این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های نوین در تصمیم گیری، جلد ۱۰، شماره ۲، صفحات ۱۱۲-۱۴۳
عنوان فارسی بهینه سازی چینش و قیمت گذاری محصولات با در نظر گرفتن اثر جایگزینی در خرده فروشی‌های اومنی-‌کانال
چکیده فارسی مقاله مدیریت هم‌زمان چینش محصولات، قیمت‌گذاری و اثر جایگزینی در خرده‌فروشی اومنی-‌کانال چالشی پیچیده است. این پیچیدگی ناشی از تعامل میان تقاضای مشتری، محدودیت‌های عملیاتی و رقابت قیمتی است. اغلب مدل‌های پیشین تنها بر یکی از این حوزه‌ها تمرکز کرده و اثرات متقابل آن‌ها را نادیده گرفته‌اند. این پژوهش یک مدل یکپارچه و غیرخطی ارائه می‌کند که تقاضای تصادفی، جایگزینی چندمرحله‌ای (درون و بین کانال‌ها)، محدودیت موجودی، فضای قفسه و ظرفیت مراکز تحقق سفارش را در نظر گرفته و هدف آن حداکثرسازی سود است. برای حل مدل، چهار الگوریتم فرااکتشافی شامل بهینه‌سازی جنگل، ازدحام ذرات، رقابت استعماری و الگوریتم ژنتیک به‌کار گرفته شد. عملکرد این الگوریتم‌ها با داده‌های واقعی بزرگ‌ترین خرده‌فروش ایران و مجموعه داده‌های مصنوعی مقایسه شد. نتایج نشان داد الگوریتم بهینه‌سازی جنگل نسبت به سایر روش‌ها برتری دارد؛ به‌طور میانگین 20٪ افزایش سود و 15٪ کاهش فروش ازدست‌رفته را به‌دست آورد. همچنین این الگوریتم 25٪ سریع‌تر به همگرایی رسید و پایداری نتایج آن در آزمون ویلکاکسون با سطح معناداری 0.05 تأیید شد. تحلیل سناریوها نشان داد که افزایش تعداد کانال‌ها تا 30٪ سودآوری را ارتقاء داده و رقابت داخلی میان کانال‌ها را کاهش می‌دهد. در مقابل، افزایش تنوع محصولات تا 18٪ فروش ازدست‌رفته را کاهش داد. یافته‌ها می‌تواند راهنمای عملی برای خرده‌فروشان در بهینه‌سازی تصمیمات قیمت‌گذاری، موجودی و چینش محصولات در کانال‌های فیزیکی و آنلاین باشد.
کلیدواژه‌های فارسی مقاله بهینه‌سازی،خرده فروشی اومنی-‌کانال،چینش محصولات،قیمت‌گذاری،روش‌های فرااکتشافی،
عنوان انگلیسی Optimization of Product Assortment and Pricing Considering the Substitution Effect in Omni-Channel Retailing
چکیده انگلیسی مقاله Simultaneously managing product assortment, pricing, and substitution effects in omni-channel retailing is a complex challenge due to interactions among customer demand, operational constraints, and price competition. Most previous models focus on only one of these areas, overlooking their interdependencies.
This study proposes an integrated nonlinear model that maximizes profit by considering stochastic demand, multi-stage substitution (within and across channels), inventory constraints, shelf space limitations, and fulfillment center capacities.
To solve the model, four metaheuristic algorithms—Forest Optimization, Particle Swarm Optimization, Imperialist Competitive Algorithm, and Genetic Algorithm—are employed. Their performance is evaluated using real-world data from the largest retailer in Iran and synthetic datasets. The results show that Forest Optimization significantly outperforms the other methods, achieving an average 20% increase in profit and a 15% reduction in lost sales. Additionally, it converges 25% faster, and the stability of its results is confirmed by Wilcoxon tests at a 0.05 significance level.
Scenario analysis reveals that increasing the number of channels can boost profitability by up to 30% and reduce internal competition, while expanding product variety can lower lost sales by up to 18%. These findings provide practical guidance for retailers to optimize pricing, inventory, and assortment decisions across both physical and online channels.
کلیدواژه‌های انگلیسی مقاله بهینه‌سازی,خرده فروشی اومنی-‌کانال,چینش محصولات,قیمت‌گذاری,روش‌های فرااکتشافی
نویسندگان مقاله نعیم ابراهیمیان |
دانشجوی دکتری، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

حنان عموزاد |
استاد، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

مصطفی زندیه |
استاد گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران

نشانی اینترنتی https://journal.saim.ir/article_729330_e886e1bc4bc49c5f18f21e68f7f8cd16.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات