|
基于附随扩散模型的3G 定制手机业务扩散 实证研究 邵雪娇，王琦** 作者简介：邵雪娇，（1984-），女，硕士。 通信联系人：王琦，（1976），男，副教授，信息产品的营销响应、定制情景下消费者决策。 E-mail: buptwangqi@bupt.edu.cn 5 （北京邮电大学经济管理学院，北京 100876） 摘要：3G 定制手机业务的扩散对促进3G 数据业务发展的起到至关重要的作用。研究3G 定 制手机业务扩散模型，并预测3G 定制手机业务发展趋势，不仅具有理论意义，也具有现实 意义。本文的主要目的借助构建的适合3G 定制手机扩散的扩展模型，预测3G 定制手机业务 的发展趋势。在研究Bass 模型的基础上，结合3G 定制手机业务扩散特性构建了3G 定制手 10 机的非恒定附随扩散模型，并应用此模型对3G 定制业务的扩散趋势进行实证研究，进而对 中国3G 定制手机业务的发展提出了发展策略。 关键词：3G 定制手机业务；创新产品扩散；Bass 模型；附随扩散模型关键词 30 0 引言 在激烈的电信市场竞争中，运营商发展用户规模是其核心任务。不管在2G 时代市场格 局如何，随着行业的重组和3G 牌照的发放，这将是一次重新洗牌的机会。毫无疑问三大运 营商会利用一切机会争取3G 用户，在3G 时代，手机用户普及率不断提高，市场渗透率逐 步增加，能满足个性化需求的数据业务将成为带动通信行业发展主要推动。2G 时代的竞争 35 的根本是话音业务，到了3G 时代，竞争的核心从话音业务转移到了数据业务，此时用户对 手机的要求不再停留在通话功能。 随着3G 业务的快速发展，数据业务产品同质化现象日趋严重，市场饱和度进一步增加。 各家运营商为了争夺有限的市场份额，就必须通过挖掘用户的数据业务需求，提供满足用户 需求的数据业务和支持数据业务的终端，使用户更好的体验新数据业务。因此，运营商推出 40 了各种新业务以满足不同行业、不同用户群的需求，手机是用户体验新业务的工具，直接关 系新业务发展的成败。在运营商的市场竞争分析中，市场份额是最能体现运营商规模实力的 指标。运营商要想在通信市场中占有一席之地，就必须获得一定的用户规模，该规模称之为 “最小有效规模”【1】。 大规模定制理论是根据客户的个性化需求，以低成本、高质量和高效率大批量生产提供 45 定制产品和服务的生产方式，但是大规模定制的定制规模成为企业急需解决问题。根据3G 定制手机业务的扩散特性，参考Bass 模型及其扩展模型，提出适用于3G 定制手机业务扩 散特性的扩散模型。对定制手机扩散趋势进行预测，给运营商提供大规模定制的决策依据【2】。 创新扩散模型是应用扩散理论来描述和预测社会系统中的创新扩散过程，是基于一系列 假设而建立的数学分析模型。目前，技术预测与市场学中有大量的创新扩散模型，例如， 50 Bass 模型，Logistic 模型和Gompertz 模型等，其中，以Bass 模型应用最具普遍性。虽然Bass 扩散模型及其相应的几个扩展模型在描述和预测创新扩散方面被广泛应用，但这些模型还是 存在一定的局限性，对于一些创新产品的扩散过程并不适用【3】。 1 Bass 模型以及扩展模型 1.1 基本Bass 模型 55 1960 年， Fourt and Woodlock 假设扩散过程中，潜在采用者只受到大众媒体的影 响而构建了扩散模型，1961 年，Mansfield 提出了Logistic 模型，假设潜在采用者只受到 口头传播的影响【4】。这两模型是市场营销学上早期用来描述新产品的渗透与饱和的扩散模 型。1969 年Bass 融合了Fourt and Woodlock (1960)与Mansfield (1961)提出的两种模 型，假设创新产品在扩散过程中会受到两种传播方式的影响,两种传播方式包括大众媒体和 口头传播，提出了具有里程碑意义的Bass 模型【5】60 。其表达式为： [ ] [ ] [ ]2 ( ) ( ) ( ) ( ) ( ) () () n t p m N t q N t m N t m pm q p N t q N t m = − + − = + − − （1-1） 上式（1-1）中， p[m−N(t)]表示受外部因素影响而购买的采纳者数（即创新者数） qN(t)[m N(t)] m − 表示受内部因素如先前购买者影响而购买的采纳者数（即模仿者数）[6]。 1.2 附随扩散模型 65 Bass 模型的前提条件之一是一项创新与其它创新是相互独立的，创新采纳者的数量不 会因为其它创新的影响而增加或减少。但是，实际上，一种创新或多或少受到其它创新正面 或负面的影响，所以，需要建立新产品扩散的扩展模型，研究多种创新扩散影响下的新产品 扩散情况【7】。 其中一种创新产品的出现衍生出另一种产品的出现，从而导致衍生出产品扩散的受其影 70 响和制约。比如说网上购物用户的扩散是附随在互联网用户的扩散的基础上的，而互联网用 户的扩散是附随在计算机用户扩散的基础上，计算机用户数在很大程度上影响互联网用户 数，而互联网用户数又在很大程度上影响网上购物用户数。它们之间就是附随扩散关系。所 以在研究新产品扩散中直接使用Bass 模型，可能就不能真实地反映出这类产品的扩散规律， 因此构建一种扩展模型研究产品间这种附随关系【8】。 75 关于附随扩散模型的研究多以Bass 模型为基础展开的，其中比较典型的包括Peterson 和Mahajan 的附随扩散模型、Joel 的多层附随扩散模型以及动态模型【9】。 早在1978 年，Mahajan 和Peterson 就研究创新产品间附随扩散关系，并构建了附随 扩散模型。并以加密软件为研究对象做了实证研究【10】。 Peterson 和Mahajan （1978）提出附随扩散模型建立在Bass 模型的基础上，并将某 一时刻一种创新的最大潜在采纳量设定为所依附的创新当前采纳者累积总量【11】80 。在该模型 中，设基础创新为创新1，附随创新为创新2，附随创新依附于基础创新而创新。根据Bass 模型的基本表直接得到基础创新和附随创新的基本表达式： 1 1 ( ) 1 1 1 1 1 1 n (t) dN (t) p q N (t) m N (t) dt m ⎛ ⎞ = =⎜ + ⎟ − ⎝ ⎠ （1-2） 2 2 ( ) 2 2 2 2 2 2 n (t) dN (t) p q N (t) m N (t) dt m ⎛ ⎞ = =⎜ + ⎟ − ⎝ ⎠ （1-3） 在t 时刻附随创新的最大市场潜在量2 m 为基础创新的采纳者185 N (t) ，因此，式（1-3） 中2 1m =N(t) ，得到新的表达式： 2 2 ( ) 2 2 2 1 2 1 ( ) ( ) ( ) ( ) ( ) ( ) n t dN t p q N t N t N t dt N t ⎛ ⎞ = =⎜ + ⎟ − ⎝ ⎠ （1-4） 方程（1-2）表示基础产品（创新1）的扩散模型，方程（1-3）表示附随产品（创新2） 的扩散模型。 90 2 3G 定制手机业务实证研究 2.1 数据来源 自从2009 年3G 牌照发放后，3G 的发展经过预热、导入、推广，如今正步入发展的高 峰期。通过统计网上各期发布的数据，可获得了中国3G 发展的用户数以及3G 定制手机用 户数量。3G 用户数采用2009 年3G 牌照发放后的统计数据，由于3G 发展历史比较短，历 95 史数据有限，为了增加拟合的时间序列点采用一个季度为一个统计点。根据网上公布的数据， 整理如下表： 表1：3G用户数统计表(单位：万） 时间 2009.03 2009.06 2009.09 2009.12 2010.03 2010.06 t 值 1 2 3 4 5 6 3G 用户累计数 108 467 857 1105 1706 2520 时间 2010.09 2010.12 2011.03 2011.06 2011.09 t 值 7 8 9 10 11 3G 用户累计数 3508 4705 6376 8052 10000 3G 定制手机用户数也是采用2009 年3G 牌照发放后的统计数据，也是采用一个季度为 一个统计点。根据网上公布的数据，整理如下表： 表2：3G 定制手机用户数统计表(单位：万） 时间 2009.09 2009.12 2010.03 2010.06 2010.09 t 值 1 2 3 4 5 3G 定制手机用户累计数 157 302 610 944 1535 时间 2010.12 2011.03 2011.06 2011.09 t 值 6 7 8 9 3G 定制手机用户累计数 2326 3183 4641 5753 105 2.2 附随扩散模型的参数估计结果 根据1.2 节中构建的附随扩散模型，3G 用户的累积采用量1N (t) 和3G 定制手机用户的 累积采用量2N (t) 分别表示为： 1 1 1 1 ( ) 1 1 1 ( ) 1 ( )= 1 1 p q t p q t N t m qe e p − + − + ⎡ ⎤ ⎢⎢ − ⎥⎥ ⎢ + ⎥ ⎢⎣ ⎥⎦ （5-2） 1 1 2 2 1 1 2 2 ( ) ( ) 2 1 1 ( ) 2 ( ) 1 2 ( ) 1 1 1 1 p q t p q t p q t p q t N t tt m qee qee p p σ − + − + − + − + ⎡ ⎤⎡ ⎤ = ⎢⎢ − ⎥⎥⎢⎢ − ⎥⎥ + ⎢ + ⎥⎢ + ⎥ ⎢⎣ ⎥⎦⎢⎣ ⎥⎦ （5-3） 110 模型中的m1、σ 、p1、q1、p1 和q2，6 个参数需要估计。q2 本文采用非线性最小二乘法 对曲线进行拟合，借助软件工具Matlab 完成. 表3：基于附随扩散模型3G 定制手机用户扩散模型参数估计 参数名称 估计结果 最大市场潜量m1 4.8 亿 占比系数σ 6.3043 创新系数p1 0.0038 模仿系数q1 0.2789 创新系数p2 0.0031 模仿系数q2 0.3089 创新系数p 为0.0031，模仿系数为0.3089，所以是创新系数小于模仿系数。根据上述分 115 析，得出结论为3G 定制手机用户数创新扩散过程中主要影响因素是内部影响因素，即口头 传播等因素，而不是外部影响因素，所以3G 定制手机用户中以模仿者为主。 基于附随扩散模型3G 定制手机用户数拟合数据和历史数据的对比图如下： 1 2 3 4 5 6 7 8 9 0 1000 2000 3000 4000 5000 6000 时间列序 单位：万 历史数据 参数估计结果 图1：拟合数据和历史数据的对比图 Fig. 1 The comparison chart of the fit 120 data and historical data 从上图5-3 可以看出基于附随扩散模型3G 定制手机用户数拟合数据和历史数据比较吻 合，拟合效果比较好。 2.3 应用附随扩散模型进行预测 125 本文将对2011 年9 月以后的3G 定制手机业务发展进行预测，共预测了4 个数据点， 如下表。 表4：中国3G 定制手机用户累计数预测结果(单位：万） 时间 2011 年Q4 2012 年Q1 2012 年Q2 2012 年Q3 t 值 1 2 3 4 用户累计数 7387 9072 10849 12673 由上表5-9 预测的数据可发现，3G 定制手机业务在未来一年中发展比较平稳，与3G 定 制手机业务用户数的最大值4.5 亿相比，还有很大的发展空间。 130 3 结论 3.1 3G 定制手机业务发展主要影响因素 原创学术论文网Tag：代写毕业论文 代写论文 代写代发论文 代写经济论文 |
 |
 |
 |
 |
 |
 |
 |
