Von der “old” zur “new” EconomyWolfgang H. JankoInstitut für InformationswirtschaftWirtschaftsuniversität Wien

Folie 2

Elektronische Märkte

Käufer

Verkäufer

Suche Bewertung Logistik Bezahlung Authentisierung

Elekt. MärkteDienstleistungen

Folie 3

Funktionen elektronischer Märkte:

• Zusammenführung von Käufer und Verkäufer

• Erleichterung kommerzieller Transaktionen

• Bereitstellung der gesetzlichen Infrastruktur

REGIERUNGEN UNTERNEHMEN INDIV. KUNDENBÜRGER

BETEILIGTE

Folie 4

FORMEN

B2B TRANSAKTIONEN MIT ANDEREN UNTERNEHMEN(VAN,EDI ,Frameworks( z.Zeit: eCo, eBiz,OBI,cXML)

B2C e-tailers, e-services (online financial services etc.)

C2C Primär WEB-based Auktionen( zB Ebay), e-tailers

G2B „Goverment to Business“

G2C „Goverment to Citizen“

(große Unterschiede: z.Bsp. Automobil-B2B und B2C digitaler Güter)

Folie 5

B2B Marktplatz

Käufer Verkäufer

Aggregierer

Auktionen

Hubs

ContentAllianz

Folie 6

Inhalte:

• Aggregator: Eine Gesellschaft aggregiert Käufer um eine virtuelle Einkaufseinheit zu bilden (analog Verkäufer - virt. Distributor) Bsp.: Totaler Bürobeschaffungsservice

• Hubs od Prozess-Integratoren: Vertikale Hubs f. Branchen bzw. vertikale Integration und funktionale Hubs f.horizontale Märkte (Projektmanagement, MRO [maintenance, repair and operating], Beschaffung)

Folie 7

Inhalte:

• Allianz:Gemeinschaften schaffen Wissen mit Mehrwert wie OpenSource,MP3,Linux,Napster-Typ (P2P!!)

• Content: Endprodukt dieses Modells ist „Content“: Unternehmen die Suchaufträge erledigen, Marktanalysen vornehmen u.a.m.

• Auktionen: Viele Varianten in Supply-Chain und Beschaffungssystemen (zB Bundle-, Vickrey-, English-, Dutch-Options)

Folie 8

Referenzmodell des eBusiness

Business Modell

Funktionelles Modell

KundenModell

RessourcenModell

Navigat. Struktur und

Funktionen

Muster des

Kundenverhaltens

Site Architekturund

Leistungs-anforderungen

Charakteristik des Geschäftszweiges

Unternehmens-sicht

Technolog. Sicht

Externe Metriken

Interne Metriken

Folie 9

Business und funktionale Modelle

• Online Retailer und Online Auktionen

• Content Portale

• Distributoren (B2B)

• Dienstleistung

• elektr. Verlagswesen

• Funktionale Modelle werden mit Systemanalysetechniken gebildet (ER-Diagramme, Data Flow-Graphen etc.)

Folie 10

Kunden- und Ressourcenmodelle

• Kundenverhaltensmodellgraphen

• Kundenbesuchsmodell

• Übergangswahrscheinlichkeitsmatrizen

• TPC-W Benchmarks

• Forecasting Modelle

• IT-Infrastrukturplanung

Folie 11

Bestimmend für Zeitverhalten von eBusiness-Anwendungen

• Sicherheitslevel (SSL [TLS=Transport Layer Security], SET [=Secure Electronic Transactions]) und darin verwendete Algorithmen

• Hardware (Kryptokarten). Plattenzugriffe

• Kundenverhalten(vs HTTP-logs und Clickstreamanalyse[z.B. vs Cookies])

• Hardware Architektur (z.B. 3-Layer)

Folie 12

Geschäftsmodelle des e-Business

• Definition des Geschäftsmodells: Architektur für Produkte,

Dienstleistungen und Informationsflüsse (inkl. Geschäftspartner, ihre

Rollen, Einkommensquellen)

• Populäre Einkommensquelle: Gebühren für Werbung,Verkauf von

Gütern und Dienstleistungen, Verkauf digitalen Contents, Gebühren

für die Transaktionverarbeitung zwischen Partnern am Web.

Folie 13

Wichtigste elektronische Geschäftsmodelle:

• Online Einzelhandel

• Online Auktion (Intermediäre); reduzierte Suchkosten, weltweite

Kommunikations-Infrastruktur, Verfügbarkeit von Suchmaschinen und

Vertretung des WWW-Standard-Protokolls mit Hypermedia-Darstellungen.

• Content-Portale

• Dienstleistungen (insb. B2C): Reisen, Bankleistungen, Finanzierung und

Versicherung für 24h pro 7 Tage.

• Veröffentlichung: Zeitungen, Surveys und Berichte, Enzyklopädien

• Distribution: B2B offene Komponenten und Produktionsanlagen

Folie 14

Wie schaffe ich ein Geschäftsmodell im e-

Business?

Check-Fragen:

1) Was ist Ziel und Zweck des Geschäftes?

2) Was sind die eigentlichen Geschäftsziele?

3) Welche meßbaren Kriterien ziehe ich zur Messung der Erfüllung heran?

4) Soll der elektronische Markt offen oder für Gruppen beschränkt sein?

5) Wie groß ist der potentielle Markt?

6) Welchen Geschäftspolitiken folgen die Teilnehmer?

7) Wie groß ist dieser Markt in Teilnehmern?

8) Welche Einkommensströme erschließe ich?

9) Welche Mehrwertdienste, die man den Kunden anbietet sind als kritische Erfolgsfaktoren zu

verstehen?

Folie 15

Funktionales Modell:

• Beschreibung des Handelsprozesses der Dienste für Kunden einer e-Business-Company bereitstellen (Top-down-Analyse)

• Techniken der Darstellung: Prozessflussmodelle, hierarchische Activity-Modelle, log. Datenflußdiagramme, ER-Modelle

Folie 16

Funktionales Modell:

• Rahmen zur Analyse der navigationalen Struktur der Site und damit der möglichen Pfade, die Kunden in Hypertext nehmen können.

Folie 17

Beispiel: Online - Auktionssite

1) Wir verlangen keine Gebühren, weder für die Durchsicht der Site noch für Bieter und

Käufer von Posten

2) Verkäufer zahlen eine Gebühr für

die Leistung und

den Verkauf von Posten

3) Verfügbarkeit: 24h / 7 Tg; geringe Responsezeit

4) Quantifizierung des Geschäftsmodells:

ca. 1.500 Postenkategorien

Zugang: ca. 150.000 Posten pro Tag

Auktionen pro Tag: 50.000

Anzahl reg. Benützer: 2,5 Mio.

Anzahl der Seiten-Besuche pro Tag: 7,2 Mio.

5) Bietprozess: Dutch-Auktion (Preis wird hoch begonnen und in Zeitintervallen gesenkt

bis Verkauf oder Minimum)

Folie 18

Registrierung vonKäufer und Verkäufer

Aufsetzen einer Auktion

Scheduling undWerbung

Bietprozeß

Bieter-Evoluationen undAuktionsschluss

Handels-Durchführung

Funktionales Modell der Online Auktion

Besuchshäufigkeit und Kundennavigationsmodell sind die Basis derRessourcenverbrauchsberechnungsmodelle: Wahload-Modell

Performance-Modell

Folie 19

Quality of Service:

• Beispiele: Quotient für Besuche in Spitzenzeit:Durchschnitt = 10:1

• Frage des Managements: Was kostet eine Multimediadarstellung des

Produktes?

• Antwort: Besucherhäufigkeit 7,2 Mio. / Tg

• Aus Navigationsstatistik: 3 von 10 Besuchern besuchen Knopf: „Zeige

Produktbeschreibung“

• 7,2 Mio./24 = 300.000 Seiten/h

• Faktor 10 zur Spitzenzeit: 3 Mio. Seiten/h

• Jeder 3. Request = Produktdisplay: 3 Mio. x 0,3 = 0,9 Mio.

• Bandbreitenerhöhung: Anzahl der Produktdisplays x

Seitenvolumenszunahme = 0,9 Mio. x 100.000 Bytes = 90 MByte/h = 25 K

Byte / Sek = 200 KBps

Folie 20

Quantitativer Analysezyklus einer e-Business Site

Bus. Models & messbare Ziele

E-Bus Site Architektur

Vorhersage der E-Bus Site

Vorhersage der Workload-Entwick-

lung

Ermittle Perfor-mance Parameters

EntwicklePerformance Modell

Charakt.Site Workload

Charakt.Kundenverhalten

Messen von E-Bus Site

1

2

3

4

5

6

7

8

Folie 21

1) Wieviel Schichten? Welche Leistung der Verbindungen?

(HTTP, DB, Authentisierung)

Welche Software? - W 2000, Linux, Free BSD

- DBM Syst

- Trans.Mon.

- HTTP Server Software

2) Measuring performance from different points in site?

(Download times, visits per day, Site-Ertrag p/Sek, Max. Belastung, Kauf-

Charakteristiken)

3) Verstehen des Kundenverhaltens?

Wie navigiert der Kunde mit der Site? (Navigation und Kundentyp)

4) Workload Eigenschaft

Online Shoppen: Browse, Search, Select, Add2Cart, User reg., Pay

5) Quant. Techniken + analyt. Methoden sagen (Warteschlange etc.) Performance voraus!

6) Erhebung der Input-Parameter

7) Forecast: Tageszeiten, Jahreszeiten etc.

8) Mögliche Alternative; Architekturen und Auswahl der geeignetsten

Folie 22

Kundenverhaltensmodelle:

Kunden-modelle

Ressourcen-Modell

Workload-Modell

Was – wenn Fragen über Konsequenzen des Kundenverhaltens

Was – wenn Fragen bezüglich Workload, Architektur, Konfigurationswechsel

Metriken:Ertrag/Sek

Responsezeit,

Durchsatz

Folie 23

Kundenverhaltensmodellgraph (KVMG)

Beispiel eines virtuellen CD-Einzelhandels

Browse

Zahle

AuswahlHinzufügen

zu Cart

Registrie-rung

Login

Suche

Homeseite(URL)

Entry

Exit-Zustand

Folie 24

Zustände:

Home (URL-Seite)

Suche (nach einer Suchabfrage)

Browse (Bestseller Link, Promotions Link)

Auswahl (Suche gibt 0 bis „einige“ Bücher zurück; Link gibt

„Auswahl“)

Login

Registrierung (Kontoeröffnung)

Hinzufügen zu Cart

Zahle

Exit (immer möglich)

Folie 25

Kundenbesuch: 40 Auswahl

16 Suche

20 Browse

4 Hinzufügen zu Cart

2 Exit

KVMG mit Übergangshäufigkeiten:

Browse

Hinzu zu Cart

Suche

Auswahl

0,50

0,10

0,40

0,05

Unterschiedliche Nutzer haben unterschiedliche Graphen!

Folie 26

CustVisitMod-Übergangsmatrix

Ein Ho Br Su Log Za Reg Hi Ausw XEintritt 0 0,7 0,15 0,15 0 0 0 0 0 0Heimseite 0 0 0,3 0,3 0 0 0,1 0 0 0,2Browse 0 0,2 0,25 0,25 0 0 0 0 0,2 0,1Suche 0 0,2 0,25 0,25 0 0 0 0 0,2 0,1Log 0 0,6 0,3 0 0 0 0 0 0 0,1Zahle 0 0 0 0 0 0 0 0 0 1Reg. 0 0,5 0 0 0,4 0 0 0 0 0,1Hinzuf. 0 0 0,2 0,2 0,05 0,3 0,3 0,05 0,1 0,05Auswahl 0 0 0,35 0,35 0 0 0 0,2 0 0,1

Menge von n „Zuständen“ V

Menge von Übergängen α i j mit Übergangshäufigkeit

Resultat n x n Matrix: X ist Suche, Ein ist Quelle

Folie 27

Kundenorientierte Sicht der E-Bus Site

KVMG

Typ 1

KVMG

Typ 2

KVMG

Typ 3

Sitzung

E-Bus-Funktion

Login Register Browse Suche Auswahl HinzuzuCart

Zahle

E-Bus Server Infrastruktur(Prozessoren, Platten, Netzwerke, Routen)

Folie 28

Workload Charakterisierung der Site

1) Bestimme Funktionen für Kunden, jede Funktion ein Zustand (Funktionen

teilweise Site-abhängig)

2) Verfeinere Funktionsmenge nach Ressourcenkonsum (z.B. Trading: Trade

Stock, Mut.Funds, Bonds wenn unterschiedlicher Ressourcenverbrauch

oder bei Multimedia-Vertrieb Download:

- Text

- Audio

- Video

3) Bestimme mögliche Übergänge zwischen Zuständen

Folie 29

Besuchsmetriken

• Hits/Sek: Anzahl der Requests für Objekte pro Sek. (ungenau: 1 Seite +

viele Objekte)

• Page Views /Tag: (z.B. Banner Comp.)

• Click-throughs: %satz die nicht nur Ad sehen, sondern darauf „klicken“

(oft sehr verfälscht)

• Unterschiedl. Besucher/Zeiteinheit: I. G. z. wiederholten Besuchern sind

unterschiedl. Besucher interessant

• Ertragsdurchsatz: GE/Zeiteinheit

• Potentieller Verlustdurchsatz: Volumen an Verkaufswert von Kunden, die

bei vollem Cart die Site ohne zu zahlen verlassen.

Folie 30

Kundenbesuchsmodell

Vektor, der angibt, wie oft jede Business-Funktion pro Besuch in Anspruch genommen wurde.

Sitzung 1

Sitzung 2

..Sitzung n

Home 2 2 .. Browse 3 9 .. Search 6 4 .. Login 0 1 .. Zahle 0 1 .. Reg. 0 0 ..

Hinzu zu Cart

0 1 ..

Auswahl 1 4 ..

Bsp:

Folie 31

Kundenverhaltensmodellgraph

Folie 32

E-Bus Site Sicht von Kundenseite

Folie 33

Geschäftsmodell-elemente in e-Business

Folie 34

Kundenbesuchsmodell-Kennzahlen

Folie 35

Sitzungscharakterisierung mit KBM

Folie 36

Cookies zu Sessiondokumentation

Unterbrechungszeit bestimmt Ende zur nächsten Sitzung

Folie 37

Kunden- und objektorient. C/S-Interaktion

Folie 38

Multilayer-Arch. einer Web-Site

Folie 39

E-Bus.- Funktionen und C/S-Interaktion

Folie 40

Beispiel einer C/S Interaktion

Folie 41

C/S-Interaktionsdiagramm

ServerKunde Kunde

Folie 42

Verfeineung des C/S-Interaktionsdiagrammes

Folie 43

Symetrische Verschlüsselung

Folie 44

Asymetrische Verschlüsselung nach RSA

Folie 45

Zeitbedarf nach Sicherheit und Art

Folie 46

Einfache Verschlüsselung

Folie 47

Digitaler Umschlag

Folie 48

Verschlüsselung

(Kaufmann öffnet 2-fach signierte Message

(ew = e-wallet, pg = payment gateway)

Folie 49

Verschlüsselung von 2-fach gezeichneten Nachrichten

in elektr. Kuverts (SHA= Secure Hash Alg)

Folie 50

Komponenten von e-Bus.-Projekt

Folie 51

Ebenen einer e-Business Applikation

Effizienzkriterien elektronischer Märkte:

• 1) Preishöhe: Sind die Preise im Internet niedriger?

• 2) Preiselastizität: Sind die Kunden im Internet empfindlicher

gegenüber Preisänderungen?

• 3) Preisverteilung (Varianz): Ist zwischen höchstem und

niedrigstem Preis ein kleinerer Unterschied?

• 4) Preisänderungskosten: Werden die Preise im Internet öfter und

in kleineren Höhen geändert als auf anderen Märkten?

Folie 53

Ad 1

A) Hauptgrund der Erwartung effizienterer Märkte im Internet: effizientere Suchmethoden und Suchmediatoren (Reduktion der Informationsassymetrie)

(Ökonom. Theorie: Niederere Suchkosten führen bei homogenen und differenzierten Gütern zu niederen Preisen)

Folie 54

Ad 1

B) Niedere Produktionskosten führen auch zu niederen Preisen.

B1) Niedere Markteintrittskosten durch das Internet und dadurch höhere Konkurrenz, Folge niederer

B2) Niedere Vertriebskosten etc. sollten den Gleichgewichtspreis langfristig reduzieren.

Folie 55

Empirische Beweise

Lee 1997: Auktionsmärkte für Autos 1986-1995 Ergebnis: Preis höher Vermuteter Grund: • Auktionsmärkte

anders als normale Märkte

• Autos waren anders (Preinspection)

Barley (1997) Internet Märkte für Bücher, CD und Software Ergebnis: Preise

höher Vermuteter Grund: • Unreifer Markt Nachweis: Bei Eintritt von Barnes&Nobel. com hat amazon.com die Preise gesenkt.

Brynjolfsson&Smith (1999) Bücher, CD 1998-1999 Ergebnis: 9-16 % niedere Preise im Internet (inkl. Handling, Zustellung, Steuern) Vermutung: Internet-Märkte wurden 1996-1999 zunehmend effizient.

Folie 56

Ad 2

-q‘p/q = ε (p)

Preiselastizität:

• -dq/dp * p/q = ε (p) Prozent der Preisänderung der verkauften Menge pro Prozent der Änderungen im Preis eines Gutes

• ε (p) >1: Eine kleinere Zunahme im Preis reduziert die Erträge (elastisch)

• ε (p) < 1: Eine kleinere Zunahme im Preis erhöht die Erträge (R(q) = qp mit q=q(p))

Folie 57

Ökonomische Theorie:

• Effizientere Märkte - Konsumenten sind sensibler auf Preisänderungen

• Höhere Preiselastizität kann von niederen Suchkosten kommen

Goolsbee 1998

• Sensibilität zur MwSt im Internet: Konsumenten, die sehr MwSt-sensitiv

sind kaufen eher im Internet (vermutlich ohne)

• Degeratu et.al: Online Lebensmittel-Käufer geringere Preissensibilität

Lynch&Ariely (1998):

• Simulierter Weinverkauf zeigt Konzentration auf Preis bei wenig

Information, sonst ‘‘best product-customer fit ‘‘ wichtiger.

Ad. 3

D) Preisunterschiedlichkeit (Streuung).

• Unter idealen Bedingungen (extreme Markteffizienz) ; (Produkte perfekt homogen,

Konsumenten über alle Preise perfekt informiert, freier Marktauftritt, große Anzahl

von Verkäufer + Käufer, Suchkosten Null

• Billigster bekommt alle Kunden, alle Preise gehen zu den Grenzkosten. Da Realität

verschieden, kommt es zu Preisunterschiedlichkeiten. Gründe: Hohe Suchkosten,

Konsumenten über Preise unvollständig informiert.

• Vermutung: Unterschiedlichkeit im Internet geringer

• Empirische Untersuchungen: Barley 1998 u. Brynjolfsson&Smith -

Unterschiedlichkeit im Internet gleich oder höher.

• Clemons et al. (Airline Tickets): Hohe Unterschiedlichkeit (20 %) .

Folie 59

Ad. 4

C) Preis- und Änderungskosten (Neuauszeichnung,

Verwaltungsänderungen)

• Vermutung: Die Kosten sollten niederer sein, da nur DB-

Eintragung zu ändern

Empirische Untersuchung:

• Barley 1998: Internet-Händler haben signifikant mehr

Preisänderungen als konventionelle Einzelhändler.

• Brynjolfsson&Smith 1999: Internet-Händler machen

Preisänderungen, die 100fach kleiner sind als jene im normalem

Handel.

Folie 60

Papers zur Effizienz

von

Online-Märkten

Folie 61

• Bailey, Joseph P. 1998a. Intermediation and Electronic Markets: Aggregation and Pricing in Internet Commerce.Ph.D., Technology, Management and Policy, Massachusetts Institute of Technology, Cambridge, MA.

• Bailey, J. P. 1998b. "Electronic Commerce: Prices and Consumer Issues for Three Products: Books, CompactDiscs, and Software," Organisation for Economic Co-Operation and Development, OCDE/GD(98)4.

• Brynjolfsson, Erik; Smith, Michael. 1999. "Frictionless Commerce? A Comparison of Internet and ConventionalRetailers." Working Paper.

• Clemons, Eric K.; Hann, Il-Horn; Hitt, Lorin M. 1998. "The Nature of Competition in Electronic Markets: AnEmpirical Investigation of Online Travel Agent Offerings." Working Paper, The Wharton School of theUniversity of Pennsylvania, June.

• Degeratu, Alexandru; Rangaswamy, Arvind; Wu, Jianan 1998. "Consumer Choice Behavior in Online and Regular Stores: The Effects of Brand Name, Price, and Other Search Attributes." Presented at Marketing Science and the Internet, INFORM College on Marketing MiniConference. Cambridge, MA. 6-8 March.

• Goolsbee, Austan. 1999. "In A World Without Borders: The Impact of Taxes on Internet Commerce." WorkingPaper, University of Chicago. July.

• Lee, Ho Geun. 1997. Do Electronic Marketplaces Lower the Price of Goods. Communications of the ACM.Volume 41, Number 12 (January).

• Lynch, John G., Jr.; Ariely, Dan. 1998. "Interactive Home Shopping: Effects of Search Cost for Price and Quality Information On Consumer Price Sensitivity, Satisfaction With Merchandise, and Retention." Presentedat Marketing Science and the Internet, INFORM College on Marketing Mini-Conference. Cambridge, MA. 6-8

Folie 62

Zukünftige Forschungsaufgaben:

• Untersuchungen in anderen Produktkategorien

• Effizienzänderungen und zeitl. Entwicklung der Internetmärkte

• Suchverhaltensunterschiede (insb. bei teureren Gütern)

• Untersuchung des Suchverhaltens von Konsument

Folie 63

Gründe für erhöhte Preisstreuung im Internet

• Produktheterogenität

• Einkaufsbequemlichkeit und Einkaufs-“Experience“(Web-Design)

• Wert von neuronalen „Immobilien“ (Pendant zu „Lage,Lage,Lage“)

• Markennamen und Trust des/zu Einzelhaendler/s(online-Communities, Links, unbiased Prod.inf)

• Preis Diskriminierung

Folie 64

Papers

zu erhöhter

Preisstreuung

Folie 65

Adamic, Lada A.; Huberman, Bernardo A. 1999. "The Nature of Markets in the World Wide Web." Proceedings of Computingin Economics and Finance 1999, Meetings of the Society for Computational Economics, June 24-26.

Clemons, Eric K.; Hann, Il-Horn; Hitt, Lorin M. 1998. "The Nature of Competition in Electronic Markets: An EmpiricalInvestigation of Online Travel Agent Offerings." Working Paper, The Wharton School of the University of Pennsylvania, June.

Greenwald, Amy R.; Kephart, Jeffrey O. 1999. "Shopbots and Pricebots." The Proceedings of International Joint Conferenceon Artificial Intelligence 1999.

Kollock, Peter. 1999. "The Production of Trust in Online Markets." to appear in Advances in Group Processes (Vol. 16), Lawler, Macy, Thyne, Walker eds. JAI Press, Greenwich CT.

Mandel, Naomi; Johnson, Eric. 1998. "Constructing Preferences Online: Can Web Pages Change What You Want?" WorkingPaper, University of Pennsylvania.

Menon, Satya; Kahn, Barbara E. 1997. "Cross-Category Effects of stimulation on the shopping experience: An application to Internet shopping." The Wharton School, University of Pennsylvania, Department of Marketing, Working Paper #97-006.

Novak, Thomas P.; Hoffman, Donna L.; Yung, Yiu-Fai. 1998. "Measuring the Flow Construct in Online Environments: A Structural Modeling Approach." Working Paper, May.

Odlyzko, Andrew. 1996. "The bumpy road of electronic commerce." in WebNet 96 World Conference Web Soc. Proc.; H. Maurer, ed., AACE, pp. 378-389.

Ogus, Ayla; de la Maza, Michael; Yuret, Deniz. 1999. "The Economics of Internet Companies." Proceedings of Computing in Economies and Finance 1999, Meetings of the Society for Computational Economics, June 24-26.

Shankar, Venkatesh; Rangaswamy, Arvind; Pusateri, Michael. 1998. "The Impact of Internet Marketing on Price Sensitivityand Price Competition." Presented at Marketing Science und the Internet, INFORM College on Marketing Mini-Conference. Cambridge, MA. 6-8 March.

Urban, Glen L.; Sultan, Fareena; Qualls, William. 1998. "Trust-based Marketing on the Internet." MIT Sloan School of Management Working Paper #4035-98

Folie 66

Informationsgüter

• Digitale Information: Software, Aktienkurse, Musik, Photos, Video-clips, Filme, Elektronische Zeitungen

• Besonderheit: Kopien können (fast) kostenlos verteilt und hergestellt werden. Herstellung hingegen teuer und eher fix.

• Daher: ökonomische Grundregel →Preis=Grenzkosten kaum anwendbar

Folie 67

Internet schafft neue Möglichkeiten der Aggregation und

anderer Preisgestaltung:

• Umpacken durch Bündelung von Gütern

• „Site“ - Lizensierung

• Abonnements

• Verleihung

• Preisdifferenzierung über Attribute wie Auflösung, Geschwindigkeit etc.

• Gebühren pro Benützung (ASP,BSP) u.a.

• Aggregation von Gütern:

• - Softwarebündelung (z.B. MS-Office)

• - Content und Online-Server für fixe Gebühr

• Aggregation über Personen: „Site“-Lizenzen (Mehrere Nutzer für fixe Organisationen)

• Aggregation über die Zeit: Abonnements

Folie 68

Preisdiskriminierung bei digitalen Gütern

• Alle Konsumenten gleiche Wertschätzung v für Gut A → Preis v Konsumenten

können auch unterschiedliche Wertschätzung haben. Beispiel: Elektronisches Buch

kostet € 7,00 in der Produktion, Kopien kosten € 0,00.

• 1) Zwei Käufer A und B: A ist bereit € 5,00 zu zahlen und B € 3,00. Produzent kann

seine Produktionskosten bei keinem Preis bekommen. Nur wenn A zu € 5,00 und B zu

€ 3,00 kaufen kann, bekommt er seine Produktionskosten.

• 2) A zahlt € 8,00 und B zahlt € 3,00. Nur bei Preisdiskriminierung können beide Käufer

kaufen, sonst nur A, denn er könnte ohne Diskriminierung höchstens € 3,00

verlangen, damit beide kaufen.

• 3) A zahlt € 20,00 und B zahlt € 8,00

Kostendeckung: Preis von € 3,50 genügt.

Gewinnmaximierer............: Preis € 20,00

Bei Preisdifferenzierung ist Produzent noch besser dran

Folie 69

Relevante Kosten für Aggregation und Disaggregation:

Formen der Preisdiskriminierung („Pigou“ *)

• a) Preisdiskriminierung des 1.Grades: Verkäufer verlangt von jedem

Konsumenten seinen „Reservation“-Preis

• b) Preisdiskriminierung des 2.Grades: (Rebate differential“Pricing“):

Unterschiedlicher Preis für unterschiedliche Mengenabnahmen (Bsp:

Mengenrabatte)

• c) Preisdiskriminierung 3. Grades: Verschiedene Käufer zahlen

unterschiedliche Preise, aber jeder Käufer zahlt für jede gekaufte Einheit einen

festen Preis.

* A.C. Pigou, The Economics of Welfare, MacMillan , 1920

Folie 70

Methoden der Preisdiskriminierung bei elektronischer

Güter

• 1) Auflösung der Darstellung (300 dpi vs 600 dpi)

• 2) Rechtzeitigkeit (Aktienkurse mit 20 Min. Verzögerung im Internet,

Echtzeit kostet mehr)

• 3) Gruppenzugehörigkeit (Site-Lizensierung, Studenten, Senioren)

• 4) Geschwindigkeit (Software)

• Preisdiskriminierung kann allen Wohlstandzuwachs bringen!

Folie 71

Besondere Form der Preisdiskriminierung: Bündelung

• 2 Informatiker: A ist Spezialist für C++

B ist Spezialist für JAVA

• 2 Elektron. Fachzeitschriften: α )C++-Journal

β) JAVA-Journal

A ist bereit für α € 12,00 und für β € 10,00 zu zahlen

B ist bereit für α € 10,00 und für β € 12,00 zu zahlen

1) Der Verlag kann: € 10,00 für α und β verlangen: Ertrag: € 40,00

2) Der Verlag bündelt die elektronischen Journale in die Zeitschrift

„ oo Programmieren mit C++ und JAVA“ und verlangt € 22,00: Ertrag € 44,00

• Bündelung ist vorteilhaft, da die Heterogenität zwischen den Konsumenten ausgeglichen wird.

• Ohne Bündelung: Alle kaufen zum Preis zu dem der Käufer mit der geringsten

Produktwertschätzung noch bereit ist zu kaufen.

• Mit Bündelung: Produzent verkauft um durchschnittliche Produktwertschätzung der Käufergruppe.

Bündelung kann Produktionskosten und Suchkosten senken.

Folie 72

Hypothese (Bakos, Brynjolfsson (1997,98))

• Niedere Transaktions- und Verteilungskosten machen Disaggregation interessanter für Verkäufer

• Niedere Grenzkosten (der Produktion) machen Aggregation (Bündelung) eher attraktiv.

Folie 73

Preisdiskriminierung

• Verbreitete Marketingpraxis bei Software ua Gütern: Studenten Diskont, Senioren-Diskont, Bücher: Hard Cover, Paperback etc.

• Definition: Preisdiskriminierung liegt vor, wenn 2 gleiche oder ähnliche Güter zu Preisen verkauft werden, die in einem unterschiedlichem Verhältnis zu ihren Grenzkosten stehen.

Folie 74

Effekte der Bündelung

Annahme: - Präferenz der Konsumenten über Güter unkorreliert

- Präferenz der Konsumenten über Güter glvt in [0,1)

Nachfragefunktion (linear) von A und B

Nur Konsumenten, die einen Wert von v ≥ p* dem Gut zuweisen, werden kaufen.

Folie 75

Einfache Preisdiskriminierung (2 Preise, 1 Gut) gegen 1Preis:

Beispiel: Regional, Software → Student

→ Professionell

Menge der Wertschätzungen der Käufer: {7, 6.20, 5.60, 4.90, 4.10, 3.50, 3.10, 2.20, 1.90, 1.10, 0,40}, c= var. Kosten

R= (p - c)q

Ohne Diskriminierung: p=3, c=1, q(3)=7

daher: R=2*7=14

Mit Diskriminierung:

p1=2 q1=8-3

c=1

p2=5 q2=3

R= (2-1) (8-3) + (5-1) 3= 17

Menge: Produktion 8 Stk. mit Preisdiskriminierung gegenüber 7 Stk. ohne; mit einem Gewinn von 17 gegenüber 14.

Folie 76

Wert von Σn

Bündelung von Güter A und B in ein Gut AB

Folie 77

Wert von ∑Ai

wenn Ai (i= 1,2,3....,n) ein Gut mit gleichverteilten Wert in [0,1) ist.

Bei ca. 0,8*n/2 ist Konsumentenmehrwert geringer und deadweight loss ebenso!

Folie 78

Allgemein: Bei Gleichverteilung etc. allgemein bei fast allen Verteilungen (mit endlicher Varianz) der Werte ist die Summe der Werte annähernd normal verteilt (Gesetz der großen Zahlen!)

Gilt auch bei:

• Aggregation über die Zeit (Abonnements) mit Diskontierung)

• Aggregation über Konsumenten (Office für die Universität)

Bei heterogenen Benutzergruppen: Gemischte Bündelung mit Preisdifferenzierung

Folie 79

Relevante Kosten für Aggregation und

Disaggregation

• Produktionskosten: Kosten der Produktion zusätzlicher Einheiten

für das „Bündel“

• Distributionskosten: „Bündel“-Distribution

• Transaktionskosten: Kosten der Verwaltungstransaktionen wie

Zahlung etc.

• Bündelungskosten: Kosten, die die einzelnen Produkte zu einem

Bündel verbinden, um sie gemeinsam zu vertreiben (z.B.

Formatierung etc)

• Preisunterschiedlichkeitskosten: Bei n Gütern gibt es maximal 2 n

„Bündel“ und daher Preise. Die „Verwaltung“ der Preise kostet!

Folie 80

Folie 81

Folie 82

Folie 83

Folie 84

Folie 85

Wichtigste Auktionsarten im Internet

Englische Auktion:

Freies Ende, höchstes Angebot (z. B. 7 Tage).

Um Steigerungen zuzulassen:

a) Verlängerungsperiode (Onsale oft – 5 Minuten)

b) „Elektronische Sensale“ (E-Bay – elf)

Sealed Bid Auktion:

a) First Price Sealed Bid

b) Second Price Sealed Bid: Sieger zahlt eine Erhöhung zumzweithöchsten Angebot.

Folie 86

a) Preis beginnt hoch und fällt bis zu einem Gebot (Sieger)

b) Güter werden „wiederholt“ in kurzen Zeiträumen (3 Minuten) mit Reduktionen des Preises alle 5 –10 Sekunden angeboten (24 h /7)

c) Güter werden in einer Woche täglich reduziert angeboten, bis Angebot/Ende.

Vickerey-Auktion: An Auction in which the highest bidderwins but pays only the second-highest bid. This variation overthe normal bidding procedure is supposed to encouragebidders to bid the largest amount they are willing to pay.

„Duch“-Auktion:

Folie 87

„Double“-Auktionen:Permanentes Updating von Angeboten der Verkäufer als auch der Preisgebote möglich.

„Multi-Unit“-Auktionen:• Ascending Bid Auctions• Sealed Bid Aucitons

Kombinatorische AuktionenKombinationen unterschiedlicher Güte als Einheit (Logistik, Bond-Handel, Real-Estate u.v.a.)Normals Optimum: NP-vollständig, daher Kompromisse

Yankee-Auktionen: Mehrere Güter an mehrere Käufer bei offener zunehmender Preisquotierung in festen Inkrementen (optimierbar)

Folie 88

Internet-Auktionsgeschichte

• Auktionen ≤ 1993 (Web)über Chat-Gruppen, E-Mail, etc.

• Ab WWW1. Onsale (1995), 2. E-Bay (1995): E-Bay wuchs mit ca. 12% p. Monat! Bis 2000 ca. 90 % des Marktes von B2C,C2B und C2C!

1998 Monatlicher Umsatz (Mio. $)

E-Bay 70First Auction 5Onsale 5U-Bid 2Going-Going-Sold 1,8Auciton Vine 1,5Encore(?) Auction 1,3

Folie 89

Größenverteilung (1998)

7≥ 1 Mill.

21100.001 – 1 Mill.

2710.001 – 100.000

83≤ 10.000Monatlicher Umsatz

Folie 90

Internet-Auktionen:

a) Preiswert durchführbar

b) Auktion örtlich breiter

c) Auktion zeitlich erstreckbar

d) Viele Auktionsformen (geheim, offen, Verkauf, Einkauf, komplexe Produktkombinationen) für Güter und Dienstleistungen erst durch Internet und Computerverwendung möglich

Große Einsparungen möglich (7 – 25 % berichtet: NY Times, 2001, Sept. 26)

Folie 91

Wann und warum Auktionen?

Güter + Leistungen

A „Wann“ und „Warum“? B

(Weitgehend unbekannt)1) Fester Preis Auktion2) Verhandlungsprozess

Internet hat Migration verstärkt!Determinanten:

- Transaktionskosten- Unsicherheit über Preis

Folie 92

Reservationspreise: q wird von allen Käufern mit einer Einschätzung ≥ p* gekauft.

Preisdiskriminierung der 3. Art → Wesentlicher Grund für AuktionenIst Nachfrage unelastisch → Preisdiskriminierung sinnvoller.D. h. je größer die Streuung über mittleren Reservationspreis, desto größer der Vorteil von Auktionen i. Vz. gewöhnlicher Preisauszeichnung.

p*

q Menge

Folie 93

Literatur:

• Wang (1993) (Auctions vs. Posted Price Selling, Amer. Econ. Rev. 83 (4)

838 ff.)

• De Vany (1987) Institutions for Stochastic Markets, J. Inst. Theo. Econ.

143, 91 – 103. (inkludiert Käufern Opportunitätskosten für Zeitverlust)

• Harris & Raviv (1981) A Theory of Monopoly Pricing Schemes with

Demand Uncertainty, Amer. Econom. Rev. 71 (3) 347 ff. (Wenn Nachfrage

Vorrat übersteigt → Auktionen)

Folie 94

Entscheidung über Verkaufsformenwahl

Seltenheit eines Gutes

AuktionenEntwicklungPreisauszeichnung

Variationskoeffizient der Kundenbewertung

Folie 95

Wirkungen des Internet auf Auktionen

1) Reduzierte Transaktionslasten:Produkte wie CD‘s, Computer-Peripherie und andere Güter mit niedererem Preis und weniger Preisunsicherheit werden zunehmend über Internet auktioniert (Bsp.: EBay)Sites wie BidXS (www.bidxs.com), Bidspotter (www.bidspotter.com) und Auctionpatrol (www.auctionpatrol.com) helfen!

Folie 96

2) Zugangsmöglichkeit:

- Größere Teilnehmerzahl macht Güter „rarer“.- Größere Märkte erlauben mehr Spezialisierung (z. B.

www.covisint.com für Automobilindustrie) und Breite.

Folie 97

3) Komplexitätsbeherrschung

- Komplexere Auktionen werden möglich:

• Multiunit-Auktionen (Echtzeit-Lagerbestandskontrolle, Angebotsselektion)

• Kombinatorische Auktionen (Bündel verschiedener Güter und Leistungen)

• Multimediale Unterstützung erlaubt die Beschreibung komplexerer Produkte

Folie 98

4) InformationssammlungAuktionen erlauben die Sammlung von Daten über die „Reservation“ – Preis-Verteilung und Nachfrage zu erhalten.

5) Neue ZeitbedingungenKeine „gleicher Ort, gleiche Zeit“-Bedingung mehr.

Folie 99

Klassifizierung von Online-Auktionen

4. Web-basierte Börsen3. Web-basierte Beschaffungs-

auktionen (C2B, B2B)

Mehrere

2. Web-basierte

Verkaufsauktionen (C2C,

B2C)

1. Bilaterale Verhandlungen

(EDI, XML)

Einer

MehrereEiner

Käufe

Verkäufe

2, 3 typisch: EBay, Onsale4 häufig B2B: covisint, chemconnect, exostar (Flugzeugindustrie),

e-steel, etc.

Folie 100

Figure: CDF of new bidder arrival times versus an exponential CDF with the same mean (.53 hours) in one-hour online auctions.

Vgl. zur Exponentialverteilung mit gleichem Mittelwert (Daten von 105 Flash-Auktionen (1 Stunde))

Folie 101

Folie 102

Roth, Ochenfels (Amer. Econ. Rev. 92 (4) 1093 – 1103)

beobachtetes „Last-Minute-Bidding“ nimmt zu, wenn definiertes Auktionsende.

Wenn nicht – keine Zunahme (Ende wenn keine Bieter mehr)