1. 引言
2016年10月，马云提出“新零售”概念，认为纯电商时代已经过去，未来十年是“新零售”时代。新零售是在互联网思维和科技的基础上，通过整合线上、线下和物流，将现有社会零售进行全面改革和升级，使商品生产、流通和服务过程更高效的新型销售方式。然而，“新零售”的发展还处于初级阶段，困难重重。
纵观全国新零售企业发展来看，北京、上海、广州等地区的发展遥遥领先，而辽宁省新零售企业的发展现状并不突出。原因如下：首先，辽宁省新零售企业在其零售行业中占比并不多，辽宁省的零售状态大多为传统零售方式及线上电商平台，这与辽宁省经济发展及人民消费方式息息相关；其次，辽宁省为传统重工业基地，经济发展重在工业发展，对于零售产业的技术发展、模式创新重视度不高；最后，技术、创新、人才、物流、信息、管理等因素对于新零售企业的发展有一定影响，辽宁省引进新零售企业，但在上述诸多方面尚存在不足，不具有吸引消费者的能力。因此，辽宁的新零售企业的发展也面临着诸多困难和挑战，大连首个大型新零售企业—地球港，发展处于低迷状态。
因此，准确地评价辽宁新零售企业的竞争力，能帮助企业认识到自身的不足与缺陷，根据研究结果，提出建议及提升竞争力对策，有助于辽宁企业在众多兴起的新零售企业中脱颖而出。
2. 研究现状
市场需求变化与科技创新跨越现实与虚拟的界限。自2016年开始，国内零售行业的发展进入了新的阶段，在经历O2O的盛行和全渠道的蓬勃发展后，线上线下融合的新零售新业态方兴未艾，给商业和消费者都带来惊喜。
国外企业也纷纷布局，把握新零售时代的发展机会，国外学者对新零售的研究主要集中在顾客方面：Thang等人指出顾客的感知风险和满意度成反比，只有安全感提升，满意度才能提高 [1]；Nisar和Prabhakar认为物质效用是决定顾客购买的第一驱动要素 [2]；Garaus等学者觉得干净舒适的购物环境、热情耐心的员工或是礼物的包装、干净整洁的网页和浏览网站的激励对顾客的情感具有明显的影响 [3]；Liu等学者认为新型社会化商务可以帮助顾客做出更好的购买决策，促进顾客再次购买 [4]。
国内研究人员主要在新零售的定义、现状和未来发展及影响因素等方面作出贡献。新零售的定义方面：赵树梅等学者认为“新零售”是应用互联网新技术、新思维，对传统零售方式加以改良和创新，将产品或服务出售给最终消费者的所有活动 [5]。新零售的影响因素方面：蒋侃教授等人提出影响因素为：技术因素、顾客因素、环境因素等 [6]；刘冰和谢凤涛基于零售企业内部价值链，构建出了绩效评价指标体系 [7]；冯国珍和易艳红从财务的视角探讨零售企业的核心竞争力，并提出了用线上、线下和物流维度等方法来提升新零售竞争力 [8]；徐印州教授等人提到新零售是电子商务向融合继续发展，人工智能的应用逐步普及以及新零售将面对“跨界”竞争等问题 [9]。新零售的现状及未来发展方面：张晓东认为当前新零售的发展存在一定困境，我们要运用大数据优化新零售的路径，丰富和完善大数据和新零售理论研究，带动我国新零售更好、更快发展 [10]；梁莹莹提出新零售的未来发展将遵循“新零售之轮”的循环 [11]。
对于企业竞争力评价的方法有很多，主要有两大类。一是基于客观的竞争力评价方法，例如，Gallon 等通过聚类分析找到各个技能之间的关系，从而评价企业的国际竞争力 [12]；张蕊、李恩运用因子分析法构建了企业竞争力评价模型 [13]。二是基于主观的竞争力评价方法，例如，李京文等利用层次分析法对铁路建筑施工和装备制造企业的国际竞争力进行了综合评价 [14]；刘侃和赵冬梅通过因子分析法计算中国邮政集团公司、顺丰和德国DHL企业的国际竞争力 [15]。
综上分析，当前对新零售的研究主要集中在定义、影响因素、现状及未来发展等方面。结合辽宁省特征，对辽宁新零售企业竞争力评价的研究尚少。缺乏相关理论知识指导，将不利于辽宁省新零售企业的发展与壮大。所以我们借鉴已有文献中的评价指标，基于利益相关者理论，构建新零售企业竞争力的指标体系，研究并评价辽宁省新零售企业的竞争力，为提升辽宁新零售企业竞争力服务。
3. 基于ANP构建辽宁新零售企业竞争力评价模型及结果
3.1. 构造ANP层次结构
结合专家打分对构建的指标体系之间的关系进行综合分析，确定其内部依赖和反馈关系(图1)。目标层只有一个决策目标，它与内部竞争力、顾客竞争力、外部竞争力一同构成整个网络的核心，每个维度层下内部元素间相互影响。
Figure 1. Competitiveness evaluation index system of new retail enterprises in Liaoning Province
图1. 辽宁新零售企业竞争力评价指标体系
3.2. 构造判断矩阵
运用Satty提出的1~9标度法。根据目标层构建出维度层元素的比较矩阵，评价过程采用专家评价法，让专家们为辽宁新零售评价指标的优先度进行打分，确定每个维度影响因子对评价目标的影响权重，得到基于辽宁新零售竞争力目标的各维度特征向量如表1。
Table 1. Characteristic vectors based on each dimension of Liaoning new retail competitiveness target
表1. 基于辽宁新零售竞争力目标各维度的特征向量
并以维度层为准则构建元素层的比较矩阵，最终得到3个矩阵和对应的特征向量集合；最后以控制层元素为准则，以维度层ABC中元素Ai、Bi、Ci (i = 1~3)为次准则，元素组ABC中的元素按其对Ai、Bi、Ci (i = 1~3)的重要程度进行比较，共构造12个判断矩阵并计算相应的特征向量。以内部竞争力(维度层)下的A1元素的计算为例，如表2所示。
Table 2. Comparison matrix of technical factors A1 in internal competitiveness A
表2. 关于技术因素A1在内部竞争力A中各因素比较矩阵
3.3. 构造超矩阵计算权重
利用Super Decision得出超矩阵，对超矩阵进行收敛得出极限超矩阵及各个元素的相对权重，如表3。
3.4. 综合各层准则的权重，得到最终指标权重排序
根据以上结果得出辽宁新零售企业竞争力ANP模型中各层元素的局部权重，通过组合权重得出各指标元素的全局权重，最终指标权重及排序结果如表4所示。
从指标权重排序结果可以看到，辽宁新零售企业竞争力三个维度重要程度排序为：内部竞争力 > 外部竞争力力 > 顾客竞争力。由此可见，内部竞争力是外部竞争力和顾客竞争力的基础，企业长远发展，主要依靠提高企业内部竞争力。元素层的12个影响因素的重要程度排序为：技术 > 人才资源 > 成本 > 创新 > 市场环境 > 宣传营销 > 政府政策 > 品牌口碑 > 产品价格 > 产品质量 > 顾客忠诚度 > 物流，因此，辽宁新零售企业要充分运用现代化高新技术、优化整合人才资源、不断创新、降低成本、打造良好市场环境，来充分发挥企业内部优势，提高企业竞争力。
4. 提高辽宁新零售企业竞争力对策
基于上述研究结果，我们取前7个较为重要的影响因素对如何提升辽宁省新零售企业竞争力给出以下建设性对策：
1) 利用高新技术加强消费场景化，提升顾客消费体验。辽宁省科技发展相对较落后，当前多数新零售企业尚未形成互动化场景。需要加大科技研发投入，利用信息技术加强对产品的展示，营造更真实的购物场景，让消费者在线上也能宛如置身商场。并利用大数据分析预测顾客的购物习惯，实现精准营销，达到利用技术提升顾客消费体验，从而提高企业竞争力的效果。
2) 优化人才资源。科技竞争是人才的终极竞争，AI、大数据迅速发展，竞争日趋激烈，辽宁新零售商想快速占据优势，必须拥有大量人才。辽宁省作为东三省之一，人才流失严重，必须在社会各界广泛招纳数字化人才，加强线上开发；招纳管理类人才，对企业内部经营管理重新优化，实现实质意义上的线上线下融合发展。
3) 形成规模经济，降低成本。规模化生产，线上线下销售主攻东三省市场，同时加大线上销售，扩展南方市场，发挥规模效益。对于线下门店采用JIT及时生产技术，降低储存成本，提升市场份额，扩大收益。
4) 个性化诉求引导企业内部创新。消费群体的行为与需求，受到个性及消费基因的不同的影响。就辽宁省而言，其消费者需求极具东北特色，作为辽宁省本土的新零售企业，可基于大数据分析，根据获得的顾客需求及时进行内部的技术创新、生产创新、服务创新，以达到新时代消费群体的个性化诉求。
5) 良好的市场环境，互惠共赢。针对辽宁省而言，不仅对沈阳、大连等一、二线城市加大科研技术的投入，更支持其他三、四线城市进行技术、服务创新等；整合重塑新零售行业发展链，创建多种资源共享合作平台，促进多方交流合作，最终实现互利共赢。整个市场环境朝着积极方向发展，辽宁新零售行业将会被更多人接受、实现新突破。
6) 创新宣传营销路径。辽宁新零售企业想要快速打开市场，扩大市场份额，第一要素就是宣传营销，想方设法让消费者了解本公司产品的特点、优势。在新零售模式下，企业可以选择采取“线上宣传 + 促销活动”的方式，以消费者利益为出发点，进行营销方案的创新。例如，企业可以根据产品特点，邀请合适的辽宁本土明星作为官方体验官，并且给出一定的优惠政策，利用流量效应和自身的经济利益，吸引群众消费，提高消费者对本产品认可和需求。
7) 健全市场监测，加大政策扶持。辽宁政府应让相应部门全面监测新零售企业发展态势，反映市场变化，为政府调控提供准确的指南，即时给企业提出指导和建议。政府要持续优化营商环境，线上、线下联合监督执法，保障新零售行业竞争环境的公平。并加大放管服改革，推动全国和辽宁省新零售发展政策落地实施。
基金项目
大连理工大学“大学生创新创业训练计划项目”项目编号：2019101419805010373。