Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Đã bao lâu kể từ lần khuyến mại cuối cùng? Kỳ vọng về thời gian khuyến mãi của người tiêu dùng và phản ứng đối với khuyến mại
Tóm tắt
Khi mô hình hóa hành vi tìm kiếm tương lai của người tiêu dùng bằng dữ liệu lựa chọn về các sản phẩm thường xuyên được mua, phương pháp thông dụng giả định rằng người tiêu dùng có kỳ vọng hợp lý về các chương trình khuyến mãi trong tương lai. Các nghiên cứu trước đã mô hình hóa những kỳ vọng như vậy bằng cách sử dụng quá trình Markov bậc một (FOM). Tuy nhiên, bằng chứng thực nghiệm từ một số danh mục cho thấy rằng khoảng thời gian giữa các chương trình khuyến mãi có thể kéo dài vài tuần, điều này ngụ ý rằng một quá trình FOM chỉ dựa vào giá cả của kỳ hiện tại khi điều chỉnh kỳ vọng trong tương lai về giá cả có thể bị giới hạn. Chúng tôi sử dụng mô hình nguy cơ tỷ lệ (PHM) để đặc trưng hóa kỳ vọng hợp lý của người tiêu dùng về khuyến mãi giá trong tương lai. Đầu tiên, chúng tôi chỉ ra rằng việc ước lượng một mô hình cấu trúc động sử dụng đặc tả FOM cho các kỳ vọng hợp lý có thể gây thiên lệch trong ước lượng ảnh hưởng của khuyến mãi qua cả phân tích mô phỏng và dữ liệu bảng quét từ bốn danh mục hàng hóa tiêu dùng. Thứ hai, chúng tôi chứng minh thực nghiệm rằng mô hình cấu trúc sử dụng đặc tả PHM cho các kỳ vọng khuyến mãi phù hợp hơn với dữ liệu so với các mô hình chỉ giả định rằng có kỳ vọng về giá hoặc khuyến mãi FOM. Cuối cùng, chúng tôi chỉ ra rằng việc sử dụng phân tích thay đổi chính sách khuyến mãi cho thấy một mô hình cấu trúc với kỳ vọng FOM có thể dẫn đến những quyết định quản lý kém hiệu quả.
Từ khóa
#Hành vi tìm kiếm của người tiêu dùng #kỳ vọng hợp lý #khuyến mãi #mô hình nguy cơ tỷ lệ #Markov bậc một #quyết định quản lý.Tài liệu tham khảo
Ailawadi, K. L., Lehmann, D. R., & Neslin, S. A. (2001). Market response to a major policy change in the marketing mix: Learning from procter & gamble’s value pricing strategy. Journal of Marketing, 65(1), 44–61.
Assuncao, J. L., & Meyer, R. (1993). The rational effect of price promotions on sales and consumption. Management Science, 39, 517–535.
Bronnenberg, B. J., Kruger, M. W., & Mela, C. F. (2008). Database paper: The IRI marketing data set. Marketing Science, 27(4), 745–748.
Chan, T., Narasimhan, C., & Zhang, Q. (2008). Decomposing promotional effects with a dynamic structural model of flexible consumption. Journal of Marketing Research, 45(4), 487–498.
Ching, A., Erdem, T., & Keane, M. (2009). The price consideration model of brand choice. Journal of Applied Econometrics, 24(3), 393–420.
Ching, A., Erdem, T., & Keane, M. (2013). A simple approach to estimate the roles of learning, inventory and experimentation in consumer choice. Working paper, Rotman School of Management, University of Toronto.
Conlisk, J., Gerstner, E., & Sobel, J. (1984). Cyclic pricing by a durable goods monopolist. Quarterly Journal of Economics, 99, 489–505.
Dhar, S. K., & Hoch, S. J. (1996). Price discrimination using in-store merchandising. Journal of Marketing, 60(1), 17–31.
Efron, B., & Tibshirani, R. (1993). An introduction to the bootstrap. London: Chapman and Hall.
Erdem, T., Imai, S., & Keane, M. P. (2003). Brand and quantity choice: Dynamics under price uncertainty. Quantitative Economic and Marketing, 1, 5–64.
Erdem, T., Keane, M. P., Sabri Oncu, T., & Stribel, J. (2005). Learning about computers: An analysis of information search and technology choice. Quantitative Marketing and Economics, 3, 207–246.
Fang, H., & Wang, Y. (2013). Estimating dynamic discrete choice models with hyperbolic discounting, with an application to Mammography decision. Working paper, University of Pennsylvania.
Geweke, J., & Keane, M. P. (2000). Bayesian inference for dynamic discrete choice models without theneed for dynamic programming. In S. Mariano & Weeks (Eds.), Simulation based inference and econometrics: Methods and applications (pp. 100–131). Cambridge: Cambridge University Press.
Gönül, F., & Srinivasan, K. (1996). Impact of consumer expectations of coupons on purchase behavior. Marketing Science, 15, 262–279.
Guadagni, P. M., & Little, J. D. C. (1983). A logit model of brand choice calibrated on scanner data. Marketing Science, 2, 203–238.
Gupta, S. (1988). Impact of sales promotions on when, what, and how much to buy. Journal of Marketing Research, 25, 342–355.
Hendel, I., & Nevo, A. (2006). Measuring the implications of sales and consumer stockpiling behavior. Econometrica, 74(6), 1637–1673.
Jedidi, K., Mela, C. F., & Gupta, S. (1999). Managing advertising and promotion for long-run profitability. Marketing Science, 18(1), 1–22.
Keane, M. P., & Wolpin, K. I. (1994). Solution and estimation of dynamic programming models by simulation. Review of Economics and Statistics, 76, 684–672.
Kotler, P., & Keller, K. L. (2006). Marketing management (2nd ed.). New Jersey: Prentice-Hall.
Krishna, A. (1992). The normative impact of consumer price expectations for multiple brands on consumer purchase behavior. Marketing Science, 11(3), 266–287.
Krishna, A., Currim, I. C., & Shoemaker, R. W. (1991). Consumer perceptions of promotional activity. Journal of Marketing, 55(April), 4–16.
Lucas, R. (1976). Econometric policy evaluation: A critique. Carnegie-Rochester Conference Series on Public Policy, 1, 19–46.
Magnac, T., & Thesmar, D. (2002). Identifying dynamic discrete decision processes. Econometrica, 70(2), 801–816.
Manski, C. F. (2004). Measuring expectation. Econometrica, 72(5), 1329–1376.
Mela, C. F., Jedidi, K., & Bowman, D. (1998). The long-term impact of promotions on consumer stockpiling behavior. Journal of Marketing Research, 35(May), 250–262.
Meyer, R. J., & Assuncao, J. (1990). The optimality of consumer stockpiling strategies. Marketing Science, 9, 18–41.
Mulhern, F. J., & Leone, R. P. (1991). Implicit price bundling of retail products: A multiproduct approach to maximizing store profitability. Journal of Marketing, 55(October), 63–76.
Osborne, M. (2010). Frequency versus Depth: How changing the temporal process of promotions impacts demand for a storable good. Working paper.
Rust, J. (1994). Structural estimation of markov decision processes. In R. F. Engle & D. L. McFadden (Eds.), Handbook of econometrics, vol. IV. Amsterdam: Elsevier Science.
Saha, A., & Hilton, L. (1997). Expo-power: A flexible hazard function for duration data models. Economics Letters, 54, 227–233.
Seetharaman, P. B., & Chintagunta, P. (2003). The PHM for purchase timing: A comparison of alternative specifications. Journal of Business & Economic Statistics, 21, 368–382.
Seiler, S. (2013). The impact of search costs on consumer behavior: A dynamic approach. Quantitative Marketing and Economics, 11, 155–203.
Sobel, J. (1984). The timing of sales. Review of Economic Studies, 51(3), 353–368.
Sun, B. (2005). Promotion effect on endogenous consumption. Marketing Science, 24(3), 430–443.
Sun, B., Neslin, S. A., & Srinivasan, K. (2003). Measuring the impact of promotions on brand switching when consumers are forward looking. Journal of Marketing Research, 40, 389–405.
Wall Street Journal. (2002). Kimberly-Clark: Paper Tiger? CEO Falk to Give Forecast Amid Multiple Challenges, Rivalries. December 11.
Yao, S., Mela, C. F., Chiang, J., & Chen, Y. (2012). Determining consumers’ discount rates with field studies. Journal of Marketing Research, 49(Dec), 822–841.