摘要: 随着电子商务的快速发展，包围式购买已成为线上消费的重要模式。本研究分析了包围式购买行为的特征、成因、其对电商平台的影响以及策略。研究发现，包围式购买是消费者在网络购物中由于信息不对称问题产生的，具有计划性、高退货率和可识别性等特征，其形成还受到消费者风险规避需求和平台退货政策的共同影响。该行为对电商平台产生显著成本和运营压力，主要体现在逆向物流成本增加、库存管理复杂度提升、消费者隐私等。针对这些问题，本文从定价机制、商品呈现、营销策略和政策体系四个维度提出优化方案，包括动态定价体系、优化商品展示、建立精准营销、出台政策及建立监管机制，促进电商行业可持续发展。
Abstract: With the rapid development of e-commerce, surrounding purchase has emerged as a prominent online consumption pattern. This study analyzes the characteristics, formation mechanisms, impacts on e-commerce platforms, and corresponding optimization strategies of surrounding purchase behavior. The findings reveal that surrounding purchase arises from information asymmetry in online shopping, characterized by planning, high return rates, and identifiability. Its formation is jointly influenced by consumers’ risk aversion needs and platforms’ return policies. This behavior imposes high cost and operational pressures on e-commerce platforms, primarily reflected in increased reverse logistics costs, elevated complexity of inventory management, and challenges related to consumer privacy. To address these issues, this paper proposes optimization solutions from four dimensions: pricing mechanisms, product presentation, marketing strategies, and policy systems. Specifically, the solutions include establishing dynamic pricing systems, optimizing product display, implementing precision marketing, formulating relevant policies, and building regulatory mechanisms, aiming to promote the sustainable development of the e-commerce industry.
1. 引言
电子商务的持续发展使服务质量成为平台竞争的关键维度。在此背景下，免费退货政策提升消费者购买意愿，免费退货政策已逐渐演变为行业基本配置。然而，该政策的实施也促进了消费者包围式购买行为，即消费者购买同一产品的多个版本(例如尺寸、颜色)在家中试用，保留最合适的一款，其余的则退回[1]。从交易成本理论角度来看，在网络购物中，由于消费者无法直接体验商品，存在消费者不能感知商家对商品的描述与商品的真实特性是否存在差别这一信息不对称问题。同时，电商平台存在众多店铺，每家店铺的产品标准不同，从而消费者在网购时存在决策风险。例如，一次购买一件衣服，该衣服的尺码可能与消费者自身尺码不匹配，那么，当消费者一次购买同一件衣服的多个尺码就可以避免衣服尺码不匹配这一决策风险。当店铺或平台存在满减券时，一次购买多件商品可以实现满减，这降低了消费者单次购买的额外成本。
然而，当较多消费者发生包围式购买时，会对电商平台的运营系统产生显著影响。包围式购买伴随的高退货率导致逆向物流成本大幅上升[2]，逆向物流成本包括商品回收、再处理和再销售等环节产生的费用，这一成本直接影响平台利润。包围式购买所产生的大量非计划性退货增加库存管理的难度，同时降低了资金周转效率。此外，高退货率导致的退货成本压力可能通过商品定价转移到消费者，而频繁退货带来的包装浪费和运输排放也不利于电商平台的可持续发展。
现有研究对电商退货问题已有一定探讨，但多数集中于宏观退货政策分析与消费者退货决策的影响因素分析，缺乏对消费者包围式购买行为的研究。电商平台的管理措施较多涉及退货流程的末端处理方面，尚未涉及消费者行为行为对齐的影响及相关制度的制定。因此，本研究旨在分析在线消费者包围式购买行为的形成原因及其对电商平台的影响，并在此基础上提出策略建议。本研究期望为电商平台优化服务流程、实现用户体验与运营效率的平衡提供理论依据和实践参考。包围式购买行为概念模型如图1所示。
Figure 1. Conceptual model of bracketing purchase behavior
图1. 包围式购买行为概念模型
2. 包围式购买行为的特征与成因
2.1. 概念界定与特点
包围式购买是指消费者同时订购同一商品的多件可替代商品，收货后通过实物试穿比较，从而保留少数商品并退回其余大部分商品。该行为在服装、化妆品、电子产品中尤为普遍。其有以下三个方面的核心特征：具有明确的计划性。包围式购买在购买决策初期就预设了购买商品的退货环节，与普通购买(一次购买一件)不同。例如，消费者在购买服装时，通常会同时订购一件商品的多个尺码或颜色，计划通过实际试穿后选择最合适的一款，其余全部退回。其次，包围式购买具有高退货率的特征。消费者一次购买一件商品的多个版本，最终保留一件其余全部退回，众多的包围式购买者构成较高的退货率与庞大的退货量。最后，包围式购买具有可识别性。包围式购买这一行为可以根据消费者行为数据分析得到。
2.2. 形成的内在动因
2.2.1. 消费者感知风险与效用最大化的决策心理
包围式购买行为主要源于消费者在线上购物中面临的感知风险及对效用最大化的追求。在无法接触商品的情况下，消费者对购买决策存在不确定性。在线上购物中，消费者对产品的材质、质量存在不确定性。对于适配风险，在服装产品中，尺寸合适度直接影响购买决策[3]。包围式购买行为可以解决产品的适配风险。消费者同时订购多个尺码，在家中进行试穿，可以降低因尺寸不符导致的退货。就财务风险而言，消费者同时下单多件可替代性产品虽然导致总体价格上升，但通过包围式购买行为可以避免因商品质量、尺码等不合适导致的退回再下单的麻烦成本，避免因此造成的损失。
2.2.2. 认知局限与决策偏好
喜欢买多件商品对比保留最满意且性价比最高的消费者选择包围式购买。与依次订购单件商品相比，同时购买多件替代商品便于直接对比。包围式购买行为的影响因素还有对商品真实信息的需求。线下门店中，消费者能够实地查看、试穿等方式获取商品信息来决定是否购买，但线上购物中消费者只能被动接受商家标明的商品信息。包围式购买通过允许消费者进行多商品比较，使消费者了解商品真实信息。
2.3. 形成的外部动因
2.3.1. 免费退货政策的激励效应
从消费者视角分析，电商中广泛应用的免费退货这一策略降低了包围式购买的经济门槛，便捷性的退货也促进了包围式购买行为的发生。例如，京东、顺丰提供的“上门取件”服务使消费者的退货麻烦成本显著降低。明确的退货政策也为包围式购买行为提供了便利。当消费者对退货成功率具有一定成功的把握时，他们更愿意采用“先订购后筛选”包围式购买的购买方式。
2.3.2. 产品信息不对称的助推作用
消费者与商家的信息不对称是推动包围式购买的另一重要因素。网购中，消费者难以仅通过在线商家对商品的描述信息作出准确的购买判断，“实物与商家描述不符”成为服装网购约一半以上的退货原因[4]，其中颜色和尺寸描述不符的问题占比最高。尽管消费者会参考每件商品的买后评价，但评价都具有一定的主观性，这降低了依靠评价做出购买判断的可靠性。当前，线上商品展示方式仅为图片与广告视频，具有一定的限制性，细致而全面的商品展示能在一定程度上缓解信息不对称问题。例如，得物APP引入360度商品展示和细节放大这一功能[5]。
2.3.3. 满减券的刺激作用
电商平台的各大促销节日都存在满减券的活动，甚至首次购买某些商家，只要达到一定条件，商家会直接发放满减券。面对潜在的包围式消费者，一次购买一件商品的多个版本正好可以使用满减券，降低了每件商品的单价，同时，还可以满足快递到后一次试穿多件的对比，也避免了购买一件不合适再购买一件的麻烦成本。一些消费者对于满减券会存在“不使用满减券就是浪费”的心理，因此，他们会为了使用满减券而选择包围式购买或者同时购买多件商品。普通电商与商家联合发布的满减券促进消费者的包围式购买。
包围式购买行为是消费者内在需求与外部环境条件[6]相互作用的结果。在宽松的退货政策、信息不对称等的作用下，消费者的包围式购买行为优化了其购买决策。
3. 包围式购买行为对电商平台的影响
3.1. 成本压力与利润压缩
包围式购买由于大量的购买与退货行为增加电商平台逆向物流成本。搜狐新闻称，中国物流与采购联合会2023年发布的数据表明，电商逆向物流成本是正向物流成本的2到3倍，其中因包围式购买产生的高频次、小批量退货又占据退货物流成本的40%。以京东物流为例，全国设立的86个专项退货中心[7]，每年处理约3.6亿件退货商品。在分拣处理环节，由于包围式购买往往涉及多件商品同时退回，需要投入更多的分拣资源。
除了直接的逆向物流成本，包围式购买还带来潜在的库存成本与运营负担。包围式购买消费者的订单波动大，在促销节点的订单量会暴增，因此商家需要大量备货，当促销节点结束后订单量的骤减以及包围式购买导致的大量退货，导致在线商家的“库存积压”，这给在线商家的库存备货提出来巨大的挑战。
另外，被退回商品的二次销售也是一个重要问题。包围式购买产生大量的退货商品，其中有30%左右的退货商品因拆封而无法再次销售[8]，除此之外，其余的退货商品只能以打折的价格进行二次销售，严重损害了平台和商家的利润。
3.2. 系统升级与设施优化
面对包围式购买的大量订单，电商平台引入智能分拣系统，可以根据订单的商品类型与配送地址，自动规划分拣的路径，提高分拣的效率[9]。推行“商品集中打包”模式，一个消费者多个订单由就近的仓储中心统一打包配送，降低物流成本。京东物流开发的“智能路由”系统，可以根据退货商品的类型和价值，自动分派到不同的处理中心，优化了退货物流路径，同时降低了人工成本。
精准预测算法的开发。拼多多开发的“慧眼”预测系统，通过分析用户的浏览行为记录、购买历史等数据，能够提前识别潜在的高风险订单。唯品会基于机器学习算法建立的“风险订单识别模型”能够预测新用户首次下单时采用包围式购买的可能性。精准预测算法能够为电商平台与商家提供更准确的信息，提高平台与商家的运营效率。
在商品展示技术创新方面，各平台都在积极探索虚拟技术的应用。例如，抖音推出的“虚拟试衣”功能可以让用户查看服装的上身效果；京东的“AR家居”系统允许用户通过手机摄像头将家具虚拟放置在实际居住空间中。
3.3. 行业生态与公平性
从行业生态影响角度，包围式购买行为改变了平台与商家的合作关系。高退货率导致平台需要调整商家结算方式。天猫商城将退货率较高的商家的佣金比例提高了，这种政策调整弥补了平台的运营损失，但也增加了商家的经营压力。中小商家也受到很大影响，包围式购买依赖免费退货与满减券，中小企业难以承受满减成本及退货成本，同时，电商平台算法会向消费者优先推送高销量的头部商品，进一步挤压中小商家的流量与订单，包围式购买行为会导致中小企业的潜在挤出效应。
从公平性视角来看，电商平台会对频繁“凑满减”、“比价”的包围式消费者标记为“羊毛党”，为了减少损失，限制其参加部分优惠活动或者推送溢价的商品。对在线商家来说，头部商家会主导满减券活动吸引包围式购买消费者，然而，中小商家因为成本限制无法达到头部商家的满减券优惠活动或者无法参与，从而导致优惠资源的分配失衡。
另外，包围式购买的消费者会在电商平台的众多店铺与商品页面留下浏览、加入购物车、下单的痕迹，大多商家还会利用入会得优惠券或者“凑单弹窗”诱导消费者授权更多的个人信息。电商平台会根据消费者浏览数据信息等个人信息整合分析出每个消费者的消费偏好、价格敏感度、消费能力等，这加速了对消费者隐私信息的过度收集以及被二次流转的可能性。
4. 电商平台的优化策略
4.1. 灵活定价
电商平台可以通过构建动态定价体系，来应对包围式购买带来的逆向物流成本。基于商品属性、用户行为等数据的动态定价体系建立差异化定价机制，如此，既满足消费者需求，同时也保障平台和商家的利润。例如，京东商城在2023年推出的“无忧购”服务[10]，该服务将商品分为两类：一类是包含退货险的基础价格商品，另一类是不含保险的折扣商品。
电商平台可建立分层定价模型来针对核心产品与周边产品制定差异化定价，核心产品定价应体现其基础价值，周边产品则可采取更灵活的定价方式。电商平台还可以推广组合定价模式，将功能互补或场景关联的商品组合销售促进连带消费。例如，跨境电商Shopee户外用品卖家采用“核心引流 + 周边盈利”模式，以低价保温杯为引流款，搭配溢价的保冷箱组成套装。
电商平台还可以采取动态调价机制。平台可基于实时销售数据、库存状况和市场供需变化，建立智能调价系统。该系统能够根据促销周期、季节性需求波动等因素自动调整价格策略，既能把握销售机会，又能避免因价格僵化导致的利润损失。拼多多在农产品品类中实施的“破损险”单独购买模式，将商品价格与保险费用分离，让消费者自主选择是否购买退货保障。
4.2. 沉浸式商品呈现
建立标准化的商品信息展示体系。对于服装类商品，在线商家应提供详细且真实的尺寸数据、材质说明和使用建议；对于电子产品，不同于服装类商品，需要有明确技术参数和性能指标，方便消费者根据真实且完善的信息做购买决策，缓解了信息不对称问题，降低了消费者的决策风险。每家在线商家都建立了标准化商品信息的同时，同行业的商家也可以统一标准，形成标准化信息体系，这样避免了消费者的决策分析，降低退货率。
虚拟交互技术的引入能够弥补线上购物的体验缺失。通过AR试穿、虚拟试用[11]等功能，消费者可以体验到商品的实际使用效果。虚拟交互技术应用使消费者拥有了购物体验，也会减少因“预期不符”这一原因导致的退货行为。得物的AR试穿功能支持多双球鞋上脚对比，该功能提升了用户下单转化率，降低了退货率。AR试穿技术的体验避免了“买家秀与卖家秀”这一常见网购问题。
4.3. 精准化营销策略
平台通过构建用户行为分析模型[12]，可以识别不同消费者的购物偏好与准确需求，为消费者提供更精准的商品推荐，既满足了消费者的需求同时实现了商家的盈利。对于具有明确购买目标的消费者，系统应向其推荐最匹配的商品；当消费者需求尚不明确时，平台应向其推荐多种可供选择的商品，提高其下单率。淘宝网的“购物风格测评”系统通过分析消费者的行为数据识别出具有包围式购买倾向的消费者，系统会为这些群体提供更详细的产品信息和购买建议，使其决策过程更加理性。
电商平台还可以采取场景化营销。平台可以根据商品的不同的使用场景和消费需求，构建基于真实需求的个性化商品组合方案。京东的“会员等级体系”将会员权益与购物行为关联起来，京东的高等级会员享受更多退货优惠，系统还会为其提供更精准的推荐。
此外，平台还能够优化营销的内容，帮助消费者建立合理的购买预期。详细的产品说明、真实的使用评价等，都能帮助消费者做出更明智的购买决策，减少事后退货的可能性。小红书的“达人测评”通过专业用户的深度测评，为消费者提供更可靠的购买参考。
4.4. 规范化政策体系
平台需要建立既能保障消费者权益，又能维护商家合理利益的规范化政策。电商平台应出台政策禁止对不同购买行为的消费者进行差异化对待，例如，限制包围式消费者优惠活动或者推荐溢价商品等。电商平台要支持消费者查询自己的“行为标签”并给予申诉修正的权利，避免对不同购买行为的消费者不公平问题的产生。另外，由于中小商家难以承担与头部商家相同的优惠活动，电商平台可以设置“优惠资源阶梯分配制度”：头部商家自担满减活动成本的大部分，平台补贴小部分，中小商家自担满减活动成本与平台补贴各占一半，避免头部商家垄断以及中小商家的潜在挤出效应。
电商平台还需要建立商家支持与监管机制。通过电商平台的技术支持和培训帮助商家提升运营能力，还要制定明确的规则和标准来规范商家的经营行为。这种双重机制能够提升商家服务质量，维护良好的市场秩序。平台不仅对商家进行规范，还要对自身进行规范。电商平台会根据消费者行为数据分析，从而做到更好的精准化营销推荐的同时，也要注意保护消费者的隐私，电商平台要明确标注消费者信息的适用范围、存储周期与使用的目的，禁止消费者数据信息用于精准营销之外的场景，如被不法分子窃取后用于诈骗、二次转售等。
5. 总结
包围式购买行为是消费者在线上购物中为降低信息不对称与决策风险而采取的策略性行为，其特征为：明确的计划性、较高的退货率和显著的可识别性。包围式购买行为的形成源于消费者对功能风险、适配风险和财务风险的规避，同时，也受到免费退货政策等外部环境的刺激。在影响方面，包围式购买显著增加了平台的逆向物流成本、库存管理复杂度，系统及基础设施的升级以及消费者隐私等问题。
针对这些问题，本文提出了系统化的优化策略。定价方面，电商平台可以采用分层定价和组合定价策略，平衡消费者需求与平台成本；使用3D展示、AR试穿等技术手段来展示商品，给消费者带来试穿体验的同时提升实物商品信息的透明度；电商平台基于用户行为数据的分析实现精准营销推荐，引导理性消费，提高下单率；政策制定方面，电商平台应出台政策维护消费者与商家利益平衡，对商家与电商平台自身建立监管机制。
本文提出来一个包围式购买的形成与干预模型，为电商平台面对消费者包围式购买行为的优化运营管理提供了具体参考。然而，受限于数据可获得性，研究主要基于二手资料，未来可以重点探究在直播电商、社区团购、社交电商背景下的消费者包围式购买行为，利用平台的真实交易数据，构建机器学习模型来预测消费者包围式购买行为与平台的高风险订单，并评估不同的干预措施的投资回报率。