Рис.7 Период действия тарифов

Результаты

В работе были оценены три типа модели: Conditional, Mixed и Nested logit. Conditional logit модель позволяет понять, как изменение стоимости услуг на тарифном плане и изменение личностных характеристик (мобильности) влияет на вероятность смены абонентом текущего тарифного плана.

Далее была оценена Mixed logit модель, которая учитывает гетерогенность людей по чувствительности к изменению стоимости услуг. Это позволяет коэффициентам при alternative-specific регрессорах в данной модели быть не фиксированными, что является реалистичным, так как чувствительность к изменению цены звонков внутри сети для двух абонентов, один из которых в основном совершает внутрисетевые звонки, а другой, как правило, отправляет SMS сообщения и редко совершает звонки, будет разной.

Наконец, последняя модель - Nested logit, позволяет проверить гипотезу о структуре выбора тарифного плана. Логично предположить, что в процессе подбора тарифа индивид вначале неким образом классифицирует для себя множество тарифов и лишь затем делает выбор из той группы тарифов, которая является для него наиболее оптимальной. В данной работе была смоделирована следующая классификация тарифов: индивид группирует тарифы по их особенностям (наличие или отсутствие дифференциации стоимости, наличие абонентской платы), предполагая, что минимальный выгодный уровень потребления в этих группах отличается.

В конечном итоге, оценив все три типа моделей и сравнив их между собой, представляется возможным опровергнуть или подтвердить гипотезу о двухшаговой структуре выбора, а также проверить другие выдвинутые гипотезы. Для оценивания моделей использовался статистический пакет Stata. Оценивание Conditional и Nested logit моделей возможно лишь на основе кросс-секционной структуры данных, поэтому вначале было осуществлено оценивание моделей и последующее их сравнение на кросс-секционных данных, затем - оценивание Mixed logit модели, которая позволяет учесть панельную структуру данных. Оценки моделей, где за мобильность было взято количество уникальных базовых станций, представлены в таблице:

Таблица 5

Оценки моделей с включением переменной mob_1

Переменные tariff1,…,tariff8 являются дамми-переменными, отвечающие за выбор конкретного тарифного плана. Интерпретация переменных следующая: положительный знак коэффициента переменной tariff1 говорит о том, что если индивид выбрал данный тариф, то вероятность выбора других альтернатив возрастает, отрицательный - вероятность уменьшается. Значимость стандартных отклонений цен на различные услуги (SD Price1,…,SD Price5) означает, что люди действительно по-разному реагируют на изменение цен услуг. Иначе говоря, изменение стоимости звонков внутри сети по-разному влияет на полезность разных абонентов. Переменные one-part_with_diff_mob_1 и two-part_mob_1 - это мобильность для разных групп тарифов. Параметры one-part _tau, with_diff_tau и with_flat_rate_tau отвечают за схожесть альтернатив в группах.

Во всех трех моделях, в которых использовалась кросс-секционная структура данных, значимы оказались как характеристики тарифного плана, так и мобильность индивида. Знаки исследуемых переменных также одинаковы во всех трех моделях. При этом оценки стандартных отклонений в модели Mixed logit говорят о том, что среди индивидов нет гетерогенности по стоимости совершения вызовов и отправки SMS сообщений внутри сети, что является интересным результатом. Возможно, это может говорить о том, что внутрисетевые услуги являются наиболее важными для всех абонентов внутри сети и любое изменение в цене данных услуг приводит к одинаковой реакции всех исследуемых абонентов. Тем не менее, для дальнейшей интерпретации результатов для начала нужно выбрать лучшую модель. Для выбора лучшей модели были рассчитаны информационные критерии, представленные в таблице 6.

Таблица 6

Информационные критерии

Как видно из таблицы, лучшей моделью на основе кросс-секционной структуры данных является Nested logit модель, что подтверждает гипотезу 4 о структуре выбора тарифа. Индивид действительно вначале группирует тарифы по неким схожим признакам, а затем из оптимальной для него группы выбирает тарифный план. Однако недостатком данной модели является невозможность учесть панельную структуру данных, что приводит к тому, что нет возможности уловить момент переключения абонента с одного тарифного плана на другой. Как результат, интерпретация результатов относительно вероятности переключения невозможна. Поэтому оставшиеся гипотезы будут проверены исходя из результатов оценивания модели Mixed logit, в которой учитывается панельная структура данных, к тому же данная модель по информационным критериям является лучшей среди оцененных четырех моделей.

Результаты оценивания трех моделей Mixed logit представлены ниже. В модели Mixed1 за мобильность взято количество уникальных базовых станций, в модели Mixed2 - сила разброса индивида относительно средней базовой станции, в последней (Mixed3) - индекс Херфиндаля-Хиршмана.

Таблица 7

Оценки моделей Mixed logit

Худшей моделью по значимости коэффициентов оказалась Mixed2, где мобильность рассчитывалась как мера разброса абонента относительно его центра масс: мобильность значима лишь для тарифов «Знатоки общения» и «Своя страна +». Стоит отметить, что при анализе распределений переменной mob_2 по тарифам, именно по данной переменной были высказаны сомнения по поводу неоднородности тарифов, что подтвердилось после оценивания модели: лишь три тарифа значимо отличаются между собой.

Оставшиеся две модели почти полностью совпадают по значимости коэффициентов и их знакам. Разные знаки при коэффициентах мобильности интерпретируются одинаково, так как показатели являются взаимообратными: чем больше mob_1 или чем меньше HHI, тем более мобилен индивид. Следовательно, сделать выбор среди этих двух моделей лишь на основе значимости коэффициентов сложно, поэтому снова были рассчитаны информационные критерии. Наименьшие значения AIC и BIC показала модель Mixed1 (Таблица 8), дальнейшая интерпретация результатов будет осуществлена относительно данной модели.

Таблица 8

Информационные критерии

Проверка гипотез.

Гипотеза 1. Наибольший эффект на решение индивида о переключении на другой тарифный план оказывает изменение цены на звонки и на SMS сообщений внутри сети.

Гипотеза не подтвердилась, так как коэффициент при стоимости SMS сообщений внутри сети оказался не значим. Интересным оказался результат, что стоимость звонков на фиксированные номера является значимым фактором переключения, в то время как стоимость SMS сообщений внутри сети и звонков на номера других операторов нет. Предполагалось, что именно услуги внутри сети оказывают большее влияние на выбор индивида. Возможно, это объясняется тем, что компания «Ростелеком» представляет услуги как подвижной телефонной связи, так и фиксированной, а потому цена одного звонка с мобильного номера на номер фиксированной связи сопоставимо ниже, чем у других мобильных операторов. Следовательно, можно предположить, что при выборе рассматриваемого мобильного оператора для людей оказалась наиболее значимой данная особенность оператора.

Гипотеза 2. Потребители, пользующиеся тарифом с дифференциацией, менее вероятно сменят текущий тарифный план.

Гипотеза отвергается, как как коэффициенты при всех дамми-переменных, отвечающих за выбор конкретного тарифа, оказались положительными. Следовательно, не имеет значения, какой тип тарифа выбран: индивид вероятнее всего сменит тарифный план.

Гипотеза 3. Более мобильные абоненты вероятнее переключатся на другой тарифный план.

Гипотеза также не подтвердилась. Отрицательный коэффициент при мобильности говорит о снижении вероятности смены тарифного плана при увеличении мобильности. Возможно это может быть связано также с эффектом обучения. Так как данные потребители лучше обучаются, то можно предположить, что к моменту исследования они уже подобрали для себя наиболее оптимальный тарифный план и вероятность смены тарифа крайне мала.

Гипотеза 4. Выбор тарифа происходит не из всего множества тарифных планов, а из группы близких друг к другу.

В силу того, что нет возможности оценить модель Nested logit на панельных данных и что на кросс-секционных данных модель двухуровневого выбора оказалась лучше Mixed logit модели, можно предположить, что она также оказалась бы лучшей и на панельных данных. Таким образом, представляется возможным принять гипотезу 4 и утверждать, что структура выбора действительно носит двухуровневую структуру.

Стоит отметить ряд ограничений работы, преодоление которых могло бы значительно улучшить качество модели. Во-первых, это ограничения, связанные с введенными предпосылками. Индивиду доступно лишь ограниченное количество услуг ограниченного числа тарифов одного оператора. Возникает интерес к исследованию ситуации, когда у индивида есть возможность переключаться не только между тарифными планами, но и между операторами сотовой связи.

Во-вторых, отсутствуют демографические характеристики абонентов, которые также могут оказаться важными при описании выбора индивидом тарифного плана.

В-третьих, присутствует проблема эндогенности. Не понятно, выбор тарифного плана влияет на структуру потребления, или же на основе своего прошлого уровня потребления и ожидаемого будущего индивид выбирает тариф.

Заключение

Рынок сотовой связи в России характеризуется высокой конкуренцией, сложной внутренней структурой, а также ростом появления новых продуктов. Эти условия, а также высокая потребительская лояльность и привязанность к уже выбранному мобильному оператору, являются результатом того, что провайдерам сотовой связи становится сложнее привлекать новых клиентов. Разработка новых ценовых стратегий является одним из способов увеличения клиентской базы, однако разработка нового тарифного плана не является тривиальной задачей. Необходимо не только привлечь новых клиентов при запуске нового продукта или же частичного изменения действующего, но также удержать существующих. При этом важно уметь прогнозировать разницу между выгодой от реализации новой ценовой стратегии и издержками на ее осуществление для понимания целесообразности введения нового тарифа.

Для достижения данной цели оператором сотовой связи необходимо детально изучить принципы принятия решений потребителями, их реакции на изменения прейскурантов тарифов, уметь сегментировать клиентов в зависимости от их характеристик. Эффективное ценообразование является важной прикладной задачей, решение которой не является очевидным и оставляет огромное поле для исследований.

В данной работе была предпринята попытка понять, каким образом происходит выбор тарифа и какие факторы в большей степени влияют на вероятность смены тарифного плана. Для этого были использованы данные ОАО «Ростелеком» за период с ноября 2011 по ноябрь 2012. Данные содержали информацию о прейскурантах тарифов в каждый месяц, а также детализированную информацию о потреблении абонентов: действующий тариф, тип услуги, длительность, стоимость, базовая станция.

Одним из основных и трудоемких этапов работы являлись анализ и обработка существующего массива данных для создания релевантной целям и задачам исследования базы данных. Необходимо было подобрать тарифы с разными ценовыми стратегиями, выявить период их действия. Помимо этого требовалось рассчитать фактические и альтернативные издержки и мобильность абонентов в пространстве. Для исследования влияния мобильности на решение потребителей были предложены и использованы три варианта ее расчета: количество уникальных базовых станций, в зоне работы которых абонент совершает вызовы в течение месяца (mob_1); амплитуда колебаний индивида вокруг средней базовой станции (mob_2); индекс Херфиндаля-Хиршмана как показатель концентрированности разговоров индивида в пространстве (HHI). Значимыми оказались переменные mob_1 и HHI, обе переменные свидетельствуют об уменьшении вероятности переключения с увеличением мобильности.

В конечном итоге была сформирована выборка, в которую вошли 1154 абонента 8 тарифов или 7134 наблюдений фактического выбора тарифного плана. 101 абонент сменил тарифный план в рассматриваемый период. В качестве alternative-specific регрессоров были выбраны стоимости наиболее распространенных среди абонентов услуг: звонки внутри сети, на номера других операторов и на номера фиксированной связи, SMS сообщения внутри сети и на номера других операторов.

Для проверки выдвинутых гипотез были оценены три типа модели: Conditional, Mixed и Nested logit. В первых двух моделях выбор тарифа происходит из всего множества альтернатив, в последней - из группы близких друг к другу тарифов.

Лучшей моделью на кросс-секционных данных оказалась Nested logit модель, что подтверждает гипотезу о двухуровневой структуре выбора тарифа. Однако дальнейшая интерпретация результатов и проверка гипотез была осуществлена по модели Mixed logit, так как она позволяет учитывать панельную структуру данных и, следовательно, фиксировать момент переключения индивида. На ее основе были проверены и отвергнуты следующие гипотезы:

- Гипотеза 1. Наибольший эффект на решение индивида о переключении на другой тарифный план оказывает изменение цены на звонки и на SMS сообщений внутри сети.

- Гипотеза 2. Потребители, пользующиеся тарифом с дифференциацией, менее вероятно сменят текущий тарифный план.

- Гипотеза 3. Более мобильные абоненты вероятнее переключатся на другой тарифный план.

К ограничениям работы относятся введенные предпосылки, отсутствие демографических данных, а также наличие проблемы эндогенности. Преодоление указанных ограничений может стать целью дальнейших работ.

Список использованной литературы

1. Миловзоров Г. В., Воробьев А. В., Шакирова Г. Р., Кильметов Э. А. Исследование и анализ амплитудно-частотных характеристик геомагнитной псевдобури, возникающей в процессе авиаперелета воздушных судов различного целевого назначения // Вестник Уфимского государственного авиационного технического университета. 2014. C. 132-141.

2. Birke D., Swann G. M. P. Network effects and the choice of mobile phone operator // Journal of Evolutionary Economics. 2006. 16(1), 65-84.

3. DellaVigna S., Malmendier U. (2006). Paying not to go to the gym // American Economic Revie. 2006. No. 96(3). P. 694-719.

4. Fornell C., Wernerfelt B. Defensive marketing strategy by customer complaint management: A theoretical analysis // Journal of Marketing Research. 1987. No. 24(4). P. 337-346.

5. Grzybowski L. Estimating switching costs in mobile telephony in the UK // Journal of Industry, Competition and Trade. 2008 No. 8(2). P. 113-132.

6. Grzybowski L., Pereira P. Subscription choices and switching costs in mobile telephony // Review of Industrial Organization. 2011. No. 38(1). P. 23-42.

7. Heiss F. Structural choice analysis with nested logit models. Working Paper. University of Mannheim. 2002

8. Ida T., Kuroda T. Discrete choice analysis of demand for broadband in Japan // Journal of Regulatory Economics. 2006. No. 29(1). P. 5-22.

9. Iyengar R. A structural demand analysis of wireless services under nonlinear pricing schemes. New York: Columbia University. 2004.

10. Kim J. A structural analysis for consumer`s dynamic switching decisions in the cellular service industry. Working Paper no. 06-24. The Networks, Electronic Commerce, and Telecommunications Institute. 2006.

11. Kim Y., Telang R., Vogt B., Krishnan R. An empirical analysis of mobile voice service and SMS: A structural model // Management Science. 2010. No. 56(2). P. 234-252.

12. Kling J. P., Van Der Ploeg S. S. Estimating local elasticities with a model of stochastic class of service and usage choice. 1990. P. 119-136.

13. Kridel D. J., Lehman D. E., Weisman D. L. Option value, telecommunication demand, and policy // Information Economics and Policy. 1993. No. 5(2), 125-44.

14. Lambrecht A., Skiera B. Paying too much and being happy about it: Existence, causes, and consequences of tariff-choice biases // Journal of Marketing Research. 2006. No. 43(2). P. 212-223.

15. Lee R., Murphy J. The consumption of mobile services by Australian students // International Journal of Mobile Marketing. 2006. No. 1(1). P. 13-20.

16. McFadden D. L. Conditional logit analysis of qualitative choice behavior // Frontiers in econometrics. 1973. P. 105-142.

17. Miravete E. J. Estimating demand for local telephone service with asymmetric information and optional calling plans // The Review of Economic Studies. 2002. No. 69(4). P. 943-971.

18. Miravete E. J. Choosing the wrong calling plan? Ignorance and learning // American Economic Review. 2003. No. 93(1). P. 297-310.

19. Narayanan S., Chintagunta P.K., Miravete E. J. The role of self- selection and usage uncertainty in the demand for local telephone service // Quantitative Marketing and Economics. 2007. No. 5(1). P. 1-34.

20. Nicopolitidis P., Obaidat M. S., Papadimitriou G. I., Pomportsis A. S. Wireless Networks. 2003. 405 p.

21. Nunes J. A cognitive model of people's usage estimations // Journal of Marketing Research. 2000. No. 37(4). P. 397-409.

22. Prelec D., Loewenstein G. The red and the black: Mental accouting of savings and debt // Marketing Science. 1998. No. 17(1). P. 4-28.

23. Reichheld F., Sasser W.E. Zero defections: quality comes to services // Harvard Business Review. 1990. No. 68(5). P. 105-11.

24. Revelt D., Train K. Mixed logit with repeated choices: Households` choices of appliance efficiency level // Review of Economics and Statistics. 1998. No. 80(4). P. 647-657.

25. Rhoades S. The Herfindahl-Herschman index // Federal Reserve Bulletin. 1993. No. 79(3). P. 188-189.

26. Train K. E., Ben-Akiva M., Atherton T. Consumption patterns and self-selecting tariffs // Review of Economicand Statistics. 1989. No. 71(1). P. 62-73.

27. Train K. E., McFadden D. L., Ben-Akiva M. The demand for local telephone service: A fully discrete model of residential calling patterns and service choices // Rand Journal of Economics. 1987. No. 18(1). P. 109-123.

28. Wen C. H., Koppelman F. The generalized nested logut model // Transportation Research B. 2001. No. 35(7). P. 627-641.

Приложение 1

Прейскурант тарифов

Размещено на Allbest.ru