零售商对批发缺货的回应

结论是：对于α=0.01：-  客户2的自变量Fand F0.8与e呈正相关，-  客户9的自变量K、F和F0.8与e呈正相关，且-  其余自变量均与e无关。对于α=0.05：-  对于客户2，自变量X、X0.8、X0.6、F、F0.8、F0.6和F0.4与e呈正相关，-  对于客户9，自变量X、K、K0.8、K0.6、F和F0.8与e呈正相关，并且-  其余自变量均与e无关。对于α=0.01和α=0.05：-  对于任何客户，没有任何自变量与h相关。总之，在应用Holm方法后，我们可以保守地得出结论，对于客户2和客户9，在0.01和0.05显著性水平上，一些衡量缺货程度的自变量与缺货后下一个订单之前的时间e呈正相关。此外，对于这两个客户，自变量和因变量e之间存在显著相关性的地方，平滑因子γ的值越高，相关系数越大。这表明，如果缺货对e的影响不大，则受最近一次缺货的影响最大，而不是以前的缺货。事实上，对于γ=0.2，没有自变量与e相关，对于其他客户。这表明缺货对未来需求的不利影响是短期的。我们还可以保守地得出结论，对于任何客户，在0.01或0.05显著性水平下，衡量缺货程度的自变量均与库存量h之后的订单货币价值不相关。

这意味着，尽管一些经历缺货的客户可能会在缺货后推迟下一个订单，但没有一个客户会降低下一个订单的货币价值。在上一节中，我们保守地得出结论，对于三个最频繁的客户，即客户2、7和9，缺货对订单完成率有显著影响。在本节中，我们保守地得出结论，对于其中的两个客户，即客户2和客户9，缺货也会对未来订单的频率产生显著影响，但不会对未来订单的货币价值产生显著影响，而且这种影响似乎是短期的，而不是长期的。对于客户7来说，情况并非如此，因为客户7是批发商实际拥有的唯一零售商。因此，即使缺货可能会迫使该客户取消订单中缺失的部分并寻找itelsewhere，但这不会影响其未来的需求，从而影响其对批发商的忠诚度，无论是长期还是短期。有趣的是，从表1中可以看出，客户7在平均到达时间μe和最大交货延迟μk之间存在微小的绝对差异。这表明，即使他取消了订单中缺失的部分，他也会在下一次订单之前，即“在最后一刻”取消。结果总结与启示本案例研究的实证结果及其对研究人员和从业者的启示可总结如下。订购频率较低的客户倾向于下更大的订单，并忍受更长的交货延迟。与此同时，他们倾向于以更大的订单取消百分比来应对缺货，这很可能是因为缺货项目对他们来说并不是必不可少的，因为他们的订单是基于长期预测的，因此准确性较低。

这表明，假设订单完成率取决于订单频率的库存控制模型可以很好地反映与我们类似的环境中的现实情况。与客户服务相关的变量比与客户需求相关的变量表现出更高的可变性。这可能是因为直接影响客户服务的公司供应过程比需求过程更为多变。客户服务的高度可变性在某种程度上是由于缺货的高度破坏性影响。更好地设计公司使用的库存和再订购政策可能有助于减少这种可变性。对于经常订购的客户来说，缺货确实会对当前和未来的销售产生不利影响。它们对当前的销售产生了不利影响，很可能是因为经常光顾的客户更迫切地需要收到缺货的商品。他们似乎不愿意取消这些项目，因为他们需要这些项目来满足短期（因此相对准确）的需求，但与此同时，他们不会等太久再去其他地方寻找这些项目。为什么缺货会对常客的未来销售产生不利影响，有三种可能的解释。当一个常客下订单时，他对以前的订单和相关缺货的记忆比一个不太常下订单的客户更清晰，因为这些订单都是最近的。然而，我们的分析表明，即使是经常光顾的客户，这种记忆似乎也是短期的，不会影响长期销售。2、当一位常客被迫向替代供应商索要订单中缺失的项目时，他向该供应商提出需求的那一刻，往往与他即将向原批发商下一个订单的那一刻非常接近。

在这种情况下，他可能会决定不向原批发商下一个订单，而是将其与他对缺失项目的需求一起交给其他供应商，以节省固定的订单成本。事实上，表1中的证据证实，对于经常性客户，最大交货延迟的平均值μk与客户决定取消其订单缺失部分的时间相关，非常接近平均到达间隔时间μe.3。与不太频繁的客户相比，频繁的客户可能会以更“及时”的方式进行操作，在这种情况下，他会被视为更加灵活和成熟。他更加老练，对批发商糟糕的客户服务更加敏感和反应。有几个问题我们在本研究中没有考虑到。我们没有考虑到我们没有数据的因素，例如每个订单中的项目详细列表，客户是否在缺货时接受项目替代，公司是否为缺货项目提供价格折扣，订单中取消的项目是否从其他批发商处购买或包含在后续订单中，未来的研究应着眼于将这些细节纳入分析。它还可以解决替代供应商产品的可用性问题，这将影响客户对Tockout的响应。参考Anderson，E.T.，G.J.Fitzsimons，D.I.Simester。衡量和降低库存成本。管理科学52（11）1751-1763。Campo，K.，E.Gijsbrechts，P.Nisol。零售商缺货对是否购买、购买多少和购买什么的影响。国际营销研究杂志。20 273-286.查尔顿，K.，A.S.C.埃伦伯格。1976年，品牌选择实验。《市场研究杂志》8 152-160。Dadzie，K.Q.，E。

温斯顿。2007年，消费者对在线供应链缺货的反应。《国际物流与物流管理杂志》37（1）19-42。Emmelhainz，M.A.，J.R.Stock，L.W.Emmelhainz。1991年a。消费者对零售缺货的反应。《零售杂志》67 2 138-147。Fitzsimons，G.J.2000年。消费者对缺货的反应。《消费者研究杂志》27（2）249-266。Holm，S.1979年。一种简单的顺序拒绝多重测试程序。斯堪的纳维亚统计杂志6（2）65–70。Jing，X.，M.Lewis。2011年，在线零售的缺货情况。《营销研究杂志》48（2）342-354。莫特斯，W.H.，S.B.卡斯特贝利。1985年，多品牌库存缺货影响的纵向现场测试。《市场科学院学报》13 54-68。斯特劳恩。K、 1991年。缺货与品牌份额之间的关系。佛罗里达州立大学博士论文。Westfall，P.H.，S.S.Young。基于重采样的多重测试：p值调整的示例和方法。约翰·威利，纽约。Zinn，W.，P.C.Liu。2008年。零售缺货时实际和预期消费者行为的比较。《商业物流杂志》29（2）141-159。表1：订单和交货变量的统计稳定2：Spearmanρ相关系数和相应的单尾显著性水平预测变量k和XT之间的相关性表3：Spearmanρ相关系数和相应的单尾显著性水平预测每个自变量和变量ETA之间的相关性表4：Spearman的ρ相关系数和相应的单尾显著性水平预示着各自变量和变量h之间的相关性