当消费者的选择行为显著受到选品集合影响时，商家应如何从海量商品中选出最优商品组合，以实现收益最大化？

        华理商学院教师薛晨予博士与上海财经大学江波教授、香港中文大学（深圳）王子卓教授和加拿大毅伟商学院助理教授张南茜合作，研究焦点效应下的选品与定价决策问题，于近日在管理科学顶级期刊 Production and Operations Management 发表论文“Assortment Optimization in the Presence of Focal Effect: Operational Insights and Efficient Algorithms”。

        选品优化是商家从海量商品中筛选出最优商品组合，以实现期望利润最大化的重要策略。其核心在于构建准确的选择模型，以刻画消费者的选择行为，并计算各商品在选品集合中的购买概率。现实中，消费者的选择不仅受商品自身属性影响，还会因选品集合的构成而变化。例如，某商品若具有最低价格、最高销量等特征或特殊营销定位，就容易成为消费者关注的焦点，导致其吸引力参数被高估。这种现象被称为“焦点效应”，在多个领域均有体现。例如，在大型超市或电商平台中，当商品种类过多时，消费者往往倾向于回避复杂决策，转而选择默认选项（如不购买），即所谓“选择过载效应”。经典的MNL选择模型假设商品吸引力参数固定，无法解释上述现象。

        为弥补这一缺陷，本文采用经济学中的焦点Luce模型（Focal Luce Model, FLM）来刻画消费者选择行为。与MNL选择模型不同，FLM引入两大机制：一是通过焦点函数识别选品集合中的焦点商品，二是通过失真函数量化焦点商品吸引力的增量。该模型可灵活描述多种焦点效应场景。本文重点分析两类典型情形：一是由排名引发的焦点效应，例如按价格或销量排序时排名靠前的商品易成为焦点。研究表明，此时存在一种具有“截断-利润排序”性质的最优选品集合，即先选取吸引力超过阈值的商品，再按利润从高到低补充剩余商品，从而兼顾高吸引力与高利润。二是固定焦点商品场景，例如选择过载效应。该情形下，不同商品进入最优集合的利润门槛不同，具备“浮动阈值”性质。研究还发现，随着选择过载效应增强，最优选品集合可能扩大，通过引入更多高吸引力商品以抵消消费者转向“不购买”带来的损失。尽管该类选品优化属NP难问题，但在特定失真函数结构下仍可在多项式时间内求解。

        在此基础上，本文进一步研究了选品与定价的联合优化问题，并将原问题转化为一维求根问题以高效求解。基于真实数据集的数值实验显示，FLM在预测消费者选择行为方面显著优于MNL模型，且在利润提升方面表现与更复杂模型相当甚至更优。总体而言，FLM既能灵活刻画不同情境下的消费者选择机制，又可在合理设定焦点函数与失真函数的条件下保持多项式时间可解性。该模型及相关算法未来可为商家提供更精准的收益管理工具，有助于应对多变的市场环境与消费者心理，对企业制定差异化营销策略及实现长期利润最大化等方面具有重要的战略价值。

薛晨予，华东理工大学商学院管理科学与工程系教师，主要研究方向为：收益管理，优化理论与算法

论文信息：Bo Jiang, Zizhuo Wang, Chenyu Xue, Nanxi Zhang. Assortment Optimization in the Presence of Focal Effect: Operational Insights and Efficient Algorithms. Production and Operations Management, In Press.

论文链接：https://journals.sagepub.com/doi/10.1177/10591478251368435

                                                                    撰稿：薛晨予

审核：吴一帆