当前位置: 首页 > news >正文

时尚产品需求预测与库存优化模型解析

开发满足多元品味的时尚产品模型

在线零售商持续面临的挑战是如何在销售季开始前,最优地选择时尚产品子集并确定采购库存量。从更大的产品目录中决定提供哪些产品子集被称为品类优化问题。时尚产品的品类优化和库存规划之所以复杂,不仅因为需要提前数月预测新产品需求,还因为顾客在首选商品缺货时可能在不同产品间进行替代选择。

在线上环境中,额外的复杂性在于顾客与网站的互动方式与实体店购物截然不同。"同时处理品类和库存规划是一个难题,相关公开文献有限,行业应用解决方案也不多,"某中心供应链优化技术组织的高级首席科学家表示。

现在,得益于前实习生的灵感启发,某中心和哥伦比亚大学的科学家团队在这个高度复杂问题的实用解决方案开发上取得了重要进展。"我们希望开发一种科学方法来解决这个非常困难的问题,该方法在实践中可实施且可扩展,"负责为某中心供应链规划决策开发优化模型的科学家表示。

这项研究的成果是2021年5月发表的论文《重尾需求下的联合品类与库存规划》。论文中,作者描述了一种方法,"通过识别能够汇集产品全域需求的子集产品,在不过度因顾客替代行为而侵蚀收入的情况下,平衡预期收入和库存成本。"作者"还提出了一个多步骤选择模型,捕捉在线零售环境中的复杂选择过程,该环境通常以庞大的产品全域和重尾分布的平均需求为特征。"

预测可替代产品需求的挑战

问:预测可替代产品需求为何特别具有挑战性?某中心的规模如何增加此问题的复杂性?

当存在可替代产品时,特别是在某中心的规模下,每个单独产品的需求实际上取决于您提供的其他产品。需求取决于您携带的选择,而在某中心规模下,选择可能性是巨大的。这就是建模可替代产品需求的基础复杂性。

本文解决的另一个复杂性是:即使需求模型已知,由于替代以动态方式发生,规划库存仍然是一个复杂问题。

假设我们提供三种不同可可百分比的黑巧克力:90%、80%和70%。顾客都最喜欢90%,但如果90%缺货,他们会转向较低可可百分比的巧克力。我们开始时有足够的库存。开始时,只有90%巧克力会销售。一旦售罄,80%开始销售,然后是70%。因此,每个产品的需求将取决于选择中仍然存在的其他产品,这是一个动态过程。

开发一个可处理的客户行为模型并不容易,这些客户在某个产品存在时有一种行为,在该产品缺货时有其他行为。现在考虑到,有时同一产品可能对不同客户具有不同功能,因此客户可能朝不同方向寻找替代品。

如果您有三个产品且它们的需求是独立的,您预测每一个,它们的需求总和将是各个预测的总和。但在这种情况下,发生的是如果我有两个产品,然后添加第三个,根据添加的第三个产品是什么,所有三个产品的预测都会改变。我可以创建许多潜在子集,每个子集对每个项目都有不同的预测,取决于该子集中放置了哪些其他项目。这导致预测的可能性数量呈指数级增长。它取决于目录的子集,而子集的数量是天文数字。

捕捉在线零售环境中客户选择过程

问:如何在此模型中捕捉在线零售环境中客户的复杂选择过程?

顾客在某中心商店做出选择的过程极其复杂。用数学形式描述该过程是一个问题。第二个问题是,如果该过程如此复杂,我们不希望品类和库存优化模型过于依赖这种复杂性。我们采取的一个巧妙方法是在客户选择过程与决定购买什么子集和多少数量的问题之间放置一个抽象层。我们实现这一点的方式是基于Vineet在其研究中真正开创的东西。它被称为马尔可夫链选择模型。

这个马尔可夫链选择模型由一个替代矩阵定义:如果您的首选不可用,替代到另一个产品的概率是多少?因此,尽管选择过程本身很复杂,但我们使用这个替代矩阵抽象掉了复杂性。因此,我们能够设计一个不随选择过程的复杂性而改变的算法。明天,我们可能在模型中引入另一个新颖之处,以更好地捕捉选择过程中的现实,但我们仍然能够使用相同的算法,因为这个抽象层允许我们从客户选择端的任何模型转到品类和库存端的优化算法。

考虑这个问题的方式是,每当您做出产品购买决策时,您会接收到大量信号。但我们应该意识到,如果我们专注于几个关键信息,其他细节就变得不那么相关。以巧克力为例:颜色、形状,所有这些可能都很重要。但归根结底,只需告诉我可可百分比,也许这对我来说是最重要的事情。抽象的美在于它告诉您:"放松,您不需要把所有东西都扔进来做出决定。您只需要知道几个(可能是合成的)关键信息。"

模型的独特性和先前模型的局限性

问:这个模型的独特之处是什么?这项工作克服了先前模型的哪些局限性?

该领域先前的工作依赖于选择过程的结构形式。因此,品类优化算法使用了选择过程的属性。如果该选择过程的建模稍有变化,该优化算法就不再可用。因此,抽象掉它给我们带来了这个显著好处,我认为是这项工作的一个独特之处。

我们所做的是朝着解决更复杂版本的品类和库存优化问题迈出了第一步,这是一个顺序决策问题。您解决与我们在本文中做的相同问题,但您只使用有限的信息量,即当前供应商的目录。然后您转到下一个供应商并决定额外的品类。这项工作非常有希望的是,它为您提供了实际解决真实和实际问题的垫脚石,以每一步都可以建立在过去工作基础上的方式,而不是必须抛弃它。

这是非常第一步,但可能是解决实际品类和库存问题最具体的第一步。这些第一步要么将您放在正确的道路上(我们希望如此),要么将您送入杂草丛中。还有大量工作要做。但事实是它向您展示了隧道尽头的灯光,也许是对我来说从这个项目中得出的最大谜题。

我想强调这项工作的起源。一切都始于Omar El Housni在还是Vineet的学生时在我们这里实习。Vineet的另一名学生Omar Mouchtaki今年也在我们这里实习,正在研究这个问题。这些关系表明,如果您选择一个丰富的领域,就有许多途径可以探索。Omar El Housni现在是康奈尔理工学院的教授,我怀疑他将继续在这个领域工作。即使有一些我们无法谈论的零碎内容,因为它们是某中心内部研究,但我们工作的外部证据(这篇论文)已经存在,我们的同事正在继续研究它。还有太多工作要做,以至于我不知道我们怎么能不继续研究它。
更多精彩内容 请关注我的个人公众号 公众号(办公AI智能小助手)或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号(网络安全技术点滴分享)

公众号二维码

公众号二维码

http://www.hskmm.com/?act=detail&tid=26163

相关文章:

  • 自制带得分和推荐走法的象棋视频
  • DP分析黑科技——闫氏DP分析法
  • MUGEN游戏引擎等一系列相关杂谈
  • # 20232313 2025-2026-1 《网络与系统攻防技术》实验一实验报告 - 20232313
  • 一生一芯学习:PA2:输入输出
  • vector使用中的一个小问题
  • OPenCV CUDA模块图像处理-----对图像执行 均值漂移滤波(Mean Shift Filtering)函数meanShiftFiltering() - 指南
  • 2025.10.7——2绿
  • 完整教程:无人机避障——感知部分(Ubuntu 20.04 复现Vins Fusion跑数据集)胎教级教程
  • 我真的博了
  • 2025.10.6——1绿1蓝
  • 深入解析:人工智能-Chain of Thought Prompting(思维链提示,简称CoT)
  • 年龄排序
  • 二分图最大匹配 输出具体方案
  • 我的联想小新潮7000笔记本的优化
  • Go语言之接口与多态 -《Go语言实战指南》 - 指南
  • 地球科学概论
  • 2025多校冲刺CSP模拟赛4 总结
  • 多路归并、败者树、置换-选择排序、最佳归并树
  • 看vue文档记录(未整理)
  • Spring5笔记
  • 50天50个前端项目 - HTML/CSS和JavaScript实战合集
  • [BalticOI 2002] Tennis Club (Day1) 解题报告
  • 党徽
  • ZKEACMS:基于ASP.Net Core开发的开源免费内容管理系统
  • MySQL面试题汇总
  • 穷人的中国象棋打谱程序
  • 文件系统的层次结构
  • oracle 19c学习笔记2
  • 文件保护