过去，我们买东西只能去实体店；而如今，当互联网蓬勃发展与广泛普及，新零售时代加速到来，我们的消费方式也随之产生极大改变。

当然，影响更深、改变更大的，是中国乃至世界零售业。

比如对传统零售运营模式的重构。传统零售业是以电商或实体店为中心的线上线下割裂的价值创造(Value Creation)模式；

而新零售模式则是以消费者需求为出发点，以消费体验为中心的线上线下融合的价值共创(Value Co-creation)模式。

相比传统零售运营模式，新零售模式能够形成数据化驱动，实现线上线下全渠道高效协同。

但与此同时，新零售模式也对企业的资源要素配置、利益分割、产品动态定价、全渠道库存管控及物流协同配送等，提出了一系列新的挑战。

可以说，在当前数字化时代下，能否及时应对好新零售模式带来的挑战，直接关乎到企业能否“存活”并实现高质量发展。

基于新零售背景下中国企业正面临的“库存管理”难题，以及相关领域中的“研究空白”，浙江大学管理学院副院长杨翼教授及其合作者共同就此展开了深入的系统性研究。

2022年，他们的研究成果分别发表于国际顶级期刊《Management Science》（管理学UTD24期刊之一）和《Operations Research》（管理学UTD24期刊之一）。

这两项重要成果大大解决了中国新零售领域库存管理的相应现实难题与理论难题。【“科研”ZJUSOM】系列专题2022年第7期带你深入了解成果详情。

学者简介

杨翼，浙江大学管理学院副院长，浙江大学长聘教授，求是特聘教授，博士生导师，数据驱动决策研究所所长，物流与决策优化研究所所长，国家杰出青年基金获得者,教育部青年长江学者，国家自然科学基金优秀青年科学基金获得者。主要研究方向包括供应链管理、运营管理、数据驱动决策。

以“全渠道策略”提升商家利益

是有条件的

线上线下渠道的融合，是新零售模式最主要的特点，具体包括信息、价格、库存以及顾客需求满足方式等方面的融合。

其中，顾客需求满足方式的融合应该说是新零售模式的重大变革之一。

传统模式下，线上需求的满足主要是通过区域仓或者前置仓的库存。而在新零售场景下，线上需求的满足方式呈现多样化，涌现了多种不同类型的线上线下全渠道策略，其中包括：

Buy-online pickup-at-store (BOPS)

该策略是用门店的库存直接满足线上的需求，顾客在线上下单，去门店取货。

Buy-online ship-to-store (BOSS)

在此策略下，顾客线上下单，商家从前置仓发货至门店，再由顾客去门店取货。

Buy-online ship-from-store (BOFS)

该策略直接用门店的库存，从门店发货至顾客手中。

尽管像这样的全渠道策略如今已被广泛应用，但是“全渠道策略是否一定能够提升商家的利益”，仍然值得研究。

为此，杨翼教授团队以BOPS策略为例，从库存管理角度，研究全渠道策略如何影响商家的利益。

经过研究，他们发现，BOPS策略对零售商有利或有害，实际上取决于其经营特征——实体店密度（决定商店访问成本）和在线配送效率（决定在线等待成本）。

当在线等待成本相对较低、商店访问成本更低时，BOPS策略诱导客户从“在线购买”渠道迁移到“线上下单、门店取货”渠道，会导致实体店的需求汇集效应（demand pooling effect），这种需求汇集效应将提升商家的运营效率。

而当商店访问成本和在线等待成本都比较高时，BOPS策略的引入导致客户从“在线购买”渠道迁移到“线上下单、门店取货”渠道，会导致需求分散效应（demand depooling effect），这种效应将降低商家的运营效率。

杨翼教授与多伦多大学胡明教授、南京大学徐小林教授、东南大学薛巍立教授合作的这项研究，成果——“Demand Pooling in Omnichannel Operations”发表在运营管理及决策领域国际顶级期刊《Management Science》上。

该研究极具创新性与科学价值，主要体现在两个方面：

第一，该研究首次从库存管理角度，揭示了全渠道策略可能会导致需求分散效应，从而导致商家利益受损。

第二，该研究结果表明当实体店密度较高和在线配送效率较高时，全渠道策略可以提高商家的利益；而当实体店密度较小和在线配送效率较低时，全渠道策略可能伤害商家的利益。此结果可以帮助零售企业在实施全渠道策略时提供理论支持。

附：论文摘要

Both traditional retailers and e-tailers have been implementing omnichannel strategies such as buy-online pickup-at-store (BOPS). We build a stylized model to investigate the impact of the BOPS initiative on store operations from an inventory perspective. We consider two segments of customers, namely, store-only customers who only make a purchase offline, and omni-customers who strategically choose between offline and online channels. We show that BOPS may either benefit or hurt the retailer depending on two fundamental system primitives, the store visiting cost and the online waiting cost. If the online waiting cost is relatively low and the store visiting cost is even lower, BOPS can induce omni-customers to migrate from online buying to BOPS, leading to {\\it demand pooling} at the bricks and mortar store. Such demand pooling provides two benefits for the retailer: it reduces the overstocking cost, and after inventory re-optimization, it results in a higher fill rate at the B\\&M store, which benefits existing customers and potentially attracts more customers to the store. In contrast, if both the store visiting cost and the online waiting cost are relatively high, with the latter even higher, introducing BOPS can result in \\emph{demand depooling} due to the migration of the omni-customers from offline purchasing to BOPS. This leads to a lower fill rate after inventory re-optimization, likely due to a lower profit margin under BOPS, which turns away store-only customers and hurts the retailer.

这种“启发式算法”

能降低平台的仓储物流成本

除了上述成果之外，杨翼教授团队还在国际顶级期刊《Operations Research》发表了另一项重要成果——“A Simple Heuristic Policy for Stochastic Distribution Inventory Systems with Fixed Costs”。

那么这又是一项怎样的成果呢？

众所周知，在新零售“互联网+”背景下，供应链管理与优化是我国经济继续保持高速稳定增长的重要支撑。

当前，我国许多电商平台（如京东、天猫等）都采用多级供应链，利用大型仓库统一为前置仓供货补货。在这样的背景下，杨翼教授和多伦多大学胡明教授、香港城市大学陈友华教授、东北财经大学朱晗教授合作研究了结合供应链中各个环节的库存管理现实，建立经典的随机分布式库存管理系统，即OWMR（One-Warehouse-Multi-Retailer）模型。

事实上，针对OWMR模型订货策略的研究是近半个世纪以来学者们关注的热点问题，也有很多相关的研究。但纵观过去的研究成果，一直缺乏带有效率保证（performance guarantee）的启发式算法。为此，杨翼教授团队针对这一难题，提出了一组改进式（R,Q）订货策略算法，并证明了这种启发式算法具有效率保证。同时，他们的研究还证明了这种启发式算法针对部分系统参数的渐进最优性和针对零售商数量的渐进稳定性。而以上理论结果和大量的数值实验都表明，这种启发式算法表现优异，在多级供应链库存控制问题上取得了很好的效果，降低了平台的仓储物流成本。杨翼教授团队的这项研究成果，填补了库存管理相关领域研究空白，同时也具有较高的实践指导意义，对于提升供应链稳定性、以“互联网+”促进经济创新、推动供给侧结构性改革等都具有非常重要的借鉴意义。

附：论文摘要

We study a continuous-review, two-echelon inventory system with one central warehouse, multiple local facilities, and each facility facing random demand. Local facilities replenish their stock from the central warehouse (or distribution center), which in turn places orders at an outside supplier with an ample supply. Inventory replenishment at each location incurs a fixed-plus-variable cost for each shipment. The optimal policy remains unknown, and even if it exists, such a policy must be extremely complicated. Instead, we evaluate a class of easy-to-implement heuristics, called modified echelon (r, Q) policies. The parameters for such a heuristic are obtained by solving a set of independent single-stage systems. We show that the proposed policy is asymptotically optimal, as pairs of system primitives, such as the ratios of the fixed cost of the central facility to those of the local facilities, are scaled up. We also show that as the number of retailers grows, the performance bound of the heuristic converges to a primitive-dependent constant.

编辑整理：段婷素材提供：杨翼

审核：佟庆

编辑：凌墨