上个月亚马逊137亿美元收购Whole Foods Market（全食超市，下文简称WFM）的新闻刷爆了网络。

大家对这笔收购的原委，做了多种猜测，有人说亚马逊是为了进入生鲜市场，有人说是为了借助WFM的地产布局为货物到家投递提供便利，还有的解释是贝索斯想把云计算推进到线下等等。毕竟线下零售的生意首先还是位置，那么我们今天就从地理的角度来研究亚马逊的这笔收购究竟看重的是什么？

首先需要指出的一个背景是，WFM最近4年来的业绩不佳，这已是公认的事实。股价一度从接近70美元变成长期在30多美元的价格区间徘徊。几乎每个季度的财报之后，都会传出股东对其表现不满意，希望有明显的变化，包括私有化和出售的声音。

所以WFM的这笔收购，对于熟悉美国零售市场的专家而言，并没有什么特别的震撼，只是大家没有想到买家是电商巨头亚马逊而已。

全食超市过去四年股价，以及亚马逊收购之后的涨幅：

那么亚马逊是为什么看中了WFM，从而发起了收购呢？在专家解读中，最重要的一个观点是WFM在美国的460多家门店，是未来亚马逊实现更加快捷的送货上门服务的货物中转站，这将成为和沃尔玛竞争的重要武器。那么这460多家优化后的门店，是否能够担当这一的重任？

我们选取了WFM在美国所有的门店，然后对每个门店生成3英里半径和1小时开车距离的覆盖区域，并对出现大量重合的地方进行了合并。最后如下图所示。作为对比，我们选取了在美国更接近普通大众消费的Kroger超市做同样的分析。

Kroger是美国最大的生鲜超市（沃尔玛在美国被归为综合超市），年收入1153亿美元，有接近2800家各种门店，其中Kroger生鲜大卖场大概1500家左右。就数量而言，要比全食超市多很多。

值得注意的是，目前Kroger的市值大约在200亿，自从亚马逊宣布了收购了，他的市值已经跌去了近1/4。有意思的是，在7月7日爆出的亚马逊收购WFM前前后后的故事里，Kroger也是被曝的有可能收购WFM的7家机构之一。

全食超市及其1小时开车覆盖区域：

Kroger超市以及其1小时开车覆盖区域： 

从地图上我们可以看到，虽然Kroger超市门店数量超过WFM三倍，但是他们大多偏于美国阿巴拉契亚山脉和中部大平原之间，对西海岸，东北纽约/波士顿地区和东南沿海的覆盖很差。而WFM的选址则非常巧妙的涵盖了所有美国大都市区域。

3英里覆盖半径人口收入：

从3英里半径的角度出发（因为从消费者去生鲜超市采购食材等，3英里是一个可以接受的范围）我们可以看到两者覆盖的家庭和人口数量非常接近，收入上WFM要高于Kroger接近30%，符合他高端有机超市的形象。有意思的是，WFM覆盖的家庭数量稍多于Kroger，但是人口总量略少，说明他的客群里小家庭/单身/高收入的比例要稍高。

1小时覆盖半径人口收入：

从开车1个小时的角度出发，假设亚马逊选择这些门店，是为了完善物流体系提供更加便捷的送货上门服务，特别是生鲜食材的速递。我们发现相对于三倍体量的Kroger超市，WFM的优势巨大，他覆盖的人口数量达到2.3亿，占到美国总人口3.2亿的72%。

而他总的覆盖面积只有100万平方公里，仅占美国总面积的10%。这72%的人群，有可能就是亚马逊眼里最有价值的消费群体。

有研究猜测，亚马逊的付费Prime用户的分布和WFM重合度很高。地图和数据证明Kroger超市门店数量虽然多，但是由于在刚开始规划的时候，缺乏最优化的思想，仅仅看着每个门店周围人群是否合适，本身的房地产质量如何，使其陷入了对局部个体的研究。在传统线下零售占据主导的过去，通过加大开店密度，也许是个解决方案。但是在未来线上和线下零售多渠道结合的体系下，这种弊端一览无余。

亚马逊收购了WFM后，可以挑战沃尔玛线下门店的地位？这个并非是不可能的事情。

沃尔玛用了4600家门店，在其1小时开车的范围内几乎覆盖了美国100%的人群。10倍的门店数量，5倍的覆盖面积只增加了40%的覆盖人群。

而这9千万的人群，家庭收入中位数只有4万美元，只有WFM门店1小时覆盖区域人群家庭收入（8万2千美元）的一半。对于亚马逊而言，这部分人群极有可能是低价值人群，那么送货上门这项服务，特别是生鲜产品的速递服务，自然可以放弃了。

沃尔玛超市以及其1小时开车覆盖区域：

可以说，亚马逊的这次收购，并不是很简单的看重WFM的某一项，而是一个更加综合的考量。我们非常感慨WFM在选址上的功力，一方面顾及了客群的上门访问；另一方面用尽量少的门店，覆盖最多的客群，给生鲜食材送货上门这项服务打下了非常好的房地产基础。

这样比较看来，Kroger虽然门店数量远多于WFM，但是在这两个方面，他远不及WFM。而对于收购方亚马逊来说，Amazon Go这种无人管理和结帐的零售形态，面向WFM吸引的高学历高收入的客群，也是比较容易接受的。

现在全国上下都在谈新零售，马云认为：纯电商时代已经过去，未来十年、二十年没有电子商务这一说，只有新零售这一说，也就是说线上线下和物流必须结合在一起，才能诞生真正的新零售。亚马逊收购全食超市，给所谓的“新零售”做了一个完美的榜样。

我们在新闻里可以看到越来越多两者结合的思路：一边，京东说要建立100万家门店；罗森的老板重点强调，假如迅速铺开门店，那么意味着没有好好选址，选择了房租高的地方，会导致盈利困难。另一边，康师傅/百事集团也在为如何优化移动的仓储分散中心绞尽脑汁。

在新零售的框架下，不管是什么样的高科技企业，电商、便利店还是餐饮，最终都逃不了房地产选址这一步，无论是门店选址的优化还是仓储选址的优化。

一般选址的过程，商家会做一个宏观层面的预测，比方说今年要在全国新开200家门店，要在上海新开50家门店，根据一些宏观统计数据和企业的规划，可以做到大概的计算。

具体到微观层面，每一个具体地址好坏，也有各种各样的模型来指导评估，比如Huff模型，线性回归模型，近似模型，打分卡模型，甚至人工智能模型。目前困扰大家最多的话题是，假如我要开50家，那么我大概要开在哪里，如何分布最优。这个中观尺度的规划，是所有企业都缺乏的。这就是我们重点要谈的空间优化。

我们需要明白的一个事实是，绝大多数的门店/餐饮/网点，他们在自己辐射区域里，最关心的是核心60%-70%的客户。换句话说，在辐射区域之外的那些客户，大多是临时路过，出于商旅等和地理因素相关性较小的因素前来购物消费的，而这其中的部分情况往往是我们无法预测的。因此这部分客户不在主要研究范围内。

在下图里，我们依照人口普查的数据，采样了上海的人口分布，那些黄色的点，代表的就是消费人群，假设这个商家的客群是针对所有人群的。

在实际的工作中，客群的分布可以是通过线上零售商根据线上客户收货地址的地理编码，线下零售商根据已有客户填写的会员信息，或者门店调研信息获取。此外还有一种新的获取人群分布的方式，就是通过移动设备的信令数据或者从智能手机App中抓取的数据获取。

方案1：

假设商家要开7家店，每家店的辐射区域大小大概是10公里半径，那么如何分布，能够覆盖住尽可能多的客户？

根据最大覆盖的算法，基于已有备选的地址（通常称为种子），计算出如下的7个位置，最多可以覆盖到69%的客户。我们可以发现，浦江两岸集中了4家门店，嘉定，松江和临港地区分布了剩余的3家。值得注意的是奉贤，南汇和崇明岛并没有门店的分布。

根据人口/客群的分布，他们可以通过访问最近的门店来获得产品。对于商家而言，这69%的直接覆盖的核心区域里的客群，已经达到了他们的预计设想。

7家门店69%覆盖率：

方案2：

假设商家没有足够的资金开7家店，只能开5家，同样的辐射半径，那么门店的优化网络应该长什么样？我们根据同样的算法，得到了新的门店分布。

在减少了2家门店的情况下，我们发现，门店同样覆盖的客群，仅仅减少了7%。对于商家而言，如果62%的市场覆盖率足以满足他对核心客群的把控的话，那么在销售额的减少控制在一定范围内，假设上海各地租金都相同，则运营成本显著减少40%，足以把一个不盈利的经营模式，变成一个盈利的经营结果。 

是否有点眼熟？没错，这个门店优化的思路就是WFM全食超市的选址策略，用尽可能少的门店，去覆盖尽可能多的客群，减少店与店之间市场的相互蚕食。方案1里的布局已经是优化的结果，可以想象，假如开店不做规划，全凭拍脑袋决定地点，很有可能10个店的覆盖效果还不如方案2里5个店的效果佳。

5家门店62%覆盖率：

当然，这里假设的只是一个非常简单的零售场景。实际的情况要复杂的多。以下是可能的情况：

1. 假设零售商本来已有门店，那么优化的方式不再是我们所说的Greenfield优化（假设原先没有任何线下门店，一切都是空白重新来过，比如京东开店），而是Infill优化（假设线下已有布局，需要通过“关停并转”的方式重新布局，比如银行网点优化），需要我们在目前现有的布局下，见缝插针。这种时候为了保证现有门店的销售额不受影响，适当的建立起保护区域即可。

2. 随着城市的人口和POI密度的不同，每个店覆盖的区域也不尽相同。通常情况，密度大的地方，覆盖的区域也会小，但是覆盖的人群数量并不会有明显的变化。在这种情况下，可以根据不同的密度，调整覆盖区域的半径/开车时间/距离。

3. 零售商会有不同类型的门店，有些店是旗舰店，有些是社区店。那么随着功能的不同，营业面积的不同，依照重力模型的原理，每个店覆盖的区域大小也会不一致。针对这种情况我们同样可以在预先定义种子的时候，事先指定好类型。这样在优化的过程中，便可以随着不同的场景而变化。

值得注意的是，这里预先定义的种子地址，并不一定是一个准确位置，而是指导商家选址的一个区域。这个区域指的是在一个中观尺度里可以接受的范围，这个范围可能包含在一站路的距离里。商家需要在这个范围里，寻找在微观尺度上最佳的地址，充分考虑到各种房地产的因素，再做出最后的决定。

上面讲述的是门店的优化，仓储的优化类似而不完全相同，下图就是一个示例。这里我们考虑的不是如何让那60%-70%的客群访问方便，而是要照顾到所有的客群，优化仓库货车送货的总距离/时间，使其缩短到最小值，这就是经典的P-Median问题。所以优化的过程就要顾及到某些偏远的地区。

在这里假设的案例中，同样是优化7个地址，我们发现，崇明岛上有个属于自己的中转中心。上海最西南的奉贤地区也有了自己的仓储中心。对应的就是市区核心区域地点的减少。

当然，这里做的是直线距离，而不是考虑从路网结构中获得真实的驾驶数据，所以真实的情况会有很大的不同，此外实际的送递货物的过程，并不都是从仓储中心出发的，而是一个销售员旅行（travel salesmen problem）的过程，假设一次需要快递100家客户，如何设计路线，让总的旅行距离/时间最短。

这些都是可以通过空间优化的算法得出结论的。我们通过这个案例，希望给大家展现出，同样是空间优化，不同的目标方程，优化的结果也会有很大的不同。

方案3：

7家仓库的分布：

亚马逊收购全食超市的这个案例通过数学模拟的空间优化，可以清楚的看到以下三点，

1. 在新零售框架里，地理将会得到前所未有的重视。而每个新零售的经营者，不论过去是否熟悉位置这一话题，都将会重新或者更加科学的去看待位置在零售里的地位，就像沃顿商学院讲座教授大卫贝尔所著的Location is (still) everything。

2. 在地产成本和人力资源愈发昂贵的今天和未来，选址问题其实是财务问题。需要用最小的投入来获得相对高的收益。这也是像沃尔玛这样的企业，今年把房地产选址部门重组到财务部门的原因。

3. 对客群线下生活的理解，数据和算法将是未来的选址关键。无人零售店来了，传统门店里不可控的管理因素被标准化，这使得数据和算法更加准确的做布局优化和预测销售额成为现实。

回到我们开头的故事里来，在7月7日透露出来的大量亚马逊收购全食超市的幕后故事中，我们发现了很多有意思的话题，比如原本只有6家机构在台面上，其中包括4家私募基金和2家同行。

由于零售/连锁行业在传统上对企业IT信息化的轻视和运营管理上的滞后，一旦表现不佳就会被私募整体收购。压缩运营成本重新包装后再卖出，在美国私募业中非常普遍。著名的贝恩资本，TPG德州太平洋集团等都是个中的好手。

然而对于已经有着不错的运营的WFM而言，他们需要的不是私有化后的现金流。而同行的收购，通常会是地域上的互补。WFM对全美国中产以上家庭几乎无死角的覆盖，必然会有和同行现有门店出现大量的覆盖区域重合，这势必牵涉到关店调整等动荡，所以他并不符合同行收购的最佳利益。

恰恰是亚马逊的出现，在这次资本战役中，带来了线上线下零售结合的完美机遇，也带来了传统收购市场里不一样的新鲜力量。难怪WFM的CEO在收购后说，这是一见钟情。

这也留给我们的一个有趣的话题。假如在中国市场里京东阿里们，不想自己从头来慢慢搭建遍布全国的实体网络，那么哪一家零售商符合他们收购的最大利益呢？