直播电商中的最优门店发货策略

《Electronic Commerce Research and Applications》：Optimal ship-from-store strategies in live streaming e-commerce

　　

• 研究全渠道零售中店铺发货（Ship-from-Store, SFS）的最优策略。• 在现有传统在线渠道之外，引入直播渠道。• 通过区分时间敏感型和时间不敏感型消费者，刻画消费者异质性。• SFS的采用取决于其运营成本、消费者 inconvenience 以及消费者细分情况。• SFS仅在其被实施的渠道中提高产品价格。

## 引言

得益于直播技术的进步和电商平台的快速发展，直播带货经历了显著增长，已成为一种重要的零售渠道。据预测，全球直播带货市场规模将从2022年的200亿美元猛增至2026年的550亿美元（Duan and Song, 2024）。在直播过程中，消费者可以通过发送实时消息与主播互动，并在主播指导下完成购买（Wongkitrungrueng and Assarut, 2020, Xu et al., 2025a）。这种沉浸式、互动式的购物体验显著提升了消费者的购买意愿（Lu and Chen, 2021, Pan et al., 2022, Ji et al., 2022）。

直播电商主要以两种模式运营：达人直播带货，即零售商与网络达人合作；以及品牌自播，即由零售商自主运营和管控。与达人直播带货相比，品牌自播使零售商能够避免高昂的佣金费用，并直接掌控定价、库存和售后服务，从而降低运营成本，提升自主性和响应速度。因此，品牌自播在实践中已成为主导模式。来自中国的证据表明，2024年在抖音平台上开展品牌自播的商家数量同比增长113%，占所有直播商家的69%。此外，在2024年"618"购物节期间，销售额超过1亿元人民币的90个天猫直播间中，有50个为企业自播间。

作为一种特殊的在线零售形式，品牌自播面临着与传统在线渠道类似的关键运营挑战。其中最重要的运营挑战之一是配送时效性（Cui et al., 2024）。现代消费者对时间的敏感度日益增强，许多人将配送速度置于产品价格之上。低效的物流可能阻碍时间敏感型消费者通过传统在线渠道或直播渠道下单购买，因为漫长的等待时间会带来显著的感知成本。因此，零售商需要提高物流效率，提供更快、更可靠的履约服务，以满足消费者对配送时效性的日益增长的需求。

店铺发货（SFS）是一种被广泛采用的全渠道零售模式，允许零售商通过附近实体门店履行线上订单。这大大缩短了配送时间，从而满足了时间敏感型消费者对快速配送的需求（Bayram and Cesaret, 2021, Bansal et al., 2024）。目前，许多在线零售商已引入并实施了SFS服务。例如，京东电商平台上的众多自营和第三方零售商通过SFS提供"次日达"甚至"当日达"服务，这一功能受到消费者的高度认可。然而，大多数零售商仅在传统在线渠道中引入SFS，将该服务延伸至直播渠道仍相对有限。一个值得注意的例外是泸州老窖——一家知名的中国白酒品牌，它在抖音平台上推出了"边看边买、即买即送"服务。消费者在直播中下单后，商品直接从前仓或附近合作实体门店配送至消费者手中，最快可实现一小时内送达。这一实践凸显了将SFS整合到直播电商中的潜力。

尽管SFS提升了配送速度和客户体验，但其在直播环境中的最优采用策略仍有待探索。实施SFS涉及在服务收益和运营成本之间的权衡。虽然SFS可以缩短配送时间并提升消费者效用，尤其是对于时间敏感型消费者而言，但其实施要求零售商依赖本地化库存和履约资源，从而产生额外的运营成本。直播渠道的存在使这一决策更加复杂。与传统在线渠道相比，直播渠道通常能为消费者提供更有吸引力的价格和更高的购物价值，这可能会改变消费者的渠道偏好及其对SFS的估值。此外，当零售商运营实体门店时，这些门店既可以作为SFS履约节点，也可以作为独立销售渠道，从而影响市场需求分配和渠道间的竞争动态。在此背景下，零售商面临一系列重要的战略决策：

1) 在不同市场和运营条件下，零售商的最优SFS策略是什么（仅在线渠道、双渠道、还是不提供）？

2) 不同的SFS策略如何影响定价决策、市场需求和零售商利润？

3) 当实体门店既作为SFS履约节点又作为销售渠道时，其引入如何影响零售商的定价决策和最优SFS策略？

为了解决这些问题，我们构建了一个解析模型，其中零售商同时运营传统在线渠道和直播渠道。消费者对配送时间的敏感度存在异质性，分为时间敏感型和时间不敏感型两类。我们首先考察在没有线下销售的情况下，零售商在三种SFS策略下的最优定价、相应的市场需求和利润：无SFS（NS）策略、仅在线渠道SFS（OS）策略和双渠道SFS（DS）策略，并比较其盈利能力以确定最优方案。随后，我们扩展模型，研究在线零售商建立实体门店实施SFS策略的情景，考察将线下门店整合到电商物流网络中对定价、市场需求和盈利能力的影响。

我们的主要发现如下。

**第一**，在没有线下销售的情况下，零售商并不总是通过传统在线和直播两个渠道提供SFS服务才是盈利的。具体而言，当与直播相关的消费者 inconvenience 成本以及SFS运营成本极低或极高时，OS策略成为维持两个渠道需求的唯一可行选择。此外，当直播的 inconvenience 成本相对较低时，零售商的SFS策略选择取决于时间敏感型消费者的比例和SFS运营成本。如果时间敏感型消费者比例较高，零售商始终倾向于选择DS策略。反之，如果时间敏感型消费者比例较低，零售商仅在SFS运营成本也较低时才采用DS策略。此外，我们发现一个有趣的结论：当直播相关的 inconvenience 成本适中时，零售商倾向于选择两种极端策略之一——要么在两个渠道中提供SFS服务，要么完全不采用SFS。这一发现凸显了多渠道零售环境中消费者偏好、运营成本和战略决策之间复杂的相互作用。

**第二**，在存在线下销售的情况下，我们考察了两种不同情景：（1）消费者对通过直播购买的产品赋予更高的价值，高于线下购买的产品；（2）消费者对线下购买的产品赋予更高的价值，高于通过直播购买的产品。当线下渠道的产品估值较低时，我们的发现与没有线下销售的主模型基本一致。然而，当线下渠道的产品估值较高时，我们发现了新的结论。具体而言，当SFS运营成本较低但市场中时间敏感型消费者比例较高时，零售商对将SFS服务扩展至两个渠道变得更加谨慎。在这种情况下，零售商更可能选择OS策略而非DS策略。这一结果源于在消费者偏好快速配送与运营效率和成本考量之间取得平衡的需要。这也与现实观察一致，即目前大多数零售商仅通过传统在线渠道提供SFS服务，而非通过直播渠道。

**第三**，无论是否存在线下销售，引入SFS服务都会促使零售商提高实施SFS渠道中的价格，同时保持其他渠道价格不变。这一定价策略受到多种因素的影响，包括消费者 inconvenience 成本、SFS运营成本和时间敏感型消费者的比例。具体而言，时间敏感型消费者的比例影响所有渠道的定价决策，反映了整体需求结构和消费者为更快配送所愿支付的意愿。相比之下，SFS运营成本仅影响采用SFS的渠道的价格，使零售商能够在不改变其他渠道定价结构的情况下收回额外的履约成本。这些发现揭示了服务提升、消费者偏好与定价策略之间的关系，为寻求优化SFS采用和跨渠道盈利能力的零售商提供了启示。

本文余下部分组织如下：第2节综述相关文献。第3节介绍模型设定。第4节推导不同SFS策略下的最优定价决策、相应的市场需求和零售商利润，并确定在没有线下销售的情况下各SFS策略最优的条件。第5节考察引入线下销售时零售商的最优SFS策略。第6节总结全文。所有引理和命题的证明见附录。

## 文献综述

我们的工作主要与两个研究领域相关：直播电商和全渠道零售中的店铺发货。

## 模型设定

### 零售商

我们考虑一个在线零售商，通过传统在线渠道和直播渠道分别以价格 $p_o$ 和 $p_l$ 向消费者销售产品。在实践中，直播渠道的价格通常低于传统在线渠道（Hao and Yang, 2023, Li et al., 2025）。因此，我们假设 $p_l < p_o$。直播销售通常伴随着大额优惠券、捆绑折扣和限时优惠等促销机制。

### 策略一：无SFS（NS策略）

在NS策略下，时间敏感型消费者通过传统在线渠道和直播渠道购买的效用函数分别为 $U_{ots} = v - p_o - h_o$ 和 $U_{lts} = \theta v - p_l - h_o - m$。当 $U_{ots} \geq 0$ 且 $U_{ots} \geq U_{lts}$ 时，时间敏感型消费者选择传统在线渠道；当 $U_{lts} \geq 0$ 且 $U_{ots} < U_{lts}$ 时，选择直播渠道。对于时间不敏感型消费者，其在传统在线渠道和直播渠道的效用函数分别为 $U_{otn} = v - p_o$。

### 扩展：含线下销售的SFS策略

本节探讨在线零售商建立自己的线下渠道以采用SFS并以价格 $p_s$ 向消费者销售产品的情景。在实践中，线下渠道的价格通常是所有渠道中最高的。鉴于直播价格通常较低，我们假设 $p_l < p_o < p_s$。选择线下购买的消费者将产生出行成本 $h_r$，但不产生等待成本。此外，与传统在线渠道相比。

## 结论

随着直播带货的日益普及，许多在线零售商正逐步进军直播销售。这些零售商也在探索在传统在线渠道和直播渠道中采用SFS服务，以满足消费者对更快订单履约的需求。本文研究同时运营传统在线渠道和直播渠道的零售商的最优SFS策略。通过将消费者分为两类——时间敏感型和时间不敏感型——

## 数据可用性声明

鉴于本研究为理论性工作，未收集任何数据，因此无可用数据。

## CRediT作者贡献声明

李正强：撰写—审阅与编辑，撰写—原稿。徐青云：撰写—审阅与编辑，撰写—原稿。肖永波：指导。蔡新月：撰写—审阅与编辑。

## 利益冲突声明

作者声明不存在任何可能影响本文研究工作的已知竞争性财务利益或个人关系。

## 致谢

本文受国家自然科学基金（批准号：72401155、72125002、724B2020和72602377）及海南省自然科学基金（批准号：723MS027）资助。

李正强 | 徐青云 | 肖永波 | 蔡新月