Operativsystem (OS)

Operativsystemen har en stor p˚averkan p˚a slutpriset, d¨ar det ¨ar en stor sprid-ning mellan de positiva och negativa p˚aslagen enligt tabell 10. Det fr¨amsta operativsystemet ¨ar OSWindows7, detta k¨anns troligt eftersom det ¨ar det klart vanligaste. D¨arf¨or blir det l¨attare att ta fram en standardiserad modell anpassad efter dessa operativsystem tillskillnad fr˚an ¨ovriga. Man b¨or ¨aven ta h¨ansyn till operativsystemens interaktionseffekt med plattformar och hur man kan v¨alja att kategorisera in de mobila plattformarna OSAndroid, OSIphone och OSI-pad och f˚a ett generellt h¨ogre pris inom hela det segmentet, medan de ¨ovriga operativsystemen f¨orutom OSWindows7 med tillh¨orande datorer ger ett s¨amre slutpris.

Det finns en tydlig p˚averkan fr˚an operativsystemen men det viktiga ¨ar hur man v¨aljer att dela upp sitt segment. V¨aljer man att s¨alja annonser p˚a dator-marknaden hamnar stor vikt p˚a att rikta sig till det specifika operativsystemet OSWindows7, medan vid inriktning mot mobilmarknaden har operativsystemet inte lika stor betydelse och marknaden i stort blir mer intressant.

6.1.4 Kategori

De flesta datapunkterna tillh¨orde endast en kategori. De datapunkter som in-neh¨oll fler ¨an en kategori d¨optes till det fulla namnet av samtliga kategorier som kopplades till datapunkten. Eftersom det ur datan inte gick att avg¨ora vilken ka-tegori av alla som listades till datapunkten valdes det n¨amnda tillv¨agag˚angss¨attet.

Valet av kategori att annonsera inom kan ha stor p˚averkan p˚a priset d˚a fler-talet av kategorierna ger stort utslag, de flesta ¨aven ett negativt utslag p˚a priset sett till benchmarken som anv¨ands i regressionen. Man m˚aste ¨aven ha i ˚atanke att antalet dummy-variabler inom detta omr˚ade blev v¨aldigt m˚anga. M¨angden kovariat sprider ut den totala p˚averkan p˚a varje individuellt kovariat. D¨arf¨or har detta omr˚ade en mycket st¨orre effekt p˚a slutpriset ¨an vad varje enskilt ko-variat ger upphov till. Det ¨ar snarare det aggregerade p˚averkningsgraden fr˚an alla kovariat tillsammans som ger en fingervisning av kovariatets p˚averkan p˚a slutpriset. D¨arf¨or anses kategorierna ha den n¨ast st¨orsta p˚averkan p˚a slutpriset.

F¨or att kunna uppn˚a b¨attre resultat f¨or kategorierna kr¨avs en mer precis indel-ning av kategorierna f¨or att minska antalet kovariat f¨or att i sin tur kunna dra b¨attre slutsatser.

6.1.5 Land

Ser man till l¨ander finns det ett antal l¨ander som ¨ar intressanta att diskutera.

Wiget Media trodde p˚a f¨orhand att den marknaden som p˚averkar priset mest i positiv bem¨arkelse skulle vara Sverige. I tabell 6, d¨ar benchmarken ¨ar Sverige, Osterrike och Tyskland ser man tydligt att detta st¨¨ ammer ¨overlag och ger ett positivt utslag p˚a priset. Spanien har den st¨orst p˚averkningsgrad och mest ne-gativ j¨amf¨ort med de ¨ovriga l¨anderna. Detta g¨or att l¨ander har en stor p˚averkan och ¨ar en viktigt faktor f¨or slutpriset.

6.1.6 Tid

Tidens p˚averkan p˚a priset var f¨orv˚anansv¨art l˚ag mot vad som f¨orutsp˚addes.

Detta kan bero p˚a att kovariatet V iewers hade en stor p˚averkan samt att ti-den och V iewers ¨ar relativt korrelerade (se avsnitt 8.10, figur 10). D¨arf¨or blir p˚averkan fr˚an tiden mindre ¨an vad den f¨orv¨antas. Man kan diskutera relevansen av att tiden finns med i modellen men i och med att testerna visar att den b¨or beh˚allas har den inte tagits bort.

Tidsintervallen i modellen visar alla ett negativt utslag i f¨orh˚allande till Ti-meInter3 och TimeInter4 vilka anger tiden mellan 11:00-17:00 respektive 17:00-24:00. Eftersom andelen V iewers ¨ar st¨orst inom detta intervall kan detta ligga till grund till att den f˚ar st¨orst positiv p˚averkan p˚a slutpriset. TimeInter1 har den st¨orsta negativa p˚averkan och intervallet befinner sig i omr˚adet d¨ar andelen V iewers ¨ar l¨agst.

7 Slutsats

Slutsatsen som kan dras givet datan som erh¨olls ¨ar att olika kovariat har olika stor p˚averkan p˚a slutpriset. Med en f¨orklaringsgrad om 76% anses resultaten fr˚an regressionen vara tillr¨ackligt goda f¨or att agera som underlag f¨or att kunna dra slutsatser av resultaten. Genom att j¨amf¨ora de olika kovariaten kan man dra slut-satsen att V iewers har den ¨overl¨agset st¨orsta f¨orklaringsgraden samt p˚averkan p˚a slutpriset. D¨aremot ¨ar denna faktor inget f¨oretaget direkt kan p˚averka och d¨armed irrelevant att unders¨oka mer utf¨orligt. Det kovariat som har n¨ast st¨orst p˚averkan p˚a priset ¨ar kategorierna, d¨ar olika kategorier p˚averkar slutpriset olika mycket. Det kan d¨arf¨or vara av stor vikt f¨or Wiget Media att analysera den h¨ar informationen f¨or framtida f¨ors¨aljningar och uppk¨op av r¨attigheter att m¨akla trafik.

Fr˚an resultatet av regressionen kan man s¨aga att Sverige ¨ar ett av de un-ders¨okta l¨anderna som p˚averkar priset mest i positiv bem¨arkelse, vilket var Wi-get Medias hypotes. Resultatet visar p˚a att de l¨onsammaste l¨anderna att annon-sera i ¨ar Tyskland, ¨Osterrike och Sverige samtidigt som Spanien har en stor ne-gativ p˚averkan p˚a slutpriset. Denna slutsats dras d˚a dessa l¨ander ger de st¨orsta utslagen p˚a priset samt att l¨anderna har f¨orh˚allandevis stor p˚averkningsgrad j¨amf¨ort med de andra l¨anderna. Den h¨ar informationen kan komma v¨al till-hands f¨or Wiget Media n¨ar det g¨aller expansion p˚a marknader.

Att annonsera via mobila enheter kontra dator ger ¨aven det ett positivt ut-slag p˚a slutpriset. Det inneb¨ar att det ¨ar mer gynnsamt att annonsera inom det segmentet. Noterbart ¨ar dock att inom segmentet f¨or datorer ¨ar Windows 7 l¨onsammare ¨an ¨ovriga kombinationer av operativsystem och plattform. Det vill s¨aga att det mest l¨onsamma f¨or Wiget Media ¨ar att annonsera p˚a operativ-system med Windows 7, men om man bara skulle rikta sig till den marknaden blir kundsegmentet v¨al skralt, vilket g¨or att man b¨or annonserar p˚a andra ope-rativsystem d˚a dessa fortfarande ¨ar l¨onsamma f¨or f¨oretaget.

Det kovariat som har minst utslag p˚a slutpriset ¨ar tiden, vilket inneb¨ar att det teoretiskt sett inte spelar n˚agon roll n¨ar p˚a dygnet man annonserar. D¨aremot

¨ar trafiken som m¨aklas under dygnet varierande och kvalit´en p˚a V iewers va-rierar. Priset per annons ger d¨arf¨or inte s˚a stort utslag men kombinerar man antalet V iewers med priset p˚a annonserna blir oms¨attningen mycket h¨ogre un-der kv¨allstid vilket i praktiken inneb¨ar att tiden spelar stor roll.

8 Priss¨ attningsstrategi f¨ or m¨ aklare p˚ a internet

8.1 Introduktion

Annonsering p˚a internet b¨orjade redan 1994 n¨ar internetmagasinet HotWire s˚alde en banner ad till f¨oretaget [11]. Sedan starten upplevde annonsmark-naden p˚a internet en stagnation i tillv¨axten fram till och med IT-bubblan 2000. Efter att IT-bubblan sparck tog marknaden fart och en ny generation IT-bolag v¨axte fram. Denna nya generation ¨aven kallad “Web 2.0” hade en ny aff¨arsmodell och nytt syfte att tj¨ana pengar p˚a, genom att k¨opa och s¨alja an-nonsutrymme p˚a internet, n˚agra av dessa bolag var Google, Advertising.com och ValueClick.com[12]. M˚anga hemsidor och f¨oretag utnyttjar denna annonsverk-samhet f¨or att finansiera sin egen. Genom att erbjuda inneh˚all p˚a sin hemsida skapar de trafik till den, trafiken genererar i sin tur int¨akter genom att annonser visas p˚a hemsidan.

Tack vare att tillg˚angen till internet ¨okat med fler uppkopplade enheter som mobiltelefoner, smart-TV och surfplattor har ¨aven exponeringen mot annons-marknaden p˚a internet ¨okat. Den ¨okade exponeringen mot marknaden har re-sulterat i en m˚angdubbelt tillv¨axt sedan starten, bara de senaste ˚aren har den globala annonsmarknaden dubblerats fr˚an att oms¨atta 104 miljarder dollar 2012 till 197 miljarder 2016[14].

Den stora ¨okningen av kapital p˚a annonsmarknaden har gjort att resurser omf¨ordelats fr˚an andra kanaler, d¨ar ett tydligt exempel p˚a denna omf¨ordelning

˚aterfinns i tidnings- och TV-branschen. TV-branschen har kraftigt minskat sina int¨akter fr˚an reklam och kompletterat verksamheten med streaming p˚a inter-net medan tidningsbranschens int¨akter har allokerats fr˚an den fysiska tidningen till annonsint¨akter p˚a internettidningen, vilket har ¨andrat hela branschernas int¨aktsmodell och verksamhet [29]. Denna revolution inom branscherna skulle enligt nationalekonomen Schumpeter defineras som “gale of creative destruc-tion” [15].