Professional Documents
Culture Documents
HODNOTOVÝ ROZMER
EKOINOVAČNEJ
STRATÉGIE PODNIKU
2. doplnené a rozšírené vydanie
STRATÉGIE PODNIKU
EKOINOVAČNEJ
HODNOTOVÝ ROZMER
VYSOKÁ ŠKOLA EVROPSKÝCH A REGIONÁLNÍCH STUDIÍ
VYSOKÁ ŠKOLA EVROPSKÝCH A REGIONÁLNÍCH STUDIÍ
2020
Iveta Kufelová, Nora Grisáková, Peter Štetka
2021
ISBN 978-80-7556-115-2
ISBN 978-80-7556-115-2 20
2022
AUTORI ©
Iveta Kufelová iveta.kufelova@euba.sk
Nora Grisáková nora.grisakova@euba.sk
Peter Štetka peter.stetka@euba.sk
RECENZENTI:
Štefan Majtán externý oponent
Alena Tršťanská externý oponent
Robert Šlosár externý oponent
Druhé doplnené a rozšírené vydanie vedeckej monografie je výsledkom riešenia výskumného projektu
VEGA č. 1/0646/20 s názvom "Difúzia a dôsledky zelených inovácií na trhoch nedokonalej konkurencie"
realizovaného pod vedením doc. Ing. Nory Grisákovej, PhD. Podiel projektu na publikačnom výstupe
je 100%.
Za odbornú stránku textu, jazykovú korektúru a konečnú verziu publikácie zodpovedajú autori.
Rukopis neprešiel redakčnou a jazykovou úpravou.
Všetky práva vyhradené. Žiadna časť tejto publikácie sa nesmie reprodukovať, ukladať do
informačných systémov ani inak rozširovať bez predchádzajúceho písomného súhlasu vlastníka
autorských práv.
ISBN 978-80-7556-115-2
Predslov k 2. doplnenému a rozšírenému vydaniu
používajú tzv. GHC (Gartner Hype Cycle) modely, ktoré prinášajú novú dimenziu do
modelov technologickej životnosti produktov.
Cieľom GHC krivky je zachytiť postoje a subjektívne hodnotenia znalostí
spotrebiteľov nových technológií ako nástroja pre efektívnejšie manažérske
rozhodnutia v oblasti investícií do technologických inovácií. Informácie z GHC cyklu
sú pre firmy zaujímavé, ale pri tvorbe dlhodobých plánov a plánov ohľadom
zavádzania nových technológií im takto získané informácie nestačia. Potrebujú vidieť
príležitosti v zmysle ich dopadu na spoločnosť, preto sa odporúča podporiť grafické
znázornenie noviniek na Hype cykle prostredníctvom matice priorít.
Aplikácia uvedených informácií od difúznych modelov, cez identifikáciu vhodných
difúznych segmetnov trhu, kvantifikáciu indexu individualizmu až po GHC (Gartner
Hype Cycle) modely a maticu priorít je podrobne opísaná v kapitole 2, 3 a 4, ktoré sú
významným obohatením tohto 2. rozšíreného vydania vedeckej monografie, čím je
určená vedeckej verejnosti a študentom ekonomického zamerania ale možno ju
odporučiť aj širokej odbornej verejnosti, ktorej záujem presahuje teoretické poznatky
a chcú si ich rozšíriť o praktickú aplikáciu.
Predkladaná publikácia je súčasťou riešenia projektu VEGA č. 1/0646/20 s názvom
„Difúzia a dôsledky zelených inovácií na trhoch nedokonalej konkurencie“ a je
prioritne určená vedcom a výskumníkom v danej oblasti ako aj úzko špecializovaným
odborníkom, ktorí sa rozhodnú rozšíriť si svoje poznatky o ekoinovačných stratégiách
a možnostiach ich aplikácie prostredníctvom difúznych modelov a GHC (Gartner
Hype Cycle) krivky.
Kolektív autorov
Obsah
Obsah
1 Podstata a význam ekoinovácií...................................................................................... 7
1.1 Ekoinovácie ako súčasť podnikovej stratégie ....................................................... 8
1.2 Ekoinovácie ako základ konkurencieschopnosti ............................................... 13
1.3 Ekoinovácie a zelená ekonomika.......................................................................... 14
2 Ekoinovačná difúzia a jej modelovanie ...................................................................... 18
2.1 Bassov difúzny model ............................................................................................ 23
2.2 Možné rozšírenia Bassovho modelu .................................................................... 28
2.3 Možnosti použitia Bassovho modelu................................................................... 32
2.4 Odhad parametrov Bassovho modelu ................................................................. 33
3 Identifikácia vhodných difúznych segmentov trhu.................................................. 38
3.1 Európske socio-kultúrne segmenty...................................................................... 42
3.2 Globálne socio-kultúrne segmenty ...................................................................... 48
3.3 Normatívny mechanizmus a jeho vplyv na inovačnú difúziu ........................ 53
3.3.1 Individualizmus a relatívna sociálna výhoda ............................................. 54
3.3.2 Kvantifikácia indexu individualizmu .......................................................... 55
3.3.3 Normatívny vplyv na individuálnu spotrebu relevantných produktových
kategórií ........................................................................................................................... 58
3.4 Informačný mechanizmus a jeho vplyv na inovačnú difúziu.......................... 59
3.4.1 Vnímanie rizika, komplexnosť a diskontinuita........................................... 60
3.4.2 Index vyhýbania sa neistote........................................................................... 60
3.4.3 Vplyv vnímanej neistoty na individuálnu spotrebu relevantných
produktových kategórií................................................................................................. 61
3.5 Inovačno-difúzne segmenty globálneho a Európskeho trhu ........................... 62
4 GHC cyklus ..................................................................................................................... 64
4.1 GHC krivka pre vybrané technológie .................................................................. 67
4.2 Matica priorít ........................................................................................................... 73
5 Vplyv marketingu na ekoinovačnú stratégiu podniku ............................................ 76
5.1 Nástroje monitorovania so zameraním na indikátory účinnosti politických
opatrení pre podporu zeleného rastu ............................................................................. 79
5.2 Indikátory ako prostriedok posudzovania účinnosti politických opatrení na
podporu zeleného rastu .................................................................................................... 81
5.3 Zelená ekonomika a ekonomické nástroje uplatňované na Slovensku .......... 84
Obsah
7
Podstata a význam ekoinovácií
Marketingové inovácie
„Marketingovou inováciou je zavedenie nového alebo výrazne zdokonaleného
dizajnu výrobku (obalu) alebo metód predaja, s cieľom zvýšiť atraktivitu výrobkov a
služieb, alebo vstúpiť na nové trhy. Tieto inovácie zahŕňajú významné zmeny spôsobu
obchodovania s výrobkami a službami, vrátane zmien dizajnu a obalov.“ Cieľom
marketingových inovácií je prispôsobiť propagáciu a pôsobenie produktu na
zákazníka, za účelom jeho udržania alebo získania. Zavedením marketingovej
inovácie môže firma dosiahnuť u zákazníka zmenu jeho vnímania produktu či celej
firmy a vyvodiť v zákazníkovi pocit, že kúpou získa niečo nové, iné ako poskytuje
konkurencia alebo ako bolo poskytované doteraz. Súčasťou marketingových inovácií
sú aj procesy cenotvorby. (Spišáková, E., 2008a). Grisáková, Štetka (2019) uvádzajú
motiváciu k inováciám v rôznych trhových štruktúrach s prihliadnutím na
marketingové premenné.
8
Podstata a význam ekoinovácií
9
Podstata a význam ekoinovácií
- technické ekoinovácie,
- organizačné ekoinovácie,
- sociálne ekoinovácie,
- inštitucionálne ekoinovácie.
Vychádzajúc z toho, že ekoinováciou je každá inovácia, ktorá je pre životné prostredie
priaznivejšia ako akékoľvek iné porovnateľné alternatívy, môžeme ekoinovácie podľa
Kempa a Pearsona (2007) rozdeliť do nasledujúcich štyroch základných kategórií:
A. Environmentálne technológie
- Technológie na kontrolu znečistenia vrátane technológií na čistenie odpadových
vôd.
- Čistiace technológie, ktoré znižujú znečistenie vypúšťané do životného
prostredia.
- Technologicky čistejšie procesy: nové výrobné procesy, ktoré menej
znečisťujú a/alebo účinnejšie využívajú dostupné zdroje.
- Zariadenia na nakladanie s odpadmi.
- Monitorovanie životného prostredia . prístrojové vybavenie.
- Technológie ekologickej energie.
- Dodávka vody, riadenie hluku a vibrácií.
B. Organizačné inovácie pre životné prostredie
- Systémy prevencie znečistenia: zamerané na prevenciu znečistenia
prostredníctvom nahradenia vstupov, efektívnejšieho fungovania procesov a
malých zmien výrobných zariadení (napr. zabránenie alebo zastavenie únikov a
pod.);
- Systémy environmentálneho riadenia a auditu: formálne systémy
environmentálneho riadenia zahŕňajúceho meranie, vykazovanie a zodpovednosť
za riešenie otázok materiálneho využitia, energie, vody a odpadu (napr. systémy
EMAS a ISO 14 001)2;
- Riadenie reťazca: spolupráca medzi spoločnosťami s cieľom uzavrieť materiálový
obeh a zabrániť poškodeniu životného prostredia v celom hodnotovom reťazci
(„od kolísky až po hrob“).
C. Produkty a služby prinášajúce environmentálne benefity
- Nové alebo ekologicky vylepšené materiálne výrobky (tovary) vrátane
ekologických domov a budov;
- Zelené finančné produkty (ako napríklad ekolízing alebo ekohypotéky)3;
ktoré ako pohon využíva šetrnejšie pohonné látky (napríklad elektrickú energiu).
10
Podstata a význam ekoinovácií
Eco - hypotéka predstavuje financovanie nehnuteľnosti (stavby), ktorá čo najmenej zaťažuje životné
prostredie a pri ich výstave sa využívajú ekologické technológie ako napríklad elektrické kúrenie, LED
osvetlenie, solárny ohrev vody a pod.
11
Podstata a význam ekoinovácií
- zdroj spravodlivosti
Zaužívaný spôsob podnikania často neumožňuje firmám pružne reagovať na
súvisiace zmeny, akými sú napr. rastúce náklady na energie a suroviny, dodržiavanie
prísnejších legislatívnych noriem či environmentálne požiadavky zákazníkov. Firmy,
ktoré v tomto smere nepodniknú žiadne kroky, sa vystavia zvýšenému riziku zlyhania
na trhu, a to už vtedy, keď sa vyššie uvedené zmeny prejavia v odvetví, v ktorom
podnikajú. Preto je nevyhnutné nájsť alternatívne prístupy, ktoré by mohli pomôcť pri
riešení týchto problémov súvisiacich s udržateľným rozvojom podnikov a súčasne
nájsť príležitosti na rast, zníženie nákladov a konkurenčnú výhodu (SBA, 2018).
Ekoinovácia je prístup, ktorého cieľom je splnenie požiadaviek identifikovať kľúčové
výzvy a príležitosti v oblasti trvalej udržateľnosti a potom ich použiť na riadenie zmien
v celej spoločnosti a jej hodnotovom reťazci, od obchodnej stratégie a obchodného
modelu až po prevádzkovú úroveň (O´Hare, 2014).
12
Podstata a význam ekoinovácií
13
Podstata a význam ekoinovácií
14
Podstata a význam ekoinovácií
15
Podstata a význam ekoinovácií
16
Podstata a význam ekoinovácií
• Internalizácia (I – Internalising):
- Dane, platby, poplatky, odvody (napr. za znečisťovanie životného prostredia,
využívanie prírodných zdrojov)
- Obchodovanie s kvótami alebo certifikované systémy.
• Stimulácia (I – Incentivising):
- Investičné stimuly – pôžičky s nízkym úrokom, mikro
financovanie,oslobodenie od platenia daní
- Dotácie, výkupné tarify a iné priame podpory, odstránenie deformácií trhu
vyvolaných politikou a ochrana stimulov (napr. odstránenie dotácií škodlivo
pôsobiacich na životné prostredie)
- Využitie financií – dlhodobé záruky, vyradenie z podpory, odstránenie bariér
vrátane administratívnych, garancia úverov.
• Inštitucionalizácia (I – Institutions):
- Regulácie – normy, štandardy, informácie o vydaní, označovanie, zákazy,
pokuty, záväzné ciele,
- Vlastnícke práva a prístup k spravodlivosti ,
- Vládne a inštitucionálne kapacity – zodpovednosť, transparentnosť,
vynútiteľnosť, boj proti korupcii,
- Integrované plánovanie, rozhodovanie a manažment využívania zdrojov –
integrované posudzovanie vplyvov na životné prostredie, posudzovanie
životného cyklu, pripravenosť na živelné katastrofy, predpovede a predikcie.
• Investovanie (I – Investment):
- Zelené verejné obstarávanie,
- Investície do prírodného kapitálu – platby za ekosystémové služby, chránené
územia, manažment a ochrana,
- Investície do udržateľného poľnohospodárstva,
- Investície do ľudského kapitálu – budovanie kapacít, školenia, získavanie
zručností,
- Investície do infraštruktúry – energie, voda, doprava, odpad,
- Investície do inovácií – výskum, vývoj, rozvoj a zdieľanie informácií.
• Informovanie (I – Information):
- Dobrovoľný prístup – poskytovanie informácií, označovanie, dohody,
vzdelávacie iniciatívy,
- Meranie pokroku – zelené účtovníctvo, zelené ciele a indikátory, inventarizácia
uhlíka.
• Inklúzia (I – Inclusion):
- Politika na trhu práce – zručnosti, preškoľovanie, pomoc pri hľadaní
zamestnania, podpora príjmov a výhod,
- Úroveň sociálnej ochrany – zabezpečenie v nezamestnanosti, penzie,
kompenzácie pri raste cien, zdravotná starostlivosť (Allen, C., 2012).
17
Ekoinovačná difúzia a jej modelovanie
18
Ekoinovačná difúzia a jej modelovanie
Identifikácia tejto skupiny spotrebiteľov je veľmi dôležitá pri ďalšom šírení nového
produktu.
Firmy, ako aj spotrebitelia neustále hovoria o inováciách, nových produktoch,
novinkách,… avšak neexistuje všeobecne zaužívaná definícia „produktovej inovácie“
alebo „nového produktu“. Napriek tomu mnoho autorov zvolilo prístup k definícii
nového produktu alebo novej služby ako podnikovo orientovanú, produktovo
orientovanú, na služby orientovanú, trhovo orientovanú a spotrebiteľsky orientovanú
definíciu inovácie. (Schiffman, L., O´Cass, A., Paladino, A., Carlson, J., 2013).
Podnikovo orientovaná definícia inovácie: tento prístup hovorí o novinke z pohľadu
výroby, alebo marketingovej komunikácie produktu. Ak je produkt „nový“ pre
podnik, potom definícia odhliada od toho, či je produkt nový aj pre spotrebiteľov alebo
pre ostatné spoločnosti pôsobiace na trhu. Podľa takto stanovenej definície je aj kópia,
alebo modifikácia produktu uvedeného konkurenciou tiež novinkou. Využitie takejto
definície nového produktu, alebo inovácie má význam napríklad vtedy, ak je našim
cieľom určiť dopad výroby tohto produktu na firmu. Na druhej strane, nie je
použiteľná, pokiaľ je naším cieľom pochopenie akceptácie „novinky“ spotrebiteľmi,
nakoľko spotrebitelia už uvedený produkt poznajú.
Produktovo orientovaná definícia inovácie: táto definícia inovácie sa zameriava na
samotné vlastnosti nového produktu a na efekt, ktorý majú tieto vlastnosti na
správanie sa spotrebiteľov. Jedna z takýchto definícií uvažuje ako inovácia naruší
zavedené správanie sa spotrebiteľov a na základe toho definuje nasledujúce tri typy
produktových inovácií (Robertson, T. S., 1967):
- Spojitá inovácia: tento typ inovácie má najmenší vplyv na zmenu
správania sa spotrebiteľov. Predstavuje zavedenie modifikácie už existujúceho
výrobku (nie uvedenie úplne nového produktu). Môže ísť napríklad o uvedenie
novej generácie určitého typu automobilu, nová verzia používaného software,
prípadne neustále vylepšovanie výrobného sortimentu spoločnosti.
- Dynamicky spojitá inovácia má o niečo výraznejší vplyv na správanie sa
spotrebiteľov ako spojitá inovácia, ale ešte stále sa správanie spotrebiteľov
nemení. Môže v sebe obsahovať vývoj nového produktu, alebo inováciu už
existujúceho produktu. Ako príklad takejto inovácie môžeme uviesť zavedenie
Blu-ray diskov, DVD prehrávačov, „gumovacích“ guľôčkových pier, prípadne
jednorazových detských plienok.
- Nespojitá inovácia si vyžaduje od spotrebiteľov adopciu – prispôsobenie
ich spotrebiteľského správania sa. Ako príklad môžeme uviesť vznik leteckej
dopravy, rádio, televízor, automobil, internet, z medicíny napríklad
autotestovacie súpravy…
Na služby orientovaná definícia inovácie (Muller, B., Peters, R., 2009): v súčasnosti sa
využíva pojem inovácia nie len pre výrobky, ale aj pre služby. Ako dôvod pre zvláštnu
kategóriu inovácií pre služby autori uvádzajú, že tieto inovácie sú viac závislé na
reakcii spotrebiteľov, ako sú výrobky. Získanie, alebo strata osvojiteľov, je pri
19
Ekoinovačná difúzia a jej modelovanie
20
Ekoinovačná difúzia a jej modelovanie
21
Ekoinovačná difúzia a jej modelovanie
22
Ekoinovačná difúzia a jej modelovanie
23
Ekoinovačná difúzia a jej modelovanie
24
Ekoinovačná difúzia a jej modelovanie
25
Ekoinovačná difúzia a jej modelovanie
b)
9 Vlastné spracovanie
26
Ekoinovačná difúzia a jej modelovanie
b)
Ako každý model, aj využitie Bassovho modelu má svoje silné a slabé stránky, ktoré
vo svojej práci zhrnuli Chandrasekaran a Tellis (Chandrasekaran, D., Tellis, G.J., 2007).
My uvádzame iba tie najzávažnejšie11:
Silné stránky:
- Model môžeme interpretovať dvoma spôsobmi. Bass (Bass, F. M., 1969) vo
svojej pôvodnej práci interpretoval p ako koeficient inovácie, nakoľko
reprezentuje spontánnu mieru osvojenia produktu spotrebiteľom a koeficient q
ako koeficient imitácie, nakoľko reprezentuje vplyv spotrebiteľov, ktorí si už
produkt osvojili na ostatných potenciálnych spotrebiteľov. Druhú interpretáciu
modelu uvádzajú Mahajan, Mulller a Srivastava (Mahajan, V., Muller, E.,
Srivastava, R. K., 1990), podľa ktorej je koeficient p interpretovaný ako externý
vplyv na spotrebiteľov reprezentovaný napríklad reklamou a q je interný vplyv
reprezentovaný odporúčaniami spotrebiteľov, ktorí si produkt už osvojili.
- Model v sebe zahŕňa dva modely dovtedy používané v literatúre. Ak p = 0,
Bassov model sa redukuje na difúznu funkciu, ktorá uvažuje iba s procesom
imitácie – teda s vplyvom odporúčaní predchádzajúcich spotrebiteľov. Tento
model použili vo svojich prácach napríklad Van den Bulte (Van den Bulte, Ch.,
2000) a už predtým Mansfield (Mansfield, E., 1961). Ak q = 0, potom sa Bassov
model redukuje na exponenciálnu funkciu, ktorá uvažuje iba s procesom
inovácie. Tento model použili vo svojej práci napríklad Fourt a Woodlock
(Fourt, L., Woodlock, J., 1971).
Obmedzenie modelu:
Vlastné spracovanie
10
Všetky silné a slabé stránky modelu sú uvedené v: CHANDRASEKARAN, D., TELLIS, G. J., A Critical
11
Review of Marketing Research on Diffusion of New Products, In: Review of Marketing, 2007
27
Ekoinovačná difúzia a jej modelovanie
kde
α je koeficient zachytávajúci zmenu v rýchlosti šírenia nového produktu pri malej
zmene ceny,
β koeficient zachytávajúci zmenu v rýchlosti šírenia nového produktu pri malej
zmene v reklame,
P(t) cena produktu v čase t,
A(t) výdavky na reklamu v čase t,
Z(t) premenná reprezentujúca vplyv marketingového mixu na pravdepodobnosť
osvojenia.
12Evans a Berman (1990) hovoria, že marketingový mix opisuje špecifickú kombináciu prvkov
marketingu použitých na dosiahnutie cieľov firmy alebo jednotlivca pri dodržaní podmienok trhu.
Mix závisí od veľkého počtu rozhodnutí pri rešpektovaní štyroch hlavných premenných, ktorými sú
produkt, distribúcia, reklama a cena.
28
Ekoinovačná difúzia a jej modelovanie
Bass, Krishnan a Jain (Bass, F. M., Kirshman, V., Jain, D. C., 1999) spojili rýchlosť
šírenia s nárastom reklamnej úrovne. Šírenie produktu, ktoré autori uvádzajú, je ale
necitlivé na náhle zmeny v reklame.
Nami prezentovaným druhým rozšírením Bassovho modelu je zavedenie zmeny
počtu spotrebiteľov. Autori (Lilien, G. L., Rangaswamy, A., Van den Bulte, Ch., 1999)
uvádzajú, že toto rozšírenie môže byť využité tak na pôvodný, ako aj zovšeobecnený
Bassov model. Ide o možnosť zmeny počtu potenciálnych spotrebiteľov v čase. Počet
potenciálnych spotrebiteľov sa v čase môže meniť, lebo celková populácia sa v čase
mení (rastie alebo klesá). Ďalším dôvodom pre zmenu celkového počtu potenciálnych
spotrebiteľov môže byť vylepšenie v infraštruktúre distribúcie produktu, teda
vytvorenie možnosti fyzickej dostupnosti produktu väčšiemu množstvu spotrebiteľov
alebo spoločností. Počet potenciálnych zákazníkov sa môže meniť aj prostredníctvom
funkcie komplementárnosti produktu voči ostatným produktom na trhu. Napríklad
nákup cez internet je limitovaný počtom domácností pripojených na internet a počet
pripojených domácností je zas limitovaný počtom domácností, ktoré majú počítač. Ak
sú potenciálni spotrebitelia ovplyvnení cenou produktu, potom môžeme zapísať
saturačnú úroveň počtu potenciálnych spotrebiteľov pri predpoklade diskrétneho
času ako (označenie z predchádzajúcich vzťahov sa nemení):
11 ⁄1 (4)
kde
M(t) počet potenciálnych spotrebiteľov v čase t,
r miera rastu trhu (okrem vplyvu ceny),
η elasticita,13 ktorá predstavuje vzťah medzi zmenou počtu potenciálnych
spotrebiteľov a zmenou ceny novinky zavádzanou na trh.
Nasledovné rozšírenie Bassovho modelu zaoberá zavedením konkurenčného efektu.
Firma pri zavádzaní a šírení nového produktu na trh by mala uvažovať aj so vstupom
konkurencie na tento trh, nakoľko ďalší produkt na trhu s porovnateľnými
vlastnosťami ako má produkt uvažovanej firmy, môže mať pre firmu dva efekty:
- môže zvýšiť celkový trhový potenciál pre danú kategóriu prostredníctvom
zvýšenej propagácie prípadne zvýšením sortimentu produktov,
- môže súťažiť o ten istý trhový potenciál s existujúcimi značkami a tak znížiť ich
trhový podiel.
Príklad obidvoch uvedených prípadov uvádzajú Mahajan, Sharma a Buzzell
(Mahajan, V., Sharma, S., Buzzell, R. D., 1993) na príklade fotoaparátov s vytvorením
okamžitých snímok. Firma Kodak po svojom vstupe na trh s uvedenými fotoaparátmi
prebrala viac ako 30 % zákazníkov firme Polaroid pri súčasnom zvýšení trhového
potenciálu.
29
Ekoinovačná difúzia a jej modelovanie
Predvedenie
produktu -
introducing
Zavedenie
produktu –
take off
čas
Obrázok 2.5 Predvedenie a zavedenie nového produktu14
V období zavádzania produktu - „takeoff“ je náhly a ostrý nárast v predaji sprevádzaný
extrémne zvýšenými potrebami zdrojov v zmysle zvýšenej potreby produkcie,
30
Ekoinovačná difúzia a jej modelovanie
skladovacích možností, distribúcie. Preto je pre manažérov dôležité vedieť, kedy tento
okamih nastane a čo ho zapríčinilo, aby vedeli zariadiť predaj a úspech nového
produktu. Pre manažérov je veľmi ťažké predpovedať prelom medzi fázou
predvedenia a zavedenia nového produktu. Dobrou pomôckou pre nich môže byť
skutočnosť, či je produkt na trhu potrebný, čo môže byť aj znakom úspešnosti nového
produktu na trhu. (Chandrasekaran, D., Tellis, G.J., 2007)
Golder a Tellis (Golder, P. N., Tellis, G. J., 1997) definujú zavedenie produktu „takeoff“
ako prechod zo stavu predstavenia do stavu rastu (growth) životného cyklu produktu.
Uvedení autori poskytujú ako prví formálny rozmer na „takeoff“ nového produktu
v zmysle rozdelenia fázy zavádzania nového produktu na dve časti. Autori uvádzajú,
že ak je východisková úroveň predaja relatívne nízka, vysoký nárast v predaji môže
nastať bez naznačenia fázy „takeoff“. Naopak, ak je východisková úroveň predaja
relatívne vysoká, relatívne malý nárast v predaji môže signalizovať fázu „takeoff“.
Autori vo svojej práci prezentujú, že pokles cien a preniknutie na trh sú princípy
vychádzajúce z myšlienky „takeoff“. Argumentujú tým, že „takeoff“ nastane vtedy, keď
ceny poháňané trhovým mechanizmom klesnú natoľko, aby zrazu poskytli cenovo
prístupný produkt dostatočnému množstvu inovatívne založených spotrebiteľov –
inovátorov (tým nastane prudký nárast v predaji).
Pri zavedení takeoff do Bassovho difúzneho modelu Golder a Tellis (Golder, P. N.,
Tellis, G. J., 1997), neskôr aj Agarwal a Bayus (Agarwal, R., Bayus, B. L., 2002),
využívajú funkciu rizika v tom zmysle, že jej priraďujú binárne hodnoty, ktorých
pravdepodobnosť nastania v čase rastie.
Tabuľka 2.1 Parametre Bassovho modelu pre vybrané kategórie produktov15
Produkt p q
Káblová televízia 0,100 0,060
Videokamera 0,044 0,304
CD prehrávač 0,157 0,000
Rádio 0,027 0,435
Počítač 0,121 0,281
Hybridná kukurica 0,000 0,797
Traktor 0,000 0,234
Ultrazvuk 0,000 0,534
Umývačka riadu 0.000 0,179
Mikrovlnná rúra 0,002 0,357
Videorekordér 0,025 0,603
Priemer 0,003 0,380
31
Ekoinovačná difúzia a jej modelovanie
32
Ekoinovačná difúzia a jej modelovanie
33
Ekoinovačná difúzia a jej modelovanie
16Bayesova veta pochádza z teórie pravdepodobnosti. Uvádza vzťah medzi pravdepodobnosťou javu
| a pravdepodobnosťou opačného podmieneného javu. Tento vzťah bol prvýkrát publikovaný
v roku 1763 (Bayes, T., 1763)
34
Ekoinovačná difúzia a jej modelovanie
(5)
kde:
S(t) začiatočný predaj (osvojenie) v čase t,
p koeficient inovácie zodpovedajúci pravdepodobnosti nákupu pre t = 0,
q koeficient imitácie,
M počet osvojiteľov produktu počas celého časového intervalu,
X(t) počet predchádzajúcich osvojiteľov (spotrebiteľov) v čase t.
4 . Teoretické predpoklady Bassovho modelu sú formulované pre spojitý časový
interval (spojitý model) a hustotu pravdepodobnosti v čase začiatočného
nákupu. Riešenie uvedených predpokladov, v ktorom je čas jedinou
premennou, je takéto:
(7)
35
Ekoinovačná difúzia a jej modelovanie
(11)
kde
ut poruchový člen,
F(t), F(t-1) funkcia kumulatívnej hustoty osvojenia v čase t a t-118.
Na základe rovnice (12) môžu byť parametre p, q a M odhadnuté priamo
prostredníctvom nelineárnej metódy najmenších štvorcov alebo prostredníctvom
Riešiteľa v MS Exceli.
Teraz ukážeme odhad parametrov Bassovej funkcie na príklade šírenia internetového
pripojenia domácností v krajinách V4 (Česká republika, Slovensko, Poľsko
a Maďarsko). Z ukážok priebehu kriviek adopcie a kumulatívnej adopcie je zrejmé, že
17 Mahajan, Mason a Srinivasan (Mahajan, V., Mason, Ch. H., Srinivasan, V., 1986) uvádzajú, že
asymptotická aproximácia štandardných odchýlok môže byť získaná prostredníctvom prístupu
opísaného Kendallom a Stuartom (Kendall, M., Stuart, A., 1977).
18 Môžeme definovať f(t) ako funkciu hustoty opisujúcu čas osvojenia pre určitú populáciu a F(t) ako
36
Ekoinovačná difúzia a jej modelovanie
nami uvažovaná funkcia je nelineárnou funkciou. Pri takomto type funkcie je najlepšie
použiť na odhad parametrov niektorú z metód vhodných pre nelineárne funkcie.
Odhad prostredníctvom týchto metód je založený na iteratívnom postupe
a postupnom zlepšovaní odhadnutých parametrov. Ukážeme, že aj prostredníctvom
bežne prístupných programov vieme odhadnúť uvedené parametre s relatívne
vysokou presnosťou. V nami uvažovaných modeloch odhadujeme parametre
a maximalizujeme koeficient determinácie – t. j. maximalizujeme vysvetlenie modelu
prostredníctvom odhadnutých parametrov. Samozrejme, z ekonometrického hľadiska
toto nestačí. Je nutné skontrolovať napríklad aj autokoreláciu, štatistickú významnosť
jednotlivých parametrov modelu a pod. Toto overenie ponechávame na čitateľa.
Ako sme už spomínali, na dáta, ktoré nie sú opísané lineárnou funkciou, je nutné
použiť takú metódu odhadu parametrov, ktorá preloží nelineárne dáta nelineárnou
funkciou. Metóda, ktorá sa dá použiť v takomto prípade, je iteratívne nelineárna
metóda najmenších štvorcov. Cieľom tejto metódy je, tak ako pri lineárnej metóde
najmenších štvorcov, minimalizácia sumy štvorcov odchýlok medzi východiskovými
dátami a odhadnutou funkciou. Rozdielom je, ako sme už uviedli, že nelineárna
metóda je iteratívnou metódou a jej výsledky závisia od zvolených východiskových
hodnôt. Východiskové hodnoty môžu byť zvolené na základe skúseností alebo
použitím údajov z podobných odhadov. Druhá a ďalšie iterácie metódy vychádzajú
z úpravy východiskových parametrov a prepočítania sumy štvorcov odchýlok
(Brown, A. M., 2001). Na nelineárny odhad parametrov môžeme použiť niekoľko
známych metód, ako je napríklad Gaussova-Newhonova metóda, Marquardtova-
Levengergova metóda, Nelderova-Meadova metóda (Johnson, M. L., 1992), atď.
Riešiteľ v MS Exceli používa oproti uvedeným metódam iný iteratívny protokol, ktorý
je založený na robustnom GRG algoritme19.
19 Detailný opis tejto metódy uvádzajú napríklad Lasdon, Waren, Jain a Ratner (Lasdon, L. S., Waren,
A. D., Jain, A., Ratner, M., 1978) (1978) alebo Smith a Lasdon (Smith, S., Lasdon, L., 1992)
37
Identifikácia vhodných difúznych segmentov trhu
38
Identifikácia vhodných difúznych segmentov trhu
39
Identifikácia vhodných difúznych segmentov trhu
40
Identifikácia vhodných difúznych segmentov trhu
41
Identifikácia vhodných difúznych segmentov trhu
kde Xij je zámer i-tého jednotlivca v j-tom klastri; k je počet zhlukov v každom štádiu;
a nj je počet jedincov v j-tom zhluku.
Počet klastrov (K), ktoré sa majú použiť, je zvyčajne založený na manažérskom
úsudku, ale určité indexy nám môžu tiež pomôcť určiť vhodný počet zhlukov. Pri
42
Identifikácia vhodných difúznych segmentov trhu
20 Vlastné spracovanie
43
Identifikácia vhodných difúznych segmentov trhu
Scree graf porovnáva súčet štvorcových chýb (SSE) pre každé klastrové riešenie.
Dobrým klastrovým riešením môže byť keď sa SSE dramaticky spomalí a vytvorí sa
„koleno“. Takéto koleno nie vždy existuje. Zo štatistického hľadiska sa SSE vykázaná
v Screep grafe vypočíta ako súčet štvorcových chýb medzi každým pozorovaním a
klastrom, sčítaným za všetky pozorovania.
Scree graf zobrazuje pre každé riešenie klastra mieru heterogenity v rámci klastra. Ak
zhluky zoskupia pozorovania, ktoré sa značne líšia (čo sa stane, ak je počet zhlukov
príliš malý na zachytenie variability v údajoch), hodnota bude vysoká. Dobrým
riešením klastrov môže byť situácia, keď sa na obrazovke zobrazuje „koleno“, to
znamená, že zvýšenie počtu zhlukov za určitý bod dramaticky nezníži heterogenitu v
rámci klastra. Miera zobrazená na obrázku súvisí, ale nie je ekvivalentná, so
vzdialenosťou uvedenou v dendograme.
21 Vlastné spracovanie
22 Vlastné spracovanie
44
Identifikácia vhodných difúznych segmentov trhu
vypočítané ako priemery každej segmentačnej premennej, celkovo pre každý segment
(zhluk). Segmentačné premenné, ktoré sú štatisticky odlišné od zvyšku populácie sú
zvýraznené červenou (nižšie) alebo zelenou (vyššie) farbou.
Tabuľka 3.2 Deskripcia segmentu23
Deskripcia segmentu Populácia Segment 1 Segment 2 Segment 3
PDI 51,8 45,7 67,4 29,6
IDV 57,8 64,6 45,3 71,6
MAS 47,2 61,9 43,5 25,8
UAI 71,7 66,8 90,6 39,8
LTO 57,5 69,8 52,6 43,4
IND 44,4 37,2 40,4 67,6
Rozdiely medzi segmentmi boli ďalej posúdené. Farby buniek označujú, do akej miery
sa segment štatisticky líši od zvyšku populácie v každej premennej segmentácie.
23 Vlastné spracovanie
24 Vlastné spracovanie
45
Identifikácia vhodných difúznych segmentov trhu
25 Vlastné spracovanie
46
Identifikácia vhodných difúznych segmentov trhu
26 Vlastné spracovanie
27 Vlastné spracovanie
47
Identifikácia vhodných difúznych segmentov trhu
Krajina Segment
LV 1
LU 1
MT 2
NL 3
PT 2
RO 2
SI 2
FI 3
SE 3
48
Identifikácia vhodných difúznych segmentov trhu
28 Vlastné spracovanie
29 Vlastné spracovanie
49
Identifikácia vhodných difúznych segmentov trhu
Rozdiely medzi segmentmi boli ďalej posúdené. Farby buniek označujú, do akej miery
sa segment štatisticky líši od zvyšku populácie v každej premennej segmentácie.
30 Vlastné spracovanie
31 Vlastné spracovanie
50
Identifikácia vhodných difúznych segmentov trhu
32 Vlastné spracovanie
33 Vlastné spracovanie
51
Identifikácia vhodných difúznych segmentov trhu
34 Vlastné spracovanie
52
Identifikácia vhodných difúznych segmentov trhu
35 Vlastné spracovanie
53
Identifikácia vhodných difúznych segmentov trhu
54
Identifikácia vhodných difúznych segmentov trhu
plynutím času medzi počiatočnou a neskorou fázou inovačnej difúzie v oboch typoch
kultúr (individualistickej aj kolektivistickej). Táto hypotéza je založená na
predpoklade, že vzhliadanie k produktovým inováciám je postupne utlmované
trhovou realizáciou ďalších – novších produktových inovácií. V zásade teda platí, že
inovačný iniciátor z radu spotrebiteľov získava sociálnu výhodu (Rogers, E. M., 2003),
jej miera je však kultúrne diferencovaná a jej podstata odlišne sociálne interpretovaná.
55
Identifikácia vhodných difúznych segmentov trhu
56
Identifikácia vhodných difúznych segmentov trhu
57
Identifikácia vhodných difúznych segmentov trhu
58
Identifikácia vhodných difúznych segmentov trhu
59
Identifikácia vhodných difúznych segmentov trhu
2014). Túto skutočnosť potvrdili aj Baron, Vandello a Brunsman (Baron, 1996), ktorí
preukázali, že náročnosť zadania či nejednoznačnosť podnetu sú významnými
premennými, ktoré značne ovplyvňujú konformitu cestou informačného
mechanizmu.
60
Identifikácia vhodných difúznych segmentov trhu
61
Identifikácia vhodných difúznych segmentov trhu
62
Identifikácia vhodných difúznych segmentov trhu
nových produktov (inovácií) na trh by teda malo platiť preferenčné poradie: (1) tretí
segment (vysoko difúzny segment), (2) prvý segment (šedá zóna), a napokon (3) druhý
segment (slabo difúzny segment).
V prípade uplatnenia segmentácie na globálnom trhu dochádza k vzniku väčšieho
množstva segmentov s diferencovanejšími profilmi. Globálna kultúrna rôznorodosť
preto dáva možnosť vzniku aj iným kombináciám štatistických odchýlok od
priemerov jednotlivých segmentačných premenných. Nízke hodnoty indexu
individualizmu (IDV) boli identifikované v prípade segmentu 1, segmentu 3
a segmentu 6. Naopak, vysoké hodnoty indexu individualizmu (IDV) boli
identifikované v prípade segmentu 4 a segmentu 5. Čo sa týka informačného
mechanizmu, nízke hodnoty indexu vyhýbania sa neistote (UAI) boli identifikované
v prípade segmentu 1 a segmentu 4, zatiaľ čo vysoké hodnoty indexu vyhýbania sa
neistote (UAI) boli identifikované v prípade segmentu 2 a segmentu 3. Kombináciou
týchto dvoch zistení teda možno konštatovať, že najvhodnejším segmentom pre
umiestňovanie produktových inovácií sa javí segment 4, vzhľadom na jeho vysokú
mieru individualizmu (IDV) a nízku mieru vyhýbania sa neistote (UAI), nasledovaný
segmentom 5, ktorý je charakterizovaný vysokou mierou individualizmu (IDV)
a priemernými hodnotami indexu vyhýbania sa neistote (UAI). Naopak, ako najmenej
inovačno-difúzny segment sa javí segment 3, ktorý je charakterizovaný nízkou mierou
individualizmu (IDV) pri súčasne vysokej miere vyhýbania sa neistote (UAI). Medzi
nie veľmi vhodné segmenty pre prvotné umiestňovanie produktových inovácií možno
zaradiť aj segment 1 a segment 6. Kým segment je charakterizovaný nízkou úrovňou
oboch skúmaných ukazovateľov (IDV aj UAI), segment 6 vykazuje nízku úroveň
individualizmu a priemerné úrovne indexu vyhýbania sa neistote. Segment 2 je
naopak charakterizovaný vysokou mierou vyhýbania sa neistote (UAI) a priemernými
hodnotami indexu individualizmu (IDV).
63
GHC cyklus
4 GHC cyklus
Manažérske rozhodnutia často závisia od správneho porozumenia zrelosti a vývoja
nových technológií. Pomocou pri týchto rozhodnutiach môžu tvoriť tzv. S-
tvaré krivky alebo difúzne modely difúzie. Tieto krivky a modely nemusia poskytovať
informácie o prvotných fázach vývojového cyklu inovácií a v ktorej vývojovej etape sa
tieto inovácie nachádzajú. Tento nedostatok sa pokúšajú odstrániť tzv. GHC (Gartner
Hype Cycle) modely, ktoré prinášajú novú dimenziu do modelov technologickej
životnosti produktov.
Teóriu Hype cyklu (český preklad ju uvádza ako Cyklus humbuku) vytvorila americká
vedecká spoločnosť Gartner v roku 199537. Cieľom GHC krivky je zachytiť postoje a
subjektívne hodnotenia znalostí spotrebiteľov nových technológií ako nástroja pre
efektívnejšie rozhodovanie firiem v oblasti investícií do technologických inovácií.
Hype cyklus opisuje typický priebeh vznikajúcej technológie od prvotného nadšenia
možných používateľov a médií, cez obdobie dezilúzie až po prípadné porozumenie
technológii a jej hromadnému využívaniu spotrebiteľmi (Linden, A., Fenn, J., 2003).
64
GHC cyklus
65
GHC cyklus
Existuje viacero modelov, ktoré sa pokúšajú odhadnúť vývoj novej technológie. Medzi
najčastejšie používané patria výkonová S-krivka, ktorá predstavuje nárast výkonnosti
technológie v čase a krivka adopcie, ktorá v čase ukazuje ako trh prevzal novú
technológiu. Linden a Fenn (Linden, A., Fenn, J., 2003) uvádzajú, že krivka Hype cyklu
sa sleduje v ranných štádiách životného cyklu technológie. Táto krivka nadobúda
vrchol v čase, kedy nie je na trhu takmer žiadna adopcia technológie a predstavenie
produktu je nedostatočné. Niekedy sa ale stáva, že inflexný bod predstavenia
66
GHC cyklus
produktu, tak ako aj jeho adopcie nastáva skôr (prípadne súčasne) ako nastáva
inflexný bod Hype cyklu technológie. V tomto prípade ide ale o extrémne rýchlo
zaužívané technológie, ktoré sa veľmi ťažko identifikujú a odhadujú. Takouto
technológiou bolo napríklad zavedenie SMS správ. Vzťah medzi krivkou Hype cyklu,
výkonovou S-krivkou a krivkou adopcie produktu uvádza nasledovný obrázok.
67
GHC cyklus
Qubit, ktorý nadobúda nie len hodnoty 1 a 0, ale aj ľubovoľné hodnoty medzi týmito
číslami.
Klasický počítač pracuje tak, že algoritmus rieši ako konečnú sekvenciu postupne
vykonávaných inštrukcií alebo rieši problém sekvenčne („krok-za-krokom“). Aj
kvantový počítač postupuje sekvenčne („krok-za-krokom“), ale s tým rozdielom, že
každý krok je realizovaný kvantovým výpočtom. Zatiaľ čo klasický počítač
jednoducho musí pri výpočte či riešení algoritmu čakať na úplné informácie na vstupe,
aby mohol vôbec začať riešiť úlohu, kvantový počítač má úlohu v štádiu
rozpracovanosti riešenia a tým je výpočet zložitých algoritmov mnohonásobne
rýchlejší ako u najrýchlejších klasických počítačov. Kvantový počítač akoby súčasne
počítal všetky viac alebo menej možné varianty algoritmu alebo riešenia problému
a nakoniec výsledok s najväčšou pravdepodobnosťou je tým správnym výsledkom.
Preto je vhodné využívať kvantové počítače pre situácie a algoritmy, kedy hľadáme
neznáme riešenie, ako napríklad vyhľadávanie v databáze či hľadanie faktoriálu čísla.
Zatiaľ čo bežné algoritmy postupne prechádzajú jednotlivé možnosti riešenia,
v prípade kvantového počítača toto riešenie prebieha akoby súčasne u všetkých
možných alternatív, čo vedie k obrovskej rýchlosti kvantového počítača (Vojáček, A.,
2012).
Z obrázka je zrejmé, že kvantové počítače sa nachádzajú v štádiu spustenia záujmu
a odhad ich rozšírenia medzi spotrebiteľov je viac ako 10 rokov. Napriek tomu, už
existujú funkčné produkty, ktoré sa postupne začínajú komerčne využívať. Prvý
kvantový počítač na komerčné využitie vyrobila spoločnosť D-Wave System41 v roku
2011 pod názvom D-Wave One so 128qubitovým procesorom a jeho cena bola 10
miliónov dolárov. Podľa tlačových správ spoločnosti, v roku 2017 začala spoločnosť
Volkswagen využívať ich počítač D-Wave vo svojom výskumnom projekte
optimalizácie tokov dopravy.
Druhou technologickou novinkou znázornenou na tomto obrázku je rozšírená realita.
Rozšírená realita predstavuje priamy alebo nepriamy pohľad na fyzicky skutočné
prostredie, ktorého časti sú v digitálnej, väčšinou textovej alebo obrazovej forme
obohatené o dodatočné informácie relevantné k objektu, na ktoré sa človek pozerá.
Tieto informácie sú získavané z rôznych informačných zdrojov za použitia off-line
alebo on-line aplikácií. Obohatenie reality sa obvykle deje v reálnom čase a
v sémantickom kontexte s časťami prostredia, napríklad aktuálna akcia v reštaurácii,
najbližší bankomat, najbližší užívateľ Twitter-u a podobne (Geroimenko, V., 2014). Dá
sa povedať, že rozšírená realita je istým druhom virtuálnej reality. Hlavný rozdiel je
v tom, že rozšírená realita nevyužíva úplné nahradenie reálneho sveta virtuálnym, ale
doplňuje alebo pozmeňuje vnímanie reálneho sveta. Teda rozšírená realita dopĺňa
reálny svet o prvky virtuálneho sveta. Jej technológia umožňuje osobe pohybujúcej sa
v reálnom prostredí vnímať objekty zhotovené v digitálnom svete.
68
GHC cyklus
69
GHC cyklus
a po tomto roku ju začína uvádzať ako spotrebiteľskú 3D tlač a firemnú 3D tlač, pričom
každá má iný odhadovaný čas na zavedenie do používania a inú rýchlosť osvojovania
spotrebiteľmi. Pri spotrebiteľskej 3D tlači sa predpokladá pomalšia adopcia, nakoľko
tlačiareň a materiál ňou používaný je pre bežného používateľa finančne náročnejšia
(cena plastovej 3D tlače sa pohybuje od 0,3 – 0,7 €/cm3, pričom tlač zo všetkých
ostatných materiálov je niekoľkonásobne drahšia) ale aj príprava dizajnu pre túto tlač
je náročná a preto sa predpokladá, že bežní spotrebitelia budú pre túto tlač aspoň zo
začiatku využívať externé firmy. Čo sa týka firiem, 3D tlač sa využíva väčšinou na
tvorbu prototypov, nakoľko táto tlač bola vyvinutá ako technológia prototypovania –
t.j. prípravy na sériovú výrobu. Pokiaľ sa používajú pri výrobe viacerých kusov
výrobkov, ide väčšinou o malosériovú výrobu, ak je výrobok príliš komplikovaný na
štandardný spôsob výroby, prípadne má špecifické požiadavky na materiál a kvalitu.
V súčasnosti sa 3D tlač využíva v strojárstve, stavebníctve, architektúre a realitách,
dizajne a umení, marketingu, vede, medicíne, automobilovom priemysle, a pod.
70
GHC cyklus
71
GHC cyklus
72
GHC cyklus
46 Vlastné spracovanie
73
GHC cyklus
rokov
Agresívne
Konzervatívny Rozvážny Agresívny
Transformačn investovať, ak
investor investor investor
ý novinka ešte nie
(Typ C) (Typ B) (Typ A)
je osvojená
Rozvážny Agresívny
Konzervatívny Investovať
Vysoký investor investor
investor (Typ C) opatrne
(Typ B) (Typ A)
Agresívny Investovať
Rozvážny Investovať
Stredný investor veľmi
investor (Typ B) opatrne
(Typ A) opatrne
Investovať
Agresívny Investovať Investovať
Nízky veľmi
investor (Typ A) opatrne veľmi opatrne
opatrne
74
GHC cyklus
Viac ako 10
Menej ako 2 roky 2 až 5 rokov 5 až 10 rokov
rokov
Kvantové
Big Data 3D tlač
Transformačný počítače
2011 - 2014 2007 - 2011
2006 - 2013
Čítačky kníh
Čítačky kníh 2011 2006 - 10 Rozšírená realita Kvantové
Vysoký
e-papier 2006 - 10 počítače 2014
2006 - 2010
e-papier
Stredný
2013
Nízky
Vyššie uvedený obrázok zobrazuje Maticu priorít pre vybrané novinky, pre ktoré sme
uvádzali Hype cyklus. Uvádzame ich pozíciu v niektorých rokoch, prípadne v rokoch,
kedy sa v matici presunuli na inú pozíciu. Môžeme vidieť, že investície do
elektronického papiera a čítačiek kníh boli v zo začiatku sledovaného obdobia
uvádzané pre rozvážnych investorov, ich benefit pre spoločnosť bol vysoký a čas do
stabilnej produkcie bol 2 až 5 rokov. V roku 2011 sa zavedenie do stabilnej produkcie
čítačiek kníh posunulo do obdobia dvoch rokov a investície vytvárali už aj
konzervatívny investori. Benefit z elektronického papiera sa v roku 2013 znížil na
stredný a investovali doňho investori typu A (agresívny investori). Benefit rozšírenej
reality ostáva vo všetkých nami uvádzaných obdobiach vysoký, s odhadovaným
časom zavedenia do stabilnej produkcie v čase 5 až 10 rokov a investície tvoria
agresívni investori (typ A). Zavedenie kvantových počítačov do stabilnej produkcie sa
vo všetkých nami uvažovaných obdobiach odhaduje na viac ako 10 rokov. Čo sa ale
v sledovanom období zmenilo, je benefit zo zavedenia kvantových počítačov firmami.
V prvých rokoch (2006 – 2013) sa uvádzal transformačný benefit a investori patrili do
typu A – agresívny investori. V roku 2014 sa ale benefit z ich zavedenia znížil na
vysoký a odporúča sa investovať do kvantových počítačov veľmi opatrne.
75
Vplyv marketingu na ekoinovačnú stratégiu podniku
76
Vplyv marketingu na ekoinovačnú stratégiu podniku
b) Inovatívny marketing
Druhou možnosťou je inovatívny marketing. Inovatívny marketing je založený na
trhovej expanzii, a to takým spôsobom, že objavuje:
- nové potreby a požiadavky zákazníkov,
- nové – rozšírené možnosti použitia produktu,
- nové skupiny spotrebiteľov,
- nové situácie, v ktorých by sa dal produkt využiť (Čimo, J., 2010b).
Podstatou inovatívneho marketingu je, že firma sa pripraví na to, aby existujúci
produkt významným spôsobom transformovala. Ak ide o úplne nový produkt musí
prísť s novými myšlienkami, ktoré významne ovplyvnia doterajší trh, firemnú
distribučnú sieť a môže dokonca zmeniť aj poslanie firmy (Mastermann, G., Wood, E.
H., 2006). Podľa O´Dwyera, Gilmora a Carsona (2009)inovatívny marketing môže
firma využiť vtedy, ak sú vyčerpané inovácie s pôvodom na doterajšom trhu. Súčasne
tým vyvolá na trhu isté zmeny.
Inovácie tohto typu budú predstavovať nové produktové kategórie, čo môže firme
priniesť nasledovné benefity :
- zmenu charakteru trhu,
- zníženie objemu predaja iných produktov,
- možnosť prírastkového predaj, bez poklesu predaja iných produktov,
- obmedzenie predaja niektorých produktových kategórií.
c) Inovatívny marketing na úrovni marketingového mixu
Pri inovatívnom marketingu na úrovni marketingového mixu môže firma využiť dve
stratégie:
1. realizovať existujúce alternatívne prístupy v marketingovom mixe,
2. hľadať a nachádzať nové prístupy v marketingovom mixe.
Pri aplikácii prvej stratégie je možné využiť princíp substitúcie, čo znamená, že firma
využije marketingový mix týkajúci sa iných produktov. Preberie cenovú, distribučnú
a komunikačnú politiku z iných, už existujúcich produktov.
Pri uplatnení druhej stratégie musí hľadať nové prístupy v:
1. cenovej, distribučnej a komunikačnej politike,
2. konkrétnych inovatívnych akciách, týkajúcich sa jednotlivých prvkov
marketingového mixu.
Používanie základných marketingových nástrojov má vzhľadom na vyspelosť
trhových štruktúr v súčasnom období určité obmedzenia. Najúspešnejšie
marketingové nápady vychádzajú z rozdielneho spôsobu myslenia a nie zo
segmentácie trhu – ide o inovatívny marketingový prístup. Cieľom je iniciovať
vytvorenie takých produktov, ktoré spotrebitelia zatiaľ nežiadajú. Takéto nové námety
môžu pomôcť podnikom, ktoré v súčasnosti čelia rastúcej homogenizácii produktov
a hyperkonkurencii na trhu (Kotler, 2005).
77
Vplyv marketingu na ekoinovačnú stratégiu podniku
78
Vplyv marketingu na ekoinovačnú stratégiu podniku
79
Vplyv marketingu na ekoinovačnú stratégiu podniku
80
Vplyv marketingu na ekoinovačnú stratégiu podniku
81
Vplyv marketingu na ekoinovačnú stratégiu podniku
82
Vplyv marketingu na ekoinovačnú stratégiu podniku
83
Vplyv marketingu na ekoinovačnú stratégiu podniku
51 Podstata uvedených poplatkov je detailne spracovaná v Zákone 582/2004 Z.z. o miestnych daniach a
miestnom poplatku za komunálne odpady a drobné stavebné odpady (Národná rada SR, 2004)
52 Stimulačné environmentálne dane uvádza Zákon 609/2007 Z,z, o spotrebnej dani z elektriny, uhlia a
zemného plynu (Národná rada SR, 2007) a o zmene a doplnení Zákona č. 98/2004 Z. z. o spotrebnej dani
z minerálneho oleja v znení neskorších predpisov (Národná rada SR, 2004)
53 Fiškálne a environmentálne dane upravuje Zákon 595/2003 Z. z. o dani z príjmov v znení najnovších
predpisov (Národná rada SR, 2003), Zákon 461/2003 Z. z. o sociálnom poistení, Zákon 580/2004 Z. z.
o zdravotnom poistení v najnovšom znení (Národná rada SR, 2003)
84
Vplyv marketingu na ekoinovačnú stratégiu podniku
54Zákon 609/2007 Z, z, o spotrebnej dani z elektriny, uhlia a zemného plynu (Národná rada SR, 2007) a
o zmene a doplnení Zákona č. 98/2004 Z. z. o spotrebnej dani z minerálneho oleja (Národná rada SR,
2004) v znení neskorších predpisov
85
Vplyv marketingu na ekoinovačnú stratégiu podniku
86
Vplyv marketingu na ekoinovačnú stratégiu podniku
55 Uvedenú stratégiu podrobne opisujú napríklad McCormick (1983), Allen (1980a), (1980b) a iní
87
Vplyv marketingu na ekoinovačnú stratégiu podniku
88
Meranie citlivosti na zmenu vybraných faktorov
89
Meranie citlivosti na zmenu vybraných faktorov
56 Vlastné spracovanie
90
Meranie citlivosti na zmenu vybraných faktorov
Aby sme ozrejmili vzťah medzi sklonom dopytovej funkcie a hodnotou vlastnej
cenovej elasticity dopytu, uvádzame obrázok 6.1.
Funkcia dopytu je dokonale elastická. Ak sa zmení cena tovaru o ∆, spotrebitelia
správajúci sa podľa funkcie dopytu prestanú tento tovar nakupovať. Funkcie a
sú postupne menej a menej elastické. Ak aj pri týchto funkciách zmeníme cenu
tovaru o ∆, môžeme si všimnúť, že pri funkcii spotrebitelia znížia nakupované
množstvo tovaru iba o ∆ . Naopak, pri viac elastickej funkcii spotrebitelia znížia
nakupované množstvo tovaru o ∆, pričom ∆ < ∆ . Na základe uvedeného
môžeme povedať, že čím je hodnota vlastnej cenovej elasticity dopytu v absolútnej
hodnote vyššia, tým je výraznejší pokles v požadovanom množstve pri jednotkovej
zmene ceny tovaru.
Niektoré skupiny tovarov majú rovnakú elasticitu dopytu. Na základe jej hodnôt
rozdeľujú Besanko a Brauetigam (2011) tovary do 3 skupín:
• Dopyt po tovaroch je cenovo elastickejší, ak ku skúmanému produktu existujú
substitúty. Alebo naopak, tovary majú nízku elasticitu dopytu, ak ku skúmaným
tovarom neexistujú substitúty.
• Dopyt po tovare je cenovo elastickejší, ak spotrebitelia míňajú veľkú časť svojho príjmu
na uvedený tovar. Napríklad, ak sledujeme citlivosť spotrebiteľov na zmenu ceny
automobilov a vysávačov. Spotrebitelia budú citlivejší na zmenu ceny
automobilov ako na zmenu ceny vysávačov. Je to spôsobené tým, že výdavky
na auto predstavujú väčšiu časť príjmu spotrebiteľa ako výdavky na vysávač.
• Dopyt po tovare je menej cenovo elastický, ak je tovar pre spotrebiteľa nevyhnutný.
Napríklad dopyt po potravinách alebo elektrickej energii je relatívne cenovo
neelastický, pretože uvedené tovary sú nevyhnutné na každodenný život
spotrebiteľov.
Cena
ΔP A D3
P
ΔQ1
D2
ΔQ2
D1
Q Množstvo
91
Meranie citlivosti na zmenu vybraných faktorov
efektov štátnych zásahov do trhovej rovnováhy, ako maximálne ceny, dane alebo
dovozné obmedzenia. Elasticita dopytu je taktiež dôležitým determinantom štruktúry
konkurencie v rámci vybraného odvetvia národného hospodárstva.
58Saturovaný dopyt predstavuje maximálne množstvo tovarov, ktoré sú spotrebitelia na trhu ochotní
kúpiť. Definíciu a výpočet uvádzajú napríklad Besanko, Braeutigam (2011), Fendek, Fendeková (2008),
Grisáková (2013) a iní
92
Meranie citlivosti na zmenu vybraných faktorov
93
Meranie citlivosti na zmenu vybraných faktorov
zvýšenie predajnej ceny nebude mať veľký vplyv na požadované množstvo tovarov
na trhu (Cowell, F. A., 2018).
94
Meranie citlivosti na zmenu vybraných faktorov
∗ ∗
∗ ∗
∗ ,
∗
1 , ∗
∗
Rovnice , ∗ a 1 , ∗ tvoria sústavu rovníc na odhad
koeficientov lineárnej funkcie dopytu.
60 Množstvá pôvodne vyjadrené v tis. ton boli prepočítané pomocou mernej hustoty benzínu 770 kg/m3
na tis. litrov.
61 Údaje o spotrebovanom a vyrobenom množstve benzínu sú z výročnej správy SAPPO (Slovenská
95
Meranie citlivosti na zmenu vybraných faktorov
2018 a 2019
96
Meranie citlivosti na zmenu vybraných faktorov
97
Meranie citlivosti na zmenu vybraných faktorov
∆
100% ∆
,
∆ ∆
100%
Pri dôchodkovej elasticite dopytu skúmame opäť znamienko elasticity a jej hodnotu.
- Znamienko elasticity – rozdeľuje tovary na normálne a podradné:
o Normálne tovary, , > 0, rast dôchodku spotrebiteľa má za
dôsledok zvýšenie jeho požadovaného množstva.
o Podradné tovary, , < 0, rast dôchodku spotrebiteľa má za dôsledok
zníženie jeho požadovaného množstva. Ak podľa dôchodkovej elasticity
dopytu je tovar podradným tovarom, ďalej neskúmame hodnotu
elasticity v absolútnej hodnote.
- Hodnota elasticity – na základe hodnoty dôchodkovej elasticity dopytu
rozdeľujeme tovary na základné, zberateľské a luxusné:
o Luxusné tovary, , > 1, požadované množstvo tovarov rastie
rýchlejšie ako dôchodok spotrebiteľov.
o Základné tovary, , < 1, požadované množstvo tovarov rastie
pomalšie ako dôchodok spotrebiteľov.
o Zberateľské tovary, , 1, požadované množstvo tovarov rastie
rovnakou mierou ako rastie dôchodok spotrebiteľov.
98
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
99
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
100
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
krát s vyššou a nižšou cenou až pokým nie je možné vybrať respondenta, ktorý je
ochotný zaplatiť najvyššiu cenu za produkt (Gabor, A., Granger, C. W. J., 1973).
Metódu Gabor-Granger je vhodné využiť pri vývoji nového produktu. Cieľom je zistiť
maximálnu cenu, ktorú sú respondenti ochotní zaplatiť. Uvedenú situáciu zobrazuje
nasledujúci obrázok.
101
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
102
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
103
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
104
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
74 Komoditizácia – prestavuje proces, pri ktorom sa produkty alebo služby stávajú široko dostupnými,
bežne a jednoducho obdržateľnými. Je to proces, ktorý sa stáva stále bežnejším práve vďaka
technologickým inováciám, rozšíreniu vzdelania a častému dopytu po konkrétnom produkte a
uskutočňuje sa veľkou rýchloťou.
105
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
106
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
107
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
108
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
76 B2B (Business to Business)- predstavuje označenie obchodného vzťahu, pri ktorom na obidvoch
109
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
110
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
111
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
Tabuľka 7.2 O koľko musí firma zvýšiť objem predaja aby dosiahla pôvodný zisk77
Hrubé ziskové rozpätie v % 20 25 30 35 40 45 50 55 60
Zľava /zvýšenie predaja v %
2 11 9 7 6 5 5 4 4 3
4 25 19 15 13 11 10 9 8 7
6 43 32 25 6 5 5 4 4 4
8 67 47 36 30 25 22 19 17 15
10 100 67 50 40 33 29 25 22 20
12 150 92 67 52 43 36 32 28 25
14 233 127 88 67 54 45 39 34 30
16 400 178 114 84 67 55 47 41 36
18 900 257 150 106 82 67 56 49 43
20 x 400 200 133 100 80 67 57 50
Prípadová štúdia
Obchodný manažér firmy, ktorá predáva digitálne foto - rámčeky sa rozhodne znížiť
ceny o 10%, aby zvýšil predaj. Spoločnosť v súčasnosti nakupuje rámy za 70 eur,
predáva ich za 100 €, čiže jeho hrubé ziskové rozpätie je 30 eur alebo 30 percent. Pri
predaji 1000 ks rámčekov ročne v hodnote 100 eur za kus dosiahne obrat vo výške
100 000 eur, náklady na tovaru 70 000 eur a 30 000 eur alebo 30 % hrubej marže. Ak by
firma znížila ceny o 10% a jej predaj by zostal na 1000 ks ale len za 90 eur, potom by
sa obrat znížil na 90 000 eur. Náklady na nákup 1000 položiek zostávajú rovnaké, teda
70 000 eur, ale hrubé ziskové rozpätie klesne na 20 000 eur. Ak sa nezvýši objem
predaja, firma príde o 10 000 eur. Pri novej predajnej cene 90 eur takto dosiahne zisk
len 20 € pri nákladoch na kus 70 eur. Aby firma znížila stratu 10 000 eur, potrebuje
predať ďalších 500 kusov, len aby sa dostala späť na pôvodné hrubé ziskové rozpätie.
Ak by bola výška marže len 20% a firma by ju znížila o 10% v presvedčení že jej vzrastú
tržby, potom by sa musel objem predaja zdvojnásobiť, aby sa dostala späť tam, kde
začala.
Realitou však je, že ak chce firma poskytovať zľavy z cien v presvedčení, že to
stimuluje jej objemy predaja a tie vykompenzujú nižšie ziskové marže, potom
jednoducho nemôže zľavy poskytovať. Existujú iba dva dôvody pre poskytnutie
zľavy.
Prvým je, využitie zľavy ako marketingového nástroja: a to na prezentáciu ceny
atraktívnym spôsobom s nastavením počiatočnej – uvádzacej ceny tak, aby sa to dalo
urobiť.
Druhým prípadom je, keď sú ceny stanovené nesprávne a je potrebné ich prispôsobiť
skutočnej trhovej hodnote. Predtým, ako firma použije tento dôvod, musí urobiť
seriózny prieskum trhu aby získala informácie o zákazníckom vnímaní hodnoty. Tak
vlastne prečo každá firma poskytuje zľavy?
112
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
113
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
Prípadová štúdia
Pozrime sa na maloobchodnú predajňu špecializovanú na predaj typických dámskych
búnd. V ponuke má 1000 ks búnd v jednom outlete, ktoré sa predávajú za 49 eur.
Náklady na bundu predstavujú 29,40 € (hrubé ziskové rozpätie je teda 40 % alebo 19,60
eur na každý jeden predaný kus). Za prvé tri mesiace sa predalo 800 ks búnd. Zostáva
predať ešte 200 ks, avšak už sa očakáva príchod novej kolekcie. Aby sa predalo zvyšné
množstvo, znížia cenu o 20% na 39 eur. Hrubé ziskové rozpätie za predaný kus po
zlacnení bude teda len 9,60 eur, čo je len s ťažkosťou polovica z pôvodného. Avšak
tento bol získaný len z predaja posledných 200 ks, a to znamená, že na očakávaný
„dobrý“ hrubý zisk bol dosiahnutý z predaja prvých 800 ks. Z uvedeného vyplýva, že
motivácia predajne sa zmenila zo získania čo najvyššieho možného dosiahnutého
zisku na vypratanie zásob, dokým dorazí nová kolekcia, za čo najlepší možný zisk. Ak
sa tomuto maloobchodníkovi podarí predať posledných 200 ks za túto cenu pri
nákladoch 29,40 eur na kus, potom celkové hrubé ziskové rozpätie bude 15 680 eur.
Tento princíp sa dá aplikovať na sezónne produkty ako napríklad oblečenie alebo
produkty s nízkou trvanlivosťou (potraviny, cukrovinky, jedlo), ale aj na iné, ak má
predajca záujem inovovať svoje produkty (nový výrobok, tovar a pod.). Poskytovanie
zliav v tomto smere nie je súčasťou stratégie na zvýšenie objemu predaja. Mnohé firmy
v tomto prípade spozorovali, že ich zákazníci spadajú do určitých segmentov.
Niektorých možno zaradiť do kategórie skorých kupujúcich, ktorí nakupujú najnovšie
produkty za najvyššie ceny. Neskôr znížia cenu aby prilákali zákazníkov, ktorí chcú
ich produkty, ale nie sú ochotní zaplatiť plnú cenu, t. j. prilákajú tzv „cenovo
obozretných“ zákazníkov, a nakoniec sa zbavia toho, čo zostalo, s malým alebo
žiadnym ziskom (vyhýbajú sa nákladom na likvidáciu) „zákazníkom výhodnej ceny“
alebo tým, ktorých rozhodnutie je založené na obmedzených peňažných
prostriedkoch. Všetky tieto maloobchodné predajne vedia, je, že diskontné ceny
neprinášajú iba zvýšenie predaja, ale presúvajú hodnotu produktu na ďalšiu úroveň
zákazníka.
Tretí dôvod – „pôvodná cena bola stanovená tak, aby vytvorila priestor pre
poskytnutie zľav“
V tomto prístupe nie je nič zlého. Manipulácia cien, aby si spotrebitelia mysleli, že
dostavajú výbornú ponuku, aby využili svoju prirodzenú túžbu získať niečo výhodne,
je v poriadku (ak sú dodržané právne predpisy). Každý zákazník si chce myslieť, že
získal niečo čo stálo predtým 1000 eur za 500 eur, ale pravdou je, že to nie sú skutočné
zľavy. Veľkou nevýhodou týchto postupov je to, že utvrdzuje spotrebiteľov v tom, aby
sa domnievali, že zisk, ktorý firmy -obchodníci dosahujú je obrovský na základe
zľavy, ktoré sa zdajú byť schopné poskytnúť. Takéto zľavy nemôže firma poskytnúť,
ak ich predtým nezabudovala do pôvodnej cenovej štruktúry.
Prípadová štúdia
Firma, ktorá sa zaoberá zabezpečovaním a organizovaním konferencií sa každoročne
dohaduje s jedným náročným klientom o výške účastníckeho poplatku. Uvedený
114
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
115
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
116
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
Inovačný režim predstavuje pre firmu okamžitú reakciu - skokové tempo založené na
predstavivosti. Pri inováciách dnes firmy vychádzajú z toho, že tradičné ponímanie
zdrojov je irelevantné. Vývoj nového produktu už v súčasnosti netrvá roky, ale týždne
maximálne mesiace. Zákazníci sú spolutvorcami nových produktov, pretože
predstavujú spätnú väzbu v reálnom čase a sú súčasťou mnohých experimentov
firmy. Cieľom už nie je nová komunikačná kampaň, ale je ním nový podnikateľský
model, nová podnikateľská koncepcia. Výhodou inovačnej stratégie je široká
dostupnosť informačných technológií a ich aplikácie, ktorá tak tak zabezpečí firme istú
pridanú hodnotu. Čím rýchlejšie je firma schopná realizovať inovácie, tým skôr sa
odlíši od konkurencie. Meradlom konkurencieschopnosti na trhu je taká pridaná
hodnota produktu, ktorou firma nielen uspokojí zákazníka, ale dokáže ho nadchnúť a
otrasie aj konkurenciou.
Súčasťou takejto marketingovej stratégie firmy nie je len inovácia produktov, ktoré na
trhu ponúka, ale inovácia komplexnej podnikateľskej stratégie a priestoru, v ktorom
pôsobí. V tomto smere ide o novú koncepciu myslenia, založenú na nových
poznatkoch, vedomostiach a kompetenciách, s využitím informačných technológií
a ľudského potenciálu.
117
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
118
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
119
Modely cenovej citlivosti a možnosti ich využitia pri inováciách
120
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
121
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
122
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
- monopol môže do istej miery ovplyvniť, resp. diktovať trhovú cenu výrobku tým,
že nie je vytvorená možnosť pre vstup iných výrobcov na trh, nemôže si však
v žiadnom prípade dovoliť neakceptovať racionálne správanie sa spotrebiteľa.
Maximálny zisk monopolu predstavuje najväčší rozdiel medzi celkovými tržbami
a celkovými nákladmi firmy dosiahnuteľnými pre optimálnu cenu a množstvo
produkcie monopolu. Toto však ešte nezaručuje, že optimálna hodnota zisku
monopolu bude kladné číslo. Zisk monopolu bude kladný, ak monopolistická cena
bude väčšia ako priemerné náklady pre zodpovedajúci objem ponuky. Zisk bude
nulový, ak monopolistická cena bude rovná priemerným nákladom pre
zodpovedajúci objem ponuky a firma dosiahne stratu, ak monopolistická cena bude
menšia ako priemerné náklady pre zodpovedajúci objem ponuky (Fendek, M.,
Fendeková, E., 2008).
79 Analýzu a podrobný opis odhadu parametrov Bassovej rovnice uvádzajú napríklad aj Štetka,
Grisáková, Hrušovská, Kintler (2018) alebo Grisáková (2016), (2013), (2011) a iní
123
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
124
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
82 Všetky premenné tohto modelu sú funkciami času. Práve z tohto dôvodu budeme uvádzať skrátený
zápis, bez udania časovej premennej. Napríklad x(t) budeme písať iba ako x v prípadoch, kedy bude
jasné, že premenná x je funkciou času. Ak to z textu nebude jasné, uvedieme celý zápis.
125
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
126
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
na výšku trhového podielu firmy. Budeme uvažovať s cenovou funkciou, ktorú sme
už uviedli .
Uvedený tvar cenovej funkcie ako prvý navrhli Robinson a Lakhani (1975). Autori
uvádzajú že parameter d je kladný a že predstavuje citlivosť dopytu na zmenu ceny
(price sensitivity). Predtým, ako budeme meniť jednotlivé parametre tohto modelu,
nájdeme interval pre zmenu parametra d, ktorý je vhodný pre model.
V nami predstavovanom modeli ceny, meniace sa v čase, ovplyvňujú zisk
monopolistickej firmy a cenová funkcia f(p) ovplyvňuje veľkosť trhového podielu
firmy. Všetky ostatné parametre majú rovnakú interpretáciu ako sme už uviedli.
Na výpočet uvedeného problému teórie optimálneho riadenia môžeme použiť
algoritmus Tenga a Thompsona (1983), ktorý musíme rozšíriť o druhú riadiacu
premennú p, nakoľko autori uvažovali iba s jednou riadiacou premennou.
Rovnice pre riadiace premenné získame z derivácie Hamiltoniánu podľa riadiacich
premenných:
ℋ 1 2 0
1
2
ℋ 1 1 0
1
Inicializačná fáza:
Predpokladajme, že náklady produkcie sú konštantné vo výške c0 a neuvažujeme
s difúznym ohraničením. Pri tomto predpoklade je zisk firmy ´
pre každý okamih diskrétneho času. Pre lepšiu orientáciu, kedy ide
o diskrétny a kedy o spojitý čas, pre diskrétny časový okamih bude použitá premenná
k a pre spojitý čas sa ponechá doteraz používaná premenná t. Hodnoty kontrolných
premenných u a p(k) v inicializačnej fáze sú
1 / 1 /2
,
0 0
Tieto premenné maximalizujú zisk firmy v tvare ´ pri
podmienke nezápornosti kontrolných premenných, u ≥ 0, p(k) ≥ 0.
Výpočtová fáza:
Krok 1: Stanovíme hodnoty parametrovα, β, γ, δ, x0, c0, r, d a t1.
Krok 2: Vypočítame počiatočné hodnoty pre p(k), u(k) a x(k+1) od k= 0 po k = t1 krok za
krokom takto:
p(k), u (k) ako uvádza inicializačná fáza,
127
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
128
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
129
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
6,00
5,00
4,00
3,00
2,00
1,00
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
čas (k)
0,60
0,50
0,40
0,30
0,20
0,10
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
čas (k)
320,00
296,81
300,00
280,00
268,37
260,00
240,00
220,00
200,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
čas (k)
83 Vlastné spracovanie
130
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
V modely sme zvolili pre každú zmenu parametra tri grafické výstupy. Je to z toho
dôvodu, že miera reklamy je vysoká. Ak ju znázorňujeme na grafe, spolu s mierou
výdavkov na reklamu a dosiahnutým trhovým podielom, je graf ťažko čitateľný. Práve
preto uvádzame ako prvý obrázok grafické znázornenie toku miery reklamy u, miery
výdavkov na reklamu A a dosiahnutého trhového podielu monopolu x v čase pre
optimálne riešenie. Ako druhý graf je uvedený iba tok miery výdavkov na reklamu
A a dosiahnutý trhový podiel x. Na treťom grafe je znázornená cena produktu
monopolu, ktorá sa v čase mení. Pre lepšiu ilustráciu uvádzame vždy počiatočnú
a konečnú cenu produktu v plánovanom časovom období priamo v grafe.
Pre východiskový model firma dosiahla počas reklamnej kampane, ktorá trvala 31
týždňov trhový podiel x = 50,65 %, čo je nárast oproti východiskovej hodnote x0 o 10,65
%. Miera reklamy u a miera výdavkov na reklamu A v čase mierne rástla. Predpoklad
o klesajúcej cene produktu sa potvrdil, nakoľko cena produktu na začiatku
sledovaného obdobia bola 296,81 jednotiek a klesla na 268,37 jednotiek. V tabuľke 5
uvádzame priemernú cenu produktu za sledované obdobie, ktorá je pre východiskový
model 284,16 jednotiek.
131
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
Tabuľka 8.1 Zmeny parametrov modelu Monopolu84
Miera výdavkov na
Riadiaca premenná u Riadiaca premenná p Stavová premenná x Účelová funkcia J
Zmenená
Pôvodná
hodnota
hodnota
Param.
reklamu A(u)
Zmene- smer pôvod- Zmene- smer pôvod- Zme- smer smer Zme- smer
pôvodná pôvodná zmenená pôvodná
ná zmeny ná ná zmeny ná nená zmeny zmeny nená zmeny
r 0,005 0,01 2,2032 2,2008 pokles 284,16 283,48 pokles 0,5065 0,5071 nárast 11,9966 11,1693 pokles 0,3484 0,3478 pokles
0,001 2,2052 nárast 293,92 nárast 0,5059 pokles 12,7223 nárast 0,3489 nárast
d 0,005 0,01 2,2032 0,3050 pokles 284,16 172,16 pokles 0,5065 0,4286 pokles 11,9966 2,1040 pokles 0,3484 0,0251 pokles
0,001 10,596 nárast 1405,11 nárast 0,7655 nárast 298,1173 nárast 5,2334 nárast
z 0,1 0,4 2,2032 2,2621 nárast 284,16 279,95 pokles 0,5065 0,5107 nárast 11,9966 12,2646 nárast 0,3484 0,3630 nárast
0,2 2,2228 nárast 282,74 pokles 0,5078 nárast 12,0853 nárast 0,3532 nárast
c0 70 85 2,2032 2,0282 pokles 284,16 297,67 Nárast 0,5065 0,4940 pokles 11,9966 10,5320 pokles 0,3484 0,3065 pokles
50 2,4388 nárast 266,34 pokles 0,5250 nárast 14,2350 nárast 0,4086 nárast
x0 0,4 0,7 2,2032 1,0238 pokles 284,16 284,24 nárast 0,5065 0,7381 nárast 11,9966 4,5849 pokles 0,3484 0,1136 pokles
0,2 2,7506 nárast 278,27 pokles 0,3511 pokles 16,3005 nárast 0,4952 nárast
a 0 0,1 2,2032 2,2032 x 284,16 284,14 pokles 0,5065 0,5065 x 11,9966 9,0321 pokles 0,3484 0,4484 nárast
0,01 2,2032 x 278,27 pokles 0,5065 x 11,7002 pokles 0,3584 nárast
b 0,07 0,1 2,2032 2,8717 nárast 284,16 282,52 pokles 0,5065 0,5275 nárast 11,9966 16,4822 nárast 0,3484 0,3586 nárast
0,01 0,9416 pokles 288,01 nárast 0,4641 pokles 8,3519 pokles 0,1546 pokles
c 0,04 0,1 2,2032 0,9416 pokles 284,16 278,19 pokles 0,5065 0,4641 pokles 11,9966 8,3519 pokles 0,3484 0,1546 pokles
0,01 6,7869 nárast 371,31 nárast 0,6227 nárast 24,8782 nárast 0,9357 nárast
alfa 0,005 0,01 2,2032 2,1498 pokles 284,16 288,04 nárast 0,5065 0,5203 nárast 11,9966 15,8977 nárast 0,3484 0,3354 pokles
0,001 2,2464 nárast 280,91 pokles 0,4948 pokles 8,7882 pokles 0,3591 nárast
beta 0,006 0,01 2,2032 3,0903 nárast 284,16 298,30 nárast 0,5065 0,5673 nárast 11,9966 19,8795 nárast 0,3484 0,5983 nárast
0,001 0,6107 pokles 273,90 pokles 0,4390 pokles 6,0311 pokles 0,0577 pokles
gama 0,003 0,01 2,2032 2,1583 pokles 284,16 283,89 pokles 0,5065 0,5182 nárast 11,9966 14,5107 nárast 0,3484 0,3374 pokles
0,001 2,2159 nárast 284,27 nárast 0,5031 pokles 11,2795 pokles 0,3515 nárast
delta 0,007 0,01 2,2032 2,5952 nárast 284,16 286,06 nárast 0,5065 0,5313 nárast 11,9966 14,5486 nárast 0,3484 0,4511 nárast
0,001 1,3786 pokles 281,05 pokles 0,4650 pokles 8,1308 pokles 0,1725 pokles
t1 31 60 2,2032 1,9431 pokles 284,16 277,16 pokles 0,5065 0,5700 nárast 11,9966 19,4910 nárast 0,3484 0,2870 pokles
15 2,3726 nárast 294,70 nárast 0,4584 pokles 6,5973 pokles 0,3913 nárast
84 Vlastné spracovanie
132
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
133
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
čas (k)
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
čas (k)
134
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
300,00
290,66
280,00
269,04
260,00
240,00
220,00
200,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
čas (k)
135
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
2,50
2,00
1,50
1,00
0,50
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
čas (k)
0,50
0,45
0,40
0,35
0,30
0,25
0,20
0,15
0,10
0,05
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
čas (k)
300,00
277,70
280,00
269,47
260,00
240,00
220,00
200,00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
čas (k)
136
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
kúpia nový produkt z vlastnej vôle a imitátormi (či už na nich reklama vplývala alebo
nie.) Táto situácia je znázornená graficky na obrázku 18.
Pri absencii vplyvu reklamy na inovátorov dosahuje firma trhový podiel na konci
sledovaného obdobia x = 43,15 %, čo je oproti východiskovej hodnote trhového podielu
na začiatku sledovaného obdobia nárast iba o 3,15 %. Na porovnanie uveďme, že
monopol dosahuje pri predpoklade vplyvu reklamy na inovátorov aj imitátorov
dosiahnutý trhový podiel 50,65 %. V porovnaní s modelom, kedy reklama vplýva iba
na inovátorov, je v tomto prípade dosiahnutý trhový podiel nižší o 2,79 % tak, ako aj
priemerná cena produktu počas sledovaného obdobia, ktorá v tomto prípade dosahuje
výšku 282,6 jednotiek. Miera zisku je v tomto modeli nižšia, ako pri predpoklade
vplyvu reklamy na inovátorov. Miera zisku je v tomto prípade 5,6796, čo je pri
porovnaní s východiskovým modelom a s modelom vplyvu reklamy iba na
inovátorov najnižšia dosiahnutá miera.
Nami predstavený model obsahuje 14 parametrov a nebolo možné preňho nájsť
riešenie nealgebraickou cestou. Z toho dôvodu boli rovnice, vyplývajúce
z maximalizácie Hamiltonovskej funkcie, aproximované diskrétnym časom. Na
riešenie úloh s diskrétnym časom môže byť na nájdenie optimálneho riešenia použitý
aj dostupný program MS Excel, ktorý sme aj na výpočty použili s pomocou
vytvoreného makra, ktoré po krokoch hľadá optimálne riešenie modelu.
Vo vytvorenom makre je možné zvoliť dĺžku časového obdobia, počet iterácií, ktoré
má program vykonať a samozrejme všetky ostatné parametre modelu. Ako výstup
sme zvolili zobrazenie hodnoty účelovej funkcie, kritérium konvergencie a hodnoty
parametrov pre poslednú zvolenú iteráciu. Ako kritérium konvergencie bola zvolená
absolútna hodnota rozdielu hodnoty účelovej funkcie na danej a predchádzajúcej
iterácii. V rámci výpočtov je vytvorený priestor aj pre grafický výstup poslednej
iterácie algoritmu.
Pre model monopolu s dynamickými cenami sme vytvorili dvadsaťšesť zmien
parametrov, z ktorých môžeme vysloviť nasledovné závery:
- smer zmeny miery reklamy u a miery reklamných výdavkov A rovnaký pre
všetky skúmané zmeny parametrov,
- pre zvýšenie miery poklesu nákladov produkcie z vykazujú všetky sledované
parametre modelu okrem ceny nárast (cena produkcie v tomto prípade klesá),
- zavedenie miery konštantných reklamných nákladov a má vplyv iba na mieru
zisku firmy a na mieru reklamných výdavkov, ich zavedenie má za dôsledok
zvýšenie miery výdavkov na reklamu a zníženie miery zisku firmy,
- zmena diskontnej miery má za dôsledok rovnakú zmenu trhového podielu
monopolu, všetky ostatné premenné modelu vykazujú opačnú zmenu ako je
zmena diskontnej miery,
- zmena citlivosti dopytu na zmenu ceny d má za dôsledok opačnú zmenu
všetkých sledovaných premenných modelu,
137
Reklamné výdavky firiem v prostredí nedokonalej konkurencie
- pri zmene konštantných nákladov produkcie vykazuje rovnaký smer zmeny iba
cena produkcie, všetky ostatné premenné vykazujú opačný smer zmeny,
- zmena počiatočného trhového podielu má za dôsledok rovnakú zmenu dvoch
premenných modelu a to ceny a dosiahnutého trhového podielu,
- zmeny v koeficientoch inovácie α a imitácie γ majú za dôsledok zmenu
hodnoty účelovej funkcie, trhového podielu a priemernej ceny v rovnakom
smere, ostatné premenné sa menia opačným smerom,
- pri zmene koeficientov vplyvu reklamy na inovátorov β a imitátorov δ
vykazujú všetky premenné modelu rovnaký smer zmeny.
138
Zoznam obrázkov
Zoznam obrázkov
Obrázok 1.1 Koncepčný model ekoinovácií založený na životnom cykle ...................... 9
Obrázok 1.2 Ekoinovácie generujúce preukázateľnú pridanú hodnotu firmy ............ 12
Obrázok 1.3 Determinanty ekoinovácií ............................................................................ 13
Obrázok 1.4 Koncept zelenej ekonomiky v kontexte trvalo udržateľného rozvoja .......... 16
Obrázok 2.1 Difúzna krivka ................................................................................................. 23
Obrázok 2.2 Typické rozdelenie nových osvojiteľov v Bassovom modeli ................... 24
Obrázok 2.3 a), b) Vysoké a nízke hodnoty p a q v Bassovom modeli .......................... 26
Obrázok 2.4 a), b) Rôzne hodnoty p a q v Bassovom modeli .......................................... 27
Obrázok 2.5 Predvedenie a zavedenie nového produktu ............................................... 30
Obrázok 3.1 Dendogram ...................................................................................................... 43
Obrázok 3.2 Scree graf .......................................................................................................... 44
Obrázok 3.3 Štatistické rozdiely v profiloch segmentov ................................................. 45
Obrázok 3.4 Pavúčí graf ....................................................................................................... 46
Obrázok 3.5 Priestorová reprezentácia segmentov a segmentačných premenných
pomocou analýzy hlavných komponentov ....................................................................... 47
Obrázok 3.6 Dendogram ...................................................................................................... 49
Obrázok 3.7 Scree graf .......................................................................................................... 49
Obrázok 3.8 Pavúčí graf ....................................................................................................... 51
Obrázok 3.9 Priestorová reprezentácia segmentov a segmentačných premenných
pomocou analýzy hlavných komponentov ....................................................................... 52
Obrázok 3.10 Objektivizovaný komparatívny index individualizmu (OCII) .............. 57
Obrázok 4.1 GHC cyklus ...................................................................................................... 64
Obrázok 4.2 Rozšírený GHC cyklus ................................................................................... 66
Obrázok 4.3 GHC cyklus ...................................................................................................... 67
Obrázok 4.4 GHC pre kvantové počítače a rozšírenú realitu ......................................... 69
Obrázok 4.5 GHC pre 3D tlač a Big data ........................................................................... 70
Obrázok 4.6 GHC pre e-papier a čítačky kníh .................................................................. 72
Obrázok 4.7 Prepojenie krivky adopcie a krivky Hype cyklu ........................................ 73
Obrázok 4.8 Matica priorít .................................................................................................. 74
Obrázok 4.9 Matica priorít pre vybrané novinky ............................................................ 75
Obrázok 5.1 Vývoj podielu daní s environmentálnym aspektom na HDP a celkových
daňových príjmoch ............................................................................................................... 83
Obrázok 6.1 Dopytová funkcia pri rôznej elasticite dopytu ........................................... 91
Obrázok 6.2 Lineárna funkcia dopytu................................................................................ 93
Obrázok 6.3 Dopyt a ponuka benzínu v SR ...................................................................... 97
Obrázok 7.1 Percento respondentov (kumulatívne) R (%) profilovaných podľa ceny
produktu ............................................................................................................................... 100
Obrázok 7.2 Analýza prieskumu s vyhodnotením ....................................................... 101
Obrázok 7.3 Gabor-Granger - Krivka dopytu ................................................................. 102
Obrázok 7.4 Gabor - Granger – Krivka tržieb T ............................................................. 102
139
Zoznam obrázkov
140
Zoznam obrázkov
Zoznam tabuliek
Tabuľka 2.1 Parametre Bassovho modelu pre vybrané kategórie produktov ............. 31
Tabuľka 3.1 Veľkosť segmentu ............................................................................................ 44
Tabuľka 3.2 Deskripcia segmentu ....................................................................................... 45
Tabuľka 3.3 Príslušnosť k segmentu ................................................................................... 47
Tabuľka 3.4 Veľkosť segmentu ............................................................................................ 50
Tabuľka 3.5 Deskripcia segmentu ....................................................................................... 50
Tabuľka 3.6 Štatistické rozdiely v profiloch segmentov .................................................. 51
Tabuľka 3.7 Príslušnosť k segmentu ................................................................................... 53
Tabuľka 5.1 Štruktúra ekonomických nástrojov na dosahovanie cieľov zelenej
ekonomiky .............................................................................................................................. 82
Tabuľka 6.1 Hodnoty vlastnej cenovej elasticity dopytu ................................................ 90
Tabuľka 6.2 Vývoj Slovenského trhu s benzínom v rokoch 2018-2019 ......................... 96
Tabuľka 7.1 Výsledky prieskumu s využitím cenových modelov Gabor-Granger ... 103
Tabuľka 7.2 O koľko musí firma zvýšiť objem predaja aby dosiahla pôvodný zisk . 112
Tabuľka 8.1 Zmeny parametrov modelu Monopolu ..................................................... 132
141
Použitá literatúra
Použitá literatúra
Agarwal, R., Bayus, B. L. (2002). Market Evolution and Sales Takeoff of Product
Innovations. Management Science, 48, pp 1024 - 1041.
Aggarwal, P. T. (1998). Barriers to the Adoption of Really-New Products and the Role
of Surrogate Buyers. Journal of Consumer Marketing, 358–371.
Albach, H.,. (1990). Innovations Management: Theorie und Praxis im Kulturvergleich.
Heidelberg: Springer.
Allen, C. (2012). A guidebook to the Green Economy, Issue 3: exploring green economy policies
and international experience with national strategies. UNDESA.
Allen, C. C. (2012). A guidebook to the Green Economy, Issue 1: Green Economy, Green
Growth, and Low-Carbon Development – history, definitions and a guide to recent
publications. UNDESA. UNCED.
Allen, R. (1980a). How to save the world: Strateby for world conservation. Londín: Kogan
Page.
Allen, R. (1980b). The world conservation strategy: what it is and what it means for
parks. Parks, 5(2), s. 1-5.
Anderson, P. M. (1999). Culture and Fast Food Marketing Mix in the Peoples Republic
of China and the USA: Implications for Research and Marketing. Journal of
International Consumer Marketing, 77-95.
Asch, S. E. (1956). Studies of independence and conformity: A minority of one against
an unanimous majority. Psychological Monographs.
Askegaard, S. e. (1998). The Local and the Global: Exploring Traits of Homogenity and
Heterogenity in European Food Cultures. International Business Review, 549-568.
Avancée, C. d. (13. Jún 2022). Centre de Communication Avancée. Dostupné na Internete:
www.lecca.com
Baron, R. S. (1996). The forgotten variable in conformity research: Impact of task
importance on social influecne. Journal of Personality and Social Psychology, 915–
927.
Bass, F. M. (1969). A New Product Growth Model for Consumer Durables. Management
Science(15), s. 215-227.
Bass, F. M. (1969). A New Product Growth Model for Consumer Durables. Management
Science, 15, pp 215 - 227.
Bass, F. M. (December 2004). Comments on "A new product growth for model
consumer durables". Management Science, 50(12), pp 1883 - 1840.
142
Použitá literatúra
Bass, F. M., Kirshman, V., Jain, D. C. (1999). Testing Distributed Lag Models of
Avertising Effect. Marketing Research, 13, pp 1319 - 1333.
Bauer, R. A. (1960). Consumer Behavior as Risk Taking. Dynamic Marketing for a
Changing World, 389–398.
Besanko, B., Braeutigam, R. (2011). Microeconomics. New York: John Wiley & Sons.
Beyer, M. A., Laney, D. (21. 7 2012). The Importance of "Big Data": a Definition. Cit. 9. 7
2017. Dostupné na Internete: gartner.com: http://www.gartner.com/id=2057415
Bisgaard, T., Tuck, K. (2014). The Business Case for Eco-innovation. Paríž: United Nations
Environment Programme (UNEP).
Bobáková, V. (2015). Nevyhnutnosť podpory inovácií v malých a stredných
podnikoch. The scientific paper from International Scientific Correspondence
Conference EAEP, (s. 16- 25). Prešov.
Bond, R. S. (1996). Culture and conformity: A meta-analysis of studies using Asch´s
line judgement task. Psychological Bulletin, 111-137.
Boote, A. S. (1983). Psychographic Segmentation in Europe. Journal of Advertising
Research, 19-25.
Boyle, A. (2010). Some forecasts of the diffusion of e-assesment using a model. The
Innovation Journal: The Public Sector Innovation Journal, 15(1), pp 1 - 30.
Brown, A. M. (2001). A step-by-step guide to non-linear regression analysis of
experimental data using a Miccrosoft Excel spreadsheet. Computer Methods and
Programs in Biomedicine, 65(3), pp 191 - 200.
Burton, B., Walker, M. J. (27. 7 2015). Hype Cycle for Emerging Technologies, 205. Cit. 9. 7
2017. Dostupné na Internete: gartner.com:
https://www.gartner.com/doc/3100227/hype-cycle-emerging-technologies-
Cowell, F. A. (2018). Microeconomics. Oxford: Oxford University press.
Čimo, J. (2010a). Inovačný manažment. Bratislava: Ekonóm.
Čimo, J. (2010b). Úloha inovatívneho marketingu v komplexnej inovačnej stratégii.
Ekonomické rozhľady, 39(3), s. 118 - 130.
D´Aveni, R. A. (2010). Beating The Commodity Trap: How to maximize Yor Competitive
Position and Increase Yor Pricing Power. Cambidge. Londín: Harvard Business
Press.
De Mooij, M. K. (1991). Advertising Worldwide. Prentice Hall: Hemel Hempstead.
deloitte.com. (25. 4 2017). www2.deloitte.com. Cit. 20. 5 2017. Dostupné na Internete:
deloitte.com: https://www2.deloitte.com/cz/cs/pages/press/articles/cze-tz-
pruzkum-nastaveni-noveorganizace-resi-lidri-vic-nez-nabor-novych-lidi.html
143
Použitá literatúra
DELPHINE Computers & Software Studio. (1. 1 2004). benzin.sk. Cit. 11. 10 2020.
Dostupné na Internete: www.benzin.sk:
http://www.benzin.sk/index.php?selected_id=114&article_id=-
1&year=2018&month=0
Dockner, E., Fruchter, G. E. (2004). Dynamic Strategic Pricing and Speed of Diffusion.
Journal of Optimization Theory and Applications(123), s. 331-348.
Dockner, E., Jorgensen, S. (1988a). Optimal Advertising Policies for Diffusion Models
of New Product Innovation in Monopolistic Situation. Management Science(34),
s. 119-130.
Dockner, E., Jorgensen, S. (1988b). Optimal Pricing Strategies for New Products in
Dynamic Oligopolies. Marketing Science, 7(4), s. 315-334.
Dodds, W. (1973). An application of the Bass model in long-term new product
forecasting. Journal of Marketing Research, 10, pp 308 - 311.
Dodson, J. (12. 4 2010). Product Forecasting: the Bass Model. Cit. 12. 5 2012. Dostupné na
Internete: washington.edu:
http://faculty.washington.edu/jdods/pdf/MktgTool_Bass.pdf
Dolan, R. J., Jeuland, A. P. (1981). Experience Curves and Dynamic Demand Models:
Implications for Optimal Pricing Strategies. Journal of Marketing(45), s. 52-73.
Dubcová, G. (2013). Nové trendy spoločenského podnikania na Slovensku. Bratislava:
Ekonóm.
Engel, J., Mihok, J., Bosák, M., Majerník, M. (2006). Technicko-ekonoické aspekty
environmentálneho manažérstva. Košice: Technická univerzita v Košiciach.
Enviroportal. (7. 9 2020). enviroportal. Dostupné na Internete: www.enviroportal.sk:
https://www.enviroportal.sk/indicator/111?langversion=sk
Eurofound. (24. Október 2022). Anticipating and managing the impact of change. Dostupné
na Internete: Surveys: https://www.eurofound.europa.eu/surveys
European Commision. (2006). Decision No. 1639/2006/EC establishing a
Competitiveness and Innovation Framework Programme.
European Commision. (2019). The European Green Deal. Communication from the
Commission to the European Parliament, the European Council, the Council, the
European Economic and Social Committee and the Committee of the Regions.
European Commission. (2001). Communication from the Commission A Sustainable Europe
for a Better World: A European Union Strategy for Sustainable Development. EC.
Európska komisia. (2019). Európsky ekologický dohovor. Brusel: European Commission.
Eurostat. (13. September 2022). Eurostat. Dostupné na Internete: Hlavné spotrebné
výdavky podľa COICOP (v PPS):
144
Použitá literatúra
http://appsso.eurostat.ec.europa.eu/nui/show.do?dataset=hbs_exp_t121&lang=
en
Feather, N. T. (1994). Values and Culture. Psychology and Culture, 183-190.
Fendek, M., Fendeková, E. (2008). Mikroekonomická analýza. Bratislava: Iura Edition.
Fendeková, E., Fendek, M. (2018). Mikroekonómia Oligopoly a regulované monopoly.
Bratislava: Wolters Kluwer.
Feng, Y., Gallego, G. (2000). Perishable asset revenue Management with Markovian
Time Depent Demand Intensities. Management science(46), s. 454-475.
Fenn, J., Raskino, M. (2011). Understanding Gartner´s Hype Cycles, 2011. Research,
Gartner.
Finame, A. (18. 6 2013). SME Guide-Eco-innovate: a guide to eco-innovation for SMEs
and business coaches. EG Magazine(11).
Flight, R. L.-M. (2011). A study of perceived innovation characteristics across cultures
and stage of diffusion. Journal of Marketing Theory and Practice, 109–125.
Fourt, L., Woodlock, J. (1971). Early Prediction of Market Success of New Grocery
Products. Journal of Marketing, 25, pp 31 - 38.
Fourth, L., Woodlock, J. (1960). Early Prediction of Market success of New Grocery
Products. Journal of Marketing(25), s. 31-38.
Gabor, A., Granger, C W. J. (1964). Price Sensitivity of the Consumer. Journal of
Advertising Research, 4(4), s. 40-44.
Gabor, A., Granger, C. W. J. (1973). A systematic aproach to effective pricing. In L. W.
Rodger, Marketing Concepts and Strategies in the Next Decade (s. 171-194). Londýn:
Cassell.
Gabor, A., Grenger, C. W. J. (1977). Pricing: Principles and practices. Londín: Heinemann
Educational.
Gehrt, K. C. (2003). Situational Segmentation in the International Market Place: The
Japanese Snack Market. International Marketing Review, 180-194.
Gerhart, B. e. (2005). National Culture and Human Resource Management:
Assumptions and Evidence. International Journal of Human Resource Management,
971–986.
Geroimenko, V. (2014). Augmented reality art: from an emerging technology to a novel
creative medium. New York: Springer Berlin Heidelberg.
Golder, P. N., Tellis, G. J. (1997). Will it Ever Fly? Modelling the Takeoff of Really New
Conumer Durables. Marketing Science, 16, pp 256 - 270.
Greate place to work. (1. 9 2018). greatplacetowork.com. Cit. 20. 1 2019. Dostupné na
Internete: greatplacetowork: https://www.greatplacetowork.com/about-us
145
Použitá literatúra
146
Použitá literatúra
147
Použitá literatúra
148
Použitá literatúra
149
Použitá literatúra
O´Dwyer, M., Gilmore, A., Carson, D. (2009). Innovative marketing in SMEs. European
Journal of Marketing, 43(1/2), s. 46-61.
O´Hare, J. A. (2014). Eco-innovation manual, working paper for pilot application. United
Nations Environment Programme.
O´Hare, J. A., McAloone, T. C. (2014). Eco-innovation: The opportunities for
engineering design research. s. 1631-1640.
OECD. (5 2011). Towards green growth: A summary for policy makers.
OECD, Indicators. (2011). Towards geen growth monitoring progress. New York: OECD.
Ostlund, L. E. (1974). Perceived Innovation Attributes as Predictors of Innovativeness.
In Journal of Consumer Research , 23–29.
Ozga, S. (1962). Imperfect markets Through Lack of Knowledge. Quarterly Journal of
Economics(74), s. 29-52.
Palšová, L., Bandlerová, A., Melišková, I., Schwarcz, P. (2017). Agricultural Land
Protection–the Case of Slovakia. Management, Enterprise and Benchmarking in the
21st Century, s. 29-311.
Peres, R., Muller, E., Mahajan, V. (2010). Innovation diffusion and new product growth
models: A critical review and research directions. International Journal of
Research in Marketing, 27, pp 91 - 106.
Perloff, J. F. (2004). Microeconomics (3. vyd.). New York: Pearson publishing.
Peterson, M. e. (2000). Country Segmentation Based on Objective Quality-of-Life
Measures. In International Marketing Review, Vol. 17. ISSN 0265-1335. s. 56 – 73,
56-73.
Pope, A. (1711). An Essay on Criticism. London: Scholar Press.
Putsis, W. P. (1996). Temporal Aggregation in Diffusion Models of First-Time
Purchase: Does Choice of Frequency Matter? Technological Forecasting and Social
Change, 5(1), pp 265 - 279.
Putsis, W. P., Srinivasan, V. (2000). Estimation techniques for macro diffusion models.
In V. M. Mahajan, New product diffusion models (s. pp 263 - 291). Boston: Kluwer
Academic.
Rangaswamy, A., Lilien, G. L. (1997). Software tools for new product development.
Journal of Marketing Research, 34(1), pp 177 - 184.
Rennings, K. (1998). Towards a theory and policy of eco-innovation-Neoclassical and
(Co-) Evolutionary Perspectives. ZEW Discussion Papers(98-24).
Robertson, T. S. (Január 1967). The process of innovation and the diffusion of
innovation. Journal of Marketing, pp 14 - 19.
150
Použitá literatúra
Robinson, B., Lakhani, C. (1975). Dynamic Priece Models for New Product Planning.
Management science(21), s. 1113-1122.
Rogers, E. M. (1980). Diffusion of Personal Computers. Palo Alto, CA: Institute for
Communication Research Report, Stanford University.
Rogers, E. M. (1983). Diffusion of Innovations (Zv. 3rd edition). Now York: The Free
Press.
Rogers, E. M. (2003). Diffusion of Innovations (5th edition. vyd.). New York: The Free
Press.
Romančíková, E. (2011). Ekonómia a životné prostredie. Bratislava: Iura Edition.
Rozšírená realita. (8. 7 2017). Dostupné na Internete: Katedra priemyselného
inžinierstva, Žilinská univerzita:
http://www.priemyselneinzinierstvo.sk/?page_id=1579
Rybárová, D. G. (2010). Podnikateľské riziko. Bratislava: Iura Edition.
SAPPO. (2019). Výročná správa. Bratislava: Slovenská asociácia petrolejárskeho
priemyslu a obchodu.
SBA. (18. 6 2018). Analýza využívania eko-inovácií a obehovej ekonomiky v prostredí MSP.
Slovak Business Agency. Slovak Business Agency. Dostupné na Internete:
www.sbagency.sk:
http://www.sbagency.sk/sites/default/files/7_analyza_vyuzivania_eko-
inovacii_a_prvkov_obehovej_ekonomiky_v_prostredi_msp.pdf
Sherif, M. (1935). A study of some social factors in perceptions. Archives of Psychology.
Shih, H. P. (2008). Continued use of a Chinesee online portal: an empirical study.
Behaviour and Information Technology, 27, pp 201 - 209.
Schiffman, L. G., Kanuk, L. L., Hansen, H. (2008). Consumer behaviour: A European
Outlook. Essex: Pearson Education Limited.
Schiffman, L., O´Cass, A., Paladino, A., Carlson, J. (2013). Consumer Behaviour. Frenchs
Forest: Pearson Australia.
Schmittlein, D. C., Mahajan, V. (1982). Maximum Likelihood Estimation for an
Innovation Diffusion Model of New Product Acceptance. Marketing Science, 1,
pp 57 - 78.
Slavíková, L., Vejchodská, E., Slavík, J., Vojáček, O., Louda, J. (2012). Ekonomie životního
prostředí - teorie a politika. Praha: Alfa.
Sobocká, J., Takáč, J., Bezák, P., Barančíková, G. (2018). Význam dopadu klimatickej
zmeny na pôdu vo svetle nových globálnych výziev. Vedecké práce Výskumného
ústavu pôdoznalectva a ochrany pôdy, 79-99. Národné poľnohospodárske a
potravinárske centrum.
151
Použitá literatúra
Souiden, N. (2002). Segmenting the Arab Markets on the Basis of Marketing Stimuli.
International Marketing Review, 611-636.
Spišáková, E. (2008a). Inovačná aktivita podnikov SR. Transfer inovácií(11), s. 219-221.
Spišáková, E. (2008b). Typy inovácií a ich zavádzanie v podnikoch SR. Transfer inovácií,
11(10), s. 222-225.
Spojené národy. (2015). Transforming our world: the 2030 Agenda for Sustainable
Development. United Nations.
Srinivasan, V., Mason, Ch. H. (1986). Nonlinear Least Squares Estimation of New
Product Diffusion Models. Marketing Science, 5(2), pp 169 - 178.
Steenkamp, E. M. (2002). International Market Segmentation: Issues and Perspectives.
International Journal of Research in Marketing, 185-213.
Storeman, P. (1981). Intra-firm Diffusion, Bayesian Learning and profitability.
Economic Journal, 91, pp 375 - 388.
Sultan, F., Farley, J. U., Lehmann, D. R. (1990). A Meta-analysis of diffusion models.
Journal of Marketing Research, 27, pp 70 - 77.
Survey, W. V. (20. August 2022). World Values Survey. Dostupné na Internete: Data &
Documentation: https://www.worldvaluessurvey.org/WVSContents.jsp
Šálta, J., Trenčiansky, M., Bahula, P., Balážová, E. (2008). Ekonómia životného prostredia.
Zvolen: TUZVO.
ŠTETKA, P. (2013). Interkulturálne prístupy k marketingu na globálnych trhoch : dizertačná
práca. Bratislava: Fakulta podnikového manažmentu Ekonomickej univerzity v
Bratislave.
Štetka, P. (2014). Profilovanie individualistického a kolektivistického socio-kultúrneho
segmentu. Aktuálne problémy podnikovej sféry (s. 478–483). Bratislava:
Vydavateľstvo Ekonóm.
Štetka, P. M. (2014). Referenčný rámec spotrebiteľa naprieč kultúrami. Bratislava:
Vydavateľstvo Ekonóm.
Štetka, P. R. (2014). Vnímané riziko a nákupná konformita. Business trends 2014 (s. 1-
7). Plzeň : Západočeská univerzita v Plzni.
Štetka, P., Grisáková, N., Hrušovská, D., Kintler, J. (2018). Faktory difúzie produktovej
inovácie. Praha: Wolters Kluwer ČR.
Tai, S. H. (1997). A Lifestyle Analysis of Female Consumers in Greater China.
Psychology and Marketing, 287-307.
Tanakinjal, G. H., Deans, K. R., Gray, B. J. (2010). Third screen communication and the
adoption of mobile marketing: A Malaysia perspective. International Journal of
Marketing Studies, 2, pp 36 - 47.
152
Použitá literatúra
Teng, J. T., Thompson, G. L. (1983). Oligopoly Models for Optimal Advertising when
Production Cost Obey a Learning Curve. Management Science(29), s. 1087-1101.
Tomek, G., Vávrová, V. (2001). Řízení výroby. Praha: Grada.
Triandis, H. C. (1995). Individualism and Collectivism. New York: Westview Press,.
TRIANDIS, H. C. (1995). Individualism and Collectivism. New York: Westview Press.
Trompenaars, F. H.-T. (1998). Riding the waves of culture: Understanding cultural diversity
in business. London: Nicholas Brealey Publishing.
Turnovec, F. (1992). Úvod do mikroekonomickej teórie. Bratislava: Edičné stredisko EU.
UNEP. (2011). Towards a green economy: Pathways to sustainable development and
poverty eradication. Nairobi, Kenya: UNEP.
UNEP. (2012). Report of the United Nations Conference on Sustainable Development. Rio de
Janeiro: UNEP.
Usinier, J. C. (2009). Marketing Across Cultures. Harlow: Pearson Education.
Van den Bulte, Ch. (2000). New Product Diffusion Accleration: Measurement and
Analysis. Marketing Science, 19, pp 366 - 380.
Van den Bulte, Ch., Lilien, G. L. (1997). Bias and Systematic Change in the Parameter
Estimates of Macro-level Diffusion Models. Marketing Science, 16(4), pp 338 -
354.
Van den Bulte, Ch., Stremersch, S. (2004). Social Contagion and Income Heterogenity
in New Product Diffusion: a Meta-analytic Test. Marketing Science, 23.
Varian, H. L. (2010). Intermediate Microeconomics A Modern Approach (9. vyd.). New
York: W. W. Norton & Company.
Verhage, B. J. (1989). Will a Global Strategy Work? An Energy Conservation
Perspective. Journal of the Academy of Marketing Science, 129-136.
Veryzer, R. W. (1998). Key Factors Affecting Customer Evaluation of Discontinuous
New Products. Journal of Product Innovation Management, 136–150.
Vidale, M. L., Wolfe, H. B. (1957). An Operation Research Study of Sales Response to
Advertising. Operational Research(5), s. 370-381.
Vojáček, A. (2012). Kvantový počítač - pricnip, funkce, možné použití. Cit. 2017. Dostupné
na Internete: www.hw.cz: http://vyvoj.hw.cz/teorie-a-praxe/trendy/kvantovy-
pocitac-princip-funkce-mozne-pouziti.html
Ward, J. (1963). Hierarchical grouping to optimize an objective function. Journal of the
American Statistical Association, 236–244.
Wedel, M. a. (2000). Market Segmentation: Conceptual and Methodological Foundations, 2nd
ed. Boston, Massachusetts: Kluwer Academic Press.
153
Použitá literatúra
Woodie, A. (26. 8 2015). Why Gartner dropped Big Data Off the Hype Curve. Cit. 8. 7 2017.
Dostupné na Internete: datanami.com:
https://www.datanami.com/2015/08/26/why-gartner-dropped-big-data-off-
the-hype-curve/
Yavas, U. e. (1992). Global Consumer Segmentation Versus Local Market Orientation:
Empirical Findings. Management International Review, 265-273.
154
Název: HODNOTOVÝ ROZMER EKOINOVAČNEJ STRATÉGIE PODNIKU
Rozsah: 154 s.
Náklad: 100 ks
ISBN 978-80-7556-115-2