近期，bet365亚洲官网 博士后吉胜老师与其合作者的论文“Revenue Management With Nonparametric Demand Learning and Product Returns”在线发表于管理学国际顶级期刊《Production and Operations Management》（POM）。该研究针对现实零售环境中普遍存在的产品退货与退货窗口管理问题，探讨了需求函数未知条件下企业如何通过在线学习同时优化产品定价与退货窗口决策。

在实际运营中，越来越多的零售企业（尤其是电商平台）会提供较为宽松的免费退货政策，但通常会设置明确的退货时间窗口，例如“7天无理由退货”或“30天退货保障”。退货窗口不仅会影响消费者的购买决策，还会直接影响产品的退货率和企业的库存周转效率。然而，在新产品上线或市场环境变化时，企业往往无法准确获知消费者需求对价格和退货策略的响应关系，从而使得定价与退货窗口的联合决策面临较大的不确定性。

针对上述问题，该研究构建了一个单产品收益管理与在线学习相结合的理论模型。在该框架下，产品需求由价格和退货窗口共同决定，但需求函数在初始阶段未知，需要企业在销售过程中通过不断观察市场反馈进行学习与更新。研究提出了一种结合逆随机梯度下降（inverse SGD）与上置信界（UCB）思想的非参数在线学习算法，能够在销售过程中逐步学习需求函数，在探索未知需求信息与利用已有信息获取收益之间实现有效权衡。理论分析表明，研究所提出的学习算法能够实现接近最优的学习效率。

该研究为企业在需求信息不完全条件下的收益管理决策提供了新的方法工具，能够帮助零售企业在控制库存风险的同时提升整体收益水平，为现实中企业制定产品定价与退货策略提供了理论依据与决策支持。

原文链接：

//journals.sagepub.com/doi/10.1177/10591478261424032