面向全渠道零售的网络设计综述
Network Design for Omnichannel Retailing: A Review
摘要: 随着全渠道零售模式的兴起与发展,零售商面临着更加复杂的网络设计与优化问题。零售商不仅需要考虑线上需求的履约策略,还需要考虑市场中竞争者的网络部署以及定价决策。本文综述了全渠道零售环境下的网络设计问题,重点探讨了零售商如何在多渠道环境下优化设施选址和订单履约。零售商在进行网络设计时,需充分考虑不同渠道之间的资源整合与协同效应,确保在满足消费者需求的同时,提高库存周转和配送效率。通过分析近年来全渠道零售网络设计的主要研究成果,本文总结了现有的研究方法和未来可能的发展趋势,为学术界和零售业提供一定的理论依据和实践指导。
Abstract: With the rise and development of omnichannel retail, retailers face increasingly complex network design and optimization challenges. They must not only consider fulfillment strategies for online demand but also take into accounts competitors’ network deployments and pricing decisions. This paper reviews network design issues in the omnichannel retail environment, focusing on how retailers can optimize facility location and order fulfillment across multiple channels. In network design, retailers need to integrate and leverage resources across channels, ensuring efficient inventory turnover and delivery while meeting consumer demand. By analyzing key research findings on omnichannel retail network design in recent years, this paper summarizes existing methods and potential future trends, offering theoretical and practical guidance for both academia and retail industry.
文章引用:徐毓萱. 面向全渠道零售的网络设计综述[J]. 管理科学与工程, 2025, 14(2): 345-352. https://doi.org/10.12677/mse.2025.142034

1. 引言

信息技术的蓬勃发展,推动了零售商从实体化向电子化的转变,原先的单一线下渠道发展成如今耳熟能详的“线上 + 线下”渠道。零售商通过在各大电商平台上开设网店,既满足消费者足不出户也能轻松购物的心愿,也为消费者提供了详细的商品信息展示页,使消费者在购物的过程中更加放心,因而深得消费者信任。据国家统计局数据显示,2022年全国电子商务平台交易额43.8万亿元,比上年增长3.5%;全国网上零售额13.79万亿元,同比增长4%。其中全国网购替代率(线上消费对线下消费的替代比例)更是高达80.7% [1]

近年来,消费者的购物需求也愈加多元化。消费者不仅追求线上购物的便捷、快速送达的物流体验以及丰富的商品展示信息,还希望能够获得对商品的真切体验以及人工的交流服务。消费者的多元化需求,推动着零售商进一步思考渠道间的融合,以此为消费者提供更好的购物体验。诸多世界知名零售商,例如优衣库、Zara和Walmart等公司近年来都对其订单履约网络做出了结构性调整。优衣库于2018年正式启动了“线上购买,线下商店自提(Buy-Online-Pick-up-in-Store, BOPS)”的零售业务,将自己定位为一家既走时尚又走数字化方向的时尚科技公司;Zara在Stratford重新开设了具有数字体验的旗舰店,标志着实体店和网上商店全面整合的重要时刻;Walmart引入“线上购买,线下商店配送(Buy-Online-Ship-from-Store, BOSS)”的履约策略,即商品不再是从传统的仓库而是从商店运送至消费者手中,为此Walmart计划将14家山姆会员店改造成电商履约中心(Fulfillment Center, FC),以支持快速发展的线上交易。

种种实践表明,零售商们正在从原先的线上线下多渠道独立并行转向线上线下多渠道的融合。原先的商店不仅仅是单一的线下渠道,还深度参与线上渠道的履约过程中。商店既可以作为线上渠道的提货点,满足消费者快速送达的服务要求,还可以作为订单履约中心,将商品从商店运送至消费者手中。原先被割裂的线上渠道和线下渠道,现在变得相互融合、优势互补,这种线上线下多渠道的融合,就是零售业的新发展阶段——全渠道零售。

2. 全渠道零售

全渠道零售的出现与蓬勃发展,改变了原先零售业的生态,既给传统零售业带来了冲击和挑战,又带来了前所未有的发展机遇。全渠道零售是零售渠道从多渠道向跨渠道发展演化的高级阶段,零售过程可分布于不同的渠道类型且不同渠道可以任意整合,最终构成消费者完整的全渠道零售购买过程[2]。主要的国际品牌采用全渠道管理来应对数字和共享经济商业模式对产品和服务的快速获取需求。因此,面向全渠道的运营对成熟的公司或新兴的公司都带来了挑战,它们必须做出“正确的”决定,以适应新的零售环境[3]

基于上述全渠道运营带来的风险与机遇,零售商在将线上渠道和线下渠道融合时,首先需要考虑全渠道履约网络的部署。例如配送中心(Distribution Center, DC)的选址(包括决策是开设单一的中央仓库还是多个分散的仓库)、全渠道商店的选址(包括决策是否开设全渠道商店)、如何配置全渠道商店的服务能力、是否开设专门的线上订单履约中心(Direct-to-Customer, DTC)等等。从规划层次来看,订单履约网络设计问题关注的是中期战术问题,是后续基于线下商店的订单履约策略实施的基础。零售商运营的全渠道零售网络由配送中心DC和线下商店构成,几种比较常见的线上需求及履约策略如图1所示。

Figure 1. Online demand and fulfillment strategies

1. 线上需求及履约策略

消费者线上需求的履约策略一般可以分为以下几种(不考虑退货的情况):

(1) DC直接配送:这是比较传统的线上需求履约策略,消费者在线上下单,零售商使用DC库存将商品配送至消费者手中。

(2) BOSS策略(Buy-Online-Ship-from-Store, BOSS):消费者在线上下单,零售商使用商店的库存将商品配送至消费者手中。

(3) SFS策略(Ship-from-Store, SFS):消费者在线上下单,零售商使用DC库存将商品运送至商店,由商店配送至消费者手中。

(4) BOPS策略(Buy-Online-Pick-up-in-Store, BOPS):消费者在线上下单,前往商店自提,零售商使用商店库存来履约订单。

(5) STS策略(Buy-Online-Ship-to-Store, STS):消费者在线上下单,前往商店自提,零售商使用DC库存将商品运送至自提商店。

在网络设计中除了需要考虑线上需求的履约策略,还需要考虑市场情况,例如市场中是否存在竞争者、竞争者的网络部署以及竞争者的反应将会对零售商产生什么影响。当市场中已经存在竞争者时,随着另一家零售商进入市场,一般情况下竞争者考虑成本等因素基本不会改变其商店的位置或重新开设商店,最常见的应对策略是通过降低价格或者提高商店服务质量,以争取更多市场份额[4]。因此,全渠道零售商在网络设计时通常面临两大问题:一是全渠道零售商在线上渠道和线下商店的定价决策对其选址、订单履约、收益将产生何种影响;二是市场中若存在竞争者,两者间的定价博弈如何影响全渠道零售商的线下商店选址和订单履约。

3. 国内外研究现状

全渠道零售在运营管理相关的文献中属于相对较新的领域,近年来受到了广泛关注。国内外学者针对如何提升全渠道零售商资源管理的效率来为消费者提供无缝完美的购物体验,以及在不同线上需求的履约策略下全渠道环境的网络设计等内容进行了深入探讨。同时,考虑到市场中存在竞争者的情况更为普遍,且竞争性设施选址问题作为网络设计中的重要领域,已经存在大量优秀的研究成果。为了系统地梳理和分析全渠道零售网络设计的相关文献,本文构建了一个清晰的理论框架,通过研读国内外相关研究成果,将相关的学术研究成果大致分为三部分:(1) 全渠道零售的发展;(2) 面向全渠道零售的网络设计问题;和(3) 竞争性设施选址,这主要是基于全渠道零售的本质特征、网络设计的复杂性以及市场竞争的现实需求,它们共同构成了一个既全面又具有针对性的理论框架。通过这一框架,我们能够更全面地理解全渠道零售网络设计的复杂性和多样性。而在文献检索方面,本文采用了系统性的文献检索方法,通过在Web of Science、Scopus和CNKI等数据库中检索与全渠道零售、网络设计和竞争性设施选址相关的文献。然后,根据文章的引用次数、发表年份和研究主题进行筛选,最终选取了最具代表性和影响力的文献进行综述。

3.1. 全渠道零售的发展

首先,理解全渠道零售的发展是构建整个研究框架的基石,通过回顾这部分文献,我们可以把握全渠道零售的本质特征和发展趋势,为后续的网络设计和竞争策略分析提供坚实的基础。在过去的二十年里,随着在线零售网站、市场和其他数字平台例如手机购物应用程序和社交媒体的出现,它们为卖家提供了与买家联系的多种渠道,从而扰乱和改变了零售世界,因此“全渠道”一词在过去六年里迅速流行[5]。这一流行趋势表明当代消费者有能力和立场在购物过程的不同阶段中利用多种渠道。例如《哈佛商业评论》在2017年对一家多渠道零售商的43,000名购物者进行的调查中发现,73%的研究参与者是全渠道消费者,也就是说他们在购物过程中使用了多个渠道[6]。Timoumi等人在文章中提到2018年的一项电子营销公司的研究报告,报告称虽然只有7%的美国购物者是全渠道的,但这一群体贡献了美国零售总额的27% [7]

当今零售业已进入了全渠道零售新时代,这给零售商的运营带来了极大的挑战,也创造了新的机会。在全渠道零售环境下,线下商店不再是一个单纯的销售渠道,更重要的是它是消费者跨渠道无缝购物体验的一个重要组成部分,在全渠道零售中消费者并不能明显感知到渠道之间的差异,因此全渠道零售获得国内外学者的广泛关注与研究。Brynjolfsson等人是这样形容全渠道零售的,“在过去,实体零售店的独特之处在于允许消费者触碰与感知商品,并提供即时满足;与此同时,线上零售商试图通过广泛的产品选择、低价格和产品评论与评级等内容来吸引消费者。而随着零售业向无缝的全渠道零售发展,实体和线上之间的区别将会消失,把世界变成一个没有墙壁的展示厅(showroom)”[8]

3.2. 面向全渠道零售的网络设计问题研究

在理解了全渠道零售的发展之后,面向全渠道零售的网络设计问题成为了研究的核心。这部分文献探讨了如何在全渠道零售的背景下,通过优化网络布局、库存管理、物流配送等关键环节,实现资源的有效配置和高效运作。

在传统的订单履约网络中,消费者的线上需求一般是由集中配送中心DC直接履约,零售商使用DC处的库存将商品运送至消费者手中。Zhang等人比较传统的履约网络和灵活的新履约网络,即由供应商、制造商、集中配送中心DC和区域配送中心(商店)组成的新履约网络,开发了一个多目标MILP模型,该模型提供了一套基于成本、客户服务和环境措施的帕累托最优设施-客户区域分配决策集[9]。类似地研究还有Yadav等人通过将灵活的网络设计与传统的网络设计进行比较,证明在不同的目标下,例如设施和运输成本、环境成本和最大的客户覆盖范围等,灵活的网络设计由于更好的设施利用率总是优于传统的网络设计[10]

在全渠道零售环境下,随着消费者需求多元化带来履约设施和履约策略的丰富和升级,零售商得以进一步扩张其履约网络,实现线上渠道和线下渠道间资源的灵活柔性共享。例如Ishfaq研究了零售商应该如何最优地利用自己的零售网络来履约线上订单。其网络中包含给商店补货和履约线上订单的DC、专门履约线上订单的DTC、直接履约线上订单的供应商以及商店共四种履约设施[11]。在同样的包含四种履约设施的网络基础上,Ishfaq和Bajwa研究了具有价格弹性的需求下零售商的最优库存、定价和履约决策问题。作者建立了一个非线性的混合整数规划模型,并使用迭代的外逼近算法进行求解[12]。Millstein等人研究了全渠道零售中仓库与商店的选址以及订单的多商品单周期履约问题,作者考虑了四种线上订单的履约方式:由商店履约、由仓库履约SFW、由商店和仓库共同履约以及仓库履约且商店可以给仓库补货[13]。Millstein和Campbell研究美国一家体育用品零售商的仓库选址和订单履约网络,考虑该零售商服务水平、竞争者的线下商店以及渠道侵蚀对零售商线上需求的影响并使用实际数据预估了线上需求量[14]。Lin等人研究一个在线零售商考虑在市场中开设线下零售店的选址与履约问题。作者使用离散选择模型来刻画消费者的渠道选择,当消费者选择线上渠道时,零售商既可以选择使用DC进行履约,也可以使用商店进行履约[15]

除了考虑由商店履约线上需求(SFS)外,部分研究者们还在全渠道的网络设计中引入消费者“线上购买、线下商店自提(BOPS)”这一需求。例如Jain等人研究印度的一家多渠道零售商采用BOPS策略时选择的全渠道商店集合,并使用多种标准诸如需求、库存承载能力、成本和人口特征等因素对候选商店集进行评估[16]。Mahar等人研究BOPS策略下零售商的BOPS商店集合选择问题。为了防止BOPS用户在到达商店取货时发现没有库存的情形,零售商需要根据实时的库存信息、需求预测与消费者的位置来决策线上渠道展示哪些商店可以用于BOPS履约[17]。Guerrero等人在研究一家快递公司为全渠道零售商提供包裹运输服务时,考虑全渠道零售商存在的DC直接配送、商店履约SFS以及线上购买线下商店退货BORS等多种履约策略,快递公司在重新设计其物流网络时需要决策城市履约中心CDC和中间仓库ID的位置以及相应的服务能力,从而使总成本降至最低[18]

3.3. 竞争性设施选址问题研究

在市场竞争日益激烈的背景下,竞争性设施选址问题成为了全渠道零售网络设计不可忽视的一环。这部分文献关注于如何在存在多个竞争者的市场中,通过合理的设施选址策略来增强全渠道零售商的竞争优势。

设施选址问题是在给定的空间范围内选择设施的位置,以优化一个特定的目标,例如利润最大化或成本最小化。设施选址问题可以分为竞争性设施选址问题(competitive facility location problem)和非竞争性设施选址问题(non-competitive facility location problem)。在非竞争性设施选址问题中,决策者所在的市场并不存在竞争者。比较简单的设施选址问题如Weber problem,研究在欧式平面内选择一个设施的位置,目标是最小化设施与指定消费者集的总距离[19]。然而现实中,存在竞争的情况更为普遍。在竞争性设施选址问题中,决策者在决策设施选址时需要和市场中已经存在或即将进入市场的竞争者竞争。

最早研究竞争性设施选址问题的是Hotelling,他研究在一个消费者均匀分布的市场中两个竞争者的设施选址与定价策略[20]。到了1980年,随着建造成本、需求分布以及更多复杂优化指标的不确定性增加,越来越多的学者将对设施选址问题的关注转移至竞争性设施选址问题,竞争性选址模型开始被应用于实际的选址问题中。Goodchild和Noronha将竞争模型应用于加油站的选址[21]。Bell等人将竞争模型应用于杂货店的选址[22]。Drezner将模型应用到酒店行业[23]。Serra和ReVelle将Hotelling模型扩展到一个网络中并提出了考虑竞争的选址定价问题,即一个新进入的零售公司寻求最佳的位置和定价决策以与现有的公司竞争。他们在研究中假设消费者的选择是基于前往设施的路途成本与采购成本,并设计了启发式算法[24]。因此在竞争性设施选址问题中,普遍认为设施需要通过吸引所在区域的消费者,来尽可能多地获取市场份额。例如研究者们认为消费者会基于设施的吸引力(效用)以及与设施之间的距离将他们的购买力分散至不同设施,因此对竞争者们获取市场份额的评估模型,首先依赖于对设施吸引力水平的估计。Nakanishi和Cooper建议确定一个属性列表,并将每个属性赋予权重,设施的吸引力可表示为这些属性价值的乘积[25]。Drezner将消费者的选址行为分为确定性原则和概率性原则下的两种[26]。在确定性原则下,同一需求点的所有消费者只会选择光顾同一个设施,例如Hotelling最先提出竞争者们通过收取不同的工厂价格来进行竞争,客户选择提供最低的工厂价格加上旅行成本的设施[20];在概率性原则下,同一需求点的消费者会按照一定概率光顾不同的设施。其中最为广泛使用的是比例模型,例如重力模型和Luce模型。根据重力模型,消费者光临设施的概率与设施的吸引力成正比,与距离成反比。在Luce模型中,消费者光临设施的概率与设施的吸引力(即效用)成正比。总之,研究者们使用设施的属性来刻画消费者的选择行为,从而确定竞争者彼此间的市场份额。

3.4. 文献评述

全渠道零售近年来成为运营管理领域的研究热点,学者们主要聚焦于提升资源管理效率、优化消费者购物体验以及设计适应多元需求的履约网络。通过比较分析国内外研究成果可知,传统履约网络主要依赖集中配送中心,而新型网络则融合了供应商、线下商店和区域配送中心等多种设施,以提高资源共享和履约灵活性。同时,竞争性设施选址问题作为网络设计的重要组成部分,涉及在竞争环境中优化设施布局以争夺市场份额。研究采用不同的模型,如重力模型和Luce模型,模拟消费者的选择行为及竞争对手的反应。总体而言,随着全渠道零售模式的成熟,如何通过精确的网络设计和优化履约策略来提高零售商的运营效率,已成为学术界关注的重点。

4. 未来研究方向

通过分析国内外现有全渠道零售的研究文献可知,关于全渠道零售的网络设计问题的研究尚且存在一定的空白。例如,现有的全渠道网络设计的文献大多关注于后续的订单履约与库存分配,对于订单履约网络设计这一中期战术问题研究略少,且考虑因素并不全面,忽略了商店服务能力与定价等因素对消费者渠道选择和市场份额的影响。另一方面,关于市场中存在竞争者对全渠道零售商网络设计的影响研究也是较为缺乏,在竞争性设施选址研究中市场主体基本为实体零售商。因此,研究竞争带来的定价博弈对全渠道零售商的商店选址以及后续的订单履约的影响是十分有必要的。

具体而言,未来的研究可以围绕以下多个角度展开:(1) 如何结合消费者行为模型,优化全渠道零售的订单履约策略?(2) 如何利用数据驱动的方法,解决竞争环境下的全渠道零售网络设计问题?(3) 如何通过多目标优化方法,平衡成本、商店服务水平和环境影响等多个目标?(4) 如何利用机器学习和人工智能技术,提高全渠道零售网络的预测和决策能力?

5. 总结

随着信息技术的发展,全渠道零售逐渐成为零售行业的主流模式。全渠道零售融合了线上与线下渠道,不仅满足消费者便捷的线上购物需求,还提供线下服务,极大提升了消费者购物体验。全渠道零售商在网络设计中面临许多挑战,尤其是在履约网络的布局、商店选址、履约策略选择等方面。过往研究表明,灵活的履约网络比传统网络更加高效,能够在成本、服务和环境影响等方面展现出一定优越性。同时,竞争性设施选址问题也成为全渠道零售中网络设计的研究重点,尤其是在市场中存在竞争者时,如何通过优化设施布局来争夺市场份额。未来的研究应进一步探索全渠道零售商在不同市场环境下的优化策略,尤其是如何在竞争激烈的市场中,通过精确的商店选址和灵活的履约网络设计来提高运营效率,以应对复杂多变的市场需求。

参考文献

[1] 国家统计局. 闾海琪: 国家统计局统计科学研究所所长闾海琪解读2022年我国经济发展新动能指数[EB/OL].
https://www.stats.gov.cn/xxgk/jd/sjjd2020/202308/t20230822_1942176.html, 2023-08-22.
[2] 齐永智, 张梦霞. 全渠道零售: 演化, 过程与实施[J]. 中国流通经济, 2014, 28(12): 115-121.
[3] Cai, Y. and Lo, C.K.Y. (2020) Omni-channel Management in the New Retailing Era: A Systematic Review and Future Research Agenda. International Journal of Production Economics, 229, Article 107729.
https://doi.org/10.1016/j.ijpe.2020.107729
[4] Shan, W., Yan, Q., Chen, C., Zhang, M., Yao, B. and Fu, X. (2017) Optimization of Competitive Facility Location for Chain Stores. Annals of Operations Research, 273, 187-205.
https://doi.org/10.1007/s10479-017-2579-z
[5] Verhoef, P.C., Kannan, P.K. and Inman, J.J. (2015) From Multi-Channel Retailing to Omni-Channel Retailing: Introduction to the Special Issue on Multi-Channel Retailing. Journal of Retailing, 91, 174-181.
https://doi.org/10.1016/j.jretai.2015.02.005
[6] Sopadjieva, E., Dholakia, U.M. and Benjamin, B. (2017) A Study of 46,000 Shoppers Shows That Omnichannel Retailing Works. Harvard Business Review, 3, 1-2.
[7] Timoumi, A., Gangwar, M. and Mantrala, M.K. (2022) Cross-Channel Effects of Omnichannel Retail Marketing Strategies: A Review of Extant Data-Driven Research. Journal of Retailing, 98, 133-151.
https://doi.org/10.1016/j.jretai.2022.02.008
[8] Brynjolfsson, E., Hu, Y.J. and Rahman, M.S. (2013) Competing in the Age of Omnichannel Retailing. MIT Sloan Management Review, 54, 23-29.
[9] Zhang, S., Lee, C.K.M., Wu, K. and Choy, K.L. (2016) Multi-Objective Optimization for Sustainable Supply Chain Network Design Considering Multiple Distribution Channels. Expert Systems with Applications, 65, 87-99.
https://doi.org/10.1016/j.eswa.2016.08.037
[10] Yadav, V.S., Tripathi, S. and Singh, A.R. (2017) Exploring Omnichannel and Network Design in Omni Environment. Cogent Engineering, 4, Article 1382026.
https://doi.org/10.1080/23311916.2017.1382026
[11] Ishfaq, R. and Raja, U. (2017) Evaluation of Order Fulfillment Options in Retail Supply Chains. Decision Sciences, 49, 487-521.
https://doi.org/10.1111/deci.12277
[12] Ishfaq, R. and Bajwa, N. (2019) Profitability of Online Order Fulfillment in Multi-Channel Retailing. European Journal of Operational Research, 272, 1028-1040.
https://doi.org/10.1016/j.ejor.2018.07.047
[13] Millstein, M.A., Bilir, C. and Campbell, J.F. (2022) The Effect of Optimizing Warehouse Locations on Omnichannel Designs. European Journal of Operational Research, 301, 576-590.
https://doi.org/10.1016/j.ejor.2021.10.061
[14] Millstein, M.A. and Campbell, J.F. (2018) Total Hockey Optimizes Omnichannel Facility Locations. Interfaces, 48, 340-356.
https://doi.org/10.1287/inte.2018.0942
[15] Lin, Y.H., Wang, Y., Lee, L.H. and Chew, E.P. (2022) Omnichannel Facility Location and Fulfillment Optimization. Transportation Research Part B: Methodological, 163, 187-209.
https://doi.org/10.1016/j.trb.2022.07.005
[16] Jain, A., Darbari, J.D., Kaul, A., Ramanathan, U. and Jha, P.C. (2022) Facility Selection Model for BOPS Service for an Omnichannel Retail Chain. IEEE Transactions on Engineering Management, 69, 2857-2870.
https://doi.org/10.1109/tem.2020.3018912
[17] Mahar, S., Salzarulo, P.A. and Daniel Wright, P. (2012) Using Online Pickup Site Inclusion Policies to Manage Demand in Retail/e-Tail Organizations. Computers & Operations Research, 39, 991-999.
https://doi.org/10.1016/j.cor.2011.06.011
[18] Guerrero-Lorente, J., Gabor, A.F. and Ponce-Cueto, E. (2020) Omnichannel Logistics Network Design with Integrated Customer Preference for Deliveries and Returns. Computers & Industrial Engineering, 144, Article 106433.
https://doi.org/10.1016/j.cie.2020.106433
[19] Prabhuram, T., Rajmohan, M., Tan, Y. and Robert Johnson, R. (2020) Performance Evaluation of Omni Channel Distribution Network Configurations Using Multi Criteria Decision Making Techniques. Annals of Operations Research, 288, 435-456.
https://doi.org/10.1007/s10479-020-03533-8
[20] Hotelling, H. (1929) Stability in Competition. The Economic Journal, 39, 41-57.
https://doi.org/10.2307/2224214
[21] Goodchild, M.F. and Noronha, V.T. (1987) Spatial Analysis and Location-Allocation Models. Van Nostrand Reinhold, 121-136.
[22] Bell, D.R., Ho, T. and Tang, C.S. (1998) Determining Where to Shop: Fixed and Variable Costs of Shopping. Journal of Marketing Research, 35, 352-369.
https://doi.org/10.1177/002224379803500306
[23] Drezner, T. (2010) Cannibalization in a Competitive Environment. International Regional Science Review, 34, 306-322.
https://doi.org/10.1177/0160017610389328
[24] Serra, D. and ReVelle, C. (1999) Competitive Location and Pricing on Networks. Geographical Analysis, 31, 109-129.
https://doi.org/10.1111/j.1538-4632.1999.tb00972.x
[25] Nakanishi, M. and Cooper, L.G. (1974) Parameter Estimation for a Multiplicative Competitive Interaction Model—Least Squares Approach. Journal of Marketing Research, 11, 303-311.
https://doi.org/10.1177/002224377401100309
[26] Drezner, T. (2022) Competitive Facilities Location. Springer Books, 209-236.
https://doi.org/10.1007/978-3-030-96935-6_7