无限极等四家直销企业的服务网点分布情况研究

 

　　本报告研究无限极、安利、玫凯琳和完美四家直销企业的服务网点在国内城市中的分布特征。为此，本研究通过商务部直销行业管理信息系统[1]共搜集到这四家企业9652条服务网点信息，并基于这些信息数据做了如下定量分析。

 

观点一、 数据整体概述

本报告所用的数据在2016年9月16至17日采集，是通过爬虫技术搜索、抓取商务部直销行业管理信息系统下无限极、安利、玫凯琳和完美四家企业所有的服务网点信息。在搜集到的9652条关于服务网点的信息中，其中包含无限极的服务网点信息3673条，玫凯琳2648条，安利2286条，完美1045条。每一条信息的子纬度包括“服务网点名称”、“设立方式”、“网点地址”、“负责人姓名”、“负责人联系方式”，“对应的直销企业”。

在搜集到的9652条信息中，有5849间服务网点的设立方式为“加盟/授权”，占总体60.6%；有3803间网点的设立方式为“自营”，且其中有3599条自营的服务网点的信息缺现象严重，占总体的数据量的37.29%，且这些信息缺失严重的情况仅出现在安利和玫琳凯的服务网点中。从上述数据可以看出，无限极在服务网点信息备案的数量以及备案信息的完整程度都是在四间直销公司中做得最好的。

 

在信息相对完整的6053条信息中，经过处理，成功提取其中5922间服务网点所属的省/直辖市和地级市的信息（具体提取方法详见附录）。本报告后续分析主要基于服务网点所在省/直辖市和地级市展开。

 

安利记录在案的服务网点存在大量没有具体地址信息的自营店，而包含地址信息的网点仅覆盖6个省份，故安利的服务网点信息整体可分析价值较低。安利记录在商务部直销行业管理信息系统中且信息完整的服务网点，仅分布在内蒙古自治区、贵州省、甘肃省、青海省、云南省、宁夏回族自治区，而这与现实情况相左。同时结合前面所言，安利的信息中有大量信息不完整的自营的服务网点信息，由此可见，笔者搜集的信息中安利服务网点的信息整体存在问题。而产生这种问题的原因有可能是，系统出错导致显示出的信息不完整，或备案在系统中信息本身就存在信息不完整的问题。所以在后续段落中，关于安利服务网点的信息不会做深入分析。

观点二、服务网点在各省份的分布情况

 

1.       四家直销企业的服务网点在各省的分布情况分析

这四家公司的5922间服务网点在国内各个省份的分布情况并不均匀，在各省的服务网点数量如下表所示。此外，笔者将各公司服务网点数量排名前五的省份用粉红色表示。同时用“垄断程度”这一指标表示该省服务网点数最多的直销企业占该省四家直销企业的服务网点数总数的比例，如河北省的垄断程度为60.43%意味着该省服务网点数最多的直销企业（无限极）的服务网点数占河北省四家直销企业的服务网点总数的60.43%。

 

表：四家直销企业的在各省的服务网点情况

 

四家直销公司记录在案的服务网点分布最多的五个省份是，河北省、山西省、湖北省、内蒙古自治区和四川省。其中河北省中四家直销企业的服务网点总数最多，共有786间，远超第二的山西省394间。同时，河北省也是无限极和玫琳凯记录在案的服务网点数最多的省份。

 

具体到每一间直销企业，各直销公司对于审批、发展各省的服务网点各有不同侧重。从各公司服务网点数排名前五的省份分布情况，可以看出——总体而言，大部分直销企业服务网点数量排名前五的省份往往不是其他直销企业排名前五的省份。而且具体到的每个直销企业，各自重点开发的区域也不一样。具体如下：

 

 

图：无限极的服务网点在各省份的分布情况[1]

相较之下，玫琳凯的服务网点的分布广度不及无限极的广，部分省份如江苏、湛江、宁夏回族自治区等分布的服务网点数极少甚至没有。玫琳凯的服务网点较集中在中国的中部地区和东北地区，服务网点分部最多的省份是河北省、四川省和陕西省。而在华南地区，玫琳凯的服务网点分布整体偏少。

 

图：完美的服务网点在各省份的分布情况

相比玫琳凯，完美的服务网点更少些，尤其是在中国西部和北部分布的服务网点数更为稀疏。完美的服务网点最多的省份是广东省、山西省和四川省。

 

2.       各省份直销企业的竞争态势分析

各省直销企业的服务网点“一家独大”现象明显。从《表：四家直销企业的在各省的服务网点情况》中“垄断程度”一列可以看出，在31个省/直辖市中其中有22个省/直辖市，服务网点数最多的直销品牌占该省所有直服务网点数总数的一半以上。换而言之，大部分省份都能看见有一间直销企业他的服务网点在数量上明显多余其他直销企业的服务网点。虽然本研究仅搜集到四家直销企业的数据，但是考虑到这些公司都是直销企业中具有代表性的领头企业，在体量上超过了其他直销企业，所以该发现可推广至行业整体情况。同时，结合前面提到的各直销企业的服务网点重点分布的省份各有侧重，可以设想对于直销行业新进者，往往面临在不同省份需要与不同领头直销公司竞争的局面。

观点三、各直销企业对一线、二线、三四城市的集中情况

 

基于各个服务网点的所在的地级市，笔者对各直销企业的服务网点所在的地级市做了二次归纳，分别统计这四间直销企业在一线、二线、三线、四线或以下城市[1]的分部情况，具体如下：

表：四家直销企业各线城市的分布情况

 

从数量上可以直观的看到，无论是从四家企业整体还是具体到每一家企业，随着城市所在的线数增加，该企业的服务网点数量随之增加。换而言之，这四家直销企业的服务网点更多得分布在三四线城市。这有可能是因为本身中国三四线城市的数量远超一二线城市的数量，也有可能是因为本身这四家直销企业的服务网点的功能和定位更符合三四线城市居民的需求。

 

为了进一步研究，每间企业的服务网点在各线城市的分布情况，以及各线城市四间直销企业服务网点的分布情况，笔者进一步进行了横纵向对比，具体如下表所示。

 

表：四家直销企业各线城市的分布横向和纵向对比

	无限极	玫琳凯	完美	安利	四家合计			无限极	玫琳凯	完美	安利	四家合计
一线城市	2.05%	0.36%	8.72%	0.00%	2.84%		一线城市	43.45%	2.38%	54.17%	0.00%	100.00%
二线城市	12.79%	6.74%	22.72%	7.88%	13.24%		二线城市	58.16%	9.57%	30.23%	2.04%	100.00%
三线城市	38.55%	41.19%	39.69%	36.45%	39.18%		三线城市	59.22%	19.74%	17.84%	3.19%	100.00%
四线或以下城市	46.60%	51.71%	28.86%	55.67%	44.75%		四线或以下城市	62.68%	21.70%	11.36%	4.26%	100.00%
合计	100.00%	100.00%	100.00%	100.00%	100.00%		合计	60.18%	18.78%	17.61%	3.43%	100.00%

 

聚焦到各企业服务网点在各线城市的分布情况，84%直销企业的服务网点分布在三线或以下的城市。该比例大致与无限极的服务网点的分布情况持平。如果以此为标杆，玫琳凯的服务网点分布在三四线的服务网点的比例较整体更高，而完美的服务网点在分布在三四线的服务网点的比例更低。

 

聚焦各线城市中这四件直销企业的服务网点的分布情况，在一二线城市中，无限极和完美的服务网点占得比例最高；而无限极的服务网点在三四线城市的占有率高，其次是玫琳凯，而完美稍弱。

观点四、小结与展望

四、小结与展望

　　从商务部直销行业管理信息系统上公开的数据，可以看出这四家直销企业的服务网点在各省、各线城市有其各自的特点，进而可以对各个直销企业在各地区的扩张发展状况有一个整体上的了解。

 

　　拥抱大数据是许多行业面临的机遇和挑战。类似这样基于门店的大样本分析，从直销企业的角度，对外可以从更宏观的角度去整体把握同行其他企业的发展状况和发展策略，制定有针对性的竞争策略，对内也可了解各个系统之间的发展状况和趋势，更好地帮助系统快速成长、开发市场。

 

　　然而，数据分析的基础是丰富的、可靠的数据，而在信息相对不透明的直销行业做跨企业的数据研究是比较困难的。笔者在分析的过程中也对搜集到信息的时效性和准确性心有顾虑，但这些来自商务部直销行业管理信息系统的数据是笔者能够找到的行业里相对丰富同时较为可靠的数据。我们有理由相信在信息技术不断发展、移动终端不断普及会有越来越多的公开数据让我们更好的了解直销，做好直销，服务更多有需要的消费者。

 

　　同时，除了寄望于行业整体的数据能给直销企业带来新的增长动力，我们更应该把目光投向直销企业内部。直销企业内部有更丰富、更可靠、更及时的数据，企业内部人员可以与专家合作，通过合理分析这些现有的数据，能够更准确和及时地检测握企业和市场的动向，从而制定更有时效性和针对性的策略，帮助市场和企业本身更好、更快地发展。

 

　　放眼未来，大数据应用将改变各行各业，这已经不是一个会不会发生的问题，而是一个什么时候发生的问题了。对于直销企业，拥抱大数据，拥抱从以数据驱动的革新，将会是企业发展、业绩增长的重要发力点。 

 

　　如对本文内容或所用的数据采集、分析方法感兴趣，欢迎通过邮件或领英站内信沟通。

邮箱：gary.li@lanca.com.cn

领英：https://cn.linkedin.com/in/jiawei-li-25289a81

 

一线城市：

北京上海广州深圳天津

二线城市

南京武汉沈阳西安成都重庆杭州青岛大连宁波济南哈尔滨长春厦门郑州长沙福州乌鲁木齐昆明兰州苏州无锡

 

三线城市

南昌贵阳南宁合肥太原石家庄呼和浩特佛山东莞 鞍山 唐山烟台泉州包头银川西宁海口洛阳南通常州徐州潍坊淄博绍兴温州台州大庆中山珠海汕头吉林柳州拉萨保定邯郸秦皇岛沧州鄂尔多斯东营威海济宁临沂德州滨州泰安湖州嘉兴金华泰州镇江盐城扬州桂林惠州湛江江门茂名株洲岳阳衡阳宝鸡宜昌襄樊开封许昌平顶山赣州九江芜湖绵阳齐齐哈尔牡丹江抚顺本溪丹东辽阳锦州营口承德廊坊邢台大同榆林延安天水克拉玛依喀什石河子南阳濮阳安阳焦作新乡日照聊城枣庄蚌埠淮南马鞍山连云港淮安丽水衢州荆州安庆景德镇新余湘潭常德郴州漳州清远揭阳梅州肇庆玉林北海德阳宜宾遵义大理

 

其他城市归类为四线或以下城市

 

原始数据存在的问题：

1.每条信息的没有专门的字段去存放各门店的省/直辖市、地级市、县/县级市/区，仅有“网点地址”一个字段存放地址信息。

2.“网点地址”登记的信息混乱，具体情况如下：

a.       登记者登记时不一定完整标注行政级别“省”、“市”、“区”等，而如简写成“广东广州天河五山”而非“广东省广州市天河区五山路”

b.      中国行政单位的名称复杂，单凭关键字难以判别所属层级，如“市”可以是县级、地级市、省级/直辖市，如“临海市”（县级）归属于“台州市”（地市级），而“重庆市”是直辖市与省同级

c.       同一层级的称呼等多样，如县级行政单位，可以是“县”“市”“区”“旗”都可能是县级行政单位，也可能

d.      登记者登记时不一定选择用地区的全称，如柳州市的“融水苗族自治县”简称为“融水县”

e.      部门地址只记录了县级的信息，需要逆推对应的地市级名称。

 

3.网络中现有的省/直辖市、地级市、县/县级市/区的对应关系表并不完整。

 

4.服务网点名称、网点地址以及电话号码都有可能存在能用于判断门店地市级的信息，但无法提前预知，且有可能三个指标指示的结果相矛盾。

 

解决思路：

1． 通过现有网络信息，归纳“县/县级市/区”、“地级市”、“省/直辖市”三者的对应关系，且在操作过程中，不断手动补充该对应关系。

2． 先提取所有服务网点的所属的地市级单位，再利用上述对应关系逆推所属的省/直辖市。

3． 优先提取和信任在服务网点名称和网点地址中包含“市”“州”的信息，再信任通过“县/县级市/区”推导出的信息。

4． 优先信任“网点地址”，其次信任“服务网点名称”，最后信任“联系电话”[1]。

5． 再万不得已的时候才手动操作。

 

操作流程（在excel的操作）：

1. 用函数功能分别自动提取“网点地址”、“服务网点名称”中带有“市”和“州”的部分信息，清洗其中含有对应“省”，“自治区”的信息。

2. 用函数功能分别自动提取“网点地址”、“服务网点名称”中带有“区”、“县”，“州”，“旗”的信息。

3.用函数逆推2中的信息所对应的地级市。

4.用函数功能自动提取“联系电话”中的区号。

5.用函数逆推4中的信息所对应的地级市，

6. 手动整理1、3、5的地级市

7.用函数逆推6中的信息所对应的省/直辖市。

8.调整“县/县级市/区”、“地级市”、“省/直辖市”的对应表，然后重复3-7步直到大部分的信息有对应的地级市和省/直辖市。

 

操作结果：

6053信息中提取了5922条信息对应的所属地市级和省/直辖市，提取率为97.8%。