随着电商平台间的竞争加剧,关于如何提升消费者购物体验,特别是解决因物流慢导致的满足感延迟问题,成为电商平台提高运营效率、提升竞争力的关键。由于消费者线上购物产生了海量数据,电商仓储管理实践也开始重视对订单数据的深度挖掘来实现精准补货;同时为提升订单拣选效率的储位分配优化也引起研究者的兴趣。基于关联规则挖掘的储位分配方法,比如ASBH(Association Seed Based Heuristic)方法,提出了将频繁出现在相同订单的产品于仓库靠近放置以便拣选的思路,并通过优化模型的仿真实验证实,该方法相对于传统的不考虑产品关联性的储位分配方法,在拣选效率上具有明显的提升。然而,基于关联规则挖掘的储位分配方法仅考虑购物篮中产品组合间的关联性,没有充分利用产品共购模式形成的复杂的关联结构特征。对此,本研究提出考虑消费者购物篮产品关联结构的仓库储位分配(Product Association Structure Based,PASB)方法。PASB方法整合了数据挖掘、网络分析和优化建模等相关技术和求解算法,以仓库拣选效率优化为目标,实现考虑商品购买模式结构特征的储位分配策略。PASB的步骤如下:(1)以平台销售端的购物篮历史数据为来源,采用关联规则挖掘算法识别产品关联购买模式,构建产品关联网络;(2)采用子图挖掘算法Louvain算法识别产品关联网络中的子图结构,获得具有强关联关系的产品组信息;(3)建立储位分配优化模型,问题被描述为最大化关联指数的0-1规划模型,将产品组信息整合到规划模型,通过优化器求解规划模型,获得储位分配的最终结果。PASB方法的仿真实验以拣选行走距离提升度为评价指标,对比PASB方法、ASBH方法、随机分配方法(Rand)、仅考虑产品购买频率的方法(Freq)等优化效果。实验结果发现:(1)相比随机分配方法、仅考虑产品购买频率的方法,PASB具有明显的优势。(2)相比ASBH方法,PASB的效果受仓库空间约束影响,基于此提出破坏度(Disruption)作为PASB适用性的评价指标,当平均破坏度越低,PASB越具有优势。仿真实验结果显示PASB为解决考虑产品关联性的储位分配问题提供了新思路,具有一定的推广价值和实践意义。