎乐, 宋琼, 等. 中原经济区城市间相互作用时空格局演变研究[J]. 地理科学, 2014, 34(9):1060-1068.

DOI

[43]
何胜, 唐承丽, 周国华. 长江中游城市群空间相互作用研究[J]. 经济地理, 2014, 34(4):46-53.

Options
Outlines

/

〈 〉