近些年来,随着电子商务的快速发展和新零售逐渐成熟,社会不断涌现出新的消费需求,给末端配送带来了巨大的压力。末端配送自身客户多、分布广、批量小的特点,末端配送服务需求侧订单分布不均匀的现实以及不同时间运力供需关系共同阻碍着末端配送效率的提升。而与此同时,由于配送货物的多元化,末端用户对配送服务也提出了日益多样化的要求。提高物流末端的社区配送系统的服务效率、降低配送成本一直都是物流企业包括科学研究重点展开的方向。本文提出基于末端用户画像的社区共同配送研究,通过对社区内消费者进行用户画像,将聚类所得到的用户特征结果纳入社区共同配送需要考虑的影响因素,指导社区共同配送实践。通过调查问卷的形式,获取得到关于末端配送的社区用户数据,通过雷达熵值法构建单个用户在行为偏好、服务价值以及心理认同等方面的画像,而后利用简单Kmeans的方法进行用户群聚类,在不考虑用户基本信息的情况下得到四种不同类型的用户分别是{送货上门,活跃高价值,参与度低}、{送货上门、不活跃、参与度低}、{自提,活跃高价值,参与度高}、{自提,不活跃,参与度高},为后文社区共同配送模型提供部分模型变量。然后通过对社区共同配送进行配送服务商层面和整个社区配送系统的经济性分析证明实施共同配送可以实现末端配送降本增效。之后建立了基于第三章聚类所得的用户群,考虑用户对送货上门和自提的行为偏好、以及用户服务价值,建立基于用户画像的社区共同配送模型。最后通过一个案例论证了社区共同配送能够实现末端配送降本增效、减少环境污染、缓解城市间交通拥堵。图20幅,表17个,参考文献62篇。