设计师品牌买手产业链模型构建与实证

李 敏1,2, 朱文赫1a, 梁远方1a

(1.东华大学 a.服装与艺术设计学院;b.现代服装设计与技术教育部重点实验室,上海 200051;2.同济大学 上海国际设计创新研究院,上海 200092)

摘要: 为推进小众设计师品牌、Showroom、买手店三者所组成的买手产业链发展,利用系统动力学方法构建相关模型,从产业链视角识别发展瓶颈,为企业提供优化策略。通过文献研究、企业实践及深度访谈,梳理产业链中直接影响整体运作的指标及其权重,用Vensim软件绘制模型存量-流量图,建立相关关系并验证。结果表明,小众设计师品牌吸引力、Showroom服务水平、店铺销售能力可作为评价各子系统的KPI指标,其中Showroom服务水平对买手产业链运作影响最大;应用TOC理论并结合麦肯锡矩阵模型,提出增强设计竞争力、业务人员专业度、信息共享等提高产业链及各子系统运作效率的优化方案。

关键词: 设计师品牌;Showroom;买手产业链;系统动力学;瓶颈识别

随着国内消费者消费意识的提升,品牌化成为各产业发展的要素,小众设计师品牌买手店(本文简称“买手店”)以其时尚度高、设计理念独到的前卫商品,丰富了服装市场的多样性,成为越来越多消费者的选择,也为独立设计师提供了成长与发展的平台[1]。买手店与小众设计师品牌、Showroom平台、消费者之间是彼此相关又密不可分的生态系统,因该产业链发展时间较短、成长模式单一、缺乏合理的管理制度与高素质专业人才,导致企业规模难以扩大、盈利能力有限,几乎所有买手店都是小微型企业[2]。在实际运营中,企业多注重某个具体问题的解决,鲜从产业链整体出发进行系统性思考。另外,买手产业链的运作涉及多个环节,若其中一环出现疏漏将导致整个产业的运营效率和效益受到冲击[3]。因此,考虑到该系统“牵一发而动全身”的特征,若要对整个产业链进行管理并解决相关问题,必须从产业发展视角出发[4],力求对各环节有较全面的把握。本文拟用系统动力学方法构建买手产业链模型[5],结合案例企业进行实证,采用层次分析法,找出对买手产业链运作效率有重要影响的因素并建模,提供产业链视角下的瓶颈识别方法,有针对性地提供优化策略建议,为买手产业发展提供借鉴。

1 模型构建

1.1 设计师品牌买手产业链运作模式

近年来中国涌现出不少知名度低但优秀的设计师品牌[6],为解决此类新创品牌由于缺乏营销推广渠道难以获得消费者注意和市场认可,从而发展缓慢的情况,Showroom作为中介机构为品牌方和终端买手店提供展示和交易的平台,买手店则为品牌产生商业价值,并根据销售情况决定后续采买策略。这种将小微新型品牌集中运作推广的模式,为小众设计师品牌规模化发展提供了可行选择[7]

根据相关文献梳理[8-10]、专家访谈及现有买手模式的实际运营情况调查,将小众设计师品牌、Showroom、买手店三者所形成的产业链协作归纳为六个环节:以春夏季为例,7~9月为时装周展会筹备期,三方相互沟通交流,选择合适对象建立合作关系,制定本季业务规划;达成合作后品牌方进入产品研发与样衣制作环节,Showroom筹备订货会,并根据品牌方需要进行宣传;Showroom于10月举行订货会,买手现场沟通并订货,品牌方需在展位讲解并开展推广活动;11月前买手店需确定订单并通过Showroom通知品牌方生产成衣;12月前买手店与品牌方之间达成交易,Showroom从中抽取佣金;所订货品于次年1~2月送至买手店,Showroom需要协助解决双方对货品瑕疵或物流延迟方面的问题。秋冬季时间跨度为1~8月,流程与节点同上述分析。为此,本文将从资金投入入手,探索产业链子系统业务运营及整体协作能力对企业和产业链收入与盈利的关系。

1.2 建模思路

针对上述设计师品牌买手产业链的业务流程和运作模式,绘制产业链因果关系(图1),建立系统内各变量间相互影响的关系模型。首先结合文献研究[9-13]、专家打分、买手产业链发展现状,概括并提取系统变量,变量筛选基于以下原则:1)对系统目标有影响且彼此之间有较强关联;2)可收集到该指标的有关数据;3)增加辅助变量以清晰描述产业链运作过程。然后在此基础上利用系统动力学方法构建产业链模型并仿真验证,最后结合案例D企业的真实运营数据,根据TOC理论及麦肯锡矩阵模型提出相关优化方案。

图1 设计师品牌买手产业链因果关系
Fig.1 Causality diagram of designer brand buyer industry chain

图1中,“+”号表示增强回路,即原因变量的增加会导致结果变量的增加,“-”号反之;绿色箭头表示延迟,即从一次循环周期的结束到下一次循环的开始。

该整体由三个子系统的因果回路图组成。从整体业务角度,买手店增加对Showroom的订货量,也意味着Showroom对品牌方产品需求增大,这一需求同时表示品牌方、买手店收益增加,对Showroom的买手客户及合作品牌客户数量有正向促进作用。此增强回路有助于三方稳固合作关系共同发展,预示着整个产业链运作效率的提升。

1.3 设计师品牌买手产业链的变量体系

本文以产业链系统的重要影响因素为目标层A,根据上述建模思路并采用层次分析法构建产业链系统模型并计算权重。2017年4—6月,通过线下线上访谈及发放调研问卷的方式,请时尚买手行业的专业人士共计31人,对设计师品牌买手产业链运作指标C1~C7进行重要程度评分,按照方根法的标度原则,将各变量得分换算为对比分值,构造三阶判断矩阵计算准则层权重;同理可得方案层因素的权重,再计算方案层C相对于目标层A的合成权重,得到仿真模拟产业链系统重要影响因素的参数用于模型建立与验证(表1)。

表1 设计师品牌买手产业链系统重要影响因素的权重汇总
Tab.1 The weights table of the important factors influencing the designer brand buyer industry chain system

目标层A准则层B(一级指标)一级权重方案层C(二级指标)二级权重合成权重(Bi×Cj权重)产业链运作效率A设计师品牌吸引力B1Showroom服务水平B2店铺销售能力B30.14290.57140.2857产品吸引力C10.66670.0953设计师研发能力C20.33330.0476客户服务水平C30.27640.1579员工服务水平C40.59540.3402物流服务水平C50.12830.0733商品吸引力C60.75000.2143店员服务水平C70.25000.0714

综上,得到对设计师品牌买手产业链系统有重要影响的三项指标及其计算公式:

1)设计师品牌吸引力=0.666 7产品吸引力+0.333 3设计师研发能力;

2)Showroom服务水平=0.276 4客户服务水平+0.595 4员工服务水平+0.128 3物流服务水平;

3)店铺销售能力=0.75商品吸引力+0.25店员服务水平。

根据图1业务流程分析与专家反馈信息,这三个指标能直接反映各子系统运作效率,因此可作为评价子系统运作效率的KPI指标变量。通过权重组合也能得到反映整个产业链运作效率的计算公式:

买手产业链运作效率=0.142 9设计师品牌吸引力+0.571 4Showroom服务水平+0.285 7店铺销售能力。

由此根据上述四个公式,可以从局部到整体评估买手产业链运作效率。

1.4 模型系统变量及数学表达

系统动力学方法的常用变量为存量、流量、辅助变量、常量[14]。存量描述动态系统变量的时间累积效应,是系统的决策基础;流量即速率,描述存量变化的快慢;辅助变量属于中间变量,使得建模思路更加清晰,常量是系统中不变或变化甚微的量[15]。为建立系统动力学模型,本文考虑到各子系统协作关系、业务流程及系统三大影响要素(B1~B3),在图1和表1的基础上进行细化,三个子系统共定义85个系统变量用于建模。本文均以设计师品牌子系统为例,Showroom和买手店子系统的思路相同。选择的主要存量、辅助变量如表2所示,定义的存量包括发展费用、员工数量、子系统总收入及运营成本;定义的辅助变量涉及产品或客户开发投入、子系统员工薪资投入、产品均价、员工平均工资、产品吸引力、员工能力、惩罚因子、子系统利润、子系统获利能力等,并根据各自实际情况增删、细化变量名。绘制子系统与产业链整体的存量-流量关系(图2),进一步阐述各变量间的逻辑关系。

表2 设计师品牌子系统的主要变量
Tab.2 Main variables of the designer brand subsystem

变量类型变量名单位存量发展费用万元产品品类种类设计师数量人总收入万元原品牌运营成本万元辅助变量产品研发投入万元设计师薪资投入万元产品均价万元设计师平均工资万元产品吸引力—设计师研发能力—设计师研发惩罚因子—设计师品牌吸引力—品牌利润万元品牌获利能力—

图2 设计师品牌买手产业链存量-流量关系
Fig.2 Stock-flow relationship diagram of designer brand buyer industry chain

图2中,白底黑字框表示存量变量名;下方为流量变量名,黑色字体为辅助变量;←表示两变量之间存在因果与(或)数量关系;〈Time〉是特殊影子变量,表示该变量与时间有关。

通过运行模型来计算企业实际运营效率,需对各子系统中的存量、辅助变量分别建立数学关系式。建模假设如下:1)市场环境和资源等因素不会对模型中的变量产生影响;2)相关企业发展良好,资源和费用可持续投入,不受财力约束。仍以设计师品牌子系统为例,添加关系式(表3)。在逻辑关系(图2)的基础上,常量取值由企业实际情况直接确定,变量间的基本关系式则根据上述业务流程因果关系并基于一般规律进行积分计算。

表3 设计师品牌买手产业链SD模型方程(部分)
Tab.3 SD model equation of designer brand buyer industry chain (partial)

方程说明设计师品牌发展费用=INTEG(设计师品牌发展费用×设计师品牌费用增长率)设计师品牌费用增长率=WITH LOOKUP(Time,([(1,-0.01)-(12,0.01)],(1,0.002),(2,0.004),(3,0.005),(4,0.001),(5,-0.003),(6,-0.007),(7,0.002),(8,0.005),(9,0.009),(10,0.003),(11,-0.002),(12,-0.01))产品研发投入=设计师品牌发展费用×产品研发投入占比设计师薪资投入=设计师品牌发展费用×设计师薪资占比品类增量=(订金+产品研发投入)/产品均价设计师增量=设计师薪资投入×设计师扩张投入占比/设计师平均工资产品品类=INTEG(品类增量)设计师数量=INTEG(设计师增量)产品吸引力=LN(产品品类)设计师研发能力=设计师数量×设计师研发惩罚因子设计师品牌吸引力=0.6667×产品吸引力+0.3333×设计师研发能力品牌收入增长率=设计师品牌吸引力/100设计师品牌总收入=INTEG(设计师品牌总收入×品牌收入增长率)品牌利润=设计师品牌总收入-设计师品牌发展费用-原品牌运营成本原品牌运营成本=INTEG(原品牌运营成本×品牌运营成本增长率)品牌获利能力=品牌利润/(设计师品牌发展费用+原品牌运营成本)品牌运营成本增长率=WITH LOOKUP (Time, ([(1,-0.008)-(12,0.06)],(1,0.037),(2,0.025),(3,-0.007),(4,-0.001),(5,0.026),(6,0.04),(7,0.04),(8,0.05),(9,0.013),(10,0.022),(11,0.018),(12,0.02))1)INTEG为积分函数,表明随时间对自变量求积分计算;WITH LOOK为表函数,根据企业实际数据计算2)设计师惩罚因子代表设计师在装作新产品时的成功率,即能够顺利被制做成衣的产品研发比例;设计师品牌吸引力公式由1.3节计算而来

2 买手产业链模型仿真与实证

2.1 常量及初始值设置

D企业2010年于欧洲匈牙利创立,2013年进入中国市场,致力于国际时尚品牌代理和市场渠道开发,有代理、Showroom、跨界合作、APP对接、咨询等多种商业模式,是国内应用设计师买手产业链思路发展较为成熟的企业,故选择其为案例企业进行仿真模拟。该企业目前代理设计师品牌97个,为184家买手店提供服务,每年举办春夏和秋冬两季订货会,与上海时装周同步。对相关变量的所赋值主要来源于D企业的公开资料、实习调研及专家访谈。以产业链中的设计师品牌为例,对该子系统的常量、存量初始值赋值(表4)。

表4 主要常量数值及存量初始值设定(部分)
Tab.4 Main constant value and stock initial value setting (partial)

变量类型变量名称数值/初始值单位常量产品研发投入占比0.65—设计师薪资占比0.35—产品均价0.04万元/件设计师扩张投入占比0.25—设计师平均工资0.46万元设计师研发惩罚因子0.30—存量设计师品牌发展费用6.57万元产品品类90.00种类设计师数量5.00人设计师品牌总收入16.60万元原品牌运营成本3.50万元

2.2 模型确认与验证

构建的模型需要验证并确认调研数据、概念模型、仿真模拟和输出结果等多个方面[16]。使用Vensim软件检验模型中的变量是否符合实际含义、方程关系式是否正确。经过量纲一致性校验,结果显示没有错误,证明结构合理。

为检验模型变量是否与实际行为模式保持一致,设定仿真运行周期为一年(FINAL TIME =12 month),时间以月为单位(TIME STEP = month),模拟D企业2016年7月—2017年6月的实际业务运转情况。检验变量通常选取能反应模型运行结果的变量。在此模型中,选择反映企业最初投入的发展费用和反映最终盈利的利润两个变量作为检验模型输出结果的变量。受资源获取的限制,仅对每季度数据进行对比。仍以设计师品牌部分为例,得到两个检验变量的仿真示意(图3、图4)。

图3 设计师品牌发展费用仿真示意
Fig.3 Cost simulation diagram of designer brand development

图4 设计师品牌利润仿真示意
Fig.4 Profit simulation diagram of designer brand

将模拟数据与来自专家访谈及实地调研的真实数据进行对比(表5),计算得到发展费用与利润各季度数据对比的平均误差,分别为0.335%与0.153%,具体误差均控制在3.5%以内,说明仿真结果与企业实际的运营情况较为一致。结合量纲一致性校验结果,证明设计师品牌子系统模型能较准确反映实际情况。

同理可获得Showroom、买手店子系统发展费用与利润的仿真图,对比模型仿真与企业实际季度数据发现,三个子系统模型均能准确反映企业实际的趋势走向,故认为设计师品牌买手产业链SD模型构建较为合理,可以为后续分析提供支持。

表5 品牌真实数据与仿真数据对比
Tab.5 Comparison of actual data and simulation data of the brand

时间费用/万元发展费用仿真费用误差/%费用/万元利润仿真利润误差/%2016年第三季度第四季度19.18720.43819.76319.9213.002-2.53019.72319.22419.40219.843-1.6283.2202017年第一季度第二季度20.15919.58219.80820.093-1.7412.61020.42119.89220.01520.092-1.9891.005平均值19.84219.8960.33519.81519.8380.153

3 产业链优化策略建议

从运作流程分析、建模到仿真案例可知,买手产业链是一个多变量的复杂整体。某个系统中简单的存量、流量连接起来呈现的是庞大、复杂且动态变化的系统。这种情况对于管理者而言,想要清晰定位当前问题,识别发展瓶颈并非易事。现存问题除了来自企业内部之外,还来自企业间的沟通协作。由于篇幅限制,本文基于产业链视角,对常见的企业运作模式提供具有普适性的优化解决方案。

3.1 基于瓶颈识别的优化思路

TOC理论认为,结合财务指标能衡量实现目标的业绩和效果,聚焦于企业系统的瓶颈识别与改善,可达到提高系统产出、各环节同步整体改善的目标[17]。1.3节中已得到产业链及子系统的KPI指标公式,这些通过数学方法由上级指标所得到的公式可计算其子系统的运作效率。因此,本文通过调整主要变量的投入比例,观察相应KPI指标的变化,判断变量本身的变化对系统运作效率的影响程度,并结合买手产业链的实际运作困难,提出有针对性的优化方案。

本文假定所有资源投入改变均在企业可承受范围之内,不受到客观条件约束。为计算资源投入比例改变对设计师品牌吸引力、Showroom服务水平和店铺销售能力的影响,需要找出能直接改变资源投入数值的变量,即实际运营中,直接受到资源配置影响的源头变量。由KPI计算公式可知,设计师品牌吸引力受产品吸引力和设计师研发能力的影响,根据图2所示,这两个影响因素的源头变量为产品研发投入和设计师薪资投入。同理可得其他KPI指标的源头变量(表6)。

表6 各子系统KPI变量对应源头变量
Tab.6 Source variables of KPI variables in each subsystem

子系统KPI指标源头变量设计师品牌子系统设计师品牌吸引力产品研发投入设计师薪资占比Showroom子系统Showroom服务水平开发新客户投入客户维护费用员工薪资投入物流投入买手店子系统店铺销售能力店员薪资投入订货投入

3.2 产业链瓶颈的定量识别

对系统变量进行灵敏度分析可定量识别系统瓶颈,某变量灵敏度高则预示着在实际情况下,若干扰或改变对该变量的作用,将对系统产生较大影响。基于这一思路,用局部灵敏度系数Si表示源头变量(资源投入量)变化对产业链KPI变化的影响程度,以识别系统瓶颈。灵敏度Si的表达式为:

(1)

式中:Si为灵敏度系数;P0为变量的初始值;Y0为模型初始KPI值;Pi为变量第i次运行值;Yi为模型第i次运行的KPI值。

数据结合2.1节表4中的变量初始值P0,还有由此用公式计算得到的KPI初始值Y0,通过Vensim软件计算运行值PiYi,再由灵敏度Si公式得出各KPI指标的灵敏度系数(表7)。

表7 不同资源投入下的KPI灵敏度(部分)
Tab.7 KPI sensitivity under different resource inputs (partial)

变量名变量初始值资源投入/%KPI指标灵敏度/%BASSSCOE设计师品牌产品研发投入6.1921450.436——0.0945.5521300.116——0.0914.9111150.029——0.1093.630850.000——0.1002.989700.058——0.1092.349550.087——0.100平均值4.2711000.121——0.101设计师品牌薪资投入3.3341455.053——0.0912.9891302.526——0.1002.6441150.673——0.1091.955850.589——0.0911.610702.526——0.0961.265555.559——0.094平均值2.3001002.821——0.097

:1)BA为Brands Attraction,即设计师品牌吸引力;2)SS为Showroom Service,即Showroom平台服务水平;3)SC为Sales Capability,即店铺销售能力;4)OE为Operation Effect,即买手产业链运作效率。

取各变量的KPI灵敏度平均值,并进行降序排列(表8)。结果表明,改变对Showroom平台的资源投入比例也将影响买手店及品牌方,对产业链运作和发展有强烈影响;买手店因作为零售终端直面市场,是整条产业链的收益来源,改变资金投入对店员服务水平和商品吸引力有重要影响;而对于设计师品牌方而言,小众的设计能否适应市场审美、品质能否令市场满意更为重要,一味改变对产品研发和设计师薪资的投入而无法满足市场需求的话,仍无法令品牌得以发展。

表8 KPI指标灵敏度对比
Tab.8 Comparison of KPI indicator sensitivity

子系统变量名KPI指标灵敏度/%BASSSCOEShowroom开发客户投入客户维护费用员工薪资投入物流投入————46.87727.1436.99711.629————45.23926.19316.84811.224买手店买手店店员薪资投入买手店订货投入————8.7848.4360.1450.142设计师品牌产品研发投入0.121——0.101薪资投入2.821——0.097

3.3 产业链视角下的优化策略

结合麦肯锡矩阵思想[18],对买手产业链的优化方案进行系统分类。根据灵敏系数大小和资源投入比例,将优化方案分为八个区域(图5)、六类策略(改造、投资、节约、忽略、调控、规避),结合产业链现状提出优化方案以提升利益空间。

图5 优化策略的麦肯锡矩阵
Fig.5 McKinsey matrix of optimization strategy

根据表7中已获得的KPI灵敏度大小,将八个变量分为高灵敏度和低灵敏度两类。根据六类策略及已划分的麦肯锡矩阵(图5),得到八个变量适配的优化方案(表9)。

表9 源头变量的优化策略
Tab.9 Optimization strategy for source variable

子系统主要变量优化策略改造投资节约简化调控规避Showroom开发新客户投入√客户维护投入√物流投入√员工薪资投入√买手店店员薪资投入√订货投入√设计师品牌设计师薪资投入√产品研发投入√

因买手店和设计师品牌子系统的KPI灵敏度均小于1,因此将其优化方案归为低灵敏度方案一类;反之,Showroom子系统的KPI灵敏度数值和差异较大,故将Showroom平台子系统优化方案归为高灵敏度方案。

3.4 基于产业链协作的具体优化建议

3.4.1 设计师品牌优化策略

研发高质量且有设计感的产品、提升品牌知名度和形象是品牌发展的核心及首要任务,这些也是资金投入最大的部分,因此提升产品研发的资金投入意义重大。每季产品在追求个性化的同时也要兼顾市场价值。由表8可知,设计师薪资投入远大于产品研发投入的变化对设计师品牌子系统的影响。品牌价值需要通过设计风格和产品,甚至是设计师本身来体现。增加设计师薪资投入有助于对设计师的工作产生激励,薪资不足而导致设计师频繁离职不利于品牌风格、知名度的塑造,还会增加企业对新设计师的培训投入。因此提高设计师薪资或采用绩效提成方式,既能在企业财政负担范围内,又能规避设计师离职带来的负面影响。

3.4.2 Showroom平台优化策略

Showroom平台作为整个买手产业链的中介,其中四个源头变量的KPI灵敏系数均大于10%。比起投入大量资源发掘新客户,更重要的应是分析业务开展的可能性与有效性。维护现有客户方面应适当加大投资,除了为设计师品牌宣传并举办秀场活动、邀请买手订货等常规业务,也可委派专人协助买手店处理经营难题。对买手和设计师开展培训与讲座,既帮设计师了解市场,也增强买手对品牌及产品的理解,通过增进沟通确保业务合作的高效。

高效、安全的物流也是产业链运营活动的重要一环。根据表9的分析,物流应进行“节约”优化,即在保证适当预算的情况下选择更好的物流公司。员工薪资方面采取“简化”优化,即精简编制,增加物质奖励以提高员工忠诚度和工作热情,降低员工流动性。定期举办团建活动强化员工关系,营造良好的企业文化和工作氛围,将有助于减少员工流动率。

3.4.3 买手店优化策略

营销采用“简化”优化,即精简部分业务或与其他业务合并,甚至可以业务外包,以降低成本提高收益。从投入产出的角度,利用低成本、高效率的网络手段开展营销活动,对买手店的发展十分有益。另外,买手对于买手店的运营发展影响重大。采取“调控”买手薪资的优化策略,建立绩效制度,提升买手业务能力;另一方面,鼓励员工以折扣价格购买滞销产品降低库存。店铺运营中重视培养员工的专业知识技能及服务水平,发展会员制增强用户黏性,也有利于充分了解并发掘顾客需求。

3.4.4 产业链优化策略仿真

在表9的优化策略基础上,以15%的比例改变对各变量的资源投入(表10),初始值同上。

表10 优化资源投入
Tab.10 Optimizing resource input

子系统变量名称初始值/万元优化比例/%优化值/万元设计师品牌产品研发投入4.271-153.630薪资投入2.299152.645Showroom开发客户投入1.600-151.360客户维护费用6.800157.820员工薪资投入6.400157.360物流投入3.400153.910买手店订货投入127.545-15108.413店员薪资投入2.400152.760

由买手产业链视角出发进行整体优化,对比优化前后的产业链运作效率(图6)。

图6 产业链优化前后的对比
Fig.6 Comparison before and after industry chain optimization

从整体协作角度,对品牌产品研发投入、Showroom客户开发投入、买手店订货投入采取负优化策略。结合3.4.1~3.4.3中分析,设计师品牌在产品研发阶段应充分参考Showroom提供的买手订货情况及买手店销售数据,制定符合市场需求的产品企划和展示策略;Showroom应积极维护并服务好已有客户,充分发挥纽带作用,逐渐丰富设计师品牌和买手店客户资源,实现精准对接的平台优势;另外,买手店应及时与Showroom沟通解决货品及物流等问题,在业务开展过程中逐渐增加自身对设计师品牌风格和产品相关知识的了解,便于店铺长远发展。三方积极遵守合作协议,在各司其职的同时加强沟通,共享市场、消费者信息等有利于三方联动的资源、数据,促进买手产业链良性发展。

由图6对比结果可知,三者通过有效协作策略使得优化后的产业链运作效率有了明显提升,优化结构较合理。从第8个月开始,优化前后的运作状况变化趋势趋同,通过改变资源投入进行优化具有上限,产业链本身有无法人为操控因素的限制,并非通过单方面改变资金投入便可提高产业链运作效率,需结合实际选择合适的优化组合方案。

4 结 语

1)构建系统动力学模型并建立模型绩效评价指标。本文构建了买手产业链系统动力学模型,并结合实例D企业进行仿真,验证了该模型的适用性。认为该产业链由设计师品牌、Showroom、买手店三个子系统构成,通过层次分析法计算权重,获得对产业链运营效率有重要影响的因素为设计师品牌吸引力、Showroom服务水平和店铺销售能力,这三项指标可作为各子系统的KPI指标。三者通过不同权重组合能评估买手产业链运作效率,其中Showroom服务水平对整个产业链影响最大。

2)买手产业链瓶颈识别。结合TOC理论,认为传统财务指标和有效产出、库存、运营费用等资源投入的结合,可准确衡量业绩目标的实现程度及效果。通过计算各指标的源头变量对产业链KPI的灵敏度,得到各子系统瓶颈变量分别为:设计师品牌的产品研发投入、设计师薪资投入;Showroom平台开发和维护客户的投入、员工薪资及物流投入;买手店订货投入和店员薪资水平。其中Showroom平台中主要变量的灵敏度远大于其他两个子系统。

3)产业链视角下各子系统及互相协作的优化策略建议。依照变量灵敏度系数及现有的资源投入,结合麦肯锡矩阵匹配合适的优化方法,提出提高设计师设计能力和工作意愿;加强Showroom的整合能力,以及协调品牌与买手店业务合作的水平,培养专业人才;买手店采用部分业务外包并提升营销能力,注重买手人才的发展等优化方案;对品牌产品研发投入、Showroom客户开发投入、买手店订货投入采取负优化策略。并认为三方加强沟通配合、信息资源共享有利于实现产业联动。再根据具体优化方法适当调节资源投入比例,并进行仿真模拟。结果表明,优化方案对产业链运作效率的提升有明显成效,但改变资源投入的优化方法具有局限性,若在达到上限后还继续增加或减少投入会造成资源浪费并产生负担,引发其他问题。

4)局限。本文构建了具有一定普适性的买手产业系统动力学模型,但改变的资源投入主要为资金投入,而实际运作中的资源还包括信息、人力等资源,并且受到政策、资源及企业财力的约束,这类因素将如何影响产业链运作效率仍有待探讨。

参考文献:

[1]戴运帆. 中国服饰企业买手运营模式研究[D]. 北京: 北京服装学院, 2016.

DAI Yunfan. Research on the Application of the Buyer Operation Mode of Chinese Clothing Enterprises [D]. Beijing: Beijing Institute of Fashion Technology, 2016.

[2]任力, 刘海娟. Showroom模式下的服装买手与设计师服务满意度实证研究[J]. 纺织学报, 2017, 38(1): 157-162.

REN Li, LIU Haijuan. Empirical research on service satisfaction between fashion buyer and designer under Showroom system [J]. Journal of Textile Research, 2017, 38(1): 157-162.

[3]王慧. 三种推广模式对独立设计师品牌影响动因研究[D]. 杭州: 浙江理工大学, 2016.

WANG Hui. Three Promotion Modes of Independent Designer Brands Influence Motivation Research [D]. Hangzhou: Zhejiang Sci-Tech University, 2016.

[4]杜公朴, 夏大慰. 现代产业经济学[M]. 上海: 上海财经出版社, 1999: 23.

DU Gongpu, XIA Dawei. Modern Industrial Economics [M]. Shanghai: Shanghai University of Finance and Economics Press, 1999: 23.

[5]陈国卫, 金家善, 耿俊豹. 系统动力学应用研究综述[J]. 控制工程, 2012, 19(6): 5-12.

CHEN Guowei, JIN Jiashan, GENG Junbao. Application research overview of system dynamics [J]. Control Engineering of China, 2012, 19(6): 5-12.

[6]何粒群, 李秋霞, 戴宏钦. 国内服装设计师品牌发展策略探索[J]. 现代丝绸科学与技术, 2018,33(2): 25-28.

HE Liqun, LI Qiuxia, DAI Hongqin. The exploration of the brand development strategy of the domestic garment designers [J]. Modern Silk Science & Technology, 2018,33(2): 25-28.

[7]王晶晶, 杨以雄, 叶琪峥, 等. 设计师品牌买手店O2O营销模式[J]. 纺织学报, 2018,39(1): 146-151.

WANG Jingjing, YANG Yixiong, YE Qizheng, et al. O2O marketing mode of designer brands selecting shop [J]. Journal of Textile Research, 2018,39(1): 146-151.

[8]叶琪峥, 周志鹏, 邵丹. 如何开家设计师品牌买手店[M]. 上海: 东华大学出版社, 2016.

YE Qizheng, ZHOU Zhipeng, SHAO Dan. How to Open a Designer Brands Select Shop[M]. Shanghai: Donghua University Press, 2016.

[9]张婷, 胡守忠. 基于扎根理论的服装企业买手运营模式研究[J]. 丝绸, 2018, 55(1):41-47.

ZHANG Ting, HU Shouzhong. Study on garment enterprise buyer operation mode based on the grounded theory [J]. Journal of Silk, 2018, 55(1):41-47.

[10]徐念, 张彤, 王渊, 等. 服装供应链系统动力学仿真[J]. 纺织学报, 2015, 36(4):153-158.

XU Nian, ZHANG Tong, WANG Yuan, et al. Simulation of garment supply chain based on system dynamics [J]. Journal of Textile Research, 2015, 36(4):153-158.

[11]孙承志,马杰. 基于系统动力学的长春市CZ公司服装物流仿真研究[J]. 经济研究导刊, 2012(11): 52-53.

SUN Chengzhi, MA Jie. Simulation study on the clothing logistics Changchun CZ company based on the system dynamics [J]. Economic Research Guide, 2012(11): 52-53.

[12]赵纹硕, 王玲, 李敏, 等. 服装企业O2O零售决策模型构建与实证分析[J]. 丝绸, 2018, 55(1): 48-55.

ZHAO Wenshuo, WANG Ling, LI Min, et al. Modeling and empirical study of O2O retail decision-making in apparel enterprises [J]. Journal of Silk, 2018, 55(1): 48-55.

[13]殷荣伍. 美国顾客满意度指数述评[J]. 世界标准化与质量管理, 2000(1): 7-10.

YIN Rongwu. Evaluation of American customer satisfaction index[J]. World Standardization and Quality Management, 2001(1): 7-10.

[14]王其藩.高级系统动力学[M]. 北京: 清华大学出版社,1995.

WANG Qifan. Advanced System Dynamics [M]. Beijing: Tsinghua University Press, 1995.

[15]LYNEIS J M, FORD D N. System dynamics applied to project management:a survey, assessment, and directions for future research [J]. System Dynamics Review, 2010, 23(2/3):157-189.

[16]SARGENT R G. Verification and validation of simulation models [J]. Journal of Simulation, 2013, 7(1):12-24.

[17]LANCZYCKI Jhon J Jr. Manufacturing at warp speed: optimizing supply chain performce [J]. Quality Progress, 2002(2):101.

[18]SHEN L, ZHOU J, SKITMORE M, et al. Application of a hybrid Entropy-McKinsey matrix method in evaluating sustainable urbanization: a China case study [J]. Cities, 2015, 42:186-194.

Construction and empirical study of designer brand buyer industry chain model

LI Min1,2, ZHU Wenhe1a, LIANG Yuanfang1a

(1a. College of Fashion and Design; 1b.Key Laboratory of Clothing Design and Technology, Ministry of Education, Donghua University, Shanghai 200051, China; 2.Shanghai Institute of Design and Innovation, Tongji University, Shanghai 200092, China)

Abstract: For promoting development of the buyer industry chain consisting of minority designer brands, Showroom and buyer shops, the system dynamics method was used to build a relevant model so as to identify the development bottleneck from the perspective of industry chain and provide the optimization strategy for enterprises. By means of literature research, enterprise practice and in-depth interviews, we sorted out the indicators which had a direct impact on the overall operation in the industry chain and calculated the weights. Vensim was used to draw the stock-flow graph of the model. The correlativity was established and the validity was verified. The results showed that minority designer brand attraction, Showroom service level and store sales ability could be used as KPI indicators, in which Showroom service level had the largest influence on the operation of buyer industry chain. TOC theory and McKinsey matrix model were used to put forward several solutions to improve the overall efficiency of the industry chain and the operational efficiency of each subsystem, such as enhancing design competitiveness, improving specialty of business personnel and sharing information.

Key words: designer brand; Showroom; buyer industry chain; system dynamics; bottleneck identification

中图分类号: TS941.1;F270.3

文献标志码:A

文章编号:1001-7003(2019)04-0035-09

引用页码:041107

DOI: 10.3969/j.issn.1001-7003.2019.04.007

收稿日期: 2018-09-26;

修回日期:2019-03-12

基金项目: 上海高校知识服务平台(海派时尚设计及价值创造协同创新中心)资助项目(13S107024)

作者简介: 李敏(1970),女,教授,博士,主要从事服装产业经济的研究。