2018年10月12日下午六点，中国营销工程与创新研究中心(以下简称“MEI”)2018-2019年第一学期第5次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师及MEI各位成员。

　　本次Seminar由姚佳鑫研读文章《Inferring the Economics of Store Density from Closures: The Starbucks Case》。

　　本文提出了一种方法，利用公司的大规模商店关闭来衡量商店网络中自相残杀和密度经济中这两种效应的影响，作者运用这种方法研究了星巴克链。

　　图1 姚佳鑫讲解文章

　　作者通过计算每开一家商店对现存商店的影响来衡量每家商店对连锁品牌的利润贡献，并以此为公司应该如何确定拟关闭的店铺提供决策建议。为了区分每家商店对需求侧和供给侧的网络效应，作者利用了这样一个事实：供给侧的业务抢夺效应会随着本地网络密度的增加而增强，因此在网络密度稀疏的区域，供应侧的这一效应相对不明显。

　　研究表明，由于邻近商店的自相残杀，商店的增量业务在1英里和1到3英里内分别减少1.2%和0.4%;对于位于商店密度稀疏区域的偏远商店而言，距离商店网络的距离每增加1英里，成本费用率便会增加0.3%;在商店密度稀疏的情况下，收入水平比人口数量更能决定需求侧的需求大小;在人口密集的地区自相残杀的效应会降低，可以维持更密集的商店网络。企业可以通过计算增加新商店对现存商店的影响，并衡量新商店对连锁品牌的增量利润贡献，然后基于经济利润而非会计利润做出企业是否应该增加商店网络密度的决策;通过计算非偏远商店的关闭概率随本地商店网络密度的增加而增加的程度衡量需求侧自相残杀效应的衡量;通过计算控制需求后偏远商店的关闭概率随本地商店网络密度的增加而增加的程度衡量供给侧密度经济效应。另外，文章指出，因为在人口密集的地区自相残杀的效应会降低，可以维持更密集的商店网络，因此，如果希望维持密集的商店网络，应该将商店开在周边人口密集的区域;因为在商店密度稀疏的情况下，收入水平比人口数量更能决定需求侧的需求大小，因此，如果希望维持稀疏的商店网络，应该将商店开在周边收入较高的区域。

　　文章通过反事实构建进行模型演示，例如，现存有在经营的A、C店铺和已经关闭的B、D店铺，他们周围分别分布着离其最近的消费者，假设已经关闭的B、D重新开店，消费者的选择数会发生变化;假设经营中的店铺A、C关闭，消费者的选择又会怎样变化，门店的利润又会如何变化。如图2所示，正是通过这种形式，测量商店密度对消费者以及对门店的影响。

　　图2  商店密度分布及消费者分布假设图

　　至此，文章研读完毕。

　　随后，李婷展示了基于python的数据分析，分别讲解了利用python如何实现描述性统计分析、假设检验、方差分析、相关性分析、回归分析、时间序列分析等数据分析方法。接着，蔡爱新演示了相关分析，并绍了Sklearn工具，并介绍了一元、多元和Logistic回归分析。经过这次学习，培养了大家对数据的敏感度，让大家了解了通过程序如何分析和处理数据。

　　之后，黄老师阐述了接下来的计划和安排。至此，本学期第5次Seminar结束。

　　文字/陈晶晶

　　供图/陈晶晶

　　审核/郑仕勇

　　网站编辑 / 苏羽