EN中文

热带地理 >

2026 840 - 852

DOI: https://doi.org/10.13284/j.cnki.rddl.20250885

城市地理

城市直播电商类型的区位分布特征及其影响因素分异——以苏州市为例

  • 陆建城 , 1 ,
  • 蒋蝉禧 1 ,
  • 罗小龙 , 2, * ,
  • 郑皓 1
展开
  • 1. 苏州科技大学 建筑与城市规划学院，苏州 215000
  • 2. 南京大学 建筑与城市规划学院，南京 210000
罗小龙（1977—），男，陕西西安人，博士，教授，研究方向为区域规划与治理，E-mail：

修改意见提出，研究素材分析

陆建城（1990—），男，江苏苏州人，博士，副教授，研究方向为新经济空间治理，E-mail：

收稿日期: 2025-12-14

  修回日期: 2026-02-10

  网络出版日期: 2026-05-06

基金资助

国家自然科学基金资助项目（42301205）；江苏省研究生科研与实践创新计划项目（KYCX25_3593）；江苏省青年科技人才托举工程资助项目

版权

版权所有 © 2026 热带地理编辑部
收起

Differentiation in Spatial Distribution Characteristics and Influencing Factors of Urban Live-Streaming E-Commerce Types: A Case Study of Suzhou

  • Jiancheng Lu , 1 ,
  • Chanxi Jiang 1 ,
  • Xiaolong Luo , 2, * ,
  • Hao Zheng 1
Expand
  • 1. School of Architecture and Urban Planning, Suzhou University of Science and Technology, Suzhou 215000, China
  • 2. School of Architecture and Urban Planning, Nanjing University, Nanjing 210000, China

Received date: 2025-12-14

  Revised date: 2026-02-10

  Online published: 2026-05-06

Copyright

Copyright © 2026 Tropical Geography. All rights reserved.
Fold

摘要

文章以实体经济和直播电商深度融合的苏州市为例，基于电商主播空间坐标数据，从经济地理学的路径依赖与路径创造理论出发，分析城市尺度下不同类型直播电商的区位分布特征与影响因素分异。研究表明：1）苏州直播电商呈现“城区高度集中与郊区多点集聚”的分布格局，并表现出“产品基地导向与产业服务导向”并重的独特性，揭示了苏州直播电商是在传统制造业强路径依赖基础上，通过数字技术与政策干预实现路径创造的复合结果；2）不同类型直播电商的区位分布存在异质性，产地直播呈现“簇群+散点”特征、专职直播呈现“极核+多片”特征、实体直播呈现“轴向+分散”特征、档口直播呈现“核心+据点”特征、住区直播呈现“多片+分散”特征；3）产品生产、制度政策、产业基础、物流条件和产业服务对直播电商区位选择起主导作用，且不同类型直播电商区位分布的影响因素存在差异，其是“路径依赖”与“路径创造”在不同类型中作用方式异质性的微观体现。

关键词： 直播电商; 路径依赖; 路径创造; 区位选择; 苏州

本文引用格式

陆建城 , 蒋蝉禧 , 罗小龙 , 郑皓 . 城市直播电商类型的区位分布特征及其影响因素分异——以苏州市为例[J]. 热带地理, 2026 : 840 -852 . DOI: 10.13284/j.cnki.rddl.20250885

Abstract

With the rapid advancement of the internet and digital communication technologies, particularly the widespread adoption of mobile internet and short-video platforms, e-commerce has undergone a new wave of transformation, giving rise to live-streaming e-commerce. As an emerging business model that integrates platform-based live streaming with online retailing, live-streaming e-commerce has, through its distinctive interactivity and immediacy, profoundly reshaped consumer purchasing behavior in China and has become a major driver of the urban digital economy. Against this backdrop, the spatial distribution of live-streaming e-commerce has become an increasingly important topic in geography, particularly in economic geography. However, existing research largely relies on single theoretical perspectives and seldom integrates the analytical logic of path dependence and path creation. In particular, a systematic theoretical explanation and empirical evidence remain lacking regarding how live-streaming e-commerce in cities anchored in the real economy develops distinctive locational patterns through interaction with pre-existing industrial structures. To address this gap, this study draws on the economic-geographical perspectives of path dependence and path creation and considers Suzhou, where the real economy and live-streaming e-commerce are closely intertwined, as a case study. Based on the spatial coordinate data on anchors engaged in live-streaming e-commerce, this study investigates the locational patterns and differentiated determinants of different types of live-streaming e-commerce on the urban scale. The results show that, first, live-streaming e-commerce in Suzhou exhibits a spatial pattern characterized by a high concentration in the urban core and multiple clusters in suburban areas. It also reveals a distinctive dual orientation towards both production bases and industrial service functions, indicating that the development of live-streaming e-commerce in Suzhou is a composite outcome of strong path dependence rooted in traditional manufacturing and path creation enabled by digital technologies and policy intervention. Second, significant heterogeneity exists in the locational patterns of different types of live-streaming e-commerce: production-based live streaming exhibits a“clusters plus dispersed points”pattern; professional live streaming exhibits a“pole plus multiple zones”pattern; brick-and-mortar live streaming an“axis plus dispersion”pattern; stall-based live streaming exhibits a“core plus nodes”pattern; and residential live streaming exhibits a“multiple zones plus dispersion”pattern. Third, the determinants showed both hierarchical and type-specific differentiation. Overall, manufacturing base, institutional policy, industrial foundation, and logistics conditions are the principal factors shaping the locational distribution of live-streaming e-commerce. By type, production-based live streaming is mainly influenced by manufacturing base and logistics; professional live streaming by institutional policy and producer services; brick-and-mortar live streaming by transport and logistics; stall-based live streaming by wholesale markets and logistics; and residential live streaming by producer services, transport, and the cultural environment. This study shows that the digital economy does not disrupted the locational logic of traditional industries; rather, it evolves through deep interaction with and restructuring of local industries, institutions, markets, and socio-spatial environments. Therefore, the locational distribution of live-streaming e-commerce results from the joint operation of path dependence and path creation. These findings enrich the theoretical implications of economic geography in the digital era, and offer a new perspective for understanding the synergistic relationship between inherited local development trajectories and emerging innovation paths in urban digital economic development.

Key words： live-streaming e-commerce; path dependence; path creation; location choice; Suzhou

随着互联网信息技术的快速发展，特别是移动互联网和短视频平台的普及，电子商务领域迎来了新的变革与机遇，即直播电商（于天阳 等，2022）。作为一种融合平台直播与电子商务的新型商业模式，直播电商独特的互动性和即时性，深刻改变了国内消费者的购物习惯，更是成为推动城市数字经济发展的核心力量（彭珏 等，2021）。据不完全统计，2024年国内直播电商累计直播次数超2.3亿场次，累计受众群体数量超过1.2万亿人次，交易规模高达5.85万亿元，同比增长约19.1%（艾瑞咨询, 2025）。此外，以直播电商为代表的数字经济也受到各级政府的重视，如2020年以来，国家、省和市三级政府陆续制定了近400个直播电商制度政策，以期带动实体经济转型和促进城市经济发展（陆建城 等，2022）。在此背景下，直播电商的区位分布日益成为地理学，尤其是经济地理学关注的热点。
现有研究从多尺度、多维度对直播电商展开探索。从外文文献看，研究包括3方面：1）直播电商的影响效应。关注直播电商的形成机制及其对城市传统商业格局的影响，如直播电商如何重塑城市实体零售空间等（Wahome et al., 2020; Benvenuti et al., 2023）；2）直播电商的区位分布特征。从国家和省两级尺度（Wang et al., 2023），基于地租理论和消费者行为理论等（Wang et al., 2024），对直播电商行为的分布特征展开研究（Wang et al., 2022; Wang et al., 2023; Wang et al., 2024）；3）直播电商分布的影响机制。通过构建多元回归模型，发现影响直播电商分布的因素分为制度政策、产品生产、财政投入和主体选择等（Wang et al., 2022; Yu et al., 2024）。从中文文献看，研究聚焦3方面：1）直播电商的区位分布，从国家尺度出发（马芳芳 等，2021；张英浩 等，2022），基于不同城市直播电商企业数据、电商主播分布数据，揭示直播电商空间分布特征（张英浩 等，2022；张永姣 等，2023）；2）直播电商的集聚与演变特征，从城市尺度出发（陆建城 等，2022），运用核密度、聚类分析等方法（陈前虎 等，2023；曾国威 等，2024），对特定时间段内城市直播电商的空间演变、集聚与扩散趋势进行研究（王伟 等，2023）；3）直播电商分布的影响机制，从政府调控、数字资源、实体产业基础、交通条件等方面构建指标体系，运用计量分析等方法，考察各类因素对直播电商空间分布的影响及其作用路径（张英浩 等，2022；武前波 等，2022；陈前虎 等，2023）。
既有文献表明，直播电商的区位分布既可能受制于本地产业基础、资源要素禀赋等所形成的“路径依赖”，亦可能在地方政策干预、数字资源构建等外力作用下突破地理约束而形成“路径创造”。然而，现有研究多侧重于单一理论视角，未能整合路径依赖和路径创造理论逻辑，尤其是实体经济型城市直播电商如何在与现有实体产业互动中形成独特的区位分布规律，缺乏系统的理论阐释与实证检验。鉴于此，本研究从经济地理学“路径依赖”和“路径创造”理论视角出发，以实体经济和直播电商融合发展的苏州为例，基于电商主播空间坐标数据，对城市尺度不同类型直播电商的区位分布特征与影响因素分异展开研究，以期深化数字经济时代城市产业区位分布的理论逻辑，并为实体经济型城市的数字化转型提供政策依据。

1 理论基础与问题聚焦

21世纪初，随着区位理论与制度经济学深入发展，“路径依赖” “路径创造”等理论被运用至区位分析中（Boschma et al., 2006）。相较于聚焦生产成本、集聚经济的传统区位理论，新兴理论关注历史轨迹、主体能动性与制度环境共同塑造的空间演化过程，强调城市的经济活动分布既受到城市现有产业基础的持续约束，又通过创新主体对内外资源的创造性重组实现区位更新（Maskell, 2001; Boschma et al., 2017）。具体而言，路径依赖理论认为一个城市未来发展受传统轨迹的影响，已形成的产业要素会限制或赋能未来发展路径。较多实证研究进一步表明，既有产业相关的知识、技能与制度具有“锁定效应” ，使地区产业结构呈现较强的延续性（MacKinnon et al., 2009; Neffke et al., 2011）；路径创造理论关注地区如何通过引入外部要素、开展合作等方式突破原有发展轨迹，推动产业的转型与更新（Trippl et al., 2018），相关研究多聚焦其微观机制，探讨制度创新、企业家精神等要素如何为区域注入新的知识、市场与行为惯例（Zhu et al., 2019；张英浩 等，2022；Kogler et al., 2023）。两者之间并非二元对立，而是存在相互作用，路径依赖是路径创造发生的起点与背景，而成功的路径创造又会形成新的依赖路径，共同推动区域经济的适应性演化（Boschma et al., 2017）。随着理论研究的深化，单一理论视角的局限显现，学者将地理环境、社会网络、能动主体纳入分析框架，构建了融合空间复杂性、多元主体行为与制度政策的区位分布解释理论体系（Martin, 1999；郑江淮 等，2021a）。
数字经济的兴起，正不断拓展传统区位理论的理论内核与解释范围（Chen et al., 2018），数字经济活动的区位分布，本质上是数字技术带来的“创造性破坏”与地方产业生态“依赖锁定”之间复杂互动的结果。首先，具有正向网络效应的数字链接成为突破地理约束的关键要素。数字经济活动并不强制依托物理空间，其发展更依赖于数字平台和网络连接，而非空间区位（Yu et al., 2024；陈博 等，2024），这在一定程度上削弱了经济活动对地理邻近的依赖，为地区突破原有产业路径、创造新的比较优势提供了可能（郑江淮 等，2021b）。其次，数字资产通过互联网在区域之间流动，使产业对区位因素的依赖度降低（李伟 等，2020），而对网络连接度等“软资产”依赖度上升（张帅 等，2022）。由此形成的新兴比较优势为塑造区域新路径并突破传统区位选择局限提供了理论可能。此外，数字平台的出现重组了区域内外的资源，使经济活动的区位分布更广泛（Holmen et al., 2017；张英浩 等，2022）。在平台规则、算法推荐逻辑、流量分配机制的共同作用下，区域可以快速识别特定产业在本地发展的比较优势，进而挖掘创造新产业的内在动能，打破现有约束和摆脱传统路径依赖。
直播电商作为移动互联网时代的新兴产物，受到虚拟空间和实体空间交互的影响，其区位选择具有独特性（陆建城 等，2022）。直播电商一方面不再依赖地理邻近的集聚效益，而是依靠数字平台借助直播方式，形成以产品为核心的消费者集群，另一方面通过移动互联网设备和物流快递连接生产商与消费者。这一过程打破了电商与生产端、消费端空间邻近的惯性，实现分散化的区位分布（李宏彬 等，2009）。与此同时，直播电商的区位分布呈现“双重集聚”特征：1）主播、机构、服务与供应链在实体空间的集聚；2）虚拟流量与线上互动在数字空间的集聚（曾国威 等，2024）。这导致直播电商空间具有复杂的分布逻辑：一方面，直播电商表现出对本地产业基础的路径依赖，其发展高度依赖于雄厚的实体产业基础、专业化的人力储备与相应的技术能力支撑，这也使直播电商通常根植于实体货源充足、数字基建与人才技术条件较好的片区（张英浩 等，2022）；另一方面，外部的政府主体干预、市场主体竞争、运营成本压力和电商主播偏好等均会对直播电商区位选择形成推拉效应，不断牵引直播电商突破传统区位选择，为直播电商在新兴区域或传统产业区发展新功能提供了创造性路径（张帅 等，2022）。2种机制并非孤立存在，在产业积淀深厚的区域，路径依赖占据主导；而在政策引导或服务完善的新兴节点，路径创造则更为显著。
在此背景下，本研究选择国内实体产业为主导且直播电商深度融合发展的苏州市为案例，试图回答2个问题：1）在直播电商与实体经济融合过程中，苏州当地不同类型直播电商区位分布呈现怎么样的独特规律？2）不同类型直播电商在区位选择上，分别呈现怎样的路径依赖与路径创造理论逻辑？

2 方法与数据

2.1 研究对象选择及概况

根据《2025年苏州市经济运行情况》（苏州市人民政府，2026），苏州市全年GDP突破2.7万亿元，规模以上工业总产值超4.89万亿元，稳居全国城市第二位；全市工业企业总数达16万家，其中规上工业企业1.47万家，数量位居全国第一。由此，可见苏州为典型的实体经济型城市。本研究将苏州市域作为对象，包括6个区和4个县级市，总面积为8 657.32 km2，2024年末人口为1 298.7万。苏州市作为国内先进制造业基地，2020年以来地方政府制定了一系列直播电商发展政策，如《关于支持直播电商高质量发展的若干措施》（苏州市人民政府，2023）等，这使得苏州直播电商产业快速发展，并创新了“前播后厂” “24小时直播产业社区”等新兴模式。根据《中国互联网络发展状况统计报告》（中国互联网络信息中心，2024），2023年，苏州市直播电商用户规模高达0.7千万人，全市直播电商销售额高达620.8亿元，同比增长约81%，全国排名第六。因此，作为实体制造与直播电商深度融合发展的城市，苏州是研究直播电商区位分布的典型案例。

2.2 数据来源

部分学者基于直播电商企业数据对城市尺度直播电商空间区位分布特征与影响机制展开研究（陈前虎 等，2023；曾国威 等，2024）。然而，直播电商活动存在大量个体主播行为，仅基于企业数据开展研究会导致难以全面识别直播电商的实际空间格局，且政府主导的直播电商基地主要反映自上而下的政策干预，未能充分表征市场自发的集聚形态。相比之下，电商主播空间坐标数据能更为全面地识别直播电商活动分布（陆建城 等，2022）。因此，选择电商主播空间坐标数据作为分析基础，获取数据的时间截面为2023年11月（直播高峰期），数据来源于浙江省经济信息协会。通过数据整理与清洗，剔除坐标无效、多次重复和时间错误等数据，共获取9 658名电商主播有效数据。另外，为分析直播电商区位选择的影响因素，系统梳理了《苏州市国土空间规划》（苏州市人民政府，2025）及各分区相关规划、直播电商基地专项规划等文本资料。同时，运用Python语言抓取苏州市与直播电商相关的制度政策（29条）、各级产业平台、实体制造企业、各类批发市场和历史文化资源等资料数据。

2.3 研究方法

2.3.1 核密度估计法（KDE）

为更直观表征苏州市直播电商的区位分布特征，以电商主播空间坐标作为“点”，运用核密度分析法对2023年苏州市域范围内直播电商的区位分布进行分析（马晓敏 等，2023；安俞静 等，2023）。公式为：
$ f(j)=\frac{1}{\pi b^2}\sum_{i=1}^nS\left(\frac{q_{ij}}{b}\right) $
式中：$ f\left( j\right) $为核函数，表示j处的核密度值；n为电商主播的样本数量；b为搜索半径；$ {q}_{ij} $为坐标点i与坐标点j之间的距离；s函数表示空间权重函数，根据托普拉第一定律，即反距离加权的方法赋权。

2.3.2 空间自相关

为量化考察要素间的空间关联性，采用莫兰指数（Moran's I）计算全局空间自相关指标（李国平 等，2012）。公式为：
$ I=\frac{\sum\limits_{a=1}^s{\sum\limits_{b=1}^s{w_{ab}\left( n_a-\overline{n} \right) \left( n_b-\overline{n} \right)}}}{\sum\limits_{a=1}^s{\left( n_a-\overline{n} \right) ^2\sum\limits_{a=1}^s{\sum\limits_{b=1}^s{w_{ab}}}}} $
式中：s代表研究区域内空间单元的总数；wab代表基于Queen邻接准则构建的空间权重矩阵元素，若空间单元a与空间单元b相邻接，则取值为1；否则取值为0；na指代空间单元a内的电商主播数量；$ \overline{n} $表示所有空间单元内电商主播数量的平均值。Moran's I的取值区间为[-1, 1]：当I>0时，表明存在显著的正向空间自相关；若I<0，则指示存在负向空间自相关；I值趋近于-1，说明区位分布呈现出离散格局；当I的取值趋近于0，则不存在显著的关联性，其分布状态近似于随机分布。

2.3.3 热点分析

为深入解析直播电商的区位分布特征，采用热点分析（Getis-Ord G*）方法，通过统计显著性检验，识别具有显著高值与低值特征的空间区域，揭示电商主播在苏州市范围内的分布差异（陈蔚珊 等，2016）。其表达式定义为：
$G_{i}^{*} = \frac{\sum_{j = 1}^{s} w_{ij}(d) x_{j} - \bar{X} \sum_{j = 1}^{s} w_{ij}(d)}{Y \sqrt{\dfrac{s \sum_{j = 1}^{s} w_{ij}^{2}(d) - \left(\sum_{j = 1}^{s} w_{ij}(d)\right)^{2}}{s - 1}}}$
式中：xj表示空间单元j的电商主播密度值；wij（d）表示基于预设距离阈值并依据距离衰减原理构建的空间权重矩阵元素；s指代研究区域内空间单元的总量；$ \overline{X} $为全域电商主播空间密度的算数平均值；Y是其标准差。最终输出结果以标准化得分表示：Z值越高，则该空间单元内电商主播分布趋于集中；Z值越低，则表示分布越趋于分散；若Z值趋近于0，则表明该区域区位分布趋于随机或均匀状态。

2.3.4 地理探测器

为探究直播电商区位分布的影响因素，采用地理探测器模型检验地理因素的分布模式与目标地理现象的空间变异性是否具有显著的关联性（王劲峰 等，2017）。该统计量的计算公式定义为：
$ q=1-\frac{\sum \limits_{i=1}^{L}{N}_{i}\alpha _{i}^{2}}{N{\alpha }^{2}} $
式中：q表征影响力探测值，其数值范围界定在[0, 1]内；Ni代表第i个子区内含的空间分析单元数量；N指研究域内所有空间单元的总量；$ \alpha _{i}^{2} $是第i个子区内核密度值的离散程度；$ {\alpha }^{\text{2}} $为整个研究区域内核密度值的总方差。若$ {\alpha }^{\text{2}} $≠0成立，q值的计算结果具有明确的解析意义：q值趋近于1时，表明该影响因素对直播电商区位分布影响越大；反之，q值趋近于0时，则反映该因素的影响越小；若q=0时，则表明该因素无驱动作用。

3 苏州直播电商的区位分布特征

3.1 直播电商的总体区位分布特征

从直播电商空间集散看，与国内部分城市直播电商单一集聚在中心城区不同（陆建城 等，2022），苏州呈现“城区高度集中与郊区多点集聚”的特征（图1-a）。首先，直播电商分布主要集中在苏州市中心城区，包括姑苏区的东部、苏州工业园区的双湖板块、虎丘区的科技城和相城区的高铁新城等区域。这些均是先进制造、研发创新和商业服务高地，体现直播电商对城市既有产业区、创新孵化平台和高端服务要素强烈的“路径依赖”特征。各集聚区域之间连接紧密且间隔距离小，表明在苏州中心城区内部，直播电商活动已呈现为具有一定规模效应和辐射能力的“面状”产业集群区，而非零散的“点状”分布。由此可见，直播电商并非简单嵌入现有空间，而是通过数字化手段对现有空间进行重组与强化，形成新型数字产业集群，可视为一种“路径创造”的空间表现。其次，直播电商并非均匀扩散，而是在昆山、常熟、太仓、张家港等四大郊区县市的核心区形成多个次级集聚点，这鲜明地体现了直播电商对县域特色制造业集群的“路径依赖”。同时，这也是一种“路径创造”，即借助数字资源平台打造，这些传统产业强镇被赋予新的流量入口与销售渠道，催生出昆山梦世界数字文娱产业园等专业化直播集聚区，实现区域产业发展路径的升级与创新。
图1 苏州市直播电商空间核密度分布（a）和热点分析（b）

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2020）3189号的标准地图制作，底图无修改；图2同。

Fig.1 Density distribution(a) and analysis of Hotspots(b) of live-streaming e-commerce spaces in Suzhou

此外，与杭州等数字经济型城市直播电商区位分布呈现“平台导向”特征不同（陈前虎 等，2023；曾国威 等，2024），苏州直播电商区位分布呈现“产品生产导向与产业服务导向”并重的特征。根据空间自相关（莫兰指数）分析结果，苏州市直播电商区位分布呈现明显的空间自相关性，其P值为0.00，Z值为12.21，随机产生该聚类模式的可能性小于1%，莫兰指数为0.53，空间正相关性较为显著。为进一步分析苏州市直播电商分布的集聚特征，采用热点分析工具对直播电商区位分布进行识别。结果（图1-b）显示，直播电商的区位分布呈显著的空间分异特征，中心城区为热点密集区，向外围呈现递减趋势，同时，在靠近上海的局部区域形成次热点区，这是“路径依赖”与“路径创造”交织作用的结果。一方面，热点区域与历史上形成的成熟制造业集群、商业中心在空间上高度重合，说明其对既有产业地理的“依赖”，如依托先进制造业的苏州工业园区、立足丝纺传统产业的吴江区等；另一方面，部分新兴热点与政策引导下的直播基地、规划新区相匹配，说明政策干预对空间格局的“创造” ，如虎丘区的科技城直播基地。冷点区域主要分布在苏州西部与南部部分产业基础薄弱和服务要素匮乏的远郊乡镇，从侧面印证了在缺乏产业路径和创造性干预的情况下，直播电商难以自发形成规模集聚效应。

3.2 不同类型直播电商的区位分布特征分异

根据直播电商依托空间载体差异，部分学者将其分为产地直播型、专职直播型、实体直播型、档口直播型和住区直播型五大类（陆建城 等，2022）。通过空间自相关分析，发现不同类型直播电商空间的莫兰指数分别为0.63、0.53、0.21、0.24和0.11（表1），且均通过显著性检验（P＜0.01），表明不同类型直播电商空间呈现集聚分布，并存在显著空间正相关性。
表1 不同类型直播电商空间莫兰指数

Table 1 Moran's I index for different types of live-streaming e-commerce spaces

类型莫兰指数Z得分P值分布模式
产地直播型0.6315.450.00集聚分布
专职直播型0.539.440.00集聚分布
实体直播型0.213.820.00集聚分布
档口直播型0.244.580.00集聚分布
住区直播型0.112.640.00集聚分布

3.2.1 产地直播：“簇群+散点”分布特征

产地直播，指在产品（工业产品、农产品等）生产基地进行的直播，由线上直播和线下生产构成，其占苏州直播电商比例高达47%（表2），体现对本地实体产业基础的路径依赖，这也是苏州与其他数字经济型城市直播电商区位分布的最大不同（陈前虎 等，2023；曾国威 等，2024）。该模式区位分布呈现以近郊各级产业园区为“簇群”①，远郊苏南工业强镇生产基地和农业产业园为“散点” ②的特征（图2）。一方面，国家级、省级等产业园区内制造业企业通过直播开展线上产品销售，在既有产业集聚路径上衍生出数字销售新功能，即“前播后产”，进而使产业园区内电商主播快速集聚，如苏州工业园区；另一方面，苏南强镇依托特色产品生产基地，通过吸引大量电商主播集聚来拓展销售渠道，如吴江区震泽镇的丝绸直播。此外，远郊农业产业园中的种植户，通过自发直播销售农业产品，如环太湖吴中区碧螺春生产基地。
表2 苏州市直播电商空间类型划分

Table 2 Classification of live-streaming e-commerce spaces in Suzhou

类型比例/%功能构成空间载体类型区位分布特征典型案例
产地
直播型		47线上直播销售和
线下生产		各级产业园区内的厂房、乡镇特色工业
生产基地和农业产业园等		近郊多核心和远郊多散点分布苏州工业园区、
碧螺春生产基地等
专职
直播型		16线上直播销售中心城区内的商务写字楼，近远郊区
空置或低效的存量工业遗存		中心城区极核集聚，近远郊区
多片分布		元和塘直播电商产业园、
歌德云创直播产业园等
实体
直播型		19线上直播销售和
线下实体销售		中心城区内的商业综合体、商业街和
历史街区，郊区的历史文化名镇名村		中心城区轴向分布，外围郊区
分散分布		平江历史街区文创直播、
马山村的苏绣直播
档口
直播型		13线上直播销售和
线下批发		依托现有的大型专业批发市场或
小型的仓库		四大核心集聚区和若干据点虎丘婚纱城、
相城家具城等
住区
直播型		4线上直播销售依托现有居住区、城中村和外围
乡村民居		四大集聚片区和外围分散节点常熟和莫社区、
甪直镇的澄墩村
图2 不同类型直播电商空间核密度分析

Fig.2 Analysis of core density in different types of live-streaming e-commerce spaces

3.2.2 专职直播：“极核+多片”分布特征

专职直播，指在专业的直播电商园区内进行的直播，为单一的线上直播销售，其占苏州直播电商比例为16%（见表2）。该模式一般由地方政府利用存量空间自上而下打造，是典型的基于政策制定与空间更新实现的“路径创造” 。专职直播的空间载体一般为中心城区内的商务办公楼和近远郊区的工业遗存（见图2），其空间格局呈现“极核+多片” ③分布模式。一方面，地方政府将中心城区内空置或低效的商务办公楼进行改造，并通过激励政策的制定吸引电商主播持续集聚，如工业园区大禹电商品牌直播基地；另一方面，依托良好的文化氛围、适配的空间形态和丰富的创业政策等，近远郊区的存量工业遗存也成为电商主播集聚区域，并呈现多片的区位分布，如常熟市歌德云创直播产业园。

3.2.3 实体直播：“轴向+分散”分布特征

实体直播，指在线下实体店内开展的线上直播销售，集线上直播销售和线下实体销售于一体，其占苏州直播电商比例为19%（见表2）。该模式一般由实体店主自发直播形成，反映传统商业对数字工具的应用与原有商业路径的自我拓展。实体直播的空间载体一般为城区内的商业综合体、商业街和历史街区，以及外围历史文化名镇名村（见图2），其空间格局呈现“轴向+分散” ④的空间分布模式。首先，位于中心城区传统商业轴线的综合体、商业街和历史街区内的餐饮店、服饰店、文创店等主体通过实体空间改造，自发开展线上直播以拓宽销售渠道，如虎丘区狮山龙湖天街的餐饮直播、姑苏区平江历史街区的特色文创直播，该类型在中心城区内自东部工业园区至西部虎丘区木渎镇沿交通干线形成“轴向”分布形态。其次，历史文化名镇名村内的实体店主通过直播销售具有地方特色的文创、农产品、服饰等，如虎丘区马山村的苏绣直播、吴江区同里镇的茶叶直播，该类型在城市外围区域呈现“分散”的形态。

3.2.4 档口直播：“核心+据点”分布特征

档口直播，指在专业批发市场内进行的直播销售，由线上直播销售和线下批发构成，其占苏州直播电商比例为13%（见表2）。该模式一般由批发市场主体自发形成，依赖于既有的实体批发市场分布与供应链网络，是传统流通路径的数字化转化。档口直播的空间载体一般为城市内各类专业批发市场或仓库（见图2），其空间格局呈现“核心+据点” ⑤分布模式。从分析结果看，档口直播的四大“核心”集聚区主要为虎丘区的婚纱批发市场、相城区的家具批发市场、吴江区的丝绸批发市场和常熟市的服装批发市场，而主要“据点”为姑苏区苏州国际商贸城、吴中区南环桥农产品批发市场等，显示直播电商在传统批发网络关键节点上的附着与渗透。

3.2.5 住区直播：“多片+分散”分布特征

住区直播，指以个体或家庭为单位在居住空间内进行直播销售，功能构成为线上直播销售，其占苏州直播电商比例仅为4%（见表2）。该模式一般由城乡居民为降低租金成本自发形成，空间载体一般为居住区、城中村和外围乡村民居（见图2），空间格局呈现“多片+分散”分布模式。其中，“多片”集聚区主要为工业园区的星湾社区、昆山市的里厍社区、花桥社区和常熟市的和莫社区等，这些社区往往具有较好的网络基础或毗邻产业区，为低成本创业提供可能；而依托乡村民居形成的直播电商空间则在外围郊区“分散”布局，体现数字经济活动向生活空间渗透的离散化趋势，如太湖沿线的石舍村、甪直镇的澄墩村等。

4 苏州直播电商区位分布的影响因素

4.1 影响因素确定和数据处理

作为传统电子商务与新兴互联网技术融合的产物，直播电商区位选择既可能源于对本地现有产业基础、要素禀赋与空间条件的路径依赖，也可能形成于外部政策、技术与市场力量驱动的路径创造（马芳芳 等，2021；张英浩 等，2022）。由此，本研究基于现有数字产业或直播电商相关研究（陈前虎 等，2023；曾国威 等，2024），并结合苏州市直播电商区位分布特征，确定政府、市场、产业和环境4个维度和12个二级指标（表3）构成影响因素分析框架体系（张帅 等，2022；陈博 等，2024）。首先，政府维度一般通过优惠政策制定、孵化平台搭建和专业园区（基地）打造吸引电商主播入驻，为电商主播提供政策支持与专业化空间，从而降低其初期成本与风险，在特定空间快速集聚（陆建城 等，2022）。其次，直播电商更偏好于人才供给充足、实体店铺集聚和批发市场多元化的区域，人才储备为行业输送专业人员，实体店铺带来客流量，批发市场则提供稳定且低成本的货源选择，三者共同构成市场维度对直播电商区位分布的影响（张帅 等，2022）；再者，直播电商区位选择对于产业基础、产业服务和产品生产均具有较强的需求依赖，其更偏向于产业高度集聚、配套服务完善和邻近产品货源的地区（张英浩 等，2022）。此外，直播电商产业的发展对区域交通条件和物流运输条件均具有较高依赖性（陈前虎 等，2023），这直接关系到人员通达效率与货物配送成本，且电商主播也偏好良好的文化环境，文化遗产与传统村落等资源可作为优质的文化生产资料，为主播提供创作素材，并使之获得更高的关注度（彭珏 等，2021；武前波 等，2022）。
表3 影响因素指标体系

Table 3 Indicator system of influencing factors

维度二级指标指标解释数据来源
政府维度制度政策（x1）各层级直播电商支持政策数量/个苏州各级政府官网公示的政策数量
孵化平台（x2）各层级直播电商企业孵化平台数量/个苏州市政府官网
直播电商基地（x3）直播电商基地数量/个苏州市商务局官网
市场维度人才市场（x4）高等院校和科研机构数量/个2024年苏州市POI数据
实体店铺（x5）实体消费店铺数量/个2024年苏州市POI数据
批发市场（x6）婚纱、服装、农产品等各类批发市场/仓储数量/个2024年苏州市POI数据
产业维度产业基础（x7）直播电商企业数量/个2024年企查查官网
产业服务（x8）MCN机构、直播培训等服务机构数量/个2024年企查查官网
产品生产（x9）工业和农业生产企业数量/个2024年企查查官网
环境维度交通条件（x10）地铁站点和高铁站点数量/个2024年苏州市POI数据
物流条件（x11）物流与快递站点数量/个2024年苏州市POI数据
文化环境（x12）各类文化遗产、名镇名村、传统村落等数量/个苏州国土空间规划文本
本研究将各类直播电商分布的核密度值作为探测要素y，产地直播、专职直播、实体直播、档口直播和住区直播的核密度值分别为y1、y2、y3、y4、y5，并对各影响因素值进行栅格数据处理，且基于自然间断点分级法对其重分类，将数据离散为5个等级，进而利用采样工具展开分析。

4.2 影响因素测算结果

地理探测器分析结果显示，不同因素对直播电商区位分布的影响力存在较大差异（表4）。政府维度、市场维度、产业维度和环境维度平均影响力分别为0.53、0.40、0.65和0.32。由此可认为，从整体层面看，苏州直播电商区位分布主要受到以产品生产、产业基础为代表因素的产业维度和以制度政策、直播电商基地为代表因素的政府维度影响较大，而市场维度和环境维度的影响较弱。这印证了直播电商区位分布不仅受到对于本地实体产业与既有数字产业的“路径依赖”影响，且受到来自政府政策引导与基地打造的“路径创造”显著驱动。
表4 苏州直播电商区位分布影响因素解释力

Table 4 Explanatory power of factors influencing the spatial distribution of live-streaming e-commerce in Suzhou

影响因素影响力q值
制度政策（x1）0.79
孵化平台（x2）0.21
直播电商基地（x3）0.61
人才市场（x4）0.27
实体店铺（x5）0.52
批发市场（x6）0.42
产业基础（x7）0.64
产业服务（x8）0.48
产品生产（x9）0.83
交通条件（x10）0.34
物流条件（x11）0.48
文化环境（x12）0.13

注：各指标因素均在0.05的显著性水平下显著。

具体地：1）产业维度下，产品生产、产业基础和产业服务因素q值结果均较高，这也表明直播电商集群及相关配套服务对电商主播区位选择影响较大，更是验证了部分学者所认为的直播电商发展与城市实体产业具有密切“路径依赖”（张英浩 等，2022）。2）政府维度下，制度政策q值最高，其次为直播电商基地，而孵化平台的q值最低，这表明政府自上而下的优惠政策制定和专业园区打造能快速吸引电商主播集聚，揭示了政府作为外部关键主体，在打破传统产业空间惯性、引导形成新集聚中的“路径创造”作用，而孵化平台主要承担初创主体的前期培育和服务功能，对电商主播区位选择的直接影响较弱。3）市场维度下，实体店铺和批发市场的q值较高，究其原因在于，直播电商已成为实体店主和市场主体获取流量红利、扩大宣传力度和拓展销售渠道的重要手段。而人才市场q值较低，原因在于直播电商的职业门槛相对较低。4）环境维度下，仅有物流条件q值较高，这也与苏州产地直播型和档口直播型电商主播占比高相关，即大量货品需从直播间通过物流发货，因此物流条件对电商主播区位选择影响力较大。而交通条件和文化环境的q值较低，原因在于电商主播作为公众人物，其出行多依赖私家车，较少使用公共交通；文化环境对电商主播空间集聚的影响，更多是通过营造软环境氛围发挥间接作用，相较于产业基础、政策支持等直接因素，其空间驱动作用相对较弱。这与一些学者认为的数字经济从业者往往偏好文化资源优势区域的观点（武前波 等，2022）不相符。

4.3 不同类型直播电商区位分布的影响因素分异

为深入揭示不同类型直播电商区位分布的影响因素差异，本研究对产地直播型、专职直播型、实体直播型、档口直播型与住区直播型5种类型的直播电商分别进行影响因素探测分析（表5）。结果表明，各类型的主导影响因素存在显著分异，体现“路径依赖”与“路径创造”在不同发展条件下不同的作用方式。
表5 苏州不同类型直播电商区位分布影响因素探测结果

Table 5 Detection results of influencing factors on the spatial distribution of different types of live-streaming e-commerce in Suzhou

影响因素y1y2y3y4y5
制度政策（x1）0.400.820.390.340.20
孵化平台（x2）0.140.640.070.100.11
直播电商基地（x3）0.340.910.330.170.33
人才市场（x4）0.220.170.110.130.13
实体店铺（x5）0.390.260.820.280.17
批发市场（x6）0.320.320.330.460.28
产业基础（x7）0.580.350.370.210.25
产业服务（x8）0.620.670.310.400.34
产品生产（x9）0.890.320.280.390.28
交通条件（x10）0.280.190.670.420.31
物流条件（x11）0.720.280.600.450.21
文化环境（x12）0.100.230.270.120.31

注：数值表示因素影响力水平，所有指标因素均在0.05的显著性水平下显著。

1）产地直播型的q值探测结果具有一定差异，产品生产、物流条件、产业服务和产业基础对区位分布影响力较大，这揭示了该类型对本地制造业集群与供应链体系存在“路径依赖” ，其区位选择高度依赖产业园区等现有的生产空间与产品基础。同时，物流条件与产业服务也反映在传统产业路径上，通过配套服务完善形成新竞争优势的“路径创造”过程。
2）专职直播型的q值探测结果呈现两极分化，其中直播电商基地、制度政策、产业服务和孵化平台的影响力显著大于其他因素，这表明该类型的区位分布主要源于地方政府的政策制定和专业园区建设，是典型自上而下的“路径创造”，旨在突破现有产业体系与格局，培育新的数字经济增长点。
3）实体直播型的q值探测结果呈现显著差异，实体店铺、交通条件和物流条件的影响力较大，这表明该类型对传统商业区位的路径依赖。此外，商业店主通过直播电商拓展销售路径，可视为一种借助数字化工具进行模式创新和价值增加的“路径创造”行为。
4）档口直播型的q值探测结果较为均衡且平均水平不高，与实体直播型相似，批发市场、物流条件、交通条件的影响力略高于其他因素，这反映该类型的区位分布与现有的批发市场体系紧密绑定，其直播电商功能的增加并未改变其依托的原有批发流通渠道的区位逻辑，体现较强的“路径依赖”特征。
5）住区直播型的q值探测结果均较低，其中产业服务、直播电商基地、交通条件和文化环境影响力略高于其他因素。这反映该类型受传统区位因素约束较弱，其分散的区位选择摆脱了对特定产业空间的路径依赖。电商主播对成本、交通与文化因素的考量，更多体现个人偏好驱动下的弹性“路径创造”。

5 结论与讨论

5.1 结论

本研究基于经济地理学中“路径依赖”与“路径创造”理论视角，运用电商主播空间坐标数据，以实体经济与直播电商深度融合发展的苏州市为例，剖析了城市尺度下不同类型直播电商的区位分布特征及其影响因素分异，主要结论为：
1）苏州直播电商区位分布整体呈现在现有传统实体产业路径依赖基础上，通过政策颁布和数字技术实现路径创造的复合集聚态势，表现为“城区高度集中与郊区多点集聚”的总体格局，且外围郊区县市电商主播集聚规模已超中心城区。此外，直播电商区位分布呈现鲜明的“产品基地导向与产业服务导向”并重的特征，这不仅体现对本地制造业基础和专业市场网络等既有产业路径的深度依赖，也反映数字技术与制度政策驱动下直播电商针对产品供应链与配套服务链进行“路径创造”的空间响应。这与现有关于数字经济型城市的研究结论（陈前虎 等，2023；曾国威 等，2024）存在一定差异。
2）不同类型直播电商区位分布特征呈现显著分异。其中，产地直播型呈现“簇群+散点”特征、专职直播型呈现“极核+多片”特征、实体直播型呈现“轴向+分散”特征、档口直播型呈现“核心+据点”特征和住区直播型呈现“多片+分散”特征。这些区位分布特征分异反映不同类型直播电商在“路径依赖”与“路径创造”双重作用下的不同区位响应逻辑。如，产地直播型表现出对现有实体制造业基础的强烈“路径依赖”，而专职直播型则由政策引导与基地打造等主动式“路径创造”行为所塑造。
3）产品生产、制度政策、产业基础和物流条件是影响直播电商区位分布的主要因素。
产品生产与产业基础的高影响力印证了直播电商区位选择对本地传统产业路径的深度依赖（张英浩 等，2022）；而制度政策与产业服务的高影响力则体现外部干预与新兴要素在突破现有路径和创新发展模式中的关键驱动作用。不同类型直播电商区位分布的影响因素分异显著，其是“路径依赖”与“路径创造”在不同类型中作用方式异质性的微观体现，其中产地直播型主要受产品生产和物流因素驱动，体现对既有生产基础与供应链的深度“依赖”；专职直播型主要受制度政策和产业服务因素驱动，凸显政策引导与产业生态建设的主动“创造”；实体直播型需交通和物流因素支撑，反映其在对传统商业“依赖”的基础上，叠加效率导向的配套提升；档口直播型需批发市场与物流因素支撑，显示对现有货物流通的紧密“依赖”；住区直播型偏重产业服务、交通与文化环境因素，表现出以内容创新与软环境为主的个人化“创造”。这些结论验证了部分学者提出的数字经济嵌入本地产业的多元微观路径（彭珏 等，2021），同时也为新兴数字消费语境下的路径依赖及路径创造理论的内涵丰富提供了实证。

5.2 讨论

本研究揭示了数字经济并非颠覆了传统产业区位分布，而是与地方产业、政策、市场和环境形成深度交互与重构，即直播电商区位分布是“路径依赖”与“路径创造”双重互动作用的结果。这丰富了经济地理学在数字时代的理论内涵，为理解城市数字经济发展中地方传统路径与新兴创新路径的协同作用提供了新视角。本研究也存在一定局限性，一是仅选取主播空间坐标数据，难以完全涵盖直播电商产业链上游生产、下游仓储等全环节空间，因此对直播电商产业区位分布的解析尚不完整；二是强调宏观层面区位分布的形成机制剖析，对主播个体区位选择的微观动机关注不够。未来可以在以下几个方面进行深化：1）进一步考虑电商主播个体行为与社会网络等微观数据，揭示“个体偏好”在“路径依赖”和“路径创造”交互过程中对区位选择决策的影响机制；2）开展纵向周期性研究，动态追踪电商主播区位选择从初始依赖到路径创造的复杂过程，进而揭示数字技术时代城市产业空间重构的驱动机制。

① “簇群”指围绕一个或多个产业园区形成的紧密型直播集聚组团。

② “散点”指空间上孤立、依托单个特色产品生产基地形成的点位。

③ “极核”指由政策直接塑造、在区域中占据绝对主导地位的核心直播基地；“片区”指具有相当空间范围、内部连续性较强的集聚区域。

④ “轴向”指直播活动沿传统商业中心或主要交通干线形成的高密度连续分布带。

⑤ “据点”指在空间上相对独立、规模有限但功能明确、具有稳定性的关键节点。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
艾瑞咨询. 2025. 2024年中国直播电商行业研究报告. (2025-02-15)[2026-04-16]. https://report.iresearch.cn/report_pdf.aspx?id=43 88. [IResearch Consulting. 2025. 2024 China Live Streaming E-commerce Industry Research Report. (2025-02-15)[2026-04-16]. https://report.iresearch.cn/report_pdf.aspx?id=4388.]

IResearch Consulting. 2025. 2024 China Live Streaming E-commerce Industry Research Report. (2025-02-15)[2026-04-16]. https://report.iresearch.cn/report_pdf.aspx?id=4388.

安俞静, 袁丰, 孙伟, 陈雯. 长三角科技创新平台布局时空演变及其影响因素. 地理科学, 2023, 43 (12): 2173- 2182.

DOI

An Yujing, Yuan Feng, Sun Wei, and Chen Wen. Spatial-Tem-Poral Evolution and Influencing Factors of Sci-Tech Innovation Platforms in the Yangtze River Delta. Scientia Geographica Sinica, 2023, 43 (12): 2173- 2182.

DOI

Boschma R and Frenken K. Why is Economic Geography not an Evolutionary Science? Towards an Evolutionary Economic Geography. Journal of Economic Geography, 2006, 6 (3): 273- 302.

DOI

Boschma R, Coenen L, Frenken K, and Truffer B. Towards a Theory of Regional Diversification: Combining Insights from Evolutionary Economic Geography and Transition Studies. Regional Studies, 2017, 51 (1): 31- 45.

DOI

Benvenuti M, Scarpi D, and Zarantonello L. The Impact of Mukbang Live Streaming Commerce on Consumers' Overconsumption Behavior. Journal of Interactive Marketing, 2023, 58, 198- 221.

DOI

Chen W, Shen Y, Wang Y, and Wu Q. The Effect of Industrial Relocation on Industrial Land Use Efficiency in China: A Spatial Econometrics Approach. Journal of Cleaner Production, 2018, 205, 525- 535.

DOI

陈博, 朱华晟, 代嘉欣, 刘若彬. 基于头部企业的城市数字经济网络空间结构及其影响因素. 经济地理, 2024, 44 (10): 108- 116.

DOI

Chen Bo, Zhu Huasheng, Dai Jiaxin, and Liu Ruobing. China's Urban Digital Economic Network and Its Influencing Factors: From the Perspective of Top-Tier Digital Enterprises. Economic Geography, 2024, 44 (10): 108- 116.

DOI

陈前虎, 叶雨繁, 陈静. 杭州主城区直播电商企业区位特征及影响机制. 经济地理, 2023, 43 (5): 97- 107,179.

DOI

Chen Qianhu, Ye Yufan, and Chen Jing. Characteristics and Influencing Mechanism of the Distribution of Live-Streaming E-Commerce Companies in Main Districts of Hangzhou. Economic Geography, 2023, 43 (5): 97- 107,179.

DOI

陈蔚珊, 柳林, 梁育填. 基于POI数据的广州零售商业中心热点识别与业态集聚特征分析. 地理研究, 2016, 35 (4): 703- 716.

DOI

Chen Weishan, Liu Lin, and Liang Yutian. Retail Center Recognition and Spatial Aggregating Feature Analysis of Retail Formats in Guangzhou Based on POl Data. Geographical Research, 2016, 35 (4): 703- 716.

DOI

Holmen A K T and Fosse J K. Regional Agency and Constitution of New Paths: A Study of Agency in Early Formation of New Paths on the West Coast of Norway. European Planning Studies, 2017, 25 (3): 498- 515.

DOI

Kogler D F, Evenhuis E, Giuliani E, Martin R, Uyarra E, and Boschma, R. 2023. Re-Imagining Evolutionary Economic Geography. Cambridge Journal of Regions, Economy and Society, 16(3): 373-390.

李国平, 王春杨. 我国省域创新产出的空间特征和时空演化——基于探索性空间数据分析的实证. 地理研究, 2012, 31 (1): 95- 106.

Li Guoping and Wang Chunyang. Spatial Characteristics and Dynamic Changes of Provincial Innovation Output in China: An Investigation Using the ESDA. Geographical Research, 2012, 31 (1): 95- 106.

李宏彬, 李杏, 姚先国, 张海峰, 张俊森. 企业家的创业与创新精神对中国经济增长的影响. 经济研究, 2009, 44 (10): 99- 108.

Li HongBin, Li Xing, Yao Xianguo, Zhang Haifeng, and Zhang Junsen. Examining the Impact of Business Entrepreneurship and Innovation Entrepreneurship on Economic Growth in china. Economic Research Journal, 2009, 44 (10): 99- 108.

李伟, 贺灿飞. 城市新产业与城市经济增长: 演化经济地理学视角. 城市发展研究, 2020, 27 (6): 51- 61,173.

Li Wei and He Canfei. New Industries and Urban Economic Growth: Perspective from Evolutionary Economic Geography. Urban Development Research, 2020, 27 (6): 51- 61,173.

陆建城, 罗小龙, 钱俭, 黄诗琴, 肖冰. 城市直播电商空间的演进特征、逻辑与策略研究——以杭州市为例. 城市问题, 2022 (10): 27- 34.

DOI

Lu Jiancheng, Luo Xiaolong, Qian Jian, Huang Shiqin, and Xiao Bing. Research on the Evolutionary Characteristics, Logic and Strategy of Urban Live Streaming E-commerce Space: A Case Study of Hangzhou. Urban Issues, 2022 (10): 27- 34.

DOI

MacKinnon D, Cumbers A, Pike A, Birch K, and McMster R. Evolution in Economic Geography: Institutions, Political Economy, and Adaptation. Economic Geography, 2009, 85 (2): 129- 150.

DOI

Maskell P. The Firm in Economic Geography. Economic Geography, 2001, 77 (4): 329- 344.

DOI

Martin R. 1999. The New "Geographical Turn" in Economics: Some Critical Reflections. Cambridge Journal of Economics, 65-91.

马芳芳, 丁志伟. 中国抖音直播带货行业发展的空间分异及影响因素. 经济地理, 2021, 41 (12): 22- 32.

DOI

Ma Fangfang and Ding Zhiwei. Spatial Differentiation and Influencing Factors of Livestreaming Ecommerce Development Level in China: A Case of Douyin. Economic Geography, 2021, 41 (12): 22- 32.

DOI

马晓敏, 张志斌, 公维民, 赵学伟, 郭燕. 兰州市制造业空间格局演化及驱动因子识别. 地理科学, 2023, 43 (3): 519- 529.

Ma Xiaomin, Zhang Zhibin, Gong Weimin, Zhao Xuewei, and Guo Yan. Spatial Pattern Evolution and Driving Factors Identification of Manufacturing Industry in Lanzhou. Scientia Geographica Sinica, 2023, 43 (3): 519- 529.

Neffke F, Henning M, and Boschma R. How Do Regions Diversify Over Time? Industry Relatedness and the Development of New Growth Paths in Regions. Economic Geography, 2011, 87 (3): 237- 265.

DOI

彭珏, 何金廖. 电商粉丝经济的地理格局及其影响因子探析——以抖音直播带货主播为例. 地理科学进展, 2021, 40 (7): 1098- 1112.

Peng yu and He Jinliao. Spatial Differentiation and Influencing Factors of Fan Economy in China: Taking TikTok Livestreaming Commerce Host as an Example. Progress in Geography, 2021, 40 (7): 1098- 1112.

苏州市人民政府. 2023. 《苏州市关于支持直播电商高质量发展的若干措施》. (2023-08-17)[2026-02-02]. https://www.suzhou.gov.cn/szsrmzf/bmdt/202308/2713216f016b4ef0bd0526eaa58582ef.shtml. [Suzhou Municipal People's Government. 2023. Several Measures by Suzhou to Support the High-Quality Development of Live Streaming E-commerce. (2023-08-17) [2026-02-02]. https://www.suzhou.gov.cn/szsrmzf/bmdt/202308/2713216f016b4ef0bd0526eaa58582ef.shtml.]

Suzhou Municipal People's Government. 2023. Several Measures by Suzhou to Support the High-Quality Development of Live Streaming E-commerce. (2023-08-17) [2026-02-02]. https://www.suzhou.gov.cn/szsrmzf/bmdt/202308/2713216f016b4ef0bd0526eaa58582ef.shtml.

苏州市人民政府. 2025. 《苏州市国土空间总体规划(2021—2035年)》. (2025-01-16)[2026-04-16]. https://www.suzhou.gov.cn/2024ndzt/szsgskjgh/202510/6eb6ca459e6c4a02a969ddb7d33ef946/files/537e08aa2bf540bfa8acd38ca8539dee.pdf. [Suzhou Municipal People's Government. 2025. Suzhou Land and Space Master Plan 2021-2035. (2025-01-16) [2026-04-16]. https://www.suzhou.gov.cn/2024ndzt/szsgskjgh/202510/6eb6ca459e6c4a02a969ddb7d33ef946/files/537e08aa2bf540bfa8acd38ca8539dee.pdf.]

Suzhou Municipal People's Government. 2025. Suzhou Land and Space Master Plan 2021-2035. (2025-01-16) [2026-04-16]. https://www.suzhou.gov.cn/2024ndzt/szsgskjgh/202510/6eb6ca459e6c4a02a969ddb7d33ef946/files/537e08aa2bf540bfa8acd38ca8539dee.pdf.

苏州市人民政府. 2026.2025年苏州市经济运行情况. (2026-02-02)[2026-04-16]. https://www.suzhou.gov.cn/szsrmzf/tjsjjd/202602/e6e632df06df43e8b89bf7671d838fb1.shtml. [Suzhou Municipal People's Government. 2026. Suzhou's Economic Operation in 2025. (2026-02-02) [2026-04-16]. https://www.suzhou.gov.cn/szsrmzf/tjsjjd/202602/e6e632df06df43e8b89bf7671d838fb1.shtml.]

Suzhou Municipal People's Government. 2026. Suzhou's Economic Operation in 2025. (2026-02-02) [2026-04-16]. https://www.suzhou.gov.cn/szsrmzf/tjsjjd/202602/e6e632df06df43e8b89bf7671d838fb1.shtml.

Trippl M, Grillitsch M, and Isaksen A. Exogenous Sources of Regional Industrial Change: Attraction and Absorption of Non-Local Knowledge for New Path Development. Progress in Human Geography, 2018, 42 (5): 687- 705.

DOI

Wahome M and Graham M. 2020. Spatially Shaped Imaginaries of the Digital Economy. Information, Communication & Society, 23(8): 1123-1138.

Wang J, Shi Y, and Shi V. Should We Keep the Tradition or Follow the Trend? The Optimal Live-Streaming E-Commerce Mode Selection in a Sustainable and Circular Supply Chain Under Competition. Annals of Operations Research, 2024 (11): 1- 29.

DOI

王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72 (1): 116- 134.

DOI

Wang Jinfeng and Xu Chengdong. Geodetector: Principle and Prospective. Acta Geographica Sinica, 2017, 72 (1): 116- 134.

DOI

Wang Q, Zhao N, and Ji X. Reselling or Agency Selling? The Strategic Role of Live Streaming Commerce in Distribution Contract Selection. Electronic Commerce Research, 2022, 24, 983- 1016.

DOI

Wang S and Wang J. 2023. The Live-Streaming E-Commerce Mode Selection under Competition: Self-Run or Third-Party? Electronic Commerce Research, 179: 1-22.

王伟, 向柯颖, 陈一鸣, 邓智昊, 刘月. 北京数字经济产业的空间融合体模式与规划响应策略. 规划师, 2023, 39 (8): 49- 57.

Wang Wei, Xiang Keying, Chen Yiming, Deng Zhihao, and Liu Yue. Spatial Integration Model and Planning Response Strategy of Beijing's Digital Economy Industry. Planners, 2023, 39 (8): 49- 57.

武前波, 万为胜, 洪明. 杭州数字经济产业空间演变及其影响机制. 经济地理, 2022, 42 (12): 60- 71.

Wu Qianbo, Wan Weisheng, and Hong Ming. Spatial Evolution and Influencing Mechanism of Digital Economy Industries in Hangzhou. Economic Geography, 2022, 42 (12): 60- 71.

Yu G, Lin L, and Yu X. Research on Digital Marketing Strategies Based on Live Streaming E-Commerce: A Case Study of the Lily Industry in Northern Fujian, China. Journal of Business and Marketing, 2024 (1): 393- 413.

DOI

于天阳, 关志民, 董经洋, 曲优. 不同权力结构下考虑网红营销努力的直播电商供应链决策研究. 管理学报, 2022, 19 (5): 714- 722,748.

Yu Tianyang, Guan Zhimin, Dong Jingyang, and Qu You. Research on Live E-Commeree Supply Chain Decision-Making Considering Social Media Influencer's Marketing Efforts under Different Power Structures. Chinese Journal of Management, 2022, 19 (5): 714- 722,748.

Zhu S, Li Z, and He C. Who Leads Regional Industrial Dynamics? "New Industry Creators" in Chinese Regions. Growth and Change, 2019, 50 (1): 69- 89.

曾国威, 罗震东. 城市直播电商空间集聚与扩散趋势研究——以杭州市主城区为例. 地域研究与开发, 2024, 43 (2): 91- 97.

Zeng Guowei and Luo Zhendong. Spatial Agglomeration and Diffusion Trend of Urban Live-Streaming E-Commerce: Taking the Main Urban Area of Hangzhou City as Example. Areal Research and Development, 2024, 43 (2): 91- 97.

张帅, 吴珍玮, 陆朝阳, 张娜. 中国省域数字经济与实体经济融合的演变特征及驱动因素. 经济地理, 2022, 42 (7): 22- 32.

Zhang Shuai, Wu Zhenwei, Lu Chaoyang, and Zhang Na. Spatio-Temporal Evolution Characteristics and Driving Factors of the Integration Between Digital Economy and Real Economy in China. Economic Geography, 2022, 42 (7): 22- 32.

张英浩, 汪明峰, 汪凡, 刘婷婷. 中国直播电商发展的空间差异与影响机理研究. 地理科学, 2022, 42 (9): 1555- 1565.

Zhang Yinghao, Wang Mingfeng, Wang Fan, and Liu Tingting. Spatial Differences in the Development of Livestreaming E-commerce and Influence in China. Scientia Geographica Sinica, 2022, 42 (9): 1555- 1565.

张永姣, 丁少斌, 方创琳. 中国数字经济产业发展的时空分异及空间收敛性分析——基于企业大数据的考察. 经济地理, 2023, 43 (3): 120- 130.

Zhang Yongjiao, Ding Shaobin, and Fang Chuanglin. Spatiotemporal Variation and Spatial Convergence of China's Digital Eeonomy Industry Development: Based on the Big Data of Enterprise. Economic Geography, 2023, 43 (3): 120- 130.

郑江淮, 冉征. 智能制造技术创新的产业结构与经济增长效应——基于两部门模型的实证分析. 中国人民大学学报, 2021a, 35 (6): 86- 101.

Zheng Jianghuai and Ran Zheng. The Industrial Structure of Intelligent Manufacturing Tech-Innovation and the Economic Growth Effect It Brings: An Empirical Analysis of the Model Based on the Data from Two Sectors. Journal of Chinese Renmin University, 2021a, 35 (6): 86- 101.

郑江淮, 冉征. 走出创新“舒适区” : 地区技术多样化的动态性及其增长效应. 中国工业经济, 2021b (5): 19- 37.

Zheng Jianghuai and Ran Zheng. Going Out of the "Comfort Zone" in Innovation: The Dynamics of Regional Technological Diversification and lts Growth Effect. China Industrial Economics, 2021b (5): 19- 37.

中国互联网络信息中心. 2024. 第53次《中国互联网络发展状况统计报告》发布. (2024-03-22)[2026-04-16]. https://www.cnnic.cn/n4/2024/0321/c208-10962.html. [China Internet Network Information Center. 2024. The 53rd Statistical Report on the Development of China’s Internet Network Released. (2024-03-22) [2026-04-16]. https://www.cnnic.cn/n4/2024/0321/c208-10962.html.]

China Internet Network Information Center. 2024. The 53rd Statistical Report on the Development of China’s Internet Network Released. (2024-03-22) [2026-04-16]. https://www.cnnic.cn/n4/2024/0321/c208-10962.html.

Options
文章导航

/

〈 〉