Abstract The physical design of a retail store is known to influence the attitude and behavior of shoppers, in turn affecting the store’s performance. While literature in retail design has alluded to the impact of changes in department placements on impulse revenue, it has not accounted for the resulting changes in shopper’s path. Shopper’s path changes can alter a department’s visibility to shoppers passing by, in turn impacting that department’s impulse revenue. To address this gap, we propose a model for the retail facility layout problem considering shopper path (RFLP-SP) that optimally places departments in the store in order to maximize a retailer’s expected per shopper impulse revenue. Since estimating shopper paths is difficult to be expressed in a closed analytical form, we propose a Simulated Annealing based heuristic and generate up to k alternate shortest paths that a shopper may take for a given planned purchase list. This is then embedded in a Particle Swarm Optimization based solution approach to solve the overall RFLP-SP model. Our experiments indicate that the derived solutions are sensitive to shopper basket size, shape of the store, number and location of doors, and adjacency requirement of the departments. Our results suggest up to 13.71% increase in impulse revenue for a deeper store over a square-shaped store, and up to 9.65% increase in a one side-door store over other door combinations. We also illustrate the use of our proposed approach using the layout of a leading US retailer’s store.

中文翻译：

---

考虑购物者路径的零售设施布局

摘要 众所周知，零售店的实体设计会影响购物者的态度和行为，进而影响商店的业绩。虽然零售设计方面的文献已经提到部门布局的变化对冲动收入的影响，但它并没有考虑到购物者路径的变化。购物者的路径变化可以改变一个部门对路过的购物者的可见性，进而影响该部门的冲动收入。为了解决这个差距，我们提出了一个考虑购物者路径的零售设施布局问题模型 (RFLP-SP)，该模型优化了商店中部门的放置，以最大化零售商的预期每位购物者冲动收入。由于估计购物者路径很难用封闭的分析形式表达，我们提出了一种基于模拟退火的启发式方法，并生成最多 k 条备用最短路径，购物者可能会针对给定的计划购买清单采取这些最短路径。然后将其嵌入基于粒子群优化的解决方案方法中，以解决整个 RFLP-SP 模型。我们的实验表明，派生的解决方案对购物篮的大小、商​​店的形状、门的数量和位置以及部门的相邻要求很敏感。我们的结果表明，与方形商店相比，更深的商店的冲动收入增加了 13.71%，单侧门商店的冲动收入比其他门组合增加了 9.65%。我们还使用一家领先的美国零售商商店的布局来说明我们提出的方法的使用。然后将其嵌入基于粒子群优化的解决方案方法中，以解决整个 RFLP-SP 模型。我们的实验表明，派生的解决方案对购物篮的大小、商​​店的形状、门的数量和位置以及部门的相邻要求很敏感。我们的结果表明，与方形商店相比，更深的商店的冲动收入增加了 13.71%，单侧门商店的冲动收入比其他门组合增加了 9.65%。我们还使用一家领先的美国零售商商店的布局来说明我们提出的方法的使用。然后将其嵌入基于粒子群优化的解决方案方法中，以解决整个 RFLP-SP 模型。我们的实验表明，派生的解决方案对购物篮的大小、商​​店的形状、门的数量和位置以及部门的相邻要求很敏感。我们的结果表明，与方形商店相比，更深的商店的冲动收入增加了 13.71%，单侧门商店的冲动收入比其他门组合增加了 9.65%。我们还使用一家领先的美国零售商商店的布局来说明我们提出的方法的使用。和部门的相邻要求。我们的结果表明，与方形商店相比，更深的商店的冲动收入增加了 13.71%，单侧门商店的冲动收入比其他门组合增加了 9.65%。我们还使用一家领先的美国零售商商店的布局来说明我们提出的方法的使用。和部门的相邻要求。我们的结果表明，与方形商店相比，更深的商店的冲动收入增加了 13.71%，单侧门商店的冲动收入比其他门组合增加了 9.65%。我们还使用一家领先的美国零售商商店的布局来说明我们提出的方法的使用。