--- type: paper slug: jae-young-choi-2013-strategic-new-products-segmentation title: >- Strategic Management of New Products: Ex-ante Simulation and Market Segmentation authors: - '[[jae-young-choi]]' - '[[jungwoo-shin]]' - '[[jongsulee]]' year: 2013 venue: '[[international-journal-of-market-research]]' volume: '55' issue: '2' pages: 289-314 doi: 10.2501/IJMR-2013-024 categories: - '[[ict-policy]]' methods: - '[[structural-hierarchical-bayesian-logit]]' - '[[gaussian-mixture-model]]' - '[[market-share-simulation]]' - '[[conjoint-analysis]]' themes: - '[[ex-ante-policy-simulation]]' - '[[electronic-payment]]' - '[[market-segmentation]]' - '[[ic-card-adoption]]' aliases: [] last_updated: '2026-05-17T21:30:00+09:00' --- # Strategic Management of New Products: Ex-ante Simulation and Market Segmentation *[[jae-young-choi]], [[jungwoo-shin]], [[jongsulee]] (2013)* · [[international-journal-of-market-research]] 55(2):289-314 · [DOI ↗](https://doi.org/10.2501/IJMR-2013-024) > 신제품의 *통합 전략 demand-side management framework* 제안 — (1) [[structural-hierarchical-bayesian-logit]] 로 이질적 utility 추정, (2) sample-enumeration indicator function 으로 market share simulation, (3) [[gaussian-mixture-model]] 로 optimal segment 도출. 한국 전자결제 수단 (cash, magnetic credit/debit card, IC credit/debit card) 사례 — 500 명 conjoint 설문 (Dongseo Research, 2005-08). 핵심 발견: IC card infrastructure 가 90% 도달 시 IC = cash 점유율; MWTP for infrastructure 13,764 KRW/% (mean), 2,804 KRW/% (median); GMM 으로 *5 cluster* — 현금 선호 (51.6%, 젊음·저소득), magnetic card (15.2%, 고연령·고소득), IC card (33.2%, 평균 연령·소득). - **RQ**: (1) 신제품의 *정확한 demand forecast* 와 *target segmentation* 을 어떻게 동시에 구현하나? (2) 한국 전자결제 시장에서 cash → magnetic → IC card 의 substitution 동학과 segment 별 선호 이질성은? - **방법론**: [[conjoint-analysis]] (6 attribute, 648 → 32 fractional factorial, 8 sub-set), [[structural-hierarchical-bayesian-logit]] (Allenby & Lenk 1994 + Train 2003 mixed logit hybrid, MCMC 20,000 iter), [[market-share-simulation]] (sample enumeration of indicator function, Choi et al. 2008), [[gaussian-mixture-model]] (MDL criterion, MATLAB Bouman et al. 2005) - **데이터**: 한국 서울 500 명 conjoint 설문 (20-60 세, Dongseo Research, 2005 년 8 월). Attribute: carrying charge, credit line, infrastructure, PID (private information divulged %), access time, payment instrument type (cash/cheque/magnetic/IC) - **주요 발견**: (1) MWTP (mean/median, KRW/year): credit line 8,094/1,834, infrastructure 13,764/2,804/%, PID 14,255/326/%, access time 2,378/603/sec. (2) Demographics: 여성·고연령·고소득은 infrastructure 덜 중시; 고연령은 PID 덜 우려; 모두 access time 덜 민감. (3) IC card infrastructure 90% 도달 시 IC ≈ cash 점유율; debit card 가 credit card 보다 빠르게 cash 대체. (4) GMM 5 cluster: cluster 3 (39.6% weight, 젊음·저소득, 모든 attribute MWTP 낮음), cluster 5 (4.0%, 노인·저소득, 모든 attribute MWTP 매우 높음). (5) Sociodemographic + simulated choice cluster: 현금 선호 51.6% / magnetic 15.2% / IC 33.2%. - **시사점**: 신제품 출시 전략에서 *attribute 최적화 + target segment 정의* 의 통합 도구. 전자결제 무역: cash 가 여전히 dominant — IC card 가 차세대 도구로 자리 잡으려면 infrastructure 90% + access time 30 sec 이하 + PID 0 % 의 multi-attribute 동시 개선 필요. ![Integrated process schematic: utility 추정 (structural HB logit) → market share simulation (sample enumeration) → market segmentation (GMM, MDL criterion). Demand-side strategic management 의 3 단계 closed-loop.](/papers/201303_ChoiJY_Strategic_management_of_new_products_Ex_ante_simulation_and_market_segmentation/fig2.jpeg) ## 요약 이 paper 는 [[jongsulee]] 의 *2 기 (Bayesian 도구의 stylized empirical 응용 + segmentation extension)* 의 대표 작업으로, [[jae-young-choi]] (KIET) 와의 산학 협업. [[jongsulee]] author page anchor 의 *demand-side management framework* 라인에 위치. [[jae-young-choi-2008-mobile-tv-ex-ante]] 의 mobile TV Bayesian DCM + market share 시뮬레이션 framework 을 *segmentation* 으로 한 단계 확장. 한국이 핀테크·전자결제 전환기에 있었던 2005-2013 년 시점의 산업·정책 input. 방법은 *세 절차의 결합*: (i) **[[structural-hierarchical-bayesian-logit]]** — Allenby & Lenk (1994) 의 hierarchical Bayesian + Train (2003) 의 mixed logit 의 hybrid (오차항을 i.i.d. extreme value I 로 가정, $\beta_n \sim N(\Gamma z_n, W)$ 의 cross-individual heterogeneity 구조). 응답자 socio-demographic $z_n$ 이 $\beta_n$ 의 평균을 결정 — gender, age, household income 의 효과까지 동시 추정. (ii) **Sample enumeration of indicator function** — Choi et al. (2008) 의 modified simulation: $P_j = (1/N) \sum_n I(U_{nj} > U_{ni} \forall i \neq j)$. 기존 logit probability average 의 *unrealistic prediction* 회피. (iii) **[[gaussian-mixture-model]]** + MDL criterion — 최적 cluster 수를 자동 결정 (K-means 의 *사전 K 결정* 문제 회피), overlapping cluster 허용 (probabilistic membership), Bouman et al. (2005) MATLAB code 활용. 핵심 발견 (전자결제 사례): MWTP for HD-quality attributes — credit line mean 8,094 / median 1,834 KRW, infrastructure 13,764 / 2,804 KRW/%, PID 14,255 / 326 KRW/%, access time 2,378 / 603 KRW/sec. Mean-median 격차가 매우 큰 PID 와 infrastructure 는 *소비자 이질성이 극심* — segment 분석이 의미 있음. IC card 시나리오 시뮬레이션: infrastructure 가 90% 도달해야 IC ≈ cash 점유율, PID 0% + access time 30 sec 동시 달성에도 50% 가 여전히 cash 선호 — *기존 도구의 inertia 효과*. GMM clustering on MWTP: 5 cluster, 가장 큰 cluster 3 (39.6% weight) 은 *젊고 저소득 + 모든 attribute MWTP 낮음* (현금 선호), cluster 5 (4.0%, *노인·저소득 남성*) 은 모든 attribute 에 *극단적 MWTP* (특히 PID 307,426 KRW/%). GMM clustering on demographic + simulated choice: 4-5 cluster, 현금 선호 51.6% / magnetic 15.2% / IC 33.2% — *segment 별 mass 정량화*. 시사점: 신제품 전략은 *aggregate 평균 utility maximization* 보다 *최대 cluster 의 marginal preference 충족* 가 효과적. ## 핵심 결과 **MWTP (mean / median, KRW/year, 4 핵심 attribute)**: | Attribute | Mean MWTP | Median MWTP | |---|---:|---:| | Credit line | 8,094 KRW (\$7.87) | 1,834 KRW (\$1.78) | | Infrastructure | 13,764 KRW/% (\$13.39/%) | 2,804 KRW/% (\$2.73/%) | | PID (privacy risk) | 14,255 KRW/% (\$13.87/%) | 326 KRW/% (\$0.32/%) | | Access time | 2,378 KRW/% (\$2.31/%) | 603 KRW/% (\$0.59/%) | **GMM 5-cluster on MWTP (medians, KRW/year)**: | Cluster | Weight | Age | Income (만원) | MWTP credit | MWTP infra | MWTP PID | MWTP AT | |---|---:|---:|---:|---:|---:|---:|---:| | 1 | 18.8% | 40 | 350 | 7,936 | 829 | 3,688 | 699 | | 2 | 11.2% | 35 | 420 | 13,327 | 4,602 | 3,849 | 7,546 | | 3 | **39.6%** | 38 | 300 | 958 | 2,600 | 92 | 276 | | 4 | 26.4% | 42 | 350 | 1,714 | 23,469 | 114 | 1,000 | | 5 | 4.0% | 42 | 300 | **46,611** | 1,136 | **55,289** | 2,456 | **GMM 4-cluster on cash/magnetic/IC choice**: cash 선호 51.6% (cluster 1+4, 젊음 37-39 세, 저소득 3-3.2M KRW), magnetic card 15.2% (cluster 2, 노년 46-49 세, 고소득 4-4.1M KRW), IC card 33.2% (cluster 3, 평균). N=500 응답자, 32 alternative cards in 8 sub-sets, 20,000 Gibbs iteration (burn-in 10,000), 환율 \$1 ≈ 1,028 KRW (2005-08). ## 방법론 노트 [[structural-hierarchical-bayesian-logit]] 은 Allenby & Lenk (1994) HB logit + Train (2003) mixed logit 의 hybrid. 차이점: Allenby-Lenk 은 $\varepsilon_{nj}$ 가 i.i.d. $N(0, \sigma^2)$ 인 probit/logit profile evaluation 용, 본 paper 는 i.i.d. extreme value I 가정으로 Train 의 logit choice probability 구조 유지. 동시에 Allenby-Ginter (1995) 의 hierarchical structure 도입해 *cross-individual heterogeneity 가 demographic 으로 explain* 되는 구조. 핵심 식 (utility): $$ U_{nj} = V_n + \varepsilon_{nj} = \beta_n' x_j + \varepsilon_{nj} = \beta_{p_n}' p_j + \beta_{s_n}' s_j + \varepsilon_{nj} $$ 여기서 $\beta_n \sim N(\Gamma z_n, W)$, $z_n$ = demographic vector (gender, age, income), $\Gamma$ = cross-unit coefficient matrix. Attribute 별 distribution transformation $C(\beta_n)$ 으로 log-normal (선호 방향 일치) 또는 censored normal (일부 무관심) 적용. MCMC Gibbs sampler 3 단계: $\Gamma | W, \beta_n$, $W | \beta_n, \Gamma$, $\beta_n | \Gamma, W$. Train (2003) mixed logit 의 sampler 와 첫 step 만 다름 (Allenby-Ginter 의 hierarchical step 으로 대체). 20,000 iter, burn-in 10,000, 매 10번째 draw 보존 → 1,000 retained. Market segmentation 식 ([[gaussian-mixture-model]] + MDL): $$ MDL(C, \theta) = -\sum_{n=1}^{N} \log \left( \sum_{c=1}^{C} p_{y_n | x_n}(y_n | c, \theta) \pi_c \right) + \frac{1}{2} L \log(NM) $$ 여기서 $C$ = cluster 수, $\theta = (\pi, \mu, W)$ = cluster 가중치·평균·공분산, $L$ = parameter 수, $N$ = sample size, $M$ = feature 수. AIC 대비 *consistent* — over-fitting 회피. EM algorithm 으로 최적화 (probabilistic membership 허용, K-means 의 hard assignment 회피). ## 연구 계보 본 paper 는 (i) Allenby & Lenk (1994) *JASA* 의 hierarchical Bayesian logistic-normal regression, (ii) Train & Sonnier (2005) *Springer* 의 bounded distribution mixed logit, (iii) Brownstone, Bunch, Train (2000) *TRB* 의 joint SP-RP mixed logit, (iv) Bouman et al. (2005) *Purdue ECE* 의 GMM + MDL clustering algorithm, (v) [[jae-young-choi-2008-mobile-tv-ex-ante]] 의 modified market share simulation (sample enumeration of indicator function) — 5 갈래의 종합. [[jongsulee]] author page anchor 의 *2 기 (Bayesian DCM의 stylized 확장기)* 라인에서, [[jae-young-choi-2008-mobile-tv-ex-ante]] 의 mobile TV 분석을 *segmentation 확장* 으로 발전시킨 sibling. [[jungwoo-shin]] 의 SNU TEMEP 박사논문 시리즈 ([[jungwoo-shin-2012-ev-existing-car-usage-mdcev]] 와 sibling). ## See also - [[jongsulee]] - [[jae-young-choi]] - [[jungwoo-shin]] - [[structural-hierarchical-bayesian-logit]] - [[hierarchical-bayesian-logit]] - [[bayesian-mixed-logit]] - [[gaussian-mixture-model]] - [[market-share-simulation]] - [[conjoint-analysis]] - [[market-segmentation]] - [[ex-ante-policy-simulation]] - [[electronic-payment]] - [[international-journal-of-market-research]] - [[jae-young-choi-2008-mobile-tv-ex-ante]] - [[jae-young-choi-2013-tablet-pc-bayesian-mixed-logit]] - [[jungwoo-shin-2012-ev-existing-car-usage-mdcev]]