在线替代品系列销售的动态协同价格策略研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71302064
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.2万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0209.商务智能与数字商务
  • 结题年份:
    2016
  • 批准年份:
    2013
  • 项目状态:
    已结题
  • 起止时间:
    2014-01-01 至2016-12-31

项目摘要

Online sequential promotion of substitutes is one kind of marketing strategies in which e-tailers predetermine a series of time periods, promote distinct substitute in each period and customers cannot get discount from a product if they miss the promotion period of the product. Due to the characteristics such as multiple substitutes, multiple time periods, and multiple secrecy strategies, the pricing decisions of the sequential promotion is a complex problem in which the prices of multiple substitutes should be collaborative and be adjusted dynamically in the process of the sequential promotion. This project will conduct researches on the complex problem from the following three aspects. First, this project will study the demand forecasting model associated with the sequential promotion activity. The influence paths of the sequential promotion activity on strategic customers' purchase behavior will be studied, based on which strategic customers' utility model and the demand forecasting model will be constructed. Second, this project will study the dynamic collaborative price strategy in the sequential promotion only with substitutes. The price optimization methods under the perfect secrecy strategy and nonperfect secrecy strategy will be studied respectively. The market conditions to adopt the perfect secrecy strategy and nonperfect secrecy strategy will be examined. Third, this project will study the dynamic collaborative price strategy in the sequential promotion with substitutes and their complements. The selection methods of complements, the bundle pricing methods of substitutes and complements, the price partition methods between substitutes and complements, and the optimization methods of price promotion forms will be studied. This project is significant for researchers and practitioners because it enriches the directions of e-commerce research and provides guidelines for e-tailers to improve profitability.
在线替代品系列销售是企业利用网络渠道开展的、在多个时间段内促销一系列可替代的产品,消费者只有在特定产品的促销时段购买才能享受该产品价格优惠的一类营销策略。产品多样性、促销多阶段性和促销保密性等特点决定了在线替代品系列销售的价格决策是一个多产品协同定价、多阶段价格动态调整的复杂问题。本项目将从三方面对该问题展开研究。(1)在线替代品系列销售的需求预测研究。研究系列销售对策略型消费者购买的影响路径和消费者效用的计算方法,构建消费者需求的动态预测模型。(2)仅促销替代品的系列销售动态协同价格策略研究。研究部分保密和完全保密策略下多替代品的动态协同价格优化方法,分析两种保密策略的最优使用条件。(3)结合互补品的替代品系列销售动态协同价格策略研究。研究互补品选择方法、替代品和互补品的捆绑定价方法、价格分割方法和价格促销形式优化方法。本项目研究对促进电子商务理论的发展,提高企业的盈利能力具有重要意义。

结项摘要

在线替代品系列销售是企业利用网络渠道开展的、在多个时间段内促销一系列可替代的产品,消费者只有在特定产品的促销时段购买才能享受该产品价格优惠的一类营销策略。本项目的研究内容主要包括在线替代品系列销售的需求预测研究、仅促销替代品的系列销售动态协同价格策略研究和替代品为主互补品为辅的系列销售动态协同价格策略研究等三方面。在消费者需求预测方面,探讨了企业促销策略、消费者购买策略、线上线下转换等因素对消费者购买决策的影响机制,构建了考虑不同因素、因素组合下的消费者需求预测模型,设计了考虑产品之间替代效应和互补效应的需求计算方法,研究了企业具有不同促销目标和采取社会化推广策略时的消费者需求分析方法。在仅促销替代品的系列销售动态协同价格策略研究方面,构建了部分保密策略下的多阶段促销的协同价格优化模型,将消费者的线上线下转换引入系列销售价格优化,构建了多阶段多市场的协同价格优化模型。综合销量最大、利润最高、不满意率最低等目标的影响,构建了系列销售协同定价的多目标优化方法。在替代品为主互补品为辅的系列销售动态协同价格策略研究方面,设计了多种融合不同信息和推荐策略的面向消费者个体和群体的个性化推荐方法,设计了综合直接价格折扣、优惠券价格折扣、运费优惠等促销形式的协同价格优化模型,给出了不同优惠形式使用的条件,构建了结合产品推荐和互补效应的促销推荐优化模型。与美国匹兹堡大学Katz商学院、宾夕法尼亚大学Wharton商学院、香港城市大学计算机系的多位专家合作,在IJPE、IJPR等国内外学术期刊发表论文13篇,其中,SSCI检索论文3篇,SCI检索论文4篇,获得国家发明专利授权1项,实审发明专利3项。培养硕士研究生2名。获2015年度高等学校科学研究优秀成果奖二等奖1项。

项目成果

期刊论文数量(10)
专著数量(0)
科研奖励数量(1)
会议论文数量(3)
专利数量(0)
社会化营销绩效最大化问题及其扩展研究综述
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    电子与信息学报
  • 影响因子:
    --
  • 作者:
    刘业政;李玲菲;姜元春
  • 通讯作者:
    姜元春
考虑配送服务的双渠道策略优化方法研究
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    合肥工业大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    叶阳;姜元春;刘业政
  • 通讯作者:
    刘业政
Online pricing with bundling and coupon discounts
包含捆绑和优惠券折扣的在线定价
  • DOI:
    10.1080/00207543.2015.1112443
  • 发表时间:
    2018
  • 期刊:
    International Journal of Production Research
  • 影响因子:
    9.2
  • 作者:
    Jiang Yuanchun;Liu Yezheng;Wang Hai;Shang Jennifer;Ding Shuai
  • 通讯作者:
    Ding Shuai
Identifying social influence in complex networks: A novel conductance eigenvector centrality model
识别复杂网络中的社会影响力:一种新颖的电导特征向量中心性模型
  • DOI:
    10.1016/j.neucom.2015.11.123
  • 发表时间:
    2016-10-19
  • 期刊:
    NEUROCOMPUTING
  • 影响因子:
    6
  • 作者:
    Li, Xujun;Liu, Yezheng;Liu, Xiao
  • 通讯作者:
    Liu, Xiao
考虑用户活跃度和项目流行度的基于项目最近邻的协同过滤算法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    王锦坤;姜元春;孙见山;孙春华
  • 通讯作者:
    孙春华

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

电子商务环境下捆绑商品研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    商业研究
  • 影响因子:
    --
  • 作者:
    姜元春;林文龙;裘立波
  • 通讯作者:
    裘立波
挖掘Web日志中的分类关联规则
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机工程与应用
  • 影响因子:
    --
  • 作者:
    刘业政;林文龙;焦宁;姜元春
  • 通讯作者:
    姜元春
Web浏览预测的Markov模型综述
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    姜元春;刘业政;林文龙
  • 通讯作者:
    林文龙
WEB站点结构优化仿真
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统仿真学报
  • 影响因子:
    --
  • 作者:
    林文龙;姜元春;刘业政;焦宁
  • 通讯作者:
    焦宁
在线社交网络用户行为研究现状与展望
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    中国科学院院刊
  • 影响因子:
    --
  • 作者:
    杨善林;王佳佳;代宝;李旭军;姜元春;刘业政
  • 通讯作者:
    刘业政

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

姜元春的其他基金

个性化推荐系统的多媒体攻击检测与鲁棒优化方法研究
  • 批准号:
    72171071
  • 批准年份:
    2021
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
互动大数据驱动的购买意愿预测与个性化营销方法研究
  • 批准号:
    91546114
  • 批准年份:
    2015
  • 资助金额:
    43.0 万元
  • 项目类别:
    重大研究计划

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码