Zusammenfassung
Die Plausibilitätsbetrachtungen in Kapitel 3 haben gezeigt, daß der Diffusionsprozeß von Kritische Masse-Systemen eine Relativierung und Erweiterung der Aussagen der klassischen Diffusionstheorie erforderlich macht. Im folgenden werden die bisherigen Überlegungen auf die Entwicklung eines geeigneten Modells zur Abbildung der Diffusionsentwicklung bei Kritische Masse-Systemen ausgeweitet. Zu diesem Zweck ist zunächst zu prüfen, inwieweit bestehende Diffusionsmodelle den aufgezeigten diffusionsspezifischen Besonderheiten von Kritische Masse-Systemen Rechnung tragen können.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Vgl. zu den nachfolgenden Betrachtungen und Herleitungen: MASSY, William FJ MONTGOMERY, David BI MORRISON, Donald G.: Stochastic Models of Buying Behavior, Cambridge Mass. London 1970, S.279f. MEFFERT, Beriberi/ STEI-FENHAGEN, Hartwig (1977), a.a.O., S.73f.
Vgl. HARTTER, Erich (1974), a.a.O., S.73.
Die Bezeichnung Mixed-Influence-Modell soll verdeutlichen, daß durch das Modell sowohl externe als auch interne Einflüsse auf’ den Diffusionsprozeß erfaßt werden. Die externen Einflüsse, deren Ursachen außerhalb eines sozialen Systems zu suchen sind, werden durch die Konstante a repräsentiert, während die Konstante b die internen Einflüsse widerspiegelt, die insbesondere auf die Kommunikation zwischen den Mitgliedern eines sozialen Systems zurückgeführt werden. Vgl. MAHAJAN, Vijay/ PETERSON, Robert A.: Models for Innovation Diffusion, Sage University Papers, Series: Quantitative Applications in the Social Sciences, No. 48, Beverly Hills London New Delhi 1985, S.15ff.
Vgl. MAHAJAN, VJ SCHOEMAN, M.E.F.: Generalized Model for the Time Pattern of the Diffusion Process, in: IEEE Transactions on Engineering Management, Vol. EM-24, No. I, 1977, S.15. GIERL, Heribert (1987), a.a.O., S.54.
Vgl. zu den Unterscheidungen zwischen Internal-Influence-, External-Influence-und MixedInfluence-Modell sowie Pure Innovative-und Pure Imitative-Modell z.B.: LILIEN, Gary LJ KOTLER, Philip: Marketing Decision Making: A Model-Building Approach, New York usw. 1983, S.706ff. MAHAJAN, Vijay/ PEII:RSON, Robert A. (1985), a.a.O., S.15ff.
Vgl. MANSFIELD, Edwin (1961), a.a.O., S.747. BASS, Frank M. (1969), a.a.O., S.216ff. Das semilogistische Modell wurde bereits sehr früh im soziologischen Bereich zur Analyse der Ausbreitung von Informationen angewandt. Vgl. z.B. TAGA, Y./ ISII, K.: On a Stochastic Model Concerning the Pattern of Communication - Diffusion of News in a Social Group, in: Annals of the Institute of Statistical Mathematics, 11(1959), S.25ff. DODD, Stuart Carter. Testing Message Diffusion in Harmonic Logistic Curves, in: Psychometrika, 21(1956), S.191ff.
Das exponentielle Modell hatte insbesondere durch die Arbeiten von FOURT und WOODLOCK weite Verbreitung gefunden und dominierte bis Anfang der 1970er Jahre die Diffusionsforschung. Vgl. FOURT, Louis A./ WOODLOCK, Joseph W.: Early Prediction of Market Success for New Grocery Products, in: Journal of Marketing, 25(1960), S.31ff.
Vgl. GIERL, Heribert (1987), a.a.O., S.82. Zum BASS-Modell und Weiterentwicklungen bzw. Modifikationen des BASS-Modells vgl. BASS, Frank M. (1969), a.a.O., S.215ff. Derselbe: The Relationship between Diffusion Rates, Experience Curve, and Demand Elasticities for Consumer Durable Technological Innovations, in: Journal of Business, 53(1980, No. 3, S.S51ff. NORTON, John AJ BASS, Frank M.: A Diffusion Theory Model of Adoption and Substitution for Successive Generations of High-Technology Products, in: Management Science, 33(1987), No. 9, S.1069ff. SCHMALEN, Helmut (1989), a.a.O., S.2lOff. Derselbe: Models of Diffusion Research in Marketing: Depiction and Computer-Based Analysis, Working Paper, Passau 1987, S.4ff. Derselbe: Marketing-Mix für neuartige Gebrauchsgüter, Wiesbaden 1979, S.45ff.
Die Daten wurden entnommen aus: BASS, Frank M. (1969), a.a.O., S.218.
Vgl. GIERL, Heribert (1987), aa0., S.98.
Eine Rückführung existierender Diffusionsmodelle auf die genannen drei Grundmodelle liefern z.B. auch: FANTAPIE ALTOBELLI, Claudia (1991), a.a.O., S.35ff. BÖCKER, Franz/ GIERL, Heribert (1988), aa.0., S.37ff. GIERL, Heribert (1987), a.a0., S.78ff. HESSE, Hans-Werner (1987), a.a.0., S.8ff. Derselbe: Prognose und Diagnose der Diffusion von Bankinnovationen mit Diffusionsmodellen, in: Jahrbuch der Absatz-und Verbrauchsforschung, 1988, Nr. 1, S.29ff. LILIEN, Gary L./ KOTLER, Philip (1983), a.a.O., S.706ff. MAHAJAN, Vijay/ PETERSON, Robert A. (1985), a.a.0., S.12ff. STONEMAN, Paul: The Economic Analysis of Technological Change, New York: Oxford 1983, S.93ff.
Umfassende Systematisierungen liefern z.B.: BAUMBERGER, Jörg/ GMÜR, Urs Max/ KÄSER, Hanspeter (1973), a.a.O., S.439ff. BÖCKER, Franz/ GIERL, Heribert (1988), a.a.O., S.32ff. GIERL, Heribert (1987), a.a.O., S.35ff. GATIGNON, Hubert AJ ROBERTSON, Thomas S.: Integration of Consumer Diffusion Theory and Diffusion Models: New Research Directions, in: Mahajan, Vijay/ Wind Yoram (Hrsg.): Innovation Diffusion Models of New Product Acceptance, Cambridge Massachusetts 1986, S.39ff. HESSE, Hans-Werner (1987), a.a.O., S.8ff. KENNEDY, Anita M. (1983), a.a.O., S.31ff. LEWANDOWSKI, Rudolf: Prognose-und Informationssysteme und ihre Anwendungen, Band 1, Berlin New York 1974, S.260ff. LILIEN, Gary LJ KOTLER, Philip (1983), a.a.O., S.706ff. MAHAJAN, Vijay/ MULLER, Eitan/ BASS, Frank M.: New Product Diffusion Models in Marketing: A Review and Directions for Research, in: Journal of Marketing, 54(1990), S.lff. MERTENS, Peter (1981), a.a.O., S.189ff.
Vgl. EWERS, Hans-Jürgen/ BECKER, Carsten/ FRITSCH, Michael: Wirkungen des Einsatzes computergestützter Techniken in Industriebetrieben, Berlin New York 1990, S.22. SCHÜNEMANN, Thomas MJ BRUNS, Thomas: Entwicklung eines Diffusionsmodells für technische Innovationen, in: ZIB, 55(1985, Heft 2, S. 169.
Zur Erklärung von Ausbreitungsverläufen in der Epidemie-Forschung vgl. z.B.: BARTLETT, M. S.: Stochastic Population Models in Ecology and Epidemiology, London 1960, S.54ff. BAILEY, N.T.J.: The Mathematical Theory of Epidemics, London 1957, passim. Derselbe: A simple stochastic epidemic, in: Biometrica, 37(1959), S.193ff.
Vgl. BONUS, H. (1968), a.a.O., S.19ff.
Vgl. zur Kritik an dieser Interpretation die Ausführungen in Kapitel 4.2.2.2 “Anwendungsbezogene Vorbehalte gegenüber dem logistischen Diffusionsmodell”.
Vgl. EWERS, Hans-Jürgen/ BECKER, Carsten/ FRITSCH, Michael (1990), a.a.O., S.25.
Vgl. FANTAPIE ALTOBE.LI, Claudia (1991), a.a.O., S.74ff.
Vgl. ebenda, S.71ff.
Vgl. hierzu die Ausführungen in Kapitel 3.4.2 “Relativierung der zentralen Aussagen der klassischen Diffusionstheorie für Kritische Masse-Systeme”.
Vgl. zu einer solchen Interpretation z.B.: FANTAPIÉ ALTOBELLI, Claudia (1991), a.a.O., S.126f. Eine genauere Untersuchung solcher Adoptionsrückgänge wird in Kapitel 4.2.2.1 “Systemimmanente Probleme des logistischen Diffusionsmodells” vorgenommen.
Es wurden die in Abbildung 37 aufgeführten Parameterschätzungen für das logistische Modell bei Telefax aus der Untersuchung von FANTAPIE ALTOBELLI verwendet. Adoptionsrückgänge zeigen sich noch weitaus deutlicher, wenn eine Dynamisierung des Marktpotentials vorgenommen wird. Vgl. FANTAPIE ALTOBELLI, Claudia (1991), a.a.O., S.126ff.
Vgl. zum Beweis: LEWANDOWSKI, Rudolf (1974), a.a.O., S.269. MERTENS, Peter (1981), a.a.O., S.194.
Vgl. LEWANDOWSKI, Rudolf (1974), a.a.O., S.269f.
Dabei ist vorausgesetzt, daß der Startwert kleiner als 0,5 bzw. M/2 bleibt. Ist der Startwert hingegen größer als 50%, so wird auch diese Zeitspanne verkürzt.
In der logistischen Gnmdgleichung sind Werte von c > 1 zulässig, da sich im logistischen Diffusionsmodell der Diffusionskoeffizient als b= c/M bestimmt, und b kann damit immer noch als Wahrscheinlichkeit interpretiert werden. Vgl. hierzu auch die Ausführungen in Kapitel 4.2.2.1.2.2 “Chaosentwicklung im logistischen Diffusionsmodell”.
Eine allgemein verständliche Einführung in die Chaostheorie liefern z.B.: GLEICK, James: Chaos - die Ordnung des Universums, München 1990. BRIGGS, John/ PEAT, F. David: Die Entdeckung des Chaos, München Wien 1990.
Vgl. zu den Untersuchungen von Lorenz: LORENZ, Edward N.: Deterministic Nonperiodic Flow, in: Journal of the Atmospheric Sciences, 20(1963), S.130ff. SPARROW, Colin: The Lorenz Equations: Bifurcations, Chaos, and Strange Attractors, New York Heidelberg Berlin 1982.
Vgl. GLEICK, James (1990), a.a.O., S.20ff.
Vgl. WOLSCHIN, Georg: Wege zum Chaos, in: Spektrum der Wissenschaft (Hrsg.): Chaos und Fraktale, Heidelberg 1990, S. 21.
Unterschiedliche Gleichungen aus der Klasse der Bifurkationssysteme werden z.B. analysiert von MAY, Robert M.: Simple mathematical models with very complicated dynamics, in: Nature, 261(1976), S.462ff. MAY, Robert MJ OSTER, George F.: Bifurcations and Dynamic Complexity in Simple Ecological Models, in: The American Naturalist, 110(1976), No. 974, S.574ff. SCHAFFER, William MJ KOT, Mark: Nearly One Dimensional Dynamics in an Epidemic, in: Journal of Theoretical Biology, 112(1985), S.405ff. Dieselben: Chaos in Ecological Systems: The Coals that Newcastle Forgot, in: Trends in Ecology and Evolution Systems, 1(1986), No. 3, S.59ff.
Vgl. MAY, Robert M.: On Relationships among various types of population models, in: The American Naturalist, 107(1973), No. 953, S.46ff. Derselbe: Biological Populations with Non-overlapping Generations: Stable Points, Stable Cycles, and Chaos, in: Science, 186(1974)
Vgl. FEIGENBAUM, Mitchell J.: Quantitative Universality for a Class of Nonlinear Transformations, in: Journal of Statistical Physics, 19(1978), No. 1, S.30. Derselbe: Universal Behavior in Nonlinear Systems, in: Los Alamos Science, 1(1980), Nr. 1, S. 5.
Vgl. WOLSCHIN, Georg (1990), a.a.O., S.21.
Für den Diffusionskoeffizienten b gilt in diesem Fall: b=42600000.
Ebenso könnte auch die Entwicklung der Diffusionsfunktion dargestellt werden. In diesem Fall würde der Stabilitätsbereich entlang des Wertes Eins (hundertprozentiges Marktsättigungsniveau) anstatt entlang der Null verlaufen.
Vgl. BRIGGS, John/ PEAT, F. David (1990), a.a.O., S.84.
Vgl. LI, Tien-Yien/ YORK, James A.: Period Three Implies Chaos, in: American Mathematical Monthly, 82(1975), S.986ff.
FANTAPIÉ ALTOBFI I I, Claudia(1991), a.a.O., S.126,127.
Vgl. BONUS, H. (1968), a.a.O., S.19ff. EWERS, Hans-Jürgen/ BECKER, Carsten/ FRITSCH, Michael (1990), a.a.O., S.25ff. KAAS, Klaus P. (1973), a.a.O., S.111ff. LEWANDOWSKI, Rudolf (1974), a.a.O., S.273f. MERTENS, Peter (1981), a.a.O., S.197f.
Vgl. BAILEY, N.T.J.: The elements of stochastic processes with applications to the natural sciences, New York 1964, S.163ff.
Vgl. MERTENS, Peter (1981), a.a.O., 5. 197.
Vgl. auch: FANTAPIÉ ALTOBELLI, Claudia (1991), a.a.O., S.79ff.
Die Bedeutung von Erfahrungen und Sachkenntnissen für die Diffusion von technischen Produkten wurde bereits von MANSFIELD herausgestellt. Vgl. MANSFIELD, Edwin (1961), a.a.O., S.741ff. MANSFIELD, Edwin/ RAPOPORT, John/ ROMEO, Anthony/ VILLANI, Edmond/ WAGNER. Samuel/ HUSIC, Frank: The Production and Application of New Industrial Technology, New York 1977, S.108ff. Darüber hinaus betonen die Bedeutung des Erfahrungsaspektes bei der Diffusion technischer Produkte z.B. auch: EWERS, Hans-Jürgen/ BECKER Carsten/ FRITSCH, Michael (1990), a.a.O., S.30ff. Dieselben: Der Kontext entscheidet: Wirkungen des Einsatzes computergestützter Techniken in Industriebetrieben, in: Schettkat RJ Wagner, M. (Hrsg.): Technologischer Wandel und Beschäftigung - Fakten, Analysen, Trends, Berlin New York 1989, S.63ff. KLEINE, Josef: Investitionsverhalten bei Prozeßinnovationen, Frankfurt am Main New York 1983, S.231ff. MAAS, Christof (1990), a.a.0., S.37ff.
Vgl. zu den folgenden Ausführungen insbesondere: ADAM, Dietrich: Kurzlehrbuch Planung, Wiesbaden 1980, S.I06ff.
Vgl. ebenda, S.108.
Die Prognosewerte wurden entnommen aus: DIEBOLD DEUTSCHLAND GmbH (Hrsg.)(1984), a.a.O., S.207.
ULRICH, Hans/ PROBST, Gilbert J.B. (1990), a.a.O, S.98.
Vgl. zur Unterscheidung zwischen Mikro-und Makromodellen sowie zu Markov-Ansätzen im Marketing z.B.: FERSCHL, F.: Markovketten, Berlin Heidelberg New York 1970, passim. HOWARD, R. A.: Dynamic Programming and Markov Processes, New York 1960, passim. LEWANDOWSKI, Rudolf: Prognose-und Informationssysteme und ihre Anwendung, Band II, Berlin New York 1980, S.254ff. MASSY, William F./ MONTGOMERY, David BJ MORRISON, Donald G. (1970), a.a.o., S.80ff. MEFFERT, Heribert/ STEFFENHAGEN, Hartwig (1977), a.a.O., S.37ff und S.100ff.
Der Begriff Heuristik wird dabei ins Sinne einer Stiukturierungsregel verstanden, die es erlaubt, Struktu mängel schlecht-strukturierter Problemsituationen zu beseitigen. Vgl. zu diesem Verständnis: ADAM, Dietrich: Planung, heuristische, in: Handwörterbuch der Planung, Stuttgart 1989, Sp.1415ff. RIEPER, Bernd: Hierarchische Entscheidungsmodelle in der Produktionswirtschaft, in: ZfB, 55(1985), Heft 8, S.775. Zu dem Begriff und den Kennzeichen schlecht-strukturierter Problemsituationen vgl.: ADAM, Dietrich: Zur Problematik der Planung in schlecht strukturierten Entscheidungssituationen, in: Jacob, H. (Hrsg.): Neue Aspekte der betrieblichen Planung, Schriften zur Unternehmensführung, Band 28, Wiesbaden 1980, S.48ff. Derselbe: Planungsüberlegungen in bewertungs-und zielsetzungsdefekten Problemsituationen (I), in: WISU, 9(1980), S.127ff. Derselbe: Planungsüberlegungen in wirkungsdefekten Problemsituationen, in: WISU, 9(1980), S.382ff. W11 lE, Thomas: Heuristisches Planen - Vorgehensweisen zur Strukturierung betrieblicher Planungsprobleme, Wiesbaden 1979, S.76ff.
ROGERS, Everett M. (1983), a.a.O., S.92.
Vgl. ebenda, S.92ff.
Vgl. hierzu auch die Ausführungen auf Seite 152f. dieser Arbeit.
Hinweise auf einen ungestörten Diffusionsprozeß lassen sich z.B. mittels Befragungen oder Expertengespräche ermitteln.
Vgl. hierzu die Ausführungen in Kapitel 4.1.3. “Zentrale Aussagen der Diffusionstheorie”. Es sei an dieser Stelle darauf hingewiesen, daß die int theoretischen Teil gewonnene zwei-oder mehrgipflige (tatsächliche) Adoptionsfunktion auf Grund der Betrachtung aller Nachfragersegmente gewonnen wurde. Die Annahme einer normalverteilten theoretischen Adoptionsfunktion hingegen bezieht sich nur auf ein Nachfragersegment.
Vgl. z.B. BÖI-IM, Erich: Forecasting methods for telephone services in the Federal Republic of Germany, in: Telecommunication Journal, 49(1982), No. III, S.169ff. SOMBEEK, Peter: Developing a national telecommunications industry, in: SIEMENS telcom report international, 14(1991), No. 2, S.8ff. WACKER, WJ BÖHM, E.: Wachstumsfunktionen mit Sättigungsverhalten und ihre Anwendung in ökonomischen Prognosemodellen für den Fernsprechdienst, in: ARCHIV für das Post-und Fernmeldewesen, 31(1979), Nr. 4, S.318ff.
Vgl. hierzu die Ausführungen in Kapitel 3.2.2.1 “Wechselseitige Interdependenz zwischen den Adoptem”.
An dieser Stelle sei darauf hingewiesen, daß durch die gesetzte Annahme nicht eine Unabhängigkeit der Marktwiderstände unterstellt wird.
Die beispielhaft gewählten Zahlen machen weiterhin deutlich, daß geringe Markwiderstände (in diesem Fall beispielhaft eingeschränkt auf die Endgerätepreise) mit einem hohen Wert der Störfunktion verbunden sind und umgekehrt. Bei der Anwendung des Diagnosemodells müssen die Werte der Störfunktion z.B. über einen Testmarkt bestimmt werden. Vgl. hierzu die Ausführungen in Kapitel 4.3.3.4.1 “Informationsgewinnung mit Hilfe von Testmarktdaten”.
Die Periode t’-1 wird hier als Orientierungsperiode bezeichnet.
Die Funktion NG bestimmt die tatsächliche Adopterzahl unter Berücksichtigung von Teilnahmeverzögerungen, Aussteigern, Einsteigern und Warteliste. Die Bestimmung der Zahl der Einsteiger und die Höhe der Warteliste in einer Periode werden nachfolgend vorgenommen.
Die segmentspezifischen Marktsättigungs- und Kapazitätsgrenzen können auch einer Dynamisierung unterzogen werden.
Vgl. zum Einsatz von Testmärkten z.B.: BROCKHOFF, Klaus: Produktpolitik, 2. Aufl. Stuttgart New York 1988, S.161ff. HAMMANN, Peter/ ERICHSON, Bernd: Marktforschung, 2. Aufl. Stuttgart New York 1990, S.175ff. ERICHSON, Bernd: Prognose für neue Produkte, Teil I, in: Marketing ZIP, 1(1979), S.255ff. STOFFELS, Jörg: Der elektronische Minitestmarkt, Wiesbaden 1989.
Vgl. FRAUENHOFER-INSTITUT FÜR SYSTEMTECHNIK UND INNOVATTONSFORSCHUNG (Hrsg.)(1982), a.a.O., S.30.
Vgl. zur Testmarktsimulation: HAMMANN, Peter/ ERICHSON, Bernd (1990), a.a.O., S.178ff. ERICHSON, Bernd: Testmarktsimulation - Ein Vergleich zwischen TESI und ASSESSOR, Arbeitspapier, Bochum 1985.
Vgl. HILDEBRANDT, Albrecht: Telexgerät, in: Arnold, Franz (Hrsg.): Handbuch der Telekommunikation, Loseblatt-Ausgabe, (Grundwerk) Köln 1989, Kapitel 7.2.0. 0, S. 1.
Vgl. MAYNTZ, Renate et al. (1984), a.a.O., S.12ff.
Vgl. OHNSORGE, Horst: Breitbanddienste, in: Arnold, Franz (Hrsg.): Handbuch der Telekommunikation, Loseblatt-Ausgabe, (Grundwerk) Köln 1989, Kapitel 5.1.8. 0, S. 25f.
Vgl. ROSENBROCK, Karl Heinz/ HENTSCHEL, Günther (1988), a.a.O., Ergänzungslieferung 3/1989, Kapitel 6, S.2ff.
Vgl. SCHULZ, K.: Intelligentes Netz: Planungen der Deutschen Bundespost Telekom, in: Meier, Alfred (Hrsg.): Telekommunikation in Deutschland: Umbruch und Fortentwicklung, Kongressband “online Kongress 1991”, Velbert 1991, S.11.09.05ff.
So basierten z.B. die Feldversuche für Btx auf fehlerhaften Ausgangshypothesen, “da sie unter unrealistischen, d.h. nicht dem Endzustand der Verbreitung entsprechenden Bedingungen abgelaufen sind. Ohnehin wurde über die endgültige Einführung bereits entschieden, bevor die Feldversucbe abgeschlossen waren.” MEFFERT, Heribert (1985a), a.a.O., S.39.
Wenn im folgenden von Teilnehmern gesprochen wird, so sind immer die Adoptionseinheiten eines Erstanschlusses gemeint.
Überlegungen zur Dynamisierung des Marktsättigungsniveau in Diffusionsmodellen finden sich z.B. bei: FANTAPIÉ ALTOBELLI, Claudia (1991), a.a.O., S.46ff. BONUS, H.(1968), a.a.O., S.70ff. MAHAJAN, Vijay/ PETERSON, Robert A.: Innovation Diffusion in a Dynamic Potential Adopter Population, in: Management Science, 24(1978), No. 15, S.1590ff. LEWANDOWSKI, Rudolf (1974), a.a.O., S.333ff.
Vgl. hierzu die Ausfuhrengen in Kapitel 4.3.3.4.1 “Informationsgewinnung mit Hilfe von Testmarktdaten und Aufbau der Fallstudie”.
Rights and permissions
Copyright information
© 1992 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Weiber, R. (1992). Diagnosemodell für die Diffusion von Kritische Masse-Systemen. In: Diffusion von Telekommunikation. Neue betriebswirtschaftliche Forschung, vol 101. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-09799-0_4
Download citation
DOI: https://doi.org/10.1007/978-3-663-09799-0_4
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-409-16014-8
Online ISBN: 978-3-663-09799-0
eBook Packages: Springer Book Archive