ГЛАВА ЧЕТВЪРТА. Симулационно прогнозиране на дифузията на мобилни телефонни услуги на българския пазар

В точка 1, Състояние и тенденции на пазара на мобилни телефонни услуги, са представени обобщаващи данни за света, ЕС и България, показващи динамиката в развитието, инвестиционната атрактивност и значимостта на мобилните телефонни услуги като бранш. При описанието на бранша е отчетена възможността един потребител да използва повече от една SIM-карти. Цитирано е изследване на Informa Telecoms & Media, според което на един потребител от Източна Европа се падат средно 1,7 SIM-карти. Тази стойност впоследствие е използвана като обосновка за избора на дефиниращи параметри при симулационното моделиране на средния брой SIM-карти на един потребител на българския пазар.

Подобно на световните и европейски тенденции, българският пазар на МТУ е сред най-атрактивните и значими сектори. В опит за откриване на специфични, отличаващи особености, е констатиран следният резултат: България е страната с най-ниски доходи и най-високи цени на МТУ от страните в ЕС, а се нарежда на четвърто място по степен на пазарно проникване със завидните 130%. Тази аномалия е обяснена с влиянието на факторите: миграционни потоци; дублирано отчитане броя на абонатите; късното въвеждане на услугата за преносимост на номерата; цената на мобилните телефонни услуги. За страните от ЕС е открита интересна зависимост между цената на МТУ и условния брой потребители. В противоречие със закона за търсенето, колкото по-висока е цената на МТУ, толкова по-голям е броят на потребителите. Най-силно проявена е тази зависимост на българския пазар. Противоречието е обяснено по следния начин: Високите цени са причина потребителите да купуват SIM-карти от различни оператори и по този начин да избягват високите такси при свързване с чужда мрежа. Колкото по-високи са цените на МТУ, толкова по-голям е стимулът за притежаване на SIM-карти на различни оператори. Дефиниран е следният извод: Прогнозирането на дифузията на МТУ чрез някои дифузионни модели, включващи цената като обясняваща променлива, е неподходящо. Визират се само онези дифузионни модели, при които имплицитно е заложена обратна връзка между променливите цена и брой потребители.

Въз основа на изложението в точка 1 са направени следните по-важни обобщения:

• 
  Сектор телекомуникационни услуги е сред най-атрактивните в световната икономика, в рамките на Европейския съюз и за България в частност, като се очаква атрактивността му да се запази в средно- и дългосрочен план.
  
• 
  Стабилно нараства делът на приходите от телекомуникационни услуги в БВП.
  
• 
  Постоянно нараства степента на пазарно проникване на мобилните телефонни услуги – в света като цяло и по региони. Особено отчетлива е тази тенденция за българския пазар.
  
• 
  Поради нарастване броя на предложителите и съзряването на пазара нараства интензивността на конкуренцията в сектор мобилни телефонни услуги. В резултат на това се наблюдава трайна тенденция на понижаване цените. На свой ред по-ниските цени са допълнителен катализатор на процеса на пазарна дифузия.
  
• 
  Необичайно високата степен на пазарно проникване на мобилните телефонни услуги на българския пазар (с оглед ниските доходи в страната) може да се обясни от следните фактори: интензивни миграционни потоци; цена на мобилните телефонни услуги; дублиращо отчитане броя на абонатите; относително късното въвеждане на услугата за преносимост на номерата.
  

• 
  В сравнение със своя предшественик (стационарни телефонни услуги), МТУ притежават високо относително предимство.
  
• 
  МТУ имат висока степен на съвместимост с ценностите и потребностите на членовете на социалната система.
  
• 
  Използването на МТУ не е свързано с равнище на сложност, което да ограничава или забавя тяхната пазарна дифузия.
  
• 
  Предплатените МТУ предоставят на потребителите възможност за изпробване преди окончателно да възприемат иновацията.
  
• 
  За МТУ е характерна висока видимост на резултатите от използването.
  
• 
  МТУ притежават способност да генерират мощен мрежови ефект (повишаване полезността на иновацията с нарастване броя на потребяващите).
  
• 
  За МТУ е характерно индивидуално потребление (а не групово). Това е предпоставка за по-бързо достигане на критична потребителска маса, по-голям пазарен потенциал, по-силни мрежови и имитационни ефекти.
  
• 
  На българския пазар МТУ са въведени сравнително късно (1993). В рамките на ЕС единствено Латвия и Литва се нареждат след България по година на въвеждане на иновацията МТУ (1995). За страните от ЕС е констатирана следната статистически значима силна зависимост: Колкото по-късно са въведени МТУ на пазара, толкова по-бързо е тяхното пазарно разпространение.
  

За потвърждаване на тези допускания е проведено онлайн допитване до потребителите на МТУ на българския пазар, резултатите от което са обобщени в точка 3, Профилиране на потребителите на мобилни телефонни услуги. Изследването е проведено в периода 20-25.08.2008 г. Извадката е формирана на принципа на отзовалите се (нецелева неслучайна). Въпреки че извадката не е представителна, резултатите дават един добър ориентир за състоянието, факторите и зависимостите на пазара на МТУ в България. Основание за подобно твърдение дава сравнително големият размер на извадката – регистрирани 710 отговора, от които 675 подложени на обработка.

• 
  Обосновка при избора на стойности за параметрите p и q от модела на Бас. Класическата камбановидна крива от модела на Роджърс се получава при наличие на ниско иновативно и силно имитационно потребителско поведение при възприемането на иновации.
  
• 
  Взаимстване на получените резултати при прогнозиране и управляване дифузията на сходни (аналогични) иновации.
  
• 
  Избор на адекватни маркетингови решения в зависимост от етапа от жизнения цикъл на продукта.
  
• 
  Определяне големината и състава на целевите сегменти (когато за сегментиране на пазара е използван критерия “степен на иновативност”).
  

• 
  С най-силно влияние е факторът “Цена” (оценка 4,19 по скала от 1 до 5). Оценки по групи: иноватори - 3,63; бързи последователи - 4,01; ранно и късно мнозинство - 4,2; изоставащи - 4,11. Дефиниран е следният извод: При въвеждане на иновацията на пазара подходяща е ценова стратегия на изчерпване (skimming) – определяне на първоначална висока цена, която впоследствие се понижава в хода на времето. Така би се оползотворила ценовата готовност на отделните потребителски групи.
  
• 
  На второ място по сила на влияние е класиран факторът “Промоции от мобилните оператори” (обща оценка 3,77). Оценки по групи: иноватори - 3,29; бързи последователи - 3,44; ранно и късно мнозинство - 3,85; изоставащи - 3,59. Дефиниран е следният извод: При въвеждане иновацията на пазара не е уместно да се използват промоции като комуникационен инструмент. Тяхното място е на един по-късен етап от ЖЦП, когато на пазара се появяват потребителите от ранното мнозинство, късното мнозинство и изоставащите.
  
• 
  Третото място е отредено на фактора “Споделен опит и препоръки от близки и познати” (обща оценка 3,67). Оценки по групи: иноватори - 3,33; бързи последователи - 3,72; ранно и късно мнозинство - 3,68; изоставащи - 3,49. Формулиран е следният извод: Междуличностните комуникации са мощен фактор за провокиране на решението за първоначална покупка на МТУ.
  
• 
  Факторът “Рекламира” се нарежда на пето място с обща оценка от 2,83. Това подреждане е разбираемо, като се има предвид, че рекламата предоставя емоционално обагрена информация. Решенията за покупка на продукти за дълготрайна употреба са по-скоро рационални.
  

В дисертационния труд е поставена целта да се изследва възможността на симулационния подход за дългосрочно прогнозиране, без да се стъпва на исторически данни. В съответствие с това, в точка 4, Прогнозиране дифузията на мобилни телефонни услуги, хипотетично се приема, че текуща е 1993 г. и последващите анализи стъпват на информация, налична преди годината на първоначално въвеждане на МТУ на българския пазар.

За прогнозиране дифузията на МТУ е използван следният модел:

, (1)

където е брой потребители на МТУ в период t, е коефициент на иновация; е коефициент на имитация, е кумулативен брой потребители на МТУ в период t-1, е среден брой SIM-карти на един условен потребител, е население на България в период t. За обозначаване на модела е използвано наименованието M-comm (съкращение от Mobile Communications). Той е базиран на модела на Бас, но се отличава по две неща:

• 
  Динамизиране на пазарния потенциал. Общоприето е потенциалът на пазара на мобилни телефонни услуги да се измерва с броя на населението (POP). Динамизирането на пазарния потенциал се постига чрез използване броя на населението в период t за оценка на пазарния потенциал. Подобно решение е задължително при дългосрочно прогнозиране и наличие (очакване) на колебания във величините, определящи пазарния потенциал.
  
• 
  Включване на коригиращия коефициент а. С него е обозначен средния брой SIM-карти на един условен потребител. С включването в модела на коригиращия коефициент а се отчита специфичното за мобилните телефонни услуги дублиране на SIM-картите, водещо до по-голямо от 100% пазарно проникване.
  

В качеството му на стохастичен, моделът M-comm е представен така:

където , , и са съответно случайни стойности на параметрите , , и величината , изтеглени при -тата симулационна итерация, , като е броя на симулационните опити. В такъв случай оценката за ще се получи като средна аритметична от всички стойности, т.е. .

За симулационно моделиране дифузията на МТУ чрез модела M-comm е необходимо да се дефинират вероятностни разпределения за четирите величини – , , и . Като се стъпва на анализите и заключенията от точки 1, 2 и 3 от четвърта глава, за параметъра от модела на Бас е приета ниска стойност (слабо иновативно потребителско поведение), а за параметъра – висока стойност (силно имитационно потребителско поведение). Като най-вероятни стойности са използвани съответно 0,001 и 0,6. В резултат на мета-анализ, базиран на дифузията на 213 продуктови иновации, Султан, Фарли и Леман получават средни стойности и .¹⁸ При тези два варианта (p = 0,001; q = 0,6 и p = 0,03; q = 0,38) дифузионните криви биха изглеждали по следния начин (виж фиг. 1):



Фиг. 1. Дифузионни криви при (A) p = 0,001; q = 0,6 и (Б) p = 0,03; q = 0,38
Нереалистично е да се очаква силно иновационно поведение на потребителите на българския пазар на МТУ, каквото е заложено в дифузионната крива от фиг. 1–Б. Допускането за малък брой иноватори и ниско иновативно потребление се потвърждава от анализа на дифузията на други иновации на българския пазар – стационарни телефони, телевизори, радиоапарати, перални машини). При тях дифузията е в напреднал етап на развитие и чрез нелинеен регресионен анализ е възможно да се определят надеждни стойности за параметрите на модела на Бас. При тези иновации за параметъра се констатират по-ниски стойности, но близки до приетата за МТУ стойност от 0,001.

В друго изследване на автора, също посветено на прогнозиране дифузията на МТУ в България, в което е използвана процедурата на Лоурънс и Лоутън, се доказва, че най-добри прогнозни резултати се постигат при =0,6.¹⁹

За моделиране на параметрите и е използвано Beta-PERT разпределение със следните минимални, най-вероятни и максимални стойности:





Beta-PERT разпределението за параметъра не е симетрично. То показва, че е по-вероятно да се очакват стойности, клонящи към 0,7, отколкото към 0,4.

За коригиращият коефициент е приета най-вероятна стойност 1,7. Това решение е аргументирано чрез: (а) доклада на Informa Telecoms & Media, в който се отчита, че един потребител в Източна Европа потребява средно 1,7 SIM-карти, а в Западна Европа – 1,5 карти, и (б) дългосрочната прогноза, изготвена от Datamonitor, според която към 2015 г. степента на пазарно проникване на МТУ на българския пазар се очаква да достигне 163%, т.е. 1,63 пъти населението на страната. При моделиране на коефициента са използвани следните параметри на Beta-PERT разпределението:

За определяне стойностите на променливата “Население на България за периода 1993-2023 г.” (POP_t) са използвани прогнозни данни за населението на България, заимствани от доклад на Комитетa на министрите към Съвета на Европа за демографските характеристики на етническите групи в България²⁰. В прогнозата са дадени стойности за населението през 1993, 1998, 2003, 2008, 2013, 2018 и 2023 г. За попълване на липсващите стойности в динамичния ред е използван линеен трендов модел (). Така полученият динамичен ред от 31 стойности е подложен на тест за съответствие с помощта на критерия. Оказва се, че разпределението на променливата се доближава в най-голяма степен до равномерно теоретично разпределение с минимална стойност 7723678 и максимална стойност 8514864. Средната стойност на динамичния ред е 8119266. Тя отстои на една и съща дистанция от минималната и максималната стойности на равномерното вероятностно разпределение – 395588. Тази дистанция е използвана при изчисляване на минималната и максималната стойност на равномерното разпределение при дефиниране стойността на POP_t за всеки отделен период, т.е. за всеки период t променливата POP_t може да заема стойности в интервала [POP_t–395588; POP_t+395588].

На базата на така дефинираните вероятностни разпределения за величините , , и е извършено симулационно оценяване на модела M-comm и са изведени прогнозни оценки за дифузията на МТУ с помощта на две симулационни процедури – Монте Карло и Латински хиперкуб. За съпоставяне на двете извадкови процедури са направени по 20 симулации (10 с процедурата МК и 10 с процедурата ЛХ), всяка от които включва 100 000 симулационни опита. При проверка с t-тест се констатира, че между прогнозните стойности, получени по двете процедури, няма статистически значима разлика при критично равнище на значимост α = 0,05. За идентичността на двата прогнозни динамични реда свидетелстват и тестовете на Колмогоров-Смирнов и Валд-Волфиц за две независими извадки – между двете емпирични разпределения няма статистически значима разлика. Накратко, очакванията за по-точни прогнозни оценки при процедурата ЛХ не се потвърждават. Правилото, че процедурата ЛХ дава по-точни резултати, е валидно тогава, когато се работи със сравнително малки извадки. Оказва се, че извадка от 1 000 000 случая (10 симулации от по 100 000 симулационни опита) е достатъчно голяма, за да заличи преимуществото на ЛХ за по-равномерно излъчване на случайните числа. Все пак, дори констатираните разлики да се оценяват като статистически незначими, процедурата ЛХ осигурява прогнозни стойности, които в по-малка степен се отклоняват от фактическите дифузионни данни. Безспорно остава предимството й да осигурява резултати с по-малко разсейване (измерено чрез стандартното отклонение). Това е очакван резултат, тъй като целта при разработване на процедурата е именно редуциране вариацията на симулираните величини. Поради по-високата им стабилност са предпочетени прогнозните стойности, получени чрез процедурата Латински хиперкуб.

За валидиране на представения модел са използвани два подхода: (а) съпоставяне на прогнозните оценки от комбинацията “M-comm модел + процедура ЛХ” с фактическите стойности за дифузията на МТУ; (б) съпоставяне на прогнозните оценки, получени от комбинациите “M-comm модел + процедура ЛХ” и “M-comm модел + НЛР”. На фиг. 2 са показани три дифузионни криви: (а) фактическата крива, описана от дифузията на МТУ на българския пазар; (б) прогнозната крива, получена чрез нелинеен регресионен анализ; (в) прогнозната крива, получена чрез процедурата Латински хиперкуб.