2019年11月11日下午两点，中国营销工程与创新研究中心(以下简称“MEI”)2019-2020年第一学期第10次研讨会(以下简称“Seminar”)在MEI如期举行，参与本次研讨会的有黄敏学老师、朱华伟老师及MEI各位成员。

　　本次Seminar由姚佳鑫研读文章《Optimal Retail Location: Empirical Methodology and Application to Practice》。

　　图一 姚佳鑫分享文章

　　在线购物之后，取货点的排布对消费者来说重要吗?试想，一个人常居三环，但是却总要到两公里外的校区内取货，他还会在这个平台下单吗?若商场就在三环楼下，他还会选择在线上平台购物吗?若这个人连续几个月收入下降，他还会进行线上购物吗?这一连串的问题都使得寻找到具有高销售潜力取货点并非易事。于是很多人会说，那么就建立密集型的取货网点，使得每一个小社区的人都能够得到最大的便利，但是如此这般，蚕食效应的存在又使得我们对取货点销售额的预测变得更为复杂。

　　蚕食效应(Cannibalization Effects)是指如果没有新的选择，客户会在现有的取货点或取货日交易;但当设置新的选项时，客户因为偏爱新的取货点或取货日而减少了旧取货点或取货日的交易。其中蚕食效应又细分为基于空间的蚕食效应和基于时间的蚕食效应。基于空间的蚕食效应(Spatial Cannibalization)指当设置新的取货点时，附近取货点的每日收入减少。比如文首提到的人，有了三环的快递点之后，凡是只能寄往学校的快递一律不买。基于时间的蚕食效应(Temporal Cannibalization)指在同一周内增加新的取货日时，原取货日的当日收入减少。比如为了等待双十一这一天，很多人可能连续几日没有购买东西。

　　有了蚕食效应的产生，选取线下取货点的问题变得复杂起来，本文将其抽象为一个整数规划问题(Interger-programming Problem)以确定在何处设置取货点以及何时经营取货点，才能最大化每周收入。具体公式如图二所示。

　　图二  整数规划公式

　　有了上述公式，研究便利用机器学习和计量经济学的方法来优化零售商的位置配置和运营计划，以达到销售量最大，具体公式如图三所示。

　　图三 销量最大化公式

　　但是在机器学习中却错误地得到这样的结论：每周设置两个取货日或附近有大量取货点的地点，其每日销售额高于每周只有一个取货日或附近少有取货点的地点，因此，更多的取货日和取货点导致更高的销售额，这似乎意味着蚕食效应不存在，反而是协同效应存在。这种现象的真实原因可能是：经理人在对线下选点的时候大多都会对该区域进行调查，预测出这个区域的潜在需求，并判断是否建立取货点。这就导致了这些取货点都具备了某些不可观测且不随时间变化的属性(如高的消费需求)导致对结果的直接影响。

　　为了解决这个问题，本文使用具有固定效应的计量模型来消除不同地点之间不随时间变化的不可观测差异，并估计真实的蚕食效应。公式如图四所示

　　图四 消除误差的公式

　　至此，本研究介绍了一种结合机器学习和计量经济学技术的新方法。首先，运用计量模型求出可用于进行预测的销售额;接着，运用4种机器学习预测方法预测新取货点销售额;最后，运用二次规划方法求解最优位置。

　　研究结果展示了零售商如何利用开源大数据和内部销售运营数据来预测位置绩效。实施本研究提出的方法可以为被实验的零售商增加多达86%的收入，由于取货点的改变成本很低，收入增长的大部分直接转化为利润的增长。其次，文章开发了一种将计量模型和机器学习算法结合以预测位置绩效的组合方法。先使用固定效应模型来估计内生变量的效应，然后用随机森林等算法来估计外生变量的效应，二者之和即预测结果，无论选择哪种预测方法，该组合方法比传统的一步预测模型更能准确地预测销售额。最后，文章提出了利用二次规划松弛法求解整数约束条件下的时空定位问题的方法。通过比较最优解和贪心算法的求解结果，发现当零售商不具备求解二次规划的计算能力时，贪心算法是一种有效的替代方法。

　　至此，本次Seminar文章研读完毕。

　　之后李奥旗、李婷分享了最近的研究进展，针对其展示表达过程当中出现的一些问题，老师提出了许多宝贵的意见和建议。

　　本学期第十次Seminar圆满结束。

　　文字/王慧琪

　　供图/鄢敏锐

　　审核/陈晶晶

　　网站编辑 / 王宇雨