基于顾客选择行为的可替代产品组合规划及收益管理研究

As the rapid increasing of the number of commercial products, sellers, both online and offline, are facing a great challenge, which is how to improve their ability on assortment based revenue management. In the assortment based revenue management area, product substitution usually plays a very important role and such substitution is affected by customer choice behavior. In the recent years, customer choice based assortment planning and revenue management is a very hot topic in the academic researches. Considering several factors which have impact on the demands of products with substitution, we propose to study the structure property of customer choice models and their impact on assortment w/o capacity constraint at first. Based on that research, we will further study three topics, robust assortment problem under uncertain conditions, assortment optimization under multiple customer search types, and assortment optimization under product diffusion. Through these studies, we hope to set a theoretic way to construct models for assortment optimization problems, to provide a bunch of solution methods and efficient policies, and to finally provide insight to the revenue management practice.

随着产品种类的急剧增加，线上线下商家都面临着提升自身产品组合与收益管理能力的挑战。在产品组合与收益管理问题中，产品间的替代作用通常占主要影响，这种替代作用受到顾客选择行为的影响。近年来，基于顾客选择行为的可替代产品组合规划及收益管理研究成为国际学术界的前沿与热点问题。考虑到现实中影响可替代产品需求的多种因素，本项目将首先研究顾客选择模型的结构特征及在有无产品种类容量约束下对产品组合的影响，并在此基础上进一步考虑模型参数不确定性下产品组合鲁棒优化与收益、顾客多种搜索类型下产品组合优化与收益、基于产品扩散效应与替代效应的产品组合优化与收益这三个问题。通过这些研究，申请人希望能够完善基于顾客选择行为的可替代产品组合规划及收益管理模型构建理论，提供产品组合优化方法与有效启发式策略及分析，进而指导该类收益管理问题的实践。

随着产品种类的急剧增加，线上线下商家都面临着提升自身产品组合与收益管理能力的挑战。本项目围绕顾客选择模型的结构特征以及对产品组合的影响、不确定环境下产品组合与收益鲁棒优化、电商环境下产品组合与收益优化这三个研究主题开展了一系列相关研究。.首先，我们深入分析了顾客搜索、考虑集形成、预期后悔等行为对选择模型造成的影响。在外生考虑集问题中我们研究了三种嵌套考虑集下的产品组合优化问题，设计了相应的多项式求解算法和FPTAS逼近算法。在内生考虑集问题中，我们研究了顾客搜索行为和预期后悔行为对选择模型的影响以及对平台商家定价与产品组合决策的影响。研究发现电商平台对搜索模式的偏好源于搜索类型、搜索深度和商家产品组合决策共同影响，我们识别出四种效应，通过确定起主导作用的效应可以帮助平台制定搜索模式的选择和设计。对预期后悔行为的研究表明预期后悔促使顾客付出更大搜索努力，体现在先增加搜索深度再增加搜索广度，前者对平台商家利润产生正面影响，后者则降低商家的利润。.在不确定环境下产品组合与收益鲁棒优化方面，我们研究了鲁棒价格折扣与个性化产品组合优化问题、鲁棒性产品组合优化问题以及拓展研究基于lq拟范数的二次优化模型的稀疏回归问题。第一个问题中我们引入目标收益值将价格折扣决策与产品组合决策分开，极大降低问题求解难度，仿真结果表明鲁棒优化模型具有良好的收益鲁棒性。第二个问题中我们引入新的概念——鲁棒性(robustness)，并对基于鲁棒性的产品组合优化进行了分析和算法设计。仿真结果表明在模型不确定性很大时基于鲁棒性的产品组合在收益期望和鲁棒性方面均优于基于分布鲁棒的产品组合。第三个问题中我们引入新的稀疏优化模型，该模型基于lq拟范数和二次约束。数值实验表明该方法在稀疏回归问题表现优于已知方法，适用于需求模型的特征降维分析中。.除此以外，我们还研究了全渠道商家的产品组合优化问题。通过建立线上线下供应网络，设计网络划分和子网络求解的FPTAS算法，我们可以得到1/2近似比的产品组合。该研究可以为全渠道商家部署差异化门店产品组合提供解决方案。.项目研究取得一系列成果，包括在管理科学国际顶刊IJOC、国际工业工程协会会刊IISE Transaction等期刊发表论文，获得相关学会优秀学生论文奖，撰写企业案例等，为产品组合相关收益管理提供了理论指导和决策方法。