基于优化模型的蔬菜类商品的自动定价与补货决策

• 问题重述
  1. 问题背景

在生鲜商超中，一般蔬菜类商品的保鲜期都比较短，且品相随销售时间的增加而变差， 大部分品种如当日未售出，隔日就无法再售。因此，商超通常会根据各商品的历史销售和需求情况每天进行补货。

由于商超销售的蔬菜品种众多、产地不尽相同，而蔬菜的进货交易时间通常在凌晨 3:00- 4:00，为此商家需在不确切知道具体单品和进货价格的情况下，做出当日各蔬菜品类的补货决策。蔬菜的定价一般采用“成本加成定价”方法，商超对运损和品相变差的商品通常进行打折销售。可靠的市场需求分析，对补货决策和定价决策尤为重要。从需求侧来看，蔬菜类商品的销售量与时间往往存在一定的关联关系；从供给侧来看，蔬菜的供应品种在 4 月至 10 月较为丰富，商超销售空间的限制使得合理的销售组合变得极为重要。

1. 1. 问题回顾

问题 1    蔬菜类商品不同品类或不同单品之间可能存在一定的关联关系，请分析蔬菜各 品类及单品销售量的分布规律及相互关系。

问题 2    考虑商超以品类为单位做补货计划，请分析各蔬菜品类的销售总量与成本加成 定价的关系，并给出各蔬菜品类未来一周（2023 年 7 月 1-7  日）的日补货总量和定价策略， 使得商超收益最大。

问题 3    因蔬菜类商品的销售空间有限，商超希望进一步制定单品的补货计划， 要求可 售单品总数控制在 27-33 个，且各单品订购量满足最小陈列量 2.5 千克的要求。根据 2023 年 6 月 24-30 日的可售品种，给出 7 月 1 日的单品补货量和定价策略，在尽量满足市场对各 品类蔬菜商品需求的前提下，使得商超收益最大。

问题 4     为了更好地制定蔬菜商品的补货和定价决策，商超还需要采集哪些相关数据， 这些数据对解决上述问题有何帮助，请给出你们的意见和理由。

• 问题分析

2.1 相关数据分析

首先对于题目给出的4份附件文件进行数据分析，提取有用的相关信息，而后进行数据预处理，包含数据分析，数据降维，数据合并，数据整理等操作，排除异常值、缺失值带来的一系列影响。

附件1中涵盖6 个蔬菜品类的商品信息：单品编码、单品名称、分类编码、分类名称。总计单品251种，分为花菜类、花叶类、辣椒类、茄类与食用菌六大类。部分单品名称包含的数字编号表示不同的供应来源。

附件2为销售流水明细数据包含销售日期、扫码销售时间、单品编码、销售额、销量（千克）、销售单价（元/千克）、销售类型、打折情况等数据。

附件3为蔬菜类商品的批发价格与批发日期。

附件4为蔬菜类商品的近期损耗率，其损耗情况通过近期盘点周期的数据计算得到。利用函数寻找缺失值，对于异常值的处理，通过结合人为判断与3σ原理判定处理相关数据。首先，对各个附件数据进行分析，找出含有逻辑问题的样本剔除。最后，使用3σ原理判定正态分布的问题异常值，结合异常值以及其余相关参数与现实情况如季节性变化、供应链问题、价格因素、竞争压力等进行人为判定以及利用数据处理-SPSSPRO进行相关性分析。

2.2 问题1分析

对于问题1，利用数据预处理得到的各类附件结合的合集文件，分析各类数据分布规律及相互关系。再利用数据预处理得到的已处理数据集，通过数据处理-SPSSPRO中PRO绘图板块绘制各个品类单品销量前五，具有绝对优势不同单品的扇形统计图以及不同月份的各个品类的销量的折线统计图，进行相关人为情况分析以及利用计算机进行数据分布规律相关性分析。对于本类问题中的相互关系，属于一种评价模型（关联分析）。利用SPSSPRO导入已处理数据，通过对相关系数进行Person相关性分析，处理得到结论。

2.3 问题2分析

对于问题二，首先利用数据预处理得到的各蔬菜品类的销售总量利用数据处理-SPSSPRO预测模型得出销售量与成本加成定价的函数关系表达式，使用RStudio预测模型对销售总量与成本定价关系求解及相关数据分析销量与定价的关系，使用最小二乘法进行可行性检验，确保所得函数关系表达式的可行性。而后利用SPSSPRO数据处理计量经济模型所包含的时间序列分析（ARIMA）进行分析，代入数据，求出未来一周销售总量。通过分析日销售总量、各蔬菜品类损耗量，代入相关公式利用excel求解各蔬菜品类未来一周内日补货总量。利用所求的六大蔬菜品类对相应的销量与定价之间的线性回归方程，结合损耗率，利用RStudio中拉格朗日乘数法算法进行最优打折率分析、求解，结合利润计算公式求出商超收益最大时的定价策略。

2.4 问题3分析

对于问题三，在各单品订购量满足最小陈列量 2.5 千克的要求前提下，对单品补货量与定价策略进行求解，在过程中要考虑成本及利润的关系等因素，利用遗传算法模型依托R软件实现，从而实现对该优化模型的求解。

2.5 问题4分析

对于问题四，其他有关数据的寻找，可以提供有关市场、消费者和产品的更多信息如：竞争对手数据、消费者行为数据、促销效果数据、天气数据、库存数据、供应商数据、供应链数据等。通过这些数据为商超提供更全面的信息，帮助其更准确地预测需求、制定计划及定价策略，提高该商超的市场竞争力。

• 基本假设

1. 假设销售数据在短期内是相对稳定的，不受突发事件（如自然灾害、事故灾难等）的影响确保销售数据稳定性。
2. 假设价格对销售量有一定的影响，如果单品处在价格上调期间，那么出现销量下降的情况是正常的，价格上调可能导致销量降低，价格下调可能导致销量上升。这可以是根据市场常规规律建立的假设。
3. 假设销售数据是准确、完整的，没有重复或错误的记录。
4. 假设市场上的竞争对手行为相对稳定，价格策略和促销活动不会引起销售剧烈波动。

• 符号说明

符号	符号说明
σx	x的标准差
σy	y的标准差
Cov(X, Y)	表示变量X和Y的协方差
ρ	皮尔逊相关系数
“*”	代表的是显著性水平
Q统计量	各研究变异的标准化加权平方和
AIC	为任何估计统计模型拟合优度的度量值。
BIC	一类具有不同参数数的参数化模型中的一种模型选择类型
R²	拟合优度
P值	显著性水平
a	回归方程斜率
b	回归方程截距
q	开关变量
lb	约束条件下界
ub	约束条件上界
t	自回归项数

五、模型的建立与求解

5.1 初步数据预处理

本文为便于后续模型的建立，需要找出蔬菜类商品不同品类或不同单品之间存在一定的关联情况规律，因此需要对附表中各数据进行初步预处理分析，得出各个品类单品销量前五，具有绝对优势的不同单品以及不同月份的各个品类的销量的数据表格。由此分析蔬菜各品类及单品销售量的分布规律及相互关系。

各品类单品销量前五数据表格：

表1：花菜类单品销量数据（截取前五）           表2：花叶类单品销量数据（截取前五）  

表3：辣椒类单品销量数据（截取前五）         表4：茄类单品销量数据（截取前五）

表5：食用菌单品销量数据（截取前五）

      表6：水生根茎类单品销量数据（截取前五）       

各蔬菜品类月销量：

表7：花菜类        表8：花叶类          表9辣椒类

表10茄类         表11食用菌        表12水生根茎类

5.2问题一，SPSSPRO—商品分布规律及关系模型的建立与求解

5.2.0  PRO绘图——使用简介

原始数据上传后，系统自动将数据分类。分为分类数据（可以理解为文本数据）、数值（数字数据），只需要将性别数据拖动到指定框，图表即可自动绘制。在操作流程上，PRO绘图更简洁、方便。

我们按照月份将不同种类的蔬菜的月销量做成图表来研究不同类蔬菜的相关性。之所以不以天为单位来进行研究，是因为如果以日为单位来研究的话，数据量过于庞大，并且得出来的数据具有极强的偶然性，不利于我们进行进一步的研究与分析。所以我们对数据进行再处理，通过RStudio的编程算法将各类蔬菜的月份销量与品类总销量做成excel表格以及近3年内的各品类与单品销量制成扇形与折线统计图，进而通过分析可以得到一些分布规律。

5.2.1  PRO绘图——单品销量数据分析（扇形图）

图1：花菜类单品销量前五

花菜类蔬菜的单品销量中，最受广大群众欢迎的是西兰花，占据了花菜类蔬菜总量三分之二，其次是青梗散花，占据花菜类蔬菜总量的六分之一，最少的是紫菜类说明其不太受大众喜爱。

图2：花叶类单品销量前五

花叶类蔬菜的单品销量中，最受广大群众欢迎的是大白菜，但五种单品蔬菜的销量大致相差不大，说明花叶类各单品蔬菜受大众的喜欢不分伯仲且花叶类蔬菜销量比其他类要多，侧面可以反映出花叶类蔬菜比其他类蔬菜更受欢迎。

图3：花叶类单品销量前五

辣椒类蔬菜的单品销量中，芜湖青椒销量最多，约占销售总量的三分之一，而小米椒泡泡椒和螺丝椒销量基本持平，每一类大约占总量的八分之一，小皱皮辣椒类单品销量最少。

图4：茄类单品销量前五

在茄类蔬菜单品销量统计图中，紫茄子占整体总销量的三分之二，其次，受青睐的是青茄子约占总量的六分之一，而大龙茄子和圆茄子不太受消费者的青睐，二者销量并不是很高。

图5：食用菌单品销量前五

食用菌各单品销量统计图中，金针菇的销量占总数的三分之一，仅次于金针菇的是西峡香菇，仅仅比位居第一名的金针菇少4000千克的销量，在该统计图中，我们可以看出，食用菌类单品占大多数的都是金针菇，但以不同的形式售卖，它的销量就会出现差异。