Optimal Prices and Trade-in Rebates for Durable, Remanufacturable Products
Notice bibliographique
Résumé
Most durable products have two distinct types of customers: first-time buyers and customers who already own the product, but are willing to replace it with a new one or purchase a second one. Firms usually adopt a price-discrimination policy by offering a trade-in rebate only to the replacement customers to hasten their purchase decisions. Any return flow of products induced by trade-in rebates has the potential to generate revenues through remanufacturing operations. In this paper, we study the optimal pricing/trade-in strategies for such durable, remanufacturable products. We focus on the scenario where the replacement customers are only interested in trade-ins. In this setting, we study three pricing schemes: (i) uniform price for all customers, (ii) ageindependent price differentiation between new and replacement customers (i.e., constant rebate for replacement customers), and (iii) age-dependent price differentiation between new and replacement customers (i.e., agedependent rebates for replacement customers). We characterize the roles that the durability of the product, the extent of return revenues, the age profile of existing products in the market, and the relative size of the two customer segments play in shaping the optimal prices and the amount of trade-in rebates offered. Throughout the paper we highlight the operational decisions that might influence the above factors, and we support our findings with real-life practices. In an extensive numerical study, we compare the profit potential of different pricing schemes and quantify the reward (penalty) associated with taking into account (ignoring) customer segmentation, the price-discrimination option, return revenues, and the age profile of existing products. On the basis of these results, we are able to identify the most favorable pricing strategy for the firm when faced with a particular market condition and discuss implications on the life-cycle pricing of durable, remanufacturable products.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».