考虑直播销售的全道定价和库存策略:数据驱动的分布强大的优化方法

科学领域:

• 运营研究 运营研究
• 供应链管理 供应链管理
• 电子商务分析 电子商务分析

背景情况:

• 现场直播销售 (LSS) 是全道零售业日益增长的趋势,对需求预测和库存管理提出了挑战.
• 零售商在制定强大的定价和库存策略方面面临困难,这些策略要考虑到LSS特征和不确定的需求.
• 客户对定价和交货时间的敏感性对全道运营产生了重大影响,特别是随着LSS的引入.

研究的目的:

• 开发一个联合优化模型,用于订单,补充,订单履行和价格在一个全道零售环境LSS.
• 将客户对价格和交货时间的敏感性以及LSS在其他道上的自由骑行效应纳入其中.
• 通过使用强大的优化技术和机会限制来解决需求不确定性的服务水平保证.

主要方法:

• 制定服务水平要求作为共同的机会限制.
• 使用最坏情况的平均量子偏差 (WMQD) 来衡量风险.
• 使用瓦瑟斯坦度量来构建数据驱动的模两可的集合.
• 开发一个数据驱动的分布性稳健的联合机会受限编程 (DRJCCP) 模型.
• 双重理论的应用,有条件风险值 (CVaR) 近似,以及模型可处理性的线性化.

主要成果:

• 基于WMQD提出的DRJCCP模型在管理不确定性方面表现出优异的样本外表现.
• 与传统方法相比,该模型有效地确保了更强大的服务水平.
• 数字实验证实了开发的优化模型的效率和实用性.
• 敏感性分析显示,LSS的引入并不普遍有利可图,而增加LSS的努力可能会加剧没有保证利增长的自由骑行.

结论:

• 开发的DRJCCP模型为优化涉及直播销售的全道零售策略提供了一个强大的框架.
• 在全面实施之前,零售商必须仔细评估LSS的利能力及其对道动态的影响.
• 有效地管理不确定性和服务水平对于成功的LSS全道运营至关重要.