Диссертация (1138748), страница 13
Текст из файла (страница 13)
Например, если выбирается покупка нового жилья, то критериирасстояние до места работы и размеры ближайшего продуктового магазинасвязаны прямо аддитивно, т.е. высокое или низкое (нулевое) значение критерияне означает, что данная альтернатива в принципе не может рассматриваться.Так если рядом не будет продуктового магазина не означает, что даннаяальтернатива будет оценена в 0 и не будет иметь возможность быть лучшейальтернативой. При этом если мы рассматриваем варианты вложения своих74сбережений оценивая критерии доходность и риск не возврата средств, тоданные критерии связаны мультипликативно, так даже при очень высокойдоходности, если мы на 100 процентов уверены, что шанс вернуть своисредства равен 0, то очевидно, что данное вложение нам не интересно. Такжеесли и дойность равна 0, то данная альтернатива вряд ли будет намирассмотрена как перспективная.
Выбор вида функции свертки заливист отпоставленной задачи и представления исследователя о том, как зависитфункция ценности альтернативы от рассматриваемых критериев.Подиновский В.В. в своей статье затрагивает еще одну актуальнуюпроблему – метода МВСК, для нормализации критериев необходимо пониматькакая шкала у каждого критерия. Возможно рост предпочтений вдоль шкалыкритериевнеравномеренитогдаприменениелинейныхфункцийнормализации приведет к искажению исходных данных, и возможно даже квыбору не оптимальной альтернативы.
В своих работах Подиновский В.В.(Подиновский, 2005) рассматривает как необходимо выбирать методнормализации в зависимости от изменения предпочтений вдоль шкалыкритерия.2.5 Информационно логическая модель формирования тарифнойполитики телекоммуникационной компании.Формирование тарифной политики телекоммуникационной компаниисложный и многогранный процесс. Важно повышать точность учета всехзначимо влияющих факторов при его формировании.Модельформированиятарифнойполитикипредставленанаинформационно-логической схеме на рис.
10. В качестве входных данных длянее требуется: Множество абонентских кластеров K, состоящее из I кластеров, где ∈ , где i=[1,…,I], отражающих профили потребления абонентовсотовой компании;75 Множество кластеров тарифных планов P, состоящее из Jкластеров, где ∈ , где j=[1,…,J], отражающих стоимостныехарактеристики устойчивых групп тарифных планов; Максимальный период планирования тарифной политики T,состоящее из L подпериодов различной продолжительности, где ∈ , где l=[1,…,L].
T отражает такой период планирования болеекоторого компания считает не целесообразным пытаться проводитьпрогнозирование. А периоды отражают такие подпериоды,которые позволяют инвесторам видеть различия между каждымподпериодомсточкизренияпрогнозированиядоходностикомпании Ставка дисконтирования d. В данной работе предполагается, чтоставка дисконтирования одна и та же для каждого месяцапланирования. Так как детализация с точки зрения учета возможныхразличийставкидисконтирования,вданнойработенерассматривается. Доходы от абонентов GC Расходы на абонента M Доля оттока абонентов rМодель использует в качестве основной метрики характеристику CLV,которая отражает с одной стороны доходность для сотовой компании, чтовыражает интерес компании, а с другой стороны, однозначно содержитинтерес абонента, в виде доли оттока. Отток абонентов является центральнымзвеном, отражающим приверженность абонентов к компании.
В условияхвысокой конкуренции отток абонентов прямо связан с удовлетворенностьюабонента деятельностью компании.76K множествоабонентскихкластеровБД компании- доходы от абонента(GC)- Расходы на абонента(M)- Доля оттока абонентов(r)K множество абонентскихкластеров Ki, где i = [1...I].Ki характеризуетсяповеденческимихарактеристиками, , = ( ) ∗− ( ) ∗(1 + )P множество тарифныхплановP множество тарифныхпланов Pj, где j = [1...J]. Pjхарактеризуетсястоимостнымхарактеристикамтарифных планов- Период планированиятарифной политики (T)- Временной шагпланирования тарифнойполитики (ts), где s = [1...S]- Ставка дисконтирования(d)−1- Период планированиятарифной политики (T)- Временной шаг планированиятарифной политики (ts), где s =[1...S]- Предпочтения о периодемаксимизации прибылителекоммуникационнойкомпанииМетод взвешеннойсуммы критериев(1 + ) −0,5 =1 =1Где, K – множество абонентских кластеров состоящее из I кластеров, где ki K, при i=[1, ,I],отражающих профили потребления абонентов телекоммуникационной компании;P – множество кластеров тарифных планов состоящее из J кластеров, где pj P, при j=[1, ,J],отражающих стоимостные характеристики устойчивых групп тарифных планов;CLVi,j,s – долгосрочная стоимость абонентской базы при i=[1, ,I], j=[1, ,J] и s=[1, ,S]T - максимальный период планирования, ts T, при s=[1, ,S];GC(ts) - доходы от абонентов к моменту ts;М(ts) – расходы на абонента к моменту ts;r – доля оттока абонентов за период от t0 до ts;d – ставка дисконтирования;ИнвесторыРасчет доходности абонента покаждому кластеру тарифныхпланов для каждого абонентскогокластера.
На всех периодахпланирования тарифной политикиВычисление доли инвесторовпредпочитающих максимумприбыли по каждому периодувремени планирования тарифнойполитики- a(ts) доля инвесторовжелающая получитьмаксимум прибыли напромежутке времени[0,ts]- CLV(t,i,j) абонента накаждом пересеченииабонентского кластера,кластера тарифныхпланов и периодепланирования () = ∗ ( ) ∗ (, , , )=1 =1Где, Pr(T) – прибыль телекоммуникационной компании, полученная на всем горизонтепланирования;as – доля инвесторов, желающих получить максимум прибыли на промежутке времени [0,ts];CLV(T|ki,maxPi,s) – Доходность абонента кластера ki при использовании группы тарифных планов смаксимальным доходом maxPi,s, на всем периоде планированияAbon(ki) – количество абонентов ki-го кластера абонентского потребленияПрогнозирование прибылителекоммуникационнойкомпании с учетом предпочтенийинвесторов и абонентовПрибыльтелекоммуникационнойкомпании за период ТРис.
10 Информационно-логическая модель формирования тарифной политики телекоммуникационной компанииИспользованиеразличныхтарифныхплановбудетвлиятьнаудовлетворенность клиента и на доходность компании, а, следовательно, иCLV должен быть различным для одного и того же клиента на разныхтарифных планах. Чтобы выяснить какой тарифный план будет оптимальнымобразом соответствовать абоненту и, как следствие, повысит взаимнуюполезность от сотрудничества сотовой компании и абонента, необходимо,чтобы абонент некоторое время использовал каждый тарифный план припрочих равных, что невозможно для отдельно взятого абонента.Поэтому, вместо рассмотрения отдельно взятого абонента на различныхтарифных планах, возможно использовать профили потребления, которыебудутотражатьгруппуабонентовсосхожимиповеденческимихарактеристиками. Это позволит сравнить абонентов схожего потребления наразличных тарифных планах.
С точки зрения сотовой компании и ее абонентатарифный план, который будет показывать максимальный CLV для одного итого же тарифного плана и является оптимальным, так как он сочетает в себеинтересы обеих сторон. Данный кластер тарифных планов и будет являтьсяоптимальным для продвижения данному кластеру абонентов.Результаты кластеризации абонентов и тарифных планов могут бытьсведены в таблицу, представляющую собой матрицу, по строкам которойрасполагаютсяабонентскиекластеры,характеризующиепрофилиабонентского потребления, по столбцам группы тарифных планов. В ячейкахна пересечении строк и столбцов показывается значение CLV абонентскогокластера для каждой группы тарифного плана (табл.
4) (Неклюдов Д.Ю., 2015;Bogdanova T.K., Neklyudov D.Yu., 2016).Табл. 4 CLV абонентского кластера для каждой группы тарифного плана.Абонентскиекластеры12…11,12,1…Группы тарифных планов…2…1,2…2,2……1,2,…АбонентскиеГруппы тарифных плановкластеры…12…,1,2,Где ∈ , при i=[1,…,I] профили потребления абонентских кластеровсотовой компании, K – множество всех профилей абонентов; ∈ , приj=[1,…,J], кластера тарифных планов, имеющих схожие стоимостныехарактеристики, , - долгосрочная ценность абонентской базы приi=[1,…,I] и j=[1,…,J], рассчитывается по формуле (35) предложенной Бергером(Berger, 1998). −1( ) = ( ) ∗ ∑=1− ( ) ∗ ∑=1(1+)(1+)−0,5(31),Где: ∈ , при s=[1,…,S], подпериоды определяются инвесторами; T максимальный период планирования; ( ) - долгосрочная ценность абонентской базы к моменту ; d - ставка дисконтирования; GC( ) - доходы от абонентов к моменту ; M( ) - расходы на абонента к моменту ; r - доля оттока абонентов за период от 0 до , 0 – момент началапланирования;Гипотеза.
Можно предположить, что, несмотря на одинаковый профильпотребления, абоненты, выбравшие различные группы тарифных планов, иимеющие различные системы взаиморасчетов, будут приносить компанииразличную прибыль в долгосрочном периоде.Это непосредственно влияет на суммарный период потребленияабонентами услуг компании, то есть на отток абонентов. Анализируя даннуюматрицу, можно оценить какие группы тарифных планов являются наиболее79предпочтительными для каждого профиля абонентского потребления, т.е. укакой группы тарифных планов будет максимальное значение CLV к моменту , при заданном профиле потребления. Это позволит сделать вывод оцелесообразности перевода абонентов, имеющих определенный профильпотребления, на тарифные планы других групп.Утверждение 1.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
