Anda di halaman 1dari 18

Penelitian

Perdagangan Elektronik dan Aplikasinya Peningkatan e-commerce melalui akses mobile Internet.

ABSTRACK Potensi Internet telah diperluas secara substansial oleh generasi baru dari perangkat mobile, membuka pintu bagi pertumbuhan yang cepat dari m-commerce. Sementara akses PC tradisional ke Internet terus menjadi penting untuk memanfaatkan keuntungan dari Internet, akses mobile tampaknya menarik lebih banyak orang karena akses yang fleksibel untuk Internet dengan cara di mana-mana. Dengan demikian, e-commerce sekarang dalam proses yang diubah menjadi mcommerce. Tujuan dari definisi ini adalah untuk mengembangkan dan menganalisis model matematika untuk membandingkan e-commerce melalui akses PC tradisional hanya dengan m-commerce yang mengakomodir akses PC tradisional dan akses mobile. Distribusi jumlah produk yang dibeli oleh waktu tertentu dan distribusi waktu yang dibutuhkan untuk menjual produk yang berasal eksplisit, memungkinkan satu untuk menilai dampak dari perangkat mobile pada e-bisnis. contoh numerik diberikan untuk menggambarkan perbedaan perilaku antara m-commerce konsumen dan e-commerce konsumen tradisional.

Potensi Internet telah diperluas secara substansial oleh generasi baru dari perangkat mobile, membuka pintu untuk cepat pertumbuhan m-commerce. Sementara akses tradisional PC ke Internet terus menjadi penting untuk memanfaatkan keuntungan dari Internet, akses mobile tampaknya menarik lebih banyak orang karena dari akses yang fleksibel untuk Internet dengan cara di mana-mana. Oleh karena itu, e-commerce adalah sekarang dalam proses yang diubah menjadi m-commerce. Karena kenyataan bahwa teknologi mobile masih muda, studi tentang dampak dari perangkat mobile pada e-bisnis juga agak baru dalam literatur. Roto (2005) dan Kim (2006) memberikan keadaan saat ini perangkat mobile dan m-bisnis. Chae dan Kim (2003) membahas implikasi bisnis m-commerce, dan Barwise (2001) dan Hammond (2001) memprediksi evolusioner tren m-commerce di masa mendatang. Wu dan Hisa (2004) mengusulkan model inovasi hypercube untuk menganalisis karakteristik mcommerce dengan fokus pada tiga sumbu: perubahan model bisnis, perubahan komponen inti dan saham pemegang. Siau dkk. (2004) dan Park dan Fader (2004) menyelidiki manfaat m-commerce untuk konsumen dan bagaimana e-commerce telah mengubah perilaku konsumen. Bykzkan (2009) mengembangkan pendekatan analitis untuk menentukan persyaratan pengguna mobile commerece.

Semua makalah yang baik Yaitu empiris, kualitatif atau statis di alam analisis mereka dengan pengetahuan terbaik penulis, penelitian tidak ada dalam literatur untuk menangkap perilaku perbedaan antara e-commerce dan mcommerce berbasis pada model stokastik matematika. Tujuan dari makalah ini adalah untuk mengembangkan dan menganalisis matematika model untuk membandingkan e-commerce melalui akses PC tradisional hanya dengan m-commerce yang mengakomodasi kedua PC tradisional akses dan akses mobile. Lebih khusus, kami mempertimbangkan konsumen yang berniat untuk memutuskan apakah mereka harus membeli produk dengan menjelajahi Internet untuk informasi. Untuk untuk menangkap pola perilaku mereka, setiap hari adalah didekomposisi menjadi tiga periode. Periode pertama hari merupakan jam kerja, sedangkan periode kedua dan periode ketiga dari sehari sesuai untuk jam sore dan jam tidur di rumah, masing-masing. Seperti dilaporkan di MakeYouGoHmm (2006), karyawan perusahaan sering memanfaatkan perusahaan PC untuk mengakses Internet secara pribadi. Oleh karena itu, selama periode pertama dari sehari, akses PC diasumsikan tersedia dari waktu ke waktu untuk penggunaan pribadi Internet.

Akses mobile juga mungkin jika konsumen memilih untuk melakukannya. Itu wajar untuk menganggap bahwa akses PC menggantikan akses mobile selama jam malam di rumah. Dengan demikian, hanya akses PC dianggap selama periode kedua dari sehari. Sejak periode ketiga satu hari merupakan jam tidur, konsumen tidak aktif dalam menggunakan Internet. Tiga kelas konsumen dianggap mengenai cara mereka mengakses Internet: mereka yang mengakses Internet hanya melalui PC selama periode yang dipertimbangkan; mereka yang mengakses Internet awalnya hanya melalui PC tetapi mulai menggunakan akses mobile pada beberapa waktu kemudian, dan mereka yang mengakses Internet melalui kedua PC dan perangkat mobile dari awal Kelas-kelas konsumen ditandai oleh BPC. dengan kelas konsumen seluruh didefinisikan oleh BPC2 (Mengacu pada BBC Berita (2008), sebuah anonim .

menunjukkan pentingnya menggabungkan BPC KEDUA di model yang telah hilang dalam versi asli tulisan ini.) Setiap kali internet diakses untuk informasi, konsumen membuat salah satu dari tiga keputusan: untuk membeli produk, tidak membeli produk, atau untuk tetap ragu-ragu Kami berasumsi bahwa produk yang dibeli paling banyak sekali oleh setiap konsumen pada periode sedang dipertimbangkan untuk analisis kamiUntuk menangkap perilaku stokastik konsumen di C di secara terpadu, kita mempertimbangkan proses semi-Markov memiliki enam pengertian. sementara negara bagian dan dua negara menyerap

. Sementara negara lain selama 3 Th sesuai dengan periode dari sehari untuk 1 Menyerap negara 0 dan 7 menggambarkan keputusan pembelian dan tidak pembelian, masing-masing. Mulai dari keadaan mereka yaitu konsumen di BPC terus bergerak menyatakan 1, 2 dan 3 secara siklik sampai mereka baik mencapai 0 negara atau 7 negara Perilaku konsumen di BPC kedua mirip kecuali bahwa mereka mulai pada 4 negara dan terus pindah 4, 5 dan 6 negara sampai mereka mencapai penyerapan. konsumen di BPC KEDUA mulai dari keadaan Adapun orang-orang di BPC Pada akhir dari waktu tinggal di 3 negara bagian bagaimanapun mereka pindah ke negara 4 dengan probabilitas 1r di mana 0 <r <1 dan mulai menggunakan akses mobile. Dengan sisa r probabilitas, mereka tetap sebagai pengguna akses PC eksklusif Internet dan pindah ke keadaan 1. Dari sudut pandang terpadu semi-Markov model, mereka konsumen di BPC dapat diartikan memiliki r .

Melalui analisis dinamis dari proses semi Markov dua ukuran kinerja stokastik yang menarik dapat dievaluasi: dalam distribusi jumlah produk yang dijual oleh waktu t dan distribusi dari waktu yang dibutuhkan untuk menjual produk K. Analisis ini, pada gilirannya, memungkinkan seseorang untuk menilai dampak dari perangkat mobile di e-businessesdengan membandingkan langkah-langkah seperti kinerja stokastik untuk m-commerce terhadap mereka untuk tradisional e-commerce Struktur makalah ini adalah sebagai berikut. Pada Bagian 2, sebuah matematika Model ini dikembangkan untuk menangkap perilaku konsumen dalam m-commerce didasarkan pada pendekatan proses semi-Markov. Bagian 3 dikhususkan untuk analisis dinamis dari model semi-Markov. Kedua ukuran kinerja stokastik diperkenalkan dalam Bagian 4 dan distribusi terkait berasal eksplisit, yang dapat dihitung berdasarkan hasil dalam 3 Bagian. Contoh numerik diberikan dalam Bagian 5 untuk menggambarkan perbedaan perilaku antara m-commerce konsumen dan tradisional e-commerce konsumen. Akhirnya, beberapa kesimpulan yang diberikan dalam Bagian 6 2

Untuk menangkap perilaku konsumen dalam m-commerce dijelaskan pada bagian sebelumnya lebih formal, kita mempertimbangkan semi-Markov didefinisikan di N , Dengan jangka waktu satu hari untuk konsumen di BPC diwakili oleh negara i, dan bahwa bagi mereka di PC KEDUA sesuai untuk menyatakan Kedua negara 0 dan 7 menyerap, di mana sesuai terhadap keputusan pembelian produk sedangkan yang kedua merupakan keputusan tidak membeli produk. Mengingat bahwa baik keputusan pembelian atau bahwa tidak beli adalah dibuat, kita asumsikan, untuk sementara waktu, bahwa waktu tinggal dari semi-Markov proses di negara saya benar-benar terus menerus dengan probabilitas kepadatan fungsi (p.d.f.) Yang sesuai fungsi distribusi, fungsi kelangsungan hidup dan bahayanya.

didefinisikan Sejak 0 negara dan 7 negara menyerap, waktu tinggal pada negara mereka adalah tak terbatas. Fungsi kelangsungan hidup yang sesuai Bagi konsumen di BPC, akses internet terjadi di negara saya 1/4 .menurut proses Poisson dengan intensitas k1 kW: PC dan k2 KE PC, masing-masing. Yang sesuai probabilitas pembelian (Tidak membeli) untuk akses masing-masing . konsumen tetap ragu-ragu dengan probabilitas Akibatnya adalah intensitas transisi dari keadaan 1 ke keadaan 0 (7Negara bagian ) didefinisikan sama. Pada akhir ketiga jangka waktu sehari, seorang konsumen di BPC memutuskan untuk mulai menggunakan ponsel telepon dengan probabilitas Ini berarti bahwa, setelah penyelesaian waktu tinggal di 3negara bagian, konsumen bergerak untuk menyatakan 1 dengan probabilitas r dan untuk menyatakan 4 dengan probabilitas Seorang konsumen di PC KEDUANYA mungkin mempekerjakan kedua PC dan perangkat mobile untuk mengakses Internet.

Intensitas Poisson untuk akses PC dinotasikan dengan K4: PC kW: BOTHPC, dan bahwa untuk akses mobile ditulis sebagai K4: Mobile kW: BOTHMobile. Probabilitas pembelian (tidak pembelian) untuk akses masing-masing didefinisikanUntuk malam hari, mereka konsumen di BPK dan mereka adalah CBOTH struktur perilaku acuh tak acuh dan stokastik mereka adalah identik. Kami mencatat bahwa nW: PC <nW: KEDUA dan HW: PC <HW: KEDUA. Perbedaan-perbedaan bersama-sama dengan probabilitas r mewakili pertumbuhan populasi pengguna akses mobile mencirikan dampak akses selular pada e-commerce dalam model kami. Struktur transisi dari semiMarkov proses digambarkan pada Gambar. 1. Untuk menangani kasus ini di mana tiga periode sehari adalah konstan,

Pada bagian ini, kita peroleh secara eksplisit probabilitas transisi matriks dari semi-Markov Untuk tujuan ini, proses terkait dengan semi-Markov diperkenalkan sebagai waktu berlalu sejak terakhir transisi dari dalam kondisi saat ini, langkah pertama Markov dari analisis kami adalah untuk mengevaluasi fungsi distribusi gabungan dimana fungsi delta digunakan untuk menggambarkan kondisi batas terhadap x. Lebih khusus lagi, orang melihat bahwa Di sini jika ST pernyataan adalah benar, dan sebaliknya. itu delta fungsi adalah operator unit yang terkait dengan konvolusi, yakni untuk setiap fungsi terintegral Untuk mengevaluasi p.d.f. bersama diberikan dalam (3.3), kami memperkenalkan Laplace berikut untuk mengubah Bagi pengguna yang memiliki akses baik PC dan akses mobile ke Internet dari awal, keadaan awal 4negara Oleh karena itu, juga menarik bagi analisis kita akan menjadi probabilitas

penyelesaian

penjualan Dengan menggunakan hasil dari model semi-Markov dibahas dalam Bagian 3, kita sekarang dalam posisi untuk menilai dampak dari ponsel akses ke Internet pada perangkat tambahan e-commerce

Tujuan dari bagian ini adalah untuk menjelajahi bagaimana numerik akses mobile ke Internet akan meningkatkan e-commerce. Untuk ini tujuan, nilai-nilai dasar parameter yang mendasari ditetapkan seperti dalam Tabel 1. Diasumsikan bahwa pengambilan keputusan probabilitas adalah acuh tak acuh, tanpa memandang waktu akses yang berbeda dalam satu hari dan terlepas dari akses PC atau akses mobile, dimana keputusan untuk pembelian dibuat dengan probabilitas 0,03 dan untuk tidak membeli dengan probabilitas 0,01 untuk setiap akses Internet. Jumlah konsumen diberikan sebagai N 10; 000 dan lima kasus berikut dipertimbangkan.

Melalui generasi baru perangkat mobile dengan cepat menyebar di masyarakat, cara internet digunakan telah pergi di bawah revolusi, dimana tradisional e-commerce adalah dalam proses menjadi diubah menjadi m-commerce. Namun, karena fakta bahwa teknologi mobile masih muda, studi tentang dampak akses mobile ke internet pada e-bisnis agak terbatas, mana makalah perintis baik empiris, kualitatif atau statis di alam dan analisis mereka, untuk pengetahuan terbaik dari penulis, penelitian tidak ada dalam literatur untuk menangkap perbedaan perilaku antara e-commerce dan m-commerce berdasarkan Mathematica Model stokastik

Tujuan dari makalah ini adalah untuk mengisi kesenjangan dengan mengembangkan dan menganalisis model matematika untuk membandingkan e-commerce melalui akses PC tradisional hanya dengan m-commerce yang mengakomodir akses PC tradisional dan akses mobile. Tiga kelas konsumen dianggap mengenai cara mereka mengakses Internet. Sebuah kelas konsumen yang mengakses Internet hanya melalui PC selama periode yang dipertimbangkan adalah dinotasikan dengan BPK. Sisa dua kelas ditulis sebagai BPK! KEDUA dan CBOTH terdiri dari mereka yang mengakses Internet awalnya hanya melalui PC tetapi mulai menggunakan akses mobile pada beberapa waktu kemudian dan mereka yang mengakses internet melalui PC dan ponsel perangkat dari awal, masing-masing. am

Seluruh pasar kemudian diwakili oleh C BPC. Setiap kali Internet diakses untuk informasi, diasumsikan bahwa konsumen membuat salah satu dari tiga keputusan: untuk membeli produk, tidak membeli produk, atau untuk tetap ragu-ragu. Untuk menangkap perilaku stokastik konsumen di C secara terpadu, semi-Markov proses diformulasikan sementara negara bagian dan dua negara menyerap. Melalui analisis dinamis dari proses Markov semi, kinerja stokastik dua ukuran bunga dapat dievaluasi: pembagian nomor produk yang dijual oleh waktu dan distribusi dari waktu yang dibutuhkan untuk menjual produk K.

Analisis ini, pada gilirannya, memungkinkan seseorang untuk menilai dampak dari perangkat mobile pada e-bisnis dengan membandingkan seperti ukuran kinerja stokastik untuk m-commerce terhadap tradisional e-commerce. Contoh numerik diberikan untuk menunjukkan efektivitas prosedur komputasi diusulkan dalam tulisan ini. Namun, penelitian ini masih dalam Surat ksperimen numerik yang luas akan diperlukan untuk mengekstrak beberapa aturan praktis berguna dari sudut pandang manajerial dalam melakukan m-commerce. Selain itu, harus dilakukan upaya untuk memperkirakan nilai-nilai parameter yang terlibat dalam analisis model dari data yang nyata. Studi-studi ini sedang berlangsung dan akan dilaporkan tempat lain.