Making assortment decisions is becoming an increasingly difficult task for many retailers worldwide as they implement omnichannel initiatives. Discrete choice modeling lies at the core of this challenge, yet existing models do not sufficiently account for the complex shopping behavior of customers in an omnichannel environment. In this paper, we introduce a discrete choice model called the multichannel attraction model (MAM). A key feature of the MAM is that it specifically accounts for both the product substitution behavior of customers within each channel and the switching behavior between channels. We formulate the corresponding assortment optimization problem as a mixed integer linear program and provide a computationally efficient heuristic method that can be readily used for obtaining high-quality solutions in large-scale omnichannel environments. We also present three different methods to estimate the MAM parameters based on aggregate sales transaction data. Finally, we describe general effects of the implementation of widely-used omnichannel initiatives on the MAM parameters, and carry out numerical experiments to explore the structure of optimal assortments, thereby gaining new insights into omnichannel assortment optimization. Our work provides the analytical framework for future studies to assess the impact of different omnichannel initiatives.

随着全球许多零售商实施全渠道计划，做出分类决策正成为一项越来越困难的任务。离散选择建模是这一挑战的核心，但现有模型不足以解释全渠道环境中客户的复杂购物行为。在本文中，我们介绍了一种称为多渠道吸引模型 (MAM) 的离散选择模型。MAM 的一个关键特征是它专门考虑了每个渠道内客户的产品替代行为和渠道之间的转换行为。我们将相应的分类优化问题表述为混合整数线性规划，并提供了一种计算高效的启发式方法，可以很容易地用于在大规模全渠道环境中获得高质量的解决方案。我们还提出了三种不同的方法来根据总销售交易数据来估计 MAM 参数。最后，我们描述了实施广泛使用的全渠道计划对 MAM 参数的一般影响，并进行数值实验以探索最优分类结构，从而获得对全渠道分类优化的新见解。我们的工作为未来的研究提供了分析框架，以评估不同全渠道计划的影响。我们还提出了三种不同的方法来根据总销售交易数据来估计 MAM 参数。最后，我们描述了实施广泛使用的全渠道计划对 MAM 参数的一般影响，并进行数值实验以探索最优分类结构，从而获得对全渠道分类优化的新见解。我们的工作为未来的研究提供了分析框架，以评估不同全渠道计划的影响。我们还提出了三种不同的方法来根据总销售交易数据来估计 MAM 参数。最后，我们描述了实施广泛使用的全渠道计划对 MAM 参数的一般影响，并进行数值实验以探索最优分类结构，从而获得对全渠道分类优化的新见解。我们的工作为未来的研究提供了分析框架，以评估不同全渠道计划的影响。