MOKSLASplius.lt

Franko Basso gaminio sklaida

Sukursime kompiuterinį gaminio gyvavimo ciklo modelį pagal jau klasikine tapusią Franko M. Basso (Frank M. Bass, 1926 – 2006), Teksaso universiteto (JAV) marketingo profesoriaus, teoriją.

Šį jau parengtą modelį tiesiog interneto naršyklės lange galite pasileisti ir valdyti, paspaudus šią nuorodą arba paveikslėlį žemiau (modelis atsivers kitame naršyklės lango skirtuke):







Angliškoje literatūroje ši teorija dažniausiai vadinama „Bass Diffusion 1“ (Basso plitimas arba sklaida), ir laikoma, kad tai yra viena iš tiksliausių bendrųjų marketingo teorijų, aprašomų empirinėmis formulėmis.
Franko M. Basso straipsnis „A new product growth model for consumer durables“ 2 (Naujų ilgalaikio vartojimo prekių plitimo modelis), pagrindžiantis šį modelį, per 50 metų nuo jo paskelbimo tapo vienu iš labiausiai cituotų žurnalo „Management Science“ publikacijų.

Basso sklaidos modelis labai plačiai naudojamas prognozuojant naujų prekių, technologijų bei paslaugų pardavimus (toliau paprastumo dėlei vadinamais tiesiog gaminiais) ir jų augimo greitį.


Pagal šią teoriją nauji gaminiai, inovacijos ar technologijos plinta, vykstant sąveikai tarp naujų vartotojų, Franko Basso pavadintų inovatoriais, tai yra tais, kurie pirmieji ima naudotis nauju gaminiu, bei potencialių vartotojų - imitatorių, sekančių inovatoriais.



Matematiškai Basso sklaidos modelis yra aprašomas tokia netiesine lygtimi:

$!\frac{f(t)}{1-F(t)} = p+ \frac{q}{M}[A(t)]$

  • $f(t)$ – vartotojų, įsigyjančių gaminį laiku t, dalis
  • $F(t)$ – vartotojų dalis, jau įsigyjusių gaminį iki laiko t
  • $A(t)$ – gaminio vartotojų skaičius laiku t
  • $M$ - bendras potencialių vartotojų skaičius
  • $p$ – inovacijos koeficientas, dar vadinamas ir išorinio poveikio arba reklamos koeficientu
  • $q$ - imitacijos koeficientas, arba vidinio poveikio (iš lūpų į lūpas) koeficientas

Žodžiais šią formulę galima pasakyti taip: laiku t gaminį įsigyjančių žmonių dalis yra proporcinga šį gaminį jau įsigijusių žmonių skaičiui, tačiau laikui bėgant mažėjant bendram galinčiųjų įsigyti skaičiui.
Inovacijos koeficientas nepriklauso nuo gaminį jau įsigijusių žmonių skaičiaus, jį nulemia išorinis poveikis - reklama.


Imitacijos koeficientas yra proporcingas bendram jau įsigijusių gaminį skaičiui, tai yra įsigijimų skaičius duotu laiku priklauso nuo iki to laiko įvykusių pardavimų skaičiaus. Kitaip sakant, kuo daugiau žmonių gaminį įsigijo ir teigiamai kalba apie tą gaminį, tuo didesnė dalis kitų potencialių vartotojų jį įsigys. Be abejo, atsiliepimai gali būti ir neigiami, tuomet jie lėtins pardavimus, o gelbės tik išorinis poveikis. Imitacijos koeficientas yra nulemtas rinkos ar socialinės sistemos vidinių ryšių, todėl vadinamas vidinio poveikio koeficientu.


M galima pavadinti ir rinkos potencialu. Basso modelyje laikoma, kad tai pastovus dydis, bet realiose rinkose jis, be abejo, gali nuolat kisti.

Kaip ir daugelio netiesinių ir diferencinių lygčių, aprašančių kintamųjų pokyčių sąryšius, taip ir šios negalima išspręsti analiziniu būdu, ir tenka pasitelkti skaitmeninius diferencinių lygčių sprendimo metodus.



Šios lygties sprendinys – kreivė, turinti keturis pagrindinius gaminio gyvavimo ciklo etapus – įėjimą į rinką, pardavimų augimą, pardavimų brandą bei įsisotinimą ir smukimą.

Pardavimai vyksta, kol nepasiekiamas rinkos įsisotinimas, o įsisotinimo grafikas įgyja būdingą S formą - pradžioje gaminys plinta lėtai, šį plitimą lemia daugiausia inovatoriai, o po kiek laiko, jį pradėjus įsigyti imitatoriams, plitimas ima greitėti, tačiau, pradėjus mažėti galimų vartotojų skaičiui, plitimas ima lėtėti, kol visai sustoja.



Būdingas inovatorių ir imitatorių kitimo laike grafikas.




Šis modelis tinka tik sėkmingiems gaminiams. Beje, skirtingais vertinimais, nuo 33% (Booz, Allien & Hamilton, Inc., 1982 3) iki net 60% (Silk and Urban, 1978 4) nebūna sėkmingi ir rinkoje neprigyja.

Taip pat šis modelis nepadeda prognozuoti, ar gaminys bus sėkmingas – jis skirtas numatyti gaminio pardavimus (taigi ir gamybos apimtis) skirtingais laikotarpiais.

Bsso sklaidos modelyje reikia numatyti bendrą potencialių vartotojų skaičių – tam galima pasinaudoti istoriniais paradavimų duomenimis, apklausomis, analogiškų gaminių pardavimų analize.
Šis modelis skirtas programuoti skverbties į rinką greitį, o pagrindiniai faktoriai, lemiantys jį, yra:

  • gaminio santykiniai pranašumai, lyginant su jau esančiais gaminiais
  • kokiu lygiu gaminys yra suderinamas su egzistuojančiais vartotojų įpročiais ir nuostatomis
  • kokiu lygiu gaminys yras paprastesnis ir patogesnis naudoti
  • ar jį galima prieš įsigyjant išmėginti
  • ar jis įsidėmėtinas (tai ir reklama, ir aplinkinių nuomonė, prestižas, kt.)
  • (Rogers 1983, 2003 5).

Yra sukurta bene 150 įvairiausių Basso modelio modifikacijų (Michelfelder, Morrin, 2005 6, Peres, Mahajan, 2009 9), kuriuose naudojami papildomi kintamieji, aprašantys įvairius poveikius, tačiau gaminių pardavimų analizės rodo, kad, planuojant naujų gaminių pardavimus, Basso modelis yra pakankamai patikimas ir tikslus, o inovacijos ir imitacijos koeficientai beveik nekinta visą gaminio gyvavimo ciklą. (Poe and Lehman, 2003 7).

Basso modelyje vertinamas tik dviejų tipų poveikis: reklama bei žmonių tarpusavio bendravimas. Reklama turi didesnį poveikį inovatoriams, tiems, kurie jį įsigyja gyvavimo ciklo pradžioje, o poveikis „iš lūpų į lūpas“ labiau paveikia imitatorius – tuos, kurie gaminį nutaria įsigyti kiek vėliau, jau po to, kai jį išmėgino ir savo nuomonę pareiškė inovatoriai. Todėl ir sukurtame kompiuteriniame modelyje, „išjungus“ reklamą, gaminio pardavimai nesustoja, nes yra skatinami „iš vidaus“, reiškiamos vartotojų nuomonės apie jį.

Modelyje daroma prielaida, kad sklaidos procesas yra labiau socialinis savo esme, ir paprastai imitacijos koeficientas yra gerokai didesnis, nei inovacijos koeficientas (tačiau kuris duoda „pradžią“ gaminio gyvavimui). O kuo daugiau vartotojų įsigyja gaminį, tuo didesnį poveikį imitacijos koeficientas įgyja.

Kie paprastesne ir praktiškai naudojama forma Basso modelį galima aprašyti tokia formule:

$!Q(t) = p(M - A(t)) + q(A(t)/M)(M - A(t))$

arba

$!Q(t) = [p + q(A(t)/M](M - A(t))$

čia Q(t) – vartotojų skaičius laiku t.

Laiką, kuomet pardavimai pasiekia maksimumą, galima apskaičiuoti taip:

$!t = 1/(p + q) [ln(q/p)]$ ,

o pardavimų dydis (maksimumo aukštis) tuo metu:

$!s = M [(p + q)^2/4q]$

Basso sklaidos modelis tinka praktiškai visiems naujiems gaminiams, tačiau jo ciklų trukmę, maksimumo aukštį ir jo pasiekimo laiką bei grafiko aukštį veikia ir vadybiniai sprendimai – kaina, reklamos apimtis, inovatyvumo lygis ir kt. Paprastai koeficientai p, q ir N įvertinami, naudojantis praeitų laikotarpių panašių gaminių pardavimų duomenimis, įvairiais matematiniais skaičiavimų metodais - regresine analize, koreliacijomis ir kt.

Lengviau yra apskaičiuoti Basso modelio parametrus gaminiams, kurių pardavimų istorija pakankamai ilga ir gerai išryškėja jų pardavimų maksimumas – tuomet šią kreivę palyginus su teorine, galima rasti parametrus p ir q. Tuomet šių parametrų įverčiai naudojami analogiškų gaminių paklausai įvertinti. Be abejo, modelis tobulinamas, kuomet yra gaunami realūs duomenys. Naujų gaminių rinkos potencialui M įvertinti naudojami rinkos tyrimų, apklausų duomenys.

Įdomu, kad šis modelis imtas vis plačiau taikyti, atsiradus naujoms paslaugoms internete - prognozuojant socialinių tinklų ir virtualių bendruomenių narių skaičiaus augimą. Tuo pačiu internetas sukūrė ir naujas galimybes vartotojams reikšti savo nuomonę, atsiliepimus, pastabas ar kritiką, taigi ir tiesiogiai paveikti daugelį potencialių vartotojų.






Literatūra ir nuorodos

  • 1Bass's Basement Research Institute. The Bass model.

  • 2Bass, Frank (1969). "A new product growth model for consumer durables". Management Science 15 (5): p 215–227

  • 3Booz, Allen & Hamilton, Inc. (1982) New Products Management for the 1980s. New York: Booz, Allen & Hamilton, Inc.

  • 4Silk, A. J. and G. L. Urban (1978), "Pre-Test Market Evaluation of New Packaged Goods: A Model and Measurement Methodology", Journal of Marketing Research, 15, 171-191.

  • 5Rogers, Everett M. (1983, 2003) Diffusion of Innovations, 3rd ed., 5th ed., New York: Free Press.

  • 6Richard A. Michelfelder, Maureen Morrin. Overview of New Product Diffusion Sales Forecasting Models.

  • 7Pae, Jae H. and Donald R. Lehmann (2003), "Multigeneration Innovation Diffusion: The Impact of Intergeneration Time," Journal of the Academy of Marketing Science, 31(1), 36-45.

  • 8Modeliavimo programos "AnyLogic" interneto svetainė.

  • 9Renana Peres, Vijay Mahajan, Eitan Muller (2009). Innovation Diffusion and New Product Growth Models: A Critical Review and Research Directions. International Journal of Research in Marketing, Volume 27, Issue 2, June 2010.