数据驱动下收货方质量偏好与电商配送服务质量优化

       1 引言

       电商平台长期累积的数据资源蕴含丰富的需求信息与商业价值亟待挖掘。Dey和Kumar[1]指出最优策略应依赖于搜集到的数据，消费者反馈的信息影响策略的选择。因此，电商如何利用大数据优化配置配送资源，通过个性化方案提升配送服务质量，已成为国内外学术领域和企业界高度关注的热点问题与前沿课题。

       收货方的配送服务质量满意度是衡量企业服务质量水平的重要依据，近年来的研究主要集中在配送服务质量提升的驱动力。内部驱动力指通过企业内部结构调整提升服务质量，如Yee等[2]通过LMX理论发现，服务密集型企业充分注重员工协调，则提升服务质量并不会受到服务人员工作满意度的影响；Dong等[3]通过改进Erlang-A模型分析质量—效率驱动机制，发现当系统负荷敏感度低时，系统达到质量量—效率驱动参数，反之系统参数在质量—效率驱动范围之间波动；Baron等[4]在复杂服务网络中通过设置预留闲置服务点减少客户在服务点等待的概率，进而提升服务质量的感知；Debo和Veeraraghavan[5]发现服务等待人队概率是单调递减的，等待时间越长的队列，消费者加入越少，最终使服务质量的差距减少；Debo等[6]同时认为：如果消费者对产品质量先验概率知情度低，高服务质量的企业为降低技术成本，可能选择比低质量服务企业更慢的服务速率；Xu等[7]探讨单服务器排队系统中的静态服务差异化策略，在注重服务质量的群体中，消费者更关注服务时间，提供差异化服务可以提升服务系统性能的5％。

       另一方面，对于最后一公里配送服务质量优化的研究主要集中在配给和路径优化方面。-Villamizar等[8]以配送能力约束下车辆路径局部优化为切入点求解随机需求下城市系统中最后一英里配送问题，构建配送节点相互合作与非合作的规划模型，对比发现相同的服务水平下协同运输策略可以降低运输成本，提高资源配置效率；Rancourt等[9]通过数学规划的方法解决粮食援助背景下最后一公里分销点选址问题，得到总投入成本与运输食品区和仓库配送中心之间距离关系；Fatnassi等[10]针对智慧城市的个人快速交通(PRT)和货运快速运输(FRT)，提出使用高质量城市内域交通，替代空车再分配，促进城市配送可持续发展；Starr和Wassenhove[11]指出嵌入最后一公里参数的HO决策模型中，鲁棒性是必须考虑的；Ghiani和Guerriero[12]从配送中心选址的角度，采用模糊多属性群决策技术，通过二元数组混合有序加权平均排序，评估城市潜在可替代配送中心，并通过实例验证该方法可减少主观因素对城市配送中心决策的影响；Noyan等[13]构建两阶段随机规划模型，结合不同的公平分配供应策略，采用分支—切割法解决最后一公里的分销网络设计问题；曹杰和朱莉[14]针对城市资源紧缺问题构建多层超级网络，考虑决策者对多种应急方式有选择偏好时的城市群协调理论模型，指出考虑模糊需求信息对资源调配决策的影响值得进一步深入研究。

       电商配送服务质量的相关研究可以看出，优化方法上逐渐从各要素驱动表现为数据驱动，而数据驱动下电商配送服务质量的研究却鲜有见到，已有的相关研究，如Levi等[15]研究报童问题输入需求数据分布形式未知的情况，采用样本平均近似方法求解这种数据驱动报童模型，并且找到了对于该方法精确求解的边界；Lee[16]指出经济学领域的有限容量的规划问题注重生产函数的特征，而运营管理领域更关注从销售和库存的损失较少的角度取得利润最大，进而通过数据包络分析约束设置一种多目标算法实现有限容量的随机优化；Soyster和Murphy[17]研究数据驱动矩阵的不确定性鲁棒线性规划问题，即通过定义矩阵的行、列、系数将有限数量的矩阵嵌入到鲁棒线性规划，实现一个嵌套矩阵组原始线性程序预见不同的优化目标的价值量。此外，陈云翔等[18]提出一种基于信息熵的群组聚类组合赋权法，通过分析阀值变化率选取最优聚类阀值，对相似程度较高的排序向量给出合理的聚类。

       综上所述，迄今为止的研究表明：配送服务质量影响运作方案制定；最后一公里的配送服务质量规划的有效执行对决策目标影响也非常显著。但其研究也存在三方面不足：首先，对于配送服务质量的研究大多设定在队列或者网络结构中研究，以消费者在结构中的等待时间作为服务质量衡量标准，忽略了消费者历史评价对于配送服务质量的优化意义及数据处理中多维度挖掘算法对决策方案的优化[2-7]。其次，对于配送服务质量研究通常从高质量和低质量两种角度考虑，而现实中的质量分类是较为复杂的，存在一定的模糊区间，忽略了配送服务过程中积累的历史数据蕴含更合理的分类，造成数据资源浪费[8-11]。最后，对于最后一公里配送问题的研究意义得到各方共识，但是已有研究尚未结合收货方的历史数据和配送服务质量偏好的分析，忽略个性化规划解决方案更有利于提升收货方体验[12-18]。

       针对以上三点，本文提出一种电商配送服务质量优化模型，以收货方反馈历史数据解析为出发点，从收货方对配送服务质量偏好的角度进行聚类分析和模型优化。在收货方配送服务质量偏好约束下决策者以优化质量成本为目标，对可用配送资源进行非线性混合整数规划。根据统计学“记忆性”概念将聚类分析的结果按收货方偏好归纳为“无记忆”型收货方、“记忆”型收货方、“总体”收货方以及“不确定”型收货方四种逐级放松的特征类型，得到质量偏好约束下的收货方完备性分类。这些均是已有文献未涉及到的。