考虑消费者社会学习及服务敏感性的BOPS零售策略研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:guojinwenv1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
依托互联网新技术,线上线下融合的全渠道零售模式迅速发展,其中“线上下单-线下提货”的BOPS(buy-online,pick-up-in-store)模式减少了消费者在线上购物时对产品价值的部分不确定性,使消费者在实体店提货时可享受到商家提供的服务并现场退换货,成为全渠道零售中最重要的模式之一。BOPS模式融合线上线下渠道,为部分零售商带来了便利,但发展新的零售模式会对原来渠道产生影响且开通BOPS零售模式并不是完全有益的。对于开通传统线上线下渠道的零售商,BOPS渠道是否值得开通,需要考虑影响BOPS渠道实施的因素以及开通后会对实体店和网络渠道需求和利润的影响。因此,研究BOPS模式下的零售策略及分析开通该模式需要考虑的市场因素是值得关注的。需要指出的是,消费者在线上购物时对产品价值具有一定的不确定性,往往会通过查阅已购消费者的评论信息进行社会学习并更新其对产品价值的感知,这种社会学习行为对消费者决策具有重要影响。此外,随着消费者越来越追求个性化服务,BOPS模式中的实体店为前来提货的消费者提供个性化服务,消费者也因为对服务敏感而产生额外消费,这部分消费带来的利润对于想要开通BOPS渠道的零售商不容忽视。故本文对考虑消费者社会学习及服务敏感性的BOPS零售策略进行深入研究,主要开展了以下两个方面的研究工作:(1)研究无退货情境下考虑消费者社会学习及服务敏感性的BOPS零售策略。首先,考虑消费者对产品在线评论的社会学习行为建立消费者在网络渠道、实体店渠道和BOPS渠道购物时的消费者效用模型。基于此,分析并求解考虑消费者社会学习及服务敏感性时,零售商开通“网络+实体店渠道”(O-R模式)、“网络+BOPS渠道”(O-BOPS模式)和“网络+实体店+BOPS渠道”(O-R-BOPS模式)三种零售模式时的市场需求及零售商利润。最后,通过对比三种零售模式下市场需求及利润,分析BOPS渠道和社会学习及消费者服务敏感性等因素对市场需求及零售商利润的影响,并进行数值仿真分析。(2)研究退货情境下考虑消费者社会学习及服务敏感性的BOPS零售策略。首先,考虑消费者社会学习行为建立退货情境下的消费者效用函数。基于此,分析并求解退货情境下考虑消费者社会学习及服务敏感性时,零售商开通“网络+实体店渠道”(O-R模式)、“网络+BOPS渠道”(O-BOPS模式)和“网络+实体店+BOPS渠道”(O-R-BOPS模式)三种零售模式时的市场需求及零售商利润。最后,通过对比三种零售模式下市场需求及利润,分析社会学习行为和消费者退货率等因素对市场需求及零售商利润的影响,并进行仿真分析。本文研究结果表明:随着在线评论数量的增加,消费者社会学习后对产品价值的感知会逐渐趋向于产品真实价值;当产品质量较好时,不管消费者是否退货,消费者社会学习行为均会增加市场需求,尤其对于O-R-BOPS模式;相比于O-R模式,OBOPS模式和O-R-BOPS模式下的总需求均会增加;当消费者服务敏感性达到一定程度时,因对服务敏感产生的额外消费对开通BOPS渠道后的零售模式有积极影响。但是,消费者前往BOPS渠道购物的麻烦成本及消费者的退货率均对市场需求和各模式下的利润产生负面影响,其中对O-BOPS模式的影响更大。
其他文献
秘密共享经过40多年的研究发展,在密码学占据重要地位。作为一种有别于传统密码学技术,除了可以保护数据,它还可以提高数据的鲁棒性。因此被广泛应用于通信密钥管理、安全协议、网络数据安全、导弹控制发射等方面。本文提出针对不同应用场景下的两种秘密共享方案,实现了对图像的渐进恢复效果。第一种方案是基于随机网格的图像秘密共享技术,该方案可以应用在计算资源稀缺的场景。针对视觉秘密共享方案恢复效果差的问题,通过减
学位
目标检测技术的主要任务是寻找图片中人们所感兴趣的目标,并判断它的类型和位置,是机器视觉领域的一项关键技术。近年来,基于神经网络的目标检测算法在人脸识别、行人检测和智能交通系统等领域都有着广泛地应用。随着集成电路和深度学习技术的发展,面对各种高分辨率和高帧率的应用场合,为了进一步提高算法检测的性能,使用的网络层数变得越来越多,计算量和参数规模变得更加庞大,无法满足小体积、低功耗的嵌入式应用。因此,本
学位
决策树分类是一类被广泛应用的机器学习方法,由于其直观性强和分类性能高效等特点,目前已经在移动通信、智慧医疗诊断等方面得到广泛应用,并在物联网大数据领域中具有广阔前景。在现实场景中,分类服务提供过程涉及用户隐私数据以及服务提供商所持有的决策树模型中的树形结构数据之间的交互计算,从而会带来一系列的隐私泄露问题。因此在实际部署中迫切需要针对决策树分类模型提供专用的隐私保护方法。为此,本文将面向物联网大数
学位
图像修复是指恢复不完整图像中受损部分的像素特征,是计算机视觉领域研究的一项经典问题,如今在图像编辑、面部修复、虚拟现实及数字文化遗产保护等领域依然具有广泛的应用价值。在图像修复问题中,传统方法主要通过对缺失空洞周边信息的扩散,或者搜索相似补丁进行匹配的方式完成修复,当缺失空洞过大时并不能准确的恢复其中的信息。近年来,随着人工智能科学研究和深度学习相关技术的实施,基于深度学习的图像修复技术成为了计算
学位
互联网和信息技术的迅猛发展使累积的数据爆发式增长,人们通过数据挖掘等技术对发布的数据进行整理、分析,进而获取有用的信息,这为人们带来利益的同时也导致了用户隐私的泄露。作为隐私保护最常用的主要技术之一,基于聚类的匿名化技术通过对相似数据进行聚类、泛化等处理,满足了对用户敏感信息保护的基本要求。但该算法过分依赖聚类中心的随机选取,并且未考虑敏感属性的多元约束,这不仅会暴露隐私信息还会造成更多的数据信息
学位
随着电子信息技术的飞速发展,对电子元器件的小型化、功能化、低成本、高稳定性的要求更高,压电陶瓷材料及其应用研究也在逐渐加深,期望得到更高性能的压电陶瓷材料。研究和提升单一性能已不能满足各项领域对压电陶瓷的要求。研究表明Pb(Nb,Ni)O3-Pb(Hf,Ti)O3(PNN-PHT)三元压电陶瓷是一种新型的且拥有较高压电性能的陶瓷体系。但是与已经大范围应用的PZT-5,PZT-8等商用陶瓷相比,其机
学位
基于自由形式的文本描述在复杂场景中定位出最相关的目标物体是当前很热门的研究领域,在智能机器人、无人驾驶等领域中,该任务的有效应用可以实现更高的智能化。由于点云的不规则性和稀疏性以及文本描述的复杂性,理解这些描述并将其直接联系到点云是一个新的、具有挑战性的方向。目前,3D视觉定位的三个主要挑战分别是在复杂多样的描述中找到主要焦点、了解点云场景的特点以及定位到目标物体。为了应对这些挑战,本文提出基于文
学位
随着航空航天业的迅猛发展,人们对基于卫星的目标检测需求逐步攀升,遥感图像目标检测技术应运而生。该项技术可应用于目标捕捉、实时定位、资源勘测等诸多领域。近年来,将深度学习与目标检测相结合的方式成为提升检测精度、提高检测效率的有效手段。由于遥感图像具有多尺度、多视角、多方向的特点,所以传统的目标检测方法并不适用。针对以上问题,本文基于YOLOv3算法提出了两种多模块融合方法,分别提升了目标检测的精度和
学位
我国每年有大量的废催化裂化催化剂(Fluid catalytic cracking,FCC)产生,废FCC催化剂属于危险化学废弃物,需要及时进行无害化的处理,否则会对环境造成严重污染。废FCC催化剂的化学组成中Al2O3和SiO2的总含量在90 wt.%以上,还含5 wt.%左右的稀土元素,杂质含量少,可以合成铝硅系陶瓷材料。本文针对FCC催化剂化学组成特点,开展了废FCC催化剂合成莫来石(3Al
学位
氮化镓高电子迁移率晶体管由于其高迁移率和高击穿电压特性,在高频和大功率应用方面具有重要潜力。而其非线性跨导特性,依赖于偏置条件的增益限制了线性和噪声性能。随着市场对低噪声放大器的需求不断增加,特别是对基站中的多进制多输出(MIMO)放大器的需求增加,对器件线性性能的研究显得尤为重要。不同于平面栅,横向栅对沟道载流子横向耗尽进一步影响器件性能。本文基于横向栅结构提出了三类不同的三维栅结构器件,在常规
学位