ЭКОНОМИКА И МАТЕМАТИЧЕСКИЕ МЕТОДЫ, 2012, том 48, № 2, с. 67-79
МАТЕМАТИЧЕСКИЙ АНАЛИЗ ЭКОНОМИЧЕСКИХ МОДЕЛЕЙ
ФОРМАЛИЗАЦИЯ СПРОСА НА ВЫСОКОТЕХНОЛОГИЧНЫЕ ТОВАРЫ
© 2012 г. А.С. Зуев, М.Л. Бабейкин
(Москва)
Представлен подход к формализации зависимости спроса на высокотехнологичные товары от их цен, торговых марок производителей и состава потребительских свойств, соответствующих параметрам внешнего вида, функциональных возможностей и технических характеристик. В качестве методологической базы использован аппарат кредитного статистического скоринга и обоснована возможность его применения в исследуемой предметной области. Изложены проблемы классификации высокотехнологичных товаров и оптимизационные задачи, рассматриваемые при их разработке.
Ключевые слова: многофакторный спрос, промышленные товары, высокотехнологичные товары, разработка товаров, конкурентоспособность товара, потребительские свойства, промышленные предприятия.
1. ВВЕДЕНИЕ
Современные тенденции развития высоких технологий и условия международной торговли создают постоянную напряженность и рост конкуренции на потребительских рынках высокотехнологичных товаров - компьютерной и бытовой техники, средств связи и коммуникации, автотранспорта и т.д. Рассматриваемые товары могут производиться в различных вариантах исполнения, определяемых торговыми марками производителей и составами потребительских свойств - параметрами внешнего вида, функциональными возможностями и техническими характеристиками (каждое свойство может быть реализовано в различных вариантах). В данной статье подобные товары объединены понятием "сложное промышленное изделие" (СПИ), под которым понимается конкретная модель товара с ее уникальным сочетанием торговой марки производителя и состава вариантов реализации потребительских свойств (далее - просто свойств).
Сети реализации СПИ на рынках могут обладать сложной структурой, связывающей конечных потребителей и производителей, включая находящихся в разных странах. В результате установления различных наценок, даже на малых региональных рынках, цены на одинаковые СПИ у розничных распространителей могут существенно варьировать.
Состав свойств, торговая марка производителя и цена СПИ являются определяющими факторами их конкурентоспособности. При этом себестоимость производства изделия на конкретном предприятии (Кондукова, 2008) определяется экономическими и технологическими особенностями организации производственного процесса с учетом конкретного состава его свойств; она также включает затраты на приобретение материалов и комплектующих у поставщиков. Производство изделий с одинаковыми составами свойств не исключает специфики конкретных предприятий и различных производителей, для которых себестоимость реализации каждого свойства в единице продукции может варьироваться.
Представленный в настоящее время на рынке широкий ассортимент одновидовых СПИ, отличающихся странами изготовления, торговыми марками производителей, ценами и составами свойств, создает большую сложность моделирования, оценки и прогнозирования многофакторного потребительского выбора и спроса.
Следствием указанных выше особенностей производства, ценообразования и реализации СПИ является актуальность следующих проблем:
67
5*
1) моделирование (оценка и прогнозирование) многофакторного потребительского спроса на новые (разрабатываемые) СПИ;
2) оптимизация составов вариантов реализации свойств создаваемых СПИ;
3) разработка методов классификации одновидовых СПИ в соответствии с составами свойств и параметрами многофакторного потребительского спроса.
Областью прикладного применения результатов соответствующих исследований является реализация основной функции маркетинга в сфере работы с СПИ - разработка новых товаров (изделий), наилучшим образом соответствующих предпочтениям и удовлетворяющих потребности потребителей.
В настоящее время проблема моделирования многофакторного потребительского спроса исследована недостаточно. Существуют различные подходы к определению потребительских предпочтений (Зуев, Федоров, 2008, с. 139-140) и моделированию потребительского выбора (Anderson, Palma, Thisse, 1992; Zsolt, 2009). Однако в контексте работы со СПИ применение данных подходов затруднено вследствие большого числа подлежащих формализации параметров: цена, страна изготовления, торговая марка производителя, параметры внешнего вида, функциональные возможности и технические характеристики.
Определение состава вариантов реализации свойств нового СПИ в большинстве случаев осуществляется с использованием экспертных (недостаточно формализованных) методов, основанных, в частности, на сравнении с конкретными аналогичными существующими или эталонными изделиями (Brownstone, Train, 1999). По сути, данные методы ориентированы на копирование "успешных" (пользующихся спросом) или эталонных товаров, что не учитывает экономические и технологические особенности конкретного производителя и не позволяет обеспечить соответствие создаваемого СПИ конкретным особенностям многофакторного спроса. Экспертные методы ограничивают конкурентоспособность создаваемых СПИ, так как не гарантируют оптимальности получаемого состава вариантов реализации свойств с точки зрения предпочтений потребителей и особенностей производителя и не позволяют оценить близость полученного состава к оптимальному.
Классификация существующих одновидовых СПИ в соответствии с составами свойств и параметрами многофакторного потребительского спроса позволит детализировать описание сегментов и ниш соответствующих рынков. Это даст возможность более эффективно позиционировать и создавать новые СПИ в соответствии с особенностями конкретного сегмента или ниши (Бадьин, Тамберг, 2008, гл. 3, 4).
Описание потребительских предпочтений и выбора посредством определения функции многофакторного спроса на СПИ является необходимым условием разработки формализованных методов оптимизации составов вариантов реализации их свойств и выполнения классификации. В данной статье предложен подход к поиску указанной функции, параметрами которой служат цена, торговая марка производителя и состав вариантов реализации свойств изделия. По желанию исследователя можно легко изменить набор параметров, например в составе свойств изделия может быть учтена страна его изготовления. Также рассмотрены оптимизационные задачи определения составов комплектующих и вариантов реализации свойств СПИ, указаны проблемы классификации изделий. В качестве методологической базы использован аппарат кредитного статистического скоринга, широко применяемый для оценки кредитоспособности и рисков кредитования физических лиц (Мэйз, 2008). Построение математических скоринговых моделей основано на обработке статистических данных для выявления зависимости значения оценки заемщика от основных характеризующих его "параметров": пол, возраст, образование, социальный статус, семейное положение и т.д.
2. ОБОСНОВАНИЕ ПРИМЕНЕНИЯ АППАРАТА КРЕДИТНОГО СКОРИНГА
Возможность применения аппарата кредитного скоринга для формализации многофакторного потребительского спроса на СПИ обосновывается идентичностью исходных данных и качественных постановок соответствующих задач с математической точки зрения, а также различиями
Таблица. Интерпретации функции, переменных и обозначений
Обозначение Скоринговая модель Формализация спроса
т Число вопросов в анкете Число свойств СПИ
пг, г = 1,., т Число взаимоисключающих вариантов ответа на вопрос с номером г (например, о поле, возрасте и т.д.) Число взаимоисключающих вариантов реализации свойства с номером г (например, цвет, форм-фактор и т.д.)
Ч= {0, 1}, ■'г = пг Взаимоисключающие варианты ответа на вопрос с номером г Взаимоисключающие варианты реализации в СПИ свойства с номером г
Рассматриваемые наборы переменных взаимонезависимы
X Вектор признаков респондента, сформированный на основании заполненной им анкеты Вектор свойств СПИ, сформированный в результате его анализа или разработки
Р(Х) Функция вычисления балла, характеризующего оценку кредитоспособности респондента Функция вычисления балла, характеризующего оценку объема спроса на СПИ
У Оценка кредитоспособности Оценка объема спроса на СПИ
Задача определения функции Р(Х) Определить вид и/или параметры функции У = Г(Х) на основании сведений:
о ранее выданных кредитах и признаках соответствующих заемщиков о существующих одновидовых СПИ и соответствующих им составах свойств
Задача классификации Объекты требуется классифицировать в однородные группы в соответствии со значениями переменных вектора Xи величины У
Исходные данные для определения функции F(X) и выполнения классификации Сведения о ранее выданных кредитах: признаках заемщиков и результатах возврата ими кредитов. Переменной У присваивается значение 0, если кредит не был возвращен (или был возвращен с задержкой), и 1 - в противном случае (У может соответствовать сумме скоринго-вых баллов) Сведения о представленных на рынке СПИ: объемах продаж и составах вариантов реализации свойств. Переменной У присваивается значение 0, если объем продаж считается недостаточным, и 1 - в противном случае. Переменной У могут присваиваться значения объемов продаж в количественном или долевом выражении
только в их интерпретациях. Утверждение о применимости аппарата кредитного скоринга в рассматриваемой предметной области является гипотезой выполняемого авторами исследования. Его доказательство на основании статистических данных и изложенного в настоящей статье подхода предполагается выполнить в последующих работах.
Пусть рассматривается некоторая функция со следующими особенностями: У = Р(Х),
^ Ч щ
X = {х,х1у= {0,1}, ]г = 1, ..., п, х1,= 1, I = 1, •■■, т. В таблице приведены интер-
претации функции, ее переменных и обозначений в скоринговых моделях оценки заемщика и формализации многофакторного спроса. Результаты сравнения позволяют утверждать о полной идентичности исходных данных и особенностей применения скоринговых моделей в указанных областях исследования.
Результаты сравнения позволяют утверждать, что адаптация скоринговых моделей и методологической базы их п
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.