基于报童模型的家具体验店服务能力决策研究

郭 泉

（1.中国矿业大学，江苏 徐州 221116；2.苏州高博软件技术职业学院，江苏 苏州215000）

基于报童模型的家具体验店服务能力决策研究

郭 泉1，2

（1.中国矿业大学，江苏 徐州 221116；2.苏州高博软件技术职业学院，江苏 苏州215000）

针对线下家具体验店服务能力决策不合理和效率低下等问题，文章提出一种基于报童模型的家具体验店服务能力决策方法。本文首先对家具体验店的服务收益、成本及利润进行量化，然后以家具体验店服务能力为决策变量构建基于报童模型的服务收益函数，并求解出既满足顾客需求又使家具体验店获取最大收益的服务能力，分析得出家具体验店的最优服务能力随着家具电商共享收益分成比例系数的增大而增大，随着家具价格敏感性系数的增大而减小，最后通过数值算例验证了决策方法的有效性，提高了家具体验店的服务能力决策水平。

家具体验店；服务能力；报童模型

1.引言

随着家具行业020模式的飞速发展，以服务体验为中心的线下家具体验店越来越受欢迎，家具体验店不仅满足了消费者的体验需求，而且巩固和提升了家具电商的市场竞争力。虽然线下家具体验店发展迅速，但许多家具体验店因自身服务能力决策不合理和效率低下等问题而导致经营效益惨淡，甚至对整个家具行业020模式产生了不利的影响。因此，需要对家具体验店的服务能力进行有效、合理地决策，以便提高家具体验店服务能力的决策水平和经营效益，促进家具行业020模式的健康发展。

目前关于服务能力的研究不仅包括物流、酒店、医院等一些传统服务行业，也涵盖了以网络为基础的虚拟服务行业。Wang[1]以医院接待的患者数量为衡量，研究了医院通过电话预约系统来提高自身服务能力的情况；Coltman[2]、Prince[3]分别以 为快递和航空公司为背景研究了物流企业的服务能力；Guo[4]、Kimes[5]等讨论了酒店服务能力的优化问题；Kim[6]、Nagurney[7]等对以网络为基础的虚拟服务行业的服务能力进行了研究。然而家具体验店作为一种新兴的体验式服务行业，目前还少有学者对其服务能力进行研究。此外，在服务能力的决策方法方面，学者们常用的主要方法有：博弈论、多指标综合评价及数学模型等，Wernz[8]、Allon[9]、Holbrook[10]等基于博弈论对影响服务能力因素之间的博弈进行了分析；马士华[11]、邓爱民[12]等采用多指标综合评价法对物流企业的服务能力进行了优化；Huang[13]运用数学模型解决了影响因素不确定性条件下的服务能力决策问题；Badinelli[14]将概率论中的相关知识与DEA模型结合，构建了服务能力配置模型。然而现有服务能力决策方法较少考虑服务供给与需求关系，往往导致决策结果不能满足现实需求。而经典报童模型较好地解决了随机需求环境下产品的库存与订购问题，已被应用于诸多领域，如制造及零售业的库存决策[15、16]、航空和医院的服务能力决策[17、18]等。同样家具体验店也可以基于报童模型对服务能力进行决策，但与航空、医院不同的是，在与家具电商合作构成的020模式中，对于家具体验店而言，其功能就相当于一个提供服务的服务生产商，而家具电商则是一个服务承包商，二者通过合作形成了一个单渠道服务产品的供应链。家具体验店虽然直接服务消费者，但是消费者对于体验的需求往往主要依赖于线上家具的吸引度，与传统的单渠道产品供应链又有一定的差别。

鉴于此，本文基于报童模型进行家具体验店服务能力决策研究，首先文章借助Wang[1]、Mesak[19]对服务能力的定义：即服务能力就是在某段时间内企业提供的服务总量（比如，体验店一天能为多少位体验顾客提供服务，医院一天能接待多少位前来就诊的患者等），对家具体验店的服务收益、成本及利润进行量化；然后以家具体验店的服务能力为决策变量构建基于报童模型的服务收益函数，对家具体验店在一段时间内的最优服务能力进行决策；最后通过数值算例验证了决策方法的有效性，为家具体验店提供了合理的服务能力决策方法，提高了家具体验店的服务能力决策水平和经营效益。

2.研究假设及符号定义

2.1 研究假设

考虑由一家线下家具体验店和线上家具电商合作构成的020模式，电商建立线上零售渠道，体验店商建立了线下体验店，双方是独立实体。

假设1家具体验店直接服务消费者，但其只提供家具体验服务，并与电商达成收益共享协议，家具体验店的服务收益来源于家具电商的收益分成。

假设2体验店具有一个家具价格敏感性的体验需求市场。体验的需求主要依赖于消费者对线上商品的需求，而对于线上商品的需求，学者们在研究时一般把价格作为主要的考虑因素，参见文献[20，21]，因此，本文假设家具体验店和线上商品一样面临一个家具价格敏感性的需求市场。

假设3在体验时体验店向每位体验顾客提供一个随机的服务号码，顾客体验之后无论何时都可以使用服务码在线上进行下单并享受体验店提供的免费售后服务，且每个服务码仅限一位顾客使用，如此，家具电商可以根据服务码统计体验顾客的购买数量。

假设4家具体验店商是风险中性和完全理性的，则家具体验店将根据期望利润最大化的原则来对自身的服务能力进行决策。

2.2 符号定义

Q:表示家具体验店在时间t∈［0-T］时提供的服务能力，即表示家具体验店在时间t∈［0-T］时能够服务的顾客总量，是家具体验店在任意时间t∈［0-T］时能够满足的最大需求，由于服务能力是每位顾客进店时提供的体验服务，因此，单位可按“个”计；

q：表示家具体验店在时间t∈［0-T］时的服务员数量；

a：表示单位服务员在时间t∈［0-T］时可以服务的顾客数量，则有；Q=aq

pe：表示家具在线上零售价格；

φ：表示家具价格的敏感性系数，其中；0＜φ＜1

λ：表示家具电商共享的收益分成比例，其中；0＜λ＜1

f：表示家具体验店在时间t∈［0-T］时的固定成本；

v：表示家具体验店在时间t∈［0-T］时单位服务能力的变动成本；

m：表示家具体验店在时间t∈［0-T］时单位服务能力的短缺成本；

g：表示家具体验店在时间t∈［0-T］时单位剩余服务能力残值，且；g＜m,g＜v

w：表示家具体验店在时间t∈［0-T］时单位服务员工资。

3.模型构建

3.1 家具体验店在时间t∈［0-T］时获得的服务收益

用Dr表示家具体验店在时间t∈［0-T］时面临的体验需求人数，Dr主要受家具线上价格的影响，它与价格的关系见式（1），其中d是市场潜在的最大体验需求人数。

用随机变量F（x）表示时间时体验顾客的购买人数，其中可微单增，是其概率密度函数，且x∈［0，Dr］。

为了方便建模，进而假设每位体验顾客最多购买一件或一套家具，则家具体验店在时间t∈［0-T］时期望收益为：

式（2）前项表示购买人数低于服务能力时的期望收益，后项表示购买人数高于服务能力时的期望收益。则式（2）等价于式（3）。

3.2 家具体验店在时间t∈［0-T］时消耗的服务成本

家具体验店在时间t∈［0-T］时服务能力为Q，如果实际体验需求大于家具体验店的服务能力，则家具体验店将存在服务短缺成本（商誉损失、顾客不满及未来收益的下降等）。如果实际体验需求低于家具体验店的服务能力，则家具体验店将存在着服务能力剩余，一般来说服务产品残值为零，若对于剩余的服务能力电商提供小额的成本补偿，则服务能力残值就会大于零，即为剩余服务能力残值。

用C1（Q）和CV（Q）分别表示时间t∈［0-T］时家具体验店的服务能力短缺成本和剩余服务能力残值，见式（4）、（5）。

则家具体验店在时间t∈［0-T］时消耗的服务总成本C（Q）为：

3.3 家具体验店在时间t∈［0-T］时获得的利润

家具体验店在时间t∈［0-T］时获得的利润等于家具体验店在时间t∈［0-T］时获得服务收益减去家具体验店在时间t∈［0-T］时消耗的服务成本，见式（7）。

3.4 家具体验店在时间t∈［0-T］时的服务能力决策

对家具体验店在时间t∈［0-T］时的利润L（Q），求关于服务能力的一阶导数得：

令式，得家具体验店在时间t∈［0-T］时服务能力函数

所以家具体验店在时间t∈［0-T］时服务能力:

由g＜m，得g-λPe-m＜0，又因f（Q）＞0，可知

可得Q＊即家具体验店在时间t∈［0-T］时最优服务能力。

经过分析以上计算所得表达式，关于家具体验店在时间t∈［0-T］时最优服务能力与收益共享比例系数、家具价格敏感性系数的关系，可以得出以下结论：

结论1：家具体验店在时间t∈［0-T］时最优服务能力随着收益共享比例系λ数增大而增大

证明：对Q＊求λ的一阶导数得，令Q＊＝F-1（y）：（y）］'＞0得，结论1得证。

结论2：家具体验店在时间∈［0-T］时最优服务能力随着家具价格敏感性系数φ增大而减小

证明：对Q＊求φ的一阶导数得:

由g＜m，得 λPe+m-g＞0，由［F-1（y）］'＞0，F'（Dr）＞0可得，结论2得证。

4 数值算例

电子商务化已经成为家具行业未来的发展趋势，然而由于家具行业的特点，单纯依靠网络渠道销售很难通行，其产品往往需要顾客亲临商家店铺才能最终完成交易，现今以天猫商城为首的线上家具电商为了满足消费需求，提升竞争优势，纷纷与红星美凯龙等主流线下家具卖场合作增开线下家具体验服务，利用各自的优势，互利共赢。

为了验证本文提出决策方法的有效性,文章收集了红星美凯龙家具卖场中线下家具体验店的相关数据，并根据数据对模型中相关参数进行了赋值，见表1。考虑到服务能力的不可储存性，表1中的相关参数值表示的是家具体验店一天的体验顾客流量和运营成本情况，这样更接近于现实情况。

表1 模型中相关参数赋值Table1 Theva lues of there levant parame tersin the model

首先，通过这些数据分析了家具电商共享收益比例不同情况下的家具体验店最优服务能力及利润，见表2。

表2 不同情况下家具体验店的最优服务能力及利润Table 2 Optimal service capacity and profits under different revenue sharing ratio of online furniture retailers

其次，分析了家具价格敏感性系数不同情况下家具体验店的最优服务能力及利润，见表3。

表3 φ不同情况下家具体验店的最优服务能力及利润Table 3 φptimal service capacity and profits under different sensitivity coefficients of furniture price

最后，计算了在相同的变动幅度下家具电商共享收益分成比例和家具价格敏感性系数变动对服务能力的影响,以及二者同时变动对服务能力的影响情况，见图1，2。

图1 λ、φ变化对服务能力的影响Figure 1 The impact of changes in price sensitivity coefficient,revenue sharing ratio on optimal service capacity

图2 λ、φ同时变化对服务能力的影响Figure 2 λ、φThe impact of changes both in price sensitivity coefficient and revenue sharing ratio on optimal service capacity

通过数值算例结果，可以得出以下几点结论：

（1）在随机需求下，随着家具电商共享收益分成比例的提高，家具体验店的服务能力和利润也随之提高。家具体验店可以根据收益分成来协调自身的服务能力，使服务能力决策更加合理和有效。

（2）在家具电商共享收益不变的情况下，家具体验店的服务能力随着顾客对家具价格的敏感性上升而下降，这也正与实际情况相吻合，如果顾客觉得家具价格高了，那么体验家具的人数自然就会减少，此时家具体验店的服务能力也应相应下降。

（3）从图1，2中可以看出，家具价格敏感性系数的变化对家具体验店服务能力的影响较为显著，且价格敏感性较高时候可以通过提升共享收益分成比例来协调收益。此外，家具体验店应加强与家具电商的信息交流和沟通，及时了解家具的最新价格动态和需求趋势。对于交付完成的家具应构建的合理和公平的收益分配比例，使二者都能从合作中获得相应的收益，且家具体验店要不断地开发新的体验服务方案和创收模式降低价格对需求的影响。

5 结束语

伴随着家具行业O2O模式的快速发展，线下家具体验店受到了商家和顾客的青睐，但家具体验店服务能力决策不合理，服务能力效率低下等问题也日益突出。文章提出的一种基于报童模型家具体验店服务能力决策,把服务能力作为决策变量，构建基于报童模型的服务收益函数，对家具体验店在一段时间内的最优服务能力进行了研究，并分析得出家具体验店的最优服务能力随着家具电商共享收益分成比例的上升而上升，随着家具价格敏感性的上升而下降。因此家具体验店应加强与家具电商的合作和沟通，构建合理和公平的收益分配比例，并及时了解家具的最新价格动态和需求趋势，以便提高家具体验店服务能力的决策水平和经营效益。

但需要指出的是，本文考虑的是随机需求下的家具体验店服务能力决策，而现实中需求还有可能表现为模糊数、区间数。因此,模型的假定还具有一定的局限性,需要在以后的研究中进一步完善。

[1]Wang X,Debo L G,et al.Design and analysis of diagnostic service centers [J].Management Science,2010,56(11):1873-1890.

[2]Coltman T,Gattorna J.Realigning service operations strategy at DHL express[J].Interfaces,2010,40(3):175-183.

[3]Prince J T,Simon D H.Do Incumbents Improve Service Quality in Response to Entry?Evidence from

Airlines'On-Time Performance [J].Management Science,2014,61(2):372-390.

[4]Guo X,Ling L.Optimal pricing strategy based on market segmentation for service products using online reservation systems:An application to hotel rooms [J].International Journal of Hospitality Management,2013,3(5):274-281.

[5]Kimes S E.Yield management:a tool for capacity-considered service firms[J].Journal of operations management,1989,8(4):348-363.

[6]Kim D J,Hwang Y.A study of mobile internet user’s service quality perceptions from a user’s utilitarian and hedonic value tendency perspectives [J].Information Systems Frontiers,2012,14(2):409-421.

[7]Nagurney A,Li D,Wolf T.A network economic game theory model of a service-oriented internet with choices and quality competition [J].NETNOMICS:Economic Research and Electronic Networking,2013,14(1-2):1-25.

[8]Wernz C,Henry A.Multi-level coordination and decision-making in service operations [J].Service Science,2009,1(4):270-283.

[9]Allon G,Federgruen A.Competition in service industries with segmented markets[J].Management Science,2009,55(4):619-634.

[10]Holbrook M B,Hirschman E C.The experiential aspects of consumption:Consumer fantasies,feelings,and fun[J].Journal of consumer research,1982,23(2):132-140.

[11]马士华、陈铁巍.基于供应链的物流服务能力构成要素及评价方法研究 [J].计算机集成制造系统,2007,13(4):744-750.

[12]邓爱民、张凡.基于模糊灰色综合评价方法的应急物流能力评价 [J].统计与决策,2010,(6):174-176.

[13]Huang K,Ahmed S.The value of multistage stochastic programming in capacity planning under uncertainty[J].Operations Research,2009,57(4):893-904.

[14]Badinelli R.A stochastic model of resource allocation for service systems[J].Service Science,2010,2(1-2):76-91.

[15]Rudi N,Kapur S,Pyke D F.A two-location inventory model with transshipment and local decision making[J].Management science,2001,47(12):1668-1680.

[16]汪小京、刘志学.多类顾客环境下报童模型中库存分配策略研究[J].中国管理科学,2010,18(4):65-72.

[17]缑程、汪立荣.报童模型及ARMA预测在航空配餐问题中的应用[J].运筹与管理,2008,17(2):109-114.

[18]Olivares M,Terwiesch C,Cassorla L.Structural estimation of the newsvendor model:An application to reserving operating room time [J].Management Science,2008,54(1):41-55.

[19]Mesak H I,Zhang H,Pullis J M.On optimal service capacity allocation policy in an advance selling environment in continuous time[J].European Journal of Operational Research,2010,203(2):505-512.

[20]陈忠、艾兴政.双渠道信息共享与收益分享合同选择[J].系统工程理论与实践,2008,28（12）:42-51.

[21]但斌、徐广业.张旭梅.电子商务环境下双渠道供应链协调的补偿策略研究[J].管理工程学报,2012,26（1）:125-130.

Research on Decision Making of Furniture Experience Center’s Service Capacity based on Newsvendor Model

GUO Quan1,2
（1.University of Mining And Technology，Xuzhou Jiangsu 221116；2.Suzhou Global Institute of Software Technology，Suzhou Jiangsu 215000）

For offline furniture experience center’s service capacity,many decisions are unreasonable and inefficiency.This paper considers a decision method of service capacity based on newsvendor model.Firstly,It quantifies service capacity,income and cost of furniture experience center;Secondly,It takes service capacity as a decision variable to construct a service revenue function based on the newsvendor model,then works out the optimal service capacity，the result shows that the optimal service capacity increased with revenue sharing proportion raised and decreased with the rise of the furniture price sensitivity;Finally,through numerical experiments to validate the decision method,which improves the decision-making level and profits of furniture experience center.

furniture experience center；service capacity；newsvendor model

F71 文献标识码：A 文章编号：2095-7327（2017）-05-0031-06

郭泉（1985-），女，山东沂南人，中国矿业大学博士研究生，苏州高博软件技术职业学院讲师，研究方向：管理学。

苏州高博软件技术职业学院重点课题，项目编号GIST2017-H002。

编辑：董刚