Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Dự đoán các mô hình vòng đời sản phẩm
Tóm tắt
Trong bài viết này, chúng tôi đề xuất một mô hình mới về việc áp dụng và tái mua do những nâng cấp được thúc đẩy bởi tính hữu dụng của các sản phẩm công nghệ liên tục được cải thiện. Mô hình này có khả năng dự đoán các mô hình vòng đời sản phẩm mà trước đó không thể giải thích được. Những mô hình này đã được sử dụng để thách thức tính hợp lệ của lý thuyết khuếch tán. Về mặt toán học, mô hình được mô tả như một hệ thống rời rạc phi tuyến phụ thuộc vào một tập hợp nhỏ các tham số. Chúng tôi nghiên cứu các thuộc tính động lực học của hệ phi tuyến bằng cách phân tích độ ổn định số. Chúng tôi tìm thấy các miền trong không gian tham số mà tại đó điểm cân bằng và các quỹ đạo định kỳ là ổn định. Các miền này tương ứng với tính không đồng nhất của dân số, xu hướng nâng cấp và ảnh hưởng của phản ứng ngành công nghiệp đến động lực thị trường. Chúng tôi cũng áp dụng mô hình của mình để khớp dữ liệu thực tế của hai vòng đời sản phẩm thế giới thực với nhiều sự bất quy tắc và so sánh kết quả của mô hình chúng tôi với các mô hình nổi tiếng.
Từ khóa
#vòng đời sản phẩm #mô hình phi tuyến #phân tích ổn định #nâng cấp sản phẩm #lý thuyết khuếch tánTài liệu tham khảo
Bass, F. M. (1969). A new product growth model for consumer durables. Management Science, 15, 215–227.
Bass, P. I., & Bass, F. M. (2001). Diffusion of technology generations: a model of adoption and repeat sales. INFORMS Marketing Science Conference presentation. Available at www.basseconomics.com.
Bayus, B. L. (1988). Accelerating the durable replacement cycle with marketing mix variables. The Journal of Product Innovation Management, 5(3), 216–226.
Buzzell, R. (1966). Competitive behavior and product life cycles. In J. Wright & J. Goldstucker (Eds.), New ideas for successful marketing (pp. 46–68). Chicago: American Marketing Association.
Carrasco, J. M. F., Ortega, E. M., & Cordeiro, G. M. (2008). A generalized modified Weibull distribution for lifetime modeling. Computational Statistics and Data Analysis, 53(2), 450–462.
Chandrasekaran, D., & Tellis, G. J. (2007). A critical review of marketing research on diffusion of new products. In N. K. Malhotra (Ed.), Review of marketing research (Vol. 3, pp. 39–80). New York: M. E. Sharpe.
Chandrasekaran, D., & Tellis, G. J. (2011). Getting a grip on the saddle: chasms or cycles? The Journal of Marketing, 75(4), 21–34.
Cho, S. J. (2008). The effectiveness of parametric approximation: a case of mainframe computer investment. Journal of Economic Research, 13, 125–148.
Collet, P., & Eckerman, J. P. (1980). Iterated maps on the interval as dynamical systems. Boston, MA: Birkhauser.
Cox, W. J. (1967). Product life cycles as marketing models. Journal of Business, 40, 375–384.
Fader, P. S., & Hardie, B. G. S. (2003). Can we infer 'Trial and Repeat' numbers from aggregate sales data? Available at http://brucehardie.com/papers/fader_hardie_aggtr0703.pdf
Fernandez, V. (1999). Forecasting home appliances sales: incorporating adoption and replacement. Journal of International Consumer Marketing, 12(2), 39–61.
Goldenberg, J., Libai, B., & Muller, E. (2002). Riding the saddle: how cross-market communications can create a major slump in sales. The Journal of Marketing, 66, 1–16.
Gordon, B. R. (2006). Replacement cycles and innovation in the PC processor industry: a dynamic structural approach. Carnegie Mellon University Job Market Paper, June 2006.
Javed, M., & Saleem, M. (2012). A Bayesian analysis of the Rayleigh life time model. World Applied Sciences Journal, 16(2), 220–226.
Kamakura, W. A., & Balasubramanian, S. K. (1987). Long-term forecasting with innovation diffusion models: the impact of replacement purchases. Journal of Forecasting, 6(1), 1–19.
Katz, M., & Shapiro, C. (1985). Network externalities, competition, and compatibility. The American Economic Review, 75, 424–440.
Katz, M., & Shapiro, C. (1986). Technology adoption in the presence of network externalities. Journal of Political Economy, 94, 822–841.
Lalitha, S., & Mishra, A. (1996). Modified maximum likelihood estimation for Rayleigh distribution. Communications in Statistics: Theory and Methods, 25, 389–401.
Lin, C., & Chen, C. (2008). CMAC-based supervisory control for nonlinear chaotic systems. Chaos Soliton and Fractals, 35, 40–58.
Loch, C. H., & Huberman, B. A. (1999). A punctuated-equilibrium model of technology diffusion. Management Science, 45(2), 160–177.
Mahajan, V., & Muller, E. (1996). Timing, diffusion and substitution of successive generations of technological innovations: the IBM mainframe case. Technological Forecasting and Social Change, 51, 109–132.
Mahajan, V., Sharma S., & Wind Y. (1983). An approach to repeat-purchase diffusion analysis. In: Proceedings of the 1983 AMA Conference, pp. 442–446.
Mahajan, V., Muller, E., & Bass, F. M. (1993). New product diffusion models. In J. Eliashberg & G. L. Lilien (Eds.), Handbooks in operations research and management science (pp. 349–408). New York: Elsevier.
Maier, F. H. (1996). Substitution among successive product generations - An almost neglected problem in innovation diffusion research. Paper presented at the 1996 International System Dynamics Conference, Cambridge, Massachusetts. Mannheim, Germany: University.
May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.
Morrison, D. G. (1969). On the interpretation of discriminant analysis. Journal of Marketing Research, 6, 156–163.
Norton, J. A., & Bass, F. M. (1987). A diffusion theory model of adoption and substitution for successive generations of high-technology products. Management Science, 33, 1069–1086.
Olson, J., & Choi, S. (1985). A product diffusion model incorporating repeat purchases. Technological Forecasting and Social Change, 27, 385–397.
Orbach, Y., & Fruchter, G. E. (2010). A utility-based diffusion model applied to the digital camera case. Review of Marketing Science, 8(1), 1–26.
Rink, D., & Swan, J. (1979). Product life cycle research: a literature review. Journal of Business Research, 40, 219–243.
Russell, T. (1980). Comments on ‘The relationship between diffusion rates, experience curves and demand elasticities for consumer durable technological innovations’. Journal of Business, 53(3), 69–73.
Schmidt, G. M., & Druehl, C. T. (2005). Changes in product attributes and cost as drivers of new product diffusion and substitution. Production and Operations Management, 14(3), 272–285.
Srivastava, R. K., Mahajan, V., Ramaswami, S. N., & Cherian, J. (1985). A multi-attribute diffusion model for forecasting the adoption of investment alternatives for consumers. Technological Forecasting and Social Change, 28, 325–333.
Steffens, P. R. (2002). The product life cycle concept: Buried or resurrected by the diffusion literature? Academy of Management Conference, Technology and Innovation Management Division, Denver, August 2002. Available at http://eprints.qut.edu.au/archive/00006522/02/6522.pdf
Strogatz, S. H. (1994). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering. Reading: Addison-Wesley
Tellis, G., & Crawford, M. (1981). An evolutionary approach to product growth theory. The Journal of Marketing, 45(Fall), 125–132.
Thun, J. H., Grobler, A., & Milling, P. M. (2000). The diffusion of goods considering network externalties. In: Proceeding of the 18th International Conference of the System Dynamics Society, Bergen, Norway.
Van den Bulte, C., & Joshi, Y. V. (2007). New product diffusion with influential and imitators. Marketing Science, 26(3), 1–23.
Weerahandi, S., & Dalal, S. R. (1992). A choice based approach to the diffusion of a service: forecasting fax penetration by market segments. Marketing Science, 11(1), 39–53.