선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 논문은 Hong and Eom(2009)에서 제시된 이분조각 Bass모형을 토대로 개별 신제품 및 서비스의 확산패턴을 분석하고, 제품별 확산패턴을 비교·분석하는 작업을 수행하고자 한다.
- 또한 Muller and Yogev(2006)는 CD-Time을 도입하며 도약시점과의 관련성을 보이기도 한다. 일단 우리는 이분조각 모형에서 이론적인 변곡점과 tc모두를 도약시점의 후보로 고려하고자 한다. 이론적인 모형인 Bass모형부터 보자.
가설 설정
- 당기 수요 최대 시점 분석과 마찬가지로 t1*가 t2*보다 작다고 가정하자. 또한 t 중 에서 도약기를 선정하였다. 도약기는 타입에 따라 tc, t1**, t2**중에 변화율이 높은 것을 도약기로 선정하였다. 선정된 도약기를 살펴보면, 국내와 미국 제품 68종에 있어, tc가 32종(47%), t1**이 22종(32%), t2**가 30종(44%)으로 대부분 tc가 도약기로 선정되었다.
- 3333px;">2**이다. 둘째, tc 값이 t1**보다 크고 t2**보다 작거나 같을 경우이다. 이 경우는 tc를 기점으로 레짐 1과 레짐 2에 t 3333px;">2*보다 작다고 가정하자. 또한 t1**가 t2**보다 작고, t2**는 t1*보다 작다고 가정하자. 그러면 tc 가 취하게 되는 값의 경우의 수는 다섯 가지이다.
-
3333px;">2**이다. 셋째, tc값이 t2**보다 크고 t1*보다 작거나 같을 경우이다. 이 경우는 레짐 1이 t
제안 방법
- Bass모형을 활용하여 제품의 확산패턴을 다룬 논문을 살펴보기 전에 우선 Bass모형을 간략히 살펴보기로 하자.
- 국내 데이터 28종을 Bass모형과 이분조각 Bass모형으로 모수를 추정하였고, 이분조각 Bass모형을 통해 제품의 확산추세가 바뀌는 시점인 tc를 도출하였다. 이분조각 Bass모형은 Bass모형에 비해 MSE가 평균적으로 국내 51.
- 미국 전기 전자 제품 40종을 분석 하였고 통신, 영상음향, 사무기기로 나누었다. 국내 데이터와 마찬가지로 기존 Bass모형과 이분조각 Bass모형으로 분석하여 [Table 3]과 같이 모수를 도출하였다.
- 셋째, 당기 최대 시점 분석은 확산패턴을 tc 중심으로 레짐 1과 레짐 2로 나누어 3가지 타입으로 분류하였고, 이를 바탕으로 68종의 제품을 분석하였다. 당기 최대 시점의 경우 Digital Projection Sets and Monitors를 제외한 전제품이 타입Ⅰ-A1,Ⅰ-A2로 분류되었고, 타입Ⅰ-A1이 국내 25종, 미국 31종이며, 타입Ⅰ-A2이 국내 3종, 미국 11종으로 분류되어 tc가 t1*, t2*보다 빠름을 알 수 있었다.
- 이분조각 Bass모형을 통해 국내 28종, 미국 40종의 제품을 분석하였다. 분석 결과 첫째, 기존의 Bass모형에 비해 MSE 감소율이 평균 국내 51.
대상 데이터
- 본 연구에 사용된 자료는 국내 28종, 미국 40종으로 가전 및 IT제품을 중심으로 구성되었다. 국내 제품 28종은 기계류, 영상음향기기, 사무기기, 정보통신, 백색가전으로 통계청의 산업 생산연보와 정보통신산업진흥원의 자료를 사용하였고, 미국은 IT제품을 중심으로 통신기기, 영상음향기기, 사무기기로 CES(Consumer Electronics Association)의 연간 자료를 사용하였다.
- 본 연구에 사용된 자료는 국내 28종, 미국 40종으로 가전 및 IT제품을 중심으로 구성되었다. 국내 제품 28종은 기계류, 영상음향기기, 사무기기, 정보통신, 백색가전으로 통계청의 산업 생산연보와 정보통신산업진흥원의 자료를 사용하였고, 미국은 IT제품을 중심으로 통신기기, 영상음향기기, 사무기기로 CES(Consumer Electronics Association)의 연간 자료를 사용하였다.
- 그러나 Hong and Eom(2009)에서는 모형의 적합도에 초점이 맞추어지고, 확산패턴 분석은 수행되지 못하였다. 분석된 데이터 또한 국내 데이터와 미국 데이터를 합하여 총 10종에 불과했다. 따라서 본 논문은 Hong and Eom(2009)에서 제시된 이분조각 Bass모형을 토대로 개별 신제품 및 서비스의 확산패턴을 분석하고, 제품별 확산패턴을 비교·분석하는 작업을 수행하고자 한다.
- 따라서 본 논문은 Hong and Eom(2009)에서 제시된 이분조각 Bass모형을 토대로 개별 신제품 및 서비스의 확산패턴을 분석하고, 제품별 확산패턴을 비교·분석하는 작업을 수행하고자 한다. 이러한 작업을 수행하기 위해 국내 28총, 미국 40종, 합해서 총 68종의 데이터를 수집하였다. 이는 확산 모형을 분석한 국내 문헌 중 최대의 데이터를 다룬 것이다.
이론/모형
- 미국 전기 전자 제품 40종을 분석 하였고 통신, 영상음향, 사무기기로 나누었다. 국내 데이터와 마찬가지로 기존 Bass모형과 이분조각 Bass모형으로 분석하여 [Table 3]과 같이 모수를 도출하였다. 기존 Bass모형 대비 MSE은 평균 50.
- 본 논문의 신제품 및 서비스의 확산패턴을 분석하는 데에 있어 기본이 되는 이분조각 Bass모형은 Hong and Eom(2009)에 의해 2009년 제시된 모형이다. 이 모형은 Bass모형의 세 모수 m, p, 그리고 q중에서 확산과정의 형태를 결정하는 두 모수 즉, 혁신계수 p와 모방계수 q의 시간불변성(Time-Invariance)이라는 가정을 완화시킨, 다음의 확산수식을 기반으로 하고 있다(Hong and Eom, 2009).
질의응답
| 핵심어 | 질문 | 논문에서 추출한 답변 |
|---|---|---|
| Bass모형의 핵심적인 두 가정은? | (a) 신제품을 선택하는 데에 있어, 각 개인은 외부적인 영향과 내부적 영향을 받아 신제품을 채택하며, 이들 영향을 나타내는 계수를 각각 p와 q로 표기하기로 한다. (b) 아직 신제품을 채택하지 않은 개인이 신제품을 채택할 가능성은 p와 q에 선형적인 관계에 있고, 내부적인 영향은 기존 채택자와의 접촉에 의해 형성되며, 기존 채택자를 접촉할 확률은 기존채택자수를 잠재수요로 나눈 값이다. | |
| Bass모형의 장단점은? | 한편, Bass모형은 설명력이 뛰어나다는 장점을 지니고 있는 반면에 모수추정에 사용되는 데이터의 개수가 적을 경우에 모수추정의 불안정성을 보인다는 단점을 지니고 있고 또한 데이터에 대한 모형의 적합도 측면에서 로지스틱 모형보다 떨어지는 단점을 지니고 있다(Meade and Islam, 1998). 전자의 단점은 최근 유전자 알고리즘을 적용한 모수추정법으로 어느 정도 해결되고 있다(Rajkumar et al. | |
| 신제품이나 서비스의 확산과정을 설명하는 모형들 중, 적합도가 우수한 모형들은? | , 2002). 이들 모형 중 실제 데이터에 대한 모형의 적합도는 로지스틱 모형이 가장 우수하다(Meade and Islam, 1998). 그러나 신제품 및 서비스의 단순 수요예측을 넘어 수요의 확산과정에 대한 분석을 위한 목적으로는 Bass모형이 가장 널리 활용된다(Mahajan et al., 1990; Ozkaya, 2008). |
참고문헌 (27)
-
Chandrasekaran, D. and Tellis, G. J. (2004), A Critical Review of Marketing Research on Diffusion of New Products, Review of Marketing Research, 3, 39-80.
-
Choi, Y. H. (2005), Analysis of AIDS Diffusion Data Using Growth Curve Models, M. S. thesis, E-wha womans university.
-
Easingwood, C. J., Mahajan V., and Muller E. (1983), A Nonuniform Influence Innovation Diffusion Model of New Product Acceptance, Marketing Science, 2(3), 273-295.
-
Goldenberg Jacob, Libai Barak and Muller Eitan (2002), Riding the Saddle : How Cross-Market Communications Can Create a Major Slump in Sales, Journal of Marketing, 66, 1-16.
-
Goldenberg Jacob, Libai Barak, Muller Eitan and Peres Renana (2006), Blazing Saddles : The Early And Mainstream Markets in the High-Tech Product Life Cycle, Israel Economic Review, 14(2), 85-108.
-
Golder, P. N. and Tellis, G. J. (1997), Will It Ever Fly? Modeling the Takeoff of Really New Consumer Durables, Marketing Science, 16(3), 256-270.
-
Hong, J. S. and Eom, S. J. (2009), Two Pieces Extension of the Bass Diffusion Model, Journal of the Korean OR/MS Society, 34(4), 15-26.
-
Hong, J. S., Kim, T. G., and Lim, D. H. (2008), A Study on a Long-term Demand Forecasting and Characterization of Diffusion Process for Medical Equipments Based on Diffusion Model, Korean Institute of Industrial Engineers, Spring conference 1-9.
-
Horsky, D. (1990), A diffusion Model Incorporating Product Benefits, Price, Income and Information, Marketing Science, 9, 342-365.
-
Kim, M. S. and Kim, H. (2006), Diffusion Patterns of Telecommunications Services with Network Evolution, Korean Society for Internet Information, 7(2), 93-102.
-
Mahajan, V., Muller E., and Bass F. M. (1990), New Product Diffusion Models in Marketing : A Review and Directions for Research, Journal of Marketing, 54, 1-26.
-
Mahajan, V., Muller, E., and Srivastava, R. (1990), Determination of Adopter Categories Using Innovation Diffusion Models, Journal of Marketing Research, 27, 37-50.
-
Meade, N. and Islam, T. (1998), Technological Forecasting-Model Selection, Model Stability, and Combining Models, Management Science, 44(8), 1115-1130.
-
Muller, E. and Yogev, G. (2006), When does the Majority Become a Majority? Empirical Analysis of the Time at Which Main Market Adopters Purchase the Bulk of Our Sales, Technological Forecasting and Social Change, 73(9), 1107- 1120.
-
Muller E., Peres, R., and Mahajan, V. (2007), Innovation Diffusion and New Product Growth : Beyond Interpersonal Communications, Working Paper.
-
Ozkaya (2008), Demand Management in Global Supply Chains, Ph. D. Thesis, Georgia Institute of Technology.
-
Park S. J. and Seetharaman P. B. (2005), Which Stage of the Consumer's New Product Adoption Process follows the Bass Model? An Empirical Exploration, Free Press, Houston.
-
Park, J. J., So, C. H., and Kim, J. O. (2008), A Study on Forecast of Penetration Amount of High-efficiency Appliance Using Diffusion Models, Journal of energy engineering, 17(1), 31-37.
-
Park, Y. S. (2005), Contingent Diffusion Model of New Product : WirelessInternet Case Study, The Korean Operations Research and Management Science Society, spring conference, 1091-1094.
-
Phillips, F. (2007), On S-curves and Tipping Points, Technological Forecasting and Social Change, 74(6), 715-730.
-
Rajkumar, V., Trichy, V. K., and Kumar, V. (2004), Evolutionary Estimation of Macro-Level Diffusion Models Using Genetic Algorithms : An Alternative to Nonlinear Least Squares, Marketing Science, 23(3), 451-464.
-
Srinivasan, V. and Mason, C. H. (1986), Nonlinear Least Squares Estimation of New Product Diffusion Models, Marketing Science, 5(2) 169-178.
-
Teng, J. T. C., Grover, V. and Guttler, W. (2002), Information Technology Innovations : General Diffusion Patterns and Its Relationships to Innovation Characteristics, IEEE Transactions on Engineering Management, 49(1), 13-27.
-
Van den Bulte, C. (2000), New Product Diffusion Acceleration : Measurement and Analysis, Marketing Science, 19(4), 366-380.
-
Van den Bulte, C. and Joshi, Y. V. (2007), New Product Diffusion with Influentials and Imitators, Marketing Science, 26(3), 400-421.
-
Van den Bulte and Gary L. Lilien (1997), Bias and Systematic Change in the Parameter Estimates of Macro-Level Diffusion Models, Marketing Science, 16(4), 338-353.
-
Van den Bulte and Stefan, S. (2004), Social Contagion and Income Heterogeneity in New Product Diffusion : A Meta-analytic Test, Marketing Science, 23(4), 530-544.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.