大數據驅動下的全渠道供應鏈服務創新決策框架

計國君余木紅

文章編號：1001-148X（2016）08-0152-11

福建 廈門361005；3.英國諾丁漢大學 商學院，英國 諾丁漢）

摘要：全渠道運營以提高顧客的購買體驗為核心，不僅要求各渠道保持自身高服務水準，同時要實現渠道間服務協同，這放大了戰略制造商與零售商之間乃至整條供應鏈的沖突，進一步刺激了顧客的等待行為，從而加劇產品供給與需求間的不匹配性。本文基于戰略顧客行為的普遍性與全渠道競爭的現實性，對近年來大數據驅動下的全渠道供應鏈服務創新及其關聯因素進行綜述，構建基于大數據驅動下全渠道供應鏈服務創新的決策框架，利用貝葉斯網絡方法分析大數據驅動下的服務創新能力，以期為服務創新優化決策提供支持。

關鍵詞：大數據；全渠道供應鏈；服務創新；戰略顧客

中圖分類號：F2534文獻標識碼：A

收稿日期：2016-05-18

作者簡介：計國君（1964-），男，安徽肥東人，廈門大學兩岸關系和平發展協同創新中心/管理學院教授，博士生導師，工學博士，研究方向：供應鏈管理、顧客行為等；余木紅（1990-），女，四川萬源人，廈門大學管理學院博士研究生，研究方向：供應鏈管理、渠道管理。

基金項目：國家自然科學基金項目，項目編號：71571151，71371159；國家社會科學重點基金項目，項目編號：14AGL015。

一、引言

互聯網、移動互聯技術的迅速發展與社交媒體的興起和發展促使越來越多的顧客開始追求個性化的購物體驗，購物手段日趨多樣化。從宏觀層面看，2014年中國電子商務市場交易規模123萬億元，其中網絡購物交易規模市場份額達到229%（艾瑞統計，2014）。另據Ipsos發布的2013年《中國消費者線上線下購物體驗報告》顯示，超過50%的顧客會采用實體店體驗、網店下單的購物方式（益索普，2013）。這些都表明顧客的購物習慣發生轉變，購買行為逐漸多樣化，他們會根據自己的需要選擇購買渠道。從企業層面看，法國前20家大型零售商的電子商務貢獻中移動電商占70%（顏艷春，2013）；梅西百貨實行蘋果支付、當日送達、線上購買線下取貨、梅西圖像搜索、智能試衣間等12項O2O全渠道戰略，以期為顧客打造出貫穿多種購物渠道的、始終如一的、無縫的購物體驗（武漢商務，2014）；國美2014年初宣布進行戰略轉型，全面推行“O2M全渠道零售商”戰略模式（武漢商務，2014），即“線下實體店+線上電商+移動終端”的組合式運營模式，并以顧客需求為導向，回歸商業本質。另據Wikipedia統計，Dell公司的30%、Apple公司的43%的凈收入都來自于服務的銷售，IBM通過不斷服務創新得到顧客的一致肯定，成為全球成功轉型服務的企業之一。鑒于上述背景，本文把這種多渠道組合與跨渠道整合并存的運營模式稱為全渠道運營模式。全渠道運營以提高顧客的購買體驗為核心來達到零售商乃至整個供應鏈的利益最大化，不僅要求各渠道保持自身高水準服務水平，同時要求實現渠道間服務協同，這加劇了戰略制造商與零售商之間乃至整條供應鏈的沖突（李海，2013），同時將顧客訓練得越來越理性，表現為博弈學習行為，進一步刺激了顧客的等待行為（戰略顧客行為），從而加劇產品供給與需求之間的不匹配性（楊光勇和計國君，2014），由此造成全渠道供應鏈面臨兼并、重組的困難?？傊?，基于戰略顧客行為的普遍性與全渠道競爭的現實性，商家如何通過全渠道供應鏈服務創新以促進多渠道組合和跨渠道整合成為目前必須關注的重點研究議題。

另外，大數據技術已經在零售業、制造業、物流、電信等行業得到廣泛應用。例如，國內外知名企業（如Ebay、Amazon、淘寶、中國移動等）相繼推出相應的大數據產品和平臺，通過分析結構化和非結構化數據促進其業務創新和利潤增長（馮芷艷等，2013）。大數據應用的優勢之一就是加速產品及服務創新（Davenport，2014）。從實踐看，大數據技術主要在下列方面驅動商業價值：加速產品/服務創新；對產品/服務故障診斷與預測；結合工業物聯網優化生產線；優化渠道和供應鏈；準確預測產品/服務需求；優化生產與排程；精細產品質量管理；造就產業轉型和智慧服務等。與傳統創新活動主要局限在企業內部不同，開放性、網絡化的創新方式提供了大量的在產品市場化之前進行互動設計的可能性（Aral等，2011）。全渠道供應鏈環境下不僅要求企業為顧客提供無差別的消費體驗，而且要不斷通過轉變服務（transformation service）模式給公司和顧客帶來某些改變，而大數據驅動企業的產品/服務創新的源動力在于強調實時性、差異性的產品/服務研發，集中反映在：（1）借助于大數據技術，如何開發出差異化產品/服務來滿足顧客的不同需要；（2）利用何種運作模式來合理地提供新的產品/服務；（3）采取何種運作體系和決策機制來科學地達到供需的匹配（馮芷艷等，2013）。

本文基于戰略顧客行為的普遍性與全渠道競爭的現實性，對近年來大數據驅動下的全渠道供應鏈服務創新及其關聯因素進行綜述，構建基于大數據驅動的全渠道供應鏈服務創新的決策框架，利用貝葉斯網絡方法分析大數據驅動下的服務創新能力，以期為服務創新優化決策提供支持。

二、全渠道供應鏈服務創新及其關聯因素

（一） 服務創新

1.服務創新理論。（1）單個企業服務創新。Aa和Elfring（2002）指出對于廠商和環境或潛在的競爭對手來說，服務創新主要涉及網絡化交叉組織創新、融合新服務技術于生產服務流程、顧客積極參與和技術創新。Gallouj等（2009）認為服務創新是針對特定顧客提供一種新的解決方案。Sundbo（1997）發現服務業很多創新不遵循技術軌道，而是遵循服務專業軌道，且技術知識是其中一個維度。Hertog等（1999）用結構化方法構建涵蓋新服務概念、新顧客界面、新傳遞系統和新技術選擇等四維度的服務創新模型，發現大部分創新都是各種要素綜合作用的結果，并導致最終的創新產出。（2）供應鏈服務創新。企業是供應鏈網絡一個節點，其運作和績效均受供應鏈網絡的影響（Gulati，2000），因而服務創新活動依賴單個組織無法有效實施，必須通過多個組織間緊密合作才能實現（Agarwal和Selen，2009）。Heimeriks等（2007）指出服務創新需要關注供應鏈整合，因為其依賴于很多復雜的知識、能力和資源。簡兆權等（2013）認為服務供應鏈整合及其對服務創新的影響必須系統把握服務供應鏈內在機理，關注服務供應鏈整合的前因與結果。（3）大數據驅動下的服務創新。大數據時代的來臨使其成為全球下一個創新、競爭和生產率提高的關鍵。張斌和馬費成（2014）認為大數據環境下的服務創新應是以顧客需求為中心、以信息技術為橋梁、以挖掘知識服務價值為目的、以超網絡為宏觀視角的新服務模式。Briody等（2011）指出大數據支持下的服務創新有利于產生其競爭優勢。McAfee等（2012）發現利用大數據進行決策的企業利潤要高于競爭對手6%。Chen等（2014）提出一種大數據分析方法，并證實該分析方法能夠幫助企業把握顧客行為模式與偏好，進而進行服務創新以滿足潛在需求。Kim等（2015）構建基于推理圖的分析框架探索如何通過挖掘大數據來提高供應鏈創新能力。不難看出，這些文獻很少關注全渠道供應鏈的服務創新及其對顧客體驗和商家的影響。

2.服務創新能力。（1）資源要素視角。Gallouj和Weinstein（1997）認為服務創新能力是由個體和群體創新能力構成。前者源于員工接受的最初教育、企業提供的持續培訓、工作中積累的經驗以及普遍存在于個體間、群體間、個體與群體間的互動。將個體創新能力所覆蓋的經驗技巧加以編碼，能實現從個體創新能力到群體創新能力的躍遷，進而提升整個服務創新能力。同時，相對于無形服務過程來說，前者更為隱性和難以編碼，形成群體創新能力面臨著比制造業更大的挑戰（徐思雅，2014）。Hertog等（2010）認為服務創新能力包括六個維度：感知顧客需求與技術選擇的能力、服務概念構建能力、服務組合與分拆的能力、共生和協作能力、服務范圍延展的能力、學習和適應能力，這些維度能力整合有助于形成服務創新能力。（2）過程視角。魏江等（2007）提出服務創新過程涉及概念階段、發展階段和引入階段三個階段，其中概念階段主要圍繞構筑服務創新的概念框架，完成服務創意產生、概念初步開發、需求分析、概念檢驗等工作；發展階段包括分析論證、運作設計和人員培訓等工作；引入階段包括服務評估、交付顧客和跟蹤改進等工作，是服務創新的價值最終達成的階段。藺雷等（2003）基于過程視角，指出服務創新能力涉及創新資源投入能力、創新管理能力、員工創新能力和顧客能力、創新的生產能力、創新的營銷能力等六方面能力。陳曄（2010）基于服務自身發展和服務業演變的新特征，識別出服務創新的新路徑，同時提出服務交互界面、服務信息化、服務精益化和服務庫存四個方面的創新策略。（3）投入產出視角。王玉梅等（2012）從投入和產出兩個維度的能力評估了高技術服務業的創新能力。其中，創新投入能力涉及區域資金、人員投入、合作溢出投入、外部經濟環境、外部文化制度環境；創新產出能力涵蓋設計創新績效、員工創新績效兩方面。李艷華等（2009）從創新投入、創新環境、創新技術產出、創新經濟績效四個維度建立現代服務業創新能力評價指標體系，并以北京市為案例進行了驗證?？傊?，上述文獻主要從不同視角對服務創新能力進行分類與描述，沒有關注如何通過服務創新能力的提升來實現服務產出，也少有文獻從渠道乃至全渠道供應鏈的角度研究服務創新。

（二）全渠道運營

目前，關于全渠道運營的研究主要包括：（1）全渠道理論。對全渠道的概念還未形成統一定義，多數學者認同Darrell（2011）首次提出的全渠道零售（Omni-channel retailing）這個新名詞。Burdin（2013）從空間維度對渠道進行分類，認為全渠道零售是從單渠道到多渠道再到交叉渠道，最后到全渠道的演化結果，并勾勒出零售渠道變革路線圖。李飛（2013）對全渠道零售的含義、成因及對策進行分析，提出全渠道營銷的概念，并對其進行了理論和應用剖析。（2）全渠道運營策略。施蕾（2014）考察了網絡購物對顧客實體店行為的影響，并研究了顧客渠道選擇行為。Trunick等（2015）從移動商務和快速交貨的顧客基礎以及全渠道發展環境等視角，探討了全渠道分銷策略如何通過改進交付基礎來提高顧客滿意度。（3）多渠道定價。多渠道供應鏈的定價一直是學者們關注的焦點。其中雙渠道中存在兩種類型的渠道定價策略：一致定價和差異定價。一致定價策略可以減少渠道沖突，但研究表明只有2/3的雙渠道企業采用一致定價，且書本和CD的網上價格比傳統渠道價格便宜9%-16%（Brynjolfsson 和Smith，2000）。事實上，定價策略受多種因素的影響。首先，價格受顧客對商品估價的影響。顧客往往對不同渠道同一種商品的估價不同。在傳統渠道中，顧客可以通過現場的感官感受（如摸、嗅、試用）等實體性接觸判斷商品的價值，并享受購買的樂趣（李書娟，2012）。而電子渠道中，顧客無法接觸到具體的產品，只能依賴視覺、文字描述或顧客評價等進行判斷，對產品的價值無法準確把握。因此，顧客通常對電子渠道商品的估價要低于傳統渠道。其次，雙渠道價格受消費群體和電子渠道普及程度的影響（李書娟，2012）。一般來說，價格敏感、相對年輕、購買相對方便、比較時尚的顧客偏好于電子渠道，而年長者并享受逛街樂趣的顧客偏好于傳統渠道（Schroder等，2008）。Xu（2014）等研究發現，對雙渠道供應鏈而言，風險規避類型的定價要低于風險中性的定價。Dan（2012）等研究發現需求的增長速率和顧客對傳統渠道的依賴程度對傳統渠道的服務水平和價格決策有較大影響。Huang（2012）等在雙渠道供應鏈中引入需求擾動，發現在集中和分散決策下雙渠道供應鏈的最優定價策略都明顯受到直銷渠道的顧客接受度和市場規模的變動的影響。（4）渠道供應鏈的服務水平。已有文獻多側重于雙渠道供應鏈的服務水平，諸如渠道的銷售努力、顧客的服務水平、渠道服務創新等。其中渠道的銷售努力是造成渠道需求差異的重要因素之一。Tsay和Agrawal（2004）針對電子渠道和傳統渠道銷售價格無差異、需求差異主要來自于各渠道的銷售努力等情況，研究了兩類渠道的服務決策和最優批發價格關系。但發現銷售努力在實際運作中不好權衡、不易監控，對分銷商的銷售努力監管較為困難。實際中，廣告投入可作為銷售努力的一種表現。王虹和周晶（2009）針對零售商通過銷售區域投放廣告與制造商爭奪市場的現象，分析需求受價格和廣告投入影響，結果發現釆取一致價格模式可獲得較高價格，但銷售量較少；非一致價格模式下的廣告投入最多。Pei和Yan（2013）通過與制造商不采取廣告情形進行比較研究，發現制造商的廣告行為能夠緩解渠道沖突并提高整條供應鏈及其成員的利潤。

綜上，在電子商務環境下，服務創新及其服務水平已成為當今企業獲取較高市場占有率的重要手段。傳統零售商通過和顧客面對面的交互，可為顧客提供產品的基本服務和增值服務（Tsay 和Agrawal，2000）。在雙渠道環境中，零售商如何在價格競爭的同時制定其服務水平是值得關注的問題（李書娟，2012）。Yao和Liu（2005）基于需求同時受價格和零售渠道服務水平影響，在不同的市場結構下分別研究動態和靜態均衡定價策略，發現直銷渠道的開設促使零售商提高其服務水平，但沒有把服務水平作為決策變量進行研究。Dumrongsiri et al（2008）在顧客效用理論基礎上引入零售商和制造商的服務水平，研究發現提高零售商的服務水平將增加雙渠道下制造商的利潤。Yan和Pei（2009）研究發現渠道競爭有利于零售商提高其零售服務，零售服務的提髙將增加供應鏈總體利潤和各成員利潤；提高零售服務水平是有效緩解渠道競爭和沖突、提高供應鏈利潤的有力手段。但這些文獻均未涉及到全渠道供應鏈的服務創新以及服務水平問題。在全渠道沖突環境下（如圖1），上述這種趨勢正在逐漸發生改變。

三、大數據驅動下的全渠道供應鏈服務創新決策架構

大數據的潛在價值是巨大的，現有的分析工具難以用來分析海量（多類型）實時數據并產生有價值的信息（Tien & Goldschmidt-Clermont，2009）。雖然很多數據處理技術可以幫助管理者產生大量的信息，但這樣的信息往往是分散的且效率低下。因此，針對全渠道供應鏈服務創新的要求，必須建立一個新的分析框架結構并連接各種數據流，針對特定的問題去創建一個連貫流程圖，以便更好地挖掘全渠道供應鏈中信息的價值。

以全渠道服務商獲得競爭優勢為主旨，本文提出一個科學的分析架構（如圖2），以利用現有的大數據。首先，確定全渠道供應鏈可以滿足未來市場的產品/服務，然后結合大數據分析將產品/服務需求轉化為流程和各類子過程的任務和資產，最后根據市場需求，通過鏈協調并達到持續評估。

全渠道供應鏈的服務創新相關因素可以從大數據中獲得。借助于這些因素可以提高預測的精度，以確保創新服務的成功。事實上，貝葉斯網絡可以有效利用所有可用的數據，診斷出導致高消費者偏好的原因，并將專家知識表示成一組變量間的關系（Heckerman等，1995；Jensen，1996）。鑒于此，本文借助貝葉斯網絡連接各種數據流的數據，在全渠道鏈中預測市場服務需求，建立基于大數據的全渠道供應鏈服務創新決策框架（如圖3）。

大數據驅動的全渠道供應鏈產品/服務創新決策過程如下：（1）通過大數據分析識別產品/服務創新面臨的市場需求；（2）將產品/服務需求細分到研發、生產、銷售、售后等各個過程；（3）針對每個過程分別進行分析優化；（4）遵照產品/服務持續創新，滿足市場需求，實現全渠道供應鏈協調。這是一個不斷循環、不斷改進的過程①。

為了幫助企業進行服務的詳細流程設計并增強全渠道供應鏈服務創新，本文進一步借助Li等（1999）提出的推理網絡圖模型分析技術，通過準確分析服務需求信息，將服務需求轉化為流程，并細分到任務和資產中。針對零售商的情形如圖4所示。

1.服務需求預測。目前，預測服務市場需求的方法非常多，有線性回歸分析、時間序列分析等。這些方法主要運用歷史數據對服務市場需求進行預測。在現實中，服務需求是受多方影響的，如營銷策略、售后（延遲策略）、消費群體變動、政府政策等。對傳統分析方法而言，這些影響因素是沒辦法綜合考量的。然而，通過大數據分析這些影響因素，可以極大地提高服務市場需求預測的準確性，提升服務的市場競爭力（如提升服務內在價值、選擇合適的營銷策略和售后服務保證）。本文采用數據挖掘和貝葉斯網絡相結合的方式來捕捉大數據。首先，通過數據挖掘獲得大量的數據；然后，通過貝葉斯網絡對數據進行精煉。具體設計流程如下：

（1）收集數據。預測的基礎通常來源于購買行為、搜索記錄以及社交評價，毫無疑問大數據會對消費者偏好造成顯著影響。從全渠道供應鏈大數據中選取合適的樣本集，制造商/零售商須結合行業先驗經驗或參考專家建議，通過數據挖掘等手段，識別影響服務需求的因素。一旦這些因素被識別，將作為貝葉斯網絡上的節點Xi（i=1，2，…，n）。制造商/零售商須收集多個具有代表性的消費者，對每個節點進行賦值。

（2）預處理樣本數據。運用聚類分析或者分層分類等方法確保各因素賦值不連續，便于后面推理算法建模。

（3）設計和建立一個貝葉斯網絡。貝葉斯網絡又稱信度網絡，一個貝葉斯網絡是一個有向無環圖，由代表變量節點及連接這些節點的有向邊構成。一個節點代表隨機變量，節點間的有向邊代表了節點間的互相關系（由父節點指向其子節點），用條件概率進行表達關系強度，沒有父節點的用先驗概率表達信息之間的關系（臧玉衛等，2003）。每個節點X都有一個概率分布P（X|π（X）），表示相關變量的不確定性，其中π（X）代表父節點X（如果節點X中的π（X）=代表非父節點）。因此，在獨立性假設下，一個n節點構成的貝葉斯網絡（X1，X2，…，Xn）可以表述為聯合概率分布：

P（X1，X2，…，Xn）=∏ni=1P（Xi|π（Xi））（1）

建立貝葉斯網絡須包含兩個部分：識別網絡結構與確定條件概率表。常見的貝葉斯網絡主流推理算法如表1所示。

（4）預測服務市場需求。貝葉斯網絡是一個雙向推理過程。由于知曉各個節點的賦值，制造商/零售商可以通過計算目標節點的概率分布來預測產品/服務需求。

（5）敏感性分析。敏感性分析是決策的基礎，用于確定哪些變量顯著影響消費者偏好。MI（交互信息）可以衡量兩個隨機變量間的依賴關系，適合貝葉斯網絡的敏感性分析。如通過了解變量A可以減少變量B的不確定性，反之亦然。變量A與B的MI表述為：

T（A，B）=∑[DD（X]a，b[DD）]p（A，B）log[SX（]p（A，B）[]p（A）p（B）[SX）]（2）

其中，p（A，B）表示聯合概率分布，p（A）表示A的概率分布函數，p（B）表示B的概率分布函數；T（A，B）表示變量A和B間相互影響關系，其值越大說明變量A和B間關系越緊密，故可根據T（A，B）的大小來判斷變量的重要性。在實際中，T（A，B）越大，越需要關注相關變量。此外，貝葉斯網絡可以及時反映變化的市場需求，制造商/零售商可以通過持續改進貝葉斯網絡來驅動產品/服務的持續創新。

2.細分產品/服務需求。經過第一步產品/服務需求預測后，借助于推理網絡圖模型，允許公司把自己的能力集和其他公司的合并，通過鏈接來自不同公司的資源能力集將需求細分到產品設計、生產、銷售、售后等各個過程?？刹捎每梢暬姆绞教峁┮幌盗凶顑灥臄U展細分過程。

3.建立大數據驅動下的產品/服務創新決策過程。具體步驟如下：

第1階段：數據采集和管理。數據集規模在日益擴大，越來越被無處不在的信息感知移動設備所收集，諸如遙感、軟件日志、攝像頭、麥克風、射頻識別閱讀器、無線傳感器網絡等。這些有價值的數據創建和捕獲需要昂貴的成本，但現實中他們中的大多數都被忽略。在該階段，為了獲取信息盡可能多的價值，決策者需要考察全渠道供應鏈哪些信息是至關重要的。在大數據采集實驗數據管理的基礎階段，最重要的是要界定自身的大容量存儲要求和大規?？茖W計算的條件。

第2階段：數據清理和集成。在大數據分析過程中，數據集的規模往往是非常巨大的，有時達到幾兆字節或更多，且又來源于異構數據源，致使現實世界的數據庫往往存在嚴重不一致、不完整和噪聲等現象。因此，在該階段，需要采用多種數據預處理技術，諸如數據清理、數據集成、數據轉換、數據還原以及用于去除噪聲和不一致的技術。然后，利用數據挖掘技術幫助全渠道管理者產生有用的信息。例如，現有的數據挖掘方法能夠幫助全渠道供應鏈中的成員企業發現產品/服務創新所需的未知單一技能或復合技能。同時，數據的可視化更易獲得其他公司的能力集合。所有這些“孤島”信息捕獲對第三階段邏輯分析模型的開發具有重要意義。

第3階段：數據分析。使用推理網絡圖模型能夠生動說明產品/服務創新能力集的擴張過程，這是與其他能力合作的一種網絡優化模型。例如，假定E是產品/服務創新需要解決的問題，TR是真正需要的能力集，SK是可獲得解決具體問題的能力集，中介技能（I）可以提高學習速度或連接TR和SK模型，以幫助決策者從SK獲得TR。該方法的基礎是試圖從起始節點建立一個推理網絡圖（SK），從開始到中間節點（I）再到結束節點（TR），然后利用0-1整數規劃尋求最優解。因內部能力（I）、現有能力集（SK）、所需能力集（TR）和相關技能的習慣領域以及學習成本數據都可以從第2階段運用數據挖掘技術獲得，把這些數據輸入到推理圖，可以構建基于大數據的全渠道供應鏈服務創新行為演化機理的一個特定的數學模型（如網絡流優化模型）。渠道管理者可以運用推理網絡圖將擴張過程可視化并利用Matlab等軟件求解，得到相應的最優解。

第4階段：數據的解釋和決策。利用推理網絡圖模型進行大數據分析，提供一個基于學習網絡連接相關的能力集合，然后利用優化程序來幫助全渠道決策者獲取所需技能的最佳解決方案，同時提供解決問題的更多替代過程序列。以此為基礎，將網絡關系拓展到整個全渠道供應鏈服務流程中，易做出最佳的決策。

總之，上述步驟可以將產品/服務需求進行細分，幫助制造商/零售商建立具體的分析流程，以協調全渠道供應鏈，驅動產品/服務持續創新或改進。

四、案例

假設某公司通過貝葉斯網絡精選出了5種不同類型的渠道服務A、B、C、D、E（如退貨限期、退貨補償、上門退貨服務等），并識別出各個退貨服務需要的能力集（如表2所示）。表中a、b、c、d、e、f、g、h、i、j、k、l、m、n表示不同的能力集。假定：（1）不同的退貨服務需要不同的能力集。例如，退貨服務A需要能力集g、f，而退貨服務B需要能力集g、f、i。（2）公司有兩個渠道X和Y。渠道X擁有能力集c、d、e；渠道Y擁有能力集a、b、f。易發現，渠道X和渠道Y都不能單獨為退貨服務A、B、C、D、E提供所需的能力集。這時，為了提供相應的退貨服務，每個渠道需從其他渠道購買，或通過學習現有的能力集來獲取新的能力集。假設能力集的銷售價格如表3所示。其中，能力集c的銷售價格為1單位，能力集f的銷售價格為15單位。（3）渠道X擴展/學習能力集的成本如表4所示，渠道Y擴展/學習能力集的成本如表5所示。需要注意的是，實際操作中購買/學習能力集的成本需考慮到時間、勞動力、資源、資金等各個方面因素。

經過分析發現，渠道X和渠道Y須專注于不同的退貨服務。具體而言，考慮到能力集的學習/購買成本，渠道X應該專注于退貨服務A、B、C；而渠道Y應該專注于退貨服務D、E。假設渠道X和渠道Y各自只能提供一種退貨服務，則此時將存在6種退貨服務組合，各退貨服務組合的期望收益如表6所示。

分別構建渠道X和渠道Y的能力集網絡圖，如圖5和圖6所示。其中每個節點表示一個能力集，邊表示能力集間的關系。例如，e

SymbolnB@ f表示能力集f可以通過學習能力集e來獲取，而節點m和g之間沒有邊則表示能力集m不可能通過學習能力集g來獲取，反之亦然。邊上的數值表明獲取新能力集所需的購買/學習成本。另外，網絡圖中還存在復合節點，如d ^e 和a^ b，即復合能力集。需要注意的是，使用復合節點時，各分節點必須存在。例如，渠道Y只有同時擁有a和b能力集時，才可以使用復合能力集a^ b。為了提供相應的退貨服務均需要獲取其他能力，如線上渠道可從線下渠道購買，或通過學習現有的能力集來獲取新的能力集。事實上，對能力集c，渠道Y可以通過學習能力集f、a^ b、a來獲取，也可以向渠道X來購買。當然獲取的成本有高有低，分別為15、1、18和1。簡言之，構建上述能力集網絡圖的最終目標是使用優化方法找出最佳的退貨服務組合，實現公司利潤最大化。

下面，運用網絡流的方法來尋求最優解。上述問題實際是一個0-1混合線性規劃問題（Li，1999），但傳統的0-1混合線性規劃效率太低。Kim & Hooker（2002）提出一個最小費用流的方法可以更快解決該問題。為此，將上述問題轉化為最小費用流問題，來尋求最優解。

使用網絡流（最小費用流）的方法之前，需要做如下假設：

假設1：各渠道需列出所有相關的信息，例如，各能力集和相關成本。

假設2：各渠道須相互合作。

假設3：單一渠道只需支付一定的價格，就可以從其他渠道自由地購買所需的能力集。

假設4：各渠道與公司是利益共同體。

用S表示渠道現有的能力集。T表示提供退貨服務需要的能力集。I表示媒介（中間）能力集。定義一個有向圖G=（V，E），V=T∪I∪S。假設節點i在有向圖G=（V，E）上，r（i，j）表示節點i鏈接節點j的邊；z（i，j）表示通過節點i 獲取節點j 的成本。假設網絡圖初始節點為s0，終端節點為t0。連接s0（s∈S）和t0（t∈T），得到新的有向圖G=（V′，E′）。n表示T的價值。易得容量和費用的邊界如下：

c（i，j）=1，r（i，j）=r（t，t0）n，r（i，j）≠r（t，t0）

z（i，j）=

0，r（i，j）=r（s0，s）或r（i，j）=r（t，t0）z（i，j），r（i，j）≠r（s0，s）且r（i，j）≠r（t，t0）

用f（i，j）表示邊r（i，j）的流量，得到最小費用流模型如下：

Min∑（i，j）∈Ez（i，j）f（i，j）

st∑xf（i，x）-∑xf（x，i）=n，i=s0-n，i=t00，i≠s0且i≠t0

0f（i，j）c（i，j）

運用軟件LINGO可得到模型的最優解（如表7所示），并得到渠道X和渠道Y的Deduction Graph（最優解對應的推理網絡圖），如圖7和圖8所示?？梢?，對渠道Y而言，最優的退貨服務是D。提供退貨服務D，渠道Y需支付18單位的成本來獲取能力集{j，c}，并獲得45單位的期望收益，因而預計最優情況下渠道Y將獲得27單位的期望利潤。對渠道X而言，最優的退貨服務是A。提供退貨服務A，渠道X需支付25單位的成本來獲取能力集{f，g}，并獲得8單位的期望收益，因而預計最優情況下渠道X將獲得55單位的期望利潤。對整個公司而言，最優的退貨服務組合是{A，D}，預計公司將獲得82單位的期望利潤。綜上，利用推理網絡圖可細分產品退貨服務需求，幫助企業進行退貨服務創新的決策。

五、研究展望

全渠道供應鏈環境下，不僅要求企業為顧客提供無差別的消費體驗，還要不斷通過轉變服務（transformation service）模式給公司和顧客帶來某些改變，而大數據時代產品及服務創新活動的典型特征——實時化、個性化的產品/服務設計使得對產品/服務創新的關注點發生變化。本文認為下列問題值得進一步深入探討：

1.如何評估全渠道供應鏈的顧客購買行為？一般來說，相對于傳統渠道的實體接觸以及產品/服務使用，電子渠道只能通過文本、圖片以及網頁符號等向顧客進行虛擬描述，即電子渠道中，顧客獲得的關于產品/服務信息比傳統渠道要少，產品/服務滿足其要求的匹配程度更低，顧客對電子渠道的信任程度低于傳統渠道。在大數據時代背景下，企業在電子渠道銷售產品/服務的同時，可以通過收集和使用大數據更好地理解顧客、設計更好的產品或服務以及為顧客提供更多的定制服務。這種大數據效應將對顧客支付意愿產生重要影響，未來的研究可結合實證或者理論模型來評估全渠道供應鏈的顧客購買行為。

2.如何評估全渠道供應鏈的服務創新行為？在產品/服務同質情況下，渠道的服務水平將直接決定顧客購物渠道的選擇。一般來說，相對于低服務創新的渠道，高服務創新的渠道將更能適應外部環境變化。鑒于此，根據服務創新程度，可以將渠道服務創新大致劃分為3個階段：（1）差異化；（2）定制化；（3）捆綁化。未來可借助于大數據技術，通過構建渠道創新演化圖譜（如圖9）探討渠道創新的演化機理。

3.如何衡量一個全渠道供應鏈的服務創新能力以及大數據驅動下的服務創新的決策機制？在全渠道供應鏈運營中，不同渠道的各個環節數據都將成為大數據的一部分。未來可通過不同渠道主體間的數據共享，運用大數據分析技術識別數據的內在特征，探索潛在、隱藏、更有價值的顧客需求，然后圍繞顧客需求，開展服務創新活動（馮芷艷，2013）?？梢哉f，顧客需求是全渠道供應鏈服務創新的信息來源和創新觸發扳機。

注釋：

①例如，與傳統供應鏈不同，全渠道供應鏈設有E-shop，直接面對終端消費者并提供相應的服務。

參考文獻：

[1]Aa W V D， Elfring T. Realizing innovation in services[J]. Scandinavian Journal of Management， 2002，18（2）：155-171.

[2]Agarwal R，Selen W. Dynamic Capability Building in Service Value Network for Achieving Service Innovation[J]. Decision sciences， 2009，40（3）：431-475.

[3]Briody D. Big data： Harnessing a game-changing asset. In.： The Economist Intelligence Unit，2011.

[4]Brynjolfsson E，Smith M D. Frictionless commerce？ A comparison of internet and conventional retailers[J]. Management Science，2000，46（4）：563-585.

[5]Dumrongsiri A，Fan M，Jain A et al. A supply chain model with direct and retail channels[J].European Journal of Operational Research，2008，187（3）：691-718.

[6]Burdin T. Omni-channel retailing： the brick，click and mobile revolution[EB/OL].[2013].http：//www.cegid.com/retail.

[7]Chen A，Zhang M，Zhao X D. Using Big Data for Innovation and Customization[J]. International Journal of Production Research，2014.

[8]Davenport，Thomas. Big Data at Work： Dispelling the Myths，Uncovering the Opportunities＼[M＼]. Harvard Business Review Press，2014.

[9]Dan B，Xu G，Liu C. Pricing policies in a dual-channel supply chain with retail services[J]. International Journal of Production Economics，2012，139（1）： 312-320.

[10]Aral S，Walker D. Creating social contagion through viral product design： A randomized trial of peer influence in networks[J]. Management Science，2011，57（9）：1623-1639.

[11]Darrell Rigby. The future of shopping＼[J＼]. Harvard Business Review，2011（12）： 64-75.

[12]Gallouj F，Weinstein O. Innovation in services[J]. Research Policy，1997，26：537-556.

[13]Gallouj F，Savona M. Innovation in services： a review of the debate and a research agenda[J]. Journal of Evolutionary Economics，2009，（19）：149-172.

[14]Gulati R，Gargiulo M. Where do interorganizational networks come from？[J].American Journal of sociology，1999，104（5）：1439-1493.

[15]Heimeriks K H.，G Duysters.Alliance capability as a mediator between experience and alliance performance： An empirical investigation into the alliance capability development process[J]. J. Management Stud.，2007，44（1）：25-49.

[16]Hertog P，Bilderbeek R. Conceptualising service innovation and service innovation patterns[R].Research Programme on Innovation in Services（SIID） for the Ministry of Economic Affairs，Dialogic，Utrecht，1999.

[17]Hertog D P，Vander A W，Jong，M. W. Capabilities for managing service innovation： towards a conceptual framework[J]. Journal of Service Management，2010，21（4），490-514.

[18]Huang S，Yang C，Zhang X. Pricing and production decisions in dual-channel supply chains with demand disruptions[J]. Computers & Industrial Engineering，2012，62（1）： 70-83.

[19]Kim，H. J. Hooker，J. N. Solving fixed-charge network flow problems with a hybrid optimization and constraint programming approach[J]. Annals of Operations Research，2002，115（1）： 95-124.

[20]Kim T，Yuanzhu Zhan，Guojun Ji，Fei Ye，Cingter Chang. Harvesting Big Data to Enhance Supply Chain Innovation Capabilities： An Analytic Infrastructure Based on Deduction Graph[J]. International Journal of Production Economics，2015，165：223-233.

[21]Li，H. L. Incorporating competence sets of decision makers by deduction graphs[J]. Operations Research，1999，47（2）： 209-220.

[22]McAfee A E，Brynjolfsson.Big Data： The Management Revolution[J].Harvard Business Review，2012，90（10）：8-60.

[23]Pei Z，Yan R. National advertising，dual-channel coordination and firm performance[J]. Journal of Retailing and Consumer Services，2013，20（2）：218-224.

[24]Schroder H，Zaharia S. Linking multi-channel customer behavior with shopping motives： an empirical investigation of a German retailer[J]. Journal of Retailing and Consumer Services，2008，15（6）：452-468.

[25]Sundbo J. Management of innovation in services[J].The Service Industries Journal，1997，17（3）：432-455.

[26]Trunick，Perry A. Omni-channel Strategies： Customer-Controlled Supply Chains[J]. Material Handling & Logistics，2015，70（1）：21-23.

[27]Tsay A A，Agrawal N. Channel dynamics under price and service competition[J]. Manufacturing and Service Operations Management，2000，2（4）：372-391.

[28]Tsay A A，Agrawal N. Channel conflict and coordination in the E-commerce age[J].Production and Operations Management，2004，13（l）：93-110.

[29]Xu G，Dan B，Zhang X，et al. Coordinating a dual-channel supply chain with risk-averse under a two-way revenue sharing contract[J]. International Journal of Production Economics，2014，147： 171-179.

[30]Yan R，Pei Z. Retailer services and firm profit in a dual-channel market[J]. Journal of Retailing and Consumer Services，2009，16（4）：306-314.

[31]Yao D Q，Liu J J. Competitive pricing of mixed retail and e-tail distribution channels[J]. Omega，2005，33（3）：235-247.

[32]簡兆權，李 雷，柳 儀. 服務供應鏈整合及其對服務創新影響研究述評與展望[J]. 外國經濟與管理，2013，35（1）： 37-46.

[33]李飛.全渠道零售的含義、成因及對策：再論迎接中國多渠道零售革命風暴[J].北京工商大學學報：社會科學版，2013（2）：1-11.

[34]李艷華，柳卸林，劉建兵.現代服務業創新能力評價指標體系的構建及應用[J].技術經濟，2009，28（2）：1-6.

[35]王虹，周晶.不同價格模式下的雙渠道供應鏈決策研究[J].中國管理科學，2009，17（6）：84-90.

[36]藺雷，吳貴生. KIBS在創新中的作用[J].科學學研究，2003（21）：257-260.

[37]施蕾.全渠道時代顧客購物渠道選擇行為研究[J].當代財經，2014（2）：69-78.

[38]楊光勇，計國君.存在戰略顧客的退貨策略研究[J].管理科學學報，2014，17（8）：23-33.

[39]王玉梅，羅公利，田恬.知識溢出視角的高技術服務業技術創新能力評價研究[J].情報雜志，2012，31（7）：110-115.

[40]魏江，陶顏，王琳.知識密集型服務業的概念與分類研究[J].科技與經濟，2007（1）：33-41.

[41]顏艷春，O2M全渠道零售的戰略捷徑[J]. 中國商界，2013（11）：66-69.

[42]益索普（Ipsos）.消費者心中的線上線下[J]. 中歐商業評論，2013（7）：68-71.

[43]張斌，馬費成. 大數據環境下數字信息資源服務創新[J]. 情報理論與實踐，2014，37（6）： 28-33.

[44]中國互聯網中心（CNNIC）.第34次《中國互聯網絡發展狀況統計報告》[R].2014-07.

[45]陳曄. 基于服務新特征的服務創新路徑與策略[J].科學管理研究，2010，28（4）：7-10.

[46]李海.雙營銷渠道模式下的供應鏈決策研究[M].武漢：華中科技大學論文，2013.

[47]武漢商務.梅西百貨的全渠道O2O戰略—直板橫打的多重威力[EB/OL].[2014-04-15].http：//wuxizazhi.cnki.net/Search/WHSH201404015.html.

[48]武漢市五交家電商業協會.關于2013年全市家電行業發展情況和2014年行業發展建議[R/OL].[2014-04-15].http：//www.docin.com/p-1414621209.html.

[49]馮芷艷，郭迅華，曾大軍，陳煜波，陳國青.大數據背景下商務管理研究若干前沿課題[J].管理科學學報，2013（1）：1-9.

[50]Ernst & Young.Globalonlineretailing[EB/OL].http：//www.docin.com/p-54696571.html.

[51]徐思雅.服務創新能力對企業績效的影響：商業模式新穎性設計的調節作用[D].杭州：浙江大學論文，2014.

[52]李書娟.考慮交易者行為的雙渠道供應鏈定價策略研究[D].武漢：華中科技大學論文，2012.

[53]臧玉衛，王萍，吳育華.貝葉斯網絡在股指期貨風險預警中的應用[J].科學學與科學技術管理，2003（1）：122-125.