菜鸟网络建立了很多线下物流站点，这些物流点有两种方式将线上线下顾客和线上商家联系起来。以发放产品小样为例，顾客可以主动走进站点索要小样，称为有机互动(organic interaction)，也可以收到淘宝APP消息后，进入站点索要小样，这种称为诱导互动(induced interaction)。本文检验这两种互动方式哪一种更有效。
背景介绍
诱导互动将顾客纳入线上线下完整的全渠道周期，从线上交互开始，基于地理位置,给处于物流站点附近的顾客发送免费小样的通知，感兴趣的用户达到线下站点索要小样，喜欢小样的顾客重新返回线上该店铺购买。
(1)站点的有机互动能否有效地促进在线销售。
(2)相比有机互动，诱导互动在促进销售方面是否优于有机互动。
本文与阿里巴巴菜鸟物流合作进行两项研究，文章分为三部分，分别介绍有机互动的影响，诱导互动的影响以及其机制。我们分别介绍这三部分。
有机交互的因果效应
此部分检验线下有机互动对线上销量的影响，顾客线下有机互动可以看作是外生的，因为没有进行在线营销。参与者走进快递站点前不知道活动。将参与索要小样的顾客与其他阿里巴巴顾客进行比较可能会产生偏差，因为走进站点的顾客可能比其他顾客购物频率更高，更可能走进站点。因此考虑顾客特征与过去行为的差异。
（1）获取2018年3月至6月八个品牌不同站点索要小样的顾客数据。选择发布超过20个小样的站点，最后获得1032个站点210934个样本。
（2）获取在发布小样之前三月到达1032个站点共3874389名顾客
（3）顾客细粒度数据，如顾客特征，在线行为（购买，浏览），以及线下物流服务。
采用四个因变量度量品牌影响：(1)是否购买的虚拟变量；(2)购买金额；(3)是否浏览品牌线上店面；(4)浏览线上店面中的物品数量。
数据在顾客-周级别汇总，2018/02/05-2018/08/26共计24周，确保获得每位顾客索要小样前后五周的数据。
使用两阶段匹配(Two-Stage Matching)，在第一阶段匹配虚拟变量，第二阶段使用倾向得分匹配(PSM)匹配更多变量。匹配后变量进行式(1)回归，索要样本的顾客为处理组，添加顾客、周固定效应，在每对匹配样本聚类稳健标准误。
结果如表3所示，线下索要样本对四个因变量的影响都正向显著，但系数较小，表明采用对随机进入站点的顾客发送样本可能不是一种有效的营销策略。
Reference: MIS Quarterly Vol. 48 No. 3 / 2024 P1165
诱导交互的因果效应
与阿里巴巴合作进行一项大型田野实验，检验(1)平台利用APP通知是否可以引起更多顾客线下索要样本；(2)这种经诱导的互动的因果影响是什么。
2018年8月，在四座城市40个站点实施为期三周的小样发送。首先，根据地理位置确定40个站点周围所有符合条件的用户，在其中选择80%作为处理组接收在淘宝APP上收到小样发布的通知。排除没有点击通知页面的顾客（这其中有处理组的顾客也有控制组的顾客），保留所用访问页面的顾客；处理组的顾客看到小样发送的广告，控制组看其他不相关的广告。
线上发送通知的诱导交互分为两个阶段，第一个阶段是在淘宝APP发送通知到线下索要小样，第二个阶段是顾客索要小样后到线上购买，第一个阶段将是否收到通知对是否线下索要小样进行线性回归。顾客分为三种：有机索要小样的顾客(没有收到线上通知)、未索要小样的顾客，以及经诱导索要小样的顾客(接到通知才线下索要小样的顾客)。对于经过诱导索要小样的顾客，是否接受到广告可作为是否索要小样的工具变量，且是否接受到线上广告通知与最后购买无关，进行两阶段最小二乘法估计是否索要小样对四个品牌因变量回归，是否索要小样由第一阶段预测。
下图为原文表5， 标黄系数显著表明给顾客线上发通知促进顾客线下索要样本。第二阶段回归结果表明经过第一阶段的偏差修正，相比没有收到线上通知直接走进站点索要小样的有机交互，经诱导索要样本的顾客增加购买概率、花费，但没有影响顾客对该品牌的浏览行为。
Reference: MIS Quarterly Vol. 48 No. 3 / 2024 P1167
诱导交互有效性的机制：自我选择
有机交互和诱导交互的差异在于何处收到小样发布的通知，有机交互是在站点，诱导交互是在线上，需自行前往站点。经诱导后索要小样的顾客需要花费时间成本与路程成本自行前往线下站点，这表明相比到达站点才得知分发小样的顾客要么被“免费”所吸引，要么更加偏好该产品。诱导互动相比有机互动更加有效，表明经诱导的索要小样的顾客更加偏好产品。
上文提到过三种类型的顾客：有机索要小样的顾客(没有收到线上通知)、未索要小样的顾客，以及经诱导索要小样的顾客(接到通知才线下索要小样的顾客)。按照是否收到线上通知与是否索要小样分为四种，如表7所示。
Reference: MIS Quarterly Vol. 48 No. 3 / 2024 P1170
组3和组4的区别是因为额外经诱导的顾客所引起的。发现相比原始线下顾客，经诱导的顾客线上更活跃，线下更不活跃。将样本按照索要小样前购买中位数分组，发现只有对过去的高花费者发送通知才能引起品牌更高销量。
（1）在两个阶段的回归中加入更多协变量，经诱导的顾客仍然显著增加购买。这表明可观测变量不能解释以上结果，自我选择是由未被观测的结果驱动的。
（2）第三组和第四组存在相关性，如果自我选择由未被观测变量驱动，那么加入可观测变量后，两组仍相关。
（3）对其中2951名顾客进行后续电话回访，结果如图2，询问顾客是否使用小样以及使用体验，组4中更多顾客回答已经使用或计划使用，支持本文提出的自我选择机制。
Reference: MIS Quarterly Vol. 48 No. 3 / 2024 P 1173
既然线上发通知引起顾客线下索要小样，从而转到线上购买是由顾客对小样偏好(未被观测特征)驱动的，那么如何识别这些顾客？使用广义随机森林，考虑第一阶段决策(是否索要小样)和第二阶段输出(品牌绩效)，训练样本与预测样本分别占70%、30%。算法识别解释平均处理效应最重要的五个变量，按照重要性排序分别是邮包运输，该类别的月度支出，平台年订单量，平台年支出以及站点自提。根据算法预测的结果与之前实地实验分析结果相近。
总结
本文在全渠道背景下，以顾客“走入线下快递站”为视角，强调了线下基础设施的重要性。线下门店有效地促进了线上购物，未来业内相关实践者可以利用线下门店进行更多营销活动。
参考文献：.Han, B. R., Sun, T., Chu, L. Y., & Wu, L. (2024). Connecting Customers and Merchants Offline: Experimental Evidence from the Commercialization of Last-mile Stations at Alibaba. MIS Quarterly, 48(3), 1157–1192.
下载链接: https://doi.org/10.25300/MISQ/2022/16674
作者详细信息：
Brian Rongqing Han
Position:Assistant Professor,Department of Business Administration, Gies College of Business, University of Illinois at Urbana-Champaign
Area:designing large-scale field experiments and developing data-driven optimization to explore innovative business models and link data to decision-making
Site:https://giesbusiness.illinois.edu/profile/brian-han
Email:brianhan@illinois.edu
Tianshu SUN
Position:Dean’s Distinguished Chair Professor of Information Systems, Cheung Kong Graduate School of Business (CKGSB)
Area:Digital Transformation, Digital Platform Strategy, Digital Technology, Digital Economy and Data Regulation
Site:https://english.ckgsb.edu.cn/faculty/tianshu-sun/
Email:tianshusun@ckgsb.edu.cn
Leon Yang Chu
Position:Professor of Operations Management, Cheung Kong Graduate School of Business
Area:Policy and Mechanism Design, Game Theory, Applied Optimization
Site:https://english.ckgsb.edu.cn/faculty/zhu-leon-yang/
Email:yzhu@ckgsb.edu.cn
Lixia Wu
Position:Department of Artificial Intelligence, Cainiao Smart Logistics Network Ltd.
Email: wallace.wulx@cainiao.com
