Demand Dynamics in the Seasonal Goods Industry: An Empirical Analysis
Notice bibliographique
Résumé
This study develops and estimates a dynamic model of consumer choice behavior in markets for seasonal goods, where products are sold over a finite season and availability is limited. In these markets, retailers often use dynamic markdown policies in which an initial retail price is announced at the beginning of the season and the price is subsequently marked down as the season progresses. Strategic consumers face a trade-off between purchasing early in the season, when prices are higher but goods are available, and purchasing later, when prices are lower but the stockout risk is higher. If the good starts providing utility as soon as it is purchased (e.g., apparel), consumers purchasing earlier in the season can also get more use from the product compared to those purchasing later. Our structural model incorporates three features essential for modeling the demand for seasonal goods: changing prices, limited availability, and possible dependence of total consumption utility on the time of purchase. In this model, heterogeneous consumers have expectations about future prices and product availability, and they strategically time their purchases. We estimate the model using aggregate sales and inventory data from a fashion goods retailer. The results indicate that, in the fashion goods context, ignoring consumers' expectations about future availability or the change in total consumption utility over the season can lead to biased demand estimates. We find that strategic consumers delay their purchases to take advantage of markdowns and that these strategic delays hurt the retailer's revenues. Retailer revenues facing strategic consumers are 9% lower than they would have been facing myopic consumers. Limited availability, on the other hand, reduces the extent of strategic delays by motivating consumers to purchase earlier. We find that the impact of strategic delays on retailer revenues would have been as high as 35% if there were no stockout risk. By means of counterfactual experiments, we show that the highest retailer profits are achieved by offering small markdowns early in the season. On the other hand, given current markdown percentages, the retailer can improve profits by carrying less stock as consumers accelerate purchases and purchase at higher prices when they anticipate scarcity in future periods. As long as the reduction in availability is not great, the profit gain from earlier higher-priced sales can overcome the loss resulting from the reduction in overall sales.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».