研究报告详细解析
报告标题:Modeling for the Growth of Unorganized Retailing in the Presence of Organized and E-Retailing in Indian Pharmaceutical Industry
作者:Koushik Mondal, Balagopal G Menon, Sunil Sahadev
所属机构:印度理工学院卡拉格普尔工业与系统工程系,谢菲尔德哈勒姆大学
发布时间:2025年(推定,从报告中的时间点推断)
研究主题:印度医药零售业中非正规零售(Unorganized Retailing)与正规零售(Organized Retailing)及电子零售(E-Retailing)之间多渠道竞争的动态建模与分析
1. 报告概览与核心信息
本研究聚焦印度偏远农村地区的医药零售市场,分析在正规连锁药房和电子药房快速发展的大背景下,传统非正规药店如何生存和发展。通过现场实证调查、消费者偏好协同分析(Conjoint Analysis)及基于代理的仿真模型(Agent-Based Modeling, ABM)结合实验设计(DOE),研究多渠道竞争动态。
报告核心观点包括:
价格折扣、产品质量、品类丰富度、个性化服务程度,以及顾客距离、流动性、需求紧急度等多维因素均显著影响顾客渠道选择决策。
非正规零售商价格折扣提高初期能增加客户流量,但若超过某一“临界点”,将导致利润损失和零售商退出市场。
高紧急度客户较少关注品类丰富度,可能更愿意接受替代药品以节约时间成本。
本研究提出含空间属性和客户异质性的多渠道竞争模型,并针对印度医药零售环境提供政策设计建议。
关键词涵盖:非正规与正规药房,电子零售,代理建模,纳米店(nanostores),医药供应链,发展中国家等。
2. 报告结构与章节深入分析
2.1 引言与行业背景
印度零售行业贡献约占GDP30%,其中传统小店(非正规零售,被称作kirana)在农村和小镇占据主导。正规零售和电商正快速渗透进基层市场,给非正规药店带来生存压力。相比正规渠道,非正规零售库存能力和资金有限,依赖人际关系维系客户,但客户忠诚度不高,市场份额逐渐缩小。医药零售作为关键民生供应链,2023年约290亿美元市场预计到2030年将增至550亿美元,年复合增长9.6%。其中非正规药店依然占据最大份额,但市场份额自2019年62.5%下降至2023年54.2%。规范连锁出售药物的正规药店和电商渠道都在以高折扣和服务抢占市场。报告援引多项文献强调这是一个竞争激烈的多渠道博弈环境。
2.2 文献综述与研究空白
现有文献对非正规与正规及电商渠道竞争多为零散的实证研究,缺乏动态、集成模型分析。Jerath等(2016)提供了单个正规零售进入时的博弈论模型,但假设了非正规零售者空间对称、一周期模型,且忽略了产品品类。纳米店(nanostores)等代表非正规渠道的新型业态影响也需进一步研究。医药零售特性鲜明且研究不足,尤其是客户行为维度的细分缺少。研究欲填补渠道多样、消费者异质性、空间影响和动态竞争模型缺口。
2.3 研究设计与方法论
选址:印度西孟加拉邦“Bishnupur II”区面积81.71平方公里,159家非正规、7家正规、4家电商药房。地理信息系统(GIS)技术结合GPS数据与卫星影像实现店铺及客户空间分布精确定位。
通过与零售商、终端客户、产业链关键人物(医生、药品监管官员等)访谈确定影响因素:价格折扣、产品质量、品类丰富度、个性化服务,顾客与店铺距离、顾客需求紧急度及流动性等。
采用选择式协同分析(CBC)分别针对高、中、低紧急程度顾客进行客户偏好量化,执行正交实验减少问卷负担,并结合样本138份确保统计有效性。
代理建模(ABM):基于客户异质性与需求动态,内嵌距离折扣效应及客户效用最大化规则,模拟多渠道零售互动。采用NetLogo实现,并基于DOE做系统敏感性分析与稳健性验证。
功能设计中计算客户对应渠道购买效用(考虑距离的非线性影响,客户个性化加权偏好),设计零售商基于利润判断退出市场的规则。
2.4 重要指标与模型细节
计算效用函数:
[
U_{i,s} = \frac{1}{d_{i,s}^n}\left[\sum_j w_{i,j} A_{s,j} + \sum_k w_{i,k} A_{i,k}\right]
]
其中,(d_{i,s}) 为顾客i与零售店s距离,(n)为流动性系数,(w_{i,j}), (w_{i,k})分别为顾客对零售店属性与顾客属性的偏好权重。
顾客依据效用值选择购买渠道,效用有序比较确定优先频道。
零售商利润(基于利润率、销量、成本)半年结算一次,低于维持成本则关闭。
2.5 数据采集与空间映射
通过GPS MAP Camera采集店铺空间数据,利用QGIS结合OpenStreetMap和谷歌卫星影像完成店铺及顾客家庭坐标定位。
顾客空间数据通过Google Open Buildings数据集,应用深度学习模型从高分辨率卫星图像提取,数据清洗后导入ABM模型。
3. 关键表格与图表分析
3.1 表1 “药店与客户属性”
定义5个零售属性:价格折扣(3级),产品质量(低中高3级),品类丰富度(小中大3级),个性化服务(低中高3级),顾客与店铺距离(<=2km,2-10km,>10km)。
1个客户属性:需求紧急度(低、中、高3级)。
3.2 表4 与图8、图9:协同分析关键结果
不同紧急度客户对各属性的相对部分效用(partial utility)有显著差异。
高紧急客户(HE)最看重“产品质量”(权重33.3%)和“距离”(30.7%),其次是“价格折扣”(14.5%)。
低紧急客户(LE)更关注“价格折扣”(20.8%)和“产品质量”(34.5%),距离重要性降低。
高紧急客户对“品类丰富度”的偏好反而低于低紧急客户,说明急需药品时会牺牲品类选择,优先考虑就近和产品质量。
该图形化展现了顾客基于需求紧急度的差异化购买动因及价格敏感度。
3.3 图10和表6:ABM基准运行结果
顾客流量:非正规零售最高(约15331人/周),正规次之(6451人/周),电商最少(466人/周)。
市场份额:非正规约69%,正规约29%,电商约2%。
模拟6年,非正规零售店点从159家稳步下降至133家,关店主要发生在正规店铺影响范围内。
不同紧急程度顾客平均行进距离分别约为1.04km(高)> 1.12km(中)> 1.32km(低)。
揭示了客户购买行为与紧急度匹配的距离敏感度和市场份额动态。
3.4 图11:敏感性分析对比
在“最佳情形”下,非正规零售价格折扣高、品类丰富、服务度高,顾客流量显著增加;正规和电商渠道优惠和服务度低,顾客流量减少。
“最差情形”与基准运行相反,非正规渠道流量下滑明显,客户流失严重。
说明非正规零售策略变化对自身市场表现关键影响,体现策略临界点效应。
3.5 表7~表10及图12、图13:价折与质量对市场影响ANOVA结果
价格折扣 :非正规和正规折扣显著影响非正规渠道顾客流量和市场份额,非正规折扣贡献最大,电商折扣影响甚微。
折扣提升到中等段时,非正规零售客户流量及份额增加,超过临界点(20%折扣)后,流量、份额反而大跌,且关店激增,表明折扣对利润的压力导致关店潮。
产品质量 :非正规、正规和电商提供的产品质量均对非正规零售顾客流量和份额显著影响,非正规质量贡献最大。
质量提升带动非正规零售市场份额增长,但正规质量提升会侵蚀非正规份额并增加关店率。
互动效应分析显示组织零售质量提升削弱了非正规零售的竞争优势。
图示主效应及交互效应进一步阐释了价格折扣与质量变化对市场份额和存续的复杂作用机制。
3.6 图7(代理模型视觉化示意)
从GIS真实道路网络引入店铺及顾客空间位置,三类药店及顾客通过彩色边连结模拟交易关系,高效反映市场动态。被关店非正规零售点用红色标识,清晰反映市场退出局势。
4. 研究结论与管理启示
4.1 研究总结
本文首次将空间特性、客户异质性及三类药店销售代理建模统一框架应用于印度医药零售动态。
结合了实地访谈、客户协同分析和设计实验,提供了较为全面的市场动态与客户切换理解。
发现非正规零售价格折扣存在临界点,超过20%时因利润压力导致零售商大量退出。
客户紧急度划分有效解释购买行为差异,影响价格敏感度及渠道偏好,适用于动态定价及促销策略设计。
产品质量提升有助保持市场,但组织零售质量提升将加重大型连锁挤压非正规零售的市场压力。
4.2 管理启示
差异化定价策略 :正规零售商应根据地理位置和顾客紧急度灵活调节价格,急需客户更注重覆盖和质量,常规客户更敏感价格折扣。非正规零售不宜盲目追求价格战,应聚焦附近急需客户,强调稳定供应和亲密服务。
电商促销策略优化 :电商价格优惠对非正规零售无显著分流效应,建议转向非价格促销和快速配送等差异化服务模式。
紧急需求商品配置 :高紧急度客户减少对品类丰富度要求,更关注快速即可获取替代用药。建议零售商设立专门急需药品货架,减少库存压力同时保障基本需求。
动态市场监控与灵活响应 :非正规零售业者可借助简单数据工具实时监控邻近组织零售折扣动态,快速应对,如举办限时回馈活动或与电商合作提供店内取货服务,降低客户流失风险。
扩张规划基于紧急度画像 :战略层面,结合GIS数据和区域紧急医疗需求分布制定开店决策,匹配客户分布动态调整运营规模和店面服务。
5. 关键图表汇总与内容解读
图表 内容描述 数据趋势与洞察 关联文本与结论 表1 研究中零售商与客户属性及等级界定 涉及价格折扣、质量、品类、个性化、距离与紧急度的3级分类 作为模型输入变量基础 表4 & 图8-9 高紧急度客户购买偏好的部分效用及属性重要性 质量和距离为关键,高紧急度客户重视就近和质量,低紧急度客户更关注价格折扣 体现客户异质性购药动因差异 图10 & 表6 基准模型运行结果,顾客流量、市占和存续趋势 非正规零售占主导,模型展现部分非正规零售倒闭且客户出行距紧急程度关联明显 符合市场现实,支持模型有效性 图11 灵敏度分析对比基准、最佳、最差场景 未超临界点折扣提升拉动非正规零售客户量,超临界点破坏盈利回落客户,最佳/最差境界显著差异 验证价格折扣临界点及竞争影响 表7-10 & 图12-13 折扣与质量对非正规零售客户量、市占和关店的统计显著性及主交互效应 非正规与正规折扣及质量均显著影响非正规市场表现,超折扣引发关店潮,组织零售质量提高加剧非正规零售压力 精细体现竞争多维因果关系
6. 批判性视角与研究局限
优点
结合空间大数据与多渠道竞争动态,具高度现实针对性。
完善的实地数据支持和多方法融合,增强信度。
聚焦医药这样关键且特殊的消费品类别,填补研究空白。
可操作的管理启示,兼顾策略与公共政策。
限制
研究区为印度东部单一区域,跨区域推广需谨慎。
模型假设顾客效用线性叠加,现实中可能存非线性复杂互动。
价格与质量影响主要从宏观层面模拟,未深入探讨消费者心理机制。
未显著考虑法规变动、供应链波动、品牌效应等潜在外部变量。
顾客忠诚度机制假设简单,未来可引入认知学习与口碑动态。
7. 综合总结
本文系统研究了印度医药零售中非正规、正规及电子渠道的多维竞争动态,以Bishnupur II区为实例,建立并校准了包含地理空间及消费者多样化需求的代理仿真模型。协同分析揭示不同需求紧急度顾客的购买偏好和驱动因素。模型验证与实验设计揭示非正规零售价格折扣存在临界点,折扣过高反致利润下滑和零售商大规模关闭。产品质量提升虽有助维稳市场,但组织零售质量提升显著侵蚀非正规渠道。研究成果提出定价策略、库存管理、市场监控及扩张部署等管理建议,尤为针对高需求紧急度顾客的服务优化。该研究首次综合考虑空间异质性和多渠道共存的动态竞争,为印度乃至发展中国家类似市场的药品零售策略与政策制定提供了实证支持和决策工具。
重要图片示例
图1 研究区域:Bishnupur II区空间位置细分
图2 研究方法框架(文献+实地+GIS+协同分析+ABM+DOE)
图7 ABM系统及模拟流程示意,零售商闭店以红色表示
图10 ABM基准运行结果:
客户流量(高为非正规)、市场份额稳定、非正规零售关店、不同紧急度顾客平均行进距离等关键指标
图8 部分效用分布图,显示紧急度差异化偏好
图9 主要属性相对重要性(质量和距离为高紧急度客户首选)
以上分析涵盖了报告的所有主要章节、表格与图表,详细解读了研究方法、数据、核心结论及管理启示,也指出了模型的局限与潜在改进方向。提供了可操作和归纳性强的行业见解。文章将有助于各利益相关方在快速变化的印度医药零售市场中做出更加精准和科学的决策。1 ,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37]