論文の概要: Diffusion of Innovation In Competitive Markets-A Study on the Global Smartphone Diffusion

• arxiv url: http://arxiv.org/abs/2103.07707v1
• Date: Sat, 13 Mar 2021 12:26:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-08 06:32:20.256305
• Title: Diffusion of Innovation In Competitive Markets-A Study on the Global Smartphone Diffusion
• Title（参考訳）: 競争市場におけるイノベーションの拡散-グローバルスマートフォン拡散に関する研究
• Authors: Semra Gunduc
• Abstract要約: 目的は、2つの競合する製品のイノベーションの拡散を研究することである。 グローバルなスマートフォンOSの販売は、その例に挙げられる。 人的相互作用の影響は拡散過程において支配的な役割を担っていることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In this work, the aim is to study the diffusion of innovation of two competing products. The main focus has been to understand the effects of the competitive dynamic market on the diffusion of innovation. The global smartphone operating system sales are chosen as an example. The availability of the sales and the number of users data, as well as the predictions for the future number of users, make the smartphone diffusion a new laboratory to test the innovation of diffusion models for the competitive markets. In this work, the Bass model and its extensions which incorporate the competition between the brands are used. The diffusion of smartphones can be considered on two levels: the product level and the brand level. The diffusion of the smartphone as a category is studied by using the Bass equation (category-level diffusion). The diffusion of each competing operating system (iOS and Android) are considered as the competition of the brands, and it is studied in the context of competitive market models (product-level diffusion). It is shown that the effects of personal interactions play the dominant role in the diffusion process. Moreover, the volume of near future sales can be predicted by introducing appropriate dynamic market potential which helps to extrapolate the model results for the future.
• Abstract（参考訳）: 本研究の目的は、2つの競合する製品のイノベーションの拡散を研究することである。 主な焦点は、競争力のあるダイナミック市場がイノベーションの拡散に与える影響を理解することである。 グローバルなスマートフォンOSの販売は、その例に挙げられる。 販売数とユーザ数、および将来のユーザ数を予測することで、スマートフォン拡散は、競争市場における拡散モデルの革新をテストするための新しい実験室となる。 この作品では、ブランド間の競争を組み込んだベースモデルとその拡張が使用されている。 スマートフォンの普及は製品レベルとブランドレベルという2つのレベルで考慮することができる。 スマートフォンのカテゴリとしての拡散をバス方程式(カテゴリレベルの拡散)を用いて研究する。 競合するオペレーティングシステム(iOSとAndroid)の拡散はブランドの競合と見なされ、競合する市場モデル(製品レベルの拡散)の文脈で研究される。 人的相互作用の影響は拡散過程において支配的な役割を担っていることが示されている。 さらに、将来のモデル結果の推測に役立つ適切な動的市場ポテンシャルを導入することで、近い将来の販売量を予測することができる。

関連論文リスト

• Diffusion Models in Low-Level Vision: A Survey [82.77962165415153]
  拡散モデルに基づくソリューションは、優れた品質と多様性のサンプルを作成する能力で広く称賛されている。 本稿では,3つの一般化拡散モデリングフレームワークを提案し,それらと他の深層生成モデルとの相関関係について検討する。 医療、リモートセンシング、ビデオシナリオなど、他のタスクに適用された拡張拡散モデルについて要約する。
  論文  参考訳（メタデータ） (2024-06-17T01:49:27Z)
• A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
  我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。 本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
  論文  参考訳（メタデータ） (2024-05-03T20:45:00Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• CompeteAI: Understanding the Competition Dynamics in Large Language Model-based Agents [43.46476421809271]
  大規模言語モデル(LLM)は、様々なタスクを完了させるエージェントとして広く使われている。 本稿ではエージェント間の競合を研究するための一般的な枠組みを提案する。 そして、GPT-4を用いて仮想街をシミュレートする現実的な競争環境を構築する。
  論文  参考訳（メタデータ） (2023-10-26T16:06:20Z)
• Improved Bayes Risk Can Yield Reduced Social Welfare Under Competition [99.7047087527422]
  本研究は,機械学習のスケーリングトレンドの振る舞いを根本的に変化させることを実証する。 データ表現品質の改善により、ユーザ間での全体的な予測精度が低下する、多くの設定が見つかる。 概念レベルでは,各モデルプロジェクタのスケーリング傾向が,社会福祉の下流改善に寄与する必要はないことが示唆された。
  論文  参考訳（メタデータ） (2023-06-26T13:06:34Z)
• Are Diffusion Models Vision-And-Language Reasoners? [30.579483430697803]
  我々は、DiffusionITMと呼ばれる新しい手法を用いて、任意の画像テキストマッチング(ITM)タスクに対する拡散ベースモデルを変換する。 GDBench(Generative-Discriminative Evaluation Benchmark)ベンチマークを7つの複雑な視覚・言語タスク、バイアス評価、詳細な分析で導入する。 安定拡散+拡散ITMは多くのタスクで競争力があり、CLIPよりもCLEVRやWinogroundのようなコンポジションタスクで優れています。
  論文  参考訳（メタデータ） (2023-05-25T18:02:22Z)
• Your Diffusion Model is Secretly a Zero-Shot Classifier [90.40799216880342]
  大規模テキスト・画像拡散モデルからの密度推定をゼロショット分類に活用できることを示す。 分類に対する我々の生成的アプローチは、様々なベンチマークで強い結果が得られる。 我々の結果は、下流タスクにおける差別的モデルよりも生成的な利用に向けての一歩である。
  論文  参考訳（メタデータ） (2023-03-28T17:59:56Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• Modeling opinion leader's role in the diffusion of innovation [0.0]
  我々は、イノベーションの拡散過程における世論指導者の役割をエージェントベースモデリングのために設計された、より表現力豊かなプラットフォームGAMAに翻訳する。 我々は,将来,社会科学の分野でモデルを作成する際に,選択したプラットフォームの新機能を活用することが,シミュレーション結果の説明力に有益であることを示す。
  論文  参考訳（メタデータ） (2021-01-27T08:37:32Z)
• Competing Bandits: The Perils of Exploration Under Competition [99.68537519404727]
  オンラインプラットフォーム上での探索と競争の相互作用について検討する。 私たちは、スタークコンペティションが企業に対して、低福祉につながる「欲張り」バンディットアルゴリズムにコミットするよう促すことに気付きました。 競争を弱めるための2つのチャンネルについて検討する。
  論文  参考訳（メタデータ） (2020-07-20T14:19:08Z)
• How context impacts on media choice [0.0]
  モバイルワークの関連性は着実に増加している。 現在のモバイルデバイスと関連するモバイルネットワークは、高い成熟度に達している。 モバイル・ナレッジ・ワーカーのコミュニケーション・チャンネルの選択はどのような影響を及ぼすか?
  論文  参考訳（メタデータ） (2020-04-18T09:45:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。