我们考虑了时尚零售商“超本地化”产品分类的问题——即根据访问商店的客户的特定偏好定制产品,以便客户可以轻松找到适合他们口味的产品并购买更多。 为了做出这个决定,公司必须准确预测每家商店对每种款式的需求——这是一项具有挑战性的任务,因为种类繁多,每位顾客的购买数量很少。 为了应对这一挑战,我们提出:(a) 一种非参数选择建模技术,它使用由客户 ID 标记的购买交易来构建针对每个客户个性化的产品偏好列表的分布,以及 (b) 一个使用预测的优化框架我们的选择模型可以根据库存和美元预算限制将商品最佳分配到不同的商店。 我们在一家年收入约为 $3B 和大约 300 家商店的美国大型时装零售商中实施了我们的方法。 在受控实验中,我们的方法比当前方法带来了额外 7% 的收入增长(约 2 亿美元的利润影响)。 我们介绍了时装零售业对品类规划提出的实施细节和具体挑战(技术和管理方面的)以及我们解决这些问题的方法。