Coordinating Replenishment and Dynamic Pricing for Perishable Omnichannel Retail: A Fixed-Point Dynamic-Programming–Reinforcement-Learning Framework

In der Welt des modernen Einzelhandels ist die Herausforderung, frische Lebensmittel zu verkaufen, zu einem Drahtseilakt geworden, der auf mehreren Bühnen gleichzeitig stattfindet. Käufer besuchen nicht mehr nur ein einzelnes Geschäft; sie kaufen über ein komplexes Netz von Optionen ein, holen Artikel in einem lokalen Laden ab, bestellen für die Lieferung nach Hause oder kaufen online ein und holen die Ware persönlich ab. Dieser Omnichannel-Ansatz bietet Bequemlichkeit, schafft aber ein logistisches Albtraumszenario für leicht verderbliche Waren wie Obst und Gemüse, die eine strikte, tickende Uhr bezüglich ihrer Haltbarkeit haben. Die Kernschwierigkeit liegt darin, zwei konkurrierende Bedürfnisse in Einklang zu bringen: die Preise flexibel genug zu halten, um denjenigen zu entsprechen, die Kunden zu jedem beliebigen Zeitpunkt zu zahlen bereit sind, und gleichzeitig genau die richtige Menge an Lagerbestand zu bestellen, damit nichts verrottet, bevor es verkauft wird. Wenn ein Einzelhändler zu viel bestellt, verdirbt das Essen und wird zu Abfall; wenn er zu wenig bestellt, verliert er Verkäufe und frustriert Kunden. Jahrzehntelang haben Forscher versucht, mathematische Modelle zu entwickeln, um dieses Rätsel zu lösen, wobei sie die Entscheidung darüber, wie viel zu bestellen ist, und die Entscheidung darüber, welchen Preis man verlangen sollte, oft als getrennte Probleme behandelten. Die Realität in der Obst- und Gemüseabteilung ist jedoch, dass diese beiden Entscheidungen tief miteinander verwoben sind, und die Geschwindigkeit, mit der ein Geschäft neue Lieferungen erhält, spielt eine weitaill mehr entscheidende Rolle, als bisher angenommen wurde.

Ein Forschungsteam hat einen neuen Weg entwickelt, um dieses Problem anzugehen, indem es zwei verschiedene Arten der Computerlogik kombiniert, um den Fluss leicht verderblicher Waren zu steuern. Anstatt zu versuchen, das gesamte komplexe System auf einmal zu lösen, unterteilte es die Aufgabe in zwei Teile, die auf unterschiedlichen Zeitskalen operieren. Ein Teil ihres Systems nutzt eine Methode namens dynamische Programmierung, was im Wesentlichen ein strenger, vorausschauender Planer ist. Dieser Planer blickt über einen längeren Zeitraum voraus, um genau zu entscheiden, wie viele Einheiten an frischem Obst oder Gemüse zu bestellen sind, wobei er berücksichtigt, wie lange die Lebensmittel haltbar sind und welche Kosten durch Abfall entstehen. Der zweite Teil verwendet eine Technik des bestärkenden Lernens (Reinforcement Learning), die wie ein Echtzeit-Händler agiert. Dieser Agent beobachtet das Alter des Lagerbestands und die Schwankungen der Nachfrage und passt die Preise sofort an, um ältere Bestände zu verkaufen, bevor sie ablaufen. Entscheidend war, dass die Forscher diese beiden Teile nicht einfach isoliert arbeiten ließen; sie zwangen sie dazu, miteinander zu kommunizieren. Der langfristige Planer passt seine Bestellziele basient basierend auf den Preisen an, die der Echtzeit-Händler tatsächlich festsetzt, und der Händler lernt, die Preise basierend auf den Lagerbeständen zu gestalten, die der Planer erstellt. Sie testeten dieses System in einer detaillierten Computersimulation eines Frischwarenhändlers, der Erdbeeren verkaufte, die eine nutzbare Haltbarkeit von vier Tagen haben, über den Verlauf eines vollen Jahres.

Die auffälligste Entdeckung dieser Studie ist, dass die Raffinesse des Preisalgorithmus weit weniger wichtig ist als der Zeitplan des Lieferwagens. Die Forscher fanden heraus, dass davon, ob ein Geschäft tatsächlich mit Lebensmittelverschwendung konfrontiert ist, ausschließlich das Verhältnis zwischen der Häufigkeit, mit der neue Bestände eintreffen, und der Haltbarkeit dieser Bestände abhängt. In ihrer Simulation, als der Einzelhändler alle Tage frische Lieferungen gegen eine vier Tage dauernde Haltbarkeit erhielt, lag die Verschwendungsrate praktisch bei null, bei gerade einmal 0,04 Prozent. In diesem Szenario konnte kein noch so kluger Preis oder eine komplexe Planung die Situation verbessern, da die Lebensmittel so schnell verkauft wurden, dass sie gar nicht erst alt werden konnten. Das System war schlichtweg zu effizient, damit das Problem überhaupt entstehen konnte. Als der Lieferzyklus jedoch auf einen Dreitageszyklus gestreckt wurde, änderte sich die Situation dramatisch. Derselbe Laden, der dieselben Produkte verwendete, sah die Verschwendung auf fast 6,6 Prozent ansteigen. Dies offenbarte, dass das „Verderblichkeitsproblem“ nicht immer präsent ist; es ist ein Zustand, der durch den Lieferkalender geschaffen wird. Wenn die Zeit zwischen den Lieferungen kurz genug ist, wird das Essen nicht alt, und die fortschrittlichen Algorithmen haben nichts zu optimieren. Die Mechanik der komplexen Preisgestaltung wird erst dann wertvoll, wenn der Lieferzyklus lang genug ist, um das Altern der Lebensmittel zuzulassen.

Ein weiterer wichtiger Befund betraf das Versprechen, das Einzelhändler ihren Online-Kunden bezüglich der Frische ihrer Lebensmittel geben. Viele Geschäfte garantieren, dass Online-Bestellungen eine bestimmte Anzahl an Tagen an Restlaufzeit haben, in der Hoffnung, dies würde mehr Kunden anziehen. Die Studie behandelte dieses Versprechen nicht als feste Marketingregel, sondern als eine variable Entscheidung. Die Ergebnisse zeigten, dass eine Verschärfung dieses Versprechens, um frischere Lebensmittel zu garantieren, dem Geschäft schadete. Als die Forscher die Garantie von einem Tag auf zwei Tage erhöhten, stiegen die Online-Verkäufe zwar um etwa 10 Prozent, aber der Gewinn sank um mehr als 3 Prozent und die Menge der verschwendeten Lebensmittel verdreifachte sich. Der Grund dafür ist, dass eine strengere Garantie ältere, aber noch vollkommen essbare Bestände vom Online-Verkauf ausschließt. Diese Bestände werden dann in das physische Geschäft gedrängt, wo sie schwerer zu verkaufen sind, und führen schließlich zu Preisnachlässen oder werden weggeworfen. Die Studie kam zu dem Schluss, dass es in diesem spezifischen Umfeld die beste Strategie ist, die minimal mögliche Frischegarantie anzubieten, da der Versuch, mehr Frische zu versprechen, lediglich mehr Abfall erzeugt, ohne dass der zusätzliche Gewinn dies rechtfertigen würde.

Die Forscher verglichen ihren koordinierten Ansatz auch mit mehreren anderen Methoden, darunter ein System, bei dem die Bestell- und Preisentscheidungen nacheinander ohne Rückkopplung getroffen wurden, sowie ein System, bei dem ein einzelner Computeragent versuchte, sowohl die Bestellung als auch die Preisgestaltung gleichzeitig zu erlernen. Die Ergebnisse waren eindeutig: Ein Computeragent, der versucht, alles von Grund auf neu zu lernen, schnitt am schlechtesten ab, erwirtschaftete signifikant weniger Gewinn und zeigte viel mehr Instabilität. Dies deutet darauf hin, dass der Versuch, die komplexe Logistik der Bestellung frischer Lebensmittel allein durch eine Maschine zu erlernen, zu schwierig ist; die Maschine benötigt den strukturierten, logischen Rahmen eines Planers, um die Bestellung zu handhaben, während das maschinelle Lernen am besten für die Aufgabe der Preisanpassung geeignet ist. Das koordinierte System, das beide Ansätze kombinierte, erwirtschaftete nicht unbedingt das meiste Geld im Vergleich zu einer einfacheren sequentiellen Methode, aber es tat etwas viel Wichtigeres: Es stabilisierte den Abfall. Durch das Schließen der Rückkopplungsschleife zwischen Bestellung und Preisgestaltung senkte das System den Abfall im Vergleich zum sequentiellen Ansatz um mehr als die Hälfte und verhinderte die gelegentlichen massiven Spitzen bei der Verderblichkeit, die auftraten, wenn die beiden Entscheidungen nicht aufeinander abgestimmt waren.

Letztlich bietet die Studie einen ernüchternden, aber praktischen Leitfaden für Einzelhändler. Sie legt nahe, dass ein Geschäft, bevor es in teure, hochtechnologische Preisalgorithmen investiert, zuerst seinen Lieferplan prüfen muss. Wenn ein Geschäft täglich frische Bestände erhält, ist das Problem des Abfalls bereits durch den Kalender gelöst, und keine Software der Welt wird es weiter verbessern können. Wenn der Lieferzyklus länger ist, dann existiert das Problem, und die Wahl des Managements wird entscheidend. Die Forschung hebt auch hervor, dass die Kosten für die Lebensmittel selbst, die vom Lieferanten bestimmt werden, einen weita 훨씬 größeren Einfluss auf das Endergebnis des Geschäfts haben als jede Preisstrategie. Eine kleine Verbesserung des Preises, den man dem Lieferanten zahlt, kann den Jahresgewinn um zehntausende Dollar verändern, während selbst der beste Preisalgorithmus den Gewinn vielleicht nur um einige tausend Dollar verschieben kann. Die Studie schließt mit dem Fazメント, dass der effektivste Weg zur Reduzierung von Abfall nicht darin besteht, den Kunden die frischesten Lebensmittel zu versprechen, sondern die internen Entsorgungskosten und den Zeitpunkt der Lieferungen zu managen, um sicherzustellen, dass die Lieferkette auf die natürliche Lebensdauer des Produkts abgestimmt ist.