电子商务普及下的双渠道零售商需求优化整形外文翻译资料

 2022-11-13 16:21:47

英语原文共 45 页,剩余内容已隐藏,支付完成后下载完整资料


电子商务普及下的双渠道零售商需求优化整形

2016年9月; 修订:2018年1月,2018年6月; 接受:2018年 7月

摘要 :在过去的十年中,社会中的电子商务使用水平不断提高,导致零售渠道需求模式的动态变化。在本文中,基于这种动态演变的存在,我们通过电子商务营销努力和存储服务水平,研究了双渠道零售商的最优需求整形策略。我们的程式化模型,将社会中电子商务的日益普及与个人消费者的渠道选择融为一体,并明确模拟零售商基于多期的设定下对于消费者的决策的先前决策的参考效果。此模型允许我们表征电子商务中的设定,即电子商务营销对零售商有利,并表明零售商的最优需求整形策略取决于产品的电子商务运用阶段。有趣的是,我们发现,如果零售商为消费者提供有关附近可用商店水平的信息,然后是零售商的最佳服务水平也会随着时间的推移保持不变,即使社会中的电子商务的使用增长。

关键词:双渠道零售;电子商务运用;适应性学习;消费者选择;多期库存;

1.引言

“几乎所有的零售业增长都来自电子商务”,欧洲电子商务部门指出(2016年),那是,欧洲的在线销售增长了13.3%,而2015年零售总额的增长到1%。类似的趋势也在美国盛行,过去三年的在线销售额平均增长了14.5% - 是传统零售业增长速度的四倍(美国商务部2017年)。 对于消费者而言,电子商务可以被视为一种新服务,并非所有消费者都是电子商务的“采用者”(即考虑选择在线购买产品),因为这需要对这种新服务的信心以及能够使用这种新的服务,并且愿意等待在线购买的产品。然而,正如销售量体现出来的,由于各种因素,包括不仅仅是零售商对于电子商务的营销努力,还有“口碑”效应,网络安全的增强,智能手机的引入等。这种情况正在迅速改变

不断增长的电子商务运用也引入了新的需求动态,这对双渠道零售商的营销和运营决策产生了影响。消费者购买决策如今也关键性地取决于某个消费者是否是电子商务的使用者。结果,不同方面的服务越来越重要。例如,虽然当电子商务使用率较低时电子商务投递时间可能不是最重要的,但如果更多消费者愿意在线购买该产品,则可能对所获取的需求产生相当大的影响。 因此,取决于社会中的电子商务采用水平,零售商可以在不同时间段经历跨渠道的需求的扩张/缩减。这为双渠道零售商的决策过程带来了新的角度:零售商需要决定如何在各个时期内分割其在线和线下渠道之间的潜在需求,并采用不同程度的电子商务。这就是我们在本文中研究的问题。零售商可以通过整合营销和运营决策来实现这种“需求塑造”。这种通用的行业惯例由Shopify,E-bay和Intel等零售商通过新颖的工具和技术实施(Forbes 2016,IBM 2017)。 考虑英特尔(2013)的新虚拟现实工具:“除了降低与库存相关的成本外,该解决方案还提供革命性的店内体验,这一体验可以增强品牌知名度。

在这些实践的推动下,我们考虑了一个多周期设定,其中双渠道零售商需要确定商店渠道中的目标库存服务水平以及具有100%可用性的在线渠道的营销所需要付出的努力。换句话说,越来越多的电子商务采用者面临着从在线渠道可担保服务但是相应的交货延迟和从线下渠道即时获取服务之间的选择,但前提是每个时期产品都有库存。产品可获取性方面也很重要,因为消费者可以通过自己的经验或与别人的交流了解库存水平,并相应地做出未来的渠道选择。在这种动态环境中,零售商的目标是优化这两个“杠杆”,以“塑造”两个渠道的需求,目标是最大化预期利润(即收入减去库存和营销相关成本)在计划期限内。

我们明确地认为,由于内生因素,社会中的电子商务采用水平会随着时间的推移而发展,我们根据零售商的电子商务营销工作(例如使用新颖的虚拟现实技术和移动应用程序)和外部因素、口碑效应进行建模。这符合Roger(1962)对创新理论的推广,因为消费者在采用新的服务和购物机制时,他们在很大程度上依赖于口碑,如电子商务。行业研究也支持这一现象:“利用所有的广告和营销工具[...],没有什么比朋友,同事,有时甚至是完全陌生人的推荐更具影响力”Forbes(2017a)。这是因为,“客户与客户之间的互动是塑造公司需求或市场份额的重要决定因素,尤其是[hellip;]某些特征未知的新型创新产品”(Debo和Veeraraghavan 2009)

我们根据商店的产品供应情况对消费者选择过程进行建模也很重要(Netessine and Tang 2009):由于消费者在他们的消费行程中投入的时间和精力,“如果没有某种形式的保证,他们可以找到他们正在寻找的东西,消费者就不会光顾公司”(Su and Zhang 2009)。因此,我们的模型通过将电子商务采用,库存驱动需求和消费者学习整合到建模框架中,为双渠道零售商的联合营销和运营决策提供的大量文献提供一个新的角度- 所有这些方面对于模拟不断发展的电子商务采用对双渠道零售商在多周期环境中塑造决策的需求整形决定有很重要的影响。在本研究中,我们的目标是解决以下问题:双渠道零售商如何随着时间的推移调整其营销工作和库存服务水平,以便在不断增长的电子商务采用中优化需求?在电子商务采用的不同阶段,具有不同利润和销售利润的产品是否需要不同的策略?为消费者提供零售商服务水平的准确信息对零售商的需求塑造策略有何影响?

为了解决这些问题,我们开发了一个分析模型,该模型将消费者选择模型与多周期设置中的扩散模型相结合。特别的是,我们利用消费者选择模型来模拟消费者的购买和渠道选择决策,这些决策受以下因素影响:1)商店库存可用性,消费者通过他们自己在零售商的先前经验以及通过口口相传来建立预测;2)对于消费者不愿意等待在线消费的物流递送,到商店的距离以及电子商务选项的采用状态的异质性,后者来自基于口口相传的扩散模型和零售商的电子商务营销努力。因此,如上所述,零售商跨渠道的需求受到外源口碑效应的影响,并通过其电子商务营销努力和商店服务水平内生地形成。当然,零售商可以利用各种杠杆,这些杠杆可以涵盖一系列营销和运营决策,以在这个多期间的环境中随着电子商务的日益普及来塑造需求。作为这些决策的代表,我们在我们的程式化模型中考虑零售商的商店库存和电子商务营销工作,尽管我们的建模框架适用于各种其他决策。

据我们所知,本文是第一个研究不断增长的电子商务采用对双渠道零售商在多期环境中的战术决策的影响。 我们不仅从建模的角度也从内部观点的角度为这方面文献做出贡献。 首先,通过建立文献中的现有成果,我们提供了一个建模框架,这一框架将消费者的电子商务采用状态纳入不同零售渠道之间的消费者选择。多渠道零售文献中的大多数研究都假设所有消费者都是电子商务采用者。这种假设导致在线渠道的需求量极高 - 在某些情况下,建议通过在线渠道可以捕获100%的总市场需求(例如Chen等人,2008)。鉴于电子商务销售额占零售总额的比例不到15%,这可能不太现实,即使是电子商务采用水平最高的产品类别的(参见第6.1节不同产品类别电子商务销售百分比)。接下来,我们考虑一个多期设置,其中可以捕获零售商决策的更长期影响。多渠道零售文献中的大部分作品都考虑了单周期设置,其中这种效果无法建模。我们的建模框架能够捕获那些内生效应(即电子商务营销努力和商店服务水平)以及推动电子商务采用的某些外部因素(即口碑效应)。在我们的分析中,我们证明将这些方面纳入模型的影响。例如,我们发现忽略电子商务采用的增长会导致库存订单数量和销售量大大低于考虑不断发展的电子商务采用的动态的环境。

从洞察力的角度来看,我们的工作提高了我们对双渠道零售商在当今动态需求环境中如何在战术层面运营的理解。我们的主要研究结果如下。首先,其策略是与消费者接近的零售商可以利用消费者在便利性和产品可用性之间的权衡来扩大其市场覆盖范围。这导致战略级别的服务水平降低。接下来,即使电子商务营销活动通过允许其在商店不容易接近消费者的环境中(即在大的服务范围内)捕获更大的需求来改善零售商的市场覆盖率,零售商应该注意:当大多数消费者电子商务营销位于商店附近,导致消费者迁移,这不一定有利可图(参见福布斯2017b)。否则,零售商的最佳需求调整政策取决于产品的电子商务采用阶段。例如,不出所料的是,我们的数值结果表明,如果产品处于成熟的采用阶段,那么零售商不需要像早期采用阶段那样积极地推广在线渠道,而是需要提高商店服务水平。有趣的是,我们表明零售商的最佳服务水平随时间变化主要是因为消费者需要使用先前信息预测零售商的当前可用性水平。 也就是说,如果零售商向消费者提供关于他们当前商店可用性水平的准确信息,那么即使电子商务采用增长,零售商的最佳服务水平也不需要随时间变化。这一发现意味着,通过向消费者提供有关当前商店可用性水平的完美信息,零售商享有最佳服务水平政策,该政策比有限信息设置中的最佳政策更容易实施。

在下文中,我们首先概述相关文献以阐明我们的贡献。

2.相关文献综述

据我们所知,本文是第一个将不断增长的电子商务应用纳入双渠道零售商的需求塑造策略研究。相关文献包括双渠道零售,库存驱动需求,消费者学习和技术扩散的研究。

有大量关于双渠道零售管理的OM文献(参见Cattani等人2004,Tsay和Agrawal 2004b,以及Agatz等人2008年的优秀评论)。该领域的一系列研究侧重于分散系统中的协调问题,其中制造商及其中介通过价格和/或服务互动从事纵向和横向竞争(Chiang et al.2003,Tsay and Agrawal 2004a,Chiang and Chhajed 2005年,Boyaci 2005,Cattani等2006和Chen等人。 2008)。最近,一些OM学者研究了新购物趋势对集中设置中双渠道零售商决策的影响(例如Balakrishnan等人2014,以及Gao和Su 2016)。上述大部分工作都是通过考虑单周期模型来研究双渠道零售商在战略层面的决策,并假设所有消费者都是电子商务的采用者。因此,既没有充分研究电子商务的部分采用及其在社会中的动态增长,也没有充分研究这些决定的长期影响。我们将考虑战术层面,多期问题等运用于本论文中,以捕捉那些内生效应(即电子商务营销努力和商店服务水平)以及某些外生因素(即口碑效应),为此文献做出贡献。推动电子商务的采用。我们的研究结果表明,与模拟这些动态的设置相比,忽略电子商务采用的增长将导致总订单数量和销售量大大降低。为了模拟零售商商店服务水平决策的内生性,我们借鉴了库存驱动需求的文献;也就是说,研究将产品可用性作为公司刺激需求的杠杆。 Dana和Petruzzi(2001)通过假设效用最大化消费者在外生和内生价格设置下基于公司当前可用性,在产品和外部期权之间做出选择来扩展经典的单期单渠道报酬问题(参见Dana和Petruzzi) 2001年对库存驱动需求的研究进行了广泛的审查。)Chen等。 (2008)对于双渠道零售商采用类似的需求模型,在线渠道具有100%的可用性,并且在商店渠道中具有内生的报酬设置类型,类似于本文中的设置。我们工作中的需求建模类似于上述工作,因为消费者是效用最大化器,并且由此产生的需求取决于零售商的库存可用性。与Dana和Petruzzi(2001)相反,我们用电子商务营销努力取代定价决策。最重要的是,我们将这些作品扩展到多通道多周期设置,这样我们就可以展示类似的服务水平调查结果适用于:1)一个渠道(商店)中的高服务水平刺激渠道自身的需求,同时减少对其他渠道(在线)的需求,其采用水平随着时间的推移而增加,并受到影响零售商的决定,2)消费者在缺货的情况下在渠道之间切换,3)消费者随着时间的推移学习。

自适应学习范式通常用于模拟零售商先前决策对多期设置中的消费者决策的参考和影响。自适应学习现象假设消费者并不总是将最近披露的信息视为完全可靠的参考; 相反,他们通过将接受的手稿与过去的经验相结合来逐步适应这一新信息,以更新他们的认知(Liu和Van Ryzin 2011)。 通过在多周期设置中通过指数平滑来模拟这种类型的学习是常见的(参见Akerman 1957,Monroe 1973,Sterman 1989,Popescu和Wu 2007,以及Wu等人2015)。 特别是,与Liu和Van Ryzin(2011)类似,我们将消费者对零售商当前产品可用性水平的预测建模为前一时期产品可用性水平的指数平滑平均值和消费者的先前估计。这项工作与我们的研究之间的根本区别在于,虽然高可用性通过为消费者提供支持来刺激我们模型中的需求,是更高的可用性保证,在Liu和Van Ryzin(2011)所研究的环境中,效果却正好相反:销售季节期间高可用性的预期阻碍了消费者在常规季节以全价购买。从这个角度来看,我们的工作与Liu和Van Ryzin(2011)不同,因为没有战略性的“等待和决定”组成部分。也就是说,所有消费者会在商店可能缺货的不确定性下做出购买决定。我们研究的双渠道零售方面在这一类型文献中也是最新的,它使我们能够研究消费者学习对跨渠道需求分配的影响。

我们借鉴了关于创新扩散的文献(Rogers,1962),以模拟社会中电子商务采用的渗透情况。扩散模型研究了新技术,产品和服务(例如电子商务)在社会中的渗透情况(Sterman 2000)。特别是,低音扩散模型以风格的方式在数学上表现出这种现象,作为当前采用者和非采用者之间以口碑形式的相互作用的函数,以及诸如营销努力之类的外部因素(例如Bass 1969,Mahajan et al.1995 ,多德森2014)。从这个角度来看,与我们的研究最相关的论文包括Lewis和Long(2009),它使用Bass扩散模型来预测零售商的电子商务销售,以及Barabba等人。(2002),利用扩散模型和logit选择模型来研究消费者对新服务的认知产生以及购买新服务的消费者的实际接受原始数量,因为他们知道这一点。然而,与我们的工作相反,这些研究只关注预测方面或使用模拟研究来检查公司的高层战略决策,例如决定增量与积极的营销策略。

3需求模型

3.1概述和假设

我们考虑一个双渠道零售商,在给定的商店服务半径k内服务于消费者的“人口”。 在每个时期,产品是人口的随机子集所要求的,即“市场规

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[18285],资料为PDF文档或Word文档,PDF文档可免费转换为Word

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。