Математическое моделирование распространения поколений промышленных изделий на конкурентном рынке

Вестник ТюмГУ. Физико-математическое моделирование. Нефть, газ, энергетика.


Выпуск:

2021. Том 7. № 2 (26)

Название: 
Математическое моделирование распространения поколений промышленных изделий на конкурентном рынке


Для цитирования: Бранд А. Э. Математическое моделирование распространения поколений промышленных изделий на конкурентном рынке / А. Э. Бранд, Ю. Е. Якубовский // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2021. Том 7. № 2 (26). С. 206-222. DOI: 10.21684/2411-7978-2021-7-2-206-222

Об авторах:

Бранд Альберт Эдуардович, аспирант кафедры алгебры и математической логики, Тюменский государственный университет; brand.albert@yandex.ru

Якубовский Юрий Евгеньевич, доктор технических наук, профессор кафедры прикладной механики, Тюменский индустриальный университет; yakubov@tyuiu.ru

Аннотация:

Статья посвящена исследованию процесса распространения поколений промышленных изделий на конкурентном рынке и оценке влияния характеристик поколений изделий и дестабилизирующих факторов на объем их продаж. В качестве характеристик используются уровень инновационности и конкурентоспособности поколений, дано их определение и математическая формализация. В исследовании используются обобщенная модель Ф. Басса, положения концепции «многопродуктовой конкуренции» Р. Петерсона и В. Махаджана и концепции об изменчивости поведения потребителей разных поколений Т. Ислама и Н. Мида. Получена модель распространения поколений промышленных изделий конкурирующих брендов на дуопольном рынке с учетом дестабилизирующих факторов. На основе модели построены уравнения, устанавливающие связь между долями потребителей конкурирующих поколений изделий. В качестве базы для апробации выступают статистические данные распространения поколений стационарных игровых консолей компаний Sony и Microsoft на глобальном и региональном рынках. Для идентификации параметров модели и определения наличия и тесноты связи применяются корреляционно-регрессионный анализ и метод наименьших квадратов. Полученные результаты демонстрируют высокий уровень корреляции между объемом продаж каждого поколения консолей и характеристиками поколений консолей. Установлено, что с увеличением оказываемого влияния со стороны конкурента уменьшается кумулятивная доля рынка рассматриваемого поколения изделия и с увеличением уровня инновационности поколения изделия увеличивается его уровень конкурентоспособности. Полученные результаты обработки прогнозных и фактических данных распространения поколений демонстрируют значительное влияние дестабилизирующих факторов на процесс распространения поколений. Теоретическая значимость работы состоит в развитии модели распространения поколений промышленных изделий для частного случая с дуапольной структурой рынка. Практическая значимость заключается в получении расчетных значений связи между объемом продаж каждого поколения консолей и их характеристиками.

Список литературы:

  1. Бранд А. Э. Оценка связи между уровнем инновационности и процессом распространения поколений промышленного изделия / А. Э. Бранд, В. Н. Кутрунов, Ю. Е. Якубовский // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. 2021. Т. 7. № 1 (25). С. 146-162. DOI: 10.21684/2411-7978-2021-7-1-146-162

  2. Литвинова В. А. Методы оценки конкурентоспособности: проблемы классификации / В. А. Литвинова // Вестник Днепропетровского университета. Серия «Экономика». 2012. Т. 6. № 2. С. 235-240.

  3. Оценка состояния конкурентной среды в России. Доклады о состоянии конкуренции в России 2020. URL: https://ac.gov.ru/uploads/2-Publications/Konkurenciya_doklad_2020.pdf

  4. Bass F. M. Why the Bass Model Fits without Decision Variables / F. M. Bass, T. V. Krishnan, D. C. Jain // Marketing Science. 1994. Vol. 13 No. 3. Pp. 203-223. DOI: 10.1287/mksc.13.3.203

  5. Chu C.-P. The forecasting of the mobile Internet in Taiwan by diffusion model / C.-P. Chu, J.-G. Pan // Technological Forecasting and Social Change. 2008. Vol. 75. No. 7. Pp. 1054-1067. DOI: 10.1016/j.techfore.2007.11.012

  6. Dalla Valle A. Forecasting accuracy of wind power technology diffusion models across countries / A. Dalla Valle, C. Furlan // International Journal of Forecasting. 2011. Vol. 27. No. 2. Pp. 592-601. DOI: 10.1016/j.ijforecast.2010.05.018

  7. Guidolin M. Cross-country diffusion of photovoltaic systems: Modelling choices and forecasts for national adoption patterns / M. Guidolin, C. Mortarino // Technological Forecasting and Social Change. 2010. Vol. 77. No. 2. Pp. 279-296. DOI: 10.1016/j.techfore.2009.07.003

  8. Guseo R. Oil and gas depletion: Diffusion models and forecasting under strategic intervention / R. Guseo, A. Dalla Valle // Statistical Methods and Applications. 2005. Vol. 14. No. 3. Pp. 375-387. DOI: 10.1007/s10260-005-0118-6

  9. Jiang Z. Generalized Norton-Bass model for multigeneration diffusion / Z Jiang, D. C. A. Jain // Management Science. 2012. Vol. 58. No. 10. Pp. 1887-1897. DOI: 10.1287/mnsc.1120.1529

  10. Laciana C. E. Diffusion of two brands in competition: Cross-brand effect / C. E. Laciana, G. Gual, D. Kalmus, N. Oteiza-Aguirre, S. L. Rovere // Physica A: Statistical Mechanics and Its Applications. 2014. Vol. 413. Pp. 104-115. DOI: 10.1016/j.physa.2014.06.019

  11. Libai B. The role of within-brand and cross-brand communications in competitive growth / B. Libai, E. Muller, R. Peres // Journal of Marketing. 2009. Vol. 73. No. 3. Pp. 19-34. DOI: 10.1509/jmkg.73.3.019

  12. Microsoft. Annual Reports. URL: https://www.microsoft.com/en-us/Investor/annual-reports.aspx

  13. Parker P. Specifying competitive effects in diffusion models: An empirical analysis / P. Parker, H. Gatignon // International Journal of Research in Marketing. 1994. Vol. 11. No. 1. Pp. 17-39. DOI: 10.1016/0167-8116(94)90032-9

  14. Peres R. Innovation diffusion and new product growth models: A critical review and research directions / R. Peres, E. Muller, V. Mahajan // International Journal of Research in Marketing. 2010. Vol. 27. No. 2. Рр. 91-106. DOI: 10.1016/j.ijresmar.2009.12.012

  15. Peterson R. A. Multi-product growth models / R. A. Peterson, V. Mahajan // Research in marketing. 1978. No. 1 (20). Pp. 1-23.

  16. SONY. Earnings Releases. URL: https://www.sony.net/SonyInfo/IR/library/presen/er/archive.html

  17. Statista. Business Data Platform. URL: https://www.statista.com/