3

ПЕРМСКИЙ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО АВТОНОМНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ
ВЫСШЕГО ОБРАЗОВАНИЯ

«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет экономики, менеджмента и бизнес-информатики

Темиркаева Мария Рифинатовна

Моделирование выручки сотового оператора в зависимости от предлагаемых тарифных планов

Выпускная квалификационная работа - МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ

студента образовательной программы магистратуры «Финансы»

по направлению подготовки 38.04.02 Финансы и кредит

Рецензент К.э.н., доцент, НИУ ВШЭ, доцент Школы финансов факультета экономических наук Дмитрий Викторович Тихомиров	Руководитель доцент департамента экономики и финансов Любовь Михайловна Плюснина

Пермь 2020

Оглавление

• Введение 5
• 1. Теоретическое обоснование 9
• 2. Постановка исследовательской проблемы 20
• 3. Методология исследования 24
• 4. Результаты 43
• Заключение 58
• Список литературы 61
• Аннотация
• Рынок сотовой связи характеризуется глубоким уровнем проникновения, что приводит к высокой конкуренции между провайдерами услуг. В этих условиях увеличение выручки за счет привлечения новых клиентов не эффективно. В литературе к основным факторам, определяющими прибыльность сотового оператора, относят размер и стабильность клиентской базы, которая, в свою очередь, подвержена влиянию сетевых эффектов.
• В работе исследуется влияние сетевых эффектов на диффузию тарифов внутри клиентской базы и выручку оператора. Для оценки ожидаемой выручки построены модель диффузии, logit-модель и mixed logit модель. Отличительной особенностью построенных моделей является учет пространственной мобильности абонентов.
• Установлено влияние сетевых эффектов и мобильности на выручку, что соотносится с предыдущими исследованиями.

• Abstract
• The cellular market is characterized by a deep level of penetration, which leads to high competition among service providers. Under these circumstances customer acquisition is inefficient way of increasing revenue. In the literature, the main factors which determine the profitability of a mobile operator include the size and stability of the customer base, which, in turn, is affected by network effects.
• The paper examines the impact of network effects on both the diffusion of tariffs within the customer base and the operator's revenue. A diffusion model, logit model and mixed logit model were constructed to estimate the expected revenue. The distinctive feature of the built models is the consideration of spatial mobility of subscribers.
• The influence of network effects and mobility on revenue was established, which is consistent with previous research.


Введение

Современный телекоммуникационный рынок - это высококонкурентный рынок, уровень насыщения рынка в России, например, по состоянию на 2006 год превысил 100% (Харатьян и др., 2019). Аналитики J'son & Partners Consulting в своем отчете отмечают, что к концу 2016 года уровень проникновения сотовой связи в России достиг 178%, другими словами, на рынке зарегистрировано около 257 миллионов абонентов. Всё это свидетельствует о крайне высоком насыщении рынка
(Скопинцева, 2017). Очевидно, что в этих условиях фирма должна менять фокус своей деятельности с привлечения новых клиентов на удержание своих действующих абонентов для контролирования своей выручки и привлечении клиентов от конкурирующих операторов.

Выручка фирмы зависит от размера и структуры/стабильности клиентской базы. По причине высокой конкуренции между провайдерами сотовой связи ввиду перенасыщения рынка прямые действия фирмы по влиянию на размер базы клиентов крайне ограничены и могут быть неэффективными. Поэтому основной стратегией фирмы должны стать действия, поддерживающие стабильность базы. В литературе к основным двум факторам, которые влияют на структуру фирмы, относят издержки переключения и сетевые эффекты (Farrell and Klemperer, 2007). Издержки переключения - это те барьеры, которые необходимо преодолеть потребителю, чтобы сменить текущего поставщика услуг. Однако современные технологии и возможность сохранения прежнего номера телефона гораздо сильно упростили для потребителя процесс перехода от одного поставщика услуг к другому. Сменить провайдера можно не выходя из дома, при этом нет необходимости извещать всех своих собеседников о смене номера, так как его можно сохранить. Таким образом, издержки переключения для потребителя сопоставимо ниже, чем раньше, или же вовсе отсутствуют (Peppard, and Rylander, 2006; Grzybowski, 2008). Поэтому фирма больше не может руководствоваться издержками переключения в качестве инструмента, чтобы предотвратить уход клиента к конкуренту. Тогда остаются сетевые эффекты.

Рынок телекоммуникаций является классическим примером проявления сетевого эффекта. Новые технологии обеспечивают телекоммуникационные фирмы огромным массивом детализированной информации о своих клиентах: известно время, место и объем совершаемых услуг. Кроме того, наличие информации об адресатах как голосовых, так и текстовых сообщений позволяет проследить взаимосвязи, существующие между клиентами. Безусловно, включение всей этой возможной и доступной информации о клиентах в маркетинговые стратегии фирмы может оказывать эффект на ее выручку.

Потенциальный клиент продукта телекоммуникационной фирмы решает, потреблять ли данный продукт, и если да, то в каком объем. Свои решения он основывает на ожиданиях того, как много и часто данным продуктом будут пользоваться те, с кем он взаимодействует в повседневной жизни: друзья, коллеги, родственники. Такой эффект в литературе, как правило, называют локальным сетевым эффектом (Birke and Swann, 2006; Farrell and Klemperer, 2007). То есть выбор индивида базируется на том, кто именно и как часто пользуется услугами продукта.

Также на выбор может оказывать и популярность продукта, в этом случае речь уже идет о глобальном сетевом эффекте, в этом случае для индивида играет роль то, как много на рынке потребителей именно этого продукта, то есть какова доля продукта на рынке среди других продуктов (Birke and Swann, 2006).

Сетевые эффекты являются одним из важнейших факторов, влияющих на прибыльность фирмы, так как определяют стабильность фирмы на рынке. Кроме того, на выбор индивида может оказывать влияние его пространственная мобильность, или, другими словами, интенсивность его движений. На эти перемещения в основном влияют циклы городского образа жизни, повседневная рутина людей. Учитывая это, мобильность - это «особая социальная практика» (Jensen, 2009), которая влияет на поведение людей. Таким образом, целью данной работы является моделирование выручки сотового оператора в зависимости от предлагаемых тарифных планов с учетом пространственной мобильности и сетевых эффектов. Знание о траектории распространения тарифного плана среди потенциальных пользователей может являться преимуществом для такого рыночного агента как сотовый оператор. Понимая, как проходит процесс диффузии тарифа или, иными словами, как происходит распространение тарифа среди клиентов при наличии сетевых эффектов (то есть наличия взаимосвязи между клиентами), провайдер услуг сотовой связи способен оценить эффективность введения того или иного тарифа, а также стимулировать дальнейшее его распространение среди возможных пользователей. В сфере телекоммуникационных услуг тарифы используются в качестве основы для принятия решений операторами. Фирмы предлагают линейку тарифов и управляют ими для поддержания прибыли. Операторы в первую очередь используют тарифы как элемент, отвечающий их критериям рентабельности. Именно поэтому моделирование выручки в зависимости от предлагаемой линейки тарифов является мощным инструментом эффективного и выгодного управления тарифами для сотового оператора.

Таким образом, в работе поставлен следующий исследовательский вопрос: наблюдается ли явление диффузии тарифа на рынке сотовой связи, и если да, то каким образом данная информация может быть использована сотовым оператором для управления своей выручкой.

Для ответа на поставленный исследовательский вопрос необходимо выполнить ряд задач:

- ознакомиться с исследования в области сетевых эффектов на рынке сотовой связи и провести их анализ;

- предложить варианты измерения сетевых эффектов;

- подобрать модели для оценивания количества пользователей тарифа в будущем;

- рассчитать необходимые факторы для включения в модель;

- выбрать лучшую модель;

- проинтерпретировать полученные результаты.

1. Теоретическое обоснование

За последние десятилетия облик телекоммуникационной отрасли сильно изменился. Если на начальных этапах функционирования телекоммуникационной индустрии между операторами практически отсутствовала борьба за клиентов, то в условиях стремительного развития отрасли и ее перенасыщения операторы были вынуждены начать конкурировать между собой. Эта смена рыночной конкурентной структуры требовала изменения управленческого мышления сотового оператора. На Рис.1 показаны основные изменения, произошедшие с сотовыми операторами в ходе смены рыночной структуры по ряду ключевых характеристик (Peppard and Rylander, 2006).

Характеристика	Монопольная структура		Конкурентная структура
Ключевая компетенция	Установка инфраструктуры		Запуск продуктов
Критерий качества деятельности	Связь		Выручка/Клиент
Конкурентное преимущество	Экономия от масштаба		Клиентская база
Подход к ценообразованию	Окупаемость		Рыночное ценообразование
Корпоративная цель	Универсальное обслуживание		Акционерная стоимость

Рис. 1. Основные изменения, произошедшие с сотовыми операторами при переходе от монополии к конкуренции

Переход к конкуренции между операторами вызвал смену ключевой компетенции фирмы: теперь основной фокус идёт на создание и запуск новых продуктов, то есть тарифных планов, для удовлетворения как можно большего количества гетерогенных клиентов и, следовательно, увеличения выручки. Теперь клиенты являются основным конкурентным преимуществом фирмы. Поставщики услуг больше не смотрят на клиентов как на участников транзакций, приносящих доход за счет использования сети. Поставщики услуг теперь стремятся развивать более тесные отношения со своей клиентской базой. Ранняя практика среди операторов заключалась в том, чтобы навязывать услуги клиентам. Сегодня основное внимание уделяется лучшему пониманию клиентов и их предпочтений, а также сегментированию клиентской базы, сосредоточившись на предоставлении дифференцированных предложений (Peppard and Rylander, 2006).

Именно тарифы в сфере телекоммуникационных услуг используются операторами в качестве основы для принятия решений. Изменяя линейку тарифов и управляя ею, сотовый оператор способен влиять на получаемую им выручку. Следовательно, если провайдер услуг сотовой связи сможет предсказать динамику распространения нового продукта/тарифа, то будет способен понять эффективность его введения, а также управлять дальнейшим распространением тарифа среди возможных пользователей.

Процесс диффузии тарифа на рынке сотовой связи можно определить как процесс распространения этого тарифа от одного абонента к другим при их взаимосвязи. В свою очередь взаимосвязи между абонентами характеризуют собой сетевые эффекты. Множество как теоретических, так и эмпирических работ показывают, что основными факторами, предопределяющими прибыльность фирмы на рынке мобильной связи, являются размер и стабильность клиентской базы, которые в свою очередь зависят от сетевых эффектов и издержек переключения (Farrell and Klemperer, 2007). Сетевой эффект -- эффект в экономике и бизнесе, который пользователь товара или услуги оказывает на ценность этого продукта или услуги для других пользователей. Издержки переключения -- это издержки, которые необходимо преодолеть потребителю для смены поставщика товара или услуги.

Издержки переключения, как и сетевые эффекты возникают тогда, когда для потребителей особую ценность представляет возможность получения выгоды от совершения покупок лишь в одной фирме. Так, например, затраты на переключение у клиента возникают в том случае, если он хочет, чтобы серия его покупок была совместима друг с другом. Это создает экономию объема при совершении покупок. Примером такой экономии может служить дифференциация стоимости звонков, когда первые минуты разговора стоят больше, однако стоимость последующих снижается. Тем не менее на современном рынке присутствуют низкие издержки переключения (Peppard and Rylander, 2006) или же они вовсе отсутствуют. Например, Grzybowski (2008) пришёл к выводу, что на рынке сотовой связи в Великобритании издержки переключения отсутствуют, а следовательно, не следует и дальше использовать издержки переключения в качестве инструмента для регулирования поведения потребителя. Поэтому фирма больше не может руководствоваться издержками переключения, чтобы предотвратить уход клиента к конкуренту.

Что касается сетевых эффектов, то они возникают тогда, когда пользователь хочет совместимости с другими пользователями, чтобы он мог взаимодействовать с ними. Это в свою очередь создает экономию пространства между покупками разных пользователей. То есть чем больше людей потребляют один и тот же товар, тем быстрее растет рынок данного товара, что приводит к увеличению полезности потребителя на этом рынке (Katz and Shapiro, 1985; Farrell and Klemperer, 2007).

Говорят, что сетевые эффекты возникают, если принятие одним агентом товара:

· выгодно другим клиентам, которые уже пользуются товаром (общий эффект);

· увеличивает стимулы других к его принятию или приобретению (предельный эффект).

В общем случае термин «сетевые эффекты» показывает зависимость между готовностью потребителя платить за данный товар и количеством пользователей этого товара или размером сети (Grajek, 2007). Иными словами, товар характеризуется сетевыми эффектами, когда увеличение числа пользователей товара увеличивает его ценность для других. Существует несколько возможных источников возникновения сетевых эффектов на рынке сотовой связи.

Во-первых, сетевые эффекты возникают при присоединении потребителя к клиентской базе. Из классического определения сетевого эффекта следует, что для потребителей установившаяся база абонентов несет ценность, потому что у потребителей в этом случае возникает больше возможностей для удовлетворения своих потребностей в коммуникации с людьми (Rohlfs, 1974). Однако здесь существует проблема в измерении сетевого эффекта в случае мобильной связи и понимании того, есть ли он, так как когда появилась мобильная связь, уже существовала огромная база абонентов фиксированной связи. Для устранения этой проблемы можно использовать, например, текстовые сообщения, потому что они доступны только в пределах мобильной сети.

Во-вторых, сетевые эффекты возникают из-за наличия скидки на звонки внутри сети. Как правило, внутрисетевые услуги стоят для потребителя меньше, чем услуги, связывающие клиентов разных поставщиков услуг. Поэтому логично предположить, что чем больше клиентская база оператора, тем большее количество звонков за более низкую плату совершает потребитель (Grajek, 2007), то есть при прочих равных условиях потребителям выгоднее выбирать крупные сети, нежели мелкие.

Также сетевые эффекты могут возникать из-за потребности потребителя покупать, потреблять и вести себя так же, как другие. Такой эффект в литературе называются эффектом «подражания» (Leibenstein, 1950). Birke и Swann (2006) находят эмпирические доказательства того, что общее количество людей, пользующихся определенным тарифом, иными словами, его популярность среди пользователей, влияет на потребительский выбор.

Кроме того, качество услуг мобильной телефонной связи также может быть априори неизвестно потребителям. С этим связаны побочные эффекты обучения. Потребитель может узнать о качестве предоставляемых услуг от других потребителей, которые уже пользуются данным оператором, и уже в дальнейшем сам станет источником такой информации. И таким образом информация будет далее распространяться среди абонентов. Побочные эффекты обучения могут привести к s-образной форме диффузии инноваций (Chamley, 2004), то есть, когда распространение вначале идёт медленно, затем очень быстрыми темпами и в конце идет замедление и насыщение рынка. В связи с s-образной формой диффузии сетевой эффект можно разделить на две части: положительный сетевой эффект и отрицательный сетевой эффект.

Положительный сетевой эффект наблюдается на первых двух стадиях s-образной диффузии, поскольку новые пользователи выбирают товар и тем самым вносят свой вклад в расширение сети. Ценность сетевого продукта становится еще больше как для новых, так и для существующих абонентов. Таким образом, ценность принимаемого товара увеличивается для потребителей, когда число подписчиков растет.

Однако все большее число пользователей не может бесконечно генерировать положительный сетевой эффект. Близость к точке насыщения и ее достижение, а также преодоление приводит к тому, что сеть становится перегруженной или перенасыщенной (Chung and Yoo, 2015). В случае с телефонной связью отрицательный эффект может проявляться в ухудшении качества связи и в периодических сбоях в ее работе. Таким образом, добавление дополнительных пользователей сети может снизить её ценность для существующих абонентов.

В литературе существуют два подхода в понимании сетевых эффектов. Первый, классический, утверждает, что решение индивида о приобретении продукта в одинаковой степени зависит от уже существующих клиентов этого продукта, то есть вклад каждого клиента в привлекательность продукта для индивида равноценен. В этом случае сетевой эффект называют глобальным.

1. Глобальные сетевые эффекты

Глобальные сетевые эффекты играют существенную роль в стратегии компании и уровне конкуренции на рынке. Shapiro и Varian (1998) утверждают, что при наличии сетевых эффектов размер клиентской базы становится ключевым активом фирмы, что также находит подтверждение в других исследованиях, которые показывают, что на растущих рынках фирмы с высокой долей рынка могут получать более высокий уровень прибыльности по сравнению с другими фирмами (Farrell and Saloner, 1985; Katz and Shapiro, 1985; Farrell and Klemperer, 2007). То есть если фирма обладает крайне высокой долей рынка, то в силу сетевых эффектов она становится доминирующей на рынке (Arthur, 1996), и другие фирмы, несмотря на то что они могут предоставлять товары или услуги высокого качества, вынуждены покинуть рынок (Shapiro and Varian, 1998; Liebowitz, 2002).

Также было проведено большое количество эмпирических исследований, которые пытались выявить прямые и косвенные сетевые эффекты на различных рынках. Прямые эффекты связаны с увеличением ценности продукта по мере увеличения потребителей данного продукта, косвенные - порождаются развитием комплементарных рынков. В случае рынка сотовой связи примером косвенного эффекта может являться рост точек продажи мобильных телефонов, что положительно влияет на рост абонентов сотовой связи.

Примеры рынков, на которых исследователи пытались измерить как прямые, так и косвенные сетевые эффекты, включают CD и DVD проигрыватели (Dranove and Gandal, 2003), электронные таблицы (Brynjolfsson and Kemerer, 1996) и банкоматы (Stango, 2006). Много усилий было также уделено изучению сетевых эффектов в телекоммуникациях. Например, Liikanen и др. (2004) в своей работе обнаружили положительные прямые сетевые эффекты между аналоговыми и цифровыми поколениями мобильных телефонов.

Grajek (2007) обнаружил доказательства очень низкой экономической совместимости между различными сетями GSM, что указывает на наличие сильных сетевых эффектов на уровне оператора в мобильной телефонии. Он также показывает, что степень несовместимости возрастает с уменьшением цены на внутрисетевые звонки, причем величина влияния уменьшения стоимости внутрисетевых звонков на степень несовместимости зависит от многих как рыночных, так и характеристик пользователя сети.

Birke и Swann (2005), а также Kim и Kwon (2003) использовали conditional logit модель на данных опроса потребителей и обнаружили тесную связь между количеством абонентов мобильного оператора и тем, насколько ценит его пользователь, то есть для абонента тем выше представляет ценность сотовый провайдер, чем большую долю рынка он занимает. Этот эффект усиливается уровнем скидок, предоставляемых оператором.

Исследования Fu (2004) подтверждают, что при наличии внутрисетевых скидок на цены и больших диспропорций в размерах мобильных операторов наблюдается влияние эффекта «подражания». Крупные сети принимают гораздо большую долю новых регистраций, что приводит к еще большему ухудшению положения мелких операторов.

Аналогичные результаты при другом методологическом подходе были описаны Grajek (2007). Он оценил диффузионную модель с использованием панельных данных польского рынка мобильной телефонной связи и обнаружил сильные сетевые эффекты, приводящие к росту спроса. Его результаты показывают, что сетевые эффекты частично обусловлены ценами, однако даже при неизменных ценовых условиях как внутри, так и вне сети, потребители по-прежнему считают мобильных операторов в значительной степени несовместимыми. В результате потребители предпочитают своего собственного оператора любому другому.

2. Локальные сетевые эффекты

Однако затем среди исследователей появилось понимание того, что сетевой эффект может и, как правило, должен иметь локализованный характер (Birke and Swann, 2006; Farrell and Klemperer, 2007). Сетевые эффекты являются локальными, если ценность принятия продукта для потребителя возрастает при увеличении числа определенной подгруппы пользователей продукта. Для потребителей эта подгруппа обычно совпадает с их социальным окружением; для фирм эта подгруппа определяется бизнес-сетью, в которую встроена фирма.

Локальные сетевые эффекты очень распространены в сетях голосовой связи, где потребители заинтересованы в тех продуктах, которые распространены среди его ближайшего круга общения, для них важен выбор людей, с которыми они обмениваются данными и информацией. В литературе существуют исследования локальных сетевых эффектов как с теоретической, так и с эмпирической точек зрения. Если рассмотреть теорию, то, например, Banerji и Dutta (2009) рассматривали дуополию на рынке с однородными товарами, где группы потребителей взаимодействуют только с некоторыми потребителями из своих групп. Они показывают, что для некоторых социальных сетевых структур фирмы могут получать положительную прибыль даже в условиях конкуренции Бертрана. В этом случае может возникнуть сегментированный рынок, на котором разные группы потребителей обслуживаются разными фирмами. Таким образом, существование социальных структур потребителей может смягчить конкуренцию.

С эмпирической точки зрения, Tucker (2006) проанализировал принятие технологии видеосообщения сотрудниками финансовой фирмы; он находит поддержку гипотезе о том, что выбор сотрудника в пользу принятия технологии видеосообщения зависит только от людей, с которыми он общается.

Сетевые эффекты не в классическом понимании также в основном связаны с конкретными тарифами, предлагаемыми операторами. В этом случае выгода для пользователя связана не со звонками или SMS-сообщениями, адресованными пользователям одного и того же оператора, а со звонками, направленными на определенную группу пользователей, которая составляет социальную подгруппу абонента (семья, друзья).

Причина заключается в том, что, хотя все пользователи сети являются потенциальным источником сетевых эффектов, некоторые пользователи имеют большее значение, чем другие (Birke and Swann, 2006). Таким образом, сетевые эффекты не являются однородными (Ahuja, 2000), потребители находят больше преимуществ от взаимодействия с их социальной подгруппой, чем с остальной частью установленной базы. Следовательно, на поведение его выбора в большей степени будет влиять его социальное окружение, чем остальные пользователи сети.

Тем не менее, эмпирические результаты относительно наличия локальных сетевых эффектов противоречивы. В работе 2005 года Birke и Swann рассматривают социальный круг студентов Ноттингемского университета. Они обнаружили, что вероятность того, что два студента пользуются одним и тем же оператором тем выше, чем чаще они звонят друг другу. Однако они не дают прямых доказательств того, что потребители принимают во внимание поставщиков услуг своих друзей и членов семьи при выборе оператора. Кроме того, их анализ статичен, они не рассматривают процесс приспособления потребителя к кругу общения, который вероятнее всего происходит с течением времени.

Но уже в работе 2006 года Birke и Swann показывают существование очень высокой доли внутрисетевых звонков, не связанных с ценовыми различиями, что действительно может являться доказательством наличия приспособления потребителей из одного круга общения в выборе мобильного оператора.

Безусловно, помимо сетевых эффектов на решение индивида оказывают влияние и другие факторы. На текущий момент существует множество исследований в области рынка сотовой связи, в которых были подробно рассмотрены и изучены другие факторы, которые также предопределяют поведение потребителей:

- Возраст (Kim et al. 2010);

- Объем потребления (Iyengar, 2004; Grzybowski, 2008; Train et al., 1987);

- Цена (Grzybowski and Pereira, 2011; Train et al., 1987).

- Издержки переключения (Knittel, 1997; Kim, 2006; Viard, 2007);

- Постоянство в предпочтениях (Grzybowski, 2008; Grzybowski and Pereira, 2011).

Таким образом, в работе будут построены модели, включающие, наряду с «традиционными» факторами, описанными в литературе, пространственную мобильность и сетевые эффекты. В исследованиях, посвященных моделированию сетевых эффектов на телекоммуникационных рынках, используются как минимум три различных подхода к моделированию - метод гедонистических цен (Gandal, 1994; Brynjolfsson and Kemerer, 1996; Knittel and Stango, 2004), моделирование диффузии (Grajek, 2007; Liikanen et al., 2004; Fu, 2004) или conditional multinomial logit модель, применяемая к выявленным данным о предпочтениях (Kim and Kwon 2003; Birke and Swann, 2005). Последний подход представляется наиболее выгодным и надежным, поскольку он использует данные на индивидуальном уровне и позволяет непосредственно моделировать функции полезности. Однако использование выявленных данных о предпочтениях не всегда позволяет отделить влияние сетевого эффекта от влияния других факторов, влияющих на выбор потребителей, таких как издержки переключения и другие.

Основываясь на обзоре литературы в области сетевых эффектов, представляется возможным сделать вывод о том, что возрастает интерес к исследованию сетевых эффектов на рынке услуг сотовой связи. Авторами используются различные данные, на которых оцениваются модели. Полученные результаты исследований дают четкое представление о влиянии сетевых эффектов на рыночную конкуренцию и стратегию фирмы. Большинство исследований находят подтверждения того, что сетевые эффекты являются источниками рыночной власти для фирмы.

В существующих работах авторы находят подтверждение влияния сетевых эффектов на поведение потребителей, на их выбор сотового оператора. Авторы доказывают, что сетевые эффекты являются мощным фактором, определяющим конкурентоспособность фирмы и ее стратегию, откуда косвенным образом можно заключить о влиянии сетевых эффектов на выручку фирмы. Однако, в работах анализ сетевых эффектов на этом и заканчивается, авторы не предпринимают попыток в явном виде оценить, как с помощью сетевых эффектов можно оценить потенциальный выигрыш, в частности выручку сотового оператора, что и будет сделано в данной работе.

2. Постановка исследовательской проблемы

Целью данной работы является моделирование выручки сотового оператора в зависимости от предлагаемых тарифных планов. Тарифный план для сотового оператора является ключевым элементом управления своей выручкой. Именно поэтому знание траектории распространения тарифного плана среди потенциальных пользователей важно для сотового оператора. Оценка диффузии тарифа позволяет сотовому оператору понять, насколько эффективным будет новый тариф, то есть как много людей решат к нему подключиться. Из теоретического обзора можно сделать вывод о влиянии сетевых эффектов на выручку фирмы, так как они играют существенную роль в стратегии компании и уровне конкуренции на рынке.

На имеющихся данных одного из российских операторов сотовой связи за период с января по ноябрь 2012 года представляется возможным моделирование выручки сотового оператора в зависимости от предлагаемой линейки тарифных планов. Исходя из доступных данных и исследованиях, посвященных моделированию сетевых эффектов на телекоммуникационных рынках, в работе предполагается моделирование выручки тремя способами. Все три способа предполагают прогнозирование числа пользователей в будущем на текущих доступных данных. Зная количество пользователей конкретного тарифного плана в будущем, а также паттерн потребления клиента, можно рассчитать ожидаемую выручку от данного тарифа в будущем.

Первый способ - это моделирование диффузии (Grajek, 2007; Liikanen et al., 2004; Fu, 2004). Для моделирования диффузии и, следовательно, определения скорости роста числа пользователей тарифного плана и прогнозирования их количества в будущем можно использовать математическую теорию распространения инфекций во время эпидемии или теорию передачи информации (Bailey, 1957; Gomulka, 1998). Недостатком данного способа является невозможность предсказания конкретных пользователей тестируемого тарифа. В силу этого, для нахождения выручки будет использоваться паттерн потребления типичного пользователя этого тарифа (средний или медианный паттерн).

В качестве двух других способов предполагается построение моделей вероятности выбора индивидом того или иного тарифного плана. Для начала для каждого тарифа будет оценена модель выбора индивидом этого тарифа посредством logit модели. Далее по каждому человеку будет рассчитана вероятность подключения к этому тарифу. Зная же по каждому клиенту его прошлый типичный паттерн потребления и оцененную вероятность выбора тарифа, представляется возможным расчет уже самой выручки. Минусом данного подхода является необходимость построения множества моделей для каждого тарифного плана. Поэтому также будет оценена mixed logit модель, преимуществом которой является отсутствие необходимости построения нескольких моделей, а также возможность обхождения ограничения постоянства вектора оцениваемых параметров для всех индивидов. Далее аналогично logit модели возможно предсказать, какой тарифный план выберет индивид, а затем использую типичный паттерн потребления потребителя в прошлом оценить ожидаемую выручку.

В бинарной logit модели и в mixed logit модели в качестве объясняющих переменных помимо контрольных переменных будут включены метрики глобального и локального сетевого эффекта, так как они являются важным фактором для принятия решения индивидом (Grajek, 2007; Birke and Swann, 2005, 2006; Kim and Kwon, 2003), и, следовательно, влияют на получаемую сотовым оператором выручку. Для расчета локального сетевого эффекта в работе будут использоваться три показателя, каждый из которых будет рассчитан на основе месячных данных, то есть в каждом месяце значения показателей будут меняться. Первый показатель будет показывать привлекательность тарифа для индивида в зависимости от того, как много среди его собеседников клиентов этого тарифного плана. Например, если перед индивидом стоит выбор среди трех тарифных планов, при этом первым тарифом пользуются 7 его собеседников, вторым - 10, а третьим лишь 3, то тогда первый показатель локального сетевого эффекта для первого тарифа составил бы 7, для второго - 10, и для третьего тарифа - 3. Недостатком такого показателя является то, что он никак не учитывает общее число собеседников человека.

Поэтому в качестве второго показателя локального сетевого эффекта предполагается использовать отношение первого показателя локального сетевого эффекта к общему числу собеседников человека. Например, рассмотрим второго индивида с тем же выбором тарифа среди трех альтернатив, но который общается лишь с 3 людьми, которые все являются клиентами третьего тарифа. Тогда для этого индивида первый показатель локального сетевого эффекта для первых двух тарифов имел бы нулевое значение, а для третьего тарифа - 3, как и для первого индивида. То есть по первому показателю привлекательность третьего тарифа для двух индивидов одинакова, хотя на самом деле для первого индивида привлекательнее второй тариф, а для третьего - третий, и второй показатель как раз отражает, что на самом деле третий тариф не является одинаково привлекательным для двух индивидов.

Тем не менее, этот показатель также имеет недостаток. Из внимания упускается значимость того или иного пользователя для клиента: все пользователи являются для клиента равноценными, что на самом деле неверно. Для устранения этого недостатка предлагается использовать третий показатель. Для индивида привлекательность конкретного тарифного плана j будет рассчитываться как сумма долей затрат абонента i, приходящая на контакт k, который пользуется рассматриваемым тарифом j:

	(1)
где: - процентная доля затрат абонента i, приходящаяся на контакт k.

В качестве глобального сетевого эффекта в работе предполагается использование количества уникальных пользователей, пользующихся определенным тарифным планом, иными словами популярность тарифного плана, который в литературе часто относят к глобальному сетевому эффекту (Birke and Swann, 2005; Kim and Kwon, 2003).

3. Методология исследования

1. Данные

В настоящей работе использованы данные одного из российских мобильных операторов за период с января по ноябрь 2012 года включительно. В рассматриваемый период у клиентов российских сотовых операторов отсутствовала возможность переноса прежнего телефонного номера при смене поставщика услуг. Лишь 1 декабря 2012 года были приняты поправки в закон «О связи», разрешающие перенос номера мобильного оператора (Федеральный закон № 253-ФЗ «О внесении изменений в Федеральный закон „О связи“»). До принятия закона переход к другому сотовому оператору сопровождался для потребителя сменой номера, влекущей за собой издержки на сообщение прежним контактам нового номера. Также для смены сотового оператора, как правило, потребителю необходимо понести высокие издержки переключения. Поэтому в данной работе в силу высоких как денежных, так и неденежных затрат мы пренебрегаем возможностью перехода к другому оператору.

В работе предполагается использование трех моделей для моделирования выручки сотового оператора:

1) Модель диффузии;

2) Logit модель;

3) Mixed logit модель.

Для моделей диффузии отобраны 6 тарифных планов, половина из которых составляют «старые» тарифные планы, то есть тарифы, уже давно выпущенные сотовым оператором. Другая половина состоит из «новых» тарифных планов, которые были введены сотовым оператором в течение рассматриваемого периода. Это «Tariff3» и две модификации этого тарифа: «Tariff3_1» и «Tariff3_2».

Для моделирования выручки в logit и mixed logit моделях используются данные о 1154 клиентах 8 различных тарифных планов, особенности которых представлены в Таблице 1. В работе предполагается, что индивид каждый месяц принимает решение о выборе тарифа из линейки доступных на момент решения тарифов. Так как не все индивиды представлены в каждом из 11 месяцев, то мы наблюдаем 7134 случая индивидуального выбора. Также не все тарифы доступны для подключения в каждый месяц за рассматриваемый период. Так, например, тарифный план «Tariff1» доступен лишь с января по май включительно. Периоды доступности к подключению к тому или иному тарифному плану в рассматриваемый период представлены на Рис. 2.

Таблица 1

Характеристики тарифных планов
Тарифный план	Особенности тарифного плана	Тип тарифного плана
Tariff1	Дифференциация по накопленному количеству минут и SMS-сообщений в сутки	С дифференциацией
Tariff2	Нет дифференциации	Линейный
Tariff3	Нет дифференциации	Линейный
Tariff4	Дифференциация по накопленному количеству минут в течение одного соединения	С дифференциацией
Tariff5	Наличие абонентской платы	С абонентской платой
Tariff6	Дифференциация по накопленному количеству минут в сутки и SMS-сообщений в месяц	С дифференциацией
Tariff7	Нет дифференциации	Линейный
Tariff8	Наличие абонентской платы	С абонентской платой

Рис. 2. Период действия тарифов

Так как logit модель является моделью бинарного выбора, то при ее использовании представляется возможным моделирование выручки сотового оператора лишь от одного конкретного тарифного плана. Для тестирования этой модели мы будет оценивать вероятность выбора клиентом 1) линейного тарифа (Tariff2), 2) тарифа с дифференциацией (Tariff1) и тарифа с абонентской платой (Tariff5).

Mixed logit модель является моделью дискретного выбора среди множества доступных альтернатив, поэтому в этой модели будет оценена вероятность выбора клиентом каждого из 8 рассматриваемых тарифных планов. В Таблице 2 представлены тарифы, для которых будет моделироваться выручка сотового оператора в каждой модели.

Таблица 2

Используемые тарифные планы в разных моделях
Модель диффузии	Logit модель	Mixed logit модель
«Старые тарифы»: - Tariff1 - Tariff2 - Traiff5 «Новые тарифы»: - Tariff3 - Tariff3_1 - Traiff3_2	- Tariff1 - Tariff5 - Tariff7	- Tariff1 - Tariff2 - Traiff3 - Tariff4 - Tariff5 - Traiff6 - Tariff7 - Tariff8

101 (8,75%) клиент за рассматриваемый период переключался лишь один раз с одного тарифа на другой, остальные в течение рассматриваемого периода не меняли свой тариф. Как можно видеть в Таблице 3, около ј всех клиентов приходится на «Tariff6», меньше всего клиентов на тарифе «Tariff3». Больше всего ушло клиентов с тарифа «Tariff6», а самым популярным для подключения новых клиентов стал «Tariff2».

Таблица 3

Распределение абонентов по тарифам
	Количество клиентов на первую доступную для подключения дату	Количество клиентов, ушедших с тарифа за рассматриваемый период	Количество клиентов, подключившихся к тарифу за рассматриваемый период
Tariff1	139 (13,71%)	3 (2,97%)	3 (2,97%)
Tariff2	154 (15,19%)	1 (0,99%)	73 (72,28%)
Tariff3	4 (0,39)	0 (0,00%)	0 (0,00%)
Tariff4	205 (20,22%)	11 (10,89%)	0 (0,00%)
Tariff5	220 (21,70%)	10 (9,90%)	22 (21,78%)
Tariff6	308 (30,37%)	73 (72,28%)	0 (0,00%)
Tariff7	25 (2,47%)	0 (0,00%)	0 (0,00%)
Tariff8	98 (9,66%)	3 (2,97%)	3 (2,97%)

По каждому индивиду известно, каким тарифным планом и какими услугами он пользуется, его денежные и временные затраты на каждую услугу. По каждой услуге известно является она входящей или исходящей. Исходя из этой информации мы можем рассчитать детализированные денежные месячные затраты человека, то есть сколько в общей сложности он потратил на SMS-сообщения или же звонки внутри сети. Эти месячные издержки человека по услугам мы используем в качестве контрольных переменных в logit и mixed logit моделях.

Любые входящие услуги (в том числе и платные) были полностью исключены из рассмотрения, потому что они в меньшей степени оказывают влияния на выбор тарифного плана. Во-первых, индивид не имеет возможности контролировать объем потребления входящих услуг. Во-вторых, входящие услуги в основном не тарифицируются мобильным оператором.

В работе в качестве контрольных переменных учитываются лишь наиболее «популярные» среди клиентов услуги с точки зрения совокупных клиентских затрат на эти услуги. 90% затрат всей клиентской базы приходится на 10 услуг (Рис. 3). Среди этих услуг 8.6% затрат приходится на GPRS-Интернет, но в силу отсутствий различий в тарификации на разных тарифах он не учитывается при моделировании. Также мы не учитываем услуги междугороднего (7.85% от всех затрат) и международного соединения (1.82% от всех затрат), SMS с повышенной оплатой (2.71% от всех затрат) в силу значительно более высокой их тарификации за единицу пользования, из-за чего они и входят в топ 10 услуг по объему затрат, но не из-за более высокого спроса со стороны потребителей. Как уже было сказано, платный входящий контент-SMS (4.3% от всех затрат) не рассматривается по причине отсутствия контроля объема потребления со стороны клиента. Таким образом, остается только 5 услуг, затраты на которые мы учитываем при моделировании:

- звонки внутри сети;

- звонки на номера других сотовых операторов;

- звонки на номера фиксированной телефонной связи;

- SMS сообщения внутри сети;

- SMS сообщения на номера других сотовых операторов.

Рис. 3. Распределение затрат клиентской базы по услугам

2. Модели

В работе для описания распространения тарифного плана среди потенциальных пользователей предполагается оценивание трех моделей. Первая модель - это модель диффузии. Существуют множество моделей, описывающих процесс распространения инноваций, но наиболее популярными из них являются диверсифицированные темпы распространения инноваций (Romeo, 1975; Rosenberg, 1976) и диффузия в соответствии с формой логистической кривой (Mahajan, Muller, Bass, 1995) или s-образная диффузия. В данной работе будет использован второй подход к моделированию диффузии. Согласно этому подходу диффузии на начальных этапах инновации распространяются медленно, далее идет активный рост распространения их среди людей, а затем наступает фаза насыщения (Рис. 4). Такая закономерность распространения инноваций может быть объяснена локализацией знаний об этих инновациях среди потенциальных пользователей и связанным с этим процессом обучения (Hall, 2004).

Рис. 4. Категории потребителей инновации

Как можно видеть на Рис. 4, пользователей инноваций можно разделить на пять категорий, а именно: новаторы, ранние последователи, раннее большинство, позднее большинство и отстающие (Rogers, 1995). Такое разделение обуславливается результатом взаимодействия двух факторов. Первый связан с гетерогенностью потребителей по их уровню неприятия риска и социально-экономическим характеристикам. Второй фактор является результатом различных темпов приобретения знаний отдельными потребителями.

Для моделирования диффузии и, следовательно, определения скорости роста числа пользователей тарифного плана и прогнозирования их количества в будущем можно использовать математическую теорию распространения инфекций во время эпидемии или теорию передачи информации (Bailey, 1957; Gomulka, 1998).

	(2)

где: N(t) - общее число пользователей инновации в период t;

g(t) - коэффициент диффузии;

m - количество потенциальных пользователей.

Из уравнения (2) следует, что скорость диффузии зависит от числа потенциальных последователей, которые еще не приняли технологию/товар, и скорости диффузии. Скорость диффузии, g(t), отражает вероятность того, что потенциальные пользователи примут технологию/товар в какой-то небольшой промежуток времени. Эта вероятность зависит от типа инновации, каналов коммуникации, времени и особенностей социальной системы. В зависимости от формулы задания коэффициента диффузии g(t) существуют три модели диффузии инноваций (Mahajan, Peterson, 1985):

· external-influence модель, где коэффициент диффузии g(t) равен константе p;

· internal-influence модель, где коэффициент диффузии g(t) равен qN(t);

· mixed-influence модель, где коэффициент диффузии g(t) равен p + qN(t).

Согласно уравнению (1), модель внешнего воздействия может быть выражена в виде:

	(3)

где: N(t) - общее число пользователей инновации в период t;

p - коэффициент инновационности;

m - количество потенциальных пользователей.

Константа р в уравнении (3) определяется как коэффициент инновационности или внешнего воздействия, исходящего извне социальной системы. Можно сказать, что коэффициент инновационности p напрямую зависит от средств массовой коммуникации в отношении инноваций, формулируемых рыночными агентами, государственн-ыми органами, и направлены на потенциальных пользователей инноваций. Эта модель применима для моделирования диффузии инноваций, когда участники социальной группы изолированы и когда в обществе преобладают формализованные и иерархические коммуникации. Иными словами, эта модель описывает распространение инновации через формализованные каналы коммуникации, когда участники социальной группы узнают о продукте из внешних источников, но не внутренних, коими является сама социальная группа.

Еще одним расширением модели диффузии инноваций является internal-influence модель (Mansfield, 1961). Эта модель может быть выражена с помощью следующего дифференциального уравнения:

	(4)

где: N(t) - общее число пользователей инновации в период t;

q - коэффициент «подражания»;

m - количество потенциальных пользователей.

В этой модификации модели вместо коэффициента инновационности p используется так называемый коэффициент «подражания» q, который отражает взаимодействие клиентов, которые уже пользуются инновационным/новым продуктом, с потенциальными клиентами. Таким образом, свое решение о принятии инновации потенциальные потребители основывают на информации от взаимодействия с существующими клиентами. Эта модель подходит в тех случаях, когда моделируемая социальная система относительно мала и однородна, а будущие пользователи нуждаются в подтверждении информации об инновации. То есть в отличие от external-influence модели, здесь информация о продукте распространяется внутри социальной группы, от одного участника к другому.

И наконец последней модификацией модели диффузии инновации является mixed-influence модель, где информация о продукте поступает как из внутренних, так и из внешних источников. Так как mixed-influence модель является комбинацией двух вышеперечисленных моделей, то именно она наиболее часто используется для анализа исследователями (Hall, 2004; Mahajan, Peterson, 1985; Satoh, 2001).

Модель задается следующим уравнением:

	(5)

где: N(t) - общее число пользователей инновации в период t;

p - коэффициент инновационности;

q - коэффициент «подражания»;

m - количество потенциальных пользователей.

Переписав уравнение (5) в дискретный вид, параметры m, p и q можно оценить с помощью метода наименьших квадратов:

	(6)

В работе для нахождения формы распространения тарифа среди пользователей будет использована mixed-influence модель, так как потенциальный потребитель какого-либо тарифа получает информацию об этом тарифе как из внешних источников, которыми могут являться рекламные предложения и маркетинговые кампании, так и из внутренних, например, из личного общения с потребителем данного тарифа.

После нахождения параметров m, p и q и, следовательно, формы распространения тарифного плана, представляется возможным расчет будущего числа пользователей на основе данных о текущем количестве потребителей. Прогнозом данной модели является прирост потребителей в будущем периоде по сравнению с предыдущим. Тогда, чтобы рассчитать выручку сотового оператора в будущем периоде от конкретного тарифного плана, достаточно знать типичный или средний паттерн потребления клиента этого тарифного плана и умножить его на сумму числа клиентов в прошлом периоде и прогнозируемого прироста числа клиентов:

	(7)

где: Revenue(t) - выручка сотового оператора в период t;

Average_month_cost - средний месячные издержки потребителя;

N(t) - общее число новых пользователей тарифа в период t;

N(t - 1) - общее число пользователей тарифа в период t - 1.

Вышеописанная модель диффузии на выходе дает прогноз количества абстрактных клиентов, из-за чего используется усреднение затрат абонентов, чтобы найти, сколько в среднем в месяц тратит типичный клиент моделируемого тарифного плана. Это усреднение влечет за собой еще одну ошибку в дополнение к ошибке самой модели при расчете выручки сотового оператора. Поэтому в качестве следующей модели предлагается использовать модель бинарного выбора, logit модель, которая используется для предсказания вероятности того, произойдет событие или нет.

Для каждого тарифа можно оценить модель выбора индивидом этого тарифа посредством logit модели, где вероятность того, что индивид выберет конкретный тариф, задается следующим образом:

	(8)

где: - функция логистического распределения;

- линейная функция переменных, которая определяет искомую вероятность.

Так как logit модель не линейна по параметрам перед регрессорами, то модель оценивается методом максимального правдоподобия. Предположим, что целью стоит предсказание вероятности, выберет ли индивид тарифный план «Tariff1». В выборке есть два типа клиентов: 1) те, которые выбрали «Tariff1» и 2) те, которые выбрали любой другой тарифный план, кроме «Tariff1». Тогда свой выбор человек основывает на разнице между его действительными затратами и альтернативными затратами, то есть теми затратами, которые он был бы вынужден понести, если бы выбрал тарифный план «Tariff1». Очевидно, что в случае первого типа клиентов, которые выбрали «Tariff1», эта разница будет нулевой, что может повлечь за собой идеальное разбиение зависимой переменной. Поэтому для первого типа клиентов тоже необходимо определить альтернативные затраты. В работе это будут альтернативные затраты клиента на тарифе «Tariff2», так как он доступен на протяжении всех рассматриваемых 11 месяцев.

Именно альтернативные и понесенные потребителем издержки в течение месяца мы понимаем под характеристиками тарифа и используем разницу этих издержек, а не просто разность между стоимостью различных типов услуг за единицу пользования на разных тарифах. Используются затраты, так как сотовым оператором предлагаются не только тарифы с линейным ценообразованием, но и тарифы с абонентской платой или же с дифференциацией, где стоимость единицы потребления зависит от прошлого накопленного уровня потребления. Таким образом, издержки отражают как цену, так и объем потребления. Человек при выборе тарифа смотрит не только на цену, но и оценивает свой приблизительный объем потребления. Разный объем потребления подразумевает, что тот или иной тариф выгоден с точки зрения издержек.

Также выбор человека может зависеть от его личностных характеристик, таких как мобильность в пространстве (Chadov et al., 2020). В качестве показателя мобильности будет использоваться количество уникальных базовых станций, в зоне действия которых индивид совершает звонки в течение месяца.

Кроме того, для индивида представляет важность как популярность тарифа, так и выбор домочадцев или ближайшего круга общения (Birke and Swann, 2006; Farrell and Klemperer, 2007), то есть на выбор человека оказывают воздействие как глобальные, так и локальные сетевые эффекты. В качестве глобального сетевого эффекта будет использоваться месячное количество пользователей, пользующихся конкретным тарифным планом. Перед непосредственным расчетом показателей сетевых эффектов необходимо установить соответствие уникальных идентификаторов клиента.