考虑广告效应与产品口碑的A产品供应链仿真

文/李璇

随着淘宝、京东和微店等互联网销售平台发展，再加上越来越快的物流速度，使人们对于产品的要求更高，产品更新迭代的速度也更快。在推出新产品时，商家往往要进行产品需求预测，以更好的管理工厂和代理商的产品库存，节省不必要开支。库存作为供应链系统中与产品需求密切相关的环节，其管理水平的高低影响着整个供应链中产品流通速度。另外，产品的库存管理和产品数量变化也影响整个企业的盈利能力。因此，在推出新产品时，评估该产品供应链的库存管理能否满足产品需求变化，对企业的盈收预测等具有十分重要的意义。

伴随科技的发展，各类仿真建模的软件被开发并应用于供应链的相关研究中，如Anylogic、Vensim、Matlab等。王道平、周叶等[1]利用Vensim软件构建了层链结构和中心结构两种扩散模式的供应链知识扩散系统动力学模型，仿真分析发现：中心结构比层链结构在知识扩散方面更具效率。陈思、张伟力[2]借助Anylogic软件建立三阶供应链模型进行仿真，分析提前供货期与牛鞭效应的关系，发现时间因素对牛鞭效应有重要影响，订货提前期的缩短能够减轻牛鞭效应。秦婧、张晓颖[3]则利用Matlab算例，在涉及产品回收的逆向供应链中，发现产品扩散会降低产品批量，增加零售商等待时间，从而降低再制造商利润。Quiroz[4]通过系统动力学设计了包括供应商、制造商、用户等变量的基本供应链模型，分析影响供应链系统的关键因素。

本文使用Anylogic软件构建供应链模型，基于A产品特点，构建某公司新产品A在推广时期的广告效应和产品口碑对产品需求量变化的仿真，并基于动态需求，对A产品供应链中库存数量变化仿真研究。假设供应链中，有一个工厂、一个总代理、一个区域总代理。基于巴斯扩散模型，模拟A产品通过使用微信、微博、小红书等互联网平台进行广告推广后，考虑客户口碑和广告效应的客户量与潜在客户量变化，并分析人口总量恒定的市场中，潜在客户转化为客户后产生的产品动态需求对区域总代理库存、总代理库存和工厂库存的影响。

一、相关概念与方法介绍

1.巴斯扩散模型

20世纪60年代初，美国学者埃弗雷特·罗杰斯（E.M.Rogers）提出了创新扩散理论，他认为创新扩散就是被他人认为是新颖的观念或事物，使用一定的方式随时间在社会系统的各种成员间进行传播的过程。创新扩散的传播过程可以用一条“S”形曲线来描述：在该创新传播的早期，由于使用者很少，传播进展缓慢，到了中期，随着使用者数量增加其传播速度加快并维持很久，直到后期，由于市场接近饱和，其传播进展又变得缓慢。

1969年，美国管理心理学家弗兰克·巴斯（Frank M. Bass）将数学思想引入到创新扩散理论中，提出了巴斯扩散模型，该模型使用创新系数和模仿系数，对新开发的消费者耐用品的市场购买数量进行描述和预测。在巴斯扩散模型中，消费者对新开发的产品进行购买的欲望与创新扩散模型相似，在市场容量恒定的情况下，表现为一条“S”形曲线。

2.系统动力学

供应链仿真，是利用计算机仿真方法建立企业经营管理模型，模拟企业群体之间的交易过程，从而辅助企业经营决策的仿真模型和工具[5]。国内外对供应链系统的仿真研究一般主要从两个方面展开：一是从系统考虑，对整体复杂系统进行建模和仿真；二是从供应链各节点环节考虑，对节点环节进行数学的分析优化。国内外进行供应链建模的方法分类，如图1所示。

图1 供应链建模方法分类

本文进行供应链仿真时，使用系统动力学模拟供应链中产品需求。系统动力学（System Dynamics，SD)，创立于20世纪50年代的美国麻省理工学院[6]，是一种探究系统动态发展变化的系统科学。1961年，Forrester在《工业动力学》一书中提到了一个著名的案例模型——电子零件工业的企业系统动力学模型，这是最早的企业通用模型。从此，企业中逐渐开始研究和应用系统动力学辅助生产经营，并蓬勃发展。如今，系统动力学的应用越来越广泛，尤其是在企业的生产、销售、订单、库存、人力资源、财务管理等管理决策中，它能够有效模拟企业未来发展，并针对性地提出企业发展规划和参考决策。

系统动力学主要借助于计算机，探究系统动态发展变化，为管理决策提供理论依据。尤其是在面对解决复杂的逻辑动态问题时，系统动力学有其独到的优势和突出的特点[7]，它通过设计活动对象的类，并定义它们之间的关系，对包括离散、连续和混合行为的复杂系统进行分析。

二、案例分析

本文基于AnyLogic软件，使用系统动力学方法在巴斯扩散模型的基础上，模拟某企业新开发产品A在产品推广和产品口碑的双重作用下客户数量和潜在客户数量的变化产生的产品动态需求，并以动态需求为连接点，分析该产品的供应链中工厂、总代理、区域总代理的产品库存变化，为供应链中各层级的库存管理提供优化参考。

1.产品需求模型

人们生活幸福水平提升要求商家不断对产品进行改革和创新，以满足人们日益增多的生活需求。在推出新产品时，需要对该产品的需求进行预测，以巴斯扩散模型为基础，本文假设产品A的需求受内部和外部两个方面的因素影响，使用系统动力学建立A产品的需求模型。

产品内部的因素主要表现为产品口碑和产品的生命周期。产品口碑是使用者对该产品的评价，受到三个方面的影响：（1）产品品控度：当客户购买到劣质产品，该客户下一次可能不会选择继续购买该产品。（2）产品适用性：客户认为该产品并不适用或者适用性差，故一直搁置该产品，由于客户已经拥有该产品，所以不会选择继续购买该产品。（3）产品满意度：在客户使用产品过程中，认为该产品不符合自己的要求，选择其他替代品。产品的生命周期是指产品从准备进入市场开始到被淘汰退出市场为止的全部运动过程，本文选取狭义的产品的生命周期定义，主要指该产品的全部使用寿命。

产品外部的因素表现为产品的广告效应。在新产品推出时，商家往往需要进行产品推广以扩大该产品的知名度，吸引客户选购该产品。商家推出新产品离不开与各类信息分享平台良好互动，本文假设产品A在推出时，选取朋友圈分享集赞、公众号广告合作、微博达人推广和小红书达人推广这四种渠道进行该产品的介绍和推广。在各类信息平台进行推广时，总有潜在客户并不关心这种广告，置之不理，故设置屏蔽系数，表示潜在客户对各类平台推广的屏蔽程度。此外，潜在客户在选购产品时，不仅受商品的广告效应影响，还会与已购客户进行信息交流，同时受到产品口碑的影响。

综上，如图2所示，产品A的需求表现为：潜在客户受到产品广告效应和产品口碑影响，产生产品需求，同时变为客户。客户受到产品口碑和产品使用寿命影响，通过产品的再购买率，产生产品需求。

图2 产品需求的系统动力学流图

在构建的系统动力学流图中，还需要对各类参数进行属性设置。在AnyLogic软件中，点击变量，在最右侧的属性设置工作区，可对该变量的名称、初始值、方程式等基础属性和关系进行设置，以动态变量——广告效应的参数设置为例，如图3所示。

图3 广告效应的属性工作区设置

本文使用Anylogic软件构建供应链模型，基于A产品特点，构建某公司新产品A在推广时期的广告效应和产品口碑对产品需求量变化的仿真，并基于动态需求，对A产品供应链中库存数量变化仿真研究。

本文假设A产品开始推广前，人口总数恒定，客户数为0，潜在客户数量等于人口总数，产品的使用寿命为45天，以此为依据，在系统动力学模型中设置潜在客户、客户、产品生命周期等的参数值。在该系统动力学模型中，重要变量的属性和公式设置如表1所示。

表1 重要变量的类型和参数

Easingwood等[8]通过对五类耐用消费品的扩散数据进行研究发现，发现产品广告效应的取值范围在0.000021到0.003297，产品口碑的取值范围为0.2013到1.6726之间。本模型的取值在该区间内，详见表2对照组的参数数据。此外，为清晰展示广告效应与口碑效对需求（客户数量）的影响，本模型设置三个实验组，如表2所示。

表2 对照组与实验组的参数设置表

2.供应链模型

在产品A的供应链模块采用的智能体建模方法，以天为时间单位。在仿真模型中，设置三个智能体，分别表示区域总代理、总代理和工厂，其供应链仿真图如图4所示。

图4 产品A的供应链仿真图

在智能体的工作区，使用智能体组件，设置该智能体的参数、动态事件、变量、函数等。本文假定工厂每日生产速率为3000件，初始库存为100件，每日检查订单数量和积压订单，并接受新订单。设置总代理初始库存为50件，批发商再订货点为2000件，最大库存为4000件，每日接受区域总代理的订单，更新库存和积压的订单。设置区域总代理的初始库存为30，再订货点为500件，最大库存为2500件，每日检查消费者需求，并更新库存数据。当发现现有库存水平低于安全库存时，发出订单补充库存。

同时，本文假设总代理发出订单，工厂接收订单时立即送出货物，设置产品送达时间为随机的12小时至24小时内送达。从区域总代理发出订单，总代理接受订单立即发出货物，设置产品送达时间为随机的6小时至12小时内送达。当库存不能满足需求时，产生积压订单，当库存满足订单要求时候，货物按订单先后顺序发出。

3.建立综合模型

本文所应用的模型是基于系统动力学与智能体的混合模型。将产品需求模型与供应链模型以产品需求为连接点，构建A产品动态需求对该产品供应链库存影响的仿真模型。运行该仿真模型，如图5所示。

在该模型中，前文“产品需求模型”和“供应链模型”所述的所有变量的数据、初始值、性质、函数等，均可根据使用场景不同进行修改设置，各模块具备柔性。

三、仿真结果与分析

在仿真前，所有人对商品都没有了解。仿真开始后，每个独立的潜在客户受广告宣传和已购买该产品的客户口碑两方面的影响，随着时间的变化，潜在客户转变为客户，产品需求随时间动态变化。产品需求变化，影响区域总代理、总代理和工厂的订单数量和库存。区域总代理接受订单，并向总代理发出订货请求，总代理接收区域总代理的订单，有库存时发出产品，在最低库存时，并向工厂订货。当总代理和工厂都无产品库存时，总代理和工厂会产生积压订单。

重复上述步骤循环运行到模拟结束，得到仿真结果如下：

1.各类客户数量变化

如图4所示，图中横轴为时间（天），纵轴为人数（人），潜在客户在广告作用和口碑作用的影响下逐渐产生购买决定转化为客户，同时，客户受产品内在因素的影响，第一次产品购买产品的客户可能并不会在产品用完后立即购买第二次产品，图中购买客户意味着客户受口碑效应的影响产生购买决定的波动情况。从对照组结果中可看出，约400天左右，该产品市场基本饱和。对比三个实验组结果，从a组可看出，广告效应越小，S型越平缓，潜在客户转化为客户的速度越慢，从b组可以看出，口碑效应增大时，购买客户数量的波动幅度增大且提前，产品需求不确定性增大；从c组可以看出，潜在客户总量越大时，口碑效应在客户人数占市场四分之三时影响产品需求，在后期对需求的影响增大，产品需求不确定性进一步扩大。

2.动态需求量与区域总代理库存量变化

从图5的仿真结果看出，产品需求随时间推移稳定上涨。对比实验结果：在a组中，广告效应越小，需求增速越缓慢，库存量随需求缓慢下降；b组中，口碑效应越大，需求的波动幅度越大，且频率逐渐增高；c组中，人口总量越大，前期产品需求趋势与对照组类似，后期产品需求趋势与c组类似，说明人口越大，口碑对需求的前期影响小于后期影响。

对区域代理而言，随着产品需求增加，补货频率逐渐增加。此外，广告效应越小，补货周期越长；口碑效应越大，库存短缺情况发生得越早；人口总量越大，产品需求越大，库存短缺的情况出现越频繁。以对照组为例：补货的周期从前期20天一次，到后期约3天一次，补货的周期越来越短，甚至到180天之后，区域总代理无库存，产生订单积压，增加产品需求波动。由此可得，推广后期供不应求情况愈加严重，供应链内各级可从产品动态需求变化周期推断库存量变化周期，并优化库存数量，减少订单积压。比如在第120天左右，区域总代理可考虑增加产品的最大库存或者增加补货数量，增长补货周期，减少补货费用，避免产生产品无库存导致订单积压的情况。

图6为供应链中工厂、总代理、区域总代理的库存变化量仿真图，横轴为时间（天），纵轴为需求量（件）和库存量（件）。从仿真结果看出，对工厂、总代理、区域总代理的库存而言，随着需求动态增加，库存数量呈现出有规律的锯齿形，补货频率越来越快。这主要是因为起初工厂的生产量大于需求值，产生大量库存。而随着用户的增加，需求量开始增大，供应链中各级库存被消耗。

图6 产品供应链运行示意图

图7 各类客户数量变化仿真图

图8 产品需求与区域总代理库存变化仿真图图

图9 供应链的库存情况仿真图

3.各级供应链库存变化

从仿真结果可看出，广告效应越小，库存变化越小，口碑效应和人口总量越大，补货频率越高。在a组中，广告效应越小，推广力度越小，需求变化越缓慢，库存量随需求缓慢下降，补货周期几乎达到200天；b组中，口碑效应越大，需求的波动幅度越大，冲击产品供应链各级库存，区域代理库存严重不足，区域代理的需求不断增大，但受工厂和总代理每日订单处理能力的约束，工厂和总代理仍有库存；c组中，人口总量越大，补货频率越高，且区域代理的库存提前发生存货不足的情况。此外，产品A需求变化对各级供应链的影响周期不同，在对照组结果中，第120天、200天左右区域总代理产品库存几乎为零；在第110天，190天，总代理的产品库存接近于零；在120天，210天时，工厂的库存几乎为零，这说明各级供应链调整自身的订货周期、再订货点、库存量和计划生产量时需要关注产品需求变化周期。

四、结论与建议

本文使用Anylogic软件模拟A产品的潜在客户受微信、微博、小红书等信息交互平台和产品口碑影响转化为客户后产生的动态需求量变化，并分析动态需求变化对供应链中区域总代理、总代理、工厂的库存量变化产生的影响。

通过仿真分析，得到如下重要结论：

1.产品推广初期，产品的需求变化受广告和口碑的双重影响；在后期，产品需求更可能受产品口碑的影响，且口碑效应越大，该产品的市场需求不确定性越大。对A产品而言，在产品推出初期，应该投入大量资金在产品广告中，增加产品知名度，迅速占领市场。但在产品后期，应将重点放在产品口碑方面，通过口碑广告、产品性能提升等，提升产品口碑，维持产品需求的稳定。

2.随着潜在客户转化为购买客户，需求量增加。工厂、总代理、区域总代理的库存，随着时间推移，呈现出有规律的锯齿形，且频率变快，这意味着各级库存管理者从产品使用周期、产品推广周期的角度出发，考虑增加库存以缩短订货频率，节省订货费用。

3.在供应链库存管理中，除新客户的需求外，老客户再购买产生的订单也会给供应链带来冲击，增加产品需求的不确定性，各级应结合产品使用寿命推算可能产生的订单爆发时期，并建立管控措施，有效应对库存不足产生订单积压的情况。