مقاله یادگیری انتخاب دینامیک و قیمت گذاری تحویل های خارج از خانه

چکیده

Home delivery failures, traffic congestion, and relatively large handling times have a negative impact on the profitability of last-mile logistics. These external factors contribute to up to $28\%$ of the overall costs and $25\%$ of emissions for the home delivery supply chain. A potential solution, showing annual growth rates up to $36\%$, is the delivery to parcel lockers or parcel shops, denoted by out-of-home (OOH) delivery. In the academic literature, models of customer behavior with respect to OOH delivery were so far limited to deterministic settings, contrasting with the stochastic nature of actual customer choices. We model the sequential decision-making problem of which OOH location to offer against what incentive for each incoming customer, taking into account future customer arrivals and choices. We propose Dynamic Selection and Pricing of OOH (DSPO), an algorithmic pipeline that uses a novel spatial-temporal state encoding as input to a convolutional neural network. We demonstrate the performance of our method by benchmarking it against three state-of-the-art approaches. Our extensive numerical study, guided by real-world data, reveals that DSPO can save $20.8\%$ in costs compared to a situation without OOH locations, $8.1\%$ compared to a static selection and pricing policy, and $4.6\%$ compared to a state-of-the-art demand management benchmark. We provide comprehensive insights into the complex interplay between OOH delivery dynamics and customer behavior influenced by pricing strategies. The implications of our findings suggest practitioners to adopt dynamic selection and pricing policies as OOH delivery gains a larger market share.

چکیده به فارسی (ترجمه ماشینی)

خرابی تحویل خانه ، تراکم ترافیک و زمان حمل و نقل نسبتاً زیاد تأثیر منفی بر سودآوری تدارکات مایل آخر دارد.این عوامل خارجی تا 28 $ \ $ از کل هزینه ها و 25 $ $ $ انتشار گازهای گلخانه ای برای زنجیره تأمین تحویل خانه کمک می کند.یک راه حل بالقوه ، نشان دادن نرخ رشد سالانه تا 36 \ $ $ ، تحویل قفل بسته ها یا فروشگاه های بسته است که با تحویل خارج از خانه (OOH) مشخص شده است.در ادبیات دانشگاهی ، مدل های رفتار مشتری با توجه به تحویل OOH تاکنون محدود به تنظیمات قطعی بوده است ، در تضاد با ماهیت تصادفی انتخاب واقعی مشتری.ما با در نظر گرفتن ورود و انتخاب های مشتری در آینده ، مسئله تصمیم گیری متوالی را که مکان OOH را در مقابل چه انگیزه ای برای هر مشتری ورودی ارائه می دهد ، الگوبرداری می کنیم.ما انتخاب پویا و قیمت گذاری OOH (DSPO) را پیشنهاد می کنیم ، یک خط لوله الگوریتمی که از یک حالت جدید مکانی و مکانی که به عنوان ورودی به یک شبکه عصبی حلقوی رمزگذاری می شود ، استفاده می کند.ما عملکرد روش خود را با محک زدن آن در برابر سه رویکرد پیشرفته نشان می دهیم.مطالعه عددی گسترده ما ، با هدایت داده های دنیای واقعی ، نشان می دهد که DSPO می تواند در مقایسه با وضعیتی بدون مکان OOH ، 8.1 $ \ $ در مقایسه با یک سیاست انتخابی و قیمت گذاری و 4.6 \ $ در مقایسه با هزینه های 20.8 \ $ $ صرفه جویی کند.به یک معیار مدیریت تقاضای پیشرفته.ما بینش کاملی در مورد تعامل پیچیده بین پویایی تحویل OOH و رفتار مشتری تحت تأثیر استراتژی های قیمت گذاری ارائه می دهیم.پیامدهای یافته های ما به پزشکان نشان می دهد که سیاست های انتخابی و قیمت گذاری پویا را اتخاذ می کنند زیرا تحویل OOH سهم بازار بیشتری کسب می کند.