B2C模式下基于系统动力学的电商库存模型

樊相宇　柴晓萌　武锋

摘 要：为研究直接面向消费者销售产品的商业零售模式（Business-to-Customer，B2C）下电子商务平台的库存控制问题，从商家备货角度并基于系统动力学原理建立某电商平台库存分析模型。目前与电商平台合作的商家可以及时看到电商平台上本品牌产品的销售信息，但根据这些销售信息却很难准确地进行备货。额外考虑备货积压与库存费用两个因素，建立新的库存分析模型。测试结果表明，添加测试函数时，相应的备货政策下的库存费用低，且可以避免缺货现象的发生，对电商平台和商家有借鉴和启示作用。

关键词：库存控制；缺货；系统动力学模型

中图分类号：F713.36 文献标志码：A 文章编号：1673-291X（2018）18-0054-04

随着电子商务企业间竞争的日趋激烈，顾客满意度则决定了企业日后的发展，准确把握市场动向以便及时制定自身的库存计划是电子商务公司首要考虑的决策[1]。直接面向消费者销售产品商业零售模式（Business-to-Customer，B2C）由于商家提前进行备货，电商平台能够第一时间进行货物配送，能够大大缩短配送时间[2]；但是在这种模式下，商家如果过高地估计了备货量，既增加了仓库的库存压力，又增加了商家的损失；而商家如果过低地估计了备货量，则会造成缺货，导致顾客满意度的降低[3]。高昂的物流成本在B2C企业中占据着总成本较大的比重，相对于传统行业来说，物流成本控制问题对B2C电子商务企业更加重要，物流成本占总成本的比重远远高于发达国家水平[4]。而库存成本是物流总成本的重要组成部分[5]。因此，如何做到既降低库存成本又不至于造成缺货是电商平台和商家共同面临的问题。为解决这一问题，可运用系统动力学模型定量地分析、动态地模拟电商平台的仓库的库存控制，并提出建议，期望使商家制定合理的补货政策，进而降低仓库的库存成本。

而现有的运用系统动力学模型对库存控制的研究大多集中在传统零售行业，对B2C模式下电商平台的库存控制的研究很少[6]。电商仓库面向的客户直接是众多消费者而不是传统的零售店，且网上购物订单与零售店订单的特点大不相同，网上消费者的需求更加不确定，对节假日更加敏感，并且电子商务平台的消费者对时效性要求更严格。根据B2C电子商务与传统零售的这些差异，基于系统动力学原理建立了电商平台库存控制新模型，并运用VENSIM软件对某电商平台仓库实际数据进行决策分析。

一、B2C模式下电商库存模型

（一）模型描述及参数

以B2C模式下的商家、某电商平台的某个仓库和消费者为研究对象，建立电商仓库的库存模型，系统边界从商家开始，经仓库到消费者。平台接到消费者订单后及时地发货，商家根据实时的销售信息和某个仓库的实际库存水平在考虑平均发货率和库存调节率的基础上合理地生产产品，进而补货。系统建模的目的是分析商家如何合理地进行备货，既能避免缺货现象的产生，又尽量地降低库存费用。

电商平台的参数与变量：PO为电商平台面对的需求率，SR为电商平台的销售率，OS为电商平台的缺货率，INV为电商平台的库存水平，DINV为电商平台的目标库存水平，IAR为电商平台库存调节率，NSR为一般发货率，IAT为电商平台库存调节时间，DIC为电商平台目标库存覆盖时间，WDS为电商平台某种产品发货率对商家劳动力的要求，ASR为平滑后的电商平台发货率，Ta为电商平台发货率的平滑时间。

与电商平台合作的商家的参数与变量：STR为商家备货率，OB为商家订货积压，DR为商家发货率，PPM为商家劳动生产率，WF为商家劳动力，IPD为商家生产—库存延迟，HFR为商家的纯雇佣率，DWF为商家期望劳动力，WDS为商家满足电商平台销售率需要的劳动力，WDIP为商家满足库存需要的劳动力。

（二）系统要素因果关系分析

综合分析各要素间的关系，得到仓库库存控制系统的因果关系如下：

反馈环1，电商平台销售率 → +电商平台影响力 →+平台订单→+电商平台销售率；反馈环2，电商平台销售率 →+电商平台影响力 →+平台订单 →+缺货 →-电商平台销售率；反馈环3，电商仓库库存 →+电商仓库库存调节率 →-商家备货率 →+电商仓库库存；反馈环4，电商仓库库存 →-生产厂家满足某电商仓库库存需要的劳动力 →+期望劳动力 →+纯雇佣率 →+劳动力 →+商家交货率 →+电商仓库库存。

（三）模型构建

系统动力学模型最主要的基本结构就是可变的水平和流速变量。水平决定了决策，决策控制流速，流速又反过来改变水平。其中，水平变量也称状态变量，描述系统积累效应的变量，是系统内部状态的描述；速率变量是描述系统中积累效应变化快慢的变量，也称决策变量。水平和速率变量组成相互交织的网络系统，用以反映系统的活动[7]。

在B2C模式下，从商家备货到满足平台订单的过程中，根据系统动力学原理，主要有电商仓库库存水平、商家订货积压、商家劳动力三个水平变量，影响这三个水平变量的速率变量主要有商家备货率、平台销售率、商家的纯雇佣率等（如图1所示）。

二、实例分析

结合电商平台库存控制系统动力学模型，选取某个电商仓库和在FBP模式下的某个手机商家作为研究对象。将库存控制系统进出的货物定为某品牌某种型号的智能手机，我们记为A手机。智能手机是典型的互联网时代的短生命周期产品，它的更新换代速度快，与电商平台合作的手机旗舰店应该合理地在电商仓库备货，以达到低损失、低缺货率的目标，尽量使消费者满意[8]。我们设定系统仿真时间从2015年12月开始，到2016年12月份为止，每周储存1次模拟结果。

根据上述资料，在VENSIM软件里编辑模型的系统动力学方程，列举主要的方程如下：（1）模型选取的电商仓库的实际库存：INV=INTEG（DR-SR）；Initial Value=DINV。（2）商家备货率：STR=ASR+IAR+test（test 是测试函数，模型选用的是阶跃函数来处理网上订单量对节假日敏感的问题）。（3）訂货积压：OB=INTEG（DR-STR）；Initial Value=0。（4）商家交货率：Delivery rate=PPM×WF/IPD。WF表示商家劳动力，IPD表示生产—库存延迟。（5）纯雇佣率：HFR=（DWF-WF）/WFAT；DWF=WDS+WDIP。（6）缺货：OS=PO-SR，PO表示平台订单量（如下页图2所示）。（7）平台订单量：图2显示，电商平台上的订单量与传统的零售商的销售量有很大的不同，由于移动互联网的普及，人们只需要空闲时通过手机就可以轻松购物，所以它不仅随市场需求的波动而波动，而且对“双十一”“双十二”“618年中狂欢节”，以及其他节假日活动很敏感，平台订单量随时间的变化是非线性的，因此模型选用表函数来表示平台订单量。（8）某电商仓库的发货率：SR=MIN（INV，PO）。（9）test=STEP（90，3）+STEP（-90，6）+STEP（30，19）+STEP（-30，22）+STEP（160，43）+STEP（-160，45）。

由以上实际数据分析模型在VENSIM软件里的运行结果所得到的库存模拟结果图显示，仓库库存运行结果波动在期望库存的-1%～1%之内，且没有缺货现象的发生。

这说明，商家若按照模型设计的备货政策的话，即Stoc-king rate=Average shipment rate+Inventory adjustment rate+test，能够达到不缺货、库存费用又较低的目标。

为了测试模型的备货政策优劣，我们可以选择不同的备货政策与本文推荐的备货政策比较，因此本文假设：备货政策1：SR=ASR+IAR，即商家备货率是仓库平均发货率与库存调节率之和；备货政策2：SR=ASR+IAR+test，即本文模型设计的备货政策。

通过库存费用这一指标来比较两种备货政策的运行结果。假设本文选择的手机单位库存成本为0.5，卖一部手机商家可得到的利润为3，则仓库缺货的话，商家每部手机将损失3。因此，库存费用=实际库存×0.5+缺货×3。

将这一方程式加入原有的模型之中，分析模型的仿真结果。不同备货政策下模型仿真的缺货比较（如图3所示）。

模型仿真结果显示，不同备货政策下仓库库存水平相差并不大，但在商家执行备货政策1的条件下，在第7周和第46周有缺货现象出现，而在备货政策2的条件下无缺货情况出现。这是因为备货政策2加入的阶跃函数提前考虑了节假日对电商平台购物的影响，从而避免了缺货情况的产生。

备货政策1下的库存费用Total cost（1）=26 253，备货政策2下的库存费用Total cost（2）=26 123，Total cost（1）>Total cost（2），即备货政策2下的库存费用也比备货政策1下的库存费用高。

三、结论与展望

运用了系统动力学方法，建立了B2C模式下某电商仓库库存控制模型，运行结果基本符合实际情况，且达到了预期制定的目标。建立的库存控制系统动力学模型也可以辅助做政策分析，模型仿真结果显示，加测试函数的商家备货政策可以有效地避免缺货现象，但库存水平会比不加测試函数的备货政策下的库存水平略高，考虑缺货损失时，加测试函数的备货政策的库存总费用低于不加测试函数的备货政策下的库存总费用。因此，建议商家进行补货时可以考虑添加测试函数的备货政策。

参考文献：

[1] 吴强，杨岳.互联网金融背景下，农村普惠金融体系构建探析[J].金融科技时代，2017，（3）：27-31.

[2] 蒙晓丽，陆玲玉.普惠金融背景下农村金融扶贫工作的研究[J].区域金融研究，2015，（7）：84-90.

[3] 李建伟，李树生，胡斌.具有普惠金融内涵的金融发展与城乡收入分配的失衡调整——基于VEC模型的实证研究[J].云南财经大学学报，2015，（1）：110-116.

[4] 朱德莉.我国农村金融发展对农民收入增长的影响研究——基于协整检验和VEC模型的实证分析[J].农村经济，2014，（11）：92-97.