Penyebaran penyakit menular, adopsi barang konsumsi, dan kurva S teknologi

Apa kesamaan dalam memprediksi penyebaran penyakit menular atau barang konsumsi atau adopsi teknologi seperti pertumbuhan ponsel? Semuanya mengikuti model adopsi kurva S klasik.

Semua orang, terutama manajer produk perangkat lunak tahu tentang kurva S, pertanyaannya adalah, bagaimana cara menggambar kurva S yang akurat untuk kategori produk mereka? Bagaimana seharusnya manajer produk dengan kemampuan terbaik mereka menggambar kurva S yang paling sesuai dengan kategori produk mereka?

Pertanyaan serupa dihadapi oleh para ilmuwan yang memprediksi adopsi virus flu baru atau perusahaan barang konsumsi yang memprediksi adopsi item kategori makanan baru.

Dalam artikel ini saya ingin menyoroti model matematika dan alat terkait yang ada yang membantu manajer produk menggambar kurva adopsi ini dengan presisi di luar sketsa acak di papan tulis.

Model Bass untuk memprediksi kurva S

Model Bass adalah alat yang berguna untuk memprediksi penjualan untuk produk baru, terutama ketika riwayat penjualan yang sebanding sebelumnya tidak tersedia. Model Bass dikembangkan oleh Frank M. Bass pada tahun 1969 untuk mempelajari difusi inovasi dalam produk konsumen. Model ini berguna untuk memprediksi penjualan suatu kategori dan bukan merek atau solusi individual, dan telah dianut secara luas oleh akademisi dan profesional industri.

Sementara sebagian besar aplikasi Model Bass adalah untuk barang konsumsi tahan lama, ada peluang untuk memperluas model dalam memprediksi kurva adopsi untuk teknologi baru dan juga kategori peralatan teknologi baru.

Model tersebut mengasumsikan bahwa pasar terdiri dari dua jenis konsumen, inovator, dan imitator. Para inovator adalah pengadopsi intrinsik dan bergantung pada iklan; review produk dll, sedangkan peniru bergantung pada interaksi mereka dengan mereka yang sebelumnya telah mengadopsi produk (bisa menjadi inovator dan peniru dari periode sebelumnya).

Pengaturan konseptual dan matematika di balik model

Di pasar yang terdiri dari N total konsumen, yang pada akhirnya akan mengadopsi suatu produk (atau teknologi), dalam suatu periode tertentu terdapat:

• inovator (koefisien inovator, p) yang mengadopsi teknologi terlepas dari keputusan orang lain, ini biasanya menurun seiring waktu
• peniru (koefisien inovator, q) yang dipengaruhi dalam keputusan mereka oleh anggota lain, ini biasanya meningkat seiring waktu
• Untuk setiap periode adopsi total diberikan oleh jumlah inovator dan peniru

Dengan demikian tiga parameter input untuk model tersebut adalah ukuran pasar N, koefisien inovator p, dan koefisien peniru q. Dengan menggunakan ketiga input ini, kita sekarang dapat memprediksi penjualan atau adopsi di masa mendatang (t+1) yang diberikan oleh persamaan:

Penjualan atau adopsi pada waktu (t+1) = px (NQ(t)) + q/N x Q(t) x (NQ(t))

Plot persamaan ini untuk nilai tertentu N, p, q dan Anda akan mendapatkan kurva S.

(Tidak diperlukan untuk memahami semua persamaan ini untuk menggunakan model, namun untuk pikiran yang ingin tahu saya daftar persamaan ini di akhir artikel ini.)

Memulai Menggunakan Model

Untuk mulai menggunakan model untuk memprediksi penjualan dari waktu ke waktu, kita perlu mengetahui tiga variabel input, N, p, dan q.

Sementara, total potensi pasar N seringkali relatif mudah untuk diperkirakan dari berbagai perkiraan ukuran, triangulasi dan penilaian manajemen; semakin sulit untuk memperkirakan input adalah dua koefisien p dan q.

Dalam kasus kategori produk di mana tidak ada data penjualan sebelumnya yang tersedia, pendekatan yang paling populer untuk memperkirakan koefisien p dan q adalah melalui produk analog yang sudah ada di pasar. Pertimbangan manajemen yang diperlukan adalah memilih produk analog yang tepat dan sering menggunakan serangkaian produk analog untuk memeriksa kepekaan.

Namun, jika tidak ada produk analog yang baik yang tersedia, maka kita dapat menggunakan nilai rata-rata p dan q, berdasarkan nilai pada rentang beberapa kategori. Profesor Christophe Van Den Bulte, dari The Warton School of Management memelihara database p, q, dan N di berbagai kategori, berikut adalah kumpulan sampel dari nilai-nilai tersebut

Jika data penjualan ada untuk periode waktu yang wajar untuk kategori produk atau teknologi maka p dan q dapat diperkirakan dengan menggunakan analisis regresi sederhana.

Manajer produk dan pemasar dapat menggunakan Model Bass untuk membuat beberapa prediksi yang masuk akal tentang potensi pertumbuhan inovasi baru saat mereka datang ke pasar. Prediksi ini alih-alih tebakan sederhana atau firasat dapat didasarkan pada input kuantitatif yang dapat disempurnakan seiring waktu saat kita mengetahui hasil penjualan yang sebenarnya.

Saya berasumsi sebagai manajer produk atau pemasar Anda telah melakukan beberapa ukuran pasar dan memiliki gagasan tentang N, total segmen pasar untuk kategori produk Anda, sekarang jika Anda mengantisipasi koefisien inovator yang kuat untuk penawaran Anda, yaitu Anda mengharapkan akan ada kenaikan segera dalam adopsi, dengan demikian pilih nilai p yang sesuai dari tabel nilai p dan q.

Namun, jika sebagai manajer produk Anda merasa bahwa kategori tersebut membutuhkan banyak pendidikan dan meyakinkan maka Anda mungkin tidak memiliki banyak peniru dan dengan demikian memilih nilai koefisien peniru q yang lebih rendah dari produk serupa. Dengan demikian, mendapatkan beberapa batasan pada tingkat adopsi untuk alat tersebut.

Untuk mengilustrasikan ini lebih lanjut, katakanlah manajer produk menggunakan nilai p, q untuk kalkulator. Kalkulator seperti yang terlihat pada tabel pada halaman sebelumnya memiliki nilai p sebesar 0,145 dan nilai q sebesar 0,495.

Membandingkan ini dengan kurva adopsi untuk nilai p rata-rata, q untuk setiap produk generik (juga dari tabel) kita mendapatkan beberapa batasan. Analisis ini sekarang memungkinkan manajer solusi atau personel lapangan untuk merencanakan kapasitas atau acara pemasaran atau pembuatan prospek yang sesuai. Ini kemudian disesuaikan saat kami mengikuti data penjualan aktual.

Keuntungan dan keterbatasan model

Keuntungan dari Model Bass adalah kemudahan implementasi, keterampilan Excel sederhana yang diperlukan dan interpretasi hasil yang relatif mudah. Model ini memiliki sejumlah kecil parameter input sehingga memudahkan manajer produk atau pemasar untuk memulai beberapa analisis awal.

Akhirnya, parameter model dapat dibandingkan di seluruh produk dan pasar geografis, sehingga membuatnya relevan untuk perusahaan global dan basis pengguna global.

Model memiliki keterbatasan, tidak memprediksi pembelian atau penjualan pertama pada waktu 0, bisa dikatakan ini adalah fungsi dari kesadaran dan buzz yang dibuat sebelum pengenalan dan kedua model cenderung mengelompokkan konsumen dalam dua kategori kaku .

Namun, dengan tidak adanya data lain yang berarti, alat ini lebih baik daripada hanya asumsi sederhana tentang tingkat pertumbuhan yang mungkin atau mungkin tidak didasarkan pada kenyataan atau perbandingan analog. Lebih lanjut, model tersebut tidak memasukkan teknologi baru yang mengganggu atau diperkenalkan, namun hal ini dapat disesuaikan berdasarkan pengaturan ulang dalam asumsi pemodelan berdasarkan penilaian bisnis.

Jadi begitulah, sekarang Anda memiliki alat untuk menggambar kurva adopsi yang berarti dan membuat beberapa keputusan bisnis yang nyata. Jika tidak ada yang lain setidaknya sekarang Anda tahu apa yang memprediksi penyebaran penyakit menular dan manajemen produk perangkat lunak memiliki kesamaan.

Lampiran:

Pengaturan Matematika Model Bass

Potensi pasar total adalah N, ini adalah total sepanjang waktu karena ada sekumpulan populasi pelanggan untuk kategori tersebut

p = kecenderungan untuk berinovasi, kemungkinan seseorang mengadopsi teknologi baru berdasarkan faktor eksternal

q = kecenderungan untuk meniru, kemungkinan adopsi karena “dari mulut ke mulut” atau tekanan dari pengguna yang ada

Q(t) = penjualan kumulatif sampai waktu t

Potensi pasar yang tersisa pada t = (NQ(t))

Jumlah total inovator pada waktu (t+1) = px (NQ(t))

Juga, total pengadopsi yang ada, Q(t), akan berinteraksi dengan sisanya (NQ(t)), yang mengarah ke
total interaksi Q(t) x (NQ(t)), Dari interaksi ini, q/N menghasilkan imitasi

Jumlah total peniru pada waktu (t+1) = q/N x Q(t) x (NQ(t))

Total penjualan pada waktu (t+1), S(t+1) = Inovator baru + Peniru baru

= px (NQ(t)) + q/N x Q(t) x (NQ(t))

% Adopsi dapat diperkirakan dengan membagi total penjualan dengan total ukuran pasar