全渠道下服裝品供應鏈退貨決策及仿真分析

泮家麗，胡 依，周興建，2

全渠道下服裝品供應鏈退貨決策及仿真分析

泮家麗1，胡 依1，周興建1，2*

（1. 武漢紡織大學 管理學院，湖北 武漢 430073；2.湖北省人文社會科學研究基地 企業決策支持研究中心，湖北 武漢 430073）

允許退貨日益成為提升企業利潤的一項競爭戰略，全渠道運營以提高顧客的購買體驗為核心，不僅要求各渠道保持自身高服務水準，同時要實現渠道間服務的相互協同，這無疑給供應鏈運營管理上提出了更高的要求。本文以獲得競爭優勢為主旨，確定服裝全渠道供應鏈可以滿足未來市場的產品/服務，結合大數據分析將產品/服務需求轉化為流程和各類子過程的任務和資產，根據市場需求，通過供應鏈協調并達到持續評估。應用貝葉斯網絡和推理網絡圖模型，通過服裝品退貨服務需求預測、細分產品/服務需求、數據分析、數據解釋和決策等四個步驟進行服裝供應鏈全渠道退貨服務決策。仿真分析表明，線上渠道和線下渠道針對不同的退貨服務，通過能力集網絡圖優化尋找最佳退貨服務組合，可獲得最優期望利潤。

全渠道；服裝供應鏈；退貨決策

隨著網絡購物市場規模的擴大，更多的企業加入了在線零售市場，購物手段日趨多樣化[1]。一般來說，價格敏感相對年輕、購買相對方便、比較時尚的顧客偏好于電子渠道，而年長者并享受逛街樂趣的顧客偏好于傳統渠道（Schroder等，2008）[2]。但為了提高消費者的滿意度、忠誠度和在線零售商的競爭力，允許退貨日益成為提升企業利潤的一項競爭戰略（Frankel R等，2011）[3]。對退貨服務的重視的確幫助企業吸引顧客和刺激消費上起到了較大作用，雖然退貨現象也給企業帶來了逆向物流處理成本的有關問題[4]，然而在激烈競爭的市場環境中，退貨決策及管理確實創造了更好的客戶價值（Ai X等，2012）[5]，

現有對退貨決策的研究，主要有三個方面：①將“退貨”作為一個前置條件進行相關研究，多針對線上電子渠道，如，翟春娟等（2011）[6]研究不同的退貨策略下，在線零售商以及整個供應鏈所得利潤差異；孫軍等（2014）[7]研究了無缺陷退貨條件下的在線零售商在銷售之初選擇權變策略、免運費和分離運費三種運費承擔策略對利潤、消費者購買決策、消費者需求量和退貨量的影響；②在一定前置條件下研究“退貨”問題，多針對線下傳統渠道，如，李勇建等（2012）[8]研究了在產品需求和消費者產品估價均不確定的情況下，報童零售商的預售策略和無缺陷退貨問題；楊光勇等（2014）[9]研究了存在戰略顧客時，不再銷售、正常再銷售與降價再銷售退貨產品策略如何影響銷售商的顧客退貨策略設計；張福利等（2017）[10]基于理性預期和戰略顧客行為，研究不確定需求條件下零售商的四種退貨策略；何嘯源等（2018）[11]研究在線零售商的最優退貨策略，以及部分退款退貨選項對在線零售商決策的影響；③供應鏈上的“退貨”問題，分別針對線上或線下不同的渠道，如，姚忠（2008）[12]分析了在零售商在風險約束下，退貨策略對單周期供應鏈的協調性問題；汪峻萍等（2013）[13]針對網上在線銷售易逝品的無缺陷退貨現象，研究供應鏈的最優訂購協調問題；李新軍等（2007）[14]研究了隨機需求條件下基于退貨的單周期單一產品逆向供應鏈模型；楊鵬等（2007）[15]針對供應鏈中無質量缺陷的退貨問題，建立了單個制造商和零售商構成的分散決策模型，研究零售商宣傳咨詢對于顧客需求和退貨率的影響，等等。

但是，在新零售時代的全渠道背景下，退貨決策與管理如何在線上線下各個供應鏈渠道間協作和互補成為新的問題，此前文獻也較少涉及，對于服裝品這一受到退貨策略重要影響的領域[16]，更是缺乏相應的研究。本文正是在這一背景下，考慮全渠道供應鏈情景，研究服裝品退貨服務決策機制及其供應鏈協作模式。

1 供應鏈全渠道服務決策問題描述

服裝品一般具有季節性、時效性、流行性等的特點，在七天無理由退貨服務政策下，企業不斷提高自身渠道的資源配置和相應的能力建設，以期實現整合各渠道優勢，滿足客戶更高的購物需求，形成良性的互動和服務（周飛等，2017）[17]。

圖1 供應鏈全渠道服務決策框架

因此，在供應鏈全渠道下，以獲得競爭優勢為主旨，服裝生產/銷售企業應用大數據分析將產品/服務需求轉化為流程和各類子過程的任務和資產，根據市場需求進行供應鏈協調。服裝品供應鏈全渠道服務決策問題可用如下過程描述：

（1）通過大數據分析識別產品/服務創新面臨的市場需求；

（2）將產品/服務需求細分到研發、生產、銷售、售后等各個過程；

（3）針對每個過程分別進行分析優化；

（4）遵照產品/服務持續創新，滿足市場需求，實現全渠道供應鏈協調。

這是一個不斷循環、不斷改進的過程。具體如下圖1所示。

2 服裝供應鏈全渠道退貨服務決策模型

2.1 供應鏈退貨服務需求預測

在實際應用中，供應鏈服務需求是受多方影響的。如，以淘寶、天貓發起的服裝品7天無理由退貨政策，對供應鏈退貨服務需求的增長產生了極大影響。考慮到服裝品的特點，根據用戶消費習慣等大數據，可通過貝葉斯網絡對數據進行預測和精煉。具體流程如下:

（1）收集數據。預測的基礎通常來源于購買行為、搜索記錄以及社交評價，毫無疑問數據會對消費者偏好造成顯著影響。從服裝品全渠道供應鏈數據中選取合適的樣本集，服裝品制造商/零售商結合服裝行業先驗經驗、服裝品銷售平臺買家評價或參考專家建議，通過數據挖掘、大數據技術等手段，識別影響供應鏈退貨服務需求的因素。一旦這些因素被識別，將作為貝葉斯網絡上的節點X( i = 1，，，。服裝品制造商/零售商須收集多個具有代表性的消費者，對每個節點進行賦值。

（2）預處理樣本數據。運用聚類分析或者分層分類等方法確保各因素賦值不連續，便于后續推理算法建模。

（3）設計和建立貝葉斯網絡。貝葉斯網絡由代表變量節點及連接這些節點的有向邊構成，一個節點代表隨機變量，節點間的有向邊代表了節點間的互相關系，用條件概率進行表達關系強度，沒有父節點的用先驗概率表達信息之間的關系(臧玉衛等，2003)［18］。每個節點X 都有一個概率分布(())，表示相關變量的不確定性，其中()代表父節點(如果節點X 中的()代表非父節點)。因此在獨立性假設下，一個節點構成的貝葉斯網絡(X，X，，X)可以表述為聯合概率分布:

（4）預測服務需求。由于知曉各個節點的賦值，服裝品制造商/零售商可以通過計算目標節點的概率分布來預測供應鏈退貨服務需求。

（5）敏感性分析。(交互信息) 可以衡量兩個隨機變量間的依賴關系，適合貝葉斯網絡的敏感性分析。如通過了解變量可以減少變量的不確定性，反之亦然。變量與的表述為:

其中，()表示聯合概率分布，()表示的概率分布函數，()表示的概率分布函數；()表示變量和間相互影響關系，其值越大說明變量和間關系越緊密，故可根據()的大小來判斷變量的重要性。在實際中，()越大，越需要關注相關變量。此外，貝葉斯網絡可以及時反映變化的市場需求，服裝品制造商/零售商可以通過持續改進貝葉斯網絡來驅動供應鏈退貨服務的持續創新。

2.2 細分供應鏈退貨服務需求

經過第一步供應鏈退貨服務需求預測后，借助于推理網絡圖模型，允許企業把自己的能力集和其他企業的合并，通過鏈接來自不同紡織服裝企業的資源能力集，將供應鏈退貨服務需求細分到產品設計、生產、銷售、售后等各個過程，可采用可視化的方式提供一系列最優的擴展細分過程。

2.3 供應鏈退貨服務數據分析

使用推理網絡圖模型能夠說明供應鏈退貨服務能力集的擴張過程，這是與其他能力合作的一種網絡優化模型。假定是供應鏈退貨服務需要解決的問題，是真正需要的能力集，是可獲得解決具體問題的能力集，中介技能()可以提高學習速度或連接和模型，以幫助決策者從獲。該方法的基礎是試圖從起始節點建立一個推理網絡圖()，從開始到中間節點()再到結束節點()，然后利用0-1整數規劃尋求最優解。因內部能力()、現有能力集()、所需能力集()和相關技能的習慣領域以及學習成數據輸入到推理圖，可以構建服裝品全渠道供應鏈退貨服務行為演化機理的一個特定的數學模型 (如網絡流優化模型)。

2.4 供應鏈退貨服務決策

利用推理網絡圖模型進行數據分析，提供一個基于學習網絡連接相關的能力集合，然后利用優化程序來幫助全渠道供應鏈退貨服務決策者獲取所需技能的最佳解決方案，同時提供解決問題的更多替代過程序列。以此為基礎，將網絡關系拓展到整個全渠道供應鏈服務流程中，做出最佳的決策。將供應鏈退貨服務需求進行細分，幫助服裝品制造商/零售商建立具體的分析流程，以協調全渠道供應鏈，驅動供應鏈退貨服務持續創新或改進。

3 仿真分析

3.1 參數設計

設某服裝銷售企業精選出了5 種不同類型的渠道服務(如退貨限期、退貨補償、上門退貨服務等)，并識別出各個退貨服務需要的能力集 (如表1所示) 。表中表示不同的能力集。同時，進行如下假定:

表1 各退貨服務需要的能力集

（1）不同的退貨服務需要不同的能力集。例如，退貨服務需要能力集，而退貨服務需要能力集。

（2）有線上和線下兩個渠道，線上渠道擁有退貨服務能力集；線下渠道擁有退貨服務能力集。線上渠道和線下渠道都不能單獨為退貨服務提供所需的能力集。這時為了提供相應的退貨服務，每個渠道需從其他渠道購買，或通過學習現有的能力集來獲取新的能力集。假設能力集的銷售價格如表2所示。其中，能力集的銷售價格為1單位，能力集的銷售價格為1.5單位。

（3）線上渠道退貨服務能力集的成本如表3所示，線下渠道退貨服務能力集的成本如表4所示。需要注意的是，實際操作中購買/學習能力集的成本需考慮到時間、勞動力、資源、資金等各個方面因素。

表2 能力集的銷售價格

表3 線上渠道擴展/學習能力集的成本

表4 線下渠道擴展/學習能力集的成本

表5 退貨服務組合的期望收益

3.2 決策過程

考慮到供應鏈退貨服務能力集的學習/購買成本，線上渠道應該專注于退貨服務 A、B、C；而線下渠道應該專注于退貨服務 D、E。假設線上渠道和線下渠道各自只能提供一種退貨服務，則此時將存在6種退貨服務組合，各退貨服務組合的期望收益如表5所示。

圖2 線上渠道退貨服務能力集網絡

圖3 線下渠道退貨服務能力集網絡

分別構建線上渠道和線下渠道的退貨服務能力集網絡圖，如圖2和圖3所示。其中每個節點示一個能力集，邊表示能力集間的關系。例如，表示能力集f可以通過學習能力集來獲取，而節點和之間沒有邊則表示能力集m 不可能通過學習能力集來獲取，反之亦然。邊上的數值表明獲取新能力集所需的購買/學習成本。另外，網絡圖中還存在復合節點，如和，即復合能力集。為了提供相應的退貨服務均需要獲取其他能力，如線上渠道的退貨服務可從線下渠道購買，或通過學習現有的退貨服務能力集來獲取新的能力集。事實上，對能力集c，線下渠道可以通過學習能力集、來獲取，也可以向線上渠道來購買。獲取的成本有高有低，分別為1.5、1、1.8和1。綜上，構建上述退貨服務能力集網絡圖的最終目標是使用優化方法找出最佳的全渠道供應鏈退貨服務組合，實現供應鏈利潤最大化。

3.3 模型求解

運用網絡流的方法來尋求最優解。進行如下假設:

假設1: 各渠道需列出所有相關的信息，例如，各退貨服務能力集和相關成本。

假設2: 各渠道須相互合作。

假設3: 單一渠道只需支付一定的價格，就可以從其他渠道自由地購買所需的退貨服務能力集。

假設4: 各渠道與該服裝銷售企業是利益共同體。

用表示渠道現有的退貨服務能力集，表示提供退貨服務需要的能力集，表示媒介(中間)能力集。定義一個有向圖()，假設節在有向圖(，)上，(，)表示節點接節點的邊；()表示通過節點獲取節點的成本。設網絡圖初始節點，終端節點為。連接()和()，得到新的有向圖()，表示的價值。得到容量和費用的邊界如下:

用()表示邊()的流量，得到供應鏈退貨服務最小費用流模型如下:

s.t

0≤≤

3.4 結果分析

運用軟件可得到模型的最優解(如表6所示) ，并得到線上渠道和線下渠道退貨服務最優解對應的推理網絡圖（圖4、圖5所示）。結果表明，全渠道供應鏈最優退貨服務組合{A，D}，獲得8.2單位的期望利潤。

表6 仿真實驗結果

圖4 線上渠道的最優解對應推理網絡圖

圖5 線下渠道的最優解對應推理網絡圖

4 結束語

供應鏈全渠道服務決策問題可描述為通過大數據分析識別產品/服務創新面臨的市場需求，進而將產品/服務需求細分到研發、生產、銷售、售后等各個過程，然后針對每個過程分別進行分析優化，遵照產品/服務持續創新，實現全渠道供應鏈協調。應用貝葉斯網絡和推理網絡圖模型，通過對某服裝銷售企業5種不同類型的渠道服務及相應退貨服務決策的仿真分析，結果表明：服裝企業利用線上渠道和線下渠道針對不同的供應鏈退貨服務進行退貨服務決策，企業運營管理者可利用線上線下全渠道退貨服務能力集網絡圖尋，找最佳的全渠道供應鏈退貨服務組合，實現供應鏈利潤最大化。

[1] 張濤，李剛，羅美玲，等．考慮無缺陷退貨的在線商品信息發布策略[J]．運籌與管理，2017，26(3)：123-130．

[2] Schroder H, ZahariaS.. Linking multichannel customer behavior with shopping motives: an empirical investigation of a German retailer [J]．Journal of Retailing and Consumer Services，2008，15(6)：452-468.

[3] Mollenkopf D A，Frankel R，Russo I.. Creating value through returns management : Exploring the marketing -operations interface [J]．Journal of Operations Management，2016，29(5)：391-403.

[4] 李冉．服裝企業退貨管理的逆向物流分析[J]．物流科技，2011，(9)：86-88．

[5] Ai X., Chen J, Zhao H, Tang X..Competition among supply chains : Implications of full returns policy [J]．International Journal of Production Economic，2012，139(1)：257-265.

[6] 翟春娟，李勇建．B2C模式下的在線零售商退貨策略研究[J]．管理工程學報，2011，25(01)：62-68．

[7] 孫軍，孫亮．基于無缺陷退貨的在線零售商運費承擔策略研究[J]．軟科學，2014，28(06)：41-45．

[8] 李勇建，許磊，楊曉麗．產品預售、退貨策略和消費者無缺陷退貨行為[J]．南開管理評論，2012，15(05)：105-113．

[9] 楊光勇，計國君．存在戰略顧客的退貨策略研究[J]．管理科學學報，2014，17(08)：23-33+94．

[10]張福利，張燕，徐小林．基于戰略顧客行為的零售商退貨策略研究[J]．管理科學學報，2017，20(11)：100-113．

[11]何嘯源，甄學平，劉斌．考慮雙退貨期限的在線零售商退貨策略研究[J]．上海管理科學，2018，40(04)：85-88．

[12]姚忠．風險約束下退貨合同對供應鏈的協調性分析[J]．管理科學學報，2008，11(03)：96-105．

[13]汪峻萍，楊劍波，賈兆麗．基于無缺陷退貨的網上銷售易逝品供應鏈協調模型[J]．中國管理科學，2013，21(06)：47-56．

[14]李新軍，達慶利．隨機需求條件下產品退貨政策協調與優化[J]．中國管理科學，2007，(03)：56-60．

[15]楊鵬，陳秋雙，孫俊清．無缺陷退貨問題的建模與供應鏈協作[J]．計算機集成制造系統，2007，(06)：1071-1075．

[16]李澤聚，祝驛楠．紡織服裝業逆向物流聯盟模式及其云計算平臺研究[J]．經營與管理，2016，(12)：104-107．

[17]周飛，鄭潔儀，沙振權．基于渠道協同視角的企業多渠道管理研究綜述[J]．華僑大學學報，2017，(5)：51-62．

[18]臧玉衛，王萍，吳育華．貝葉斯網絡在股指期貨風險預警中的應用[J]．科學學與科學技術管理，2013，(1)：122-125．

The Decision of Garment Return Service based on Supply Chain with All-Channel

PAN Jia-li1, HU Yi1, ZHOU Xing-jian1,2

(1. School of Management, Wuhan Textile University, Wuhan Hubei 430073, China; 2. Research Center of Enterprise Decision Support, Hubei Province Research base for Humanities and Social Sciences, Wuhan Hubei 430073, China)

All-channel operation is to improve the customer's purchase experience as the core, not only requires each channel to maintain its own high standards of service, at the same time to achieve inter-channel services synergies, which undoubtedly puts forward higher requirements for the enterprise's supply chain management. In the paper, aiming at the competitive advantage of all-channel service providers, we determine that all-channel supply chain can satisfy the future market's products/services, and transform the product/service requirements into tasks and assets of processes and various sub-processes through big data analysis. According to the market demand, we coordinate the supply chain and achieve continuous evaluation. Applying Bayesian network and reasoning network graph model, the decision-making of garment supply chain of all-channel return service is carried out through four steps: service demand forecast, product/service demand segmentation, data analysis, data interpretation and decision-making. The simulation results show that the optimal expected profit can be obtained by optimizing the combination of return services through capacity set network graph for different return services in online and offline channels.

all-channel; garment supply chain; return service decision

周興建（1979-），男，副教授，博士，碩士生導師，研究方向：物流與供應鏈管理.

武漢紡織大學科技創新計劃項目（2018），湖北省教育廳人文社科項目（2019）.

TS941.6

A

2095－414X(2019)04－0048－06