English / Archive / NINTH ISSUE / prof. dr VALENTINA RADOJIČIĆ, doc. dr GORAN MARKOVIĆ, doc. dr MILAN JANKOVIĆ: Modeliranje konkurencije na telekomunikacionom tržištu
Valentina Radojičić*, Univerzitet u Beogradu - Saobraćajni fakultet
Goran Marković, Univerzitet u Beogradu, Saobraćajni fakultet, Katedra za telekomunikacioni saobraćaj i mreže
Milan Janković, Republička agencija za elektronske komunikacije
SADRŽAJ
U ovom radu je predstavljen model za prognoziranje broja korisnika pogodan za primenu na konkurentnom telekomunikacionom tržištu, gde istovremeno egzistira više brendova. Model omogućava menadžmentu kompanije da predvidi brzinu difuzije i interakcije pojedinih brendova. Odgovarajućom politikom cena i marketinškim aktivnostima može se uticati na parametre difuzije, odnosno bolje pozicioniranje svakog pojedinačnog brenda na telekomunikacionom tržištu. Takođe, predstavljeni model je inkorporiran u model za prognoziranje saobraćaja rezidencijalnih korisnika na nivou transportne mreže. Predloženi pristup je ilustrovan na primeru tržišta širokopojasnih servisa u Srbiji.
Ključne reči: širokopojasne tehnologije, konkurentno tržište, prognoziranje, rezidencijalni korisnici, saobraćaj.
Modeling competition in the telecommunications market
Valentina Radojičić*, Goran Marković, University of Belgrade, Faculty of Transport and Traffic Engineering, Telecommunications Traffic and Networks Department
Milan Janković, Republic Agency for Electronic Communications
ABSTRACT
This paper proposes a modelfor forecasting the number of users, suitable for application in a competitive telecommunication market. It enables managers to predict the diffusion speed of their brand and how their brand grows in relation to other brands. The managers can influence the diffusion speed of their own brand, by changing the service price and the advertising effort and predict the market developments. Also, the model provides the understanding of the impact of the new technology entrant on the telecommunication market. Presented approach is included into the model for forecasting the traffic generated by residential users. The authors test this model using the sales data from the Serbian broadband market.
Key words: Broadband technologies, competitive market, forecasting, residential users, traffic.
1. UVOD
Brzina kojom će posmatrani telekomunikacioni servis biti predstavljen i prihvaćen na tržištu je važna iz razloga procene rizika opravdanosti investiranja u nove servise, kao i planiranja, kako finansijskih sredstava, tako i organizacionih resursa potrebnih za uspešno eksploatisanje posmatranog servisa. Za prognoziranje tražnje za novim servisom kao i pomoć prilikom strateškog izbora pre i posle plasiranja novog servisa na tržište, široko su u upotrebi difuzioni modeli. Difuzioni modeli su našli široku primenu u modeliranju dinamike životnog ciklusa novog servisa. Upotreba ovih modela je izuzetno korisna i kod potpuno novih servisa koji su se tek pojavili na telekomunikacionom tržištu, gde ne postoje statistički podaci o prodaji i gde priroda ponude ovog servisa tržištu ima novu dimenziju. Vremenom su difuzioni modeli postali kompleksniji s obzirom na zahteve menadžera za proširenjem njihove korisnosti u funkciji alata kod donošenja odluka. Jedan od zahteva koji se nameće difuzionim modelima jeste uvođenje u model eksternih uticaja, kao što su promenljive marketinškog miksa. Posebno su razmatrani difuzioni modeli koji analiziraju uticaj promene cene i reklame na proces difuzije [1], razvoj i interakciju sukcesivnih tehnoloških generacija [2].
Analizom teorije difuzionih modela može se zaključiti da se većina modela fokusira na proces difuzije na nivou servisa, a svega nekoliko na nivou brenda. Za kompanije koje imaju približno monopolsku poziciju na tržištu, difuzija na nivou servisa je od prevashodnog značaja. Međutim, za kompanije koje učestvuju na konkurentskom tržištu, od prevashodnog značaja je difuzija na nivou brenda. Proces difuzije na nivou brenda je pod značajnim uticajem više faktora, kao što su i cena i marketing. Ulazak konkurentskog brenda na tržište se može višestruko odraziti na proces difuzije posmatranog brenda. Može doći do širenja ukupnog potencijala tržišta za posmatrani servis usled povećanih promotivnih i marketinških aktivnosti novog brenda. Međutim, može doći i do usporavanja brzine difuzije, zbog preraspodele korisnika. Na osnovu teorije difuzije, rast broja korisnika novog servisa zavisi pre svega od utiska korisnika koji su servis već prihvatili. Utisak o istom, bio loš ili dobar, uticaće i na druge brendove koji pružaju isti servis. Ovo je posebno izraženo ukoliko se deli isto tržište [3].
U ovom radu predstavljen je model za prognoziranje broja korisnika na konkurentnom telekomunikacionom tržištu gde istovremeno egzistira više brendova. Model omogućava menadžmentu kompanije da predvidi interakcije pojedinih brendova na zajedničkom tržištu. Odgovarajućom politikom cena i marketinškim aktivnostima može se uticati na parametre difuzije, odnosno bolje pozicioniranje svakog pojedinačnog brenda na telekomunikacionom tržištu. Takođe, predstavljeni model je inkorporiran u model za prognoziranje saobraćaja rezidencijalnih korisnika na nivou transportne mreže. Predloženi pristup je ilustrovan na primeru tržišta širokopojasnih servisa u Srbiji.
2. DIFUZIONI MODELI
Cilj difuzionih modela se može svesti na predstavljanje životnog ciklusa prodaje inovativnog servisa kroz potencijalni skup korisnika tokom vremena sa malim brojem parametara. Difuzija inovacija je dakle studija o tome kako, zašto i kojom brzinom se nove tehnologije, servisi ili proizvodi šire kroz socijalne sisteme.S obzirom da u stvarnosti prodaja zavisi od niza eksternih uticaja, kao što su nivo reklamiranja servisa, pristupačnost cene i promene u ceni, intenzitet distribucije, od važnosti je stvoriti takav model koji će obuhvatati ove promenljive i njima slične. Praktično postoje dva pristupa ovom problemu. Neki autori predlažu modele sa konstantnim parametrima marketinškog miksa, dok drugi autori dozvoljavaju promenu parametara tokom vremena [4].
Modeli koji imaju konstantne parametre, pretpostavljaju da je menadžer u mogućnosti da predvidi kako će se eksterne promenljive ponašati tokom dužeg vremenskog perioda. Međutim praktično je nemoguće precizno predvideti ponašanje tržišta u budućnosti, tako da je vrlo verovatno da će vremenom menadžeri morati da prilagode model tržištu, kroz promenu nekog od parametara kao što su cena, reklama i sl.
Osnovne pretpostavke kod primene difuzionih modela:
Velike zasluge za razvoj teorije difuzije inovacije pripadaju Rogersu koji prihvatanje inovacija predstavlja kroz životni ciklus, uz pretostavku da kriva prihvatanja ima normalnu raspodelu zbog efekta učenja usled ličnih interakcija u društvenoj zajednici. Kako broj onih koji prihvataju servis raste, tako raste i uticaj na pojedince koji još uvek nisu prihvatali posmatrani servis. Drugi pionir na ovom polju, Frank Bass, opisuje difuzioni proces kao rezultat dva nezavisna parametra mas-medija i efekta baziranog na usmenom prenosu iskustava između korisnika („word of mouth“). Efekat mas-medija se odnosi na one korisnike koji su zainteresovani za inovativne servise. Ovaj segment tržišta je pod jakim uticajem reklama koje kod korisnika stvaraju osećaj svesnosti i prisutnosti servisa. S druge strane, efekat usmenog prenošenja iskustva je jači po pitanju reflektovanja dinamike interne komunikacije među korisnicima.
Prilikom modelovanja procesa difuzije na tržištu koriste se dva segmenta korisnika: inovatori i imitatori. Inovatori predstavljaju kategoriju korisnika koji prate razvoj nauke i tehnologije i odmah prihvataju novi servis koji se pojavi na tržištu. Parametar inovacije, p, predstavlja brzinu kojom počinje prihvatanje servisa. Dalje, njihova iskustva se prenose na imitatore, putem različitih vidova društvenog komuniciranja, tako da parameter imitacije, q, predstavlja brzinu kojom se dešava kasniji rast. Jeftinija tehnologija može imati veći parametar p (brže će doći do rasta krive), dok tehnologije sa efektom mreža (kod kojih vrednost raste kako više korisnika prihvata posmatrani servis) mogu imati veći parametar q.
Faktori koji utiču na brzinu difuzije mogu se u osnovi grupisati na one koji se odnose na karakteristike novog servisa/proizvoda (prednosti u odnosu na postojeće, stepen kompatibilnosti, složenost samog servisa/proizvoda sa aspekta korišćenja, pogodnosti i sl.) i one na koje se može uticati marketinškom strategijom (reklame, promotivne kampanje i sl.). Princip funkcionisanja Bassovog modela ilustrovan je na Slici 1.
Slika 1. Princip funkcionisanja Bassovog modela [5]
Vrednosti parametara p i q variraju u zavisnosti od servisa koji se posmatra, regiona, veličine nacionalnog dohotka, kao i kulturnih i socijalnih aspekata u društvu. Tako da se ovi parametri za isti servis mogu razlikovati po posmatranim saobraćajnim područjima različitih zemalja. Mentalitet veoma utiče na imitacioni faktor, dok zemlje sa velikom kupovnom moći po glavi stanovnika teže visokom stepenu inovacije. Visoki parametri imitacije javljaju se kod servisa koji imaju efekte mreža (faksimil). Tržišni analitičari su ustanovili da je procenat inovatora u zemljama Evropske unije veći nego u Americi, dok je procentualna vrednost imitatora u Aziji za četvrtinu manja nego u SAD i Evropi [6]. Vrednosti za parametre inovacije p se kreću između 0,0007 i 0,03. Za zemlje u razvoju srednja vrednost ovog parametra je 0,0003, a za razvijene zemlje ta vrednost iznosi oko 0,001[6].Vrednosti za parametre imitacije q se kreću između 0,38 i 0,53. Industrijske i medicinske inovacije imaju uglavnom viši parametar imitacije od ostalih. Za zemlje u razvoju srednja vrednost ovog parametra je 0,56, a za razvijene zemlje ta vrednost iznosi oko 0,51[6].
Da bi se parametri Bassovog modela mogli proceniti regresionim pristupom, neophodno je da postoje najmanje tri podatka o prodaji. Ustanovljeno je da Bassov model daje bolje rezultate kada podaci prodaje pokrivaju periode vršnih prodaja. Međutim, osnovna karakteristika prognoziranja novih servisa je nepostojanje statističkih podataka, tako da je ove parametre jedino moguće pretpostaviti, na osnovu metoda istraživanja tržišta (metod upitnika, metod Delfi i sl.), komparativnim pristupom ili analogijom sa nekim drugim servisom ili proizvodom za koje su ovi parametri poznati. Pri tome, treba imati u vidu da servisi iz iste kategorije teže da imaju slične parametre inovacije, dok parametar imitacije najčešće varira. Kod analogijskog pristupa procene parametara procedura je sledeća: identifikuju se servisi gde se smatra da će proces difuzije biti sličan difuziji novog servisa; ustanove se vrednosti parametara p i q za prethodne inovacije, unesu se u difuzioni model novog servisa (s tim da se procena m vrši potpuno nezavisno) i sprovede se prognoziranje procesa difuzije novog servisa. Ono što predstavlja problem je odabir odgovarajućeg servisa. Za to su razvijene neke formalne metode, ali se zahteva velika opreznost i kreativnost prilikom odabira analogijskog servisa. Analogija zasnovana na sličnostima u očekivanom ponašanju na tržištu se pokazala kao bolje rešenje od one koja se zasniva na sličnostima samih servisa. Na primer, prilikom prognoziranja difuzije on-line servisa, bolje je upotrebiti parametre za pretplatu na usluge mobilne telefonije, nego za pretplatu na kablovsku televiziju. Pri odabiru analogije treba uzeti u obzir sličnost sledećih pet karakteristika:
Ukoliko različite scenarije razvoja vezujemo za različite vrednosti parametara inovacije i imitacije, krajnji rezultat se može prikazati u formi pesimističkog i optimističkog scenarija prihvatanja posmatranog novog servisa na tržištu.Na konačan izgled prognoziranog scenarija razvoja utiče i procenjeni potencijal tržišta. Osnovni Bassov model predviđa konstantan potencijal tržišta tokom celokupnog životnog ciklusa posmatranog servisa.
3. MODELIRANJE KONKURENCIJE NA TELEKOMUNIKACIONOM TRŽIŠTU
Prisustvo konkurentskih servisa na tržištu zahteva kreiranje modela koji mogu da predstave međusobni uticaj provajdera servisa. Ovi modeli su naročito potrebni u cilju odabira odgovarajuće marketinške strategije i adekvatne politike cena. Problem modeliranja konkurencije istraživači rešavaju na različite načine, npr. Mahajan, Sharma i Buzzell [8] predlažu model MSB za procenu prodaje brenda:
(1)
Gde su:
Si(t) - prodaja brenda i za vreme t,
mi - potencijal tržišta brenda i,
xi - kumulativana prodaja brenda i za vreme t,
X(t) - ukupna kumulativna prodaja servisa za vreme t,
m - ukupan potencijal tržišta određenog servisa,
pii qi - parametri inovacije i imitacije, respektivno.
U ovom modelu, procentualno učešće inovatora pi na nivou servisa se uzima u obzir iz tržišta specifičnog brenda, dok je procentualno učešće imitatora qi deo ukupnog tržišta. Predloženi model je prihvatljiv u situacijama gde je izbor brenda prevashodno pitanje. Ukoliko uticaj brenda nije dominantan faktor pri izboru, ovaj model nije pogodan za analizu tržišta.
Svaki brend je pod uticajem korisnika drugih brendova koji su servis već prihvatili. Umesto modeliranja uticaja svake grupe korisnika pojedinog brenda posebno, treba prihvatiti činjenicu da svi korisnici koji su prihvatili servis, kolektivno imaju uticaj na dalju penetraciju svakog brenda na tržištu. Ovaj kolektivni uticaj je izražen preko kumulativne funkcije gustine prihvatanja određenog servisa, F(t). Ako sumiramo obe strane osnovne jednačine Bassovog modela [9] za slučaj postojanja više brendova na tržištu dobija se sledeća jednačina [3]:
(2)
S obzirom na to da kolektivni uticaj važi za sve brendove na tržištu, da bismo bili sigurni da je njegov uticaj različit na različite brendove, uvodi se koeficijent i koje se odnosi na pojedini brend. Ako se označi ∑fi(t) sa fc(t), ∑pj sa p, i ∑qi sa q, relacija (2) se može predstaviti kao:
(3)
Jednačina (3) predstavlja difuzioni model na nivou brenda. Rešenje jednačine predstavljeno je relacijom (4):
(4)
Zamenom jednačine (4) u jednačinu (2) i rešavajući je po Fi(t) dobija se:
(5)
Jednačina (5) predstavlja kumulativnu prodaju brenda i u funkciji vremena. Ako sa m označimo potencijal tržišta posmatranog servisa, a sa mi potencijal tržišta brenda i, sledi:
(6)
Vreme kada se dostiže gustina zasićenja prodaje, za brend i, može se odrediti na osnovu jednačine:
(7)
Može se pokazati da će brend i ranije dostići vršnu prodaju u odnosu na neki brend j, ako je ispunjeno:
.
Predstavljeni model podrazumeva da su brendovi ušli na tržište približno u isto vreme. Međutim, na mnogim tržištima uspeh ostvaruju i brendovi koji značajno kasnije pristupaju tržištu, nudeći isti servis. U tom slučaju, za menadžere dominantnog operatora bi bilo veoma značajno ako bi mogli da procene kako će njihovo prisustvo uticati na kretanja na tržištu posmatranog servisa, odnosno kako će se to odraziti na njihovo poslovanje.
Kod ulaska novog brenda na tržište, posle nekog vremena tn, moguće je da se dogodi više scenarija: celokupno tržište se širi (m postaje veći), proces difuzije servisa je brži (q će biti veći), ili će se dogoditi i jedno i drugo. Na nivou brenda može doći do uticaja u pozitivnom ili negativnom smislu. Egzaktan uticaj se izražava preko parametara m, q i qi.
Sledeće diferencijalne jednačine predstavljaju porast prodaje servisa na tržištu u situaciji postojanja tri brenda, pri čemu je treći brend kasnije stupio na tržište [3]:
(8)
(9)
(10)
(11)
(12)
(13)
Jednačine (10) i (11) predstavljaju proces difuzije brenda i (i=1,2) pre i posle ulaska trećeg brenda. Q i Qi predstavljaju parametre imitacije nakon vremena tn. Jednačine (12) i (13) predstavljaju proces difuzije trećeg brenda. U jednačinama (9), (11) i (13) figuriše parametar k, koji se definiše u zavisnosti od predviđenog scenarija razvoja ukupnog potencijala tržišta (koji može biti manji ili veći zbog ulaska trećeg brenda na tržište). Za primenu modela neophodno je proceniti parametre inovacije i imitacije pre i posle ulaska trećeg brenda na tržište, pri čemu se smatra da koeficijent inovacije za treći brend ne postoji.
Rešenja diferencijalnih jednačina (9) i (11) po F(t):
(14)
(15)
Jednačine (14) i (15) označavaju kumulativni rast broja korisnika servisa i brenda i nakon ulaska trećeg brenda na tržište, respektivno. Ako t→∞ u jednačini (15), dobija se da je F(∞)=k. Vrednost parametara k, pokazuje da li se tržište povećava ili smanjuje zbog ulaska trećeg brenda. Slično tome, poredeći procenjene vrednosti Fi(∞) pre i posle ulaska trećeg brenda, može se izračunati šta se dešava sa potencijalom tržišta brenda i zbog ulaska novog brenda na tržište. Kumulativna funkcija prodaje brenda i=3 počinje od trenutka t=tn=0 i može se predstaviti jednačinom:
(16)
Predloženi model se može koristiti za višestruke namene. Na primer, primenjujući ove jednačine na statističke podatke i poredeći procenjene vrednosti ekvivalentnih parametara pre i posle ulaska trećeg brenda, može se prognozirati brzina difuzije servisa svakog pojedinačnog brenda i pretpostaviti promene koje se mogu dogoditi na tržištu. Jednačina prodaje se izvodi kao proizvod potencijalnog tržišta m i razlike dve uzastopne vrednosti kumulativne funkcije prodaje. Prema tome, važi da je vrednost prodaje servisa S(t) u posmatranom trenutku t data izrazom:
gde su kumulativne funkcije prodaje za sva tri brenda prethodno prikazane.
4. SAOBRAĆAJ KOJI GENERIŠU REZIDENCIJALNI KORISNICI
Povećani zahtevi servis provajdera u pogledu korišćenja iznajmljenih linija za prenos podataka doprinose značajnoj promeni udela pojedinih tipova saobraćaja u telekomunikacionoj mreži. Prenos podataka eksponencijalno raste i predstavlja dominantan tip saobraćaja u transportnim mrežama. Ovakav trend tražnje prate povećani zahtevi za širokopojasne aplikacije, koji se mogu realizovati preko HFC (Hybrid Fiber Coaxial), ADSL (Asymmetric Digital Subscriber Line), VDSL (Very high data rate DSL), LMDS (Local Microwave Distribution System), UMTS (Universal Mobile Telecommunication Service) i WLAN (Wireless Local Area Network) i drugih raspoloživih tehnologija. S tim u vezi, u cilju planiranja adekvatnih resursa transportne mreže od izuzetne važnosti je ove potrebe sagledati unapred.
Prognozirani obim saobraćaja koji generišu rezidencijalni korisnici se koristi kao ulazna veličina u procesu planiranja kapaciteta transportne mreže: razvoj novih struktura mreža, proširenje resursa mreže, kao i uvođenje novih tehnologija u jezgro mreže. Pri tome, u obzir se uzimaju svi servisi koji su podržani raspoloživim tehnologijama.
Model predložen u ovom radu se bazira na prognoziranim vrednostima relevantnih uticajnih faktora: broja korisnika, penetracije servisa, faktora koncentracije saobraćaja, stepena iskorišćenosti kapaciteta, prosečnog kapaciteta pristupa i procentualnog učešća pojedinih operatora na tržištu. S obzirom na to da su raspoložive širokopojasne tehnologije konkurentne jedna drugoj, prognoziranje broja korisnika je neophodno sprovesti na bazi modela objašnjenog u predhodnom poglavlju.
Fiksni telefonski saobraćaj je u većini zemalja skoro dostigao fazu zasićenja i smatra se da će se zadržati na tom nivou, do njegove eventualne substitucije IP telefonijom. Takođe, uskopojasni (dial-up) pristup Internetu ima izražen opadajući trend, sa daljom tendencijom supstitucije širokopojasnim pristupom.
Prognozirani obim saobraćaja u glavnom saobraćajnom satu, rezidencijalnih korisnika, u transportnoj mreži može se odrediti na osnovu izraza:
(17)
gde su:
i - indeks posmatranog servisa/tehnologije, i=1, ..., n;
I – ukupan broj raspoloživih tehnologija;
Ci(t) – srednji pristupni kapacitet, u Mbit/s, za tehnologiju i u godini t.
Ai(t) – iskorišćenost pristupnih kapaciteta (%) za tehnologiju i u godini t,
bi – faktor koncentracije saobraćaja sa komutacijom kola za tehnologiju i,
ui –faktor koncentracije saobraćaja sa komutacijom paketa za tehnologiju i, (ui=1, ako nema paketske komutacije),
HPi(t) – penetracija broja domaćinstava (%), za tehnologiju i u godini t.
Fi(t) – kumulativni broj korisnika tehnologije i u godini t;
m – potencijal tržišta.
Jednačinom (17) izvršena je modifikacija modela [10], tako što se prognoziranje broja rezidencijalnih korisnika ostvaruje na osnovu prethodno prikazanog modela koji uzima u obzir uticaj konkurentnih servisa na zajedničkom tržištu.
Srednji pristupni kapacitet (C) - predstavlja prosečnu vrednost pristupnih kapaciteta, tehnologije i, u godini t. Pristupni kapacitet za telefonski saobraćaj je 64 kbit/s i takav će i ostati narednih godina. Downstream kapacitet za ADSL se menja. Operatori nude set različitih pristupnih kapaciteta od manjih ka većim, posebno zbog novih i naprednih aplikacija. Poslednjih godina operatori uvode nove servise, kao što su npr. „propusni opseg na zahtev“, IPTV i dr. Za VDSL pristupni kapacitet je oko 24 Mb/s.
Iskorišćenost pristupnih kapaciteta (A) -Korisnici širokopojasnih servisa ne koriste maksimalni raspoloživi kapacitet sve vreme. Faktor iskorišćenja pristupnih kapaciteta je srednja iskorišćenost kapaciteta, uzimajući u obzir proporciju vremena tokom kojeg se vrši download i proporciju vremena za upload. Ovaj fakor pokazuje stepen iskorišćenosti raspoloživog propusnog opsega.
Faktor koncentracije saobraćaja (b, u) -Faktor koncentracije saobraćaja sa komutacijom kola se definiše kao odnos intenziteta saobraćaja u glavnom saobraćajnom času i ukupnog intenziteta saobraćaja tokom 24 h [10]. Tipične vrednosti ovog faktora su 10-15%. Ovaj faktor ima tendenciju povećanja zbog porasta broja Internet korisnika [11]. Za širokopojasne tehnologije pristupa očekuje se da će ovaj faktor biti značajno veći zbog zahtevnijih korisnika, dužih trajanja sesija, flat tarifa i razvoja novih aplikacija.
Penetracija domaćinstava(HP) - Ekonomski status domaćinstava je jedna od najznačajnijih veličina koje utiču na stepen penetracije. Relativni značaj ove veličine je uobičajeno veći u zemljama u kojima je ukupan stepen penetracije mali, u poređenju sa zemljama sa razvijenom telekomunikacionom infrastrukturom. Ovo je posledica većeg broja faktora, kao na primer činjenica da su čak i relativno siromašnija domaćinstva u bogatim zemljama u boljem ekonomskom statusu u odnosu na one u siromašnijim zemljama. Pored toga, telekomunikacione tarife su tipično mnogo niže u bogatijim zemljama. Tačnost prognoze penetracije domaćinstava se može povećati podelom po ekonomskom statusu (HE), čime se omogućava dobra procena porasta broja domaćinstava svakog statusnog nivoa posebno. Ukoliko, razlikujemo 4 klase domaćinstava prema ekonomskom statusu: odličan, veoma dobar, dobar i loš, označeno sa HE=1, 2, 3 i 4 respektivno, dobija se ukupan stepen penetracije domaćinstava:
, (18)
Stepen penetracije je moguće proceniti u zavisnosti od procenjenog ekonomskog statusa domaćinstava, HE, kao što je ilustrovano na Slici 2.
Slika 2. Određivanje stepena penetracije u zavisnosti od ekonomskog statusa HE [12]
Procedura izbora odgovarajuće krive (veoma nizak-VL, nizak-L, prosečan-A, visok-H i veoma visok-VH) je prikazana na Slici 3.
Slika 3. Grafik za izbor odgovarajućeg tipa krive (VL, L, A, H i VH) u zavisnosti od parametara HPG i LER [12]
Parametar HPG (Household Penetration - Global trend) označava globalni trend penetracije domaćinstava i kreće se u granicama od 0 do 1, što odgovara značenjima „nizak“ „prosečan“ „visok“. Parametar LER (Local Economy Relative to global economy) označava relativnu ekonomsku razvijenost posmatranog područja u odnosu na ostale regione. Numeričke vrednosti za LER se kreću od 0 do 1, što odgovara ocenama: „loš (Bad)“ „prosečan (Average)“ „dobar (Good)“.
Potencijal tržišta (m) - čine svi potencijalni korisnici servisa/proizvoda. Bass pretpostavlja da će se ukupan potencijal tržišta dostići posle dovoljno dugog vremena provedenog na tržištu, odnosno da će posmatrani servis tokom životnog ciklusa naći put do svakog potencijalnog korisnika. U proceni ovog parametra mogu učestvovati: ukupna populacija, broj domaćinstava, ekonomski status pojedinaca i društva u celini, demografska struktura, natalitet, prisustvo konkurencije na tržištu, navike korisnika i sl. Modifikacija koja se može izvršiti na osnovnom i na brojnim modifikacijama Bassovog modela je u definisanju potencijala tržišta kao vremenski zavisne promenljive. Broj potencijalnih korisnika se može promeniti iz više razloga, pre svega zbog promene u broju stanovnika na posmatranom saobraćajnom području. Takođe, značajnije smanjenje cene servisamože učiniti da isti postane dostupan daleko većem broju korisnika. Još jedan uzrok za promenu može biti poboljšanje distribucione infrastrukture servisa, čineći servis fizički dostupnim sve većem broju korisnika ili kompanija. Broj potencijalnih korisnika se može menjati i u zavisnosti od komplementarnosti sa različitim servisima.
5. PROGNOZIRANJE ŠIROKOPOJASNOG PRISTUPA U SRBIJI
U Tabeli 1 je prikazano kretanje broja korisnika različitih tehnologija za pristup u Srbiji (od 2006-2010). Očigledan je pad uskopojasnog (dial-up) pristupa internetu kao i njegova supstitucija drugim raspoloživim širokopojasnim tehnologijama (ADSL, HFC, FWB i ostale). Pored toga, očekuje se da će razvoj FTTx tehnologije značajno uticati na razvoj u celini i preraspodelu širokopojasnog pristupa u Srbiji.
Tabela 1. Širokopojasni pristup internetu u Srbiji [13]
Da bi se prognozirao ukupan širokopojasni saobraćaj koji generiše rezidencijalni sektor, TR(t), neophodno je proceniti sve relevantne parametre jednačine (17).
Na osnovu analize vremenske serije prikupljenih statističkih podataka, pretpostavlja se da će srednji pristupni kapacitet, C(t), u Srbiji rasti eksponencijalno u budućnosti, shodno plasiranju novih multimedijalnih servisa i ekspanziji različitih video aplikacija, prema modelu:
(19)
Takođe, pretpostavlja se da će se srednja iskorišćenost pristupnih kapaciteta u Srbiji, A(t), kretati po linearnom modelu za sve razmatrane širokopojasne tehnologije:
(20)
Rezultati merenja pokazuju da su faktor koncentracije saobraćaja sa komutacijom kola i faktor koncentracije saobraćaja sa komutacijom paketa za različite širokopojasne tehnologije približno konstantni tokom vremena: i b(t)=b=0,23, respektivno.
Rast internet sektora u Srbiji je evidentan, kako u pogledu ukupnog prihoda tako i po kumulativnom broju širokopojasnih korisnika i penetraciji tržišta [12]. Može se uočiti iz Tabele 1 veoma značajan rast broja korisnika ADSL tehnologije, nešto blaži rast HFC tehnologije. Takođe, bežični pristup internetu je približno linearan tokom poslednjih godina. Osim toga, od 2008. godine beleže se prvi korisnici mobilnog interneta. Na osnovu analize statističkih podataka za Srbiju, penetracija širokopojasnih tehnologija bez 3G tehnologije je oko 9,218% (2009.), što je manje od srednje vrednosti za različite zemlje EU. S druge strane širokopojasna penetracije sa 3G tehnologijom je nešto veća, oko 16%.
Prognoziranje razvoja penetracije širokopojasnih tehnologija u Srbiji HP(t) se mogu izvesti na bazi statističke analize prikupljenih podataka prema linearnom modelu (R2=0,9904):
(21)
Difuzioni model koji uzima u obzir prisustvo konkurencije na tržištu, predstavljen u poglavlju 3, se koristi za izračunavanje kumulativnog broja korisnika posmatranih širokopojasnih tehnologija i. Osnovna prednost ovakvog pristupa u odnosu na slične modele za prognoziranje širokopojasnog saobraćaja je upravo u tome što se sve prisutne širokopojasne tehnologije na telekomunikacionom tržištu ne posmatraju nezavisno, već kroz model koji uzima u obzir njihovu međusobnu interakciju.
Procenjeni parametri difuzionog modela predstavljeni su kroz dva moguća scenarija razvoja. Scenario 1, podrazumeva da ukupan potencijal tržišta, pre (m) i posle (M) plasiranje nove širokopojasne tehnologije (FTTx) ostaje nepromenjen (m=M). Vrednosti parametara (pre ulaska nove tehnologije) su procenjene na osnovu fitovanja statističkih podataka prikazanih u Tabeli 1. Nakon ulaska nove tehnologije na tržište, pretpostavlja se da će parametri inovacije ostati nepromenjeni, ali će se parametri imitacije postojećih tehnologija smanjiti zbog efekta supstitucije.
Table 2. Procenjeni parametri za Scenario 1
Ovo praktično znači da će se dogoditi supstitucija između FTTx i postojećih tehnologija (HFC, ADSL i FWB). S obzirom na to da nova tehnologija ulazi na tržište, ukupan parameter imitacije Q se povećava. Procenjene vrednosti parametara za Scenario 1 su date u Tabeli 2.
Scenario 2, pretpostavlja da će se ukupan potencijal tržišta, pre (m) i posle (M) ulaska nove tehnologije na tržište povećati. Parametri inovacije i imitacije, pre ulaska nove tehnologije na tržište, ostaju isti kao za prvi scenario. Ulazak nove tehnologije se odražava na povećanje potencijala tržišta i parametara imitacije postojećih tehnologija. Procenjene vrednosti parametara za Scenario 2 su date u Tabeli 3.
Tabela 3. Procenjeni parametri za Scenario 2
Potencijal rezidencijalnog sektora u Srbiji m je dobijen na osnovu statističke evidencije broja stanovnika i srednje veličine porodice u Srbiji [12]. Ukupan broj stanovnika na osnovu podataka Zavoda za statistiku Republike Srbije je procenjen na oko 7,1 milion, dok se srednja veličina porodice procenjuje na 3,1.Na osnovu tih podataka, može se usvojiti da je ukupan rezidencijalni sektor u Srbiji 2,29 miliona.
Na osnovu procenjenih parametara, dobijeni rezultati prognoziranog broja rezidencijalnih korisnika za Scenario 1 su ilustrovani na Slikama 4, 5 i 6.
Slika 4. Kumulativni broj rezidencijalnih korisnika po tehnologijama (HFC, ADSL, FWB) pre tn za Scenario 1
Slika 5. Kumulativni broj rezidencijalnih korisnika po tehnologijama (HFC, ADSL, FWB) posle tn za Scenario 1
Slika 6. Trenutni broj novih korisnika po tehnologijama (HFC, ADSL, FWB, FTTx) za Scenario 1
Slika 4. ilustruje godišnji rast broja rezidencijalnih korisnika postojećih tehnologija pre nego što je na tržište ušla nova tehnologija. Slike 5 i 6 daju grafičku prezentaciju rasta broja rezidencijalnih korisnika nakon ulaska nove širokopojasne tehnologije na zajedničko tržište. Uz pomoć datih grafika moguće je predvideti ponašanje posmatranih tehnologija u budućnosti. Takođe, promenom parametara modela moguće je izučavati brojna dešavanja na konkurentnom tržištu.
Dobijeni rezultati prognoziranog broja rezidencijalnih korisnika za Scenario 2 su ilustrovani na Slikama 7, 8 i 9.
Slika 7. Kumulativni broj rezidencijalnih korisnika po tehnologijama (HFC, ADSL, FWB) pre tn za Scenario 2
Slika 8. Kumulativni broj rezidencijalnih korisnika po tehnologijama (HFC, ADSL, FWB) posle tn za Scenario 2
Slika 9. Trenutni broj novih korisnika po tehnologijama (HFC, ADSL, FWB, FTTx) za Scenario 2
Za oba scenarija razvoja se može zaključiti da tehnologija koja se prva pozicionira na tržištu zadržava vodeću poziciju duže vremena. Naravno, na bolje pozicioniranje bilo koje tehnologije se može uticati garantovanjem parametara kvaliteta servisa, snižavanjem cena i ulaganjem u marketing servisa.
Slika 10. Prognoza saobraćaja rezidencijalnih korisnika
Na osnovu jednačine (17) dobija se ukupan širokopojasni saobraćaj, TR(t), koji se generiše od strane rezidencijalnih korisnika ka transportnoj mreži (Slika 10). Na osnovu dobijenih rezultata može se zaključiti da će ukupan intenzitet širokopojasnog saobraćaja rasti eksponencijalno. Tako na primer, očekuje se da će 2015. godine širokopojasni saobraćaj koji se generiše ka transportnoj mreži od strane rezidencijalnih korisnika biti oko 74 Gbit/s (Scenario 1) odnosno 127 Gbit/s (Scenario 2). Veći intenzitet saobraćaja za Scenario 2 je rezultat većeg potencijala tržišta i povećanih koeficijenata imitacije u odnosu na prvi scenario.
6. ZAKLJUČAK
Osnovna prednost predloženog pristupa je da procedura prognoziranja kombinuje dva koncepta. Prvi podrazumeva modeliranje konkurencije na tržištu širokopojasnih tehnologija, a drugi omogućava prognoziranje ukupnog širokopojasnog saobraćaja koji ostvaruju rezidencijalni korisnici, kao udela na tržištu svake pojedine tehnologije.
Takođe, na osnovu predstavljenog modela moguće je pratiti uticaj koji nova tehnologija ostvaruje na tržištu, na koje ulazi sa određenim kašnjenjem. Pretpostavljena su dva scenarija razvoja tržišta širokopojasnih tehnologija u Srbiji. Prvi scenario razvoja podrazumeva da ukupan potencijal tržišta, pre i posle ulaska nove širokopojasne tehnologije (FTTx) ostaje nepromenjen. Takođe, pretpostavlja se da će parametri inovacije ostati nepromenjeni ali će se parametri imitacije postojećih tehnologija smanjiti zbog efekta supstitucije. Drugi scenario pretpostavlja da će se ukupan potencijal tržišta, pre i posle ulaska nove tehnologije na tržište povećati. Parametri inovacije i imitacije, pre ulaska nove tehnologije na tržište, ostaju isti kao za prvi scenario. Ulazak nove tehnologije se odražava na povećanje potencijala tržišta i parametara imitacije postojećih tehnologija.
Predstavljeni model može biti veoma koristan internet servis provajderima za bolje pozicioniranje na zajedničkom širokopojasnom tržištu. Model omogućava da se promenom parametara imitacije i potencijala tržišta mogu istražiti brojne situacije koje mogu nastupiti usled primene različite politike cena i ulaganja u reklamiranje pojedinih tehnologija. Takođe, moguće je predvideti kakav će uticaj nova tehnologija ostvariti na već razvijenom tržištu.
Literatura
[1] Bass F. M., Krishnan T. V. and Jain D. C.:"Why the Bass Model Fits Without Decision Variables", Marketing Science, Vol.13, No. 3, 1994.
[2] Norton J. and Bass F. M.:"A Diffusion Theory Model of Adoption and Substitution of Successive Generations of High Technology Products", Management Science, Vol. 33, No. 9, 1987, pp. 1069-1086.
[3] Krishnan T. V., Bass F. M. and Kumar V.:"Impact of a Late Entrant on the Diffusion of a New Product/Service", Journal of Marketing Research, Vol. 37, pp. 269–278, 2000.
[4] Radas S.: "Diffusion Models in Marketing: How to Incorporate the Effect of External Influence", Privredna kretanja i ekonomska politika, Vol. 15, No. 105, 2005, pp. 30-51.
[5] Veličković S.:"Difuzioni model za prognoziranje broja korisnika dodatnih komunikacionih servisa", 17. međ. Konf. YU INFO 2011, Kopaonik, Srbija, 6-9 mart, 2011.
[6] Boyle A.: Some forecasts of the diffusion of e-assessment using a model", The Innovation Journal: The Public Sector Innovation Journal, Vol. 15, No. 1, pp. 1-30, 2010.
[7] Sultan F., Farley J.U. and Lehmann D.R.: "A meta-analysis of applications of diffusion models", Journal of marketing research, Vol. 27, pp. 70-77, 1990.
[8] Mahajan V., Subhash S., and Buzzell R. D.:"Assessing the Impact of Competitive Entry on Market Expansion and Incumbent Sales", Journal of Marketing, Vol. 57, pp. 39-52, 1993.
[9] Bass F. M.:"A New Product Growth Model for Consumer Durables", Management Science, Vol. 15 No. 5, pp. 215-227, 1969.
[10] Stordahl K.:"Long-term telecommunication forecasting", Ph.D. thesis, Norwegian University of Science and Technology, Trondheim, Norway, 2006.
[11] Stordahl K. and Murphy E.:"Forecasting Long-Term Demand for Services in the Residential Market", IEEE Communications Magazine, Vol. 33, No. 2, pp. 44 – 49, 1995.
[12] www.itu.int/ITU-D/planitu/forecasting
[13] Republic Agency for Electronic Communications: An Overview of Telecom Market in the Republic of Serbia in 2010, 2010, Available at: http://www.ratel.rs/market/overviews_of_telecom_market.129.html
Autori
Valentina Radojičić je diplomirala (1986), magistrirala (1997) i doktorirala (2002), iz uže naučne oblasti Eksploatacija telekomunikacionog saobraćaja i mreža, na Univerzitetu u Beogradu - Saobraćajni fakultet. Trenutno je zaposlena kao vanredni profesor na Katedri za Telekomunikacioni saobraćaj i mreže, i obavlja dužnost prodekana za studije na Saobraćajnom fakultetu. Bila je član istraživačkih timova u mnogim nacionalnim i međunarodnim projektima. Član je udruženja IEEE i Društva za telekomunikacije. Dr Radojičić je kao autor ili koautor objavila do sada preko 80 naučnih i stručnih radova objavljenih u zbornicima radova domaćih i međunarodnih konferencija, u domaćim i međunarodnim časopisima. Autor je monografije i dve knjige iz oblasti prognoziranja u telekomunikacijama. Oblasti istraživanja su: problemi optimizacije u dizajniranju i projektovanju telekomunikacionih mreža, planiranje i razvoj novih telekomunikacionih servisa, strateško modeliranje telekomunikacionih mreža, prognoziranje saobraćaja u telekomunikacijama, prognoziranje novih telekomunikacionih servisa i td.
Goran Marković je diplomirao (1996), magistrirao (2002) i doktorirao (2007), iz uže naučne oblasti Eksploatacija telekomunikacionog saobraćaja i mreža, na Univerzitetu u Beogradu - Saobraćajni fakultet. Trenutno je zaposlen kao docent na Katedri za Telekomunikacioni saobraćaj i mreže. Bio je član istraživačkih timova u mnogim nacionalnim i međunarodnim projektima. Član je udruženja IEEE i Društva za telekomunikacije. Dr Marković je kao autor ili koautor objavio do sada preko 70 naučnih i stručnih radova u zbornicima radova domaćih i međunarodnih konferencija i domaćim i međunarodnim časopisima. Autor je monografije i udžbenika. Oblasti istraživanja su: rutiranje u komunikacionim mrežama, optimizacioni problemi dizajniranja i projektovanja telekomunikacionih mreža, optičke mreže, matematičko programiranje, planiranje i razvoj novih telekomunikacionih servisa, prognoziranje novih telekomunikacionih servisa itd.
Milan Janković je diplomirao (1975), magistrirao (1990) i doktorirao (1999) na Katedri za telekomunikacije Elektrotehničkog fakulteta Univerziteta u Beogradu. Posle četrnaest godina provedenih u telekomunikacionoj industriji, gde se bavio uvođenjem novih tehnologija, postao je vođa projekta u razvojnom odeljenju Zajednice jugoslovenskih PTT, gde se bavio razvojem i primenom mreža za pristup. Učestvovao je u realizaciji tri projekta Evropskog instituta za istraživanje i strateške studije u oblasti telekomunikacija (EURESCOM). Dr Janković je obavljao funkciju generalnog direktora Zajednice jugoslovenskih PTT od decembra 2002. do marta 2006. godine, kada je izabran za izvršnog direktora Republičke agencije za telekomunikacije. Oktobra 2010. godine izabran je za direktora Republičke agencije za elektronske komunikacije (RATEL). Na Elektrotehničkom fakultetu izabran je u zvanje docenta, na Katedri za telekomunikacije. Dr Janković ima više od 130 radova objavljenih u zbornicima domaćih i međunarodnih konferencija i u domaćim i stranim časopisima i član je IEEE.