SlideShare a Scribd company logo
МАГИСТЕРСКАЯ РАБОТА 
на тему: 
«Моделирование конкурентного взаимодействия 
: аналитический и имитационный подход» 
Выполнил: Попов Дмитрий Алексеевич 
Науч. рук.: к.э.н, доц. Кононова Екатерина Юрьевна
Предметная область: 
 Моделирование конкурентного взаимодействия на рынке 
дуополии без сговора 
Объект исследования: 
 Рынок потребительских товаров быстрого срока 
обращения (FMCG) / сектор безалкогольных напитков / 
сегмент «колы» 
Цель: 
 Выявить какие утилитарные задачи могут быть решены с 
помощью аналитических и имитационных моделей при 
моделировании конкурентного взаимодействия на рынке 
потребительских товаров
Задачи и структура работы: 
 Изучение предметной области (Раздел I) 
 Обзор FMCG рынка , подготовка исходных данных и 
постановка задачи моделирования (Раздел II) 
 Построение и расчеты по аналитической модели 
(Раздел III) 
 Построение и эксперименты с имитационной моделью 
(Раздел III) 
 Выводы и заключения (Раздел III)
Результаты: 
 Аналитические модели выгодно использовать при 
прогнозировании решений конкурента и при принятии 
собственных решений об уровне цены. 
 Результаты расчетов аналитических моделей 
целесообразно применять в имитационных моделях при 
разработке и корректировке рекламной политики бренда. 
 Синергия применения обоих подходов даст наилучшее 
стратегическое решение для победы в конкурентной 
борьбе.
Бренды мировых производителей FMCG
Схема взаимодействия на FMCG рынке
Исходные данные 
 Цены на напитки “Coca-Cola” и “Pepsi” в ПЭТ объёмами 
0,5 л, 1л и 2л были собраны в крупных сетях ритейлеров, 
дейстующих в столице Украины (г. Киев) за 2013-й год. 
Общий объём выборки – 343 значений цен. 
Источник: http://mysupermarket.org.ua 
 Данные об изменениях цен были занесены в БД, 
созданную средствами MS Access, где они были 
структурированы по названию бренда, объёму ПЭТ, 
названию ритейлера и дате. Для проведения анализа 
данные были импортированы в сводную таблицу MS 
Excell при помощи встроенных OLAP-технологий.
Средние цены (грн.) по розничным сетям г. Киева за 
2013 год 
Классификация розничных сетей 
по уровню цен относительно 
минимальной
Результат обработки и анализа данных 
Исходная выборка 
6.80 
6.60 
6.40 
6.20 
6.00 
5.80 
5.60 
Coca-Cola Pepsi
Виды мат. моделей
Существующие аналитические модели 
дуополии без сговора 
Олигополия 
без сговора 
К оличестрвенная 
Ценовая 
Модель К урно 
Модель 
Штак ельберга 
Борьба за 
лидерство 
Модель Бертрана 
Динамическ ая ценовая 
к онк уренция 
Модель Эдж ворта 
Модели с возрастающими 
предельными издерж к ами 
Модели с дифферен- 
цированным продук том 
1838 г. 
1934 г. 
1883 г. 
1897 г. 
1929 г.
Модель линейного города Хотеллинга 
p1 + tx = p2 + ty 
a + x + y + b = l 
x = 
1 
2 
l - a - b+ 
p2 - p1 
t 
æ 
èç 
ö 
ø ÷ 
y = 
1 
2 
l - a - b+ 
p1 - p2 
t 
æ 
è ç 
ö 
ø ÷ 
P1 = p1q1 = p1 (a + x) = 
1 
2 
(l + a - b) p1 - 
2 
p1 
2t 
+ 
p1p2 
2t 
, 
P2 = p2q2 = p2 (b+ y) = 
1 
2 
(l - a + b) p2 - 
2 
p2 
2t 
+ 
p1p2 
2t
Развитие модели Хотеллинга на случай 
дифференциации предпочтения брендов 
исходные цены p1 p2 
предпочтение 
потребителя 
x (1- x) 
выбор x®0 x®1 
потребителя 
цены с учетом pˆ= p+ tx 
pˆ= p+ t(1- x) 
предпочтения 
1 1 2 2
Условия выбора в модели 
 Пусть x – предпочтение потребителя, сформированное за 
счет рекламы независимо от цены, непрерывная 
величина в диапазоне . 
 t – тариф за бренд, порог в который каждый потребитель 
оценивает покупку брендовой продукции. Положим 
 – бюджетное ограничение, выше которой не может 
быть осуществлена покупка, и положим 
 условие покупки продукта “Coca-Cola” : 
t Î{0;5} 
Q 
QÎ{5;15} 
p1 + tx £ Q 
p1 + tx £ p2 + t(1- x) 
ì 
í 
ï 
î ï 
(8) 
(9) 
x Î[0;1] 
(3) 
(4) 
 выполнение (3) и невыполнение (4) приведет к покупке 
“Pepsi”. В случае невыполнения обоих условий – отказ от 
покупки
Моделирование спроса 
(метод Монте-Карло) 
 Число потребителей, совершивших покупку, 
смоделировано методом статистических оценок. 
x Î[0;1], t Î{0;5}, QÎ{5;15} 
 Оценки сгенерированы 
генератором случайных чисел в MS Excel значения 
для 2 000 условных потребителей.
Суммарный спрос 
Полученная модель регрессии имеет вид: 
ˆQ= 2579,10 - 93p1 - 70,62 p2 +e
Спрос на Coca-Cola 
Модель регрессии для Q1: 
ˆQ 1 p1, p2 ( ) = 2318,44 - 979,04 p1 + 730,48p2 +e1
Спрос на Pepsi 
Модель регрессии для Q2: 
ˆQ 2 p1, p2 ( ) = 260,66 +886,04 p1 -801,10p2 +e 2
Фактические и модельные значения спроса 
1200 
1000 
800 
600 
400 
200 
0 
1 2 3 4 5 
Coca-Cola Pepsi q1 q2
Оптимизация модели 
ì 
Q1( p1, p2 ) = a1p1 + b1p2 + c1 
Q2 ( p1, p2 ) = a2 p1 + b2 p2 + c2 
í ï 
îï 
p= ( p- z)Q= ( p- z)(ap+ bp+ c) 
1 1 11 1 111 (15) 
12 1p = ( p- z)Q= ( p- z)(ap+ bp+ c) 
2 2 2 2 2 2 2 1 2 2 2 1 = a1p1 
p2 + b1p1p2 + c1p1 - a1p1z1 - b1p2z1 - c1z1 ® max 
2 + c2 p2 - a2 p1z2 - b2 p2z2 - c2z2 ® max 
p 2 = a2 p1p2 + b2 p2 
(18) 
(19) 
¶p1 
¶ p1 
= 2a1p1 + b1p2 + c1 - a1z1 = 0 
¶p 2 
¶ p2 
= a2 p1 + 2b2 p2 + c2 - b2z2 = 0 
ì 
ï 
ï 
í 
ï 
ï 
î 
(20) 
2a1 b1 
a2 2b2 
æ 
çç 
è 
a1z1 - c1 
b2z2 - c2 
ö 
÷÷ 
ø 
(21) 
p1* = 
D1 
D 
= 
2a1b2 - 2b2c1 - b1b2z2 + b1c2 
4a1b2 - a2b2 
p2* = 
D2 
D 
= 
2a1b2z2 - 2a1c2 - a1a2z1 + a2c1 
4a1b2 - a2b2 
ì 
ïï 
í 
ï 
ï 
î
Частное решение 
-1958 730,48 
886 -1602,21 
æ 
ç 
è 
-7213,65 
-4266,20 
ö 
ø 
÷ 
pˆ1 * 
pˆ2 * 
æ 
ç 
ç 
è 
ö 
÷ 
÷ 
ø 
= 
5,89 
5,92 
æ 
è 
ç 
ö 
qˆ1 * 
qˆ2 * 
æ 
(22) 
ç 
ç 
÷ø 
è 
ö 
÷ 
÷ 
ø 
= 
874 
738 
æ 
è 
ç 
ö 
ø 
÷ 
pˆ1 * 
pˆ2 * 
æ 
ç 
ç 
è 
ö 
÷ 
÷ 
ø 
= 
781,00 
680,51 
æ 
ç 
è 
ö 
ø 
÷
Преимущества ценовой политики Pepsi 
5.70 
5.80 
5.90 
6.00 
6.10 
6.20 
6.30 
6.40 
6.50 
6.60 
март апрель май июнь июль 
7 
Pepsi Coca-Cola 
5.2 
5.4 
5.6 
5.8 
6 
6.2 
6.4 
6.6 
6.8 
2/8/13 
2/22/13 
3/8/13 
3/22/13 
4/5/13 
4/19/13 
5/3/13 
5/17/13 
5/31/13 
6/14/13 
6/28/13 
7/12/13 
7/26/13 
8/9/13 
8/23/13 
9/6/13 
9/20/13 
10/4/13 
10/18/13 
11/1/13 
11/15/13 
11/29/13 
12/13/13 
Coca-Cola 
Pepsi
Дилемма заключенного 
Решение игры: (6,08; 6,19) 
Реальность: (6,45; 6,19) 
p1 = 761,63, p 2 = 1209,97. 
Нерациональный выбор, сделанный “Coca-Cola”, увеличил 
прибыль в следующем периоде его конкурента.
Результаты оптимизации цен на 
напиток “Coca-Cola” 
Суммарный эффект максимизации прибыли: 
å(p1 *-p1) =1547,54
Результаты оптимизации цен на 
напиток “Pepsi” 
Суммарный эффект максимизации прибыли: 
å(p 2 *-p 2 ) =1932,42
Графическое представление 
6.80 
6.60 
6.40 
6.20 
6.00 
5.80 
5.60 
февраль март апрель май июнь июль август сентябрь октябрь ноябрь декабрь 
Pepsi Coca-Cola Coca-Cola* Pepsi*
Заключения 
 Снижение цены до уровня цен конкурента, не ведет к 
увеличению рыночной доли. Ценовой фактор играет 
роль, когда цены конкурентов отличаются друг от друга. 
 Бренд выигрывает от волновых изменений цены, если 
коридор колебания цены у него уже, а средняя цена на 
его товар выше, чем у конкурента. 
 Фирма, которая первой демонстрирует повышение цены, 
теряет часть своего спроса и значительно увеличивает 
прибыль конкурента, воздержавшегося от ответного 
повышения своей цены. 
 Предельное значение своей наилучшей цены, при 
известных ценах конкурента, может быть легко оценено 
решением простой задачи линейной оптимизации 
функции прибыли.
Неценовые факторы 
 собственная информация потребителя о товаре (оценка 
качеств товара по личным критериям, удовлетворение от 
его использования); 
 влияние других потребителей (советы рекомендации, 
отзывы); 
 влияние рекламы (видео-и аудио-ролики, бигборды, 
социальные сети, акции); 
 популярность, престижность и социальная 
ориентированность бренда
Параметры неценовых факторов
Формирование потребительского выбора
Интерфейс
Базовый эксперимент
Базовый эксперимент
Базовый эксперимент
Базовый эксперимент
Эксперимент с глобальной рекламой
Эксперимент с глобальной рекламой
Эксперимент с рекламой в ритейле
Заключения 
 Продолжительное удержание постоянной цены на уровне 
выше цены конкурента в отсутствие каких-либо 
рекламных акций приводит к потере значительной 
рыночной доли. При перевесе рыночной доли в свою 
пользу, установление высокой цены даст возможность 
получать дополнительную прибыль в краткосрочном 
периоде. 
 Фирма, которая проводит рекламную кампанию первой, 
захватывает значительную часть спроса. Для 
восстановления своих позиций фирме-конкуренту 
потребуется проведение более агрессивной рекламной 
политики.
Выводы 
 В работе ставилась задача выявления возможностей, 
которые могут быть реализованы методами 
математического моделирования для описания 
конкурентного взаимодействия на рынке дуополии брендов. 
 В рамках аналитического и имитационного подходов были 
сформулированы постановки задач и модифицированы 
существующие модели. Средствами построенных моделей 
получены результаты отвечающие поставленным целям. 
 При разработке ценовой политики компаниями- 
производителелями целесообразно применение 
аналитического подхода для оценки шансов выигрыша их 
продуктами ценовой борьбы в конечных торговых точках 
каждой отдельной розничной сети. 
 Полученные при таком подходе оптимальные цены должны 
быть использованы как входные данные в мультиагентных 
моделях, которые должны быть использованы для 
разработки рекламных политик брендов.
СПАСИБО ЗА ВНИМАНИЕ!

More Related Content

Similar to Modeling competitive interaction: analytical and simulation approaches (Presentation of diploma project)

сегментационная мясорубка
сегментационная мясорубкасегментационная мясорубка
сегментационная мясорубка
Olga Kubowsky (info@sbmgroup.biz)
 
Data Mining in RTB
Data Mining in RTBData Mining in RTB
Data Mining in RTB
Pavel Kalaidin
 
Как повысить эффективность рекламных кампаний​
Как повысить эффективность рекламных кампаний​Как повысить эффективность рекламных кампаний​
Как повысить эффективность рекламных кампаний​
Маркетинг-аналитика с OWOX BI
 
Антон Астахов и Андрей Педченко (Mello) - "Другой взгляд на простые метрики в...
Антон Астахов и Андрей Педченко (Mello) - "Другой взгляд на простые метрики в...Антон Астахов и Андрей Педченко (Mello) - "Другой взгляд на простые метрики в...
Антон Астахов и Андрей Педченко (Mello) - "Другой взгляд на простые метрики в...
Осенняя Сессия по контекстной рекламе
 
Туннели продаж в мессенджерах
Туннели продаж в мессенджерахТуннели продаж в мессенджерах
Туннели продаж в мессенджерах
Академия интернет-маркетинга «WebPromoExperts»
 
Неделя Байнета 2017. Андрей Гавриков: "Как измерять эффективность интернет-ма...
Неделя Байнета 2017. Андрей Гавриков: "Как измерять эффективность интернет-ма...Неделя Байнета 2017. Андрей Гавриков: "Как измерять эффективность интернет-ма...
Неделя Байнета 2017. Андрей Гавриков: "Как измерять эффективность интернет-ма...
Webcom Group
 
оценка спроса
оценка спроса оценка спроса
оценка спроса
Olga Kubowsky (info@sbmgroup.biz)
 
бкг анализ
бкг   анализбкг   анализ
1round Сase Solution By Case Kong at McKinsey Business Diving 2012
1round Сase Solution By Case Kong at McKinsey Business Diving 20121round Сase Solution By Case Kong at McKinsey Business Diving 2012
1round Сase Solution By Case Kong at McKinsey Business Diving 2012
esprezo
 
Like Бизнес 5.1 - маркетинг
Like Бизнес 5.1 - маркетингLike Бизнес 5.1 - маркетинг
Like Бизнес 5.1 - маркетинг
rezedasuleyman
 
Likebz5 0. комлпексно о маркетинге
Likebz5 0. комлпексно о маркетингеLikebz5 0. комлпексно о маркетинге
Likebz5 0. комлпексно о маркетинге
Nikita Florinskiy
 
AlgoMost: about
AlgoMost: aboutAlgoMost: about
AlgoMost: about
Alina Sobolevskaya
 
Promo review ukraine s1 2013 food retailers
Promo review ukraine s1 2013 food retailersPromo review ukraine s1 2013 food retailers
Promo review ukraine s1 2013 food retailers
HIPERCOM
 
Клуб анонимных аналитиков 02.09.2016
Клуб анонимных аналитиков 02.09.2016Клуб анонимных аналитиков 02.09.2016
Клуб анонимных аналитиков 02.09.2016
Alexey Kolokolov
 
Другая сторона электронной коммерции, или Что нужно предусмотреть, запуская с...
Другая сторона электронной коммерции, или Что нужно предусмотреть, запуская с...Другая сторона электронной коммерции, или Что нужно предусмотреть, запуская с...
Другая сторона электронной коммерции, или Что нужно предусмотреть, запуская с...
ASPRO - Готовые сайты на 1С-Битрикс
 
Простой programmatic для высокой результативности performance-кампаний
Простой programmatic для высокой результативности performance-кампанийПростой programmatic для высокой результативности performance-кампаний
Простой programmatic для высокой результативности performance-кампаний
AdRiver
 
Soloway, Роман Филиппов
Soloway, Роман ФилипповSoloway, Роман Филиппов
Soloway, Роман Филиппов
Soloway
 
Soloway. Простой programmatic для высокой результативности performance-кампаний.
Soloway. Простой programmatic для высокой результативности performance-кампаний.Soloway. Простой programmatic для высокой результативности performance-кампаний.
Soloway. Простой programmatic для высокой результативности performance-кампаний.
HybridRussia
 

Similar to Modeling competitive interaction: analytical and simulation approaches (Presentation of diploma project) (20)

сегментационная мясорубка
сегментационная мясорубкасегментационная мясорубка
сегментационная мясорубка
 
Data Mining in RTB
Data Mining in RTBData Mining in RTB
Data Mining in RTB
 
About BCGroup
About BCGroupAbout BCGroup
About BCGroup
 
Как повысить эффективность рекламных кампаний​
Как повысить эффективность рекламных кампаний​Как повысить эффективность рекламных кампаний​
Как повысить эффективность рекламных кампаний​
 
Антон Астахов и Андрей Педченко (Mello) - "Другой взгляд на простые метрики в...
Антон Астахов и Андрей Педченко (Mello) - "Другой взгляд на простые метрики в...Антон Астахов и Андрей Педченко (Mello) - "Другой взгляд на простые метрики в...
Антон Астахов и Андрей Педченко (Mello) - "Другой взгляд на простые метрики в...
 
Туннели продаж в мессенджерах
Туннели продаж в мессенджерахТуннели продаж в мессенджерах
Туннели продаж в мессенджерах
 
Неделя Байнета 2017. Андрей Гавриков: "Как измерять эффективность интернет-ма...
Неделя Байнета 2017. Андрей Гавриков: "Как измерять эффективность интернет-ма...Неделя Байнета 2017. Андрей Гавриков: "Как измерять эффективность интернет-ма...
Неделя Байнета 2017. Андрей Гавриков: "Как измерять эффективность интернет-ма...
 
оценка спроса
оценка спроса оценка спроса
оценка спроса
 
бкг анализ
бкг   анализбкг   анализ
бкг анализ
 
1round Сase Solution By Case Kong at McKinsey Business Diving 2012
1round Сase Solution By Case Kong at McKinsey Business Diving 20121round Сase Solution By Case Kong at McKinsey Business Diving 2012
1round Сase Solution By Case Kong at McKinsey Business Diving 2012
 
Like Бизнес 5.1 - маркетинг
Like Бизнес 5.1 - маркетингLike Бизнес 5.1 - маркетинг
Like Бизнес 5.1 - маркетинг
 
Likebz5 0. комлпексно о маркетинге
Likebz5 0. комлпексно о маркетингеLikebz5 0. комлпексно о маркетинге
Likebz5 0. комлпексно о маркетинге
 
AlgoMost: about
AlgoMost: aboutAlgoMost: about
AlgoMost: about
 
Promo review ukraine s1 2013 food retailers
Promo review ukraine s1 2013 food retailersPromo review ukraine s1 2013 food retailers
Promo review ukraine s1 2013 food retailers
 
мас
масмас
мас
 
Клуб анонимных аналитиков 02.09.2016
Клуб анонимных аналитиков 02.09.2016Клуб анонимных аналитиков 02.09.2016
Клуб анонимных аналитиков 02.09.2016
 
Другая сторона электронной коммерции, или Что нужно предусмотреть, запуская с...
Другая сторона электронной коммерции, или Что нужно предусмотреть, запуская с...Другая сторона электронной коммерции, или Что нужно предусмотреть, запуская с...
Другая сторона электронной коммерции, или Что нужно предусмотреть, запуская с...
 
Простой programmatic для высокой результативности performance-кампаний
Простой programmatic для высокой результативности performance-кампанийПростой programmatic для высокой результативности performance-кампаний
Простой programmatic для высокой результативности performance-кампаний
 
Soloway, Роман Филиппов
Soloway, Роман ФилипповSoloway, Роман Филиппов
Soloway, Роман Филиппов
 
Soloway. Простой programmatic для высокой результативности performance-кампаний.
Soloway. Простой programmatic для высокой результативности performance-кампаний.Soloway. Простой programmatic для высокой результативности performance-кампаний.
Soloway. Простой programmatic для высокой результативности performance-кампаний.
 

Modeling competitive interaction: analytical and simulation approaches (Presentation of diploma project)

  • 1. МАГИСТЕРСКАЯ РАБОТА на тему: «Моделирование конкурентного взаимодействия : аналитический и имитационный подход» Выполнил: Попов Дмитрий Алексеевич Науч. рук.: к.э.н, доц. Кононова Екатерина Юрьевна
  • 2. Предметная область:  Моделирование конкурентного взаимодействия на рынке дуополии без сговора Объект исследования:  Рынок потребительских товаров быстрого срока обращения (FMCG) / сектор безалкогольных напитков / сегмент «колы» Цель:  Выявить какие утилитарные задачи могут быть решены с помощью аналитических и имитационных моделей при моделировании конкурентного взаимодействия на рынке потребительских товаров
  • 3. Задачи и структура работы:  Изучение предметной области (Раздел I)  Обзор FMCG рынка , подготовка исходных данных и постановка задачи моделирования (Раздел II)  Построение и расчеты по аналитической модели (Раздел III)  Построение и эксперименты с имитационной моделью (Раздел III)  Выводы и заключения (Раздел III)
  • 4. Результаты:  Аналитические модели выгодно использовать при прогнозировании решений конкурента и при принятии собственных решений об уровне цены.  Результаты расчетов аналитических моделей целесообразно применять в имитационных моделях при разработке и корректировке рекламной политики бренда.  Синергия применения обоих подходов даст наилучшее стратегическое решение для победы в конкурентной борьбе.
  • 7. Исходные данные  Цены на напитки “Coca-Cola” и “Pepsi” в ПЭТ объёмами 0,5 л, 1л и 2л были собраны в крупных сетях ритейлеров, дейстующих в столице Украины (г. Киев) за 2013-й год. Общий объём выборки – 343 значений цен. Источник: http://mysupermarket.org.ua  Данные об изменениях цен были занесены в БД, созданную средствами MS Access, где они были структурированы по названию бренда, объёму ПЭТ, названию ритейлера и дате. Для проведения анализа данные были импортированы в сводную таблицу MS Excell при помощи встроенных OLAP-технологий.
  • 8. Средние цены (грн.) по розничным сетям г. Киева за 2013 год Классификация розничных сетей по уровню цен относительно минимальной
  • 9. Результат обработки и анализа данных Исходная выборка 6.80 6.60 6.40 6.20 6.00 5.80 5.60 Coca-Cola Pepsi
  • 11. Существующие аналитические модели дуополии без сговора Олигополия без сговора К оличестрвенная Ценовая Модель К урно Модель Штак ельберга Борьба за лидерство Модель Бертрана Динамическ ая ценовая к онк уренция Модель Эдж ворта Модели с возрастающими предельными издерж к ами Модели с дифферен- цированным продук том 1838 г. 1934 г. 1883 г. 1897 г. 1929 г.
  • 12. Модель линейного города Хотеллинга p1 + tx = p2 + ty a + x + y + b = l x = 1 2 l - a - b+ p2 - p1 t æ èç ö ø ÷ y = 1 2 l - a - b+ p1 - p2 t æ è ç ö ø ÷ P1 = p1q1 = p1 (a + x) = 1 2 (l + a - b) p1 - 2 p1 2t + p1p2 2t , P2 = p2q2 = p2 (b+ y) = 1 2 (l - a + b) p2 - 2 p2 2t + p1p2 2t
  • 13. Развитие модели Хотеллинга на случай дифференциации предпочтения брендов исходные цены p1 p2 предпочтение потребителя x (1- x) выбор x®0 x®1 потребителя цены с учетом pˆ= p+ tx pˆ= p+ t(1- x) предпочтения 1 1 2 2
  • 14. Условия выбора в модели  Пусть x – предпочтение потребителя, сформированное за счет рекламы независимо от цены, непрерывная величина в диапазоне .  t – тариф за бренд, порог в который каждый потребитель оценивает покупку брендовой продукции. Положим  – бюджетное ограничение, выше которой не может быть осуществлена покупка, и положим  условие покупки продукта “Coca-Cola” : t Î{0;5} Q QÎ{5;15} p1 + tx £ Q p1 + tx £ p2 + t(1- x) ì í ï î ï (8) (9) x Î[0;1] (3) (4)  выполнение (3) и невыполнение (4) приведет к покупке “Pepsi”. В случае невыполнения обоих условий – отказ от покупки
  • 15. Моделирование спроса (метод Монте-Карло)  Число потребителей, совершивших покупку, смоделировано методом статистических оценок. x Î[0;1], t Î{0;5}, QÎ{5;15}  Оценки сгенерированы генератором случайных чисел в MS Excel значения для 2 000 условных потребителей.
  • 16. Суммарный спрос Полученная модель регрессии имеет вид: ˆQ= 2579,10 - 93p1 - 70,62 p2 +e
  • 17. Спрос на Coca-Cola Модель регрессии для Q1: ˆQ 1 p1, p2 ( ) = 2318,44 - 979,04 p1 + 730,48p2 +e1
  • 18. Спрос на Pepsi Модель регрессии для Q2: ˆQ 2 p1, p2 ( ) = 260,66 +886,04 p1 -801,10p2 +e 2
  • 19. Фактические и модельные значения спроса 1200 1000 800 600 400 200 0 1 2 3 4 5 Coca-Cola Pepsi q1 q2
  • 20. Оптимизация модели ì Q1( p1, p2 ) = a1p1 + b1p2 + c1 Q2 ( p1, p2 ) = a2 p1 + b2 p2 + c2 í ï îï p= ( p- z)Q= ( p- z)(ap+ bp+ c) 1 1 11 1 111 (15) 12 1p = ( p- z)Q= ( p- z)(ap+ bp+ c) 2 2 2 2 2 2 2 1 2 2 2 1 = a1p1 p2 + b1p1p2 + c1p1 - a1p1z1 - b1p2z1 - c1z1 ® max 2 + c2 p2 - a2 p1z2 - b2 p2z2 - c2z2 ® max p 2 = a2 p1p2 + b2 p2 (18) (19) ¶p1 ¶ p1 = 2a1p1 + b1p2 + c1 - a1z1 = 0 ¶p 2 ¶ p2 = a2 p1 + 2b2 p2 + c2 - b2z2 = 0 ì ï ï í ï ï î (20) 2a1 b1 a2 2b2 æ çç è a1z1 - c1 b2z2 - c2 ö ÷÷ ø (21) p1* = D1 D = 2a1b2 - 2b2c1 - b1b2z2 + b1c2 4a1b2 - a2b2 p2* = D2 D = 2a1b2z2 - 2a1c2 - a1a2z1 + a2c1 4a1b2 - a2b2 ì ïï í ï ï î
  • 21. Частное решение -1958 730,48 886 -1602,21 æ ç è -7213,65 -4266,20 ö ø ÷ pˆ1 * pˆ2 * æ ç ç è ö ÷ ÷ ø = 5,89 5,92 æ è ç ö qˆ1 * qˆ2 * æ (22) ç ç ÷ø è ö ÷ ÷ ø = 874 738 æ è ç ö ø ÷ pˆ1 * pˆ2 * æ ç ç è ö ÷ ÷ ø = 781,00 680,51 æ ç è ö ø ÷
  • 22. Преимущества ценовой политики Pepsi 5.70 5.80 5.90 6.00 6.10 6.20 6.30 6.40 6.50 6.60 март апрель май июнь июль 7 Pepsi Coca-Cola 5.2 5.4 5.6 5.8 6 6.2 6.4 6.6 6.8 2/8/13 2/22/13 3/8/13 3/22/13 4/5/13 4/19/13 5/3/13 5/17/13 5/31/13 6/14/13 6/28/13 7/12/13 7/26/13 8/9/13 8/23/13 9/6/13 9/20/13 10/4/13 10/18/13 11/1/13 11/15/13 11/29/13 12/13/13 Coca-Cola Pepsi
  • 23. Дилемма заключенного Решение игры: (6,08; 6,19) Реальность: (6,45; 6,19) p1 = 761,63, p 2 = 1209,97. Нерациональный выбор, сделанный “Coca-Cola”, увеличил прибыль в следующем периоде его конкурента.
  • 24. Результаты оптимизации цен на напиток “Coca-Cola” Суммарный эффект максимизации прибыли: å(p1 *-p1) =1547,54
  • 25. Результаты оптимизации цен на напиток “Pepsi” Суммарный эффект максимизации прибыли: å(p 2 *-p 2 ) =1932,42
  • 26. Графическое представление 6.80 6.60 6.40 6.20 6.00 5.80 5.60 февраль март апрель май июнь июль август сентябрь октябрь ноябрь декабрь Pepsi Coca-Cola Coca-Cola* Pepsi*
  • 27. Заключения  Снижение цены до уровня цен конкурента, не ведет к увеличению рыночной доли. Ценовой фактор играет роль, когда цены конкурентов отличаются друг от друга.  Бренд выигрывает от волновых изменений цены, если коридор колебания цены у него уже, а средняя цена на его товар выше, чем у конкурента.  Фирма, которая первой демонстрирует повышение цены, теряет часть своего спроса и значительно увеличивает прибыль конкурента, воздержавшегося от ответного повышения своей цены.  Предельное значение своей наилучшей цены, при известных ценах конкурента, может быть легко оценено решением простой задачи линейной оптимизации функции прибыли.
  • 28. Неценовые факторы  собственная информация потребителя о товаре (оценка качеств товара по личным критериям, удовлетворение от его использования);  влияние других потребителей (советы рекомендации, отзывы);  влияние рекламы (видео-и аудио-ролики, бигборды, социальные сети, акции);  популярность, престижность и социальная ориентированность бренда
  • 39. Заключения  Продолжительное удержание постоянной цены на уровне выше цены конкурента в отсутствие каких-либо рекламных акций приводит к потере значительной рыночной доли. При перевесе рыночной доли в свою пользу, установление высокой цены даст возможность получать дополнительную прибыль в краткосрочном периоде.  Фирма, которая проводит рекламную кампанию первой, захватывает значительную часть спроса. Для восстановления своих позиций фирме-конкуренту потребуется проведение более агрессивной рекламной политики.
  • 40. Выводы  В работе ставилась задача выявления возможностей, которые могут быть реализованы методами математического моделирования для описания конкурентного взаимодействия на рынке дуополии брендов.  В рамках аналитического и имитационного подходов были сформулированы постановки задач и модифицированы существующие модели. Средствами построенных моделей получены результаты отвечающие поставленным целям.  При разработке ценовой политики компаниями- производителелями целесообразно применение аналитического подхода для оценки шансов выигрыша их продуктами ценовой борьбы в конечных торговых точках каждой отдельной розничной сети.  Полученные при таком подходе оптимальные цены должны быть использованы как входные данные в мультиагентных моделях, которые должны быть использованы для разработки рекламных политик брендов.