基于Backroom Effect的生鮮品零售庫存決策優(yōu)化

李 琳, 耿 彤, 張振民

(華東理工大學(xué) 商學(xué)院運(yùn)營與供應(yīng)鏈研究所,上海 200237)

0 引言

生鮮品，包括果蔬、肉蛋、奶制品以及水產(chǎn)品等，已經(jīng)成為人們?nèi)粘Ｉ畹谋匦杵?。統(tǒng)計(jì)顯示，我國消費(fèi)者每周平均購買生鮮食品3次，其中果蔬類每周平均4.8次，水產(chǎn)類每周2.39次[1]。由于生鮮品具有易腐損的特性，作為生鮮供應(yīng)鏈末端節(jié)點(diǎn)的生鮮零售商，一直致力于腐損控制以及與之相關(guān)的零售庫存管理。

圍繞生鮮品供應(yīng)鏈管理，國內(nèi)外學(xué)者進(jìn)行了諸多研究，主要集中在訂貨決策、定價(jià)策略和供應(yīng)鏈協(xié)調(diào)機(jī)制設(shè)計(jì)三個(gè)方面。王磊和但斌針對生鮮品易變質(zhì)的特性，構(gòu)建了與生鮮農(nóng)產(chǎn)品新鮮度和價(jià)格相關(guān)的消費(fèi)者時(shí)變效用函數(shù)，構(gòu)建了零售商的生鮮農(nóng)產(chǎn)品多品種訂貨模型[2]；Gregory等則將EOQ與需求受商品齡影響的生鮮易腐品訂貨策略結(jié)合，考慮了單一生鮮易腐品的庫存管理[3]。李琳和范體軍運(yùn)用RFID技術(shù)來監(jiān)控生鮮農(nóng)產(chǎn)品，研究基于農(nóng)產(chǎn)品實(shí)時(shí)價(jià)值損耗信息下零售商的定價(jià)與訂貨策略[4]；Li和Teng基于與生鮮品的銷售價(jià)格、參考價(jià)格、產(chǎn)品新鮮度和貨架展示量相關(guān)的消費(fèi)者需求函數(shù)，建立了零售商的聯(lián)合定價(jià)和庫存模型[5]。曹裕等基于由單一零售商、供應(yīng)商構(gòu)成的二級生鮮供應(yīng)鏈，比較研究兩個(gè)主體合作與否對二級供應(yīng)鏈整體保鮮努力水平的影響[6];唐振宇等考慮了生鮮品在途損耗對產(chǎn)品數(shù)量的影響以及保鮮投入的影響，運(yùn)用CVaR模型研究了零售商的風(fēng)險(xiǎn)規(guī)避程度對供應(yīng)鏈決策的影響以及期權(quán)契約協(xié)調(diào)機(jī)制[7]。

而上述研究中，少有針對實(shí)際的生鮮零售賣場，區(qū)分前端貨架(Shelf)以及后端倉庫(Backroom)，探討包括倉庫-貨架補(bǔ)給以及訂貨補(bǔ)給的生鮮零售庫存管理。

事實(shí)上，在超市等零售賣場中，受限于賣場貨架的陳列空間，同一批次入庫待售的商品往往僅有小部分陳列于貨架供顧客挑選，而大多數(shù)都被存儲于倉庫中，而后通過倉庫-貨架的補(bǔ)給來保證前端的銷售[8～10]。Eroglu于2013年定義了倉庫在零售賣場的這種功能——Backroom Effect，認(rèn)為后端倉庫的存在有效緩解了貨架陳列數(shù)量與進(jìn)貨批量之間的矛盾，解決了overflow的存儲與銷售的問題[11]。在該定義下，零售商可以通過合理地運(yùn)用Backroom Effect，調(diào)整賣場的貨架銷售策略[12,13]，進(jìn)而提升其利潤[14]。

目前關(guān)于Backroom Effect的研究，多以耐用品為對象，而對賣場銷售占比較高的生鮮類產(chǎn)品關(guān)注不足。更重要的是，對于生鮮品這類具有易腐特性的商品而言，倉庫的Backroom Effect不僅僅體現(xiàn)在對overflow庫存的緩沖上，更多地體現(xiàn)在對新鮮度的保護(hù)上。

具體來說，首先，倉庫中存儲的待售商品保留了批量進(jìn)貨的原包裝，使得其中的保鮮處理得以繼續(xù)發(fā)揮作用(如：箱內(nèi)吸附型化學(xué)防腐劑可清除環(huán)境中的乙烯，或脫除過多的CO2而抑制果蔬的后熟)；其次，倉庫內(nèi)的溫度、濕度等條件更為穩(wěn)定，有助于生鮮品腐損率的控制，貨架盡管也多有冷藏設(shè)備，但是顧客直接接觸貨品，且諸多剝皮、捏掐等不良選購行為[15]都會加快生鮮品腐損，縮短其貨架壽命[2]。以香蕉為例，以箱為單位保存于倉庫的保質(zhì)期約有21天，而陳列于冷藏貨架上的保質(zhì)期則僅有短短的7天[16]。換而言之，生鮮品零售賣場的倉庫具有的Backroom Effect，既包括了學(xué)者們已經(jīng)關(guān)注的數(shù)量層面的功能，更具有面向生鮮品所獨(dú)有的腐損控制和保鮮方面的作用。

在這種Backroom Effect下，倉庫對貨架補(bǔ)給后，貨架陳列的生鮮品數(shù)量和整體的新鮮度都會提升，刺激顧客的購買欲望?，F(xiàn)實(shí)中賣場的銷售狀況與此極為相似，在同等售價(jià)下，每當(dāng)有更為新鮮的商品被補(bǔ)充到貨架時(shí)，都會非常明顯地吸引顧客爭相選購[16,17]。因此，在生鮮零售中，考慮存在的Backroom Effect，分析其對貨架整體新鮮度和消費(fèi)者需求的影響，對于零售商優(yōu)化庫存和零售決策具有重要意義[17,18]。

本文基于生鮮品的特性和生鮮零售門店的實(shí)際，從數(shù)量和保鮮兩個(gè)角度重新定義了Backroom Effect。而后，考慮生鮮消費(fèi)者需求的兩個(gè)敏感因素——貨架陳列貨品的數(shù)量及陳列生鮮品的整體新鮮度水平[17]，著力刻畫倉庫-貨架周期型補(bǔ)給下，Backroom Effect給貨架陳列生鮮品的新鮮度帶來的影響。并引入消費(fèi)者“感知新鮮度”的概念，構(gòu)造函數(shù)來描述貨架生鮮品實(shí)時(shí)的新鮮度及庫存變化，構(gòu)建了以零售商利潤最大化為目標(biāo)的最優(yōu)庫存決策模型，為生鮮零售商的庫存決策優(yōu)化和Backroom Effect下的投資決策提供參考。

1 問題描述及函數(shù)構(gòu)建

考慮同時(shí)具有貨架和倉庫的生鮮零售商，倉庫因具有更佳的儲存條件而產(chǎn)生保鮮方面的Backroom Effect(后文簡稱為BRE)。t=0時(shí)刻到貨Q件生鮮品，由于貨架最大容量為N，故將貨架裝滿后，剩余Q-N件生鮮品被存儲在倉庫中。隨著消費(fèi)者的購買，貨架庫存持續(xù)下降，現(xiàn)實(shí)中的零售商通常按照周期貨架補(bǔ)貨的方式——每隔時(shí)間T從倉庫中調(diào)配適量的商品補(bǔ)給貨架，使貨架陳列量達(dá)到飽和，直至倉庫庫存為0。當(dāng)總庫存下降至臨界點(diǎn)，或到達(dá)生鮮品保質(zhì)期時(shí)，剩余的商品將以殘值處理，零售商向供應(yīng)商進(jìn)行新一輪的訂貨。本文基于BRE，著力研究兩個(gè)決策問題：首先，倉庫對于貨架的補(bǔ)給，決策變量為倉庫對于貨架實(shí)行貨品補(bǔ)給的周期T；其次，整體庫存的訂貨補(bǔ)給決策，其決策變量為整體訂貨量Q和觸發(fā)整體訂貨的庫存臨界點(diǎn)r，對應(yīng)于較為經(jīng)典的(r,Q)庫存控制模型。

1.1 符號及假設(shè)

本文模型主要使用的符號及含義見表1。

表1 符號及其含義

由于生鮮品消費(fèi)者的需求同時(shí)與兩個(gè)因素相關(guān)——貨架實(shí)時(shí)陳列數(shù)量，及貨架生鮮品的新鮮度水平[17,18]。我們采用現(xiàn)有文獻(xiàn)中普遍使用的乘積形式來描述需求函數(shù)[17,18]。

D(t)=α[Is(t)]β×Fc(t)

(1)

(1)式中的Fc(t)表示BRE和周期型貨架補(bǔ)給的情況下，消費(fèi)者對于陳列生鮮品的整體平均新鮮度的感知(“感知新鮮度”)。顯然，這種感知新鮮度會直接影響消費(fèi)者的購買意愿。接下來，本文將著力考慮貨架上不同新鮮度生鮮品共存的情形，刻畫整體平均的感知新鮮度函數(shù)，進(jìn)而推衍感知庫存水平函數(shù)，探究BRE對于零售商貨架補(bǔ)給以及庫存訂貨決策的影響。

1.2 感知新鮮度函數(shù)和庫存水平表達(dá)

(1)t∈[0,T)未發(fā)生貨架補(bǔ)給階段

當(dāng)t∈[0,T)時(shí)，由于沒有產(chǎn)生倉庫-貨架之間的補(bǔ)給，故貨架商品的新鮮度不存在差異，貨架和倉庫內(nèi)生鮮品的新鮮度均以負(fù)指數(shù)e-λt衰減[17,18]，貨架庫存變化率為：

其中Is(0)=N，解微分方程可得貨架庫存水平：

(2)

對應(yīng)的倉庫庫存水平為Ib(t)0=Q-N,則總庫存水平函數(shù)為:

Io(t)0=Is(t)0+Ib(t)0

(3)

當(dāng)?shù)竭_(dá)貨架補(bǔ)給時(shí)間T時(shí)，貨架剩余生鮮品的數(shù)量為：

(4)

(2)t∈[T,2T)發(fā)生第一次貨架補(bǔ)給階段

(5)

于是，當(dāng)t∈[T,2T)，貨架陳列品的新鮮度按照貨架上的腐損速率λs持續(xù)衰減，

Fc(t)1=Fc(T)1×e-λs(t-T)t∈[T,2T)

(6)

(7)

同時(shí)Ib(t)1=Q-2N+R1，則總庫存水平函數(shù)為:

(8)

故可得第二次補(bǔ)貨時(shí)，即t=2T時(shí)，貨架剩余的商品數(shù)量：

(9)

第二次貨架補(bǔ)給后，貨架上的商品包括補(bǔ)貨前貨架剩余的R2件商品，和N-R2件新補(bǔ)給上來的商品，故2T時(shí)刻消費(fèi)者的感知新鮮度表示為:

(10)

(3)t≥2T的階段

以此類推，當(dāng)t∈[iT,(i+1)T)時(shí)，貨架商品的感知新鮮度和庫存水平函數(shù)如下:

Fc(t)i=Fc(iT)i×e-λs(t-iT)

(11)

(12)

第i次補(bǔ)貨時(shí)(t=iT)，貨架剩余庫存為:

(13)

第i次(i=2,3,4,…n)次補(bǔ)貨后，補(bǔ)貨點(diǎn)的感知新鮮度為:

(14)

1.3 BRE下的函數(shù)對比分析

盡管BRE在零售中普遍存在，但卻未被納入零售庫存決策的考慮范疇中。實(shí)際上，配合RFID技術(shù)和傳感器、物聯(lián)網(wǎng)的使用，BRE下貨架與倉庫間生鮮品實(shí)時(shí)腐損率/新鮮度都可以被測量估算和量化，完全可以為生鮮零售商所識別并運(yùn)用于其零售決策中[18,20]。為了揭示BRE對零售商的影響，本節(jié)對比分析零售商忽略/考慮BRE情況下的關(guān)鍵函數(shù)。

在零售商忽略BRE的情形下，認(rèn)為存放在倉庫和貨架的生鮮品具有相同的新鮮度，即λb=λs，周期型補(bǔ)給并不會帶來貨架陳列商品新鮮度的波動，即在任意時(shí)刻t，消費(fèi)者對貨架產(chǎn)品的感知新鮮度均滿足：

Fc(t)i=e-λst)t∈[0,T)

(15)

易得t∈[iT,(i+1)T)時(shí)的庫存水平函數(shù):

(16)

基于此，我們用上標(biāo)1、2分別標(biāo)識兩種情形(BRE下真實(shí)情形和零售商忽略BRE的情形)，著力對比其各自的消費(fèi)者感知新鮮度和總庫存水平函數(shù)，得出結(jié)論如下：

上述性質(zhì)在圖1和圖2中得到了直觀的展示。觀察圖1，相比零售商忽略BRE的情形，BRE下真實(shí)的消費(fèi)者感知新鮮度更高，且出現(xiàn)周期性波動，新鮮度的激增點(diǎn)即對應(yīng)倉庫-貨架的補(bǔ)貨時(shí)刻。同時(shí)，由于BRE下新鮮度較高的生鮮品被補(bǔ)給到貨架上，使得貨架商品的整體新鮮度升高，進(jìn)而刺激消費(fèi)者購買，最終出現(xiàn)了圖2中BRE下總庫存下降速度更快的情況。由此而知，當(dāng)零售商忽略BRE時(shí)，會導(dǎo)致實(shí)際消費(fèi)者感知新鮮度及庫存量偏離預(yù)估情況，進(jìn)而影響貨架補(bǔ)給周期、訂貨量等決策的設(shè)定。

圖1 兩種情形下的消費(fèi)者感知新鮮度變化情況

圖2 兩種情形下的總庫存變化情況

2 庫存決策模型的構(gòu)建與求解

2.1 決策模型構(gòu)建

本節(jié)基于BRE，以訂貨量Q、倉庫-貨架補(bǔ)給的周期T和零售商向供應(yīng)商訂貨的再訂貨點(diǎn)r為決策變量，以單位時(shí)間的利潤最大化為決策目標(biāo)，構(gòu)建貨架補(bǔ)給以及訂貨決策在內(nèi)的生鮮零售庫存決策模型。

由(12)式，可得銷售周期內(nèi)的倉庫儲存成本Hb和貨架儲存成本Hs分別為:

(17)

(18)

決策模型如下:

maxπ(Q,T,r)=(P×(Q-L)+V×L-Hb-

Hs-CQ-K-Cbsn)/Tn

(19)

特別地，再訂貨點(diǎn)Tn存在兩種情形：

Case1Tn=Te，即因商品到達(dá)保質(zhì)期需向供應(yīng)商訂貨，此時(shí)總庫存尚未降至r。此時(shí)，Te、Tns(倉庫庫存為0的時(shí)刻)和TR(總庫存降至r時(shí)的時(shí)間)之間的關(guān)系如圖3。圖3分別表示銷售時(shí)間到達(dá)保質(zhì)期時(shí)，倉庫中有、無商品剩余的情況。

圖3 Case 1各時(shí)間點(diǎn)分布圖

Case2Tn=TR，即backroom中的產(chǎn)品能夠全部補(bǔ)給到貨架進(jìn)行銷售，最后一次補(bǔ)貨后，當(dāng)貨架庫存到達(dá)r時(shí)即觸發(fā)零售商訂貨。此時(shí)，Te、Tns和TR之間的關(guān)系如圖4。

圖4 Case 2各時(shí)間點(diǎn)分布圖

2.2 決策模型求解

上述決策模型是包含非線性目標(biāo)函數(shù)的非線性規(guī)劃模型，且模型決策變量為混合整數(shù)型(Q和r為整型)，與Bai和Kendall[17]構(gòu)建的決策模型有相似之處，故選用其提出且已進(jìn)行有效性驗(yàn)證的改進(jìn)GRG算法。具體地，將算法劃分為初始化、GRG求解(Excel Solver)和局部優(yōu)化三個(gè)部分，思路如下：

表2 算法思路

3 數(shù)值計(jì)算與分析

本節(jié)分三個(gè)步驟進(jìn)行數(shù)值試驗(yàn)和分析：首先，對比BRE前后的相關(guān)決策與對應(yīng)的利潤，驗(yàn)證第1節(jié)的性質(zhì)，揭示BRE對于生鮮零售商庫存決策的重要作用；接著，鑒于BRE直接反映于貨架和倉庫生鮮品腐損率之間的差異，分析該差異值的變化對生鮮零售商最優(yōu)決策和利潤的影響；最后，考慮不同品類(自有腐損率不同)的生鮮品對于BRE的敏感度差異，通過對比其各自的最優(yōu)決策及利潤，為零售商進(jìn)行生鮮品的保鮮投資決策提供參考。

3.1 BRE前后的零售商決策對比分析

我們首先對六種不同的生鮮品(參數(shù)選自Bai and Kendall[18])，分別以λb=λs、0.5λs來表示零售商忽略BRE的情形和BRE下實(shí)際的情形，求解得到如表3的決策值及相應(yīng)的利潤。表中，針對每一種生鮮品，第一行是零售商忽略BRE時(shí)的決策以及其預(yù)計(jì)的各項(xiàng)結(jié)果；第二行為按照零售商先前的決策(忽略BRE)，在BRE真實(shí)存在下產(chǎn)生的結(jié)果；第三行則是考慮BRE下的最優(yōu)決策和相應(yīng)結(jié)果。

從表3可以看出，六種生鮮品的庫存訂貨周期Tn均早于保質(zhì)期Te(Te=7)，即零售商會合理地控制生鮮品的囤貨，避免因超過保質(zhì)期而清空貨架、重新訂貨。同時(shí)，觀察每種生鮮品的第一行和第二行數(shù)據(jù)，可見零售商忽略BRE下的最優(yōu)決策會導(dǎo)致實(shí)際的訂貨周期早于預(yù)計(jì)情況，該結(jié)果與1.3中的性質(zhì)分析一致，此外，真實(shí)存在的BRE會帶來比預(yù)計(jì)更高的平均利潤(以生鮮品1為例：Tn:2.51VS.2.60,π:72.69VS.70.22)。進(jìn)一步地，當(dāng)零售商考慮BRE時(shí)，訂貨量和單位時(shí)間平均利潤均得到提升。由此可見，零售商若忽略了BRE，將會導(dǎo)致實(shí)際利潤和訂貨周期偏離預(yù)期，進(jìn)而錯失提升利潤的機(jī)會。

表3 模型最優(yōu)結(jié)果

3.2 不同程度BRE下零售商庫存決策的變化

考慮倉庫的保鮮效果因溫度、濕度等條件的不同而存在差異，我們基于3.1的數(shù)值，分別取λb=λs,0.9λs,…,0.1λs，探究不同程度的BRE(不同的λb/λs)會對零售商的最優(yōu)決策產(chǎn)生何種影響。得到多種腐損率比率下的最優(yōu)決策，其中訂貨量和單位平均利潤增長率的變化分見圖5、圖6。

圖5 不同程度BRE對最優(yōu)訂貨量Q的影響

圖6 不同程度BRE對單位時(shí)間平均利潤增長率的影響

由圖5可見，隨著倉庫對生鮮品保鮮效果的增強(qiáng)(即λb/λs逐漸降低)，六種生鮮品的最優(yōu)訂貨量Q均得到提高，這是因?yàn)椋害薭/λs較小時(shí)，當(dāng)倉庫對貨架補(bǔ)給后，貨架生鮮品的整體新鮮度提升幅度較高，消費(fèi)者購買意愿大幅增強(qiáng)，促使零售商增加進(jìn)貨量Q。同時(shí)，最優(yōu)訂貨量的增加延長了銷售周期，進(jìn)而增加了零售商的倉儲成本。以生鮮品4為例，當(dāng)λb/λs的取值分別為1和0.1時(shí)，其對應(yīng)的貨架、倉庫儲存成本分別為4.02VS.5.56，21.14VS.45.01，然而，由于較高程度的BRE提升了零售商的銷售收入786.34 VS.544.69，零售商仍能夠獲得較高的單位時(shí)間平均利潤151.13VS.160.27。即零售商可以通過平衡收入和倉儲成本來獲取利潤的提升。故從圖6中可以看出，BRE程度較高時(shí)單位時(shí)間平均利潤π的增長率也隨之增高。

因此，在BRE下，當(dāng)零售商制定倉庫-貨架補(bǔ)給策略和整體訂貨策略時(shí)，應(yīng)重點(diǎn)關(guān)注訂貨量的調(diào)整，且當(dāng)BRE效果較強(qiáng)時(shí)，零售商可借機(jī)增大訂貨量，以提升利潤。

3.3 BRE下的零售商投資決策

本節(jié)將進(jìn)一步探討對于不同品類的生鮮品(腐損率、價(jià)格、成本不同)，零售商應(yīng)如何進(jìn)行保鮮選擇才能更好地運(yùn)用BRE，獲得最佳的利潤提升。

以3.1中生鮮品的各項(xiàng)參數(shù)為基礎(chǔ)，構(gòu)建兩種類型的生鮮品A、B。其中，生鮮品A具有較高的售價(jià)、成本和腐損率(如：荔枝、草莓)，而生鮮品B的上述參數(shù)則較低(如：香蕉)，即生鮮品A具有更高的邊際利潤。我們根據(jù)Bai and Kendall[17]提供的參數(shù)表隨機(jī)生成了3組生鮮品：{生鮮品Ai，生鮮品Bi}(i=1,2,3)，各進(jìn)行了10次實(shí)驗(yàn)，得到不同程度BRE下零售商的最優(yōu)決策，其中，訂貨量和單位時(shí)間平均利潤的增長率分別見圖7和圖8。

從整體上看，隨著倉庫對生鮮品保鮮效果的提升，三組生鮮品的最優(yōu)訂貨量Q、零售商單位時(shí)間平均利潤π的增長率均逐漸升高。且A類生鮮品的增長速率均比同組B類生鮮品高。具體來說，隨著λb/λs從1降到0.1，三組生鮮品的訂貨量分別提升了{(lán)61%，9.8%}，{50.8%，5.8%}，{64.3%，10.4%}，單位時(shí)間平均利潤分別提升了{(lán)7.9%，3.3%}，{8.9%，3.5%}，{7.3%，2.8%}。究其原因，對高腐損率的生鮮品A而言，BRE的加深能有效維持其新鮮度處于較高水平，當(dāng)倉庫中的貨品被補(bǔ)給到貨架上后，貨架商品的整體新鮮度顯著提升，進(jìn)而增大了消費(fèi)者的需求，由于其具有較高的邊際利潤，為零售商帶來了利潤的大幅增加；而對低腐損率的生鮮品B而言，由于其本身腐損率較低，故在貨架補(bǔ)給后，貨架商品的整體新鮮度提升幅度有限，對于需求量的影響相對較小，且生鮮品B的邊際利潤較低，因此零售商并未由其獲得利潤的大幅增加。

圖7 不同程度BRE對最優(yōu)訂貨量增長率的影響

圖8 不同程度BRE對單位時(shí)間平均利潤增長率的影響

故在BRE下，零售商應(yīng)重點(diǎn)關(guān)注邊際利潤和貨架腐損率較高的生鮮品，優(yōu)先增強(qiáng)對這類生鮮品的保鮮，同時(shí)，借助BRE的提升，零售商可適當(dāng)增大其訂貨量，從而擴(kuò)大其為總體利潤增值的貢獻(xiàn)。

4 結(jié)論

本文從生鮮品的特性和生鮮零售賣場的實(shí)際出發(fā)，充實(shí)現(xiàn)有BRE的概念，重新提出了倉庫對于生鮮品的BRE——在數(shù)量上，倉庫通過不斷地補(bǔ)給貨架，緩解了貨架空間不足與批量訂貨之間的矛盾；在保鮮上，倉庫以穩(wěn)定的冷藏環(huán)境，更有效地控制生鮮品的腐損率?；诖?，考慮在周期型倉庫-貨架補(bǔ)給模式下造成的貨架上不同新鮮度商品共存的情況，本文從時(shí)間維度上構(gòu)建了“感知新鮮度”函數(shù)，推演了時(shí)變的庫存水平函數(shù)，并與零售商忽略BRE下對應(yīng)的函數(shù)進(jìn)行了對比，發(fā)現(xiàn)當(dāng)零售商忽略BRE時(shí)，會導(dǎo)致實(shí)際庫存量偏離預(yù)估情況以及訂貨周期提前。基于此，建立了考慮貨架-倉庫腐損率差異的最優(yōu)貨架補(bǔ)給和訂貨決策模型，并通過多組數(shù)值算例分析了BRE下該腐損率差異對零售商庫存決策和生鮮品保鮮投資決策的影響。

通過模型構(gòu)建、分析及數(shù)值算例的求解、對比，本文得出的主要結(jié)論包括：(1)周期型倉庫-貨架補(bǔ)貨模式下，BRE的存在可促使生鮮品零售商提升訂貨量，增加利潤；零售商若忽略BRE，則會錯失利潤提升的機(jī)會；(2)在考慮BRE的前提下，當(dāng)BRE效果較強(qiáng)時(shí)，零售商應(yīng)借機(jī)增大訂貨量，進(jìn)一步提升利潤；(3)在BRE下，零售商應(yīng)重點(diǎn)關(guān)注邊際利潤和貨架腐損率較高的生鮮品，優(yōu)先強(qiáng)化對這類生鮮品的BRE效果，并隨之適當(dāng)增大訂貨量，從而擴(kuò)大其為總體利潤增值的貢獻(xiàn)。