逆向物流中的众包配送：解锁可持续性、信任与公平性

《TRANSPORTATION RESEARCH PART E-LOGISTICS AND TRANSPORTATION REVIEW》：Crowdshipping for reverse logistics: unlocking sustainability, trust, and fairness

　　

电子商务退货量近年来激增，2023年美国在线销售额达1.4万亿美元，其中17.6%（2470亿美元）被退回（NFR, 2023）。相比之下，实体店退货率为13.3%，其中近一半源于在线购买。消费者期望进一步加剧了这一趋势：76%的消费者要求免费退货，67%的消费者在糟糕的退货体验后不再选择该零售商（Shopify, 2025）。因此，逆向物流（即将商品从客户处运回零售商或回收设施的过程）已成为决定竞争力的关键因素。为此，Shopify（2025）指出，三分之二的在线零售商计划简化退货流程。基于此，高效的退货管理已成为当今电商市场竞争力的核心。为满足日益增长的客户期望，美国Happy Returns（8,000个退货点）和澳大利亚Hubbed（2,500个退货点）等第三方物流（3PL）提供商已与实体店合作建立广泛的退货网络（Happy Returns, 2025, Hubbed, 2025）。在该网络中，门店作为客户投递包裹的退货点（包裹回收阶段）；随后由专业承运商从门店收集这些包裹并运至转运点（TP）（包裹运输阶段），最后再分派回零售商（包裹再分配阶段）。图1(a)展示了3PL包裹退货系统的当前结构，本文中称之为传统系统。由退货点（如便利店）支撑的电商逆向物流网络相比快递员上门取件提供了更大的灵活性和客户便利性（DHL, 2024）。这一日益增长的偏好已在国际上得到证实，尤其是在欧洲，荷兰71%、法国75%、奥地利73%、波兰79%和瑞典84%的消费者偏好此类方案，英国和澳大利亚均为55%，美国为47%（DHL, 2024）。随着退货政策日益友好且便利性被优先考虑，3PL已扩展其网络以改善可达性。虽然当前包裹退货网络提高了客户便利性，但在包裹运输阶段产生了可持续性和盈利性挑战。退货点的扩展减少了个人出行，但使承运商运营碎片化，要求大型货运车辆行驶更长距离并更频繁停靠，从而增加了车辆行驶公里数（VKT）和环境成本（Mohri et al., 2022）。此外，慷慨的退货政策鼓励了衣橱购物（即购买商品临时使用后退货）和订购多种变体试穿后退回部分商品（bracketing）等行为，推高了退货量并损害可持续性目标（Return Bear, 2024）。这些局限性凸显了需要替代运输模型将包裹从退货点运至TP。众包配送（CS）是指由个人利用其现有出行行程执行配送任务，而非由专业承运商完成的物流模式（Mohri et al., 2023）。它植根于共享经济和协作物流原则，利用未充分利用的运输能力来执行配送服务。在该模式中，众包配送员通常是普通出行者，按其计划路线运送包裹而获得报酬（Le et al., 2019）。这使得CS在根本上区别于依赖专用车队和集中规划路线运营的传统物流系统。本研究提出将CS仅整合到电商逆向物流的包裹运输阶段。在此配置中，众包配送员在退货点与TP之间运营，如图1(b)所示。虽然CS在正向物流中的潜力已被广泛研究，但由于若干实际障碍，实际部署仍然有限。相比之下，CS尚未在逆向物流中探索，而这些障碍在逆向物流中可能限制较少。这推动了本研究的开展并构成了后续贡献。CS已成为城市物流中一种有前景的创新。大都市区每天有数百万次出行，该模式为低成本和环境可持续的配送解决方案提供了未开发的潜力（Mohri et al., 2023）。毫不意外，它已获得大量学术关注，相关研究在行为、经济、规划和设计方面迅速扩展（Le et al., 2019）。然而，尽管研究势头强劲，实际应用仍有限，行业参与者一直犹豫不决（Alnaggar et al., 2021）。CS的障碍源于常被文献低估的运营和伦理挑战。一个主要问题是所需的高水平互动，因为客户和众包配送员都不愿与陌生人接触（Mohri et al., 2025a）。担忧还包括可能低于可接受工资标准的补偿方案，引发关于零工经济中公平性和剥削的争论（Ghaderi et al., 2025）。此外，CS任务通常被界定在点对点系统中，难以定义捆绑配送（即单次行程运送多个包裹）（Yildiz and Savelsbergh, 2019）。克服这些障碍需要重新思考CS设计的背景，使其固有特征能更好地解决这些局限性。本研究提出将CS整合到电商逆向物流网络的运输阶段，这消除了与包裹接收者的直接接触，因为CS任务被定义为从退货点到TP，形成企业对企业（B2B）运营。这种方法有助于解决与信任、安全、安保和隐私相关的担忧。它还能实现捆绑配送，因为退货点每天积累的多个包裹可运往TP。在CS系统中提供捆绑配送的能力提高了众包配送员补偿方案的吸引力，并可能因此增加CS运营中的可用供应。基于这些动机，本研究解决两个关键研究问题：（1）CS能否降低电商逆向物流中的运营成本和外部成本（即按每公里货币化社会成本，涵盖排放、拥堵、噪音和安全等影响，并非完全由用户承担）（G?ssling et al., 2022）；（2）在何种条件下可实现这些效益。如图2所示，本研究的贡献有三重（按图中编号）。第一，将CS扩展到其传统正向物流关注之外，将其整合到电商逆向物流的包裹运输阶段。第二，开发了一个大规模仿真框架，建模并比较CS整合系统和传统系统，明确纳入运营和外部成本组成，同时捕捉众包配送员参与和任务接受的行为动态。第三，采用决策树模型提取基于阈值的规则，识别CS何时优于传统系统，为物流规划者和平台运营者提供可解释且可操作的见解。

**《逆向物流中的众包配送：解锁可持续性、信任与公平性》论文解读**

**一、研究背景与问题提出**

近年来，电子商务退货量急剧攀升。2023年美国在线销售额达1.4万亿美元，其中退货占比17.6%（约2470亿美元），而实体店退货率仅为13.3%。消费者对免费退货的高需求（76%）以及糟糕退货体验导致客户流失（67%）促使零售商将退货管理视为竞争力核心。为应对这一挑战，第三方物流（3PL）提供商（如美国Happy Returns和澳大利亚Hubbed）已与实体门店合作建立广泛的包裹退货网络。该网络包含三个阶段：客户将包裹投递至门店等退货点（包裹回收阶段）、专业承运商从退货点收集包裹并运至转运点（TP）（包裹运输阶段）、随后分派回零售商（包裹再分配阶段）。虽然此类网络提升了客户便利性，但在包裹运输阶段产生了显著问题：退货点扩张导致承运商运营碎片化，大型货运车辆需行驶更长距离并频繁停靠，增加了车辆行驶公里数（VKT）和环境成本；同时宽松的退货政策助长了“衣橱购物”和“订购多件退货”等行为，进一步推高退货量并损害可持续性目标。因此，亟需探索替代性运输模式以高效完成退货点至TP的包裹运输。

众包配送（Crowdshipping, CS）指由普通出行者利用既有出行行程执行配送任务的物流模式，根植于共享经济和协作物流原则。尽管CS在正向物流中已被广泛研究，但实际部署受限于信任、隐私、安全、服务可靠性、补偿充分性等多重行为障碍，尤其在需要与终端客户直接互动的企业对消费者（B2C）场景中。然而，逆向物流中退货点至TP的运输本质上是企业对企业（B2B）运营，无需与收件人直接接触，且退货点每日积累的多件包裹可实现捆绑配送，这天然缓解了CS的主要行为障碍。然而，现有研究尚未系统探索CS在逆向物流中的整合潜力，也缺乏对其运营成本与外部成本（即每公里货币化社会成本，涵盖排放、拥堵、噪音和安全等）的综合评估。本研究旨在填补这一空白，回答两个关键问题：（1）CS能否降低电商逆向物流的运营成本和外部成本？（2）在何种条件下可实现这些效益？

**二、研究方法与关键技术**

研究人员构建了一个基于仿真的比较框架，用于系统评估CS整合系统（系统2）与传统承运商系统（系统1）在运营成本和外部成本方面的表现。研究以澳大利亚大墨尔本地区为参照，基于实际运营数据（包括Hubbed的353个退货点和1个TP、澳大利亚邮政的约360个设施和2个TP）设计了45,000个真实场景。主要关键技术包括：（1）连续近似方法：利用容量受限车辆路径问题（CVRP）的连续近似公式估算传统系统的总服务时间和VKT；（2）行为建模：基于二元Logit模型刻画众包配送员的任务接受决策，融合了通行意愿参数（χ_km和χ_L），并依据Uber Eats数据设定三种众包供应水平（0.5%、1.0%、1.5%家庭参与率）和三种行为画像（热衷型、混合型、怀疑型）；（3）全因子实验设计：系统变化研究区面积（500–5000 km2）、退货点密度、家庭密度、退货率、众包供应水平和效用函数参数；（4）决策树分析：使用分类回归树（CART）模型提取影响成本变化的阈值规则，以提供可解释的管理洞察。

**三、主要研究结果**

**（一）决策树分析与关键驱动因素**

特征重要性分析表明，外部成本（ΔEC）的主要驱动因素是空间和人口统计变量（研究区面积和家庭密度），其次是众包供应规模和退货率；而运营成本（ΔOC）则主要由众包系统参数决定，尤其是众包配送员接受行为的效用函数参数和众包供应规模。这表明CS整合系统的盈利能力主要依赖于补偿机制和供应水平，而其环境可持续性则主要受空间背景（区域面积和家庭密度）控制。

**（二）运营成本效益**

决策树分析显示（图6），CS整合系统在大多数情境下可实现30%至72%的运营成本节约。当多数众包配送员为“热衷型”行为时，成本降低达62%–73%；“混合型”行为下节约46%–59%；“怀疑型”行为下节约30%–42%（家庭参与率<1%）至约45%（家庭参与率>1%）。成本分配分析进一步表明，当家庭参与率超过1%时，大多数场景中逆向物流成本主要为CS补偿支出，快递服务极少被启用；当参与率低于1%且退货率超过35%时，快递服务成为必要补充。供应-需求比分析显示，当每10件包裹对应约3名众包配送员（供应/需求=0.3）时，超过95%的包裹可通过CS网络交付；该比例降至0.1时，CS网络仅能处理30%–90%的退货，需快递服务作为补充。

**（三）外部成本与环境效益**

与运营成本不同，外部成本（ΔEC）的变化呈现高度情境依赖性（图7）。在高家庭密度（>550户/km2）或小面积（<1000 km2）区域，外部成本可能增加18%–60%，原因在于高密度紧凑区域中专业车辆巡回配送的单件包裹行驶距离通常短于众包配送员点对点的绕行距离。CS整合系统的环境优势主要体现在大面积低密度区域：当家庭密度低于550户/km2时，外部成本可降低最高28%；当退货率低于35%且家庭参与率超过1%时，外部成本节约介于8%–28%之间。研究还发现，澳大利亚五大都市区的当前家庭密度均低于180户/km2，即使到2071年人口翻倍，仍将低于550户/km2阈值，表明该国主要城市具备CS环境优势的适用条件。

**（四）运营与外部成本的协同与权衡**

联合绩效分析（图10）表明，运营成本和外部成本节约并非总是一致，但在特定条件下可实现同时降低。决策路径E1、E2（ΔEC树的路径1和2）以及ΔOC树的路径7表现出这一协同特征，其共同决定因素为家庭密度低于550户/km2。众包供应规模是另一个影响因素，当参与率超过1%家庭时表现最佳，表明随着CS网络扩展，运营和环境绩效均预期改善。

**（五）绕行敏感性分析**

绕行距离敏感性分析（图11）揭示了运营成本与外部成本对绕行的截然不同的响应。ΔOC对绕行相对不敏感，即使在较高绕行水平下仍保持约30%–60%的成本节约。相反，ΔEC对绕行高度敏感，当绕行超过约1公里后，系统持续丧失环境优势，ΔEC转为负值，外部成本在较大绕行下可增加约300%–600%。低密度区域受额外绕行影响较小，而高密度区域的传统配送系统本已更高效，对CS引入的低效率更为脆弱。这表明CS在经济上保持稳健，但其环境绩效对绕行高度脆弱，控制绕行距离对确保系统可持续性至关重要。

**四、结论与政策启示**

本研究表明，将CS整合到电商逆向物流中可在运营层面显著降低成本（有利条件下节约经常超过60%）当家庭参与率超过1%时，大部分退货无需快递服务即可完成运输。然而环境效益具有情境依赖性：只有在家庭密度低于550户/km2的低中密度区域，外部成本才能实现降低；在更密集区域，众包配送员个体绕行可能抵消环境收益。研究强调，在CS从实验应用过渡到运营实践的过程中，需要设计适应性、数据驱动的政策和网络配置，以平衡盈利性、公平性和可持续性。

研究人员提出两个层面的政策建议。组织层面：运营企业应通过智能任务匹配机制（将包裹分配给绕行需求最小的众包配送员）、战略性地优化TP和退货点位置（使包裹流与既有出行需求走廊对齐）、推广低排放交通模式（如电动车）来管理外部性。政策层面：政府机构可实施平台层级的绕行限制（如地理围栏或算法上限）、碳基定价或低排放参与激励、高排放车辆参与限制或电动车优惠条件，以及实时监测系统以检测和防止为CS任务专门产生的出行。研究还指出，随着城市条件演变（人口密度、退货量和出行行为变化），原本有利的条件可能不复存在，持续监测和适应性政策机制对保障CS整合系统的环境效益至关重要。