Eftersom efterfr˚agan p˚a f¨oretagets annonser fluktuerar ¨over tid ¨ar en priss¨attningsmodell som kan hantera detta av yttersta vikt. En dynamisk priss¨attningsmodell ¨ar
modeller anpassade efter skiftningar i antingen utbud eller efterfr˚agan, d¨arf¨or blir det naturligt att applicera n˚agon av modellerna inom det avsnittet p˚a m¨aklarnas priss¨attningsstrategi. I detta avsnitt kommer marknader med lik-nande f¨oruts¨attningar p˚a efterfr˚agan att presenteras.
8.11.1 Surge-priss¨attning ( ¨Ubers priss¨attningsmodell)
Genom en surge-priss¨attningsmodell, som ¨ar en typ av annonserad priss¨attningsmodell, har ¨Uber p˚a ett framg˚angsrikt s¨att lyckats m¨ota den ¨okande efterfr˚agan p˚a tax-ibilar som uppst˚ar vid vissa tidpunkter p˚a dygnet. D˚a efterfr˚agan fluktuerar mycket samtidigt som utbudet av f¨orare varierar kr¨avs en priss¨attningsmodell som ¨ar anpassad till detta. Det har ¨Uber l¨ost genom att ¨oka priset f¨or kunden n¨ar det ¨ar h¨og efterfr˚agan inom ett specifikt geografiskt omr˚ade, vilket resulterar i att fler f¨orare dras till omr˚adet [26]. Resultatet av detta blir att kunden kan ta del av ¨Ubers service d˚a utbudet av bilar kan m¨ota efterfr˚agan, samtidigt som det blir en effektiv allokering f¨or f¨orarna d˚a endast de som tycker att priset ¨ar r¨att v¨aljer att erbjuda kunden service i form av transport [25]. En ¨okning av priset inneb¨ar dock att en del kunder v¨aljer alternativa transportmedel eller v¨antar till att priset ˚aterg˚ar till det normala. D¨arf¨or ¨okar inte antalet k¨orningar lika mycket dem potentiellt sett skulle kunna g¨ora sett till efterfr˚agan som finns. Skillnaden mellan dessa illustreras i figur 11, d¨ar den bl˚aa linjen ¨ar antalet k¨orningar och den r¨oda linjen ¨ar antalet personer som ¨oppnar ¨Ubers app och ¨ar potentiella kunder [25].
Figur 11: Uber priss¨attning
Att applicera en priss¨attningsmodell som liknar ovanst˚aende surge-modell skulle f¨or m¨aklare p˚a internet kunna vara ett tillv¨agag˚angss¨att att hantera efter-fr˚agan, men ocks˚a f¨or att f˚a ut mer fr˚an annons¨orerna. Det inneb¨ar att m¨aklarna som m¨aklar trafiken p˚a hemsidorna justerar priset efter hur m˚anga annons¨orer som konkurrerar om samma annonsplats. Annons¨orerna som vill synas p˚a b¨asta tid beh¨over d¨arf¨or betala mer f¨or att f˚a synas, vilket vid h¨ogre priser minskar antalet annons¨orer som ¨ar villiga att betala.
Om en m¨aklare p˚a internet skulle vilja utforma en surge-modell f¨or priss¨attningen
skulle de beh¨ova unders¨oka efterfr˚agan p˚a annonser samtidigt som de tar in da-ta ang˚aende de som befinner sig p˚a hemsidorna vid de givna tidpunkterna f¨or att kunna rikta annonserna. Priss¨attningen skulle vara lik den ¨Uber till¨ampar, men med andra variabler som best¨ammer priset. Exempelvis har man ett fast utbud av annonsplatser eftersom man bara kan visa en annons ˚at g˚angen p˚a given yta, vilket ¨ar en skillnad mot ¨Uber som kan erbjuda fler bilar vid h¨ogre priser. M¨aklarnas kunder ¨ar annons¨orerna vilka i sin tur har den m¨aklade trafi-ken p˚a hemsidorna som kunder, vilket g¨or att m¨aklarna m˚aste skapa ett system som tar detta i beaktning. F¨or m¨aklarna finns det inga ˚atg¨arder de kan g¨ora f¨or att styra trafiken p˚a hemsidorna, det enda de kan styra ¨over ¨ar m¨angden annons¨orer som vill annonsera p˚a deras annonsplatser d˚a de genom systemet kan styra priset efter efterfr˚agan.
Den presenterade metoden kommer skilja sig n˚agorlunda fr˚an ¨Ubers priss¨attningsmodell.
Med st¨orsta sannolikhet kommer den inte vara lika effektiv eftersom m¨aklarna inte kan kontrollera utbud och efterfr˚agan p˚a samma s¨att som ¨Uber.
8.11.2 Auktionsbaserad priss¨attning med begr¨ansade resurser Inom m˚anga omr˚aden f¨oresl˚as den auktionsbaserade priss¨attningsmodellen som en effektiv metod f¨or att m¨ota ¨andringar i efterfr˚agan. Inom delning av be-gr¨ansade resurser som till exempelvis n¨atverkstj¨anster ¨ar denna l¨osning effektiv[23].
I och med att resurserna ¨ar begr¨ansade kan f¨oretaget inte utf¨ora ˚atg¨arder f¨or att
¨oka utbudet efter efterfr˚agan. D¨arf¨or blir priset och efterfr˚agan de tv˚a variabler som styr allokeringen av resurser inom denna priss¨attningsmodell. Genom att l˚ata buden styra priset anpassas det direkt efter storleken p˚a efterfr˚agan. En kontinuerlig v¨ardering av en vara kommer resultera i ett pris som ligger n¨ara betalningsviljan hos de som budar och d¨armed reflektera v¨ardet p˚a varan. Pro-blem uppst˚ar om efterfr˚agan ¨ar v¨aldigt l˚ag, detta leder till att v¨arderingen inte blir lika kontinuerlig som ¨onskas samt att priset p˚a produkten kan sjunka n¨ara noll[23]. F¨oretagen kan v¨alja att ˚atg¨arda detta genom att s¨atta ett reservations-pris p˚a auktionen eller helt l˚ata efterfr˚agan styra priset och acceptera priser d¨ar f¨oretaget g¨or f¨orlust [24]. Auktionen m˚aste ¨aven ske under n˚agon form av monopolistiska f¨orh˚allanden d¨ar s¨aljaren ensam har r¨att till varan de s¨aljer[22].
F¨or en m¨aklare p˚a internet ¨ar denna priss¨attningsstrategi v¨al anpassad till deras verksamhet. M¨aklaren tillhandah˚aller ett begr¨ansat annonsutrymme f¨or annons¨orer att annonsera p˚a. Det konstanta utbudet av annonsplats skulle d¨arf¨or motsvara de begr¨ansade resurserna. Medan annons¨orerna ses som budar-na som v¨aljer att buda p˚a annonsplatserna. Den annons¨oren som budar h¨ogst blir den vars inneh˚all visas p˚a annonsplatsen. Tillskillnad fr˚an en vanlig mark-nad f˚ar k¨oparna r¨attighet att visa sitt inneh˚all f¨or anv¨andare som i detta fall f˚ar anses vara det annons¨orerna konsumerar. Genom att l˚ata buden styra vilken annons¨or som visas kommer priset f¨or dessa annonser att p˚averkas efter hur m˚anga som vill agera p˚a marknaden samt hur m˚anga konsumenter av annonser som finns tillg¨angliga. D¨arf¨or f˚ar m¨aklarna en bra anpassad priss¨attningsmodell som anpassas efter efterfr˚agan p˚a ett naturligt s¨att. D¨ar m¨aklarna dels inte beh¨over l¨agga ner resurser p˚a att ta fram en algoritm som ska prognostisera priset samt att de kan bortse fr˚an problemet n¨ar efterfr˚agan ¨ar l˚ag och priset n¨ara noll. Anledningen till att de ha ¨overseende med pris n¨ara noll ¨ar f¨or att m¨aklarna har ett fast pris kopplat till annonsplatsen och d¨arf¨or inga externa kostnader associerade med att f˚a ett underpris d˚a exponeringstiden redan ¨ar
betald. Det blir viktigare f¨or m¨aklarna att skapa v¨arde under dessa timmar f¨or annons¨orer snarare ¨an att reglera prisniv˚an. En prisniv˚a som ligger ¨over an-nons¨orernas betalningsvilja kommer resultera i helt uteblivna int¨akter och en st¨orre f¨orlust.
Genom denna modell kan man tack vare den dynamiska marknaden hitta r¨att prisniv˚aer utan st¨orre kostnader och s¨akerst¨alla en effektiv resursallokering.
9 Diskussion
Vid val av priss¨attningsmodell beh¨over man som m¨aklare ta h¨ansyn till flerta-let faktorer. Den kraftiga variationen i efterfr˚agan p˚a daglig basis inneb¨ar att man m˚aste hitta ett effektivt s¨att att priss¨atta sin produkt som tar h¨ansyn till dessa sv¨angningar. I rapporten har flertalet modeller redovisats som potentiella priss¨attningsstrategier. D¨aremot ¨ar inte alla modeller aktuella f¨or priss¨attning f¨or m¨aklare d˚a de inte tar h¨ansyn till den skiftande efterfr˚agan under en dag.
D¨arf¨or kan den fasta priss¨attningsmodellen uteslutas som strategi. Detta g¨or att resterande modeller anpassade efter anv¨andning, belastning och dynamisk priss¨attning kvarst˚ar. Alla tre har sina f¨or och nackdelar och den modellen som
¨ar b¨ast beh¨over ¨aven fungera v¨al med m¨aklarnas konstanta utbud i form av an-nonsplatser. I och med att priset blir den enda faktorn som kan hantera denna form av marknadsmodell beh¨ovs en priss¨attningsstrategi med en f¨orm˚aga att kontinuerligt anpassa priset efter efterfr˚agan p˚a ett effektivt och snabbt s¨att, d˚a skiftningar i efterfr˚agan sker i realtid.
Den priss¨attningsstrategi som ¨ar mest till¨ampbar p˚a skiftande efterfr˚agan
¨ar en dynamisk priss¨attning. Den dynamiska priss¨attningen kan delas upp i tre olika omr˚aden annonserad, auktionsbaserad och kvantitet priss¨attning
9.1 Annonserad priss¨ attning
Den annonserad priss¨attningen har f¨ordelen att f¨oretaget sj¨alva kan s¨atta priset p˚a sina produkter. Med ett v¨al anpassat pris kan de s¨akerst¨alla en rimlig niv˚a d¨ar f¨oretaget inte g¨or f¨orluster p˚a sina produkter samtidigt som de kan justera priset under perioder av h¨og efterfr˚agan. Ett bra exempel p˚a en effektiv annonserad priss¨attningsmodell ¨ar ¨Ubers surge-priss¨attning d¨ar man p˚a kort tid kan ¨andra priss¨attningen p˚a sina tj¨anster f¨or att anpassa sig efter ¨andring i efterfr˚agan eller utbud av bilar. Till skillnad fr˚an m¨aklare har ¨Uber en st¨orre m¨ojlighet att p˚averka detta, eftersom att ett ¨okat pris b˚ade ¨okar utbudet och s¨anker efter-fr˚agan f˚ar priss¨attningen p˚a deras marknad st¨orre slagkraft. Eftersom m¨aklare endast kan p˚averka efterfr˚agan kan man ifr˚agas¨atta priss¨attningsmodellens ef-fektivitet i j¨amf¨orelse med marknaden f¨or ¨Uber. Modellen kommer sannolikt fungera p˚a m¨aklarnas marknad men risken ¨ar relativt stor f¨or fel priss¨attning och uteblivna aff¨arer. I och med att kostnaden f¨or att m¨akla trafiken endast avg¨ors av hur l¨ange m¨aklaren betalat f¨or r¨attigheten inneb¨ar det att man b¨or efterstr¨ava en full bel¨aggningsgrad p˚a annonsplatserna. D¨arf¨or ger ett pris n¨ara noll inte en negativ int¨akt och marknaden borde p˚a egen hand s¨atta pris p˚a annonserna. Detta g˚ar naturligtvis att imitera med en surge-priss¨attning som Uber till¨¨ ampar, men risken f¨or en snedvriden priss¨attning existerar fortfarande.
9.2 Auktionsbaserad priss¨ attning
F¨ordelen med auktionsbaserad priss¨attning ¨ar att det ¨ar en effektiv metod f¨or att m¨ota ¨andringar i efterfr˚agan. D˚a m¨aklarna v¨aljer det h¨ogsta budet fr˚an kunden blir det en effektiv resursallokering eftersom den kund som v¨arderat annonsplatsen h¨ogst f˚ar den samtidigt som det inneb¨ar att m¨aklarna tj¨anar mer pengar. Nackdelen med auktionsbaserad priss¨attning ¨ar att m¨aklarna sj¨alva inte kan best¨amma ¨over slutpriset, vilket g¨or att det finns en risk att man g¨or en f¨orlustaff¨ar. Det ¨ar m¨ojligt att f¨ors¨oka undvika detta genom att s¨atta ett
reservationspris, vilket inneb¨ar att man som m¨aklare inte s¨aljer annonsplatsen om man inte f˚ar tillr¨ackligt bra betalt. Eftersom marginalkostnaden f¨or att m¨akla extra annonser ¨ar noll inneb¨ar det att priset som annonsen auktioneras f¨or s¨aljs. Reservationspris ¨ar inget m¨aklare p˚a internet ska applicera d˚a kvantiteten av s˚alda annonser har stor betydelse samt att man inte kommer hitta en k¨opare som vill betala mer ¨an den som budat h¨ogst.
9.3 Kvantitet priss¨ attning
Den kvantitativa priss¨attningsstrategin ¨ar inte till¨ampbar f¨or m¨aklare d˚a man praktiskt taget ger en rabatt till klienter som vill k¨opa mer. Den h¨ar typen av priss¨attning ¨ar mer effektiv inom vissa omr˚aden ¨an andra. F¨or m¨aklare ¨ar det som redan n¨amnt en metod som inte skall till¨ampas d˚a man har ett be-gr¨ansat utbud av annonsplatser. Att d˚a ge en rabatt n¨ar det ¨ar konkurrens om annonsplatserna skulle generera ett s¨amre resultat.
10 Slutsats
Valet av priss¨attningsmodell st˚ar mellan den annonserade priss¨attningen med surge-priss¨attning eller den auktionsbaserade priss¨attningsmodellen. I och med att marknaden i sig ¨ar effektiv faller valet p˚a den modellen med den st¨orsta m¨ojligheten att anpassa priset efter marknaden. Trots surge-priss¨attningens ef-fektivitet blir ¨and˚a den auktionsbaserade modellen det naturliga valet. Den auktionsbaserade modellen har en bra f¨orm˚aga att anpassa sig d˚a marknaden ensamt styr priset. Modellen kommer aldrig utesluta k¨op n¨ar det finns en ef-terfr˚agan. D¨arf¨or anses denna modell vara den mest effektiva f¨or m¨aklarnas marknad och den som i slut¨andan genererar st¨orst int¨akter.
Referenser
[1] Harald Lang, Elements of Regression Analysis. July 2015.
[2] Bozdogan. H, Model Selection and Akaike’s Information Criterion (AIC):
The General Theory and Its Analytical Extensions. Psychometrika, 52 , 345–370, 1987.
[3] Burnham. K. P., A. D. R, Model selection and multimodel inference Pectical Information-Theoretic approach, 2nd ed..
[4] Frost. J, Regression analysis: How do I interpret r-squared and asses the goodness-of-fit?
[5] UCCS.EDU. Effect size (es)
[6] Watson. P, Rule of thumb on magnitudes of effect size [7] StatTrek.com, What is hypothesis testing?. April 2016 [8] Mathworld.wolfram.com, F distribution. April 2016 [9] Alice Nakamura, Nason Nakamura
http://strategy.sauder.ubc.ca/nakamura/nakamuraeconometrica1981nov.pdf [10] Pedace Roberto Econometrics for dummies June 2013
[11] Barbara K. Kaye and Norman J. Medoff, Just A Click Away: Advertising on the Internet Massachussetts: Allyn and Bacon, 2001
[12] Wallstreet Journal
http://www.wsj.com/articles/SB116679843912957776 [13] ucl.ac.uk
http://www.ucl.ac.uk/ April 2016 [14] Statista.com
http://www.statista.com/statistics/237974/online-advertising-spending-worldwide/
[15] Schumpeter. Joseph, Kapitalismus, Sozialismus und Demokratie 1942 (Tys-ka)
[16] More on multicollinearity
http://econweb.ucsd.edu/ rramanat/MoreonMC.pdf April 2016
[17] http://uk.businessinsider.com/uber-surge-pricing-on-new-years-eve-2015-10?r=USIR=T April 2016
[18] http://www.iab.net/media/file/USmeasguidelines.pdf [19] Internet Resource Pricing Model
http://download.springer.com.focus.lib.kth.se/static/pdf/825/art April 2016
[20] Kannan, P. K., and Praveen K. Kopalle. Dynamic Pricing on the Internet:
Importance and Implications for Consumer Behavior. International Journal of Electronic Commerce 5.3 2001: 63–83.
[21] Cumputer Network and ISDN Systems
http://www.sciencedirect.com.focus.lib.kth.se/science/article/pii/0169755295000961 [22] Riley, J. G., Samuelson, W. F Optimal Auctions. The American Economic
Review, 71(3). 381–392. 1981
[23] Aurel A. et al. Auctions for network sharing resources Februari 1997 [24] Juong-Sik Lee och Boleslaw K. Szymanski Stabilizing Markets via a Novel
Auction Based Pricing Mechanism for Short-term Contracts for Network Services
[25] The effect of ¨Uber’s Surge Pricing
http://www.valuewalk.com/wp-content/uploads/2015/09/effectsofuberssurgepricing.pdf April 2016
[26] Harvard Business review: Uber’s “Price Gouging” Is the Future of Business
https://hbr.org/2013/12/ubers-price-gouging-is-the-future-of-business/
April 2016
[27] Adamy, J. E-tailers can peg prices depending on who’s buying San Jose Mercury News, September 24, 2000, 1F
[28] Uber.com Maj 2016
[29] http://www.resume.se/nyheter/artiklar/2013/09/26/fallande-annonsintakter-i-dagspressen/
Maj 2016
[30] Intervju Wiget Media (Opublicerad k¨alla) April 2016 [31] P. Krugman och R. Wells Economics 2013 Third Edition
[32] http://www.investopedia.com/terms/p/prospecttheory.asp Maj 2016
11 Appendix
11.1 Resultat fr˚ an regression med alla kovariat
Estimate Std.Error Eta.sq p.value
11.2 Resultat fr˚ an regression utan CAT
11.3 Resultat fr˚ an regression utan CAT och
11.4 Resultat fr˚ an regression utan CAT, catLinkShorte-ner och CDE
11.5 Resultat fr˚ an regression utan CAT,
catLinkShorte-ner, CDK och catDownloadSitesAdultContent
11.6 Konfidensintervall f¨ or slutgiltiga modellen
Figurer
1 Homoskedasticitet vs Hetroskedasticitet . . . 17
2 Endogenitet . . . 18
3 Grundmodell . . . 23
4 log-modell . . . 24
5 QQ-plot . . . 27
6 Endogenitetstest Platform . . . 28
7 Endogenitetstest Viewers . . . 29
8 Digitala annonser . . . 40
9 Plattpriss¨attning . . . 42
10 Plot p˚a efterfr˚agan . . . 45
11 Uber priss¨attning . . . 46
Tabeller
1 Breusch-Pagan test . . . 242 AIC k¨orningar . . . 25
3 VIF-tabell . . . 26
4 Konf. intervall viewers . . . 30
5 P˚averkningsgrad viewers . . . 30
6 Konf. intervall l¨ander . . . 31
7 P˚averkningsgrad l¨ander . . . 31
8 Konf. intervall plattform . . . 31
9 P˚averkningsgrad plattform . . . 31
10 Konf. intervall OS . . . 32
11 P˚averkningsgrad OS . . . 32
12 Konf. intervall tiden . . . 33
13 P˚averkan tiden . . . 33
14 Konf. intervall kategorier . . . 34
15 P˚averkan kategorier . . . 34
Estimate Std.Error Eta.sq p.value
TRITA -MAT-K 2016:13 ISRN -KTH/MAT/K--16/13--SE