Coordinating Replenishment and Dynamic Pricing for Perishable Omnichannel Retail: A Fixed-Point Dynamic-Programming–Reinforcement-Learning Framework
Este artículo propone un marco híbrido de programación dinámica de punto fijo y aprendizaje por refuerzo que coordina la planificación de reabastecimiento a largo plazo con la fijación de precios dinámica en tiempo real para el comercio minorista omnicanal de productos perecederos, demostrando que tal integración mejora primordialmente el control de residuos en regímenes de suministro vinculantes, al tiempo que revela que la garantía de frescura óptima para los clientes en línea es el mínimo operativo.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
En el mundo del comercio minorista moderno, el desafío de vender alimentos frescos se ha convertido en un acto de equilibrismo realizado a través de múltiples escenarios. Los compradores ya no visitan una sola tienda; compran a través de una compleja red de opciones, recogiendo artículos en una tienda local, pidiendo para entrega a domicilio o comprando en línea para recoger en persona. Este enfoque omnicanal ofrece conveniencia, pero crea una pesadilla logística para los productos perecederos como las frutas y verduras, que tienen un reloj estricto y constante sobre su vida útil. La dificultad central radica en equilibrar dos necesidades contrapuestas: mantener los precios lo suficientemente flexibles como para coincidir con lo que los clientes están dispuestos a pagar en cualquier momento, y pedir la cantidad justa de existencias para que nada se pudra antes de ser vendido. Si un minorista pide de más, la comida se estropea y se convierte en desperdicio; si pide de menos, pierde ventas y frustra a los clientes. Durante décadas, los investigadores han intentado construir modelos matemáticos para resolver este rompecabezas, tratando a menudo la decisión de cuánto pedir y la decisión de qué precio cobrar como problemas separados. Sin embargo, la realidad de un pasillo de productos frescos es que estas dos decisiones están profundamente entrelazadas, y la velocidad con la que una tienda recibe nuevas entregas juega un papel mucho más crítico de lo que se entendía anteriormente.
Un equipo de investigadores ha desarrollado una nueva forma de abordar este problema combinando dos tipos diferentes de lógica computacional para gestionar el flujo de productos perecederos. En lugar de intentar resolver todo el complejo sistema a la vez, dividieron el trabajo en dos partes que operan en diferentes escalas temporales. Una parte de su sistema utiliza un método llamado programación dinámica, que es esencialmente un planificador riguroso y con visión de futuro. Este planificador mira hacia adelante durante un período prolongado para decidir exactamente cuántas unidades de productos frescos debe pedir, teniendo en cuenta cuánto durará la comida y los costos del desperdicio. La segunda parte utiliza una técnica de aprendizaje por refuerzo, que actúa como un comerciante en tiempo real. Este agente observa la edad del inventario de la tienda y la fluctuación de la demanda, ajustando los precios instantáneamente para vender el stock más viejo antes de que caduque. Crucialmente, los investigadores no solo dejaron que estas dos partes trabajaran de forma aislada; obligaron a que se comunicaran entre sí. El planificador a largo plazo ajusta sus objetivos de pedido basándose en los precios que el comerciante en tiempo real establece realmente, y el comerciante aprende a fijar precios basándose en los niveles de inventario que el planificador crea. Probaron este sistema en una simulación informática detallada de un minorista de productos frescos que vendía fresas, las cuales tienen una vida útil utilizable de cuatro días, a lo largo de un año completo.
El descubrimiento más sorprendente de este estudio es que la sofisticación del algoritmo de precios importa mucho menos que el horario del camión de reparto. Los investigadores descubrieron que si una tienda enfrenta o no un problema de desperdicio de alimentos depende enteramente de la relación entre la frecuencia con la que recibe existencias nuevas y la duración de esas existencias. En su simulación, cuando el minorista recibía entregas frescas cada día frente a una vida útil de cuatro días, la tasa de desperdicio era prácticamente nula, de apenas un 0,04 por ciento. En este escenario, ningún tipo de fijación de precios ingeniosa o planificación compleja podía mejorar la situación porque la comida se vendía tan rápido que nunca tenía la oportunidad de envejecer. El sistema era simplemente demasiado eficiente para que el problema existiera. Sin embargo, cuando el ciclo de entrega se extendió a un ciclo de tres días, la situación cambió drásticamente. La misma tienda, utilizando los mismos productos, vio cómo el desperdicio aumentaba a casi el 6,6 por ciento. Esto reveló que el "problema de la perecederidad" no siempre está presente; es una condición creada por el calendario de entregas. Si el tiempo entre entregas es lo suficientemente corto, la comida nunca envejece, y los algoritmos avanzados no tienen nada que optimizar. La maquinaria de la fijación de precios compleja solo se vuelve valiosa cuando el ciclo de entrega es lo suficientemente largo como para permitir que la comida envejezca.
Otro hallazgo importante se refirió a la promesa que los minoristas hacen a los clientes en línea sobre qué tan frescos serán sus alimentos. Muchas tiendas garantizan que los pedidos en línea tendrán un cierto número de días de vida útil restantes, asumiendo que esto atraerá a más clientes. El estudio trató esta garantía no como una regla de marketing fija, sino como una decisión variable. Los resultados mostraron que endurecer esta promesa de garantizar alimentos más frescos en realidad perjudicó al negocio. Cuando los investigadores aumentaron la garantía de un día a dos días, las ventas en línea aumentaron aproximadamente un 10 por ciento, pero las ganancias cayeron más de un 3 por ciento y la cantidad de comida desperdiciada se triplicó. La razón es que una garantía más estricta bloquea el stock que, aunque más viejo, sigue siendo perfectamente comestible, para ser vendido en línea. Ese stock es entonces desplazado hacia la tienda física, donde es más difícil de vender, terminando eventualmente con una rebaja de precio o siendo desechado. El estudio concluyó que, en este entorno específico, la mejor estrategia es ofrecer la garantía de frescura mínima posible, ya que intentar prometer más frescura simplemente crea más desperdicio sin suficientes ganancias adicionales que lo justifiquen.
Los investigadores también compararon su enfoque coordinado contra varios otros métodos, incluyendo un sistema donde las decisiones de pedido y precio se tomaban una tras otra sin retroalimentación, y un sistema donde un único agente informático intentaba aprender tanto el pedido como el precio al mismo tiempo. Los resultados fueron claros: un agente informático que intenta aprenderlo todo desde cero tuvo el peor desempeño, obteniendo significativamente menos ganancias y mostrando mucha más inestabilidad. Esto sugiere que intentar aprender la compleja logística de pedir alimentos frescos es demasiado difícil para que una máquina lo resuelva por sí sola; necesita el marco estructurado y lógico de un planificador para manejar el pedido, mientras que el aprendizaje automático es mejor dejarlo para la tarea de ajustar los precios. El sistema coordinado que combinó ambos enfoques no necesariamente ganó más dinero comparado con un método secuencial más simple, pero hizo algo mucho más importante: estabilizó el desperdicio. Al cerrar el bucle de retroalimentación entre el pedido y el precio, el sistema redujo el desperdicio en más de la mitad en comparación con el enfoque secuencial, evitando los picos ocasionales de gran magnitud en el deterioro que ocurrían cuando las dos decisiones no estaban alineadas.
En última instancia, el estudio ofrece una guía sobria pero práctica para los minoristas. Sugiere que, antes de invertir en algoritmos de precios costosos y de alta tecnología, una tienda debe primero observar su programa de entregas. Si la tienda recibe existencias frescas a diario, el problema del desperdicio ya está resuelto por el calendario, y ningún software mejorará la situación más allá de eso. Si el ciclo de entrega es más largo, entonces el problema existe, y la elección de cómo gestionarlo se vuelve crítica. La investigación también destaca que el costo de la comida en sí mismo, determinado por el proveedor, tiene un impacto mucho mayor en el balance final de la tienda que cualquier estrategia de precios. Una pequeña mejora en el precio pagado al proveedor puede cambiar las ganancias anuales por decenas de miles de dólares, mientras que incluso el mejor algoritmo de precios podría desplazar las ganancias solo por unos pocos miles. El estudio concluye que la forma más efectiva de reducir el desperdicio no es prometer a los clientes la comida más fresca posible, sino gestionar el costo interno de eliminación y el tiempo de las entregas, asegurando que la cadena de suministro esté diseñada para coincidir con la vida útil natural del producto.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.