Существует теория, определяющая оптимальный поиск наименьшей цены в условиях ценовой дисперсии, изучающая покупателей и продавцов до совершения сделки в микроэкономике. Теория поиска впервые (вроде бы) была предложена в 1961 году Джорджем Стиглером.
В принципе модель вполне работоспособная, но на удивление мало где применяется. Прошло 60 лет, но ни в одной программе, ни в одном сервисе, ни в одной инструкции этой модели нет. Почему?
Первый ответ, кроется в том, что она интересна потребителю в первую очередь, а интересы потребителя лежат на противоположной стороне от интересов продавца (кроме, пожалуй, продавца лучшего продукта, но их меньшинство и они часто ротируются).
Второй ответ, это допущения модели делают её не очень адекватной реальной жизни, посмотрим:
- покупатель знает, каким образом распределены цены (знает, сколько вариантов цен на рынке), но не знает, к какому типу принадлежит каждый отдельный магазин (не знает, какая цена установлена в данном магазине).
Реальный покупатель плохо представляет себе вообще, что такое распределение, в лучшем случае он догадывается что оно должно быть близко к нормальному.
- покупатель осуществляет последовательный поиск. Последовательный поиск — это, когда покупатель, заходя в магазин, видит цену, приобретает или продолжает поиск наилучшей цены, затратив на это некоторое количество средств
Да, редко кто может искать сразу в нескольких местах одновременно. Исключения – современные агрегаторы помогающие как-то сортировать и фильтровать сразу несколько предложений.
- покупатель полагает, что количество магазинов каждого типа неограниченно;
Нет такого в природе. В большинстве случаев количество магазинов ограничено. Но опять же в большинстве случаев и время покупателя ограничено. Так, что да допущение (кроме узких отраслей) рабочее.
- расходы на каждый последующий поиск не меняются при последовательном поиске магазинов.
Расходы меняются. Вначале поиска расходы особенно большие, так как потребитель сам для себя определяет большинство параметров необходимых ему. Далее, расходы могут снижаться (если параметры определены четко с самого начала) или повышаться. Если выявляются новые параметры и нужно производить переоценку ранее отсмотренных объектов. Для численного решения, нужно собрать большой объём статистического материала.
Именно поэтому и нужны такие сервисы как чейсер, чтобы накопить статистику по методам выбора и уточнить существующую теорию поиска.
Russian
Arabic
Chinese (Simplified)
Dutch
English
French
German
Italian
Portuguese
Spanish