DOI: 10.12677/ecl.2025.143852, PDF, HTML, XML,  被引量   
作者: 李 杨, 赵煜彬：山东建筑大学商学院，山东 济南
关键词: 学生流量；消费意愿；影响因素；二元Logistic回归模型；营销策略；Students’ Traffic Flow； Consumption Intention； Influencing Factors； Binary Logistic Regression Model； Marketing Strategy

文章引用：李杨, 赵煜彬. 基于Logistic模型下的好特卖学生消费意愿及推广模式研究[J]. 电子商务评论, 2025, 14(3): 1544-1552. https://doi.org/10.12677/ecl.2025.143852

1. 引言

1.1. 研究背景

自公共卫生事件发生以来，临期食品行业凭借“甩货”优势呈现逆周期增长的新消费形态。艾媒咨询发布的报告显示：2021年临期食品行业加速发展，市场规模达318亿元，预计行业保持6%的增长率，2025年中国临期食品市场规模将达401亿元[1]。好特卖开辟了零售折扣店的全新赛道，品牌定位于汇聚全球好物的宝藏折扣店，产品主要以临期食品和日化用品为主，着眼整合过剩资源，打造低价连锁特卖店，为消费者提供极致性价比的消费新选择，同时给传统零售行业带来了颠覆与变革。

传统零售行业在我国经济发展中占据了重要地位，然而随着互联网的迅猛发展和消费者购物习惯的改变，特价零售行业以其独特的商业模式和销售策略，吸引着大量消费者的关注。但是目前对特价零售行业的学术研究相对较少，特别是针对单一校园市场的引流更为罕见，因此，本研究将着重从了解学生群体的消费观念和好特卖自身的优势出发，同时借鉴传统零售行业开拓校园市场的有效营销方式，对影响好特卖学生消费意愿的因素和能够有效激发并拉动学生消费动力的推广模式进行深入探讨，旨在为学生党实现消费自由，解决购买焦虑，同时推动企业实现宣传创新，拓展新型流量，加快传统零售行业转型，不断创造经济效益，领跑全新赛道。

1.2. 研究方法

本研究充分采用了文案调查法、深度访谈法和问卷调查法三种方法。通过发放电子版和纸质版问卷收集消费者(在本研究中主要指学生群体)的基本信息、消费意愿和反馈的有效推广模式，深入了解消费者需求、偏好和行为习惯。同时使用二元Logistic模型进行逻辑回归分析，得到影响好特卖学生消费意愿的12个关键因素及其显著性影响，从而针对性开发推广产品或服务的创新模式，制定有效的营销策略，提高销售和品牌影响力，打造竞争力品牌形象，提高品牌价值和忠诚度，抢占市场先机，提高市场份额。

2. 文献综述

2.1. 行业发展现状及驱动因素

目前临期食品行业已经形成规模化发展态势。据孙嘉轶(2022)与《临期消费冷知识报告》，截至2022年，淘宝平台已聚集近万家专业临期食品店铺，年度消费人群突破210万人次[2]。刘卓澜(2023)预计中国临期食品市场规模将达401亿元[3]，反映出行业正处于高速增长期，年均复合增长率保持在15%~20%。但侯佳(2023)提出行业普遍面临供应链脆弱性问题——头部企业库存周转天数仍高于普通商超20%~30%，且存在区域性供需失衡[4]。

驱动行业快速发展的核心因素主要包含三个方面：一方面是消费降级趋势下“反向消费”兴起，陶力(2023)最新数据表明87.1%消费者将性价比作为首要考量[5]；另一方面是食品工业产能过剩产生供给端红利，我国每年因流通效率损失约12%的包装食品(中国食品工业协会，2021)；同时在环保政策推动下，商务部《反食品浪费工作方案》明确要求加强临期食品流通管理，形成政策利好。

2.2. 消费者画像与行为模式

现有研究显示临期食品消费呈现明显代际特征。王紫薇(2021)基于2020年调研指出主力消费群体为26~35岁(占比47.8%) [6]，19~35岁青年占比已升至65.5%，显示消费群体年轻化趋势显著。这种演变与Z世代消费观念的转变密切相关，他们既追求极致性价比，又强调消费行为的社会价值。

消费行为呈现“场景分化”特征：线上渠道以计划性囤货为主，客单价集中在50~100元区间；线下门店则承载即时性消费需求。但现有研究仅表明了消费群体的主要占比和趋势，对单个群体，特别是学生群体的消费意愿及影响因素等维度缺乏深度探讨。

2.3. 市场竞争格局与商业模式比较

当前市场已形成多元化竞争体系，线下赛道呈现“双雄并立”格局：以好特卖为代表的直营模式强调控品控价，SKU中30%为独家供应链产品；而小象生活等加盟模式侧重快速扩张，门店数量年增速超200%。线上渠道则分化出食品银行(公益性)、甩甩卖(B2B平台)、抖音直播(冲动消费型)三类业态。

在商业模式创新方面，头部企业呈现差异化策略：好特卖通过“动态定价系统”实现日级价格调整；零美优选则采取“临期品 + 美妆”的复合业态。但是目前对头部企业营销推广模式的研究较少，针对特定群体制定的差异化营销策略更是处于空白状态。

3. 样本选择与数据检验

3.1. 样本选择

本研究选取济南市历城区、长清区和章丘区三个主要高校分布区的在读大学一年级及以上的学生群体作为调查对象。为了使样本更具有代表性，本研究采用多阶段抽样。由于所选三个区域人数占比差异相对较大，故第一阶段采用分层定比进行分层抽样。第二阶段为了在有限的时间内获取足够的样本而采取简单随机抽样，从分层样本量中抽取被访者。结合以下公式计算最终需要调查的样本容量，

$n_1=\frac{Z_{\alpha /2}^2\pi \left(1-\pi \right)}{E^2}$ (1)

$n_2=Deff\times n_1$ (2)

$n=\frac{n_2}{r}$ (3)

• 其中 $n_1$ 为样本量， $Z_{\alpha /2}$ 为当置信度为 $1-\alpha$ 时Z统计量的值，E为极限误差， $\pi$ 为总体比例，Deff为设计效应，r为预计回答率。

• 步骤①：在95%的置信度( $\alpha =0.05$ )下， $Z_{\alpha /2}^2$ 取固定值1.96，设定极限误差E为5%，总体比例 $\pi$ 取0.5的前提下，计算得样本容量 $n_1=384.16\approx 384$ ；

• 步骤②：拟定设计效应 $Deff=1.026$ ，计算得样本容量 $n_2=393.984\approx 394$ ；

• 步骤③：拟定预计回答率 $r=95\%$ ，计算得最终需要调查的样本容量 $n=414.74\approx 415$ 。

综合实际情况，初步确定发放问卷415份，收回有效问卷386份。

3.2. 数据检验

本研究采用测量标准Cronbach’s α值来衡量。见表1：信度系数值为0.930，大于0.8，因而说明研究数据信度质量非常好，通过信度检验。

Table 1. Reliability Cronbach’s α coefficient table

表1. 信度Cronbach’s α系数表

项数	样本量	Cronbach’s α系数
12	386	0.930

同时采取KMO和Bartlett球形度检验的方法来分析问卷的效度。见表2：KMO检验的结果显示，KMO的值为0.872，同时，Bartlett球形检验的结果显示，显著性p值为0.000^***，水平上呈现显著性，拒绝原假设，各变量间具有相关性，因子分析有效，程度为适合。

Table 2. Validity Bartlett sphericity test table

表2. 效度巴特利特球形度检验表

KMO值		0.928
Bartlett球形度检验	近似卡方	3071.687
	df	66
	p值	0.000

4. 变量选择与模型设计

4.1. 变量选择与说明

1. 被解释变量

本研究的被解释变量Y为学生群体对好特卖的消费意愿，被解释变量的取值为0或1，0代表“不愿意到好特卖购物”，1代表“愿意到好特卖购物”。

2. 解释变量

本研究以好特卖自身优势为基础，结合新零售与传统零售行业的优秀营销模式的文献分析，选取“商品品质高，健康纯天然”“经济实惠，性价比高”“网红颜值，商品包装美观”“属于潮流‘热宠’新品”“产品极富理念内涵”“产品加入营销宣传造势”“被社交分享种草”7个变量作为主要解释变量。选取“距离近，耗时短，更方便”“可以直观的选择商品”“针对同一品牌产品具有周边超市3~4折的价格优势”“和同学一起的群体效应”“网红潮流且干净的店铺消费环境”5个变量为次要解释变量。对青少年群体在好特卖的购买意愿进行探讨，见图1。

Figure 1. Explanatory versus explained variables

图1. 解释变量与被解释变量

4.2. 模型选择——Logistic模型

Logistic模型适用于被解释变量为分类变量的分析，对于本研究而言，其中学生群体是否愿意到好特卖购物就是一个定性的二分类变量问题，因此，本次调查研究选用Logistic模型，尝试找出影响学生群体对好特卖的消费意愿的最关键因素，见图2。

Figure 2. Logistic model role

图2. Logistic模型作用

假设 $Y_i$ 和解释变量 $X_i$ 间存在着一种线性关系，即 $Y_i=\alpha +\beta X_i+{\epsilon }_i$ ，则：

$P\left(Y_i=1|X_i\right)=P\left[\left(\alpha +\beta X_i+{\epsilon }_i\right)>0\right]=P\left[{\epsilon }_i>\left(-\alpha -\beta X_i\right)\right]$ (1)

假设误差项 ${\epsilon }_i$ 服从Logistic分布，则：

$P\left(Y_i=1|X_i\right)=P\left[{\epsilon }_i>\left(-\alpha -\beta X_i\right)\right]=\frac{1}{{\text{e}}^{{\epsilon }_i+1}}\left({\epsilon }_i\le \alpha +{\beta }_i\right),R\in \left[0,1\right]$ (2)

形状为S形曲线，这一类函数为Logistic函数；将 ${\epsilon }_i$ 定义为一系列导致事件发生概率的线性函数，则有： ${\epsilon }_i=\alpha +\beta X_i$ 。

事件发生的概率为：

$P\left(Y_i=1|X_i\right)=P_i=1/\left(1+{\text{e}}^{-\left(a+\beta X_i\right)}\right)={\text{e}}^{\alpha +\beta X_i}/\left(1+{\text{e}}^{\alpha +\beta X_i}\right)$ (3)

事件不发生的概率为：

$P\left(Y_i=0|X_i\right)=1-P_i=1/\left(1+{\text{e}}^{a+\beta X_i}\right)=1-\left[{\text{e}}^{\alpha +\beta X_i}/\left(1+{\text{e}}^{\alpha +\beta X_i}\right)\right]$ (4)

事件发生与不发生的概率之比为：

$P_i/\left(1-P_i\right)={\text{e}}^{a+\beta X_i}$ (5)

这个比率为事件的发生比，对其取自然对数，可以得出：

$\ln \left(P_i/1-P_i\right)=\alpha +\beta X_i$ 记为 $\text{Logit}\left(P\right)$ (6)

当有n个解释变量时，回归模型为：

$\text{Logit}\left(P\right)=\ln \left[P_i/\left(1-P_i\right)\right]=\alpha +{\displaystyle {\sum }_{n=1}^n{\beta }_n{X}_{ni}}$ (7)

其中 $P_i=P\left(Y_i=1|X_{1i},X_{2i},X_{3i},\cdots ,X_{ni}\right)$ 表示为在给出的各个解释变量 $X_{1i},X_{2i},X_{3i},\cdots ,X_{ni}$ 的值时发生的概率[7]。

4.3. 模型构建

本研究利用SPSS26软件，选用Logistic回归模型，对“学生群体对好特卖的购买意愿”的12个影响因素进行回归分析。因变量取值为0或者1，是虚拟的二分变量，且受多因素影响，Logistic模型在此种情况下适用性最佳。具体模型如下：

$P_i=F\left(Y\right)=F\left(\alpha +{\displaystyle {\sum }_{j=1}^n{\beta }_j{X}_j}\right)=\frac{1}{1+{\text{e}}^{-\alpha -{\displaystyle {\sum }_{j=1}^n{\beta }_j{X}_j}}}$ (8)

公式中， $P_i$ 为第i个学生群体愿意到好特卖购物的概率， $\alpha$ 为(截距项)常数， ${\beta }_j$ 为回归系数， $X_{ij}$ 为影响学生群体i“到好特卖购买意愿”的第j个自变量，n为解释变量个数。 $1-P_i$ 为不愿意购买的概率， $\frac{P_i}{1-P_i}$ 为愿意购买发生的比。对上述公式(8)取对数，得到Logistic回归方程如下：

$\ln \left(\frac{P_i}{1-P_i}\right)=\alpha +{\displaystyle {\sum }_{j=1}^n{\beta }_j{X}_j}$ (9)

5. 模型研究结果分析

本研究结果采用二元Logistic回归对主要数据进行分析。因为选取的自变量中有些变量可能与因变量不相关，且自变量之间也可能存在一定的相似性，这都会对Logistic二元回归结果产生影响。所以为了确保模型的合理性，首先通过SPSS软件中的相关分析功能，将自变量X与因变量Y进行相关分析，可得到自变量与因变量的Pearson相关性。对相关性显著的自变量进一步通过二元相关系数诊断共线性，存在共线性的变量只保留一个，排除变量之间存在多重共线性的情况，一般认为容忍度小于0.20是多重共线性存在的标志，小于0.1说明多重共线性很严重。见表3：统计结果中，变量VIF值均小于5，且容差大于0.2，所以变量之间不存在共线性问题。

下面是二元Logistic回归模型似然比检验结果，见表4。

见表5：对p值进行分析，该值小于0.05，则说明模型有效。

此处模型检验的原定假设为：模型拟合值和观测值的吻合程度一致。这里p值大于0.05 (Chi = 10.344, p = 0.242 > 0.05)，因而说明接受原定假设，即说明本次模型通过HL检验，模型拟合优度较好。

Table 3. Variable collinear diagnosis table

表3. 变量共线性诊断表

项	VIF值	容忍度(Tolerance)
商品品质高，健康纯天然	3.467	0.288
产品加入营销宣传造势	1.902	0.526
网红颜值，商品包装美观	2.025	0.494
属于潮流“热宠”新品	3.241	0.309
产品极富理念内涵	1.746	0.573
经济实惠，性价比高	4.473	0.224
被社交分享种草	2.007	0.498
距离近、耗时短、更方便	3.844	0.260
可以直观的选择商品	3.142	0.318
针对同一品牌产品，具有周边超市3~4折的价格优势	2.456	0.407
和同学一起的群体效应	2.539	0.394
网红潮流且干净的店铺消费环境	1.245	0.803

Table 4. Table of the results of the likelihood ratio test of the binary Logistic regression model

表4. 二元Logistic回归模型似然比检验结果表

模型	−2倍对数似然值	卡方值	df	p	AIC值	BIC值
仅截距	532.454
最终模型	62.777	469.677	14	0.000	92.777	152.114

Table 5. Hosmer-Lemeshow fit test table

表5. Hosmer-Lemeshow拟合度检验表

χ2	自由度df	p值
10.344	8	0.242

6. 模型研究结论

本文根据SPSS软件进行多元有序Logistic回归分析的结果，确定了各因素对学生群体消费意愿的影响程度，并对所有变量进行回归，最后得出回归分析的结论，见表6。

模型结论：

1. 商品品质高、健康纯天然，通过了1%显著性检验，且为正面影响，以及优势比(OR值)为2.664，意味着其每增加一个单位，好特卖购买意愿的变化增加2.664倍。

2. 产品加入营销宣传造势，没有通过显著性检验，是正面影响但对好特卖购买意愿没有较强影响。

3. 属于潮流“热宠”新品，通过了10%显著性检验，且为正面影响，以及优势比(OR值)为1.799，意味着其每增加一个单位，好特卖购买意愿的增加1.799倍。

4. 网红颜值，商品包装美观，通过了10%显著性检验，且为正面影响以及优势比(OR值)为0.771，意味着其每增加一个单位，好特卖购买意愿的变化增加0.771倍。

5. 产品极富理念内涵，通过10%的显著性检验，但为负面影响，以及优势比(OR值)为0.572，意味着其每增加一个单位，好特卖购买意愿减少了0.572。

Table 6. Summary of the results of the binary Logistic regression analysis

表6. 二元Logistic回归分析结果汇总

项	回归系数	标准误	z值	Wald χ2	p值	OR值	OR值95% CI
商品品质高，健康纯天然	0.980	0.367	2.699	7.124	0.008	2.664	1.297~5.469
产品加入营销宣传造势	0.185	0.299	0.618	0.382	0.536	1.203	0.669~2.163
属于潮流“热宠”新品	0.587	0.321	1.828	3.342	0.068	1.799	0.959~3.377
网红颜值，商品包装美观	0.260	0.345	0.753	0.567	0.071	0.771	0.392~1.517
产品极富理念内涵	−0.558	0.328	−1.699	2.887	0.089	0.572	0.301~1.089
经济实惠，性价比高	0.868	0.338	2.573	6.618	0.010	2.383	1.230~4.619
被社交分享种草	−0.304	0.307	−0.988	0.975	0.323	0.738	0.404~1.348
距离近、耗时短、更方便	0.533	0.275	1.939	3.759	0.053	1.704	0.994~2.920
可以直观的选择商品	0.192	0.357	0.539	0.290	0.590	0.825	0.410~1.662
针对同一品牌产品，具有周边 超市3~4折的价格优势	0.421	0.316	1.334	1.780	0.082	1.524	0.821~2.828
和同学一起的群体效应	0.363	0.320	1.134	1.287	0.077	1.437	0.768~2.689
网红潮流且干净的店铺消费环境	0.015	0.274	0.056	0.003	0.955	0.985	0.575~1.685
截距	−6.967	1.113	−6.262	39.217	0.000	0.001	0.000~0.008

因变量：您是否愿意到好特卖购物？McFadden R方：0.882；Cox & Snell R方：0.704；Nagelkerke R方：0.941。

6. 经济实惠，性价比高，通过了1%显著性检验，且为正面影响，以及优势比(OR值)为2.383，意味着其每增加一个单位，好特卖购买意愿的增加2.383倍。

7. 被社交分享种草，没有通过显著性检验，而且为负面影响。

8. 距离近、耗时短、更方便，通过了5%显著性检验，且为正面影响，以及优势比(OR值)为1.704，意味着其每增加一个单位，好特卖购买意愿的变化增加1.704倍。

9. 可以直观地选择商品，为正面影响，但不成显著性。

10. 针对同一品牌产品，具有周边超市3~4折的价格优势，通过了10%显著性检验，且为正面影响，以及优势比(OR值)为1.524，意味着其每增加一个单位，好特卖购买意愿的增加1.524倍。

11. 和同学一起的群体效应，通过了10%显著性检验，且为正面影响，以及优势比(OR值)为1.437，意味着其每增加一个单位，好特卖购买意愿的增加1.437倍。

12. 网红潮流且干净的店铺消费环境，为正面影响但不成显著性。

7. 宣传建议

7.1. 宣传方式：创新宣传策略，优化传播方式

7.1.1. 线下宣传：利用现有资源，迎合学生喜好

(1) 宿舍闸机媒体宣传 利用宿舍楼闸机的位置和频繁使用的特点，将广告信息直接呈现给目标受众。根据市场调研结果，发现学生群体对好特卖践行环保理念和经济实惠的品牌内涵极为推崇，因此可以在宿舍的闸机海报上添加“北极熊”“地球”等环保元素，添加“让省钱像呼吸一样”“挑战地板价”和“宝藏折扣店”等关键词，充分吸引学生党的眼球，突出产品特点、传递品牌形象，提升广告的可读性和可理解性。

(2) 利用品牌IP实体 在操场等校园人流量较大的区域进行玩偶互动或游校园活动，同时不定时发放小礼品增加品牌好感度。

(3) 设立快闪店 在校园人流量较大的位置设立快闪店，设计互动体验环节，限时打折，分发赠品，扩大品牌曝光度和口碑传播。

(4) 与学生会和学生社团合作 加强与学生间的沟通，联合举办活动，如联合街舞社举办随机舞蹈活动、联合二次元动漫社摆外场，吸引学生注意力，提高品牌知名度。

7.1.2. 线上宣传：打破传统模式，传播集市文学

为了深度对接学校学生群体，不仅可以在微信、抖音和小红书等社交媒体上发表推文和宣传视频，同时还可以充分发挥学校校园集市APP的广泛覆盖优势，巧妙运用各种引人注目的标题和段落，从激发学生的好奇心入手，逐步引导他们了解品牌特色产品，并深入传递品牌价值理念。

7.2. 商品选择：秉持客户至上，迎合客户需求

随着互联网的快速发展，传统零售业的升级改造已成为必然趋势。体验消费、个性化定制、大数据应用将成为传统零售业新的法宝[8]。通过收集社交和电商平台上的消费者数据，结合线下门店的消费记录，深入分析购买趋势，并建立数据存储系统。这有助于转变营销模式，使客户成为主体[9]。

市场调研结果显示，当前学生群体对于零食饮料的热爱程度较高，其中包括各种方便素食和酒水饮料，因此，这些产品有望成为我国校园零售店——好特卖的网红商品。在此背景下，好特卖应当抓住机遇，充分发挥自身优势，以满足学生群体的消费需求。在商品选择上，好特卖可以进一步丰富零食饮料的种类，引进具有较高口碑和知名度的方便素食和酒水饮料，为学生提供更多选择。同时也应注重购物环境的舒适度和商品的多样性，为消费者打造一处温馨、舒适的购物空间。

参考文献

[1]	吴志红, 舒孟霞. 临期食品利用的质量问题与监管研究[J]. 粮油食品科技, 2022, 30(6): 46-51.
[2]	孙嘉轶, 王小飞, 滕春贤. 基于消费者效用的临期产品销售渠道选择及捆绑销售策略研究[J]. 管理学报, 2024, 21(9): 1401-1410.
[3]	刘卓澜, 胡静蓉. 好特卖开放加盟临期食品赛道拥挤[N]. 北京商报, 2022-08-19(005).
[4]	侯佳, 程直. 临期食品生意不“香”了? [N]. 重庆商报, 2021-11-01(001).
[5]	陶力, 易佳颖, 沈欣妍. 好特卖张宁: 要成为生态链里不可或缺的环节[N]. 21世纪经济报道, 2023-11-21(011).
[6]	王紫薇. 年轻人“实力抠”造就千亿生意: 卖临期商品也能赚大钱, 还想干掉便利店[N]. 每日经济新闻, 2021-08-24(005).
[7]	王济川, 郭志刚. Logistic回归模型——方法与应用[M]. 北京: 高等教育出版社, 2001.
[8]	周雨航, 张浚哲. “互联网+”背景下传统企业转型及品牌营销创新策略研究——以“洽洽食品”为例[J]. 经济研究导刊, 2020(3): 48-49+61.
[9]	孙奎. 基于大数据的新零售营销管理创新研究[J]. 营销界, 2021(Z4): 75-77.