1. Définition de la question

Lors de la fourniture d'un groupe de produits pour les clients, des prix différents sont développés pour que chaque personne utilise une optimisation générale de revenu. De plus, ce problème peut être redéfini pour fournir des réductions cibles pour modifier les prix sur le prix de base.

2, application

La différence de prix est largement utilisée dans le secteur de la vente au détail et présente de nombreuses formes différentes et des formes cachées: des coupons, des partitions de prix des magasins et des réductions sont des exemples de différences de prix.

Différences de prix liées à l'augmentation des ventes grâce à la quantité de réduction.

Les prix dynamiques peuvent utiliser le principe du prix et des différences de modèle pour augmenter les prix.

Bien que nous entendons dans la définition du problème, il suggère que la méthode de valorisation personnelle est notifiée, mais c'est un cas très extrêmement extrême pour mettre des moyens différents pour les grands clients. Prix .
3, solution
AutresLe prix spécial est le problème économique et marketing le plus élémentaire [SM11], donc:
est rentable, q comme le nombre de ventes, P est le prix unitaire , v est une unité de changement de coût (équivalent au prix de gros du détaillant), mais des coûts fixes tels que les coûts de gestion. Les prix et les ventes de formules (4.1) dépendent de l'autre, car la demande diminuera lorsque les prix augmentent et inversement. La relation entre les prix et les ventes peut souvent être appliquée aux fonctions linéaires. Cette fonction a un coefficient de coefficient communément appelé l'élasticité de la demande:

En d'autres termes, la demande de flexibilité est le pourcentage de changement de taux de changement de vitesse et le taux de changement de prix. La formule (4.1) et (4.2) peuvent être visualisées comme suit:

La ligne de pont est une brochette d'un débit de Destruction, élasticité et vente au détail, valeurs équivalentes (PO-V) · Q0, P0, p0 est le prix des produits unitaires placés par les détaillants.

D'une part, quand giL'Asie approche, le profit est d'environ 0, malgré le volume de vente élevé.
D'autre part, les prix élevés entraîneront une baisse des ventes et des bénéfices deviendront faibles. Fondamentalement, cela signifie que le service de prix provient d'un problème d'optimisation numérique et des détaillants peuvent utiliser des techniques statistiques pour estimer l'élasticité de la demande et trouver le meilleur prix pour une formule maximale (4.1).

Cette méthode est le fait que l'optimisation du prix de mesure est relativement restreinte [SM11] car le modèle indique la formule (4.1) trop simplifiée par le marché des comportements et la suppression de la concurrence. Quelques impacts importants sur les relations de marché - la quantité.

Par exemple, le prix a considérablement diminué pour augmenter de manière significative les concurrents de réduire la symétrie de l'industrie entière, de sorte que tous les acteurs du marché auront finalement des ventes et des bénéfices inférieurs.
. Bien que l'optimisation des prix de mesure aient de nombreuses limitations et formules (4.1-4.2) montrent la nature de la différence de GIAsiatique. Pour tout prix, ce prix est un compromis quel que soit. Parce que certains clients vont abandonner l'achat car ce prix est trop cher, bien qu'ils puissent être prêts à acheter ce produit à un prix inférieur entre P0 et V (contribuant toujours à deux bénéfices).

De plus, certains clients peuvent supporter des prix plus élevés que P0, bien que leurs ventes soient relativement petites. Dans les deux cas, les détaillants ne peuvent pas obtenir de bénéfices supplémentaires dans la zone triangle de la ligne de pont et peuvent être entourés de la ligne.

Les différences de prix sont naturellement pour surmonter une seule limite de prix normale, en fournissant aux clients des prix différents selon les paiements des clients, fournissant aux clients des prix différents pour différents groupes de clients. Considérez un cas particulier de cette stratégie, en fonction du prix habituel du graphique précédent, des primes plus élevées (notez comment la zone de profit augmente par rapport à la stratégie de prix unique):
.

Cette considération donne aux détaillants la manière dont des produits similaires vendus à différents clients à des prix différents. En général, il est nécessaire de mettre en place une période de temps entre les clients avec des paiements différents qui ne pourront pas payer le prix en raison du faible paiement des invités. Les détaillants peuvent utiliser les segments suivants:

Zone du magasin: la chaîne de magasins de détail sont souvent dans des communautés différentes, avec différents revenus familiaux moyens, la taille de la famille moyenne, les attributs de la population compétitive récents, des facteurs concurrentiels tels que la distance . Ceci est différent de la sensibilité naturelle à nos clients et la possibilité de trouver des fournisseurs de remplacement. Cela permet aux détaillants de fixer des prix différents dans différents endroits au niveau du magasin.

Taille de l'emballage: produits de consommation rapides (FMCG) tels que l'eau douce ou les cosmétiques à haute vitesse de rotation, les consommateurs peuvent choisir d'acheter une petite quantité de produits ou de stocker de nombreux produitsCette explication est également affectée par les effets des facteurs de population comme la taille de la famille. Ce mécanisme crée une zone en achetant un emballage important ou petit, puis définit une marge unitaire différente pour différentes tailles d'emballage. L'achat d'une préférence (BOGO) est également lié à ce mécanisme.

Promotions: Les clients peuvent la distinguer entre eux sur la base de leur volonté d'attendre des prix plus bas ou d'acheter maintenant. La population de ces clients est largement utilisée dans les secteurs de l'habillement et les promotions saisonnières de cette région sont l'un des principaux mécanismes de marketing.

Coupon: De nombreux clients ne seront pas disposés à acheter un produit à des prix normaux, mais lorsqu'il y a une réduction, envisagez d'acheter. Par conséquent, les détaillants peuvent obtenir des clients supplémentaires à partir de réductions, bien que la marge bénéficiaire brute, ils contribuent moins que les produits achetés par des prix normaux. D'autre part, il peut être nocif pour l'objet trop large, car les clients sont disposés à acheterLes prix normaux utiliseront également des réductions (sans réductions), les techniques de modèle de rétroaction sont discutées dans ce chapitre précédent qui est utile pour résoudre ce problème. Cependant, il existe une solution traditionnelle au XIXe siècle - des coupons et des coupons représentant certains prix (par exemple, les clients doivent le trouver dans le journal, couper et présenter à la porte), ceci est divisé pour obtenir des réductions en dépenses. temps et effort.

CANAUX DE VENTE: Les canaux de vente naturels représentent différents quartiers, car les clients choisissent d'acheter des chaînes pour faire attention à leur paiement sont disponibles. Par exemple, comparé aux clients qui achètent le même vin dans les épiceries, la sensibilité des prix des clients du vin a été inférieure. [CU13].

Bien que ces technologies aient été utilisées depuis longtemps, il est très difficile d'établir un modèle d'optimisation complet de réduction.

Et, selon ce que nous savons, tous les tissusIl y a de telles limitations. Dans cette section, nous avons examiné deux modèles de différence de prix, basés sur des conceptions de données basées sur des supermarchés américains (en particulier des données SAFFWeway sur les filiales de Chicago) et vérifiées sur les données de ces données.
4, sur la base de la quantité et de la position
Document [KJ05] Cette proposition de modèle, l'objet de ce modèle est l'optimisation de la combinaison basée sur le nombre de colis et de packages et de packages. du niveau de magasin. Ce modèle est très similaire au modèle dont nous avons discuté dans le chapitre Prévisions de la demande, seul le modèle introduit de nombreuses tailles d'emballage et de paramètres actualisés.

Considérons une telle situation: un détaillant exploite des magasins, certains produits sont vendus, il existe certaines marques et possède un certain nombre d'arts de paramètres, tels que Coca-Cola et Pepsi, respectivement, respectivement. Il y a 2 écoute, 4 écoute et 6 écoute. L'objectif est d'optimiser le prix de chaque produit de l'unité d'emballage, où le prix du produitLes produits peuvent être ajustés en fonction du produit et des spécifications de magasin. Nous avons commencé à partir du modèle spécial multif logique standard (logit multinomial - MNL), ce modèle décrit dans la prévision des pièces précédentes.

Il représente la probabilité de clients des achats de la boutique de SJ Store, J est le nombre de produits (toutes les spécifications de toutes les deux marques) plus). Le temps est mesuré à une période de temps relativement longue (telle que la semaine). La variable de paramètres X peut être estimée à l'aide du modèle de régression suivant:

ZJ est la spécification du produit, PJTS est le prix, les DJT ont recommandé des réductions (dollars américains), Des principaux facteurs de concurrence intégrés tels que les magasins de compétition récents, tandis que les FJT intègrent des facteurs changeants environnementaux tels que la météo. Par conséquent, le paramètre de régression correspond essentiellement aux intérêts du client, à la sensibilité du prix, à la rétroaction de la remise, la priorité des concurrents, la sensibilitéM of Variations et impact des rabais de sensibilité des prix, V.V.
Documentation [KJ05] Considérant que le modèle de régression sensible aux prix au cas où la promotion exprime une sensibilité plus élevée que sur un seul profit, car les clients stockeront des produits. Cela rend les promoteurs passés à accroître la sensibilité aux prix actuels des produits. Cet aspect peut être décrit en séparant le tampon correspondant en deux parties, comme indiqué ci-dessous:

Dans la formule sur α3 est une sensibilité moyenne et seconde termes montrent des effets de mémoire. Dans le cas où W est la profondeur de l'histoire, c'est-à-dire le nombre de semaines, P0 représente le prix habituel et p est le prix réduit réel. De même, il existe également une vue que la sensibilité aux promotions implique également une promotion récente:

WJ est le numéro de promotion le plus proche dans le passé. La sensibilité de l'annonce pour WJ Reliance est basée sur les hypothèses suivantes, les cyclesEntre les deux promotions, plus la réponse des promotions est élevée.

La formule (4.3) nous permet de prédire les ventes, les problèmes d'optimisation des prix peuvent être déterminés par temps d'équation (4.1):

,

CJT dans la formule ci-dessus montre le prix de gros et le QJT représente les ventes attendues. Les contraintes d'optimisation évitent ici les modifications des principaux facteurs tels que la concurrence de marché ou le comportement des clients. Échange de prix dramatique et décalage.

Documents [KJ05] a proposé cette liaison spéciale, cette restriction nécessite une optimisation du prix moyen des produits (indique la part de marché des produits de produit), ne dépassant pas l'optimisation des prix de Prix de Layapore (représentant du prix initial). Cette question d'optimisation (4.4) peut être résolue au niveau du magasin, ce qui signifie que la différence peut être effectuée en fonction des spécifications et des positions, ou uniquement au niveau de la chaîne.

5, réduction personnalisée de prixEt des coupons

Bien que la différence de prix entre le modèle ci-dessus soit également impliquée au niveau du client, ceci est ce modèle non conçu pour optimiser la réduction d'un client.

Ensuite, nous considérons un autre modèle proposé par [JT13], ce modèle consiste à optimiser des réductions spéciales et des coupons personnalisés. L'avantage principal de ce modèle est qu'il ne s'agit pas seulement d'un détail de réduction, mais essaie également de fournir une heure et une remise optimales de l'utilisateur pour spécifier le temps et la remise optimales de l'utilisateur.
Optimiser la réflexion sur ces attributs de temps provient des hypothèses suivantes: la probabilité d'achat du client n'est pas constante, mais changera en fonction de l'heure, pour chaque utilisateur avec une fenêtre de réduction optimale par mot.

L'inconvénient principal de ce modèle est qu'il ne peut être optimisé que pour des marques spécifiques telles que des fournisseurs et ne peut pas être utilisée pour gérer Dan.H article. Pour modéliser les propriétés du temps discount, supposons que la remise du produit soit D, nous décomposerons la probabilité que vous achetiez des produits pour acheter une probabilité d'achat de produits et de produits de probabilité de client à T:

La densité de la probabilité d'achat d'un certain produit peut être estimée en fonction du modèle d'utilisation MNL dans la recette (4.3). La fonction de densité de probabilité est achetée au moment décrit par la distribution Erlan dans le document [JT13]:

Cette variable de paramètre, Yu peut être souhaitée calculée par le même modèle de régression À l'équation (4.3) pour estimer la variable de paramètre, il sera utilisé pour décrire les efforts actualisés. Il peut donc être optimisé.

La probabilité d'achat est déterminée ci-dessus permet de créer le montant des ventes d'un certain client (en dollars américains), de démarrer des remises et des modes de fonction de cycle fonctionnel:
Le dérivé ci-dessus peut nous rendre à l'exportation comme optimisation des taux de cheveux suivante:

Ici est la marge bénéficiaire brute des prix normaux. Le premier élément de la formule correspond au revenu, le revenu consiste en trois aspects (revenus avant la promotion, le revenu et le revenu après la promotion); Le deuxième élément correspond au coût des activités de marketing. La figure suivante décrit ce problème d'optimisation:

La première image située en haut Montrez la fonction de densité de probabilité est achetée par l'invité U. Dans cette image, ces ventes d'un certain produit dans le prix normal correspond à la zone S0. Une augmentation de réduction fixe permanente correspond à S1, de sorte que les coûts totaux de revenu et de promotion (comme indiqué sur la photo) sont proportionnels à S0 et S1.

L'optimisation de l'achat de la batterie temporelle rend le revenu proportionnel au S0 + S2 et le coût est recouvert de S02 + S2 (comme indiqué en bas). La différence de naLes programmes médicaux entre promotions à rabais fixes et programmes de promotion du temps montrent qu'il existe une optimisation du temps pour améliorer le potentiel de la marge bénéficiaire brute lorsque la fonction de densité de probabilité a la densité de probabilité une certaine quantité.

Question 5: Plan de promotions
1. Définissez le problème

Lorsque vous fournissez un groupe de produits pour les clients, il est défini pour chaque prix de l'utilisateur varie pour maximiser la Revenu total = gains. De plus, ce problème peut être redéfini pour fournir des réductions cibles pour modifier les prix sur le prix de base.

Les détaillants se préparent à la promotion et à des réductions pour un ensemble de certains articles spécifiques. La planification de la promotion doit être estimée selon les valeurs suivantes:

Quel produit est l'inventaire pour éviter les marchandises avant l'événement?

Quel type de prix optimisera le revenu? Les prix peuvent être considérés comme une valeur constante ou une fonction commence depuis le début à la fin de différentes périodes.

Nous envisagerons des stocks et des détaillants prédéterminés essaient de facturer le meilleur prix. Il s'agit d'un problème typique rencontré dans le dédouanement des terres et les styles saisonniers [JH14, CA12]. Ce problème peut être déterminé de différentes manières, telles que la prédiction de la demande et de l'optimisation des prix en tant que question indépendante, tout en optimisant l'inventaire et le prix, entrez toujours sa destination afin de maximiser le revenu.

2, Demande

Les activités de publicité ont les applications suivantes au détail:

La dédouanement et la promotion sont la principale application de la mode de détail de l'industrie.

Certains modèles commerciaux si Flash Retail (également connu sous le nom de pop-ups de vente au détail) ne sont qu'une méthode de vente d'activités de promotion.

Les détaillants avec restauration rapide et détenus peuvent utiliser des activités publicitaires pour ajuster le rythme des ventes et synchroniser la durée de vie du produit.
3, solution
Prédire les besoins dynamiquesEt l'optimisation des prix est la base de l'économie, appelée gestion du revenu. La théorie de la gestion des revenus a une bonne explication et un système d'introduction dans des livres comme [TA05]. Dans le secteur des services, vous pouvez trouver les exemples les plus avancés et les plus efficaces d'automatisation de la gestion du revenu dans l'industrie des services, tels que les billets, les chaises de stade, les chambres d'hôtel, la location de voitures.

Pour comprendre comment ces techniques peuvent être utilisées dans le secteur de la vente au détail, considérons la théorie des méthodes de Ruela (un détaillant de mode).

Nous pensons qu'un détaillant dispose d'un plan de réduction N ou des groupes de produits (prix des produits dans le groupe de produits, tels que le yogourt ou les t-shirts de différentes couleurs). Placez P en tant que galerie de prix, la collection contenant des prix peut être définie pour chaque produit. En fait, P est généralement une petite collection de règles commerciales.

Par exemple, des prix plus bas peuvent être définis comme 29,90 selon le revenudes détaillants, l'ajustement des prix est défini sur 5 dollars à des prix psychologiques, puis p = 29,9 $, 34,9 $, 39,9 $, 44,9 $ 44,9 $ 49,9 $.

En supposant que tous les produits ou groupes de produits dans les promotions ont des points populaires, tels que «chaussures de femmes» ou «naissance de la nuit de Noël» appartiennent au même type, donc pour une exigence de produit capable de dépendre de la personne à charge. sur d'autres produits remplaçables.
En introduisant des variables S, il est égal au prix de tous les produits concurrents (groupes de produits) participant à des promotions et aux exigences attendues des estimations du produit sont des attentes pour les mathématiques E {Q | I, PJ, S}, ICI Q est une variable aléatoire indiquant la demande, i = 1, 2.. n est l'index du produit, tandis que J = 1, 2.. | p | est un produit ou un prix de groupe de produit. Parce que q est lié aux prix des produits et à tous impliqués, cela implique que le ratio prix des produits et les produits alternatifs sontHA Profitez de leurs besoins et de leur flexibilité.

Maintenant, nous pouvons supposer que S est fixé et résolu ce problème d'optimisation [JH14]:

lorsque le prix du produit Je suis PJ, la variable binaire ΔI, J∈0, 1 est 1, sinon 0. La fonction cible dans le problème d'optimisation ci-dessus peut naturellement montrer la collecte dans les promotions. Les premières contraintes garantissent que le prix de chaque produit en P (l'original peut avoir des problèmes) et la deuxième garantie de liaison au prix de tous les produits à S. Autre contraignation des niveaux d'inventaire peut également être ajouté au problème d'optimisation.

Le problème d'optimisation ci-dessus est estimé à estimer le besoin E {Q | Je, PJ, S}, peut être adressé dans le chapitre précédent. Cependant, il convient de noter que la plus courte (et la) est une situation très typique dans les promotions, de sorte que les données historiques sont utilisées pour modéliser de nombreux produits courts.

comme des cendres proposéesNG [JH14], peut résoudre ce problème avec différents types de produits en utilisant des données sans excellent stock de stock dans des promotions précédentes. Images pour ajuster la courbe de demande de la catégorie correspondante.

Question 6: Gérer la liste

1. Définition du problème

Détaillant vend des produits selon la catégorie. Une catégorie représente un ensemble de produits relativement couverts, ces produits ont beaucoup de points communs (tels que «Dessert», «Cowboy» pour femmes, ainsi de suite), afin que les clients puissent utiliser par un certain nombre de raisons pour une raison quelconque d'un autre produit est remplacé par un autre produit.

La principale raison des produits hors stock a de nombreux types permanents (tels que des étagères limitées) et un sexe temporaire. L'objectif du gestionnaire de catégorie est de calculer un sous-ensemble de produits par une méthode d'optimisation alternative, qui peut maximiser la marge bénéficiaire brute dans le cas de contraintes physiques telles que l'espace de l'étagère.Appliquer.

2, application

La liste de gestion est un travail relativement spécialisé, mais lorsque l'objectif est d'optimiser un seul produit, pas un produit le seul produit qu'il implique également l'effet de remplacement sur l'optimisation. Problème Promotion. Les détaillants sont souvent intéressés par la productivité globale du portefeuille beaucoup mieux que l'optimisation d'un seul produit, les méthodes décrites dans cette section peuvent donc être utilisées dans cette section dans de nombreuses applications. Différent pour atteindre des solutions optimales.

Ce modèle de recherche peut être directement appliqué à la gestion de la liste suivante:

Optimiser l'inventaire des produits d'entrepôt. Une application particulièrement importante est la gestion de la gestion des stocks des produits périssables, nécessitant une perte potentielle en raison de la durée d'utilisation et des produits passés.

Optimisez la disposition de l'étagère pour ajuster la part de marché des produits connexes.

Planifiez la liste (participez ou inquiétudeSupprimer les produits de la catégorie).
3, la solution
du point de vue de la gestion économique, les problèmes de gestion de la direction sont dus au déclin des revenus. En outre, la relation d'échelle entre les revenus et les coûts et les taux d'intérêt et les niveaux est différent. Les tendances totales sont la capacité d'acheter des consommateurs ont été saturées à la fois, et en même temps, en raison de l'augmentation du secteur des magasins et des autres coûts d'exploitation, le coût de la poursuite du développement: [

Cette tendance fournit des problèmes d'optimisation du portefeuille. C'est un problème très difficile car il nécessite des modèles de dépendance mutuelle entre tous les produits de la liste complète. Cependant, malgré ces défis, un modèle d'optimisation du catalogue pratique a été proposé dans [KOK07] et appliqué dans le supermarché de chaîne néerlandais Albert Heijn. Avant d'étudier cette méthode, introduisez les icônes suivantes:

N = {1, 2.. J} - Les détaillants fournissent aux personnes atteintes de BlunG La plus grande collection de produits dans la catégorie, toutes les catégories.

FILE {0, 1, 2...} - L'inventaire du produit J. Les détaillants sont optimisés en sélectionnant F à 0 (le produit n'apparaît pas dans la catégorie) ou non doit être 0. Inventaire total des stocks en uniforme Unités d'inventaire. Voici le niveau d'inventaire de tous les produits qui ne peuvent pas dépasser F0. La capacité d'inventaire totale peut être configurée par l'entrepôt ou l'espace de tablette disponible pour le magasin.

NH - Liste de H Store est un sous-ensemble de la catégorie totale.

DJ représente le ratio initial de la demande de J (combien de clients choisira ce produit lorsque toutes les catégories N sont affichées pour les clients)

DJ - Demander les ponts de produit (quotidien en raison de la volonté d'origine ou du remplacement des effets réels choisissez le nombre de produits j). Il faut observer pour un certain produit lié à la disponibilité (effets alternatifs) d'autres produits et autres produits, peut être COJe suis une fonction:

DJ ({F1.. fj}, {d1.... DJ})

Utilisez les symboles ci-dessus, des problèmes sombres que l'avantage décrit ci-dessus peut être construit comme suit:

Parmi eux, le taux total de GJ est une fonction d'un certain produit et son observation correspondante Besoins. Cette fonction est pertinente la plupart du modèle commercial du détaillant, nous allons donc introduire des fonctions universelles, sur la base de ces modèles, qui peuvent personnaliser les fonctions de taux d'intérêt brut de la manière dont l'utilisation réelle:
.

La formule (6.2) doit observer la multiplication avec la marge bénéficiaire brute, le mode de modélisation le plus simple, la formule cachée que l'addition est opportune et non en rupture de stock. L'épicerie comme une épicerie est cette situation, mais dans d'autres régions, telles que les vêtements doivent être pris en compte pour des actions non rémunérées comme équations (6.3). Les détaillants de Panyorrhage devraient également envisager des dommages-intérêts et des modèles réussisC (6.4) Ceci par renvoi à la disparition de l'unité L.

Pour faciliter la discussion, nous devons supposer que l'addition de tous les produits est opportune, la pénurie est donc impossible ou négligeable. Par conséquent, nous pouvons utiliser J∈ {0, 1} sous la forme de variables binaires pour indiquer si le produit est dans la catégorie, le traitement plus complexe du modèle exceptionnel peut être trouvé dans [kok07].

Pour résoudre le problème d'optimisation dans (6.1), nous devons déterminer la fonction des besoins observés. Il n'existe aucune hypothèse manquante, les fonctions fonctionnelles peuvent être modélisées selon la formule suivante:

dans laquelle αk-j est une probabilité de remplacement du produit KJ. La formule ci-dessus est comparée: le premier élément est le besoin d'origine et le deuxième élément correspond à toutes les exigences de remplacement accumulées du produit supprimées du catalogue.

La formule (6.5) nécessite une probabilité de remplacement estimée d'αk-J et de DJ le ratio de la demande initial. Pour mettre en œuvre ces estimations, nousSupposons que les variables suivantes sont connues (nous avons discuté de la prévision de la demande dans le chapitre précédent de cet article):

QJH, J∈NH - Chaque client est dans le besoin. Supposons que le nombre est le nombre de clients entrant dans le magasin H dans une journée, puis DJ = KH * QJH.

Q0JH, J∈NH - Chaque client a besoin des besoins de tous les produits en magasin H (en supposant que la liste du magasin soit pleine). Étant donné que la catégorie est terminée, il n'y a pas d'effet de remplacement et Q0JH est le besoin initial.

Taux de remplacement estimé αk-j est une chose plus difficile car le taux de remplacement de J2 varie dans J. Cependant, [KOK07] a trouvé un modèle unique simplifier le comportement des clients suivants, en fait, Ce modèle a suffisamment de précision et n'a besoin que d'une variable au lieu de la variable J2: si le produit n'achète pas, le client choisira la deuxième option. La probabilité de remplacement est Δ, cette probabilité est la même pour tous les éléments du produit, puis la probabilité de clients intelligentsg achète n'importe quoi est (1- δ). Ce modèle introduit une formule simple du rapport de remplacement suivant:

Pour estimer Δ, nous déterminerons la demande totale d'un certain magasin est QJH (peut être estimée par des données historiques) Total:

D'autre part, la valeur peut également être estimée comme suit:

peut maintenant être estimée en minimisant la différence entre Valeur réelle et valeurs prédictives minimisant la demande totale:

]
La prochaine étape des problèmes d'optimisation (6.1) est le rapport de demande initial utilisé dans la formule (6.5) . Nous réalisons d'abord que la demande totale de tous les produits dans les magasins H peut être calculée comme suit:

Lorsque VH est interviewé un nombre quotidien de clients dans H. Store dans la formule ( 6.10), tous Q0JH et multiplié par VH avec la demande totale à une certaine classe entière. Cependant, ilNe pas modéliser avec un certain magasin (tel que l'emplacement, la zone de magasin, V.V.) lors de l'estimation. Cela peut compenser les ajustements en estimant les demandes de catalogue et en prédit les ratios de la demande de la formule (6.8).

Dans un magasin de classe limitée, la demande totale est les deux parties suivantes: la demande de biens existe dans le magasin de destination et les besoins d'autres produits. Le rapport entre les deux parties peut être représenté comme suit:

Natural, Th * HR représente les besoins des produits existants en classe et (1- ème * RH) seulement Part de marché des produits non pas en catégories. Enfin, nos besoins en un seul produit peuvent être comptés dans le cadre de la demande totale:

Toutes les formules (6.12) et les éléments de (6,9) peuvent être estimées par des données, donc nous peut développer toutes les formules à la question d'optimisation initiale (6.1), puis ce problème peut être résolu de degréT par [kok07].

La formule (6.1) créera un stock maximum en supposant FJ pour chaque produit. Ces valeurs d'inventaire peuvent être utilisées pour régler l'inventaire et optimiser la mise en page du plateau. Il convient de noter que ce modèle permet aux détaillants d'assumer une analyse hypothétique pour évaluer comment changer dans la catégorie et l'inventaire affectant la marge bénéficiaire brute.

Par exemple, les détaillants peuvent attirer la marge bénéficiaire brute basée sur des produits ou des groupes de produits qui ont donné la courbe de fonctionnement du changement au niveau. Ces courbes sont spécifiquement décrites pour les produits périssables, car la marge bénéficiaire brute est une fonction convexe et lorsque le niveau d'inventaire est 0, la valeur de fonction est 0 et lorsque le niveau d'inventaire est trop élevé, le bénéfice brut sera égal à 0 dû à la perte causée. par le produit. La valeur optimale des taux d'intérêt est comprise entre deux conditions difficiles.

Question 7: Impact financier

Si la performance financière de la méthode d'optimisation mentionnée ci-dessus est manquante, nous en aurons unL'aperçu de ces méthodes et des problèmes de données correspondants sont incomplets. Bien que ces données ne soient pas difficiles à obtenir, nous devons toujours être prudents, car la performance financière est liée au modèle de sécurité du modèle économique du détaillant et, en fait, nous ne pouvons en fait pas d'autres facteurs environnementaux tels que la croissance du marché ou les actions de l'adversaire. pour les impacts d'optimisation.

En outre, ces chiffres peuvent avoir beaucoup de différences dus à de nombreux facteurs. Notre objectif est donc de fournir des références afin que les lecteurs puissent avoir une amplitude d'optimisation potentielle. Apprendre. La liste suivante collecte des cas de ces méthodes d'optimisation des impacts financiers:
Le modèle de rétroaction est largement utilisé dans l'ensemble du processus de marketing, du commerce de détail aux activités de promotion [EP13]. Souvent signalé que le modèle de rétroaction peut accroître la productivité des activités promotionnelles de 20 à 30% par rapport à la livraison aléatoire,Et le modèle d'amélioration peut apporter une amélioration d'environ 15% ou des difficultés significatives dans d'autres méthodes. En cas de revenu [PS08].
En fait de Raluma, les activités de marketing proposées dans [JH14] Évaluation globale et des conclusions générales sont optimisées L'intégration des modèles peut être utilisée par rapport à l'algorithme heuristique en premier. Augmenter d'environ 10% du revenu. [CA12] Et le modèle d'optimisation des événements prouvé par Zara peut fournir une croissance du revenu de 5,8%.

Le cadre de gestion de catalogue vérifié à Albert Heijn pour optimiser la classification de 25 filiales dans 37 magasins. Il a été constaté que dans ces cas de 25 × 37 = 1295, 701 méthodes non attaquées ont été utilisées et environ 6,2% de la marge bénéficiaire brute peuvent être augmentées après la méthode d'optimisation réveillant la nouvelle gestion de catalogues.

Enfin, il convient de noter que la plupart des méthodes d'optimisation discutées ici ne toucheront pas la pierreÀ côté du coût des détaillants, l'amélioration du revenu amélioré a donc été promue directement.

Dans le chapitre précédent, nous sommes tous une vue d'ensemble d'un certain nombre de détaillants. Problèmes économiques élaborés, fournissant leurs applications et leurs cas d'utilisation et appliqué. Modes d'analyse des données et modèles d'optimisation Ces problèmes. Dans la section finale, nous allons relier les modèles ci-dessus pour fournir un résumé panoramique.

1, par direct

l'objet principal de cet article est de décrire une entité dépendante de données et d'optimiser le nombre de données. Par conséquent, il est raisonnable d'examiner ce cadre pour les données de consommation et de créer une action décisionnelle.

Premièrement, nous pouvons adopter le processus d'exploration des données et explorer les connaissances à un niveau distinct, principalement en utilisant sans surveillance et d'apprentissage principalement des algorithmes basés sur des éléments humains à la pierre.Résultats de l'exploitation des prix du produit. Par exemple, une clientèle ou un produit régulier de produits d'achat.

Bien que ces processus soient importants dans la pratique, ils sont très difficiles à intégrer à des optimisations automatiques, car la découverte de l'échantillon est souvent basée sur les flux de la main et généralement comparé à l'optimisation de type optimisé, il est plus utile pour Décisions stratégiques. Cependant, la sortie de cette classe peut être configurée en aval, par exemple, des groupes de clients nouvellement détectés peuvent être utilisés pour identifier de nouveaux modèles de tendance ou introduire et optimiser la réduction exclusive.

Les deux couches suivantes correspondent à la modélisation et à l'optimisation. À propos du grand sens, l'objectif fondamental des classes de modélisation est de fournir un modèle de consommation complet, une description quantitative de sa sensibilité de prix ou d'elle, répond aux activités et aux réductions et à utiliser un produit pour remplacer un autre produit, qui sera accepté, etc.

Cependant, trèsIl est difficile de mettre en place un tel modèle complet, nous utilisons donc de nombreux modèles dédiés pour gérer différents problèmes. Cependant, il est important d'indiquer que le modèle de consommateur de cette imagination implique toutes sortes de problèmes d'optimisation, il est donc important de disposer de données complètes liées aux différents aspects du comportement des clients.

Le principal défi de la classe d'optimisation est l'optimisation globale de multi-usages. L'optimisation générale est un grave défi pour les calculs les plus importants et les plus importants, l'optimisation globale est limitée par le modèle de prévision de base, de sorte que toutes les techniques d'optimisation que ne peuvent gérer qu'un ou deux objectifs.

Nous mettons ces classes dans l'image ci-dessous. Il existe de nombreuses dépendances et interactions qui peuvent être entre composants, nous ne présentons donc que des mouvements liés à la modélisation de la modélisation, de manière à ne pas devenir trop difficile à comprendre.

2, l'importance de la tarification

Dans différents problèmes et objectifs, nous devons faire attention aux décisions de prix et à toutes les questions d'optimisation avec les relations en ligne suivantes ou indirectes. Utilisons un exemple classique pour expliquer l'importance des décisions de prix. Le festival de formule de base: G = Q · (P-V) - C Dans laquelle la vente Q est la vente, p est le prix, V est la modification de prix et montre une charge fixe. Supposons qu'un détaillant de vêtements vend 100 000 vêtements à 40 $ par mois, en supposant que le prix de gros de chaque vêtement est de 25 500 000 $ dans un coût fixe. Nous pouvons calculer les volumes de vente, les prix, les coûts de transformation et les coûts fixes sont en pourcentage de changement de profit: Dans cet exemple, nous pouvons voir que le prix est plus impacté sur le profit par rapport à d'autres variables. Bien qu'il s'agisse d'un exemple précis et arbitraire précis, les tissusCe chiffre existe dans diverses entreprises de différentes industries. Cela nous donne les conclusions suivantes: Les détaillants devraient accorder une attention particulière aux méthodes d'optimisation liées aux prix (rabais, prix personnalisés, prix des animaux, etc.) et le processus d'exploration de données prend en charge ces méthodes. Nous avons également remarqué que tous les produits de la chaîne de vente au détail peuvent apporter de nouvelles opportunités pour optimiser les prix automatiques. Étant donné que les différences de prix sont l'une des technologies technologiques les plus puissantes, l'environnement idéal pour optimiser la valorisation consiste à fournir des prix d'affichage ou cachés (réductions) sont personnalisés pour chaque client, et tous les prix peuvent être modifiés de manière dynamique. Les canaux numériques se produisent pour fournir ces conditions, chaque canal offre ses propres vues indépendantes et dynamiques du détaillant. 3, l'importance des tailles implicites Comme nous l'avons mentionné, l'optimisation des problèmes dans de nombreuses industries de vente au détail est interne. Capacité à définir ce modèle àVos clients personnels sont l'un des avantages les plus importants car les offres de la technologie des mines de données et constituent également une motivation majeure pour un marketing. L'exemple le plus complexe de modélisation des clients peut être trouvé dans le système proposé, en utilisant souvent des concepts de taille souterraine pour capturer les caractéristiques psychologiques des produits et produits des clients. Ce concept est très important, ce qui peut aller de loin supérieur à la plage de systèmes suggérés, mais il est connu d'être largement utilisé dans d'autres applications que nous le savons. Cela nous fait conclure que le système d'optimisation global peut appliquer la technologie la plus avancée dans la zone recommandée pour les applications peu communes. 4, perspectives Reconnaissant une décision d'automatisation complète dans le secteur de la vente au détail extrêmement ambitieux, même nécessaire pour mesurer ces méthodes d'optimisation en réalité. Presque impossible, car le revenu d'observation peut être lié aux pièces HMarché scolaire, actions du concurrent, changer les clients et autres facteurs. Cette question s'appelle des problèmes endogènes dans le manuel économique, il s'agit d'un défi énorme pour les utilisateurs de la technologie R & D et d'optimisation des utilisateurs basé sur des données, et même lorsque le cas, le cas, Cela devra le suivre. Le défi du problème n'est pas trop fiable. Cependant, au cours de la dernière décennie, les principaux détaillants recherchent des solutions globales combinant des techniques d'exploitation de données et d'optimisation numérique. Ce système avancé sera la prochaine phase en fonction du développement de la gestion des données d'entreprise, il suivra le consensus. des entrepôts de données et utilisez un grand nombre de méthodes de données scientifiques. - Texte intégral -