(深圳信息职业技术学院,广东 深圳 518172)
近来,供应链中断风险发生后的供应链系统恢复成为学术界和工业界普遍关注的焦点。研究表明供应链中断对企业的供应链运作和财务绩效有消极影响(Blackhurst,et al.,2008[1];Hendricks and Singhal,2005[2])。例如。Hendricks and Singhal(2005)[2]认为公开公布供应链的中断将减少10%的股东价值。Sheffi and Rice(2005)[3]的研究中讨论了供应链中断对市场份额的影响。虽然有不少文献定量地研究供应链风险,大多数这类研究关注于中断的早期阶段,例如如何应对由于供应商、制造系统或顾客需求等引起的中断,并通过库存水平、前置期和成本等来衡量供应链绩效(Beamon,1999[4];Gunasekaran and Tirtiroglu,2001[5])。从供应链的终端—顾客的购买行为探索缺货发生后供应链各成员市场份额恢复的研究较为缺乏。我们将市场份额水平(缺货前与缺货后市场份额的差异)作为缺货中断的恢复指标,或者称为供应链对缺货的反应能力,构建顾客反应型的供应链模型,并响应Hendricks and Singhal(2005)[2]等关于改进供应链反应性的研究。
通过开发基于Agent的仿真模型,构建一个包含两个制造商的供应链,各个制造商将其品牌产品同时投递给两个零售商进行销售,顾客可以从两个零售商处选择购买两个品牌的商品。当某个商店的某个品牌发生缺货,遭遇缺货的顾客其购买行为将发生改变。每个顾客由顾客Agent来构建,每个制造商由制造商Agent来表示,同时每个零售商用商店Agent来构建。这样,可以通过顾客的缺货反应这个中介变量来研究缺货对零售商(商店)和制造商(产品)的影响。我们用商店市场份额的改变来测量对零售商的影响,用产品市场份额的改变来测量对制造商的影响。这是首次用基于Agent的仿真模型来研究供应链风险(中断)后供应链系统的恢复,探索缺货后顾客购买行为的改变,及其对缺货品牌供应链各成员的影响。我们希望本研究能为这个领域未来的研究打下基础。
根据市场营销学的研究,Musalem et al.(2010)[6]发现美国和欧洲的平均缺货率是8%。Jing and Lewis(2011)[7]对快速消费品的一项研究表明,任意时刻超市有8%的商品是处于缺货状态的,促销品的缺货率更是达到了15%。毫无疑问,缺货对零售商、制造商和顾客都造成影响。换言之,缺货产生的影响涵盖了整个供应链。相关的市场营销学文献研究了缺货下顾客的购买行为。1968年,由“Progressive Grocery”杂志发起的一项关于顾客对零售店缺货的购买行为研究,首先提出了SDL的概念,即替代(Substitute)、延迟(Delay)或离开(Leave)。一项基于欧洲超市的SDL行为研究认为,当顾客遭遇缺货时,他们的行为会基于品牌忠诚度、替代品的可得性以及购物时间发生改变[8]。Gruen and Corsten(2008)[9]以及Gruen et al.(2002)[10]的研究将顾客面对缺货的购买行为扩展为五类,包括SDL,以及用同一品牌不同规格的商品替代原有商品和更换商店购买同一品牌,且他们的研究发现顾客对不同消费品的缺货反应是不同的。国内学者王华清等(2009)认为,影响顾客反应的变量大致包括4个方面:产品相关、商店相关、条件相关和顾客相关[11]。
有文献讨论了供应链中断下的市场份额。Min and Zhou(2002)[12]探讨了供应链如何通过增加市场份额来提高价值。Pettit(2009)[13]and Pettit et al.(2010)[14]展示了供应链中断下市场位置及市场份额的概念。学者们开始在研究缺货时经常性的提及市场份额,如Motes and Castleberry(1985)[15]and Schary and Becker(1978)[16]。企业越来越会利用机会,不断搜索竞争者的弱点来增加产品甚至商店的市场份额。例如,当Johnson&Johnson因厂家生产过程中的质量问题将Tylenol,Motrin and Benadry等产品下架时,其竞争对手Walgreen’s and CVS等则利用这样的机会,将自有品牌的产品推向消费者,从而获得市场份额(Kavilanz,2010)[17]。这在零售行业的竞争策略中并不鲜见。Gruen and Corsten(2008)[9]讨论了缺货不仅鼓励顾客尝试新的品牌(影响制造商),也同样会尝试新的商店(影响零售商)。在网络购物越来越流行的今天,轻点鼠标即可转换商店,使得此类研究变得越来越有必要。
Gruen et al.(2002)[10],Gruen and Corsten(2008)[9]等人研究发现,缺货持续时间,缺货发生时商店初始市场份额等因产品类别、地理因素而存在显著差异。有学者研究了延长缺货持续时间的消极后果(Hendricks and Singhal,2005)[2]。 Tomlin(2006)[18]认为“如果多余产能在缺货结束之际才变得可用,这些产能将变得毫无价值”。由于中断是一种暂时现象,目前缺乏对中断持续时间的重要性的研究,缺货持续时间对市场份额的影响是否随不同的产品类别发生改变等问题都值得研究。Motes and Castleberry(1985)[15]研究了缺货持续时间,但周期都很短,需要对长的缺货持续时间进行深入研究。Gruen and Corsten(2008)[9]and Gruen et al.(2002)[10]的研究提供了快速消费品行业缺货持续时间的分布规律。
有相关文献研究了消费者偏好对供应链的影响。如龚浩等学者[19]对消费者偏好进行了细分并引入社会责任动力因子,建立了基于消费者偏好的供应链社会责任模型。焦建玲等学者[20]在考虑新品与再创造品差异以及消费者偏好基础上,分析闭环供应链模式下,消费者偏好对供应链绩效的影响。
综上所述,目前,不少学者进行了供应链中断后的损失研究,包括用问卷、实证研究方法考量品牌的销售损失、商品销售损失等。另一方面,有关缺货发生后顾客购买行为的研究局限于商品类别、地域等对顾客购买行为的影响。而忽略了缺货发生后,如何定量分析顾客购买行为的改变对供应链各成员市场份额的影响。本文应用Agent仿真技术,从市场营销的角度研究零售商的缺货强度、顾客的缺货反应对缺货品牌供应链的产品市场份额(制造商的市场份额)、商店市场份额(零售商的市场份额)的影响。具体而言,本文所要探讨的问题如下:
(1)顾客购买行为:既然顾客面对缺货将会有不同的反应,我们将探讨顾客的缺货反应将如何影响供应链成员零售商和制造商的市场份额。具体而言,不同的顾客缺货反应导致的市场份额(产品和商店)的改变是否不同?
(2)初始商店市场份额:将进一步深入探讨缺货发生时初始的商店市场份额将如何影响制造商和零售商的市场份额改变。
(3)缺货持续时间:最后,将探讨缺货持续时间是否会对制造商和零售商的市场份额产生影响。
这类发现可以引导企业通过供应链来管理产品:处于供应链的不同阶段所采用的风险缓解策略要有所区别。我们认为缺货中断发生后,理解顾客购买行为的改变对进行供应链风险管理具有重要意义,有助于分别从零售商和制造商层面实现供应链的系统性恢复。
本文将引入三种类型的Agent:顾客Agent、商店Agent和产品Agent,仿真模型如图1所示。为简单起见,假设市场中存在两个制造商(A和B)和两个零售商(商店1和商店2)。制造商A生产商品A,并分别在商店1和商店2进行销售。同时,制造商A的竞争对手制造商B生产商品B,并分别在商店1和商店2进行销售。制造商A和B进行产品市场份额的竞争,商店1和商店2进行商店市场份额的竞争。
本仿真模型应用基于Agent的仿真软件NetLogo进行开发,NetLogo是一个多Agent(MAS)的规划建模环境(由西北大学提供的用于连接性学习和计算建模的免费软件)。这是一个用来对自然和社会现象进行仿真的可编程建模环境,特别适合对随时间演化的复杂系统进行建模。
图1 基于Agent的供应链仿真模型
在市场营销研究中,顾客被分为三大类:品牌忠诚者、习惯性购买者以及商店忠诚者(Nagali et al.,2008)[21]。因此所建模型中,每个顾客Agent有4个属性:(1)商店偏好(商店1、商店2或无偏好);(2)品牌偏好(产品A、产品B或无偏好);(3)上一次购物的商店(商店1或商店2);(4)上一次购买的品牌(产品品牌A或产品品牌B)。
缺货发生时,顾客的这些习惯偏好都体现在其所作的决策及其行为中。根据Gruen and Corsten(2008)[16]以及Gruenet al.(2002)[17],每个顾客在面临缺货时,都可能有五种购买行为发生:(1)转到另一个商店购买;(2)延迟购买;(3)选择同一品牌另一种规格的产品;(4)选择另一种品牌;(5)放弃购买。假设,品牌忠诚者无论缺货时选择哪一种购买行为,下次购物时依然忠诚于原品牌,此假设同样适用于商店忠诚者。而习惯性购买者将忠诚于上一次购买的品牌和商店,这将导致产品和商店市场份额的改变。
商店Agent代表的是零售商,用于记录每种商品的库存以及商店中每个顾客Agent具体的购买行为(例如,购买的是商品A还是B)。商店Agent同时也负责记录每个时期的缺货状态。假设除了“缺货期”,商店的库存永远足够。因此,每个商店Agent有4个属性:(1)品牌A的库存(在架或缺货);(2)品牌B的库存(在架或缺货);(3)品牌A的销量;(4)品牌B的销量。
制造商Agent代表供应链中的制造商。假设每个品牌制造商都生产一定的产品,每种产品都有同类替代品(比如不同的规格、不同的口味等)。在本文的模型中,制造商A的市场份额为40%(即市场上40%的顾客偏好品牌A),制造商B的市场份额为30%(即市场上有30%的顾客偏好品牌B),其余30%的顾客不存在品牌偏好,只根据其历史购买记录做出购买决策。
基于Agent的仿真模型允许仿真中的Agent进行学习和进化。每个Agent都有记忆功能,仿真时每个Agent都与其他Agent进行交互学习与交流,一段时间后其行为将发生进化。顾客Agent、商店Agent以及制造商Agent的基本决策规则如图2所示。
值得注意的是,在未来的研究中,有更多有意义的规则可以引入到本模型中。例如,对于商店Agent,缺货发生时的一些促销策略值得应用。对制造商Agent,可以继续探讨生产计划中的需求预测。而对于顾客Agent,“口碑效应”值得进一步研究。然而,由于本研究的目的是开发一套基于Agent的研究框架以探讨不同的缺货强度、不同的顾客反应对各类商品零售商和制造商的影响,本文暂时只应用图2中的决策规则。
图2 Agent的决策规则
本文设计了一系列实验来研究顾客反应、初始市场份额和缺货持续时间等因素对供应链市场份额的影响。根据Gruen and Corsten[9]and Gruen et al.[10]的研究,缺货持续时间可分为四类:低于8h,8h到1d,1d到3d,高于3d。在本实验中,我们相应的设置了4种水平的缺货持续时间:4h,16h,28h,42h。假设市场上只存在两家商店,其中一家商店的市场份额从5%按15%的水平递增至95%,另一家商店相应的从95%按15%的水平递减为5%。根据Gruen and Corsten[9]and Gruen et al.[10]的研究,对于5种具体的快速消费品,顾客具有5种缺货反应,见表1,具体实验设计见表2。
每组实验运行60h,从第10h开始发生缺货。对表1所列的5种商品(化妆品、洗发水、咖啡、纸巾和零食)分别运行实验。以化妆品为例对实验结果进行分析。假设商店1和商店2同时销售品牌A和品牌B的化妆品,商店1和商店2具有相同的初始市场份额(各占50%),而品牌A的市场份额高于品牌B的市场份额。如图3所示,当实验运行至10h缺货发生时,品牌A的销量急剧下降,同时品牌B的销量迅速增加。另外,我们也观察到一些顾客的缺货反应:有些顾客选择放弃购买,有些顾客选择延迟购买,有些顾客找到替代品。有趣的是,品牌A的化妆品在商店1恢复销售后(即供应链中断结束),品牌A销量上升,但并未上升至缺货发生之前的水平。由于商店2没有发生缺货,顾客可以选择购买品牌A或品牌B,有趣的是商店2中品牌A的销量比缺货发生之前要高。
表1 5种商品缺货下顾客的购买行为(摘自文献[9][10])
表2 实验设计
我们进一步分析了制造商和零售商的市场份额改变(如图4所示)。中断结束后产品的市场份额发生了改变。从图4(a)发现缺货品牌的市场份额在缺货结束后有所下降,部分市场份额转移到了品牌B,而商店市场份额的分布也存在同样的现象。我们对实验结果做进一步的分析,研究顾客缺货反应、缺货持续时间以及商店的初始市场份额对供应链市场份额是否存在显著性影响。
图3 化妆品销量
图4 制造商与零售商市场份额(化妆品)
4.2.1 顾客缺货反应。本文所构建的基于Agent的仿真模型中,顾客缺货反应是离散型变量。因此,可采用单因素方差分析来研究其影响的显著性。单因素方差分析的原假设认为顾客缺货反应对市场份额的改变作用是相同的。我们应用P值〈0.05作为有效的拒绝原假说的理由。根据表3-表5的结果,我们认为顾客缺货反应对产品市场份额和商店市场份额均具有显著影响。
另外,我们探索了不同顾客反应(在不同的产品类别下)对市场份额改变的影响(见表5)。观察到CR1(顾客转换商店的概率)对商店市场份额和制造商市场份额均具有显著影响。而CR4(顾客选择在同一商店转化品牌的概率)只对制造商的市场份额有显著影响。对于转换商店的顾客,产品的市场份额由零售商的销量决定。即使顾客可能在另一个商店购买同一品牌的商品,长此以往,通过购物学习的过程,顾客可能发现另外一个具体的品牌,从而对制造商的影响将慢慢显现。然而,不同的产品类别下影响是否一样?零售商市场份额和缺货持续时间是否都是显著影响因素?我们将进一步分析这些问题。
表3 单因素方差分析:顾客反应vs.制造商市场份额
表4 单因素方差分析:顾客反应vs.零售商市场份额
表5 顾客缺货反应vs.零售商、制造商市场份额(p_value)
4.2.2 商店规模与缺货持续时间。先前的分析发现,顾客反应是个显著因子,我们对初始市场份额、缺货持续时间及其交互作用对商店市场份额和制造商市场份额的影响进行回归分析,表6、表7为回归分析的结果,结果显示,5类产品中的4类,无论初始商店市场份额、缺货持续时间还是其交互作用,都对商店市场份额的改变产生显著影响。然而,对于零食类商品,初始市场份额并没有产生显著影响。而对于制造商市场份额的改变来说,我们发现初始市场份额对洗发水和零食类商品的影响较小。不同的产品类型下,缺货持续时间都对商店市场份额和制造商市场份额的改变产生积极显著影响,意味着,缺货持续时间越长,商店市场份额和制造商市场份额将遭受越大的损失。
表6 商店初始市场份额与缺货持续时间vs.商店市场份额的改变(p_value)
表7 商店初始市场份额与缺货持续时间vs.制造商市场份额的改变(p_value)
4.2.3 缺货下的战略分析。前文探索了不同缺货情境下,零售商和制造商各自的影响。从服务投递的观点,商品缺货意味着服务投递失败,从而导致客户满意度水平下降,降低顾客对商店和品牌的忠诚度[12]。通过试验,我们假设,零售商和制造商通过学习等方式有能力将零食类商品和化妆品类商品的产品缺货持续时间从28小时缩短为14小时,图5展示了缺货持续时间改变前后,这两类商品在制造商和零售商处市场份额改变量的比较。
对于制造商而言,缩短缺货持续时间的战略对化妆品类商品的意义要大于零食类商品。相反的,对于零售商而言,缩短缺货持续时间对零食类商品的意义要大于化妆品类商品。
图5 降低缺货持续时间的战略效果
本文考虑了不同的缺货持续时间、不同产品类别、不同的零售商初始市场份额对制造商和零售商市场份额的影响。定量地研究了不同产品类型(包括化妆品、洗发水、咖啡、纸巾以及零食)下,不同的缺货强度(四种产品不在陈列架上的时间)对缺货前后零售商和制造商市场份额改变的影响。结论认为,不同的顾客反应(根据不同的产品类型有不同的顾客反应组合:转换商店、延迟购买、转换品牌、同一品牌替代或者放弃购买)对制造商市场份额和零售商市场份额的改变均具有显著影响。然而,我们发现这种影响对制造商和零售商是不一样的。因此,缺货对供应链不同的成员有着不一样的影响,而并非只有零售商需要担心缺货。具体而言,顾客选择转换商店对制造商和零售商的市场份额都具有显著影响,而选择转换品牌只对制造商的市场份额改变产生显著影响。
另外,我们发现,5类商品中的4类,商店初始市场份额、缺货持续时间及其交互将显著影响商店市场份额的改变。然而,对于零食类商品,商店初始市场份额并不产生显著影响。洗发水及零食类商品的初始商店市场份额对制造商市场份额的改变影响较小。对于零售商来说,探索不同产品的顾客缺货反应,将有利于零售商对其自有品牌的保护。另外,制造商也可以从中获得收益。前文已经指出一个案例,Johnson&Johnson利用商店中其他品牌缺货的机会,为自有品牌创造了获取市场份额的好时机。不管制造商还是零售商都可以从品牌缺货的场景中获得相应的市场机会。
通过采用缩短缺货持续时间甚至避免缺货等手段,我们发现,不同的产品类别下,缩短缺货持续时间的意义不同。例如,对于制造商而言,缩短化妆品类商品的缺货持续时间比缩短零食类商品的缺货持续时间更加有意义,对于零售商则相反。这说明,企业在管理其供应链时,有不同的值得他们努力和投资的地方。不同的产品有不同的影响,意味着不同的产品缺货将导致不同的销售损失,对于制造商和零售商的损失也不尽相同。不同的产品类别下,零售商和制造商也应采取不同的促销手段。本文不探索零售商缺货的原因,而重在定量地探索零售商缺货后对零售商和制造商各自的影响。有趣的是,Gruen et al.[12]研究中商店中28%的缺货是上游制造商的原因造成的,25%的原因是由于商品在店中,却由于种种原因未出现在货架上,另外47%的原因可以归结为商店订货与预测失误。当然,进一步研究商店缺货的原因及其对供应链各个成员的影响是未来一个有意思的课题。
应用基于Agent的仿真模型,本文研究了缺货情境下,不同的缺货持续时间、不同的产品类别及零售商不同的初始市场份额对顾客、零售商和制造商各自的影响。
除了缺货原因调查,发现缺货的缓解策略,如折价销售或进行库存调整,其他因素也值得我们研究,比如,产品市场份额的改变、缺货的发生时间、制造商或零售商的地理位置等,而且在线零售商的缺货问题也值得进一步研究。本文基于Agent的仿真模型,研究的是快速消费品。未来也可以探索其他类型的产品缺货问题。基于Agent的仿真模型可以引入更多的Agent。因此,仿真模型可以更加复杂,更加接近真实的供应链系统。另一个有趣的扩展是研究Agent的学习特性,使模型中的供应链成员可以自适应的采取信息共享、知识学习的能力来缓解因缺货带来的损失。
[参考文献]
[1]Blackhurst J,Wu T,Craighead C W.A systematic approach for supply chain conflict detection with a hierarchical Petri Net extension[J].Omega,2008,36:680-696.
[2]Hendricks K,Singhal V.An empirical analysis on the effect of supply chain disruptions on long-run stock price performance and equity risk of the firm[J].Production and Operations Management,2005,14(1):35-52.
[3]Sheffi Y,Rice J.A supply chain view of the resilient enterprise[J].MIT Sloan Management Review,2005,47(1):41-48.
[4]Beamon B M.Measuring supply chain performance[J].International Journal of Operations and Production Management,1999,19(3-4):275-292.
[5]Gunasekaran P,Tirtiroglu E.Performance measures and metrics in a supply chain environment[J].International Journal of Operations&Production Management,2001,21(1-2):71-87.
[6]Musalem A M,Olivares E,Bradlow C,et al.Corsten Structural Estimation of the Effect of Out-of-Stocks[J].Management Science,2010,56(7):1180-1197.
[7]Jing X,Lewis M.Stockouts in Online Retailing[J].Journal of Marketing Research,2011,XLVIII:342-354.
[8]Campo G.Towards Understanding Consumers’Response to Stock-outs[J].Journal of Retailing,2000,76(2).
[9]Gruen T.Corsten D.A comprehensive guide to retail out-of-stock reduction in the fast-moving consumer goods industry[Z].The Grocery Manufacturers Association(GMA),Food and Marketing Institute(FMI),National Association of Chain Drug Stores(NACD S),2008.
[10]Gruen T,Corsten D,Bharadwaj S.Retail out-of-stocks:a worldwide examination of extent,causes,and consumer responses[Z].The Grocery Manufacturers of America,The Food Marketing Institute and CIES The Food Business Forum,2002.
[11]王华清,钱琴,薛延延.零售业顾客缺货反应研究评述[J].商业研究,2009,(5):134-138.
[12]Min H,Zhou G.Supply chain modeling:past,present and future[J].Computers&Industrial Engineering,2002,43(1-2):231-249.
[13]Pettit T.Supply chain resilience:development of a conceptual framework,an assessment tool and an implementation process[D].Ohio State University,2009.
[14]Pettit T,iskel J,roxton K.nsuring supply chain resilience:development of a conceptual framework[J].Journal of Business Logistics,2010,31(1):1-21.
[15]Motes W,astleberry S.longitudinal field test of stockout effects on multi-brand inventories[J].cademy of Marketing Science Journal,1985,13(4):54-68.
[16]Schary P,ecker B W.The Impact of Stock-out on market Share:Temporal Effects[J].Journal of Business Logistics,1978,1(1):31-46.
[17]Kavilanz P.Tylenol′s side effect?A brand boycott,CNNMoney[EB/OL].http://money.cnn.com/2010/08/06/news/companies/Tylenol_recalls_opportunity_for_generics/index.htm
[18]Tomlin B.On the value of mitigation and contingency strategies for managing supply chain disruption risks[J].Management Science,2006,52(5):639-657.
[19]龚浩,郭春香,李胜.基于消费者偏好的供应链社会责任内在动力研究[J].软科学,2012,156(26):45-50.
[20]焦建玲,汪耘欣,李兰兰.碳税政策对考虑消费者偏好的闭环供应链影响[J].软科学,2016,194(30):107-111
[21]Nagali V.Hwang J.Sanghera D.et al.Procurement risk management(PRM)at Hewlett-Packard company[J].Interfaces,2008,38(1):51-50.