需求不确定下的移动通信消费者使用行为研究*

2012-06-11唐小我

电信科学 2012年2期

王容，唐小我，张勇

（1.中国移动通信集团公司四川分公司成都 610041；2.电子科技大学经济与管理学院成都 610054；3.成都大学信息科学与技术学院成都 610106）

1 引言

消费者使用行为研究是市场营销活动的基础[1]，对目标市场中的消费者行为的深刻理解也已成为构建竞争优势的前提条件。使用需求微观层面的研究主要集中在对消费者使用行为影响因素的研究和对通信套餐中多种业务之间关系的研究。

消费者使用行为影响因素主要有影响需求的7个因素：价格、相关商品的价格、消费者的价格预期、收入、消费偏好、消费者心理以及消费季节[2]；参考文献[3]考虑了居民收入水平、过去的消费水平、物价指数、产业结构的合理程度、居民的消费习惯和消费心理以及政府的消费政策对居民消费需求的影响；参考文献[4]进一步把影响某一商品需求的原因分为经济因素和非经济因素；参考文献[5]构建了个体对移动业务需求的影响因素概念模型，对个体内在因素与外在环境因素对移动业务需求的影响做了细致的定量分析和验证；参考文献[6]对移动通信市场的客户消费心理做了专项的研究，把人们对移动通信的消费需求影响因素分为个体因素和外部因素，并将移动通信的需求动机分成15种。

通信套餐中针对多种业务之间关系的研究主要有：参考文献[7]提出用户对资费的选择也会对业务的使用产生影响；参考文献[8]建立了一个描述话音和短信之间正反馈作用的理论模型，发现随着网络规模的扩大，话音业务将从短信的替代品转变为互补品；参考文献[9]对话音和短信的价格弹性和交叉价格弹性进行了估计，发现话音和短信的价格弹性均小于1，需求无弹性，两者互为互补品；参考文献[10]考虑用户的选择过程建立了一种结构模型，用消费者个体数据估计模型后发现，话音和短信互为替代品，但替代效应较弱。

上述部分研究因考虑因素过多而只停留在定性分析层面，没有考虑不同业务之间的相关关系在定量研究时会因为多重共线性而减少解释变量的数量；另外一部分往往讨论某两个因素之间的关系模型，没有针对使用需求建立完整定量模型。鉴于移动通信业务需求有其特殊性，属于接入型服务，用户要使用业务必须要选择资费，因此，用户对资费的选择对业务的使用也产生影响。同时，因为是先选择后使用，所以单纯的使用需求研究会带来样本的自选择偏差问题，但目前针对移动通信消费者使用需求的研究还很少；此外，对电信套餐中包含的多种业务之间的关系的研究也不多，定量研究则非常少。本文考虑样本自选择偏差和多业务关系，从微观层面探讨资费选择、多业务之间相关性等因素对消费者使用行为的影响，建立资费套餐使用需求模型，并在此基础上进行各因素对用户业务使用量影响的实证分析。

2 影响用户业务使用量的因素

用户业务使用需求即用户在选择了某种资费后对业务的消费量，这种需求是传统意义上的连续需求。

2.1 基本影响因素的筛选

2.1.1 价格因素

尽管套餐中业务的从量价格是影响该业务使用需求的关键因素之一，但用以研究的样本是某一时间点上的截面数据，且对于套餐中的某项业务来说，其价格对所有用户都是相同的，因此本文的模型不包含价格这一变量。

2.1.2 资费选择因素

消费者对电信业务需求的一个重要特点就是用户对资费套餐的选择和使用具有非同时性，但套餐的选择和使用是两个相互联系、相互影响的过程，一旦用户选择了某种资费，就可能对其业务的使用产生一种“约束”作用。比如用户选择了一种4档3部定价制资费，固定月租费为Fk，免费通话量为k，出于支出最小化的考虑，用户很可能会将k作为一种通话量的约束，尽量控制自己对话音业务的使用，或者在通话量超出k后使用其他业务代替话音业务。

2.1.3 多业务之间的相关性

手机终端作为一个平台，可以为用户提供多种业务的使用，包括话音业务、短信业务、互联网业务等，而运营商总是以打包的形式向用户提供产品。套餐包中包含的各种业务并非相互独立的，一种业务的使用可能对另一种业务产生影响。随着电信业务的发展，越来越多的增值业务被提供给消费者，数据业务的发展非常迅速。但对于用户如何消费这种产品的认识仍然有限，尤其是对话音和数据业务之间的相互关系的研究更是鲜见。就前述的研究结果来看，短信和话音之间的关系较为模糊，当短信和话音业务被用作同一功能时，可能互为替代品；随着网络规模的扩大，话音业务可能从短信的替代品转变为互补品。

当考虑用户对某一种业务的使用需求时，必须考虑套餐中其他相关业务的影响。为了简化研究，本文假设电信套餐中仅包含两种业务：话音（c）和短信（t），两种业务作为相关商品，可能存在互补或替代关系。当研究用户对话音业务的需求时，借鉴Andersson的想法，将接收的短信数量tl作为一个解释变量引入模型，同时，将用户的被叫时长ql也引入模型。

2.2 各因素对用户业务使用量影响的实证分析

2.2.1 实证的数据来源

分析数据来自某运营商某省公司的用户数据，由于运营商提供的资费非常复杂，仅选择2010年6月到2010年11月该运营商某子品牌的用户作为研究对象，该子品牌提供4档3部定价的资费套餐，每种资费套餐包含的业务种类相同，都包含话音、短信、GPRS上网等业务。

由于运营商的用户包括个人客户和集团客户，且用户在这6个月内可能发生转品牌或离网等行为，为了更准确地描述个人用户的资费选择行为，对该子品牌的用户总体进行以下处理：

·由于集团客户之间存在免费通话的优惠政策，本研究将集团客户排除在外，只考虑个人客户；

·不考虑用户的转品牌及离网行为，假设选择的用户在这6个月内一直在网且未发生过转品牌行为。

依照上述原则，确定了要从中抽样的用户总体，并随机选取了7 242名用户作为样本，记录下这7 242位用户从2010年6月到2010年11月共6个月的资费信息及消费数据。

2.2.2 用户本地被叫时长对本地主叫通话业务需求的影响

相关性分析是考察两个变量之间线性关系的一种统计分析方法。先分析资费1用户11月份本地被叫基本计费时长qI和本地主叫基本计费时长q的相关性。观察两个变量的散点图（见图1），11月本地被叫基本计费时长与11月本地主叫基本计费时长大致上呈正相关。

为了更清晰地看出二者的相关关系，计算Pearson相关系数。结果见表1。

图1 资费1用户本地被叫基本计费时长与本地主叫基本计费时长散点图

表1 资费1用户本地被叫计费时长与本地主叫计费时长的相关性分析

根据相关系数大小的经验判断（见表2），qI和q的相关系数是0.643，并且在0.01的水平上是显著的。可以认为，两者之间存在着比较强的正相关性。

表2 相关系数大小的经验判断

进一步计算决定系数（数值上为相关系数的平方），表示一个变量的方差可以被另一个变量的方差解释的百分比，剩下的方差则可能由其他原因所导致。由此可见，两个变量之间的相关性越强，越多的方差可以被解释，这两个变量共享的特征也就越多，其中一个变量可以更多地解释另一个变量表示出的信息。

同理可得，选择第2、3、4种资费的用户qI和q的相关性分析结果，见表3。综上，用户的被叫行为对其主叫业务需求有着明显的反馈效应，至于这种反馈是正向还是负向，需要对使用需求模型进行估计后才能判断。

表3 用户本地被叫计费时长与本地主叫计费时长的相关性分析

2.2.3 用户接收短信数量对本地主叫通话业务需求的影响

与2.2.2节的做法相同，分别对各资费组用户在11月份的本地主叫基本计费时长与接收短信条数的相关性进行分析，得到的结果见表4。

表4 用户本地主叫基本计费时长与接收短信条数之间的相关性

从表4可以看出，用户的本地主叫基本计费时长与接收短信条数之间存在较强的相关性，即多业务需求相关性，用户的短信接收量对其主叫业务需求也有明显的反馈效应。

2.2.4 套餐内免费通话量对本地主叫通话业务需求的影响

资费的选择会对业务的使用产生一种“约束”作用，可以通过对比不同资费套餐用户业务使用情况与套餐内免费业务量来发现这种作用。令rij=qijj为选择了资费j的第i个用户在一个月内的本地主叫通话量qij与资费j所包含的免费本地主叫通话量j的比值，分别计算每组用户的rij并绘出rij的分布图，如图2所示。

横轴rij为等距坐标轴，纵轴柱形表示rij的取值在相邻两个横轴值之间的用户数占比，图2显示了各个资费用户对本地主叫业务的使用模式，其分组频率见表5。

可以看出，10元套餐用户对本地主叫业务的使用行为比较分散，其集中程度或者被免费通话量的约束程度并不高，可能的原因是总的通话量较小，偶发因素的影响相对较大；20元套餐用户对本地主叫业务的使用集中程度或者被免费通话量的约束程度较资费1的用户高；30元套餐用户对本地主叫通话业务的使用集中程度最高。

综上，考察了本地被叫通话时长、接收短信数量、免费通话量3个变量与用户本地主叫通话需求的相关性，发现各因素都与本地主叫通话需求存在较强的相关性，因此采用OLS方法建立需求模型并进行估计。

3 用户套餐使用需求模型的构建

图2 不同套餐用户对本地主叫通话业务消费量的影响

表5 各个套餐用户对本地主叫通话业务消费量的影响

其中，cj为常数项，uij为误差项。样本数据选择6～11月的通信数据。式（1）并不能直接用于参数估计，因为可能存在样本选择偏差。因此考虑先建立第一步的选择模型，根据估计结果构造修正项变量Sij，并将其作为一个自变量加入选择模型中。

本文的使用需求模型将以用户对本地主叫通话业务的使用需求q为因变量，以用户所选套餐提供的免费本地主叫通话量j、用户的被叫通话量qI、用户所接收的短信数为tI自变量。即对于选择第j种资费的用户i来说，其对本地主叫通话业务的使用需求为：

3.1 建立第一步选择模型

根据价格、免费业务量、预期使用量、需求不确定性对用户资费选择的定性影响，设zj={Fj,mean,cvj}，但是固定月租费Fj和套餐内免费业务量j之间存在高度相关性，固定月租越高，套餐内包含的免费业务量越高，为了避免多重共线性，只能从两个变量中选择一个加入模型，由于模型中另外两个变量的mean量纲为分钟，cv无量纲，因此选择与mean量纲相同的免费主叫业务量j进入模型，建立的用户资费选择模型可以表示为：

其中，s为所选择的参照组，pj为用户在11月选择第种资费的概率，mean为用户6-10月平均本地主叫通话量，cv为用户6-10月本地主叫通话量的变异系数j为用户11月所选资费中包含的免费本地主叫通话量，λj0、λj1、λj2、λj3为偏回归系数。考虑到变量mean和变量cv之间的关系（cv=s/mean，其中s为标准差），将 mean从模型中剔除，建立如下模型：

3.2 加入修正变量构建选择模型

将式（3）作为第一步的选择模型，但由于消费者是先选择套餐后使用，很可能存在样本自选择性偏差问题，因此采用了Heckman提出的样本选择模型的两步估计法（即Heckman修正法）进行分析。该模型的实际计算程序只有两步：先将选择行为模型（即式（3））作为第一步的选择模型，估计模型参数，如没有特定的选择模型，则可用整体样本的Probit分析，构造一个基于理论的概率模型；根据估计结果构造修正项变量Sij，并将其作为一个自变量加入使用行为模型（式（1））中，由此得到更确切的统计模型：

此处Sij具体的统计构造方法如下：

和分别表示标准正态分布的密度函数和分布函数。Zλj（Z 为向量）具体表达式见式（3），这里的修正变量 Sij也被称为逆Mills比，为了获得逆Mills比的估计值，Heckman提出：首先在样本含量为N的完全样本中,对式（3）进行估计，得出 λj，再用式（5）构造出逆 Mills比的估计值Sij；接下来，对于经过选择的可观测到的样本含量为n的样本，把逆Mills比的估计值Sij作为额外的自变量加入式（4），然后应用OLS法进行估计。这里Sij为待估系数，如果该系数是显著的，则证明选择性偏差是存在的；反之，则选择性偏差不存在，在这种情况下，可以认为OLS估计是有效的。以用户在11月的资费的选择结果为分类原则，将用户分为4类，对于每一类用户分别计算其统计模型（式（4））。