Magíster en Gestión de Operaciones. Ingeniero Civil Industrial / Los principales antecedentes y la motivación del presente trabajo provienen de la teoría de
Assortment, los modelos de elección discreta y los procesos de Social Learning. Se apunta a
reunir parte de la vasta literatura en torno a estos temas, proponiendo un modelo matemático
que incorpore el feedback de los consumidores en la elección del surtido de productos a ofrecer
por parte de un vendedor.
El modelo propuesto incluye un comerciante minorista quien se enfrenta a una secuencia
finita de clientes, los que tienen la opción de escoger alguno de los productos ofrecidos por el
vendedor. En caso de comprar alguno, descubren su calidad y la reportan de manera pública,
siendo esta información utilizada por futuros consumidores en su proceso de decisión mediante
actualización bayesiana de sus creencias. Estos reportes a la vez permiten al retailer - quien
sólo puede ofrecer una cantidad limitada de productos - optimizar su oferta, escogiendo aquel
conjunto de alternativas que le entregue un mayor beneficio esperado.
La manera natural para abordar el problema de optimización de assortment enfrentado
por el vendedor es mediante Programación Dinámica Estocástica, al tratarse de una situación
en tiempo discreto donde período a período se debe tomar una decisión ante un determinado
estado del sistema. Sin embargo, el número de estados posibles aumenta explosivamente en
función de los parámetros considerados, volviéndose un problema virtualmente imposible de
resolver en instancias realistas. Es por ello que se opta por Programación Dinámica Aproximada,
proponiéndose 3 heurísticas que permiten obtener resultados en contextos en los cuales
no es posible optimizar de manera exacta.
A modo de referencia, se compara el rendimiento de las heurísticas con el de una estrategia
bajo la cual el vendedor no considera las evaluaciones hechas por los clientes, ni la incidencia
de sus decisiones en períodos futuros. La diferencia en los beneficios llega a ser enorme,
observándose en los experimentos realizados aumentos superiores a 300% al utilizar alguno
de los algoritmos sugeridos, en vez de obviar la información disponible. Esto no solo valida
la calidad de los métodos heurísticos propuestos, sino que sobre todo ilustra la importancia
de considerar el feedback de los consumidores. / Este trabajo ha sido parcialmente financiado por CONICYT
| Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/147156 |
| Date | January 2017 |
| Creators | Carrasco Heine, Óscar Felipe |
| Contributors | Sauré Valenzuela, Denis, Caldentey Morales, René, Olivares Acuña, Marcelo |
| Publisher | Universidad de Chile |
| Source Sets | Universidad de Chile |
| Language | Spanish |
| Detected Language | Spanish |
| Type | Tesis |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0024 seconds