“Buy Online, Pick Up in Store” under Fit Uncertainty: To Offer or Not to Offer
Notice bibliographique
Résumé
Retailers offer BOPS (Buy Online, Pick Up in Store) service to improve consumers shopping experience. However, this greatly increases the decision complexity for retailers and consumers. For consumers, whether to purchase online or from a store with the BOPS service is a complex decision. This is especially true when the product has fit uncertainty. That is, consumers are uncertain about product fitness before using it. Also, their store visit cost can be heterogeneous and follows some distribution function. For a retailer, it needs to jointly optimize multiple decisions including the convenience degree of BOPS. To help the retailer develop the jointly optimal decisions, we first build a mathematical model where the retailer sells the product through online and store channel and analyzes the possible effects of BOPS. We find that the retailer should offer BOPS when the channel cost ratio (ratio of shipment fee divided by average store visit cost) is large enough. Through numerical studies, we show that the ratio of profit offering BOPS divided by the benchmark increases with the probability of product fit, shipment fee, and the convenience degree of BOPS. We then consider the case where the convenience degree of BOPS is also a decision itself. We find the optimal convenience degree of BOPS increases along with the average store visit cost and the probability of product fit. When the cost factor of offering the convenience for BOPS is larger than a threshold, the retailer should never offer BOPS.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 ».