Effects of consumer preferences on the convergence of mobile telecommunications devices

김연배, 이정동, Daeyoung Koh (2005) · Applied Economics 37:817–826 · DOI ↗

모바일 device convergence (휴대전화 + PDA + PC + 인터넷 단말 …) 의 방향 을 consumer preference data 로 정량 예측한 첫 시도. 컨조인트 분석 의 ranking 응답을 베이지안 추정 기반 혼합 로짓 (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: 컨조인트 분석 (Korean 휴대전화 사용자 hypothetical alternative ranking), 혼합 로짓 (Layton 2000, Calfee et al. 2001 의 censored normal + log-normal 분포 가정), 베이지안 추정 + 깁스 샘플링 (Allenby-Rossi 1999, Train 2003 — 20,000 draws, burn-in 10,000, 1,000 retained for inference). Standard 순위형 로짓 모형 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 컨조인트 분석 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 혼합 로짓 을 베이지안 추정 (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.

기술경영경제정책전공 의 demand-analysis 라인의 mid-2000s 작업 — Evaluation of Technological Innovation in the Cellular Phone Display 가 순위형 로짓 모형 으로 휴대전화 디스플레이 demand 를 다룬 직접 predecessor, The Measurement of Consumption Efficiency Considering the Discrete Choice of Consumers 가 같은 시장의 supply-side consumption efficiency 측정으로 자매. Demand forecasting for multigenerational products combining discrete choice and dynamics of diffusion under technological trajectories 와 같은 2005 년의 demand-forecasting 라인 sibling. 1저자 김연배 의 mobile telecom 시리즈의 본격 시작 — 이후 Consumer preferences for alternative fuel vehicles in South Korea 등에서 Bayesian mixed logit 를 alternative fuel vehicle 등 다른 산업에 반복 적용.

인접 그래프

1-hop 이웃 22개

인물 3
개관 1
방법론 6
주제 1
수록처 1
분류 2
논문 8

휠 = 확대/축소 · 드래그 = 이동 · hover = 라벨 · 클릭 = 페이지 이동

Effects of consumer preferences on the convergence of mobile telecommunications devices

요약

핵심 결과

방법론 노트

연구 계보

See also

인접 그래프

이 문서를 가리키는 페이지

논문 (4)

방법론 (4)