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

現代の小売業界において、生鮮食品の販売という課題は、複数のステージにわたって繰り広げられる綱渡りのような行為となっている。買い物客はもはや単一の店舗を訪れるだけではない。地元のショップで品物を手に入れたり、自宅配送を注文したり、あるいはオンラインで購入して店舗で受け取ったりと、複雑な選択肢のネットワークを通じて購入している。このオムニチャネルのアプローチは利便性を提供する一方で、果物や野菜のように棚持ち（シェルフライフ）に厳格なタイムリミットがある生鮮品にとっては、物流上の悪夢を生み出す。核心的な困難は、二つの相反するニーズのバランスを取ることにある。すなわち、顧客がその瞬間に支払いたいと思う金額に合わせて価格を柔軟に保つことと、何も腐る前に売り切れるよう、適切な量の在庫を発注することである。もし小売業者が発注しすぎれば、食品は傷んで廃棄物となり、少なすぎれば、売上機会を逃して顧客を失望させることになる。数十年にわたり、研究者たちはこのパズルを解くための数学的モデルを構築しようと試みてきたが、多くの場合、発注量の決定と価格設定の決定を別々の問題として扱ってきた。しかし、生鮮食品売り場の現実は、これら二つの決定が深く絡み合っており、店舗に新しい配送が届くスピードが、これまで理解されていたよりもはるかに重要な役割を果たしているのである。

ある研究チームは、異なる二種類のコンピュータ・ロジックを組み合わせることで、生鮮品のフローを管理するという、この問題への新しい取り組み方を開発した。彼らは、複雑なシステム全体を一度に解決しようとするのではなく、異なる時間スケールで動作する二つの部分に仕事を分割した。システムの一方は「動的計画法」と呼ばれる手法を用いており、これは本質的に、厳格で先を見越したプランナー（計画者）である。このプランナーは長期的な視点で先を見通し、食品の持続期間や廃棄コストを考慮しながら、正確にどれだけの量の生鮮品を発注すべきかを決定する。第二の部分は「強化学習」という技術を用いており、これはリアルタイムのトレーダーのように機能する。このエージェントは、店舗の在庫の鮮度と需要の変動を監視し、在庫が期限切れになる前に古い在庫を売却できるよう、即座に価格を調整する。極めて重要なのは、研究者たちがこれら二つの部分を単に孤立させて働かせたのではなく、互いに「対話」するように強制した点である。長期的なプランナーは、リアルタイム・トレーダーが実際に設定した価格に基づいて発注目標を調整し、トレーダーはプランナーが作成した在庫レベルに基づいて価格設定を学習する。彼らは、使用可能期間が4日間であるイチゴを販売する生鮮食品小売業者の詳細なコンピュータ・シシミュレーションを用いて、このシステムをテストした。

この研究から得られた最も衝撃的な発見は、価格設定アルゴリズムの精巧さよりも、配送トラックのスケジュールの方がはるかに重要であるということだ。研究者たちは、店舗が実際に食品廃棄の問題に直面するかどうかは、新しい在庫が入ってくる頻度と、その在庫が持つ持続期間の比率に完全に依存していることを発見した。シミュレーションにおいて、小売業者が4日間のシェルフライフに対して毎日新鮮な配送を受けている場合、廃棄率はわずか0.04パーセントと、実質的にゼロであった。このシナリオでは、いかなる巧妙な価格設定や複雑な計画も状況を改善することはできなかった。なぜなら、食品が非常に速く売られていたため、古くなる暇がなかったからである。システムがあまりにも効率的すぎて、問題自体が発生していなかったのだ。しかし、配送サイクルを3日間に延ばすと、状況は劇的に変化した。同じ店で、同じ製品を使用しているにもかかわらず、廃棄率はほぼ6.6パーセントに跳ね上がった。これは、「鮮度低下の問題（perishability problem）」は常に存在するわけではなく、配送カレンダーによって作り出される条件であることを明らかにした。配送の間隔が十分に短ければ、食品は古くなることがなく、高度なアルゴリズムは最適化すべき対象を見失ってしまう。複雑な価格設定の仕組みが価値を持つのは、配送サイクルが食品が古くなるのに十分な長さである場合に限られるのである。

もう一つの主要な発見は、小売業者がオンラインの顧客に対して行う「食品がいかに新鮮であるか」という約束に関するものである。多くの店舗は、より多くの顧客を引きつけるために、オンライン注文の品には一定の日数のシェルフライフが残っていることを保証している。本研究では、この保証を固定されたマーケティング上のルールとしてではなく、可変的な決定事項として扱った。結果として、より新鮮な食品を保証するためにこの約束を厳格化することは、ビジネスに悪影響を与えることが示された。研究者が保証を1日から2日へと引き上げたところ、オンライン販売は確かに約10パーセント増加したが、利益は3パーセント以上減少し、廃棄される食品の量は3倍になった。その理由は、より厳格な保証が、まだ十分に食べられるものの、少し古い在庫をオンライン販売から締め出してしまうからである。その在庫は物理的な店舗へと押しやられ、そこでは売れにくくなり、最終的には値下げされるか、廃棄されることになる。研究は、この特定の環境においては、可能な限り最小限の鮮度保証を提供することが最善の戦略であると結論付けた。なぜなら、より高い鮮度を約束しようとすることは、それを正当化できるほどの追加利益を生むことなく、単に廃棄量を増やすだけだからである。

研究者たちはまた、彼らの協調的なアプローチを、発注と価格設定の決定がフィードバックなしに逐次行われるシステムや、単一のコンピュータ・エージェントが発注と価格設定の両方を同時に学習しようとするシステムを含む、いくつかの他の手法と比較した。結果は明白であった。すべてをゼロから学習しようとするコンピュータ・エージェントは最も成績が悪く、利益は著しく低く、不安定さも大きかった。これは、生鮮食品の発注という複雑なロジスティクスを機械が独力で学習することはあまりに困難であり、発注を扱うためにはプランナーによる構造化された論理的枠組みが必要であり、機械学習は価格調整のタスクに留めるのが最適であることを示唆している。両方のアプローチを組み合わせた協調システムは、必ずしも単純な逐次型メソッドよりも多くの利益を生み出したわけではないが、それよりもはるかに重要なこと、すなわち廃棄を安定させることに成功した。発注と価格設定の間のフィードバックループを閉じることで、このシステムは逐次型アプローチと比較して廃棄を半分以上削減し、二つの決定が一致していないときに発生する時折の巨大な廃棄スパイクを防いだのである。

結局のところ、この研究は小売業者に対して、冷静かつ実践的なガイドを提供している。それは、高価でハイテクな価格設定アルゴリズムに投資する前に、店舗はまず配送スケジュールを確認すべきである、と示唆している。もし店舗が毎日新鮮な在庫を受け取っているなら、廃棄の問題はすでにカレンダーによって解決されており、いかなるソフトウェアもそれ以上の改善をもたらすことはない。配送サイクルが長い場合、問題は存在しており、その管理方法の選択が極めて重要になる。また、研究は、サプライヤーによって決定される食品自体のコストが、価格戦略よりも店舗のボトムライン（収益）に大きな影響を与えることも強調している。サプライヤーに支払う価格をわずかに改善するだけで、年間利益が数万ドル変わる可能性がある一方で、最高の価格設定アルゴリズムであっても、利益を数千ドル程度しか動かせないかもしれない。本研究は、廃棄を減らすための最も効果的な方法は、顧客に可能な限り新鮮な食品を約束することではなく、廃棄コストと配送のタイミングを管理し、サプライチェーンが製品の自然な寿命に適合するように設計することであると結論付けている。