编者按
淘宝店承诺的交货时间早些还是晚些更有利？
波动的市场环境下如何进行分布式储能的选址与运营？
企业存在服务竞争时如何对待“共享库存”这一模式？
网约车平台在线派单时能否综合权衡司机资质、等待时间、订单远近等多种因素？
如何建模消费者的多重购买行为，并设计相应的最优推荐算法？
如果你对以上其中一个问题感兴趣，编者相信本期MSOM论文导读值得一看！
推荐文章1
● 作者：Sooner or Later? Promising Delivery Speed in Online Retail
早点还是晚点？在线零售中的交货速度承诺
● 期刊：Manufacturing & Service Operations Management
● 原文链接：https://doi.org/10.1287/msom.2021.0174
● 发表时间：August 1, 2023
● 作者：Ruomeng Cui, Zhikun Lu, Tianshu Sun, Joseph M. Golden
● 关键词：
-
delivery speed information 交货速度信息
-
online retail 在线零售
-
innovative business strategy 创新商业战略
● 主要内容：
-
这篇文献的背景是在线零售业务中，快速交付对于客户满意度和忠诚度至关重要。然而，快速交付也会增加成本和复杂性。因此，在线零售商需要找到一种平衡快速交付和成本效益的方法。该文献的动机是探讨在线零售商如何在承诺交付速度方面制定策略，以最大程度地提高客户满意度和忠诚度。同时，该文献还旨在填补文献中对于在线零售商交付信息策略影响的实证研究缺失。
-
这篇文献使用了差异性分析（difference-in-differences identification strategy）的方法，以研究在线零售商承诺交付速度对销售、利润、产品退货和客户保留率的影响。此外，该文献提出了一种基于数据驱动的模型，利用估计的参数来优化交付承诺，以最大化客户生命周期价值。在阅读该文献时，需要了解在线零售业务的基本概念，如交付速度、客户满意度、忠诚度和生命周期价值等。同时，需要了解差异性分析的基本原理和应用。
差异性分析（difference-in-differences analysis）是一种常用的实证研究方法，用于评估政策或干预措施对于某个结果变量的影响。该方法通过比较受干预的组和未受干预的组之间的差异，来估计干预的效果。具体来说，差异性分析通过比较同一时间点上受干预组和未受干预组的差异，以及不同时间点上同一组的差异，来消除潜在的混淆因素，从而更准确地估计干预的效果。差异性分析通常用于经济学、社会学、公共卫生学等领域的实证研究。
-
这篇文章发现，在线零售商可以通过适当承诺更快的交付速度来提高客户满意度和忠诚度，从而增加销售额和利润。具体来说，该研究发现，适当承诺更快的交付速度可以显著提高新客户的购买率和保留率，但对于现有客户的影响不明显。
-
作者建议未来的研究可以考虑更多的干预措施，如价格优惠、促销活动等，以及更多的结果变量，如客户满意度、品牌忠诚度等。此外，作者还建议未来的研究可以考虑不同类型的在线零售商，如大型综合电商平台、专业垂直电商平台等，以及不同的市场环境和文化背景。总的来说，该文献为在线零售商提供了一些有价值的管理启示和研究方向，但仍有许多未来的研究方向和发展前景需要进一步探索。
推荐文章2
Organizing Data Analytics
● 作者：On the Distributed Energy Storage Investment and Operations
分布式储能的投资与运营研究
● 期刊：Manufacturing & Service Operations Management
● 原文链接：https://doi.org/10.1287/msom.2020.0652
● 发表时间：August 9, 2023
● 作者：Owen Q. Wu, Roman Kapuscinski, Santhosh Suresh
● 关键词：
-
capacity investment 资本投资
-
distributed energy storage 分布式能源存储
-
pooling 池化
-
production smoothing 生产平滑
● 主要内容：
-
这篇文章的背景是分布式能源储存的快速发展和其在能源系统中的重要性。文章的动机是探讨分布式能源储存的投资和运营，以及如何在不确定的市场条件下最大化其效益。此外，文章还旨在提供一种理论方法来解决分布式能源储存的优化问题。
-
本文采用了数学建模和分析的方法，主要包括以下几个步骤：1. 建立储能容量投资问题的模型：本文考虑了三种储能位置策略（分散式、集中式和混合式）和多种储能容量选择，建立了一个数学模型来描述储能容量投资问题。2. 分析储能容量投资问题的特点：本文通过对模型的分析，发现储能容量投资问题具有一些特点，例如存在多个决策变量和约束条件，以及存在不确定性和风险等。3. 提出优化策略：本文提出了一种优化策略，以确保储能资产的高效使用。具体来说，对于混合式储能位置策略，文章提出了一种基于库存池原理的储能操作策略，即优先将能量存储在中央储能系统中，只有当中央储能系统已满时才将能量存储在分散式储能系统中。4. 使用线性规划和动态规划等方法对模型进行分析：本文使用线性规划和动态规划等方法对模型进行了分析，得出了一些结论和建议。例如，对于储能容量投资问题，分散式储能位置策略通常比集中式储能位置策略更优，但在某些情况下，混合式储能位置策略可能更优。
-
未来的研究方向可能包括以下几个方面：1. 考虑更多的实际情况：未来的研究可以考虑更多的实际情况，例如能量需求的季节性变化、能量价格的波动、能量来源的多样性等，以提高模型的适用性和准确性。2. 发展更加综合的优化策略：未来的研究可以发展更加综合的优化策略，例如考虑能量的分配和调度等问题，以提高储能系统的效率和可靠性。3. 探索新的储能技术和市场机制：未来的研究可以探索新的储能技术和市场机制，例如电动汽车电池的利用、虚拟电力站的建设等，以提高储能系统的性能和经济效益。
推荐文章3
● 作者：Inventory Sharing Under Service Competition
服务竞争下的库存共享
● 期刊：Manufacturing & Service Operations Management
● 原文链接：https://doi.org/10.1287/msom.2020.0584
● 发表时间：July 17, 2023
● 作者：Xiaomeng Guo, Baojun Jiang
● 关键词：
-
Inventory 库存
-
B2B sharing 企业对企业共享
-
service quality 服务质量
-
competition 竞争
-
OM-marketing interface 连接运营管理与市场
● 主要内容：
-
这篇文章的背景是在服务行业中，企业之间的竞争越来越激烈，因此需要寻找新的方法来提高效率和降低成本。作者的动机是探索在服务竞争中实施库存共享的潜在效益和局限性。他们认为，通过共享库存，企业可以更好地满足客户需求，提高服务水平，并减少库存成本。然而，库存共享也可能会导致一些问题，例如信息共享和激励问题。因此，作者的目标是研究这些问题，并提出解决方案，以便企业可以更好地利用库存共享来提高其竞争力。
-
本文采用了博弈论模型来研究两个竞争性零售商之间的库存共享问题。首先，作者建立了一个基于Cournot竞争模型的基准模型，以研究两个零售商在不共享库存的情况下的最优策略和利润。然后，作者引入了库存共享机制，研究了两个零售商在共享库存的情况下的最优策略和利润。在这个模型中，零售商可以选择共享库存或不共享库存，并且可以调整其库存水平以适应市场需求。作者还考虑了不同的库存转移价格和竞争强度对库存共享策略的影响。最后，作者通过数值实验来验证模型的有效性，并讨论了模型的一些扩展和应用。
-
本文的主要见解是，库存共享可以在服务竞争中提高零售商的利润和市场份额，但其效益取决于库存转移价格和竞争强度。此外，库存共享可能会导致信息共享和激励问题，需要采取相应的解决方案来解决这些问题。
-
本文没有明确考虑零售商之间的合作关系，而是将它们视为竞争对手。此外，本文的模型假设市场需求是确定的，没有考虑需求的不确定性和波动性。这些因素可能会影响库存共享策略的效果和实际应用。因此，未来的研究可以进一步探讨这些问题，并提出更加完善的模型来解决这些问题。
推荐文章4
The Price of Safety: The Evolution of Municipal Bond Insurance Value
● 作者：Multiobjective Stochastic Optimization: A Case of RealTime Matching in Ride-Sourcing Markets
多目标随机优化:专车市场实时匹配案例
● 期刊：Manufacturing & Service Operations Management
● 原文链接：https://doi.org/10.1287/msom.2020.0247
● 发表时间：July 13, 2023
● 作者：Guodong Lyu, Wang Chi Cheung, Chung-Piaw Teo, Hai Wang,
● 关键词：
-
multiobjective optimization 多目标优化
-
compromise solution 妥协解
-
online algorithms 在线算法
-
ride-sourcing 网约车
● 主要内容：
-
论文背景：在乘车共享市场中，实时配对乘客和司机是一个具有挑战性的问题，需要平衡多个目标。目前的解决方案往往只关注单一目标，而忽视了其他重要的目标，如平台收入和服务质量。过去的解决方案通常采用贪婪策略，将乘客分配给最近的可用司机，以最大程度地减少乘客的等待时间。然而，这种方法忽视了提供高质量服务体验的重要性。该研究的动机是设计一种能够平衡多个目标的配对算法，包括平台收入、乘客等待时间和服务质量。通过多目标随机优化方法，我们可以在随机环境中实现折中解决方案，从而为乘车共享平台的长期可持续发展做出贡献。
-
本文讨论了在随机环境中设计匹配算法的挑战，以平衡多个目标。作者提出了一种在线算法，利用历史样本信息和梯度信息来解决多目标随机优化问题。该算法根据实时跟踪的性能差距和目标来更新权重函数。当目标可达时，该算法可以实现接近最优的性能保证，并在目标不可达时生成折衷解决方案（compromise solution）。具体来说，该框架包括四个目标：平台收入最大化、服务质量最大化、接送距离最小化和匹配对数最大化。折衷匹配解决方案将更多的订单分配给服务评分较高的司机，从而提高服务质量和增加司机收入。它还为价值较高的乘客提供更高的优先级，从而实现更高的收入，尽管对较低价值的乘客服务不足。该算法在一个乘车平台上实施，并使用合成和真实数据进行测试。结果表明，所提出的算法可以使乘车生态系统中的所有参与方受益，包括司机、乘客和平台。
-
本文从中国最大的即时乘车平台滴滴出行中提取了真实世界的数据。数据集包括中国一个大城市一周的乘车记录。需求方面的数据包括每个乘车请求的详细信息，如订单预订时间、起点和终点坐标以及收入。供应方面的数据包括所有活跃司机的分钟级跟踪信息，包括他们的位置和服务状态。数据集还包括司机的服务评分，用于校准服务评分的分布。历史记录显示，该城市的乘车市场供需相对平衡，约85%的乘客得到服务。本文进行了数值实验，评估了不同匹配策略在模拟的乘车市场环境中的性能。与基准策略相比，折衷匹配策略在达到性能目标方面的欧氏距离要小得多。本文讨论了折衷匹配策略对不同利益相关者的好处。折衷匹配策略的性能进一步进行了测试，以确保其稳健性。本文还研究了将需求预测纳入匹配策略的价值
推荐文章5
● 作者：Multi-purchase Behavior: Modeling, Estimation, and Optimization
多选择购买行为:建模、估计和优化
● 期刊：Manufacturing & Service Operations Management
● 原文链接：https://doi.org/10.1287/msom.2020.0238
● 发表时间：July 17, 2023
● 作者：Theja Tulabandhula, Deeksha Sinha, Saketh Reddy Karra, Prasoon Patidar
● 关键词：
-
multichoice purchase behavior 多选择购买行为
-
recommendations 推荐
-
scalable algorithms 可扩展算法
-
structural properties 结构性质
● 主要内容：
-
论文背景: 在购物过程中，消费者通常会购买多个产品。多次购买可能是由于互补性、邻域效应（即由于某些产品的展示或放置在一起）或各种产品的购买频率重叠（有时跨不相关的类别）引起的。然而，如何建模和优化在线零售平台向消费者展示的产品推荐，以及如何解决这些困难的组合优化问题，目前尚未得到很好的解决。过去的研究在建模多次购买行为方面存在一些局限性，尤其是在优化推荐产品方面。此外，由于优化问题的复杂性，以往的研究很难建立模型与预期收入增益之间的定量联系。论文的动机: 鉴于在线购物是全球互联网上最受欢迎的活动之一，预计到2024年销售额将超过6.3万亿美元，因此解决多次购买行为的建模和优化问题具有重要意义。本研究旨在提出一种简单而有效的多次购买选择模型，并开发相应的优化算法，以在实际的推荐应用中提高收入并满足计算约束。
-
本文研究了在线零售商和电子商务平台多产品购买建模和优化的问题。作者提出了一种称为BundleMVL-K的选择模型系列，该模型捕捉了消费者购买多个产品的行为，作者将BundleMVL-K与现有的单一选择和多选择模型进行了比较，并开发了一种基于这些模型的计算优化推荐的迭代策略。他们使用真实数据集证明了他们方法的有效性，展示了模型适应度、预期收入增益和运行时间的改进。文章强调了理解多次购买行为对零售商收入的重要性。
