产品扩散范文

产品扩散范文（精选5篇）

产品扩散 第1篇

随着市场竞争的越来越激烈,企业通过技术创新不断的推出新产品来保持其在市场上的占有份额[1],这一现象在高科技产业与耐用品行业更为明显。高科技产品生产商通常推出多代创新产品,新一代同上代相比,某些性能进行了改进,除了产生自身需求外,还将占有上代产品的部分市场。而产品生命周期与扩散过程是遵循S型曲线的[2]。当新一代产品进入市场后,由于价格及消费者对新产品的不可认知等原因,新产品并不是马上就取代上代产品,而是存在多代创新产品共存、平行扩散的情况。在这样一个多变的环境下,消费者的选用决定将更为复杂。多年来,学者们建立了很多技术扩散模型,但大部分是针对单个产品而言,对于多代产品共存扩散研究较少,本文将对同类产品新旧多代技术扩散进行探讨,建立多代产品扩散模型。

1 两个重要模型

BASS扩散模型是应用最为广泛的技术扩散模型,传统的BASS扩散模型没有考虑产品之间相互影响。实际上,产品在市场中不是孤立的,其他产品会促进或阻碍产品扩散。Norton&Bass(1987)在Bass模型的基础上,提出了经典的多代产品扩散模型,在Norton-Bass模型中,每代产品的创新系数与模仿系数都是一样的。以下为四代产品共存的Norton-Bass模型:

式中:Ni(t)为第j代产品在t时刻的累积采用数;

其中:α=q/p;b=p+q;p,q分别为Bass中的创新系数与模仿系数。

Islam & Meade(1996)用实证检验Norton-Bass模型[3],他们放松了对创新系数与模仿系数的要求,假设创新系数与模仿系数是单调变化的而非固定常数,也即:后代产品的系数比上代产品系数单调递增或递减;Danaher & Hardie(2001)将价格因素作为解释变量引入多代产品扩散模型中[4];Shocker,Bayus and Kim(2004)指出,相对于单个产品的技术扩散,多代产品的技术扩散没有得到足够的重视[5]。

在这些模型中,很少有模型将初次采用者与重复采用者区分开来。初次采用者,是指以前从来没有选用过此类产品的使用者;重复采用者是指以前选用过前几代产品现在需要升级的采用者。在科技更新快速的高科技产业,重复采用者(升级者)是新产品扩散的重要组成部分;同时,以前的模型也很少考虑跳跃现象,比如第一代产品采用者可能跳过第二代直接升级到第三代产品。本文在前人基础上,建立一个将初次采用者与重复采用者行为模式区分开来,并考虑跳跃现象的多代产品扩散模型。

2 多代产品扩散模型

模型假设:①产品采用者不会采用比已采用的产品更早的产品,如采用第二代产品的人不会采用第一代产品。②初次采用者之前没有采用过任何一代产品。采用者的在每个时段的采用决定独立于以前时段的采用决定,而只是取决于它对新一代产品实际价值的判断。④与初次采用者一样,重复采用者的采用决定也受到口头传播与商家广告的影响。因而所有初次采用者和重复采用者都符合Bass模型。

基于以上假设,可知第j代产品投入市场后,市场上的采用者分为两类,一类是初次采用者,一类是重复采用者;则:Nj(t)=Nj1(t)+Rj(t),这里Nj(t)为总采用者,Nj1(t)为初次采用者,Rj(t)为重复采用者。

2.1 市场上只有第一代产品时

当市场上只有一代产品则扩散过程满足Bass模型:

2.2 两代产品共存时

在Bass模型里,第一代产品的潜在采用者是固定的,因而当第二代产品出现在市场中时,t时刻的潜在采用者将会根据效用最大化原则在第一代与第二代产品中做出选择;这样原来第一代产品的潜在采用者中将有一定比例选择采用第二代产品,假设这个转变比例为α2(t),剩下的(1-α2(t))仍然选择采用第一代产品,用τ2表示第二代产品出现在市场的时间,那么在t(t≥τ2)时,第二代产品的采用者可以表示为:

第一代产品的采用者为:

式中:N2表示第二代产品的初次潜在采用者,它不包括第一代产品潜在的采用者;也可以看作是不考虑或者根本就不知道第一代产品的新增潜在采用者,那么对于这一部分的采用者,相当于市场上只存在第二代这一类产品,也即我们的第一种情形,因而满足Bass模型,那么,t≥τ2,A2(t)称为转变采用者,即由第一种产品的潜在采用者变为第二种产品采用者,Danaher&Har(2001)提出了转变比例不同的数学表达式[4],在本文中,我们假设服从贝叶斯分布:

R2(t)为重复采用者,指从第一代产品升级为第二代产品的采用者,则:R2(t)=N1(t)F2′(t),t≥τ2;其中:

p2′,q2′表示在t时刻,第二代产品的扩散过程中,对第一代产品已采用者的创新系数与模仿系数,N1(t)是第一代产品已采用者,也是重复采用者的潜在采用者。

2.3 市场上出现第三代产品时

公司推出了第三代改进产品,同时前面两代产品尚未退出市场,受到第三代产品扩散的影响,那么有比例为α3′的第一代产品的潜在采用者转变成第三代产品的采用者,跳过了第一、二代直接采用第三代产品,同时有α3″的第二代产品的潜在采用者转变为第三代产品的采用者,τ3表市场推出第三代产品的时间;则:

在升级用户(重复采用者)中,第一代产品的已采用者中的一部分第二代产品的潜在升级者转变为第三代产品的采用者,也即本打算升级为第二代产品的,但当更先进的第三代推出时,转而升级为第三代,假设这个比例为β3(t),同样也服从贝叶斯分布:

三代产品的采用者可以表示为:

可以知道,第三代产品的重复采用者也即升级用户由两部分构成,一部分是第二代使用者,一部分是没有采用第二代产品的第一代采用者。第二代采用者中包括从第一代产品升级为第二代产品的升级用户与只用了第二代产品的初次采用者,这样第三代产品的重复采用者可以表示为:

这里,Fj′(t)表示Bass模型中,在τj时刻重复采用者(升级者)的对第j代产品的累积采用率,而p′j,q′j分别是第j代产品扩散过程对重复采用者的内部影响系数和外部影响系数;也即只考虑采用第j代产品的初次采用者的累计采用率,而pj,qj是第j代产品扩散过程对初次采用者的内部影响系数和外部影响系数。对于有j代产品的多代产品扩散,可以依次推出。

3 实证研究

采用上文模型,对中国互联网用户的三种上网方式,即拨号上网、ISDN上网、宽带上网三代方式的更新换代进行拟合,数据来源于万得行业数据库,数据时间跨度1998.07~2005.07,时间间隔为半年,假设1998.07为时段1,则2005.07为时段15,这样三代的多代产品扩散模型共有13个参数需要估计,分别为;p1,p2,p3;q1,q2,q3;p'1,p'2;q'1,q'2,本文采用非线性最小二乘法作为参数估计方法,应用MATLAB软件估算,得参数结果如表1。

得到拟合曲线如图1。从图中可以看出,拟合效果都很好。因而多代产品扩散模型可以用来预测产品的未来采用情况,在产品的创新扩散的初期,创新作用影响较大,随着产品的扩散量不断增加,模仿作用逐渐成为创新扩散的主导力量,往往产品最终在市场的扩散量,模仿影响起的作用更大。通过三种上网方式的模仿系数的比较,宽带上网方式的模仿系数最大,创新系数最小,最后发展成为互联网上网方式的主要方式,这也从目前互联网的三种上网方式的实际发展情况可以看出这种趋势。

4 结束语

对创新产品的扩散过程进行研究,有利于创新管理者降低创新的风险与成本。在高科技产业中,重复采用者是产品扩散的一个重要组成部分,初次采用者与重复采用者在创新产品扩散过程中的采用决策与行为呈现不同的特征,因而将初次采用者与重复采用者区分开来更符合创新产品实际扩散过程。

本文是在Bass模型的基础上建立起来的多代产品扩散模型,因而也沿袭了Bass模型的缺点,比如没有考虑最大市场潜力的可变性,没有考虑市场策略对扩散的影响,忽略了扩散过程的随机性等[6]。同时多代模型中,扩散通过传统的渠道(口头传播与广告)进行,没有考虑网络效应,对于多代产品而言,网络效应会很大程度的影响其扩散过程[7]。将新媒介引入多代产品扩散模型值得后续研究。

摘要：很多耐用品、高科技产品都存在多代产品共存于市场的情况,每代产品都呈现与其他代产品不同特征。消费者对待每代产品态度和心理也不一样,因而对多代产品技术扩散进行研究显得尤为重要。以前研究很少对产品采用者进行分类;本研究将多代产品技术扩散过程中的采用者分为初次采用者和重复采用者(也称升级者)两类,两类采用者在扩散过程中的扩散参数各不相同;对其参数进行估计,并考虑扩散过程中跳跃现象,建立创新产品扩散的多代产品模型和进行实证研究。

关键词：多代产品,创新扩散,技术替换

参考文献

[1]Chatterjee R&Eliashberg J.(1990).The innovation diffusion process in a heterogeneous population:A micro modelling approach.Management Science,36,1057-1079.

[2]Jaakkola Hannu,Gabbouj Moncef&Neuvo Yrjo(1998).Fundamentals of technology diffusion and mobile phone case study.Circuits Systems Signal Processing,17(3),421-448.

[3]Islam T&Meade N.(1997).The diffusion of successive generation of a technology;a more general model.Technological Forecasting and SocialChange,56,49-60.

[4]Danaher P J,Hardie B G S&Putsis W P,Jr.(2001).Marketing-mix variables and the diffusion of successive generations of a technology innovation.Journal of Marketing Research,501-514.

[5]Shocker A D,Bayus B L&Kim N.(2004).Product complements and substitutes in the real world:The relevance of other products.Journal of Marketing,68(1),28-40.

[6]杨敬辉:《Bass模型及其两种扩展型的应用研究》[D];大连理工大学,2005:24-26。

时变扩散模型中扩散系数的小波估计 第2篇

本文构造了一种时变扩散系数的小波估计.与文献中一维扩散系数的非参数估计问题相比,放宽了对扩散系数的.限制,假定扩散系数为满足线性增长条件的Lipschitz函数.利用鞅的性质,将扩散方程中的估计问题转化为非参数回归模型,并给出了估计量的Lr收敛速度.在此基础上证明了估计量的强相合性.利用强相合性,可以在任何概率测度下用统一方法构造的小波估计量来估计时变扩散系数.

作 者：陈萍 王金德 作者单位：陈萍(南京大学数学系,南京,210093;南京理工大学理学院,南京,210094)

王金德(南京大学数学系,南京,210093)

产品扩散 第3篇

摘要:移动通信产品迅速发展已经成为我们国家的重要支柱产业。该产业中新技术新产品层出不穷,对新产品在该产业市场中的扩散过程和特点的研究具有重要的实践和理论意义。本文从网络外部性方面描述了其扩散的特点和成因,并介绍了国内外在该邻域的近年来的研究概况。

关键词:移动通信 新产品扩散

1 移动通信新产品在市场中的产品扩散特点

移动通信产业在我国国民生产总值中所占比例已经超过7.5%,在国民经济发展中起着至关重要的作用,移动通信产业已经成为提升国家竞争力的平台。截至2007年12月,中国手机用户数达5.47286亿户,手机普及率为41.6%。移动通信网络用户群体规模庞大,构成了一个庞大的复杂网络,采用社会网络方法研究通信新产品的扩散在近几年的国外的研究中已经成为一个热点。

移动通信产业的一个突出特征是技术创新速度快于其它产业,各种新产品和新服务层出不穷。可是,正如Chakravorti (2003) 指出的那样,技术创新速度很快,但市场接受这些创新的步伐要比预期慢得多,该产业中许多创新扩散的速度十分缓慢,大多数创新产品最终以失败而告终。这样的例子有很多,最典型的如2003年起3G的大规模商用,尽管在5年时间内大力推广,至今为止3G业务用户和收入仍然只占很小比例,只有韩国的SK、日本的docomo,kddi获得了部分成功,2008年中国移动对TD-CDMA 3G业务试商用更是受到了市场的冷遇。由此追述,2000年推出的2.5G业务,包括彩信、无线数据上网,wap等业务经过了长达5至6年的市场培育期才在2006年开始有所起色。但是至今传统语音和短信仍是,世界各大运营商的主要业务收入来源和利润增长点。与此相对应的是,彩铃、手机即时通信如移动QQ、MSN等业务却异军突起,在整个市场中迅速扩散。怎样把新产品和新服务成功推向市场,移动通信新产品在市场中扩散的规律的研究都是产业界和学术界都十分关注的问题。

移动通信产业新产品扩散缓慢的一个主要原因是该产业的网络化特征,表现在两个方面。①一种新产品或服务的推广往往依赖与使用该产品相关的基础设施和社会条件,这就导致产业中企业之间的决策相互依赖,只有相关企业之间协调起来,新产品扩散才能成功。但是,企业之间存在的竞争和利益冲突使得这种协调十分困难。②产品本身呈现出网络效应特征,一种产品的使用价值随着使用这种产品的用户规模增加而递增。网络效应使得消费者之间的决策相互依赖。早期采用新产品的用户面临很大的风险和较低的使用价值,只有一定数量的用户采用了新产品,市场正反馈机制才能够触发。因而,需要协调消费者之间的采用决策。实际上,移动通信产业新产品扩散过程本质上是创新企业、竞争者、合作伙伴和消费者之间集体决策的动态演化过程,在更高层次可以抽象为一个复杂多主体动力学过程。新产品扩散过程的关键是提供一种协调机制和适当的政策干预,使得扩散过程朝预期轨迹演化。

传统新产品扩散理论假设扩散过程服从S型扩散模式,用微分方程来拟合。对于某些新产品,这一假设模式是合理的。而且,从预测的角度看,这是对新产品扩散过程的一种展望,以便据此作出相关的管理决策。实证研究结果发现,移动通信产业新产品呈现出许多新的特征,如临界群体现象、双峰模式,陡峭S型曲线等等。即使观察到新产品在一个市场的扩散轨迹服从S型曲线,也不能够就此假设该产品在其它市场的扩散也会服从这种模式。因为新产品具有的网络效应特征改变了消费者的新产品采用决策和市场竞争模式,新产品扩散更多取决于市场参与主体的策略性行为,扩散成功的关键取决于市场参与主体的集体决策动力学。传统新产品扩散理论不适合移动产业的新产品扩散,国内外学者正在探索新的方法和建立新的理论。

2 国内外研究概况

国内外有关移动通信产业新产品扩散的研究集中于:①产品的网络效应特征及其对新产品采用和市场竞争行为的影响;②复杂系统,尤其是复杂网络理论和方法的运用。

2.1 产品的网络效应特征及其对新产品采用决策和市场竞争行为的影响 信息和通信技术的新产品具有一个显著特点,那就是网络效应。如果某项产品的效用随着拥有该产品的用户规模增大而增加,该产品就具有直接网络效应特征(Katz and Shapiro,1985)。由于直接网络效应来源于不断增加的新用户,因而又称为需求方网络效应。梅特卡夫定律认为网络总价值与网络规模的平方成正比,个体的网络价值与网络规模成正比。Swann(2002)却指出,个体感受到的网络价值与网络规模之间的关系大致呈S型。刚开始网络规模太小,消费者的效用增加很缓慢;随着网络规模扩大,效用值快速增加;当网络规模扩大到一定程度,效用几乎不再增加。间接网络效应说明核心产品与互补产品之间的关系。核心产品的消费量越大,与之兼容的互补产品种类越多价格越低,就产生了间接网络效应(Katz and Shapiro,1985)。由于这种效应来源于供应方,因而又称作供应方网络效应。

网络效应新产品扩散通常出现市场正反馈和锁定现象。加入大网络消费者可以获得较大的网络价值;新用户进一步增加了网络价值,市场提供更多和更便宜的互补品;进一步降低了采用风险,增加了采用价值;吸引更多消费者加入网络。这样就形成了赢家通吃的局面。市场竞争的结果通常是一家企业取得很大的市场份额,该企业的产品成为主流产品,即使这种产品的技术并不是最先进的。

2.2 复杂系统理论和方法的运用 传统方法的不理想导致学者们开始探索建立新模型来模型化移动通信产业新产品扩散过程。于是许多学者尝试和倡导运用复杂系统理论和方法来研究新产品扩散,如美国市场学会在2001年推出专刊,主题是“市场中的涌现和共同演化过程”,指出由于缺乏微观数据,对新产品扩散过程微观机制很难有深入理解,也很难解释和验证总量模型参数的含义。Schoder(2000)首先回顾了通信服务的特点,指出这类新产品的网络效应特点使得新产品采用动力学行为具有宏观和微观两个层次的反馈作用,作者用频度依赖,即主体采用新产品的概率取决于此刻新产品总体扩散比例,模型化扩散过程,结果表明扩散模式与传统的S型曲线有很大差异,市场存在多个均衡,意味着新产品可能扩散成功(类似传统的S型模式),也可能失败,产品在市场上消失。作者认为,对于网络产品,我们应该预测各种模式出现的概率,而不是以一种确定的眼光看待扩散过程。因此,预测的重点发生变化,作者提出运用平均场方法预测新产品扩散模式出现的概率。Hohnisch(2004)运用统计力学中的渗流理论(Percolation Theory)建立一个解释网络效应产品晚起飞现象的模型,该模型基于元胞自动机上的渗流过程,让新产品价格随时间的变化下降、消费者采用新产品的效用随采用总量的增加而递增,利用计算机仿真,模拟了新产品扩散过程。最近对复杂网络的研究表明,网络结构对其上的动力学过程有很大影响。实证研究结果也说明实际系统中的作用网络是非规则的。总而言之,探索运用复杂系统方法建立新的扩散模型和理论,是一个很好的开始,但离建立一个成熟的理论框架还有很大距离,需要继续深入研究。

参考文献:

[1]Swann,G.M.P., 2002. The Functional Form of Network Effects.Information Economics and Policy 14:

[2]Katz, M. and C. Shapiro. 1985. Network Externalities, Competition, and Compatibility. The American Economic Review 75(3)

[3]Chakravorti, B. The slow pace of fast change. Boston: Harvard Business School Press; 2003.

[4]Schoder Detlef, (2000). Forecasting the success of telecommunication services in the presence of network effects. Information Economics and Policy 12 (2000)

网络外部性对产品扩散的影响 第4篇

传统的扩散理论中, 研究者从宏观的层面来研究影响创新扩散的因素。例如经典的Bass模型, 将影响扩散的因素归结为以大众传媒为代表的外部影响和以口头交流为代表的内部影响, 采用的数据也以总安装量和宏观经济数据为主。这样设定虽然适用于不同类型的创新的扩散, 但是忽略不同创新各自的特性以及采用创新人群的特点对扩散的影响。近些年来, 电信、网络及相关产业和服务的飞速发展为研究产品扩散提供了许多案例, 同时也暴露出了从宏观层面研究扩散的不足, 缺乏对个体、微观层面的分析。尤其是现今网络的飞速发展改变了社会的交流方式, 人际交流更加频繁, 人际网络也日益扩大, 这些都对创新的扩散产生了重大影响, 因此产品扩散中的网络外部性成了研究者关注的重点。

二、网络外部性的概念及特点

网络外部性效应多存在于交互式创新中, 例如电话、因特网、手机等。表现在产品扩散中可概括为, 用户采用一项新产品的收益与已采用这项创新的人数有关, 且随着采用者人数的增加而增加。这一特性是具有网络外部性的商品或服务与传统产品或服务的重要区别, 决定了其区别于传统创新的采用动力。

网络外部性现已被学者们认为是创新扩散的重要动力之一。近年来, 随着研究视角从宏观向微观层面转移, 产品扩散中个体间的相互作用受到广泛关注, 学者们一致认定的是扩散中个体间的相互作用可降低扩散的门槛, 例如一项新产品的使用方法及其特性在个体交流中传播, 可降低未采用者的使用成本 (例如学习成本) , 也就是增加了创新的使用收益, 网络外部性就是对这种人际间的交流影响扩散的模式的一种解释;其次, 随着人际交流的日益频繁, 一项产品能否成功扩散越来越取决于市场营销者能否建立起足够的网络效应, 在扩散初期, 不足的累积网络效应往往是扩散失败的主要原因, 例如像网络、电信服务以及相关的硬软件产品等交互式创新;第三, 网络外部性作用的范围也不断增大, 不仅在与信息网络息息相关的市场中发挥作用, 在更一般的社会网络中同样影响着新产品、新技术的扩散。第四, 现在的产业发展趋向于网络化, 外部性特征明显, 使得网络效益的来源日益增多, 引起了研究者们的广泛关注。

网络效应可通过不同的形式体现。直接网络效应可看做需求方的网络效应, 已采用者的数目影响潜在采用者的决定, 例如传真机、电子邮件和手机等产品。间接网络效应则是供给方的网络效应, 一般存在于互补性的硬软件产品之间, 例如DVD播放器和DVD碟片, 计算机和计算机软件等等, 采用者效用的增加通过与硬件配套的可使用的软件体现, 消费者往往会观望直到有足够的配套软件产品出现才会采用硬件产品。从消费者估计网络效应时考虑的网络范围可将其分为全局的和局部的网络效应, 当考虑的网络为整个社会系统时即为全局网络效应, 例如互联网服务;若是个人封闭网络, 则为局部网络效应, 例如手机市场。

网络外部性的特性可归纳为两点。一是网络效应加快了产品扩散, 例如Tkoer Doganoglu和Lukasz Grzybowski在对德国手机扩散中的网络效应的研究中指出, 如果去掉网络效应的作用, 以当时的价格水平来看, 手机的渗透率将至少降低50%, 已有的手机渗透率只可能在更低的手机价格水平下实现。二是在有网络外部性的市场中存在临界量效应, 即在扩散的初期, 除了少部分的“创新者”, 大部分的消费者会因网络效应不足而采取观望的态度, 这一阶段扩散速度很慢, 当采用者数目超过一临界值后 (即形成足够的网络效应) , 产品快速扩散, 其速度又大于传统的产品。在外部性明显的交互式产品市场中, 这种效应尤其明显。

综上可见对网络外部性的研究有重要意义, 在理论上它有助于更深刻的理解新产品的扩散, 从一个新的角度研究影响扩散的因素, 在实践中也为市场营销提供了新的方向, 对具有网络外部性的市场, 决策者从网络效应的视角可制定出更符合产品特性的营销策略。

三、模型与方法

在研究外部性存在下的创新扩散的问题时, 研究者关注的重点是消费者如何做出采用决定, 为此提出了一些模型来表示在具有网络效应的市场中消费者如何做出采用决定。其前提假设是网络效应作用的范围, 即某消费者的采用决定是受所有其他的消费者的影响还是只和他的个人网络中的消费者有关。

设在具有网络外部性的市场中, 一项产品带给消费者的效用为:

其中Q表示的是该产品的固有价值, 它由产品的价格、质量、技术含量及市场风险等因素所决定, a N即为网络效应。N表示网络中的已采用产品的人数, a表示网络效应相对于固有价值的重要性。消费者在决定是否采用一项创新时有一定的心理预期, 在数值上可表示为消费者采用某项产品或服务的心理保留效用, 若用Ri表示消费者i的心理保留效用, 它因各个消费者的偏好、价值观、财富量的不同而不同, 那么其采用决定由下式决定:

其中Ni (t-1) 表示为时刻t时, 消费者i的的人际网络中采用新产品的人数。当 (2) 式大于零时, 消费者采用该项产品;反之, 不采用。为了简化方程一般略去以上因素并假设Qi服从均值为Q, 方差为s2的正态分布;同样的, 假设Ri也服从正态分布。这样的设定有利于研究网络效应影响下创新扩散的性质, 但综合这些因素考察它们如何影响新产品的扩散显然也是必要的。

以上述模型为代表的理论阐述了网络效应对创新扩散的影响, 并假定这种影响为正的。通过对网络效应的分析, 除了能发现它本身的特征也可推导出一些传统理论中的结果, 如初始采用者数量越多扩散的速度越快;创新的价值越高越容易达到高渗透率;创新扩散的临界量效应等等, 这说明网络外部性对扩散的影响并不与传统理论相违背, 而是与其保持一致, 是对原有理论的一种发展。

从网络外部性的视角研究创新扩散时, 研究者是从微观角度考察整个扩散过程, 集中于潜在采用者群中每个个体如何做出自己的采用决策, 发展出了一系列理论, 由所有个体的采用行为分析创新传播的特点, 所以不同于传统理论中的各种总量采用模型。另外, 从网络外部性的视角考察扩散过程主要着眼于个体的采用决定如何影响其所在网络中的其他潜在采用者, 网络效应作为这种影响的主要表现如何作用于网络中的每一个个体及网络效应的传播模式必须研究清楚。这种外部性的形成主要依赖于个体之间的相互作用, 而个体的作用方式往往取决于他所在的社会网络结构, 因此分析网络外部性对扩散的影响必须结合采用者所处的的网络结构。

此外, 与传统的扩散研究相比较, 外部性的研究使用的数据也有很大不同, 前者使用的是总量数据, 后者则集中在社会网络信息与个体采用创新的数据。这一转变需要研究者采用新的方法收集数据, 是一项挑战。

四、小结

关于网络外部性对创新扩散的影响还有许多方面值得进一步研究, 决策模型中关于产品价值的界定有待更清晰的表示, 而产品的各项属性对自身价值的影响如何作用于新产品的扩散也值得研究;估计某项产品的网络效应并测度它对产品扩散的影响仍然是一个重要的实证研究方向, 它可对市场营销人员提供理论借鉴;另外, 在产业集群或是特定的网络集合中, “意见领导者”对网络效应的形成及新产品扩散影响也应受到关注。

参考文献

[1]Everett M Rogers.创新的扩散[M].北京:中央编译出版社, 2002.

[2]Toker Doganoglu, Lukasz Grzybowski.Estimating network effects in mobile telephony in Germany.Information Economics and Policy19 (2007) 65-79

产品扩散 第5篇

现今社会, 企业家们所操纵的不同商业模式让用户们纷纷上瘾。例如, “海底捞”等候时的免费服务, 美容享受营销的体验;还有一些大时尚品牌让消费者对其有忠实归属感。这些商业模式让消费者在消费和体验过程中慢慢形成成瘾性的消费。人们对于能在移动过程中从互联网获取信息和服务的要求越来越高, 智能手机作为移动互联网的终端, 逐渐成为全球发展的热点。因此, 消费者对智能手机的消费也存在成瘾现象。

智能手机产品作为高科技电子产品, 更是具有短生命周期产品的特点。为了跟紧科技发展的脚步和满足客户的需求, 智能手机更新换代的速度越来越快。一般手机更新换代的速度为3~6个月。多代智能手机产品由于存在着价值的贬值现象, 经营者对其库存的控制具有一定的风险性。所以, 如何科学地确定新产品的扩散情况进行需求预测, 对提高企业的经营效益有着十分重要的意义。本文针对特殊产品智能手机重新考虑扩散模型, 通过考虑消费者的成瘾模式, 寻求反映多代智能手机产品的需求扩散情况。

在多代产品的扩散研究方面, 我们认为每一代产品的客户群变化是由于更新一代产品的引入。

Bass (1969) 首次提出了耐用品的首次购买模型。Norton、Bass (1987) 创建了NB模型, 该模型强调当两代产品同时存在于市场中时, 后一代产品会侵吞前一代产品的客户群。由于NB模型不区分跨越和转换采用, Jiang、Jain (2012) 研究了一种推广改进的NB模型以弥补这种缺陷。Mahajan、Muller (1996) 建立了MM模型。该模型的首要点是每一代产品都有动态潜在客户, 一名顾客在买了一代产品以后, 将会立马变成通过更新或者跨越产生的下一代产品的潜在客户。

Xiaohui Shi、Kiran Fernandes、Pattarin Chumnumpan (2014) 认为, 先前的NB、MM扩散模型无法适当地解释现今复杂的情况。通过研究消费者前瞻性行为, 该文提供了一种适用于高科技产品市场的简化原始扩散模型。结果得出, 新的扩散模型能更好地拟合实际预测结果。袁苑 (2012) 以移动数据业务为研究对象, 选取有代表性的Gompertz模型、Bass模型及附随扩散模型 (包括二层及三层) , 运用了先进的非线性曲线拟合软件1stopt进行了数据拟合分析, 根据得出参数对移动数据业务的未来用户数进行了预测。李春燕 (2012) 以半导体为研究对象, 在Norton-Bass多代创新扩散模型的基础上, 综合考虑价格、重复购买、市场增长率和季节因素对创新产品扩散的影响, 构建出全新的SMPRT多代创新扩散模型。通过采用遗传算法作为模型的参数估计, 对半导体制造技术的扩散进行实证研究。胡知能等 (2013) 研究了以企业利润净现值最大化为目标, 综合考虑消费者重复购买行为的影响, 以低值易耗品为研究对象, 围绕不同价格策略下最优赠送水平的问题, 分析免费商品赠送对多代产品扩散的影响, 主要是两代产品间的扩散影响。

以上这些文献的确使新产品扩散模型的研究更贴近现实, 虽然有些研究引入了对产品重复购买的情况, 但只是考虑对本代产品扩散的影响, 没有考虑消费者成瘾行为对下一代新产品扩散的影响, 且对于市场变量影响的研究都是基于某单一变量。近几年, 产品的成长图形由于竞争环境和企业营销策略的进步和改变而发生了变化。考虑到智能手机在当今市场上是最容易激增扩散的产品, 它们跨越多个连续几代, 因此, 本文对这种现象进行了具体深入的研究。

扩散模型

1.成瘾行为

成瘾行为是一种特殊的经济行为, 是消费者对企业成功的产品具有前瞻性和固定的时间偏好。前期消费量的积累可以被视为上瘾程度的表示, 即前期消费的越多, 则上瘾的程度越高。当使用者接触该商品时间越久, 其对于该商品的积累消费就越多。在当今移动互联网技术普及的时代, 消费者由于沉迷于消费自己偏好的产品而产生的一系列的行为、心理等变化, 使消费成瘾不仅在购买奢侈品、消费饮食等方面有所表现, 而且也出现了对智能手机的成瘾行为。故此本研究引入成瘾模式对新产品扩散的影响。

2.扩散模型

1969年出现的Bass模型, 主要是用来预测新产品的第一次购买需求 (即首次购买) 。在最原始的Bass模型里, f (t) 被定义为, 在t时刻购买该产品的客户数量。F (t) 是购买者的累积数量, 在有M的最大市场潜在买家下产品扩散过程可在方程 (1) 来解释。其中, p和q分别为创新效果的参数 (客户决定根据自己内心意愿购买的产品, 通过大众媒体实现) 和模仿效应 (顾客决定购买该产品根据别人的意见, 通过产品已使用者和潜在使用者口头交流产生) 。其方程式如下:

式中, p、q为常数, 分别表示创新系数和模仿系数。

在市场上, 由于一个产品前几代的成功, 获得用户的喜爱, 消费者通过使用体验形成成瘾心理, 那么, 新一代产品的发布, 必将会引起前代用户对新产品的重新购买。即将发布的新一代产品的潜在购买者包括:一方面, 是新产品所创造的潜在市场量;另一方面, 包括已经是前几代产品的用户, 由于成瘾行为对新产品有重新购置的可能。我们认为, 每一代产品比前一代都有更好的性能, 并假设每一代的客户不会回到先前产品的世代。对于第i代产品在时间τi发布, 让pi和qi作为各自的参数来解释客户受到创新和模仿的渠道影响力;fi (t) 是对在t时刻对第i代产品持积极看法进行购买的客户数, 因此, 有一个初始化的购买意愿在时间t的客户数量, 即 Mi是第i代产品所创造的潜在市场。

根据Bass模型能建立方程式 (2) , 表示由于成瘾消费行为的影响, 从上一代产品使用者中部分转移到购买第代产品的客户累计数量。

我们选择时间作为潜在客户跨越行为的可能性指标。由于如今先进的沟通渠道, 客户开始知道新一代产品, 通常是在他们被正式发布之前, 特别是在高科技产品市场的背景下。用户可能已经开始受影响于由创新对未来世代产品的期望, 在新一代产品走向市场之前。

按照上述假设, 有一种可能性, 即有购买意愿的客户在初始第i代fi (t) 的影响下, 可以决定延长他们的购买决策, 并进一步探讨代i+1更先进的功能。我们认为, 这种成瘾的可能性会随着时间的推移而增加。从第i代产品到第i+1产品的潜在客户数量是持续性增加的, 由方程式 (3) 显示。

假设公式 (1-exp (-αi (t-ti*) ) 可以解释对新产品消费者成瘾增加的可能性。这里的参数αi被认为是客户跨代的参数, 解释因客户成瘾被更先进一代产品吸引的可能。ti*是指在这个时间点时, 后一代产品开始影响客户的成瘾。由于本研究是在高科技产品扩散的背景下, 因此我们假设在当前代产品刚发布不久, 客户就开始了解或预测下一代产品, 则ti*=τi。

第i代产品Ri (t) 购买客户的实际数量可以由方程式 (4) 来计算。注意, 当第i代产品没有被正式发布时, 如果第i代产品不再在市场上销售, 意味着被第i代产品影响的客户会继续购买第i+1代产品, 因为第i代产品不再可用。

数据和参数估计

1.数据

笔者以美国苹果公司的i Phone系列智能手机为例进行探索。2014年7月16日, 市场研究机构Statista最新公布的智能手机市场用户忠诚度调查报告显示, 苹果智能手机i Phone用户的品牌忠诚度依然最高。高达90%的i Phone用户在购买新手机里仍会选择苹果。无论在客户体验、销售服务、产品性能方面, 还是在订单处理率等方面都做得让客户满意, 所以, i Phone才有如此高的品牌忠诚度。在苹果智能手机i Phone新一代产品发布时, 部分已经是苹果智能手机用户的消费者会因为网络媒体的宣传和苹果公司的营销策略, 而影响对新一代产品产生期望购买决策, 从而进行重新购买, 形成一种消费的成瘾模式。

笔者从苹果公司公布的年度和季度报告中获得iPhone产品的销售数据。选用2007~2011年9月四代前产品的季度数据, 这几代苹果智能手机每一次发布有这样的规律, 即在新产品发布之后不久, 前一代的产品将会停产。

2.参数估计

在这项研究中, 假设模型中的参数pi和qi不会因跨代而改变。这也意味着在上一节所讨论的竞争作用只能由单一的参数Mi求得。此外, 我们假设参数αi也不会跨代变化, 特别是公司对每一代产品都有一个一致的营销策略 (即两代之间的时间间隔是一致的, 两者之间的实用性增长也类似) 。

本研究利用遗传算法来估计参数。因为当目标模型本质上是非线性的, 并包含大量的参数时, 它获得全局最优解的概率很高。我们认为, 遗传算法工具用在当前的研究中应该更合适, 是由于在多代产品扩散模型和曲线中存在大量参数和波动。我们利用以下方法拟合提出的模型与实际数据的基准。

对于苹果i Phone产品的数据集, 我们通过最小化函数蒡Tt=T0 ( (E (R (t) ) -R (t) ) 2) , 估计并提出模型的参数 (其中R (t) 是产品实际的汇总销售数据, E (R (t) ) 是模型预测的汇总销售数据) 。因为我们只有总销售额这些产品的数据, 而不是销售每个单独一代产品的数据。用MATLAB软件来计算遗传算法的估计结果。

笔者使用以下设置运行遗传算法工具。估计时种群大小设置为200。概率的交叉和变异设置为软件的默认值。结果表明, 参数α=0.283。指出在当前代使用的24.6%客户中 (1-exp〈-0.2831〉=0.246) 在单位时间间隔后想去买下一代的产品。随着时间的推移, 这种成瘾行为对新产品购买的期望会更加强烈, 也符合在新产品发布初期销量增加急剧。得出模型拟合结果如下表、下图所示。

从上表、上图可看出, 在假p、q、α对所有代产品影响不变的情况下, 改进后引入成瘾行为的扩散模型, 比Bass模型能更好地拟合实际的销售数据, 即本文提出的模型更优于Bass模型, 能解释在新产品发布初期快速增长, 不久后有快速下降的趋势。这对今后零售商或者生产商预测需求都具有一定的借鉴意义。

结论

笔者根据高科技产品在当下复杂市场环境下的需求特点, 将消费者成瘾行为所造成的成瘾模式, 引入多代智能手机产品的需求预测, 无论是生产商还是零售商, 都能更加准确地预测市场对产品的需求, 便于作出明智的决策。通过实例可得出结论:在比较一般情况和成瘾模式下的多代产品扩散情况, 本文所提出的改进模型更有优越性。该模型可预测多代产品的基本趋势, 与原模型相比, 该模型的性能更优, 拟合试验中表现更好。

笔者既考虑了重复购买的情况, 又结合了成瘾模式, 使得预测更为准确, 这对企业来说具有十分重要的意义。企业的产品要建立品牌效应, 应洞察消费者的需求, 提升消费者的忠诚度, 对企业提升业绩来说是一个有力的保障。

摘要：笔者针对高科技产品的特点, 以多代智能手机产品为对象, 考虑与消费者成瘾行为相关的该新产品的扩散情况, 并在原扩散模型的基础上进行改进, 以符合多代智能手机产品的扩散情况。然后, 以苹果智能手机为例, 根据实际的销售数据进行扩散拟合, 得出该新产品的需求预测和算例分析得出拟合程度良好。

关键词：成瘾模式,多代产品,扩散模型

参考文献

[1]Bass, F.M.A new product growth model for consumer durables.[J].Management Science, 1969, 15:215-227.

[2]Norton, J.A, Bass, F.M.A diffusion theory model of adoption and substitution for successive generations of high-technology products[J].Management Science, 1987, 33:1069-1086.

[3]Mahajan, V.Muller, E.Timing, diffusion, and substitution of successive generations of technological innovations:the IBM mainframe case.Technol.Forecast.Soc.Change.1996, 51, 109-132.

[4]Xiaohui Shi, Kiran Fernandes, Pattarin Chumnump an.Diffusion of multi-generational high-technology products[J].Technovation.2014 (34) :162-176.

[5]袁苑.基于技术创新扩散模型的移动数据业务扩散的实证研究[D].北京:北京邮电大学 (硕士学位论文) , 2012.

[6]李春燕.基于拓展的多代创新扩散模型在我国半导体产品中的扩散分析[D].重庆:重庆师范大学 (硕士学位论文) , 2012.