OTPTO：生鲜电商前端仓中的联合选品与库存优化

在中国竞争激烈的生鲜电商市场中，优化运营策略，尤其是前端仓的库存管理，是提升客户满意度和获得竞争优势的关键。前端仓位于居民区以确保生鲜商品的及时配送，通常规模较小。这带来了在考虑容量约束下决定库存何种商品及其数量的挑战。为解决此问题，预测后优化（PTO）方法即先预测销售再决定库存，通常无法将预测与库存目标对齐，且未能优先考虑消费者满意度。本文提出了一种多任务先优化后预测再优化（OTPTO）方法，联合优化选品和库存管理，旨在通过最大化全单履约率来提升消费者满意度。我们的方法采用 0-1 混合整数规划模型 OM1 确定历史最优库存水平，随后使用选品模型 PM1 和备货模型 PM2 进行预测。组合结果通过后处理算法 OM2 进一步优化。来自京东 7Fresh 平台的实验结果证明了我们 OTPTO 方法的稳健性和显著优势。与 PTO 方法相比，我们的 OTPTO 方法将全单履约率大幅提升了 4.34%（相对增加 7.05%），并将与最优全单履约率的差距缩小了 5.27%。这些发现证实了 OTPTO 方法在管理生鲜电商平台前端仓库存方面的有效性，并为该领域的未来研究提供了有价值的见解。