توسعه و تحلیل سیاست های تبلیغاتی و تخفیفاتی BOGOF مبتنی بر ترکیب رویکردهای یادگیری ماشین و بهینه سازی برای کاهش ضایعات موادغذایی و سودآوری خرده فروش

این پژوهش به بررسی تاثیر سیاس تهای تبلیغاتی BOGOF (یکی بخر-یکی به رایگان ببر) بر کاهش ضایعا ت اقلام غذایی و افزایش سودخرده فروشان پرداخته است. در این مطالعه، دو نوع تبلیغ پایه ی BOGOF بررسی شده است که اولین سیاست، مشتریان را تشویق به خریددو واحد از یک کالا به قیمت یک واحد، در یک دوره زمانی می کند؛ در حالیکه در دومی، کوپن تخفیفی بر ای دریافت یکی از دو واحد کالادر دوره ی زمانی بعد ی، ارائه می شود. سپس این دو سیاست با یک سیاست ترکیبی جدید به نام BOGOF-Acc ، مقایسه شده است. روشتحقیق در پژوهش حاضر، ترکیبی از تکنیک های یادگیری ماشین و بهینه سازی بوده که برای تحلیل داده های خرده فروشی و مدل سازیبه منظور تحلیل تاثیرات این سیاست ها بر میزان ضایعات و سودآوری استفاده شده است. نتایج حاصل از این مطالعه نشان میدهد که اولینسیاست تبلیغاتی، در شرایط موجودی بالا، بهترین عملکرد را از نظر سودآوری و کاهش ضایعات کلی دارد. درحال یکه دومین سیاست، درشرایط موجودی متوسط، کاهش بیشتری در ضایعات منازل مصرف کنندگان ایجاد می کند. همچنین، سیاست ترکیبی سوم که شامل هردو سیاست اول و دوم می شود، در تمامی شرایط، ضمن تشویق مشتریان به خرید مجدد، منجر به کاهش ضایعات و افزایش سودآوریمی گردد. نوآوری این پژوهش، در استفاده از روش های یادگیری ماشین و بهینه سازی برای تحلیل دقیق تاثیرات سیاست های تبلیغاتی وپیاده سازی سیاست پویای BOGOF در شرایط مختلف است. این تحقیق، نشان می دهد که استفاده ی هوشمندانه از این سیاست هایتبلیغاتی می تواند به عنوان یک راهکار موثر برای کاهش ضایعات موادغذایی و افزایش سودآوری خرده فروشان مورد استفاده قرار گیرد.

کلیدواژه ها:

ضایعات موادغذایی ، خرده فروشی ، ارتقای فروش ، BOGOF ، یادگیری ماشین ، بهینه سازی