数字经济学术｜周刊·第108期｜2023.02.27-03.05

「数字经济学术」

摘要：企业对企业(B2B)从业者越来越关注在B2B客户消费过程(Customer Journeys, CJs)中全面管理客户触点的能力，以保持竞争力。然而，B2B背景中的研究既没有审视是什么构成了这样的客户消费过程管理能力(Customer Journey Management Capability，CJMC)，也没有调查它如何、是否或何时创造价值。采用混合方法，我们将B2B的CJMC概念化和操作化，作为供应商沿着B2B的CJ实现卓越客户价值的能力，通过战略性地创建基于价值的客户触点，其特征是跨内部组织边界实现一致的资源使用，并通过对购买核心的个人价值创造的持续监控。通过基于多源数据集的分析，我们证明了B2B的CJMC通过两种相反的机制(即客户忠诚度和与客户相关的协调成本)对公司绩效(即销售回报率)产生间接影响。重要的是，通过调查和档案数据，我们表明，总体而言，通过这两种机制，B2B企业间供应链管理对公司绩效有显著的积极影响。最后，当测试转换成本、客户触点数量和产品与服务等调节因素时，这些潜在机制仍具普适性。

摘要：问题定义：如何利用社交媒体预测零售商的款式、颜色和牛仔裤是否适合销售。学术/实践相关性：无论是零售实践还是学术文献都没有提供一种方法来使用社交媒体来预测零售商的风格、颜色和牛仔裤是否适合销售。为此，我们提出并验证了一个系统性方法。研究方法：由于产品寿命短，生产周期长，时尚产品不断创新，时尚行业的需求预测具有挑战性。我们调查了社交媒体信息对颜色趋势和牛仔裤合身度预测的价值。我们与三家跨国零售商(两家服装零售商和一家鞋类零售商)合作，将他们的专有数据集与Twitter和谷歌搜索量指数(谷歌Search Volume Index)上的网络检索公开数据结合起来。我们实现了各种机器学习模型来开发预测，可用于设定商品的初始发货数量，这是时尚零售商最重要的决定。研究结果：研究结果表明，细粒度的社交媒体信息在预测销售季节前几个月的颜色和合身需求方面具有显著的预测能力，因此极大地有助于做出初始发货数量的决策。包含社交媒体特征的预测能力，通过样本外平均绝对偏差相对于当前实践的改善来衡量，范围从24%到57%。管理意义：这项研究首次探索和证明了社交媒体信息在时尚需求预测中的价值，对时尚零售商来说是实用且可操作的。通过对这三家零售商的一致结果，我们证明了我们的发现在市场和地理异质性以及不同的预测范围方面的稳健性。此外，我们还讨论了可能驱动这种重要预测能力的潜在机制。我们的研究结果表明，时尚需求的变化更多地是由消费者偏好的“自下而上”变化所驱动，而不是由时尚行业的“自上而下”影响所驱动。

摘要：作为客户参与(Customer Engagement，CE)营销的一部分，公司使用不同的平台与客户进行互动的方式超越了购买本身。任务式CE战略要求客户参与结构化的、通常是激励的任务; 相反，体验式CE战略旨在为客户带来愉快的体验。但是，就提高客户参与度以产生更积极的营销结果而言，这两种策略的最佳使用方式尚不清楚。通过元分析和来自395个样本(涉及434,233个客户)的数据，本研究提出并检验了一个统一的框架，用于在不同的参与平台上优化这两种参与策略的投资。平均而言，任务式战略在推动客户参与方面更有效，但效果取决于平台。如果平台支持连续的或精益的交互，任务式战略会更有效；在鼓励现场互动的平台上，体验式战略更可取。客户参与的三个维度(认知、情感和行为)反过来会导致积极的营销结果，尽管其方式取决于平台的交互特征(强度、丰富性、初始性)，并且在数字平台和物理平台之间有所不同。这些结果为管理者提供了明确的指导，指导他们如何规划CE营销活动，使他们的公司和客户都受益。

摘要：电子商务平台上的客户生成图像(CGIs)已被广泛采用为说服客户购买的促销工具。尽管其普遍应用, CGIs对顾客购后满意度的影响仍缺乏广泛研究。本研究假定CGIs会导致客户的预期不确定，并降低产品的不确定性，因此使其对后续产品评级的影响变得复杂。我们利用多种方法和数据集来解释该问题和潜在机制。我们使用双重差分模型来实证检验假设，并发现与未接触CGIs的产品评级相比，CGIs会导致后续评级的下降。进一步的异质性分析表明，高CGI评分和高审美质量加剧了负面效应，而评价者面部信息披露可以缓解负面效应。通过跨产品分析，我们发现体验类商品(如女装)的负面影响比搜索类商品(如避雷针)更为突出。最后，通过实验室实验进一步验证了潜在的机制，结果表明，在评价评分高的CGI组中，参与者的期望显著更高，负面不确定性也更多，而不确定性降低效应不显著，这共同解释了后续产品评分的下降。这些发现表明，平台和零售商应该意识到CGIs对评级动态的潜在负面影响，并采取适当的措施来规避它。

摘要：自动引导车(Automated Guided Vehicle， AGV)的应用极大优化了订单拣选过程中的货物搬运流程，同时也使员工行为以及员工与AGV的有效配合逐渐成为制约电商企业订单履约中心(Order Fulfillment Center， OFC)拣选效率的关键因素.本文基于京东OFC运作业务与实时数据，首先从员工行为视角识别出了包含员工类型、工作时段、当日已连续工作时长等影响订单拣选效率的核心因素.进一步建立生存分析回归模型，分析了各因素对不同类型员工的拣选效率影响差异，指出员工类型是影响拣选效率的主要因素.最后基于仿真平台将员工行为因素引入拣选任务指派，验证了生存分析模型及影响因素的有效性，结果显示考虑员工行为因素下可提升约23%订单拣选效率。

本期责任编辑：万姿显 夏思阳

©️版权声明：数字经济周刊版权归属数字经济与商业模式课题组所有。

本公众号由中国科学院大学经济与管理学院数字经济与商业模式课题组维护，我们将致力于追踪数字经济与商业模式创新研究与实践最新进展，提供高质量的公立研究机构第三方洞察观点。