第 卷第49卷年08月 第08期 N2012年, Aug. 2012 No月 第08期 .08, Aug. 2012 研究与技术基于改进报童模型的服装定价订货策略研究吴 琼，梁道雷(浙江理工大学 理学院，杭州 310018)摘要：以服装销售链中最优定价和计划生产量为研究目标，采用数据挖掘方法对各类不同服装进行聚类分析，对每一品类服装建立销售预测的拟合方程，建立了一个服装销售中的定价订货策略制定体系。在报童模型方面，对经典报童模型进行分析，结合定价和生产两方面因素，建立零售商的最优订货量和生产商的定价订货策略，然后利用改进的报童模型进行定价订货策略的制定，最后结合拟合方程应用到改进报童模型中，通过实例验证，所建立的体系具有较好的效果。关键词：聚类分析；Bass模型；报童模型；服装销售预测中图分类号：； 文献标志码：A 文章编号：1001-7003(2012)06-0027-03Research on clothing pricing and ordering strategies based on the improvement of Newsboy modelWU Qiong, LIANG Dao-lei(College of Science, Zhejiang Sci-Tech University, Hangzhou 310018)Abstract: Directing at the optimal pricing and the planned production quantity in the clothing sales chain, this thesis analyzes the different types of clothing by data mining method. Then, it establishes sales forecast equation for each category of clothing and a system of formulating pricing and ordering strategies in clothing marketing. In the aspect of newsboy model, it discusses the classical newsboy model, combines with factors related to pricing and production as well as establishes strategies for the optimal order quantity of retailers and pricing and ordering strategies for manufacturers. Finally, this thesis applies the equation to the improved newsboy model. According to cases, we find that the established system has very good Words: Cluster analysis; Bass model; Newsboy model; Clothing sales forecasting随着服装产品趋于多品种、小批量、短周期，服提出了结合CURE聚类算法和决策树的服装销售[3]装订货定价策略的制定变得愈加困难。随着互联网技预测模型；沈岳利用时间序列模型和马尔可夫链对术及电子商务的快速发展，越来越多的数据不断涌服装预测建立了模型。在这些文献中，常提到数据挖现，如何从海量的数据中得到真正有价值的信息，进掘技术中的一种数据分析方法——聚类分析法。报童行较为准确的预测，可以指导生产商和零售商做出更模型在如今的研究应用中，根据商业环境的改变及不为准确的决策？报童问题是运筹学中的著名数学模同产业的特征，被改进为诸多的拓展模型。1999年，[4]型，经典报童问题又称单周期随机存储问题，研究的Khouja总结了报童模型的研究情况，将这些拓展模是易变质产品或创新型商品的需求决策问题。型归结为11大类，并提出了进一步的改进方向。在近近年来，很多学者开始对服装行业销售预测模型些年对报童模型的研究中，主要集中在模型参数、约[1]进行探讨：蔡丽玲等对服装预测领域状况进行了分束条件、目标函数的追加与拓展，以及考虑了时间因析，阐述了数据挖掘技术对该领域的推动作用，并素、两级多级及网络式供应链、多次销售等情况下的[2][5]通过实例说明了数据挖掘的服装预测流程；王莹等模型改进。DANA J R J D和PETRUZZI N C将价格作为可以进行合理设置的内生变量，建立了对价格和库存进行决策的报童模型。 本研究建立了一个服装销售中的定价订货策略制收稿日期：2012-05-11定体系。首先运用聚类分析技术和Bass模型对销售进作者简介：吴琼(1989－ )，女，2008级信息与计算科学专业本科生。通讯作者：梁道雷，讲师，liangdaolei@。行预测，然后利用改进的报童模型进行定价订货策略— —— —
第.49 Vol49卷第49卷年08月 第08期 , , Aug. 20122012年08月 第08期 2012 的制定，并且通过实例研究验证了体系的实用性。G(q,w)11＝[(p－w)x＋(v－w)(q (x)dx1－x)]f＋1 服装销售预测模型 [(p－w)q1－s(x1－q)] f (x)dx1本研究主要用到数据挖掘中的聚类分析方法和对q1微分，得：Bass拟合模型。聚类是一种建立分类的多元统计分析＝(p＋s1－w)－(p＋s1－v)F(q)1方法，它根据样本数据的诸多特征，按照性质上的亲由假设条件(1)可知，0＜＜1，且 f (x)＞疏程度，将数据库中的记录划分为一系列有意义的子-10，所以F(x)是连续且严格单调递增的，故F(x)存在且集(或簇)，使在同一簇中的数据(事物)具有高度的同构型，而不同类别的事物具有高度的异质性。可导，并且也是单调递增的。令＝0，则可以得到一个最优订货量和订货价之间的关系式：2 定价订货策略 *-1q(w)1＝F() 模型建立在销售周期开始的时候，生产商以一定的成本生因为＝－(p＋s1－v)f(q)1，(p＋s1－v)＞0，产一定数量的服装，然后以订货价卖给零售商。生产f(x)＞0，所以＜0，故G(q,w)11为关于q1的凸函商与零售商在自己提供的服装商品供不应求的情况*下，均需承担一定的缺货损失费；在供过于求的情况数。满足上述条件，可见q(w)1是G(q,w)11的最优解。*下，剩余产品都有一定的残值。令z(w)＝，则：模型中的符号说明如下(所有的符号表示的变量或**F(q(w))＝φ(z(w))＝ 常量均不小于零)：x为顾客的需求量，其概率分布函 生产商的定价订货策略数为F(x)，概率密度函数为f(x)；c为服装的单位生产成对于生产商来说，顾客不是终端的消费者，而是本；p为零售价格，由市场决定；w为零售商需支付的零售商，那么生产商的需求量为零售商的订货量q1。服装的单位订货价，由生产商决定；s1为零售商的单位利用经济学中的关系：生产商的收益＝销售利润－缺缺货损失费；s2为生产商的单位缺货损失费；v为生产货费用－剩余商品处理费用。对生产商来说，无风险商或零售商剩余产品的单位残值；q1为零售商的订货数收益表达式为(w－c)q1。当供过于求，即q2＞q1时，剩量；q2为生产商的生产数量；G(q,w)11为零售商的收益余产品单位损失费用为(c－v)；当供不应求，即q2＜q1函数；G(q,q,w)212为生产商的收益函数。时，单位缺货损失费用为(w－c－s)2。则，生产商的模型的假设条件如下：利润函数为：1)p＞w＋s1，w＞c＋s2，c＞v，这样，零售商和生+G(q,q,w)212＝(w－c)q2－(c－v)(q)2－q1－(w－c－产商的利润才会非负，且残值小于生产成本，这些都+s)(q22－q)1与现实相符；已知在生产商给出p1的订货价时，零售商根据报2)零售商与生产商在销售周期开始前无存货；童模型决定的最优订货量为：3)通过上文的销售预测，可以得到服装销售预测*-1q(w)1＝F()模型，由此可以知道某一个销售区间的预测需求量假设生产商是知晓零售商的这一订货策略的，那μ。根据实际的销售规律，可以假设顾客的需求量x是**么生产商的最优生产量q2＝q(w)1。因为此时缺货损失一个以μ为期望值的正态分布的连续型随机变量，且和剩余损失均为0。F(0)＝0。于是，生产商的利润函数为： 零售商的最优订货量分析 *-1从零售商的角度分析，在生产供应商给定一个G(w)w2＝(－c)q(w)1＝(w－c)F()＝订货价w时，可以利用报童模型进行最优订货量的分1- (w－c)[σφ()＋μ]析，并得到一个以订货价w为自由变量、订货量q1为因变量的函数。根据经典的连续型报童模型，可以得此时，生产商的利润最大化问题就变成了一个一到零售商的利润函数：元函数的最大值问题。— —— —
第 Vo49卷第49卷年08月 第08期 , Aug. 2012 No2012年08月 第08期 .08, Aug. 2012 &似值为n(2)＝200。现在得到了市场需求x服从的正态3 实例分析选取了某品牌男式休闲长裤2010年9－11月的销分布的所有参数值，即x～φ(200,)。接下来利用售数据进行统计，原始数据的销售曲线很不规则，反Matlab软件编程解决生产商利润最大化的问题，即如映该批服装销售量随时间变化差异大，服装风格也有下一元函数的最大值问题：很大的不同，这样对服装的预测很困难。为此，将该*-1G(w)2＝(w－c)q(w)w1＝(－c)F()＝批服装进行聚类处理，销售量变化很接近的聚为一1- (w－c)[σφ()＋μ]类，再对各类单个分析。以男式休闲长裤系列一为例继续分析，如图1所示。将本研究改进的二级供应链中的报童模型通过由图1可见，该类服装在9月1－15日期间销售增Matlab编程实现，在如上假设和结论的基础上，计算长较平缓，在9月16－30日期间销售数量陡然上升，可得，对生产商来说，最优订货价为340元，最优生至10月达到销售顶峰，随后销售量平缓下降，最后在产量为160件，此时的利润为49 600元。11月下半月退出市场，完成整个循环。4 结 语基于国内服装产品多品种、小批量、短周期的特点，本研究提出了一种基于报童模型与数据挖掘的服装订货定价策略，该策略运用于企业订货和定价实践中，取得了较好的效果。随着服装零售数据将增多且日益呈现复杂化，为此笔者将继续探索报童模型与模糊神经网络、遗传算法结合来对服装供应链进行研究，为服装订货定价活动提供更好的决策支持。参考文献：[1]蔡丽玲，季晓芬，方靖.服装销售预测技术的新发展[J]. 月份图1 男式休闲长裤系列一的销售折线示意丝绸，2005(12)： Marketing line graph for one series of men's casual CAI Lilin, JI Xiaofen, FANG Jing. The new development of trousersclothing sales forecast[J]. Journal of Silk, 2005(12): 6-11.接着用Bass模型做非线性回归分析，运用数学[2]王莹，李仁旺，李斌，等. 基于CURE算法和决策树的服装销售预测模型[J]. 纺织学报，2008，29(9)：133-136.工具Matlab进行非线性回归求各模型参数值。可以得WANG Ying, LI Renwang, LI Bin, et al. Clothing sales 到：m＝，p＝，q＝，残差ans＝。forecasting model based on the CURE algorithm and 将其代入到式(1)中，得到此系列休闲长裤的销售周期decision tree[J]. Journal of Textile Research, 2008, 29(9): 模型：133-136.[3]沈岳. 基于时间序列马尔可夫链的服装销售预测[J]. 丝 N(t)＝× (1) 绸，2009(11)：32-34.式(1)中：t的单位为半个月。SHEN Yue. Clothing sales forecast based on time series Markov chain[J]. Journal of Silk, 2009(11): 32-34.设男式休闲长裤系列一中的一款产品的生产成本[4]KHOUJA M. The single-period(newsvendor)problem: c为50元，市场吊牌价p为380元，零售商的缺货成本literature reviewand suggestions for future research[J]. s1和生产商的缺货成本s2均为10元，产品的残值v为40Omega, 1999, 27(5): 537-553.元。通过程序处理得N(2)＝，N(1)＝。[5]DANA J R J D, PETRUZZI N C. Note: newsvendor 所以t＝2时市场需求量的期望为n(2)＝N(2)－N(1)＝model with endogenous demand[J]. Management Science, 2001, 47(11): 。根据客观情况，需求量应该为整数，取近— —— —
