《Journal of Retailing and Consumer Services》：When influencers make us feel better: How upward comparison emotions shape well-being?
编辑推荐：
本研究探讨平台中介零售市场中线下位置基础与在线声誉信号如何共同影响堂食、外卖、自提等不同销售渠道的门店业绩，揭示渠道摩擦导致预测因子重要性差异的理论机制。通过调查和滚动窗口XGBoost模型分析，发现位置因素在所有渠道中主导，在线评价在外卖中贡献最大，在堂食中则不显著。
Boram Lim|Taewan Kim|Dongyoup Kim|Yihan Chiu
汉阳大学商学院，首尔，04763，韩国
摘要
在平台中介的零售市场中，门店层面的表现取决于线下位置优势和线上声誉信号如何共同影响需求——然而，这些因素在不同配送方式下的相对重要性尚未得到充分研究。我们提出了一个“渠道摩擦”框架，认为堂食、配送和自取服务各自包含了不同的信息摩擦（即消费者在搜索、评估和决策过程中的差异），这些差异系统性地改变了位置因素与基于评价的预测因素之间的权重。为了验证这一框架，我们采用了多方法设计。初步调查表明，消费者对位置、竞争环境和评价信息的重视程度因配送方式而异，这一结果与“渠道摩擦”逻辑一致。随后，我们分析了韩国一家全国性餐饮连锁店的349家门店的每周销售额（2021-2023年数据），并使用XGBoost模型进行了滚动窗口分析，以评估各驱动因素在不同渠道中的增量预测贡献。研究结果支持了该框架：在所有配送方式中，顾客距离是最主要的预测因素；对于配送服务（决策过程较少依赖人工检查且由数字媒介促成），评价信号具有最大的增量预测价值；而对于堂食服务（以消费者直接体验为主），评价信号的作用则微乎其微。此外，同一家连锁店内部的不同门店之间的距离与销售额的关联度高于不同连锁店之间的距离，这凸显了潜在的“ cannibalization ”（同类竞争）风险。通过将线下和线上因素整合到一个对渠道敏感的预测模型中，我们证明了当这些因素共同被考虑时，预测准确性最高，同时观察到预测因素的异质性可以归因于不同配送方式下的理论上的信息摩擦差异。
引言
在平台中介的零售市场中，门店的表现长期以来一直受到物理位置的影响：顾客的便利性、竞争环境的密集度以及交易区域的社会人口构成共同决定了需求（Craig等人，1984年；Huff，1964年）。然而，全渠道零售业的兴起引入了一组新的数字驱动因素——同一门店同时提供堂食、配送和自取服务。现在，顾客评分、评价内容和平台显示的声誉信号会伴随每个店铺的信息，而这些信息以前只能通过直接体验获得（Floyd等人，2014年；Verhoef等人，2015年）。这些线下基础因素和线上声誉信号如何共同影响销售额，以及它们的相对重要性在不同配送方式下是否存在差异，是本研究的核心问题。
现有研究表明这两组因素都很重要，但大多数研究都是孤立地考察它们的。空间分析表明，交易区域的人口统计特征、可访问性和集聚效应能够解释相当大一部分门店间销售额的差异（Dolega等人，2016年；Reimers和Clulow，2004年），而电子口碑（eWOM）研究则显示更高的评分和更丰富的评价内容能够提升在线转化率和收入（Babi? Rosario等人，2016年；Luca，2016年）。尽管有少量研究开始将这两者联系起来（例如，Kaur等人，2025年表明数字体验可以提升整体连锁店表现；Kim等人，2024年表明线下渠道的存在可以促进数字销售），但目前还缺乏一个理论框架来解释为什么同一预测因素在不同渠道中的重要性会有所不同，以及如何量化这些差异。
我们提出，每种配送方式都包含了一组独特的信息摩擦——即消费者在搜索、评估和决策过程中的差异，这些差异系统性地改变了线下因素与线上因素的相对权重。堂食顾客在消费现场通过环境线索和社会互动来评估餐厅体验；在这种情况下，距离和直接感官评估起主导作用，而评价主要起到筛选作用。相比之下，配送顾客在数字界面中做出全部决策，由于缺乏直接检查，评分、评价内容和平台显示的声誉信号的作用更加突出。自取顾客则处于中间位置——他们在线上搜索但最终选择线下取货——因此数字声誉和地理位置的便利性都会影响决策。如果这些特定于渠道的摩擦因素确实存在，并且这些因素在预测模型中得到综合考虑，那么预测准确性将会最高。
尽管这种基于渠道的逻辑直观易懂，但迄今为止它受到的正式关注仍然有限。关于零售绩效预测的研究主要沿着两条独立的路径进行：第一条路径主要研究数字信号（如评分、评价和电子口碑）与线上渠道结果（如销售额和定价）之间的关系；第二条路径则分析线下位置因素（如距离、竞争密度和目标顾客群体），但很少将不断变化的线上反馈作为动态需求信号纳入考虑。即使有些研究同时考虑了线下和线上渠道，也没有探讨相同因素在每个渠道中的作用是否相同，从而忽略了跨渠道的比较性（Ratchford等人，2022年）。因此，目前仍存在一个明显的研究空白：没有现有框架能够解释为什么位置相关因素和数字声誉信号在全渠道环境中会对不同渠道的表现产生不同的影响。
本研究解决了三个相互关联的研究问题。首先，一个综合模型（同时考虑顾客距离、区域竞争环境和基于评价的信号）能够多准确地预测堂食、配送和自取渠道的销售额？其次，哪些输入类别以及每个类别中的哪些具体指标对渠道特定的预测表现贡献最大？第三，观察到的预测因素重要性在不同渠道间的差异能否归因于不同配送方式下的理论上的决策摩擦差异（即消费者在搜索、评估和决策过程中的差异）？要回答这些问题，需要一个将线下和线上因素整合到单一预测框架中的综合框架，并提供理论解释，说明为什么它们的相对权重会因渠道而异。
为了填补这一空白，我们采用了一种多方法 approach，将消费者判断与基于实地的数据预测相结合。第一项研究是一项初步调查，探讨了消费者在评估堂食、配送和自取渠道的零售商时，如何权衡距离、竞争环境和评价相关因素。调查结果发现这些标准的相对重要性因渠道而异，这为预测模型的构建提供了需求方面的证据，并为预测框架的设计提供了依据。第二项研究则通过分析全国性连锁店的每周门店交易数据，验证了这些优先级的实际体现：我们使用XGBoost模型逐步添加预测因素，并评估它们对渠道特定销售额预测的增量贡献。这两项研究提供了互补的证据——一项来自消费者的主观评估，另一项来自实际市场结果——使我们能够不仅判断哪些因素能预测渠道特定的销售额，还能验证“渠道摩擦”框架所预测的模式是否在实地数据中得到验证。
研究结果强烈支持“渠道摩擦”框架。顾客距离指标在所有三种渠道中都是最有力的预测因素，这与物理可访问性始终决定需求的逻辑一致。线上评价对于配送服务具有显著的增量预测价值，尤其是在决策过程较少依赖人工检查且以数字媒介为媒介的环境中；而对于堂食服务，评价的贡献可以忽略不计，因为此时消费者的决策主要基于直接体验。竞争指标虽然贡献较小，但是一致的；同一家连锁店内部的不同门店之间的距离比不同连锁店之间的距离与销售额的关联度更高，这突显了潜在的“ cannibalization ”风险。从管理角度来看，研究结果表明，即使订单方式转向线上，门店的线下位置基础仍然对表现有重要影响，尤其是在信息摩擦较大的渠道中，评价相关变量尤为重要。
本研究有三个主要贡献。首先，我们提出了一个“渠道摩擦”框架，解释了为什么位置、竞争和评价信号的显著性在不同配送方式下会有系统性的差异。该框架基于消费者在不同配送方式下的搜索、评估和决策过程的差异，提供了一个理论上的解释，而不仅仅是将其视为一种纯粹的经验现象。其次，我们开发并实施了一个综合预测框架，结合了顾客距离、竞争压力、线上评价信号和情境控制因素，并证明了当这些因素共同且以对渠道敏感的方式被考虑时，预测性能最佳。第三，从块级和单变量分解中得出了可操作的管理建议：基于内容和评分的评价指标比单纯考虑销量更有效；对于配送服务而言，当地家庭构成信息尤为有用；同一家连锁店内部的不同门店之间的距离与销售额的关联度高于不同连锁店之间的距离，这突显了潜在的“ cannibalization ”风险。
本文的其余部分内容如下：我们回顾了以往关于顾客距离、竞争环境和线上评价作为销售预测因素的研究；随后介绍了初步调查研究，并描述了主要的实证分析；最后讨论了研究结果并提出了建议和结论性意见。
文献综述
本节综合了历史上解释零售销售表现的三条研究路径，并将其重新框架化为全渠道环境中的渠道特定销售预测。虽然全渠道零售销售额是各个渠道销售额的总和，但由于每种配送方式都包含不同的摩擦和决策情境，因此销售驱动因素在这些渠道中的作用并不相同。因此，预测全渠道销售额需要同时考虑这些因素。
初步调查研究
基于之前的讨论，我们首先进行了一项初步调查，以评估在不同配送方式下，对这些评估因素的关注程度是否与更高的购买满意度和更强的忠诚度意愿相关。此外，通过确定哪些因素在每个渠道中能够有意义地预测售后结果，该调查提供了实证支持。
主要研究：实地数据分析
为了预测渠道层面的销售额，我们分析了一家提供堂食、自取和配送服务的全国性连锁店的门店交易数据。每日销售额被汇总成每周按门店划分的面板数据。我们为每个门店-周的观察结果添加了多组线下市场描述符（如顾客距离和本地竞争性），并将这些变量与第三方收集的评价信号进行匹配。
滚动预测和模型设计
为了评估每个信息领域是否为门店层面的零售销售额预测提供了额外的、与决策相关的信息（超出了区域结构和本地竞争条件所能捕捉的范围），我们采用了基于每周数据的滚动预测方法。每个预测实例包括三个连续的时间段：(i) 用于构建预测因素的观察窗口；(ii) 用于区分预测因素和结果的中间间隔。
主要研究结果
为了量化不同信息领域对全渠道销售额预测的改进效果，我们逐步添加了一系列解释变量（顾客距离、竞争性、评价和其他情境因素）到基础模型中（表6）。
在所有渠道和预测时段中，同时考虑顾客距离、竞争性、评价和结构控制因素的模型具有最高的预测效果。
主要研究讨论
在所有渠道中，顾客距离都被证明是最稳定的销售驱动因素。即使全渠道模式扩展了消费者的购买选择，需求仍然受到门店地理位置的影响——这反映了到达门店的摩擦和实际访问成本（Reimers和Clulow，2004年；Formánek和Sokol，2022年）。这也与全渠道运营的证据一致，即基于位置的门店密度能够显著影响消费者行为。
结论
本研究旨在探讨线下位置优势和线上声誉信号如何共同预测三种配送方式（堂食、配送和自取）的门店销售额，并提供了一个理论解释，说明为什么它们的相对重要性会因渠道而异。基于“渠道摩擦”框架，我们认为每种配送方式都包含不同的信息摩擦：堂食允许消费者在消费现场进行体验评估；配送服务将整个决策过程转移到线上；
CRediT作者贡献声明
Boram Lim：撰写——审稿与编辑、初稿撰写、项目监督、方法论设计、资金获取、数据分析、概念构建。Taewan Kim：撰写——审稿与编辑、初稿撰写、方法论设计、概念构建。Dongyoup Kim：撰写——审稿与编辑、初稿撰写、方法论设计、数据收集与分析、概念构建。Yihan Chiu：撰写——审稿与编辑、数据收集与分析。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
