---
type: paper
slug: yeonbaekim-2005-consumer-preferences-convergence
title: >-
  Effects of consumer preferences on the convergence of mobile
  telecommunications devices
authors:
  - '[[yeonbaekim]]'
  - '[[jeongdonglee]]'
  - '[[daeyoung-koh]]'
year: 2005
venue: '[[applied-economics]]'
volume: '37'
pages: 817-826
doi: 10.1080/0003684042000337398
categories:
  - '[[consumer-choice-research]]'
  - '[[ict-policy]]'
methods:
  - '[[conjoint-analysis]]'
  - '[[mixed-logit]]'
  - '[[bayesian-estimation]]'
  - '[[gibbs-sampling]]'
  - '[[rank-ordered-logit]]'
  - '[[markov-chain-monte-carlo]]'
themes:
  - '[[device-convergence]]'
  - '[[mobile-telecommunications]]'
  - '[[consumer-preference-heterogeneity]]'
  - '[[stated-preference]]'
  - '[[korean-mobile-market]]'
aliases: []
last_updated: '2026-05-20T01:41:32+09:00'
---
# Effects of consumer preferences on the convergence of mobile telecommunications devices

*[[yeonbaekim]], [[jeongdonglee]], [[daeyoung-koh]] (2005)* · [[applied-economics]] 37:817–826 · [DOI ↗](https://doi.org/10.1080/0003684042000337398)

> 모바일 device convergence (휴대전화 + PDA + PC + 인터넷 단말 ...) 의 *방향* 을 consumer preference data 로 정량 예측한 첫 시도. [[conjoint-analysis]] 의 ranking 응답을 [[bayesian-estimation]] 기반 [[mixed-logit]] (Gibbs sampling) 으로 추정해 *consumer preference heterogeneity* 를 직접 model 함. 결과: medium-size display (88.85%) + keyboard (62.45%) 에 대한 강한 합의가 device convergence 의 form factor 방향 결정. 그러나 high-quality Internet 과 high-level application diversity 에는 *no preference* 한 consumer 가 71-79% — *partial convergence* (perfect convergence X) 가 본 paper 의 정량 예측.

- **RQ**: 모바일 device convergence 가 *완전 통합 (perfect convergence)* 으로 갈지 *부분 통합 (partial convergence)* 으로 갈지를 consumer preference 데이터로 어떻게 예측할 것인가? Display size·input device·Internet quality·application diversity 4 attribute 의 *consumer preference heterogeneity* 는 어느 정도인가?
- **방법론**: [[conjoint-analysis]] (Korean 휴대전화 사용자 hypothetical alternative ranking), [[mixed-logit]] (Layton 2000, Calfee et al. 2001 의 censored normal + log-normal 분포 가정), [[bayesian-estimation]] + [[gibbs-sampling]] (Allenby-Rossi 1999, Train 2003 — 20,000 draws, burn-in 10,000, 1,000 retained for inference). Standard [[rank-ordered-logit]] 의 IIA 제약 회피
- **데이터**: 한국 휴대전화 사용자 stated-preference 조사. 4 attributes — display size (small/medium/large), input (keypad/keyboard/touchscreen), Internet quality (high/low), application diversity & PC compatibility (high/low) + price
- **주요 발견**: (i) Display: 88.85% 가 medium-size 선호 (small 9.25%, large 1.90%). (ii) Input: 62.45% keyboard, 21.85% keypad, 15.70% touchscreen — *touchscreen 이 PDA·smartphone 의 main 임에도 평균 비선호*. (iii) High-quality Internet: 28.4% 만 prefer, 71.6% 가 *indifferent*. (iv) High-level application diversity: 20.75% 만 prefer, 79.25% 가 *indifferent*. (v) Mixed logit 의 모든 attribute 에서 variance 유의 (특히 price variance 7.05) — 강한 *preference heterogeneity*
- **시사점**: Device convergence 의 *form factor* 는 medium-size display + keyboard 의 PDA-like 형태로 강하게 수렴. 그러나 *capability convergence* (high-end Internet, application diversity) 는 평균적으로 indifferent — *partial convergence* 가 perfect convergence 보다 likely 한 정량 근거. R&D priority: hologram display, foldable display, infrared keyboard 등 *portability + 큰 화면 + 편한 입력* 의 trade-off 해소

*(이 paper 의 raw 에는 inline figure 미수록 — Table 2-5 의 mixed logit 추정 결과 위주.)*

## 요약

2000 년대 초 IT 산업의 dominant 흐름 중 하나는 *convergence* — service convergence (multiple services on one platform), network convergence (wired + wireless), business convergence (value chain 통합), 그리고 본 paper 가 다루는 *device convergence* (휴대전화 + PDA + PC + Internet 단말의 single device 화). 기존 문헌 (Yoffie 1997, Mueller 1999, Blackman 1998) 은 "perfect device convergence vs partial device convergence" 의 두 학파로 갈렸으나 모두 *qualitative speculation* 에 머물렀다. 본 paper 의 conceptual move 는 — convergence 의 outcome 은 *consumer preference 의 heterogeneity* 가 결정하므로, mixed logit + Bayesian estimation 으로 그 분포를 직접 추정하면 outcome 을 정량 예측 가능하다는 입장.

방법론 핵심은 두 layer. (i) Stated-preference [[conjoint-analysis]] 로 4 attribute (display size · input · Internet quality · application diversity) × price 의 hypothetical alternatives 를 design, Korean 휴대전화 사용자에게 ranking 응답 수집. (ii) ranking 데이터에 [[mixed-logit]] 을 [[bayesian-estimation]] (Gibbs sampling) 으로 추정 — coefficients $\beta_i$ 가 individual 마다 random 분포를 따라 *preference heterogeneity* 를 직접 capture. Gibbs sampler 가 20,000 draw, burn-in 10,000, 1,000 draw retained 로 posterior mean+variance 추정. 분류적 ML 의 simulated likelihood 와 달리 *consistency 가 fixed draw 수에서 보장* + *convergence 문제 없음*.

발견은 device convergence 의 *방향* 과 *한계* 를 동시에 보여준다. (a) **Form factor** — display 88.85% medium-preference + keyboard 62.45% — 강한 합의 → *PDA-like form factor 로 수렴*. (b) **Capability** — Internet quality 71.6% indifferent + application diversity 79.25% indifferent — 평균적 *no preference* → *high-end capability 로의 perfect convergence 회피, partial convergence 가 likely*. (c) **Heterogeneity** — 모든 coefficient 의 variance 유의 (price variance 7.05 가 가장 큼), 즉 *consumer 마다 preference 가 다르다* → standard logit 의 representative consumer 가정 위반. 시사점: 제조사·통신사가 single converged device 만 출시하면 시장 segment 의 21-79% 를 놓침 → multiple form-factor 전략이 합리적. 한계는 (i) stated preference 의 hypothetical bias, (ii) 2003 시점 데이터라 smartphone (iPhone 2007) 진입 후 dynamics 미반영, (iii) Korean 시장 한정.

## 핵심 결과

**Mixed logit 추정 결과 (Table 2 — Bayesian posterior mean & variance)**

| Attribute | Mean β (b) | SE | Variance W | SE |
|---|---:|---:|---:|---:|
| Price | −4.7169\* | (0.66) | **7.0460\*** | (2.19) |
| Keyboard | 0.4291\* | (0.07) | 0.4393\* | (0.09) |
| Touchscreen | −0.1627\* | (0.07) | 0.4173\* | (0.08) |
| High-quality Internet | −0.9597\* | (0.50) | 2.5462\* | (1.13) |
| High-level diversity & compatibility | −1.5821\* | (0.52) | 3.8201\* | (1.36) |
| Small display | 0.0560 | (0.09) | 0.7572\* | (0.16) |
| **Medium display** | **2.1273\*** | (0.12) | 1.7267\* | (0.33) |

\* p<0.05. Variance 가 모두 유의 → *strong heterogeneity*.

**Population shares preferring each attribute level (Table 4) — partial convergence 의 정량 evidence**

| Attribute | 분포 |
|---|---|
| Input | **keyboard 62.5%** > keypad 21.9% > touchscreen 15.7% |
| Internet quality | **indifferent 71.6%** > prefer high-quality 28.4% |
| Application diversity | **indifferent 79.3%** > prefer high-level 20.8% |
| Display size | **medium 88.9%** > small 9.3% > large 1.9% |

> **정량 결론:** Form factor 차원의 convergence 는 *PDA-like* 로 강하게 수렴. Capability 차원은 *no perfect convergence* — capability premium 에 willingness-to-pay 를 가진 segment 가 21–28% 만.

## 방법론 노트

본 paper 의 방법론적 선택은 *standard logit / rank-ordered logit 의 IIA 제약과 representative consumer 가정* 회피. Layton (2000), Calfee et al. (2001) 의 mixed logit framework 를 stated-preference ranking 데이터에 적용하되 Gibbs sampling 으로 Bayesian posterior 직접 추정.

핵심 식. Individual $i$ 의 alternative $j$ in choice set $t$ 에 대한 효용:

$$
U_{ijt} = \beta_i' x_{ijt} + \varepsilon_{ijt}
$$

여기서 $\beta_i = b + \eta_i$, $\eta_i \sim N(0, W)$ — 즉 individual coefficient $\beta_i$ 가 모집단 평균 $b$ 를 중심으로 분포. $W$ 가 *preference heterogeneity* 의 정량. $\varepsilon_{ijt}$ 는 type-I extreme value.

Ranking probability — Layton (2000) 의 contingent-ranking logit:

$$
\Pr(\text{ranking } r_1 \succ r_2 \succ \cdots \succ r_J) = \prod_{j=1}^{J} \frac{\exp(\beta_i' x_{i,r_j,t})}{\sum_{k=j}^{J} \exp(\beta_i' x_{i,r_k,t})}
$$

Bayesian estimation — Gibbs sampler 가 $b$ · $W$ · $\beta_i$ 를 conditional posterior 에서 순차 sampling. Allenby-Rossi (1999), Train (2003) framework. Identification 은 (i) ranking 응답이 single-choice 보다 information 풍부, (ii) heterogeneity variance $W$ 가 attribute coefficient 의 cross-individual 차이에서 식별, (iii) Bayesian Bernstein-von Mises 로 posterior mean = MLE asymptotic equivalent. Price 는 log-normal (positive 보장), Internet/application diversity 는 censored normal 로 specification.

## 연구 계보

본 paper 는 Yoffie (1997), Mueller (1999), Blackman (1998) 의 device convergence 학파 논쟁, Greenstein-Khanna (1997) 의 convergence taxonomy 를 *quantitative answer* 로 제공한다. 방법론적으로는 Allenby-Rossi (1999), Chiang et al. (1999), Huber-Train (2001), Train (2003) 의 Bayesian mixed logit, Layton (2000), Calfee et al. (2001) 의 stated-preference ranking 응용 위에 얹은 작업. Conjoint analysis 는 Green-Srinivasan (1978, 1990), Carlsson (2003), Bryan-Parry (2002) 의 marketing·transportation·health economics 전통.

[[temep]] 의 *demand-analysis* 라인의 mid-2000s 작업 — [[jongsulee-2003-color-display-conjoint]] 가 [[rank-ordered-logit]] 으로 휴대전화 디스플레이 demand 를 다룬 직접 predecessor, [[jeongdonglee-2005-consumption-efficiency-dcm]] 가 같은 시장의 supply-side consumption efficiency 측정으로 자매. [[won-joon-kim-2005-dram-market-multinomial-logit]] 와 같은 2005 년의 demand-forecasting 라인 sibling. 1저자 [[yeonbaekim]] 의 mobile telecom 시리즈의 본격 시작 — 이후 [[yeonbaekim-2007-alternative-fuel-vehicle-bayesian-approach]] 등에서 Bayesian mixed logit 를 alternative fuel vehicle 등 다른 산업에 반복 적용.

## See also

- [[mixed-logit]]
- [[bayesian-estimation]]
- [[conjoint-analysis]]
- [[device-convergence]]
- [[mobile-telecommunications]]
- [[consumer-preference-heterogeneity]]
- [[yeonbaekim]]
- [[jeongdonglee]]
- [[daeyoung-koh]]
- [[jongsulee-2003-color-display-conjoint]]
- [[won-joon-kim-2005-dram-market-multinomial-logit]]