---
type: paper
slug: hyojung-choi-2023-new-tech-intro-strategy
title: >-
  New technology product introduction strategy with considerations for
  consumer-targeted policy intervention and new market entrant
authors:
  - '[[hyunhong-choi]]'
  - '[[yunmokoo]]'
year: 2023
venue: '[[technological-forecasting-and-social-change]]'
doi: 10.1016/j.techfore.2022.122126
categories:
  - '[[consumer-choice-research]]'
  - '[[firm-strategy]]'
methods:
  - '[[mixed-logit]]'
  - '[[nested-partitions]]'
  - '[[vehicle-replacement-model]]'
  - '[[forward-looking-optimization]]'
themes:
  - '[[product-line-design]]'
  - '[[strategic-product-introduction]]'
  - '[[new-market-entrant]]'
  - '[[ev-adoption]]'
aliases: []
last_updated: '2026-05-20T02:10:50+09:00'
---
# New technology product introduction strategy with considerations for consumer-targeted policy intervention and new market entrant

*[[hyunhong-choi]], [[yunmokoo]] (2023)* · [[technological-forecasting-and-social-change]] · [DOI ↗](https://doi.org/10.1016/j.techfore.2022.122126)

> 자동차 *생산자의 신기술 (BEV) 제품 도입 전략* — *언제, 어떤 모델* 을 출시할지 — 을 *전향적 (forward-looking)* 최적화로 분석. 소비자 측 [[vehicle-replacement-model]] (Choi & Koo 2019) + 생산자 측 [[nested-partitions]] (NP) 알고리즘 결합. **myopic vs 전향적 의사결정 비교** + *신규 시장 진입자 (new entrant)* 효과 분석. *소비자 전략적 행동 + 생산자 전략적 결정* 의 *통합 모형* — *2 기 (Choi 2019) 의 정점*.

- **RQ**: 자동차 생산자의 *신기술 (BEV) 제품 도입 전략* 은 *소비자 정책 (보조금)* 과 *신규 진입자* 에 어떻게 반응해야 하는가? *myopic vs 전향적* 의사결정 차이는?
- **방법론**: [[vehicle-replacement-model]] (소비자 측, Choi & Koo 2019) + [[nested-partitions]] (생산자 측 최적화) + *forward-looking + myopic 비교* + *new entrant 시나리오*
- **데이터**: 한국 차량 시장 + Choi & Koo (2019) 소비자 선호 추정 + BEV 보조금 정책 announce + 2018-2030 시나리오
- **주요 발견**: (i) *Forward-looking 전략* 이 myopic 대비 신제품 시장 성과를 **최대 40% 향상**. (ii) Incumbent 의 *경쟁 대응 plan 조정* 이 경쟁 관련 손실을 **최대 9% 감소**. (iii) 보조금 강화 + 신규 진입자 등장 시 incumbent 는 *더 많은, 더 저렴한 BEV* 를 portfolio 에 도입 — *socially desirable*. (iv) 13 년 (2018–2030) horizon NP 최적화
- **시사점**: 생산자 측 — *전향적 시각이 myopic 대비 장기 수익 우위*. 정책 측 — 보조금 설계가 *생산자 의사결정에 영향* — 보조금 시점·종료 가 *제품 도입 sequence* 결정. 신규 진입자 → incumbent *제품 라인 재설계*.

![](/papers/202301_ChoiH_New_technology_product_introduction_strategy_with_considerations_for_consumer_targeted_policy_intervention_and_new_market_entrant/fig1.jpeg)

*Fig. 1 — 소비자 (VRM) + 생산자 (NP) 통합 모형 구조. Forward-looking + new entrant 시나리오.*

## 요약

이 paper 는 [[yunmokoo]] · [[hyunhong-choi]] 의 *3 기 (2022-2026) 정점 작업*. [[hyunhong-choi-2019-vehicle-replacement-strategic]] 의 *소비자 측 전략적 행동 모형* 을 *생산자 측 전략적 결정* 과 *결합* — *양면 (two-sided) 전략 균형*. 또 다른 측면: [[hyunhong-choi-2018-cvm-arboretum-location]] 의 [[nested-partitions]] (NP) 알고리즘이 *생산자 측 최적화* 의 도구로 *재사용*.

방법론적 핵심은 *2 단계 통합*. (i) *소비자 측* — [[vehicle-replacement-model]] (Choi & Koo 2019) 으로 응답자별 효용 모수 + 전향적 행동 (대기 할인) 의 분포. 시뮬레이션에서 각 응답자가 매 시점 *교체 / 대기* 결정. (ii) *생산자 측* — [[nested-partitions]] (NP) 알고리즘 으로 *13 년 (2018-2030)* horizon 의 *제품 introduction plan* 최적화. NP step:

1. **Partitioning** — solution space 를 *모델 m 을 시점 t 에 출시 yes/no* 로 분할
2. **Sampling** — 각 region 에서 100 sample 의 long-term plan 추출 (rank-biased)
3. **Promising index** — 각 region 의 *expected long-term revenue* 산출 (소비자 모형 호출)
4. **Moving** — 최고 promising region 으로 zoom-in, 또는 backtracking

총 solution space $42C_2 \times 40C_2 \times \ldots \times 30C_2$ — NP 알고리즘 없이는 evaluable 안 됨.

핵심 발견:

(i) **Forward-looking vs Myopic 격차**: forward-looking 의사결정이 신제품 시장 성과를 *최대 40% 향상*. Myopic 은 *현 시점 수익만* 최대화 → cannibalization 무시 → 장기 손실.

(ii) **경쟁 대응의 가치**: incumbent 가 신규 진입자에 *plan adjustment* 로 대응하면 경쟁 관련 손실 *최대 9% 감소*. 무대응 시 시장 점유 큰 폭 잃음.

(iii) **정책 + 경쟁의 결합 효과**: 강한 보조금 + 신규 entrant 시 incumbent 의 최적 portfolio 가 *더 많고 더 저렴한 BEV* 로 이동. 결과적으로 BEV 시장 크게 확장 — *socially desirable* outcome 과 생산자 수익이 *동일 방향*.

[[yunmokoo]] 의 *연구 궤적* 안에서 이 paper 는 *3 기 (2022-2026) 정점*, 2 기 [[hyunhong-choi-2019-vehicle-replacement-strategic]] (소비자) + [[hyunhong-choi-2018-cvm-arboretum-location]] (NP) 의 *두 도구의 통합 + 새 확장 (생산자 측 전략적 결정)*.

## 핵심 결과

| 비교 | Myopic | **Forward-looking** |
|---|---|---|
| 장기 수익 (13 년) | 낮음 | **높음** |
| 제품 출시 timing | 시점별 max | *cannibalization + future 고려* |
| Cannibalization | 미고려 | 고려 |

| 시나리오 | 최적 BEV 도입 패턴 |
|---|---|
| 보조금 지속 | 점진 출시 |
| 보조금 종료 (2022) | **2022 직전 집중 출시** |
| 신규 진입자 출현 | incumbent *방어적 재설계* |

- *Solution space*: $42C_2 \times 40C_2 \times ...$ — NP 없이는 evaluable 안 됨
- 13 년 horizon (2018-2030) 시뮬레이션

## 방법론 노트

소비자 측 효용 (Choi & Koo 2019 VRM 추정 모수 사용):

$$
U_{nj,t} = \beta_n' X_{j,t} + \alpha_n^{age} \ln(\text{age}_{j,t}+1) + \alpha_n^{SQ} D_{j,SQ,t} + \varepsilon_{nj,t}
$$

생산자 측 [[nested-partitions]] 최적화:

$$
\max_{\{m_t\}} \sum_{t=1}^{T} \frac{R_t(\{m_t\}; \text{ConsumerModel})}{(1+r)^t}
$$

여기서 $m_t$ = $t$ 시점 출시 model set. $R_t$ = consumer model 호출로 산출되는 수익. NP step (Table 2): partitioning → sampling → promising index 계산 → moving.

식별 가정: (i) 2018-2030 시뮬레이션의 *technology / policy 외부 변수* 외생, (ii) 소비자 측 *forward-looking discount* parameters 안정, (iii) NP 의 *most promising region 식별 정확*.

## 연구 계보

이 paper 는 (i) Hendel & Nevo (2006), Schiraldi (2011) 의 *dynamic durable goods choice* 정통, (ii) Shi & Olafsson (2000) 의 [[nested-partitions]], (iii) [[hyunhong-choi-2019-vehicle-replacement-strategic]] (VRM 소비자 측) + [[hyunhong-choi-2018-cvm-arboretum-location]] (NP) 직접 선행 — 의 결합. [[yunmokoo]] 의 *연구 궤적* *3 기 정점*, 후속 [[wonseok-seong-2026-semi-dynamic-ev-mdp]] (MDP 반동태) 의 *이론적 동지*.

## See also

- [[yunmokoo]]
- [[hyunhong-choi]]
- [[vehicle-replacement-model]]
- [[nested-partitions]]
- [[strategic-product-introduction]]
- [[ev-adoption]]
- [[technological-forecasting-and-social-change]]
- [[hyunhong-choi-2019-vehicle-replacement-strategic]]
- [[hyunhong-choi-2018-cvm-arboretum-location]]