نوع مقاله : مقاله مستخرج از رساله دکتری

نویسندگان

1 دانشجوی دکتری مدیریت، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

2 استاد مهندسی صنایع، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

3 دانشیار ریاضی، دانشکده ریاضی، آمار و علوم کامپیوتر، پردیس علوم، دانشگاه تهران، تهران، ایران.

4 استاد اقتصاد، دانشکده اقتصاد، دانشگاه تهران، تهران، ایران.

5 استاد مدیریت، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

چکیده

معرفی:
دامنه و هدف مقاله استفاده از مدلی جامع برای مطالعه تاثیر رفتار و روحیه مصرف کنندگان بر سهم های بازار بنگاهها در بازار انحصاردو جانبه است. مطالعه ادبیات برای توسعه مدل جامع، در حوزه های دیدگاههای پارادایمی، نظریه بازی های دیفرانسیلی، رفتار رقابتی بنگاهها و رفتار مصرف کنندگان در بازار و مدل سازی عامل محور در اقتصاد صورت گرفته است. برای ساختن مدل، دو زیر مدل دارای ارتباط دوسویه با هم برای دو طرف – تولیدکنندگان و مصرف کنندگان - لازم است تا بطور تکراری اطلاعات را با هم مبادله نمایند. پس مدل در واقع از دو زیرمدل تشکیل شده است. یک زیرمدل برمبنای بازی دیفرانسیلی تعیین شونده[1]برای طرف تولیدکنندگان استفاده می­شود و یک زیرمدل عامل محورکه براساس یادگیری، انتخاب و به­روزرسانی تجربه برای مصرف کنندگان کار می کند، مدنظر است. نوآوری مطرح شده در این تحقیق در خصوص بررسی تاثیر رفتار مصرف کنندگان بر ساختار و سهم بازار، عمدتاً به جامعیت مدل بکار گرفته شده برای انجام بررسی مزبور مربوط می شود. مدل ارائه شده، می تواند مورد استفاده بنگاهها در آزمودن سیاستهای رقابتی­شان با ملاحظه سناریوهای مختلف مربوط به شرایط محیط و روحیه ورفتار مصرف­کنندگان کالاهای تولیدی­شان قبل از کاربست سیاستها قرار بگیرد. ضمنا از این مدل می­توان به عنوان آزمایشگاهی برای آموزش عملکرد و ساختار بازارهای انحصار دوجانبه و چندجانبه (در صورت توسعه آن برای چند بازیکن) استفاده نمود.
متدولوژی:
ساختار بازار علاوه بر اینکه تحت تاثیر عوامل سمت تولیدکنندگان است، ناشی از عوامل سمت خریدار نیز تغییر می کند. برای اینکه نشان دهیم، ساختار بازار متاثر از هم رفتار تولیدکنندگان و هم روحیه و رفتار مصرف کنندگان است و نیز برای بررسی اثرات متقابل دو رفتار همزمان بنگاهها و مصرف کنندگان، نیازمند یک مدل جامع هستیم. مصرف کنندگان از انتخاب های قبلی خود یاد می­گیرند و تصمیمات بعدی آنها تحت تاثیر این یادگیری دستخوش تغییر می گردد. از سوی دیگر، بنگاهها نیز رفتار خود را هماهنگ با روحیه و سلایق مصرف کنندگان و در راستای رقابت با همدیگر تنظیم می کنند تا سهم بازار بیشتری را از آن خود نمایند. بدین منظور، بنگاهها سیاست ها و ابزارهای کنترلی مختلفی را از قبیل تغییر قیمت، بازاریابی و تحقیق و توسعه، بطور همزمان اعمال می­کنند. لذا برای ساختن مدل، دو زیر مدل دارای ارتباط دوسویه با هم برای دو طرف – تولیدکنندگان و مصرف کنندگان - لازم است تا بطور تکراری اطلاعات را با هم مبادله نمایند. یک زیرمدل برمبنای بازی دیفرانسیلی تعیین شونده برای طرف تولیدکنندگان استفاده می­شود و یک زیرمدل عامل محورکه براساس یادگیری، انتخاب و به­روزرسانی تجربه برای مصرف کنندگان کار می کند، مدنظر است.
یافته ها:
در یک مثال عددی از این مدل، تعداد دفعات و فواصل اعمال سیاستها برای تولید کنندگان، 5 بار در نظر گرفته شد به طوری که بین هر دو فاصله اعمال سیاست، مصرف کنندگان در 5 زیرفاصله کالا را می خرند و مصرف می کنند و در طی این 5 زیرفاصله، فرصت یادگیری و کسب تجربه جدید دارند. در این مثال مشاهده شد که مدل یادگیری مصرف کنندگان، تمایل مصرف کنندگان به تجربیات جدید، درجه اهمیت نسبی که مصرف کنندگان به تمایلات سطح بالای خود قائل می شوند، طول مدت یا فرصت یادگیری و کسب تجربه جدید و نیز تاخیر در اعمال سیاستها، همگی بر سهم های بازار تولیدکنندگان تاثیر می گذارند. به علاوه مشخص گردید که از منظر مدل های یادگیری مصرف کنندگان، در حالت یادگیری باورمبنا سهم ها نسبت به شرایط اولیه خود تغییر زیادی پیدا نمی کنند اما در حالت یادگیری تقویتی رفتار مصرف کنندگان تصادفی تر است. انتظار می رود که با کاهش تعداد مصرف کنندگانی که تمایل به تجربه جدید دارند ، سهم های بازار در یادگیری باور مبنا واگرا شوند. به طور مشابه، با افزایش سطح درجه بهینه سازی در قانون انتخاب تصادفی، در هر دو حالت یادگیری باور مبنا و تقویتی، واگرایی در سهم های بازار بیشتر شود. در این مدل، تعداد زیر فاصله ها مبین مدت زمانی است که طول می کشد تا تولید کنندگان سیاستهای جدید خود را در بازار اعمال نمایند. افزایش تعداد زیرفاصله ها به معنی دادن فرصت یادگیری و امکان کسب تجربه بیشتر به مصرف کننده است و بالعکس. با افزایش یا کاهش تعداد زیرفاصله ها، در هر دو وضعیت یادگیری باور مبنا و تقویتی، افزایش  همگرایی سهم های بازار قابل مشاهده است. برای یک تولید کننده یا بنگاه، تاخیر در اعمال سیاست در شرایط یادگیری باور مبنا به نفع آن بنگاه است، ولی در حالت یادگیری تقویتی چنین تاخیری به ضررش خواهد بود.
 
نتیجه:
در این مقاله، به کمک مدلی جامع، تاثیر رفتار و روحیات مصرف کنندگان بر ساختار بازار بررسی گردید. این مدل ترکیبی از دو زیر مدل است که یکی از آنها بر اساس نظریه بازیهای دیفرانسیلی جهت بازنمایی رفتارهای رقابتی تولیدکنندگان؛ و دیگری بر اساس مدل سازی عامل محور، مدل های یادگیری و الگوی انتخاب جهت نمایش دادن رفتارهای مصرف­کنندگان در بازار انحصار چندجانبه، توسعه یافته است. مشخص گردید که مدل یادگیری مصرف کنندگان، استقبال مصرف کنندگان از تجربیات جدید، درجه اهمیت نسبی که مصرف کننده به تمایلات سطح بالای خود قائل می شود، طول مدت یا فرصت یادگیری و کسب تجربه جدید و تاخیر در اعمال سیاست از طرف تولیدکننده، همگی بر سهم های بازار تولیدکنندگان تاثیر گذار هستند.
مدل ارائه شده در این تحقیق، می تواند مورد استفاده بنگاهها در آزمودن سیاستهای رقابتی­شان با ملاحظه سناریوهای مختلف مربوط به شرایط محیط و روحیه ورفتار مصرف­کنندگان کالاهای تولیدی­شان قبل از کاربست سیاستها قرار بگیرد. ضمنا از این مدل می­توان به عنوان آزمایشگاهی برای آموزش عملکرد و ساختار بازارهای انحصار دوجانبه و چندجانبه (در صورت توسعه آن برای چند بازیکن) استفاده نمود. مدل رفتار رقابتی دو بنگاه تولیدکننده که در این تحقیق ارائه شده، قابل توسعه به چند تولیدکننده می باشد که در خصوص معادلات حالت حاکم بر رفتار بنگاهها نیز می­توان آنها را بصورت تاخیردار یا غیرخطی در نظر گرفت. در مورد رفتار مصرف­کنندگان، می­توان شرایط مختلف دیگری را در نظر گرفت، مثلا به پیامدهای صرفنظر شده از استراتژی­های انتخاب نشده در مدل یادگیری تقویتی وزن داده شود که یادگیری تجربی با جذب وزنی نامیده می شود و یا اینکه از مدل های یادگیری دیگری مانند یادگیری انطباقی یا تقلیدی استفاده نموده و نتایج حاصل از آنها را بررسی و مقایسه کرد.



[1]Deterministic

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Effect of Consumers’ Behavior on Duopoly Market Structure

نویسندگان [English]

  • Kian Najafzadeh 1
  • Ali mohaghar 2
  • Gholam Reza Rokni Lamouk 3
  • Ghahraman Abdoli 4
  • Hosein Safari 5

1 PhD Student of Management, Department of Industrial Management, School of Management, University of Tehran, Tehran, Iran.

2 Professor of Industrial Engineering, Department of Industrial Management, School of Management, University of Tehran, Tehran, Iran.

3 Associate Professor of Mathematics, School of Mathematics, Statistics and Computer Science, College of Science, University of Tehran, Tehran, Iran.

4 Professor of Economics, Faculty of Economics, University of Tehran, Tehran, Iran.

5 Professor of Management, Department of Industrial Management, School of Management, University of Tehran, Tehran, Iran.

چکیده [English]

EXTENDED ABSTRACT
Along with the competitive behavior of producers, consumers’ behavior significantly influences the market structure. The temporal resolution of recursively repetitive interactions between producer firms and consumers creates and shapes the structure of the market and defines the firms' market shares. In order to explore this issue, we require a comprehensive model considering the behaviors of both sides, such that the variation of the parameters of the model reflects the competitive policies of the producers and the diversity and differences among the spirits of the consumers.
The proposed model of this paper is based on these viewpoints and, by variation of its parameters, the effects of consumers’ behavior and moods on producers’ market shares are simulated. The developed model includes two sub-models. The first is based on the theory of differential games to represent the competitive behaviors of producers. The second is agent-based which is developed through learning and choice pattern to illustrate the consumers’ behavior in an oligopoly market.
In a numerical example of this model, producers apply their policies in 5 intervals such that between any two intervals of policy application, consumers buy and consume goods in 5 subintervals through which the consumers have the opportunity to learn and gain new experience. In this example, it is observed that the tendency of consumers towards new experiences, the degree of relative importance, that the consumer attaches to their high level of desires, the duration or opportunity of learning and gaining new experience and the delay in the policy implementation, all together, affect the market shares of producers. It is also shown that from perspective of this model, market shares do not change dramatically compared to their initial conditions in the case of belief-based learning; but, in the case of reinforcement learning, consumer behavior becomes more random. In case of belief-based learning, it is expected that as the number of consumers seeking new experience decreases, the market shares diverge. Similarly, increasing in the degree of optimization in the random selection law, in both belief-based and reinforcement learning cases, leads to the increasing of the divergence in market shares. Here, the number of sub-intervals indicates the required time for producers to implement their new market policies. As the number of sub-intervals increases or decreases, convergence of market shares increases, under both types of learning. Delays in the implementation of policies by a producer, in the case of belief-based learning will be in its favor; and, in the case of reinforcement learning such delay will be in adverse of that producer.
The presented model of this paper can be used by firms to test their competitive policies, by looking at different scenarios related to environmental conditions and the behavior of consumers prior to deployment of those policies.
 
INTRODUCTION
Scope and purpose of the article is to use a comprehensive model to study the impact of consumer behavior on firms' market shares in Duopoly market. Along with the competitive behavior of producers, consumers’ behavior significantly influences the market structure.  The temporal resolution of recursively repetitive interactions between producers and consumers creates and shapes the structure of the market and defines the firms' market shares. In order to explore this issue, we require a comprehensive model considering the behaviors of both sides, such that the variation of the parameters of the model reflects the competitive policies of the producers and the diversity and differences of the behaviors among the consumers. The literature has been studied in the areas of paradigm perspectives, differential game theory, competitive behavior of firms and consumer behavior in the market and Agent-based modeling in economics to develop such a comprehensive model. The contribution of this study, is mainly related to the comprehensiveness of the model used to conduct this study.
 
METHODOLOGY
The proposed model of this paper is based on the viewpoints stated in introduction section, and by variation of its parameters the effects of consumers’ behavior and moods, on producers’ market shares are simulated. The developed model includes two sub-models. The first is based on the theory of differential games to represent the competitive behaviors of producers. The second one is agent-based which is developed through learning and choice pattern to illustrate the consumers’ behavior in an oligopoly market. In a numerical example of this model, producers apply their policies in 5 intervals such that between any two intervals of policy application, consumers buy and consume goods in 5 subintervals through which the consumers have the opportunity to learn and gain new experience. 
FINDINGS
According to the results of the research model (political economy of Kuznets curve), although Kuznets hypothesis In the example, it is observed that the tendency of consumers towards new experiences, the degree of relative importance, that the consumer attaches to their high level of desires, the duration or opportunity of learning and gaining new experience and the delay in the policy implementation, all together, affect the market shares of producers. It is also shown that from perspective of this model, market shares do not change dramatically compared to their initial conditions in the case of belief-based learning; but, in the case of reinforcement learning, consumer behavior becomes more random. In case of belief-based learning, it is expected that as the number of consumers seeking new experience decreases, the market shares diverge. Similarly, increasing in the degree of optimization in the random selection law, in both belief-based and reinforcement learning cases, leads to the increasing of the divergence in market shares. Here, the number of sub-intervals indicates the required time for producers to implement their new market policies. As the number of sub-intervals increases or decreases, convergence of market shares increases, under both types of learning. Delays in the implementation of policies by a producer, in the case of belief-based learning will be in its favor; and, in the case of reinforcement learning such delay will be in adverse of that producer.
 
CONCLUSION
Consumers’ behavior significantly influences the market structure and it was demonstrated by a model. The presented model in this paper can be used by firms to test their competitive policies, by looking at different scenarios related to environmental conditions and the behavior of consumers prior to deployment of those policies. In addition, this model can be used as a laboratory to teach the performance and structure of Duopoly and Oligopoly markets.

کلیدواژه‌ها [English]

  • Duopoly market modeling
  • Consumers behavior
  • Market share dynamics
  • Market dynamical interactions
  • Market Structure
Ardalan, K. (2007). Markets: a paradigmatic look. International Journal of Social Economics, 34, 943–960. ##Bettner, M.S., Robinson, C. &Mc Goun, E. (1994). The case for qualitative research in finance”, International Review of Financial Analysis, 3(1), 1-18.## Bischi, G. I., Sbragia, L., & Szidarovszky, F. (2008). Learning the demand function in a repeated Cournot oligopoly game. International Journal of Systems Science, 39(4), 403-419. ##Bischi, G. I., Chiarella, C., Kopel, M., & Szidarovszky, F. (2010). Nonlinear oligopolies. Berlin: Springer. ##Camerer, C. F. (2003). Behavioral Game Theory-Experiments in Strategic Interaction. Princeton university press. ##Campbell, A. (2019). Social learning with differentiated products. The RAND Journal of Economics, 50(1). ##Case, J. H.(1979). Economics and the Competitive Process. New York University Press. ##Chapra, S. C., Canale.R. P. (2010). Numerical Methods for Engineers, McGraw-Hill. ##Cellini, R., & Lambertini, L. (2003). Advertising in a differential oligopoly game. Journal of Optimization Theory and Applications, 116(1), 61-81. ##Cellini, R., & Lambertini, L. (2007). A differential oligopoly game with differentiated goods and sticky prices. European Journal of Operational Research, 176(2), 1131-1144. ##Chintagunta, P. K., & Rao, V. R. (1996). Pricing strategies in a dynamic duopoly: A differential game model. Management Science, 42(11), 1501-1514. ##Chhatwal, J., & He, T. (2015). Economic evaluations with agent-based modelling: an introduction. Pharmacoeconomics, 33(5), 423-433. ##Dana Jr, J. D., & Fong, Y. F. (2011). Product quality, reputation, and market structure. International Economic Review, 52(4), 1059-1076. ##Dockner, E., & Jørgensen, S. (1988). Optimal pricing strategies for new products in dynamic oligopolies. Marketing Science, 7(4), 315-334. ##Dockner, E. J., Jorgensen, S., Van Long, N., & Sorger, G. (2000). Differential games in economics and management science. Cambridge University Press. ##Dragone, D., Lambertini, L., Leitmann, G., & Palestini, A. (2015). Hamiltonian potential functions for differential games. Automatica, 62, 134-138. ##Erickson, G. M. (2007). Differential games in marketing science. In OR Tools and Applications: Glimpses of Future Technologies (pp. 62-78). INFORMS. ##Erickson, G. M. (2009). Advertising competition in a dynamic oligopoly with multiple brands. Operations research, 57(5), 1106-1113. ##Fruchter, G. E. (1999). The many-player advertising game. Management Science, 45(11), 1609-1611. ##Gallegati, M., & Kirman, A. (2012). Reconstructing economics: Agent based models and complexity. Complexity Economics, 1(1), 5-31. ##Hopkins, E. (2007). Adaptive learning models of consumer behavior. Journal of economic behavior & organization, 64(3-4), 348-368. ##Isaacs, R. (1975). Differential games. Robert E. Krieger Publishing Company. ##Jørgensen, S. (1982). A differential games solution to a logarithmic advertising model. Journal of the Operational Research Society, 33(5), 425-432. ##Jorgensen, S. & Zaccour, G. (2004). Differential games in marketing. Springer Science+Business Media, LLC. ##Jørgensen, S., & Zaccour, G. (2014). A survey of game-theoretic models of cooperative advertising. European journal of operational Research, 237(1), 1-14. ##Lamberson, P. J. (2010).  Social learning in social networks. The B. E. Journal of Theoretical Economics, 10(1): Article 36. ##Lambertini, L. (2010). Oligopoly with hyperbolic demand: A differential game approach. Journal of Optimization Theory and Applications, 145(1), 108-119. ##Lambertini, L., & Palestini, A. (2014). On the feedback solutions of differential oligopoly games with hyperbolic demand curve and capacity accumulation. European Journal of Operational Research, 236(1), 272-281. ##Ladipo, P. K. A., Lyiegbuniwe, P. I., Ighomereho, S. O., & Ganiyu, R. A. (2014). A review and integration of the partial models of consumer behaviour. European Journal of Business and Management, 6(6), 2222-2839. ##Ledvina, A., & Sircar, R. (2011). Dynamic bertrand oligopoly. Applied Mathematics & Optimization, 63(1), 11-44. ##Train, K. E. (2009). Discrete choice methods with simulation. Cambridge university press. ##Kováč, E., & Schmidt, R. C. (2014). Market share dynamics in a duopoly model with word-of-mouth communication. Games and Economic Behavior, 83, 178-206. ##Mukhopadhyay, S. K., & Kouvelis, P. (1997). A differential game theoretic model for duopolistic competition on design quality. Operations Research, 45(6), 886-893. ##Itoh, S., Murakami, Y., & Iba, T. (2006, October). Consumer network and market dynamics. In 9th Joint International Conference on Information Sciences (JCIS-06) (pp. 211-214). Atlantis Press. ##Najafzadeh, K. , (2020). Producers’ and Consumers’ Simultaneous Behaviors Investigation in Oligopolies and Studying the Effects of Behaviors’ Interactions and Market Dynamics. PhD Thesis. School of Management. University of Tehran. ##Nakao, T. (1983). Profitability, market share, product quality, and advertising in oligopoly. Journal of Economic Dynamics and Control, 6, 153-171. ##Naik, P. A., Prasad, A., & Sethi, S. P. (2008). Building brand awareness in dynamic oligopoly markets. Management Science, 54(1), 129-138. ##Pajares, J., Hernández, C., & López, A. (2014). Agent-Based Modelling in Economics: Beyond the Neoclassical Paradigm1. ##Shubik, M. (1975). Oligopoly Theory, Communication, and Information. The American Economic Review, 65(2), 280-283. ##Shy, O. (1995). Industrial Organization Theory and Applications – The MIT Press. ##Stankevich, A. (2017). Explaining the consumer decision-making process: Critical literature review. Journal of International Business Research and Marketing, 2(6). ##Teng, J. T., & Thompson, G. L. (1983). Oligopoly models for optimal advertising when production costs obey a learning curve. Management Science, 29(9), 1087-1101. ##Thompson, G. L., Sethi, S. P. (2000). Optimal Control Theory Applications to Management Science and Economics. Springer-Verlag. ##Yanagita, T., & Onozaki, T. (2008). Dynamics of a market with heterogeneous learning agents. Journal of Economic Interaction and Coordination, 3(1), 107-118. ##