2019年11月22日，12BET大数据与管理科学系列讲座 “Offline Channel Planning in Omnichannel Retail: A Data Analytics Approach” 在沙河校区3号学院楼217顺利举行。本次讲座邀请到清华大学管理科学与工程系梁湧副教授作为主讲嘉宾。梁湧副教授的研究成果发表在 Operations Research, Manufacturing & Service Operations Management, Production and Operations Management 等国际顶级期刊上。讲座由管理科学系陈俊霖副教授主持，管理科学系井帅副教授、孟凡老师和中财大管工学院的部分研究生以及本科生参加了本次讲座。讲座主题旨在解决在全渠道零售中如何同时使得选品、选址以及库存最优化，并且该论文在POMS-JD.com 最佳数据驱动研究论文大赛中获得了第一名。梁湧副教授一开始即指出了传统零售的痛点，其中线下部分包括了四个方面：高运营成本、低客户行为知识、无私人化选品、低每平方英尺零售额；线上部分包括了三个方面：估值不确定性、无购物体验、退换问题。

随后，梁湧副教授通过盒马鲜生以及京东无人超市的例子详细地介绍了全渠道零售的概念，即企业为了满足消费者任何时间、任何地点、任何方式购买的需求，采取实体渠道、电子商务渠道和移动电子商务渠道整合的方式销售商品或服务，提供给顾客无差别的购买体验。

接下来，梁湧副教授对全渠道零售以及基于效用的随机选品优化的相关文献进行了阐述。在这里，梁湧副教授重点介绍了MNL(Multinominal Logit)模型，该模型是Logit类模型的基本形式，它是通过效用函数确定项的计算来获得个体对于不同产品的选择概率。

梁湧副教授还对联合选品与库存优化问题以及二次锥优化方法的文献进行了说明，其中二次锥优化方法是此篇论文的关键方法。

然后梁湧副教授通过对客户聚类以及Toy example的分析引入了此篇论文的模型，模型分为了两类：一类是线上店进行商品销售，线下店只体验不销售；另一类是线上店以及线下店都进行商品销售。该模型的主要目标是使得企业选址、选品以及库存同时最优化。模型的表达式非常复杂，在求解时会遇到NP难问题。因此，梁湧副教授对模型进行了简化，使得原本的非凸非线性规划问题变为了凸二次锥优化问题。

在对论文模型进行了深入介绍后，梁湧副教授开始解释该模型的求解过程：

1.引入了次模函数，将问题简化为对中间变量求极值的问题。这里由于单纯形法的求解效率较低，因此采用了贪婪算法。

2.通过实例对模型进行分析，分析的结论主要分为两个方面：A:企业不能简单按照需求大小来进行选址，B: 企业在远处新开一家店会影响过去已开店的选品。

梁湧副教授提到了这篇论文的改进方向：现实中，顾客在面临缺货问题时不一定会像报童模型一样直接走开，而有可能是买另一个品牌，这种购买行为与商品的缺货顺序有关。同学们围绕着本次讲座的主题，向梁湧副教授提出了一些实际应用方面的问题，梁湧副教授对于这些问题详细地阐述了自己的观点，学术氛围浓厚且热烈，最后留下了珍贵的合影以作纪念。此次梁湧副教授的学术报告，深入浅出地介绍了自己的这篇获奖论文，不仅使各位同学获益满满，也让各位老师启发良多。

讲座得到了“龙马奋进-校庆70周年学术系列讲座”和“2019年12BET专题学术讲座项目”资助。