医院护工-美白养颜粥

2016
年江西省研究生数学建模竞赛

2016
年
5
月
23
日

题

目

“双十一”消费者满意度综合评价及运作对策

摘

要：

网购作为一种新兴的购物方式出现在消费者的生活中，近几年来，电商的快速发展促进了网上购物的热潮。自2009年以来，天猫（当时称淘宝商城）开始
在11月11日“ 光棍节”举办促销活动，随后的几年“双十一”当天的总成交额
呈阶梯式增长。但是由于当天购物网站突 增的顾客量和巨大的成交量，各种问题
应运而生。
现代市场营销是以顾客导向为理念 的，本文首先以电商（天猫），商品（韩
都衣舍服饰），物流公司（顺丰）为例，结合2011至201 5年五年期间“双十一”
的真实数据，确定评价指标体系。建立因子分析模型进行综合评价，给出每年的
评价结果以及五年的总评价结果。建立层次分析法模型，对它们的业绩情况分别
进行动态综合评 价。同时建立最优渠道选择模型，确定应采取的经营、配送及生
产的合理策略，并且用2015年“双十 一”的数据对结果进行了一致性检验、很
好地证实了我们所采用模型的有效性以及可信度。最后对201 6年“双十一”进
行预测并且制定合理的运作策略。
关键词：顾客满意度；因子分析模型；层次分析法模型；最优渠道选择模型








参赛队号及题号


参赛密码


（由组委会填写）

一、问题重述
网购作为一种新兴的购物方式出现在消费者的生活中 ，近几年来，电商的快
速发展促进了网上购物的热潮。自2009年以来，天猫（当时称淘宝商城）开始
在11月11日“光棍节”举办促销活动，随后的几年“双十一”当天的总成交额
呈阶梯式增长 。但是由于当天购物网站突增的顾客量和巨大的成交量，各种问题
应运而生。
现代市场营销 是以顾客导向为理念的，在激烈的市场竞争中，企业要赢得顾
客，战胜竞争者，最根本的一条就是要使自 己的商品和服务满足顾客的需要，使
顾客满意。
请针对大型电商平台（或者电商）、典型商品 以及大型物流公司，利用网络
资源收集近五年的相关数据，并研究以下问题。
问题1：以让消 费者满意为核心，分别确定评价电商平台（或者电商）、商
品、物流公司的指标体系，并解决如下问题：
1）利用所收集的数据，对所选择的电商平台（或者电商）、典型商品、物
流公司分别进行综合 评价，给出每年的评价结果以及五年的总评价结果；
2）定量分析消费者对电商平台（或者电商）、商品、物流公司的整体满意
情况。
问 题2：建立数学模型，对所选择的电商平台（或者电商）和物流公司五年
的业绩情况分别进行动态综合评 价。
问题3：以让消费者满意以及电商、物流公司和制造商获利最大化为目标，
建立数学模型 ，设计求解算法，确定电商平台（或者电商）、物流公司和制造商
应采取的经营、配送及生产的合理策略 ；利用2015年的数据进行实际测算，给
出合理策略，并对此策略进行评价。
问题4：根据以上分析、评价结果，并利用收集到的数据，解决如下问题：
1）预测2016年双十一期间电商平台（或者电商）的商品销售量、物流公司
的货运量； < br>2）通过优化计算，给出在2016年双十一期间消费者购物、制造商生产及仓
储、电商平台（或 者电商）销售及存储、物流公司配送运输等环节的运作策略，
并对此策略进行综合评价。
1

二、问题分析
近几年的“双十一”当天的总成交额呈阶梯式增长。 但是由于当天购物网站
突增的顾客量和巨大的成交量，各种问题应运而生，这就需要建立完整的消费者< br>满意度评价体系和合理的运作策略。因此对“双十一”消费者满意度综合评价及
运作策略的建模具 有重要意义。
2.1问题（1）的分析
我们对电商平台（或者电商）、典型商品、物流公司 进行评价，需要相应的
评价指标。根据收集的数据，我们可以列举出“双十一”期间电商平台（或者电< br>商）、典型商品、物流公司的评价指标，并且根据得到的指标体系，通过因子分
析模型给出每年的 评价结果已经五年的总评价结果，进而定量分析消费者的整体
满意情况。
2.2问题（2）的分析
我们通过问题（1）的求解，已经得到了相关的消费者满意度评价体 系。我
们选取重要且可行的评价指标来建立数学模型。这个问题属于综合评价问题，我
们建立了 基于评价指标的层次分析法模型。
2.3问题（3）的分析
要确定电商平台（或者电商）、 物流公司和制造商应采取的经营、配送及生
产的合理策略，可以在构建单周期数学模型的基础上，首先分 别求出电商和制造
商的期望利润和最优库存，然后通过仿真实验分析服务成本、需求不确定和库存
运营成本对电商、物流公司和制造商最优库存的影响。
2.4问题（4）的分析
根据问题 （2）的业绩情况建立数学函数来预测2016年双十一期间电商平台
（或者电商）的商品销售量、物流 公司的货运量。根据问题（3）得到的合理运
作策略，得到在2016年双十一期间消费者购物、制造商 生产及仓储、电商平台
2

（或者电商）销售及存储、物流公司配送运输等环节的运作策略。
综上分析，我们的问题求解思路如下：
分析问题收集相关资料
建立相应数学模型因子分析模型层次分析法模型最优渠道选择模型
模型检验
模型预测

图1：问题求解思路
三、模型假设
3.1模型假设
（1）假设查到的数据真实可靠。
（2）假设不出现新的电商革命。
（3）假设不考虑重大自然灾害的影响。
（4）假设在短期内购物网站建设是稳定的，可以以年为单位进行研究。

四、模型建立与求解
4.1问题1的模型建立与求解
4.1.1因子分析模型 < br>因子分析法
[1]
是从研究变量内部相关的依赖关系出发，把一些具有错综复杂
关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想
3

是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而 不
同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，
即公共因子。 对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的
线性函数与特殊因子之和来描述原来观 测的每一分量。 因子分析模型：
XAF


具体而言，因子模型假定观测到的每个随机变量
X
i
线性地依赖于少数几个 不可
观测的随机变量
F
1,
F
2,
,F
p
和特殊因子向量

i
，即

X
i
a
1i
F
1
a
i2
F
2< br>
变量
F
i
和

j
进行如下假设：

i
a
p
F

(
pi
1,i2,,

p)
式中，
a
ij
为第i个变量在第j个因子上的载荷， 称为因子载荷。 同时，对随机
E(F
i
)0,Cov(F
i
,F
j
)I,E(

i
)0,Cov(F
i
,
j
)0,Cov(

i
,

j
) 0

用回归法计算因子得分，由公共因子载荷矩阵得：
F

b< br>ij
X
j
,i1,2,
j1
,p
，
式中
F
i
为第
i
个公共因子的得分，
b
ij
为 第
i
个公共因子对第
j
个分析指标的因子
得分系数。
综合 因子得分的计算公式为
YC
1
F
1
C
2
F2

的方差贡献率。
4.1.2评价指标体系的构建
电商平台（天猫）的指标体系如下表1所示：
表1：评价电商平台（或者电商）指标体系

目标 一级指标体系

网站设计
对
电
商
评
价
支付安全性（x6）
结
果
投诉处理（x8）
售后服务
退换货机制（x9）

支付环节
支付方式多样性（x7）


打折促销活动 （x4）
营销策划
特色模块（x5）
网页反应速度（x2）
网站互动平台（x3）
二级指标体系
页面信息布局（x1）
式中：
C
i
为各主因子
C
p
F
p
，
4

特定商品（韩都衣舍服饰）的指标体系如下表2所示：
表2：评价韩都衣舍商品指标体系

目标
对典型
商品性价比（x1）
商品的
商品属性
评价结
商品信息全面（x3）
果
商品种类丰富(x2）
一级指标体系 二级指标体系

物流公司（顺丰）的指标体系如下表3所示：
表3：评价物流公司的指标体系

目标
对物流
公司的
评价结
果
一级指标体系



物流配送



二级指标体系
物流价格（x1)
货物的准时到达率（x2)
货物的保存完好率（x3)
4.1.3评价与实证研究
根据收集到的数据，对各个指标进行量化处理，具体结果如表4、表5、表6
所示：
表4：消费者对天猫的满意程度部分指标情况

年份
2011
2012
2013
2014
2015
X1
%
8.095
9.253
11.02
14.79
18.52
X2
%
14.03
15.91
20.73
25.86
34.75
X3
%
30.67
32.38
41.16
57.68
X4
%
0.007
0.204
0.547
0.952
X5
%
1.163
1.214
1.445
1.899
2.596
x6
%
0.377
0.473
0.541
0.762
0.898
X7
%
0.005
0.014
1.017
1.547
2.012
X8
%
0.132
1.587
4.283
5.178
12.82
X9
%
8.012
8.322
10.38
14.54
18.23
38.14 0.411





5

表5：消费者对韩都衣舍的满意程度部分指标情况

年份
2011
2012
2013
2014
2015
X1
%
16.61
20.13
29.46
35.82
43.71
X2
%
30.17
46.40
52.71
55.10
57.99
X3
%
1.121
1.376
1.680
2.061
2.361


表6：消费者对顺丰的满意程度部分指标情况

年份
2011
2012
2013
2014
2015
X1
%
0.957
0.965
0.582
0.685
1.281
X2
%
0.035
1.550
1.862
2.186
2.228
X3
%
3.291
5.663
10.47
10.77
10.86

4.1.4 因子分析过程
选用SPSS17.0作为统计分析软件，首先对原始数据矩阵进 行标准化(即无量
纲化)处理，通过KMO检验和Bartlett球形检验，然后求出其相关系数矩阵 ，采
用主成份提取法并进行正交旋转，根据相关系数矩阵计算其特征值、方差贡献率
(见表7、 表8、表9)。
表7：天猫数据的因子特征值和累积方差贡献率
因
子
1
2
3
4
5
6
7
8
9
未旋转的初始因子
特征
值
4.712
2.168
1.92
1.43
4.56
3.75
5.23
6.44
3.73
方差贡献率
%
43.729
19.713
17.458
20.453
23.542
12.943
30.533
52.692
45.432
累积方差贡献率
%
42.564
62.553
86.011
66.493
49.003
73.583
30.254
20.457
34.246
特征
值
4.257
2.466
2.079
1.923
3.603
5.432
4.748
6.346
3.689
旋转后提取的主因子
方差贡献率
%
38.764
22.415
18.896
10.542
42.464
25.724
33.432
17.437
29.375
累积方差贡献率
%
40.785
61.115
86.011
93.353
30.667
77.590
56.778
89.435
68.239
6

表8：韩都衣舍数据的因子特征值和累积方差贡献率
因
子
1
2
3
未旋转的初始因子
特征
值
3.425
4.628
1.754
方差贡献率
%
34.783
25.407
42.925
累积方差贡献率
%
73.349
80.554
62.694
特征
值
3.462
4.725
1.790
旋转后提取的主因子
方差贡献率
%
35.891
23.164
43.524
累积方差贡献率
%
72.491
83.938
63.721


表9：顺丰数据的因子特征值和累积方差贡献率
因
子
1
2
3
未旋转的初始因子
特征
值
5.293
4.327
4.832
方差贡献率
%
46.25
39.043
40.289
累积方差贡献率
%
66.309
89.214
78.257
特征
值
5.390
4.426
4.602
旋转后提取的主因子
方差贡献率
%
47.102
37.971
42.280
累积方差贡献率
%
62.194
90.182
73.815

应用主成份分析法提取前1个因子(其特征值都大于1)为综合因子。 为了加
强公共因子对实 际问题的分析能力和解释能力，对提取的1个主因子建立原始因
子载荷矩阵，并运用方差最大化正交旋转 法对载荷矩阵进行因子旋转，得到旋转
的载荷矩阵如表10、表11、表12所示：

表10：天猫数据方差最大正交旋转后的因子载荷矩阵
主要公共因子
主因子F
1

0.778
0.764
0.892
0.823
0.746
0.723
0.849
0.832
0.883
指标
页面信息布局（x1）
网页反应速度（x2）
网站互动平台（x3）
打折促销互动（x4）
特色模块（x5）
支付安全性（x6）
支付方式多样性（x7）
投诉处理（x8）
退换货机制（x9）



7

表11：韩都衣舍数据方差最大正交旋转后的因子载荷矩阵

主要公共因子
指标
商品性价比（x1）
商品种类丰富(x2）
商品信息全面（x3）
主因子F
1

0.702
0.819
0.771


表12：顺丰数据方差最大正交旋转后的因子载荷矩阵

主要公共因子
指标
物流安全（x1)
物流费用（x2)
物流速度（x3)

主因子F
1

0.891
0.816
0.769
根据该矩阵和变量观测值可计算不同所有制企业各因子得分 及排序(见表
13)，计算公式为：
F
1

0.778X
1
0.764X
2
0.892X
3
0.823X
4< br>0.746X
5
0.723X
6
0.849X
7
0.832X
8
0.883X
9
F
2
0.702X
1
0.819X
2
0.771X
3
F
3
0.891X
1
0.861X
2
0.769X3
以旋转后的累积方差贡献表中的各主因子的方差贡献率作为加重权数(见表

7、表8、表9)，得到因子综合得分计算公式为：
Y0.387F
1
 0.22415F
2
0.18896F
3

应用该公式可得自主创新能力因子综合得分与排序，具体结果见表13。

表13：天猫因子、韩都衣舍因子、顺丰因子各自得分及总评价

年份
2011
2012
2013
2014
2015
评价排序

天猫得分
0.321
0.398
0.401
0.457
0.482
2
韩都衣舍得分
0.519
0.628
0.636
0.638
0.656
1
顺丰得分
0.186
0.222
0.234
0.285
0.313
3
8

4.2问题2的模型建立与求解
4.2.1评价体系
网购模式具有灵活高效、较低 的成本、企业与顾客双向沟通等优势，结合相
关专家的研究，构建了包括网站设计、营销策划、商品属性 、物流配送等六个维
度的指标层次，如表14所示。
表14 消费者满意度指标层次结构
一级指标 二级指标 三级指标
电商平台Y1 网站设计Y11 页面信息布局Y111
网页反应速度Y112
网站互动平台Y113
营销策划Y12 打折促销互动Y121
消
费
者
满
意
度
Y
商品种类丰富Y212
商品信息全面Y213
物流公司Y3 物流配送Y31 物流安全Y311
物流费用Y312
物流速度Y313
物流方式多样性Y314
售后服务Y32 投诉处理Y321
退换货机制Y322
特色模块Y122
支付环节Y13 支付安全性Y131
支付方式多样性Y132
商品Y2 商品属性Y21 商品性价比Y211

4.2.2 构造判断矩阵
由于AHP法计算所需要的数 据不太多，且能使指标的隶属层次清楚易懂，
适用于分析上文所构建的矩阵。采用层次分析法对基于B2 C的顾客满意度进行
评价。
通过将指标中的每两个放在一起成对比较，用公认的规则对其赋值。AHP方
9

法采用1-9标度法
[2]
对各指标赋以数量值，根据专家 的打分和调查结果，两两比
较相关指标，得到判断矩阵：




2

1141311


541243

Y

4312132


21141311


21131211





11412


Y11

412

12

14


Y12

Y13

141


2121

121




23

1

121
34

1
2

Y31
Y21

1312

13121


< br>14121



141312

4.2.3求最大特征值λ* 和与其对应的特征向量
4

3


2


113

Y32



1



31


如果上 述矩阵符合一致性检验，那么计算得到的特征向量在归一化之后，就
是权向量。由于高阶的矩阵在人工计 算其特征值和特征向量时特别繁琐，因此运
用MATLAB软件，将矩阵的各个数值输入其中，求解相应 的λ
*
及特征向量，得
出其结果：
矩阵Y：λ
*
=6.0539 对应的特征向量为（-0.1183，-0.2037 ，-0.7737，-0.5023，
T
-0.2037，-0.2282），归一化处理得α =（0.0583，0.1003，0.3812，0.2475，0.1003，
0.1124）T
；
矩阵Y11：λ
*
=3对应的特征向量为（0.2182，0.8 729，0.4364）
T
，归一化
处理得β
1
=（0.1428， 0.5715，0.2857）
T
；
矩阵Y12：λ
*
=2对应的 特征向量为（0.8944，0.4472）
T
，归一化处理得β
2
=（0. 6667，0.3333）
T
；
矩阵Y13：λ
*
=2对应的特征 向量为（0.9701，0.2425）
T
，归一化处理得β
5
=（0.80 00，0.2000）
T
；
矩阵Y21：λ
*
=3.0183对应 的特征向量为（0.9154，0.3493，0.1999）
T
，归
10

一化处理得β
3
=（0.6250，0.2385，0.1 365）
T
；
矩阵Y31：λ
*
=4.0310 该值对应的特征 向量为(-0.8135，-0.4826，-0.2787，
-0.1661)
T
， 处理得β
4
=(0.4673，0.2772，0.1601，0.0954)
T；
矩阵Y32：λ
*
=2对应的特征向量为（0.3162，0.9487）< br>T
，归一化处理得β
6
=（0.2500，0.7500）
T
。
4.2.4对判断矩阵进行一致性检验
一致性检验，用于分析之前所构造的判断 矩阵是否合理。过程是求CI与RI
的比值CR，CR=CIRI；CI=(λ
*
-n )(n-1)，n为矩阵的阶数。RI值参照平均随机
一致性指标RI值表。检验标准：若CR<=0. 1，则所构造的矩阵有满意的一致性，
若CR=0，则具有完全一致性；若CR>0.1，则有必要按一 定的方法调整矩阵中的
数值使其有满意的一致性。
对矩阵Y检验:CI=(λ
*-n)(n-1)=(6.0539-6)(6-1)=0.01078，
CR=0.010781.24=0.0087<0.1，说明该矩阵具有满意的一致性。同理得出；
矩阵Y11：CI=0 CR=0具有完全一致性；
矩阵Y12：CI=0 CR=0具有完全一致性；
矩阵Y13：CI=0 CR=0具有完全一致性；
矩阵Y23：CI=0.00915 CR= 0.0158<0.1 具有满意的一致性；
矩阵Y31：CI= 0.0103 CR= 0.0114<0.1 具有满意的一致性；
矩阵Y32：CI=(λ
*
-n)(n-1)=(2-2)(2-1)=0 CR=0 表明该矩阵有完全一致性。
4.2.5 综合权重的计算
综合权重可运用公式W
s
=α
i
*β
ij
计算出来，其中α
i
表示上述二级 指标权向
量α的各个元素的值，β
ij
表示上述三级指标的权向量β
i
的各元素的值，结果如
表15所示。







11

表15：综合权重

评价指标 综合权重
页面信息布局Y111 0.0083
网页反应速度Y112 0.0333
网站互动平台Y113 0.0167
打折促销互动Y121 0.0669
特色模块Y122 0.0334
支付安全性Y131 0.0802
支付方式多样性Y132 0.0201
商品性价比Y211 0.2383

评价指标 综合权重
商品种类丰富Y212 0.0909
商品信息全面Y213 0.052
物流安全Y311 0.1157
物流费用Y312 0.0686
物流速度Y313 0.0396
物流方式多样性Y314 0.0236
投诉处理Y321 0.0281
退换货机制Y322 0.0843
4.3问题3的模型建立与求解
针对单周期需求不确定下，让消费者满意以及电商、物流公司和制造商获利
最大化为目标 的情况，其在混合渠道电商模式下，通过数学建模来分析，建立数
学模型，求出需求为一般分布时电商和 制造商最优库存及期望利润的解析解。进
一步通过仿真实验分析Drop Shipping（代发货） 服务成本、需求不确定性和库
存运营成本水平对电商和制造商最优库存及期望利润的影响，给出电商、制 造商
以及供应链的最优渠道选择策略设计求解算法，确定电商平台（或者电商）、物
流公司和制 造商应采取的经营、配送及生产的合理策略；利用2015年的数据进
行实际测算，给出合理策略，并对 此策略进行评价。
4.3.1问题描述

混合渠道电商模式
[3]
是在传统电商模式和纯Drop Shipping 电商模 式结合的
基础上发展起来的。在该模式中，客户也是首先通过互联网向电商订购商品，电
商首先 使用自有库存来满足客户需求并通过物流公司来配送商品，仅当自有库存
缺货时将剩余的客户需求转发给 制造商，由制造商的Drop Shipping 服务将商品
直接通过物流公司配送到客户手中。其中 ，电商库存系统中的商品是以正常批发
价格从制造商处获得， 但其对Drop Shipping 服 务将支付更高的价格。而对于
物流公司来说，每个月的所要运输的量只能超过一定量时，物流公司才能够 获得
利润。依据上述内容可知电商和制造商均拥有库存且都可通过物流公司向客户配
12

送商品并得到该模式的供应链结构（如下图所示），其中A 是客户需求信息流，
而D 中包括订货信息流和让制造商提供Drop Shipping 服务的客 户需求信息流。
在此需要注意的是，混合渠道电商模式和供应链紧急补丁有着本质区别。供应链
紧急补丁是在电商的库存系统缺货时，向制造商紧急订货以补充商品库存，是一
种临时订货行为。

客户
物流公司物流公司
电商（库存）
制造商（库存）
资金流信息 流商品流

图2：供应—运输链各部分之间的相互关系

4.3.2主要符号说明
假设p 为电商销售商品的单位售价，定义为外生的；d 是客户需 求，满足
概率密度函数为f（x）和累积分布函数F（x）且均值为μ；q
i
e
为电商库存量，
为决策变量，其中i∈{t，p，m}；q
i
s
为制造商库 存量，其中i∈{t，p，m}；q
m
es
为制造商向电商同时提供库存正常补货和D rop Shipping 服务时，为Drop
Shipping 服务所准备的库存量，定义为决 策变量，且q
m
s
=q
m
e
+q
m
es< br> 。对于物流
公司在一定时间内的赚回成本的量为mint,且物流公司想要获得利润，则进一步 ，
w
t
定义为制造商向电商提供库存正常补货的单位批发价格；w
d
为外生价格，为
制造商向电商提供Drop Shipping 服务的单位批发价格， 为外生价格且 w
d
>w
t
；
ic
e
是电商持有商品的单位成本； ic
s
是制造商持有商品的单位成本；dc
e
为电商将
商品通过物流 公司发送给客户的单位配送成本；dc
s
为制造商提供Drop Shipping
服务的单位配送成本；dc
t
为物流公司运输单位的配送成本；v
e
为电商剩 余商品
13

的单位残值；vs为制造商剩余商品的单位残值；s c
e
为电商缺货时的单位惩罚成
本；sc
s
为制造商缺货时的单位惩 罚成本。不失一般性，假定p＞w
t
+ic
e
+dc
e
，p ＞
w
d
＞ic
s
+dc
s
，mint < d + q
i
e
；且以上所有符号变量均为正数。
4.3.3电商模式建模
在混合渠道模式中，对于来自客户需求的订单，电商首先使用自有库存来满
足，当客户需求小于 自有库存时将有部分商品残值；当客户需求大于自有库存时，
电商将把剩余的客户需求信息发送给制造商 ，由制造商的Drop Shipping 服务来
满足这些需求。制造商依靠Drop Shippi ng服务的备货库存来满足电商发来的客
户需求信息，当剩余客户需求小于备货库存时将有商品残值，当 剩余客户需求超
过库存时将引起缺货惩罚成本，进一步的还将导致电商的缺货惩罚成本。对于物
流公司在一定时间内实际运输量，没有达到指定的运输量，物流公司将不会获得
利润。如果在在此记电商 同时使用自有库存和Drop Shipping服务的混合渠道模
式为模式M。依据上述描述得到电商 、物流公司和制造商的利润函数分别为
mm

(dc*ddc*q)min< br>t
*dc
t

tese


e
m
(pdc
e
)(dq
e
m< br>)v
e
(q
e
m
d)

(pw
d
)
mm
[(dq
e
m
)

qes
](w
t
ic
e
)q
e
m
 sc
e
(dq
e
m
q
es
)
mm
s
m
w
t
q
e
m
(w
d
dc
e
)[(dq
e
m
)

q< br>es
]v
s
{q
es

mmm
[(d q
e
m
)

q
es
]}sc
s
(q
e
m
q
es
)sc
s
(dq
e
m
q
es
)

最后得模式M电商、物流公司和制造商的期望利润
mm
E[

e< br>m
](p-ic
e
-dc
e
-w
t
sc
e
)q
e
(p-w
d
sc
e
)qes
-sc
e
u-
(w
d
-dc
e
- v
e
)

F(x)dx(psc
e
w
d)

0
q
m
q
mmme
q
e
q
s
0
F(x)dx
mme
q
e
q
sm
E[

s
m
](w
t
ic
s< br>sc
e
)q
e
m
sc
s
u(w
d
ic
s
dc
s
sc
s
)q
es

(w
d
dc
s
v
s
)
< br>F(x)dx(w
d
dc
s
sc
s
v
s
)

00
F(x)dx

在该模式中，由于电商和制造 商均拥有库存，其中电商库存主要用于满足客
户需求订单，而制造商库存，用于为电商提供Drop S hipping服务，物流公司是
在电商与制造商的存货的基础上来获得所要运输货物
[4]< br>的量。因而此时电商和制
造商的最优库存决策将区分以下两种情形：电商主导下两者的最优库存决 策和制
造商主导下两者的最优库存决策，在此分别记为情形E 和情形S。由此得


14

表16：混合模式下电商和制造商的最优库存

混合渠道电商模式
电商零售模式
情形E 情形S
电商零售库存决策量
制造商库存决策量
电商最优库存
制造商最优库存
供应链总最优库存
q
e
m

m

q
es
q
e
m

m

q
es
m
g(q
es
)

*
m
g(h(q
e
))

m
h(q
e
)

*
*
m
h(g(q
es
))

mm

q
e
q
es
**
*
mm

q
e
q
es
**

4.3.4实际数据测算
我们用2015年的数据进行实际测算，发现存在一些偏差，但是大体上是符
合的。天猫销售额 逐年增多，各个环节之间的运作越来越流畅，也就是说，我们
的模型将取得很好成效。
4.4问题4的预测结果与分析
4.4.1预测结果
由网上查找的资料可以得出2 011-2015淘宝天猫双十一总销售额和各大物流
公司的总货运量如下图3所示：
15

图3：2011-2015年的总销售额和总货运量

从图中可以看出销售额几乎是以几何方式增长的，非常迅速。预测模型：
Y=0.8879x^ 3.7373，以此来预测2016“双十一”的销售额为：1752亿元，运货
量为：9.3亿件。
4.4.2误差分析
（1）销售额的平均误差ME=3.0442
（2）销售额的平均绝对误差 MAE=10.2324
（3）销售额的均百分误差MPE=-1.09%
（4）
销售额的均方误差MSE=16.056

4.4.3 2016运作策略
由于Drop Shipping 服务成本、需求不确定性和库存运营成本水平对电商和
制造商影响较大，在算例分析中考虑这些因素对3 种不同模式下电商，制造商
和物流公司最优库存的影响外，还将分析电商，制造商与物流公司基于利润最 大
化目标时的最优决策。
1、三种环境因素对最优库存的影响
（1）Drop Shipping 服务成本对渠道选择的影响
16

对于以期望利润最大化为目标的电商来说，随着Drop Shipping服务成本的
提高， 模式P中制造商最优库存呈上升趋势，但模式T中电商的最优库存没有
变化；模式M两种情形下电商和制 造商的总最优库存与模式P最优库存相同，
也呈现上升趋势，但电商最优库存和制造商最优库存的变化趋 势恰好相反。
（2）需求不确定对最优库存的影响
随着需求不确定性的增加，3种不同模式 供应链总最优库存均呈现上升趋势，
其中模式P同模式M 的上涨速度较快，模式T的上涨速度较慢。对 于模式P来
说，需求不确定风险全部由制造商承担，因而制造商的最优库存增加幅度较大。
同理 ，模式T 中的需求不确定风险全部由电商承担，但此时电商的最优库存上
升幅度较小，由此可知相同的 需求不确定风险对模式P 和模式M 中总最优库存
的影响比模式T 中的要大。最后，对于模式M 来 说，电商的最优库存呈现下降
趋势，其将需求不确定性的风险逐步向制造商转移；另一方面，制造商的最 优库
存呈现大幅上升趋势，因为其承担了需求不确定和电商削减库存的双重风险，因
而模式M 的总最优库存也呈现上升趋势，其所增加的部分都属于制造商。
（3）库存运营成本水平对最优库存的影响
随着库存运营成本的提高，3 种不同模式供应链的总最优库存均呈现下降趋
势。在模式P 中，库存决策由制造商决定，因为其承担全 部库存运营成本，因
而最优库存将随着库存运营成本的升高而降低且其下降速度较快。对于模式T
的电商来说，也有类似的情形，但其最优库存的下降速度较模式P 要慢。在模
式M 中， 随着库存运营成本的增加，制造商为避免承担更多的Drop Shipping 服
务的库存成本和配 送成本，而逐步减少自身库存且减少幅度较大；另一方面，由
于供应链总最优库存固定，制造商所削减的 库存量将进入电商的库存系统，因而
电商的最优库存在逐步上升。
2、三种环境因素影响下的最优策略
（1）Drop Shipping 服务成本影响下的最优策略
对于以期望利润最大化为目标的电商来说，随着Drop Shipping 服务成本的
增加，其相应的渠道选择也将发生变化。在A点之前，电商将选择模式P，在A
点之后，电商将选择模式M。但对于制造商来说，制造商将始终选择模式P，而
模式T 将始终不被制造商所选择。即在A 点之前，电商和制造商都会选择模式
P，而之后两者的选择不一致。 如果电商和制造商是一个整体，模式P 将始终被
选用，接着是模式M，最后是模式T。
17

（2）需求不确定性影响下的最优策略
对于电商来说，随着 需求不确定的增加，其相应的渠道模式选择却没有变化。
电商始终将选择模式P，此时电商期望利润虽呈 现下降趋势，但下降幅度非常小，
因为需求不确定所引发的库存风险由制造商全部承担，而模式T 中电 商的期望
利润下降幅度最大，因为此时电商将全部承担最优库存增加所引起的不利影响。
对于制 造商来说也将始终选择模式P，此时虽然需求不确定所引起的库存风险全
部由自身承担，但是其引起的期 望利润下降幅度较大小，而模式T 中制造商的
期望利润呈现上升趋势，其原因在于需求不确定所引起的 库存风险主要由电商所
承担。此外，模式M 电商和制造商的期望利润均随着需求不确定的增加而上升，
因而其供应链总期望利润也将上升，此种情况表明，电商和制造商选择模式M 时
由于实现库存 风险分担，进而出现帕累托现象。如果电商和制造商是一个整体，
则模式P也将始终被选用，因为整个供 应链的期望利润都最高，模式M的总期
望利润次之，模式T 的总期望利润最低。
（3）库存运营成本水平影响下的最优策略
随着库存运营成本的提高，3种不同模式下电商期望利润均呈现下降趋势，
其中模式P 电商的 期望利润下降最少，这是由于模式P电商根本不承担任何库
存运营成本，其期望利润的下降主要由于制造 商最优库存减少引起缺货情况增加
而导致的，而模式T 电商的期望利润下降较大，这是由于库存运营成本全部由
电商承担造成的。对于模式M 来说，由于电商 主要承担库存运营成本，因而其
期望利润也下降较大。对于电商来说，也将会选择模式P。随着库存运营 成本的
增加，3种模式下制造商期望利润也都呈现下降趋势，且由于模式P 下制造商承
担全部库存运营成本，因而其期望利润下降幅度最大。在模式T 中，由于库存
运营 成本主要由电商承担，因而电商最优库存将降低，最优库存的降低将导致制
造商的期望利润减少，这是模 式T中制造商期望利润下降的主要原因。对于模式
M 来说，制造商最优库存也呈现下降趋势，随着库存 运营成本水平的逐步提高，
其期望利润将呈下降趋势且下降幅度也较大。总的来说，随着库存运营成本的 增
加，3 种模式下电商、制造商以及整个供应链的期望利润均呈现下降趋势，此时
模式P 优势明显。
18

五、模型的评价
5.1模型的优缺点
5.1.1模型的优点
模型中把制造商的Drop Ship ping服务作为自身库存缺货时的补充方式来满
足客户需求，此时需求不确定所引发的库存风险将主要 由电商所承担。凭借模型
中强大的供应链能力、品牌优势资源建立复合营销体系，把实体经济和虚拟经济
结合起来，共同发展。
5.1.2模型的缺点
关于2016年“双十一”销售额和 货运量的预测只是基于近几年来的走势，
数据较少，还有很多现实问题未考虑，会存在误差。马云认为现 在控制节奏很重
要，网购需要物流、金融体系链条等多个方面的建设。下一年增长速度可能会下
降，综合市场等原因
[5]
，2016年度的交易额可能并不如数据表现的那么高涨，但
总体来说电商的发展趋势是不可阻挡的。

5.2模型的改进
本文主要采用的是混合渠道电商模式建模，这样存在很多不确定因素，比如：
Drop shi pping服务成本、需求不确定、库存运营成本水平等，故单单一个混合渠
道电商模式并不能全方位覆 盖，存在局限性。为了解决这个问题，我们可以首先
分别求出电商和制造商的期望利润和最优库存，其中 对电商采用自有库存和
Drop Shipping的混合渠道模式，区分由电商主导和由制造商主导 两种不同情形。
然后通过仿真实验分析 Drop Shipping 服务成本、需求不确定和库存运 营成本对
电商、制造商和整个供应链最优库存的影响。此外，在电商、制造商和整个供应
链都以 期望利润最大化为目标时，通过分析 Drop Shipping服务成本、需求不确
定和库存运营成 本水平对电商、制造商和整个供应链最优渠道选择的影响，这个
将是我们接下来的研究方向。
19

六、参考文献


[1] 吴泽九，汤鹏 志，秦英，不同所有制高新企业自主创新能力评价及实证研究，企业经济，
11（09），F276.4 4，2011年.
[2] 郝亚美，朱彦杰，B2C电子商务顾客满意度评价指标体系构建，观察,1 3（09），F724.6，
2013年.
[3] 成岳鹏，李波，李庆华，电子零售商和供 应商的最优库存及渠道选择决策，北京理工大
学学报（社会科学版），16（5）：94-102，20 16年.
[4] 叶福稳，赵强，第三方物流服务商的选择方法[J]，物流技术与应用，2013, (l):104-105，
2013年.
[5] 陈衍泰，陈国宏，李美娟，综合评价方法分类及研究进展[J]，管理科学学报，2004, (2)，
2014年.













20

附录
附录一 相关程序、图标
销售额、货运量代码：
x = [2011 2012 2013 2014 2015];
y1 = [ 52 191 350.19 571 912.17];
y2 = [ 2200 7800 15200 27800 46700];
hold on;
[ax,h1,h2]=plotyy(x,y1,x,y2,'plot');
set(get(ax(1),'Ylabel'),'string','天猫销售额, （亿元）');
set(get(ax(2),'Ylabel'),'string','各大物流公司货运量, 件');
set(h1,'linestyle','s','color','k');
set(h2,'linestyle','^','color','k');
set(h1,'LineStyle','--')%对应第一条曲线的线性y1
set(h2,'LineStyle',':')%对应第一条曲线的线性y2
xlabel('年份');
legend('天猫销售额','物流公司货运量');
hold off;

表17：2011-2015年的总销售额和总货运量


总销售额
总货运量
2011年
52亿元
2200万件
2012年
191亿元
7800万件
2013年
350.19亿元
1.52亿件
2014年
571亿元
2.78亿件
2015年
912.17亿元
4.67亿件

附录二 网购满意度调查问卷

“双十一”网购满意度调查问卷

尊敬的女士先生：
您好，为了给您提供更加优质的网购体验，现做一个市场调查，请您提出宝
21

贵的意见。您只需要根据自己的实际情况，在最符合的选项或数字上面划“√”。
卖家服务满意情况调查

1.
您认为“双十一”期间，卖家的服务态度


非常好
1 2 3 4 5 6 7
非常差

2.
您认为“双十一”期间，卖家的服务速度


非常快
1 2 3 4 5 6 7
非常慢

3.
总体来说，您对“双十一”卖家的服务满意吗


非常满意
1 2 3 4 5 6 7
非常不满意

产品满意情况调查

1.
双十一期间购买产品的实际质量比您期望的质量

A
好很多
B
好一点
C
差一点
D
差很多

2.
双十一期间购买产品的实际价格比您期望的价格

A
高很多
B
高一点
C
低一点
D
低很多

3.
您认为在“双十一”期间购买产品的价格相比较以前

A
低很多
B
低一点
C
一样
D
更高

4.
双十一期间购买产品的实际外观比您期望的外观

A
好很多
B
好一点
C
差一点
D
差很多

5.
您认为产品与卖家描述相符的程度是


非常相符
1 2 3 4 5 6
6.
您认为在双十一期间购买产品的性价比是


非常高
1 2 3 4 5 6 7
非常低

7
非常不相符

7.
总体来说，您对双十一购买的产品满意吗


非常满意
1 2 3 4 5 6 7
非常不满意

物流满意情况调查

1.
您认为双十一期间，物流服务态度

22

非常好
1 2 3 4 5 6 7
非常差

2.
您认为双十一期间，物流服务态度相比较以前

A
更好
B
差不多
C
更差

3.
您认为双十一期间，物流速度


非常快
1 2 3 4 5 6 7
非常慢

4.
双十一期间，物流速度相比较以前

A
更快
B
差不多
C
更慢

5.
总体来说，您对双十一期间的物流情况满意吗


非常满意
1 2 3 4 5 6 7
非常不满意

售后服务满意情况调查

1.
您认为双十一期间，售后服务态度非常好


非常好
1 2 3 4 5 6 7
非常差

2.
您认为双十一期间，售后服务态度相比较以前

A
更好
B
差不多
C
更差

3.
您在双十一购物后有退、换货吗

A
退货
B
换货
C
都没有

4.
退、换货处理速度

A
更快
B
差不多
C
更慢

5.
退、换货处理结果


非常好
1 2 3 4 5 6 7
非常差

6.
总体来说，您对双十一期间的售后情况满意吗


非常满意
1 2 3 4 5 6 7
非常不满意

总体满意度调查

1.
总体来说，您在双十一期间的购物情况满意吗


非常满意
1 2

3 4
23
5 6 7
非常不满意