3. 中标场景定义：中标率、中标时间、中标成本、供应商画像与历史行为建模

在智能寻源算法中，“中标场景”并非单一事件，而是一个由结果指标与过程特征共同定义的复合空间。本章从四个核心维度——中标率、中标时间、中标成本、供应商画像与历史行为——拆解中标场景的数学定义与工程建模方法，为后续性能调优提供精确的优化目标。

3.1 中标率：概率建模与样本权重

中标率是寻源算法最直接的业务指标，定义为供应商在给定寻源单（RFQ）中获胜的概率。工程上需区分全局中标率与条件中标率：

3.2 中标时间：时效性建模与延迟分布

中标时间指从寻源单发布到供应商被确认为中标方的时间间隔。该指标直接影响采购周期与库存周转率。工程建模需关注三个关键分布：

• 报价提交延迟：供应商从收到询价到提交报价的时间差，反映响应速度。
• 评标决策延迟：采购方从报价截止到确认中标的时间，受评标流程复杂度影响。
• 总中标时间：上述两者之和，是寻源效率的最终度量。

在算法层面，中标时间通常使用对数正态分布或威布尔分布拟合，因为实际数据呈现明显的右偏长尾特征。工程实现时，需将时间特征离散化为桶（如：<1h, 1-4h, 4-12h, 12-24h, >24h），作为排序模型的分桶特征输入。

3.3 中标成本：总拥有成本（TCO）建模

中标成本并非简单的报价金额，而是总拥有成本（Total Cost of Ownership, TCO）的工程近似。在智能寻源算法中，TCO 建模包含以下层次：

1. 显性成本：供应商报价、运费、关税、保险费等可直接量化的费用。
2. 隐性成本：质量缺陷导致的返工成本、延迟交付造成的停产损失、沟通协调成本。
3. 风险成本：供应商破产风险、地缘政治风险、汇率波动风险的概率加权成本。

工程上，TCO 通常以线性加权或梯度提升树模型实现：

// TCO 计算伪代码（离线批处理）
double calculateTCO(Supplier s, RFQ r) {
    double explicitCost = s.quote + r.freight + r.duty;
    double qualityCost = s.defectRate * r.orderValue * 0.15;  // 返工成本系数
    double delayCost = s.lateDeliveryRate * r.dailyPenalty * 7; // 平均延迟天数
    double riskCost = s.riskScore * r.orderValue * 0.05;       // 风险溢价
    return explicitCost + qualityCost + delayCost + riskCost;
}

3.4 供应商画像与历史行为建模

供应商画像是中标场景的静态特征基底，历史行为则是动态特征序列。两者共同构成供应商的完整特征表示。

3.4.1 画像维度

3.4.2 历史行为序列建模

历史行为建模的核心是将供应商的行为事件流转化为可学习的特征向量。常见方法包括：

• 统计聚合：过去N次报价的均价、中位数价差、报价波动率。
• 时序特征：最近一次报价时间、报价频率趋势（上升/下降/平稳）。
• 序列编码：使用 LSTM 或 Transformer 对行为序列编码，输出行为嵌入向量。
• 图结构建模：将供应商与采购方、其他供应商的共现关系构建为异构图，使用 GraphSAGE 生成节点嵌入。

3.5 中标场景的完整特征工程流程

下图展示了从原始数据到中标场景特征向量的完整工程链路：

3.6 性能调优关键指标总结

针对中标场景的四个核心维度，性能调优需关注以下量化指标：