The Nonlinear Impact of Promised Delivery Time on Online Purchasing
Notice bibliographique
Résumé
Problem definition: For e-commerce companies to assess how best to invest in improving delivery times, it is important to understand how improving delivery times affects customer demand. In collaboration with a business-to-business (B2B) e-commerce company, we study how the promised delivery time in a quote affects the customer’s purchase probability. Methodology/results: We use observational and experimental data from our partner with quote-level variation in promised delivery times. This allows us to estimate demand as a function of promised delivery time after flexibly controlling for customer, product, and vendor differences. We find that there is a large, robust effect of promised delivery time on demand: a one-day improvement in promised delivery time increases demand by 1.82%, equivalent to a 2.21% discount, comparable to prior findings in business-to-consumer retail contexts. Interestingly, using semiparametric analysis, we find that this effect is nonlinear: demand is not sensitive to promised delivery times of under a week but drops quickly when delivery is expected to take more than a week. Managerial implications: We find that timely delivery is important in a B2B setting, not just in fast-moving retail settings. We show that the largest improvements in demand are to be gained from investing in measures that can reduce the long tail of slow deliveries (e.g., avoiding stockouts and processing delays, ensuring geographic coverage of fulfillment centers) rather than reducing the delivery time of products that are already relatively fast to deliver. The results from our analysis were used by our partner to decide on opening new fulfillment centers and repricing their services given the new fulfillment center network (because customers are willing to pay more for faster delivery). History: This paper has been accepted as part of the 2025 Manufacturing & Service Operations Management Practice-Based Research Competition. Supplemental Material: The online appendix is available at https://doi.org/10.1287/msom.2024.1335 .
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 | 0,010 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,002 |
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 ».