Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования

Правительство Российской Федерации
Федеральное государственное автономное образовательное учреждение
высшего профессионального образования
«Национальный исследовательский университет «Высшая школа экономики»
Факультет экономики (Санкт-Петербург)
Кафедра экономической теории
ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
На тему: «Ценообразование в концертной индустрии на примере Crocus City»
Студентка группы №143
Гладкая Маргарита Ивановна
Научный руководитель:
старший преподаватель
кафедры экономической теории
Красильников Александр
Александрович
Санкт-Петербург, 2014
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ ............................................................................................................................................3
ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ .......................................................................................................6
1.1.Введение в концертную индустрию ........................................................................................... 6
1.2.Ценообразование на билеты........................................................................................................ 9
ГЛАВА 2. РАБОТА С ДАННЫМИ ....................................................................................................13
2.1.Сбор и обработка данных .......................................................................................................... 13
2.2. Описательная статистика ......................................................................................................... 15
ГЛАВА 3. ПОСТРОЕНИЕ МОДЕЛЕЙ ..............................................................................................21
3.1. Построение базовой модели..................................................................................................... 21
3.2. Фиксированные эффекты для концертов ................................................................................ 27
ЗАКЛЮЧЕНИЕ ....................................................................................................................................34
СПИСОК ЛИТЕРАТУРЫ ...................................................................................................................37
ПРИЛОЖЕНИЕ 1 .................................................................................................................................39
ПРИЛОЖЕНИЕ 2 .................................................................................................................................40
2
ВВЕДЕНИЕ
Музыкальная индустрия является одной из отраслей экономики, а
значит, как и многие другие, неразрывно связана с вопросами капитализма.
И пусть есть мнение, что интересующая нас отрасль не имеет ничего общего
с экономическими принципами, недавние изменения в концертной
индустрии привлекают все большее внимание экономистов, а число статей,
опубликованных в цитируемых журналах и посвященных данной теме,
свидетельствует о растущей важности ее изучения. Вопросы, касающиеся
экономики «суперзвезд», рынка концертных билетов и ценообразования на
нем были вынесены на передний край за последнее десятилетие.
Поскольку концертная индустрия непрерывно развивается, новые цели
и новые сложности возникают перед всеми игроками рынка, включая
исполнителей, их менеджеров и промоутеров концертных площадок. В
результате появляются сложно устроенные контракты с исполнителями и
изощренные схемы ценообразования, что дает как теоретикам, так и
эмпирикам обширное поле для исследований. Ценообразование на
концертные билеты в частности представляет особый интерес, так как цены
на одно и то же мероприятие значительно варьируются в зависимости от
места, дня недели, времени начала концерта и многих других факторов.
В странах с хорошо развитой концертной индустрией регулярно
проводятся международные форумы и консорциумы. Так, например, в
Соединенных Штатах Консорциум концертной индустрии (Concert Industry
Consortium) проходит ежегодно с 1994 года. Данное мероприятие дает
уникальную возможность как новичкам, так и ветеранам отрасли
поделиться опытом и идеями по организации собственной деятельности в
концертной индустрии. Российским аналогом подобного мероприятия
является
международная
музыкальная
конвенция
«COLISIUM»
(Cooperation, Opportunities, Leadership, Information, Strategy, Innovations,
Unity, Modernization), название которой отражает цели создания и
3
проведения. С момента создания, с 2007 года, введены новые форматы
проведения конвенции, значительно увеличено число участников и
партнеров, однако единой упорядоченной системы взглядов до сих пор не
выработано.
Российская концертная отрасль в сравнении с другими странами
относительно молода. Более того, недостаток информационных ресурсов не
позволяет провести полный анализ. Не выработана система стимулов для
предоставления необходимых данных, в отличие от США, где, например,
журнал «Pollstar», посвященный концертной индустрии, выступает
посредником между концертными агентствами и их потенциальными
клиентами, а взамен получает информацию о характеристиках концертного
зала, ценах и выручках от продажи билетов. Таким образом, не удивительно,
что большая часть выводов сделана по американским данным и опыту
ценообразования на концертные билеты. Некоторые ученые утверждают,
что полученные результаты применимы к другим странам, отраслям и
временным периодам (Courty, 2000), однако мотивация исследовать
практики ценообразования конкретной страны существует: модели,
учитывающие специфику России более надежны, а значит, более
предпочтительны для использования.
Данная работа основана на находящихся в открытом доступе данных с
официального сайта московского концертного зала «Crocus City Hall».
Объектом исследования является политика ценообразования концертной
площадки, влияющая на продажи билетов. Предмет исследования – билеты,
находящиеся в кассе Crocus City Hall, в каждый из дней продаж,
предлагаемые по разным ценам. Используя уникальную базу данных, мы
отвечаем на вопрос, билеты на какие концерты раскупаются активнее,
почему, и какие выгоды получают концертные залы от каждого типа
проводимых мероприятий.
Данная работа построена следующим образом. Первая глава
представляет собой введение в концертную индустрию и разделена на две
4
части так, что первый параграф содержит общие сведения об организации
концертной деятельности, а второй посвящен особенностям концертов и
концертных билетов, как экономических благ, и описывает различные
способы ценообразования, используемые площадками. В главе два
обоснован выбор концертного зала, единицы наблюдения, а также описан
способ получения информации о концертах. Здесь же приведены результаты
предварительной работы с собранными данными. Третья глава посвящена
работе с моделью, проходящей в два этапа: построение базовой модели и
введение фиксированных эффектов для концертов. В заключении
приведены выводы, основанные на результатах регрессионного анализа,
отмечены ограничения настоящего исследования.
5
ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ
1.1.Введение в концертную индустрию
Прежде всего, определим некоторые понятия, относящиеся к
концертной индустрии, и перечислим ее отличительные характеристики.
Изначально музыкальная индустрия была одной из важнейших
отраслей культуры и служила для передачи сообщений, идей большим
группам
людей,
что
способствовало
серьезным
политическим,
экономическим и культурным изменениям (Frey, 1994). В настоящее время
социальная составляющая принимается во внимание во многих сделка и за
пределами музыкальной индустрии, что позволяет рассматривать ее как
благоприятную среду для новых идей в экономике. Также данная отрасль
является уникальной областью для тестирования различных экономических
теорий: от изучения эффекта «суперзвезд» до рассмотрения различных
соотношений спроса и предложения и последствий установления
соответствующих равновесий. Таким образом, выделяется некоторая
подобласть в экономике, которая еще в 1993 году получила название
«Рокономика» (Eliot, 1993). Здесь популярная музыка рассматривается как
музыка, имеющая множество слушателей, созданная современным
исполнителем и не нуждающаяся в субсидировании для «выживания»
(Connolly, Krueger, 2006).
Концертная индустрия является одной из составляющих частей
музыкальной наряду с издательством и индустрией продаж звукозаписей. С
точки зрения потребителей может казаться, что доход исполнителей
определяется выручкой от продаж звукозаписей, однако именно концертная
деятельность является основным источником их доходов (Koster, 2008). Как
пишет Алан Крюгер из Принстонского университета, только 4 из 35
артистов, занимающих верхние строки рейтингов и давших гастрольные
туры в 2002 году, получили заметно более высокие доходы от продажи
звукозаписей, чем от живых выступлений (Krueger, 2005).
6
Организация музыкальной отрасли подробно описана в работах
Паскаля Коурти (Courty, 2000), профессора Викторианского университета,
и Алана Крюгера и Мэри Коннолли (Connolly, Krueger, 2006). Исключив
часть, относящуюся к издательской индустрии и продажам звукозаписей,
мы рассмотрим взаимодействие следующих игроков: исполнителей, их
менеджеров и промоутеров концертных площадок. Каждый артист или
группа имеет своего
менеджера, который
представляет
интересы
исполнителя и получает определенную долю его дохода за свои услуги. Эти
услуги включают установление контактов с промоутерами, в чьи
обязанности входит подготовка концертного зала, проведение рекламных
акций и прочее. Концертные залы устанавливают ограничения на
количество билетных категорий, и как только концертный зал выбран,
билеты поступают в продажу. Таким образом, концертная индустрия имеет
вертикальную организацию, что характерно для отраслей развлечений
(Courty, 2000).
Стандартный контракт представляет собой договор, по которому
исполнитель получает «гарантированный аванс», после выплаты которого
промоутер покрывает свои расходы и забирает «гарантированную прибыль»
(Caves, 2000). Расходы могут включать в себя затраты на рекламу, аренду,
оплату доставки и выгрузки оборудования и прочее. Оставшаяся после
покрытия расходов и выплаты «гарантированной прибыли» выручка
разделяется между исполнителем и промоутером. Автор утверждает, что в
большинстве случаев артист получает 85% выручки, а промоутер – 15%.
В недавнее время концертная индустрия пережила ряд серьезных
изменений, в ответ на это было опубликовано несколько статей,
посвященных изучению текущих тенденций отрасли. Статья Алана
Крюгера – один из лучших примеров. Автор использует базу данных
журнала «Pollstar», упомянутую во введении, и описание артистов из
энциклопедии «Rolling Stone Encyclopedia of Rock&Roll» и выводит
несколько стоящих внимания трендов для периода с 1981 по 2003 год
7
(Krueger, 2005). Во-первых, число концертных мероприятий сократилось на
16% за рассматриваемый период. Во-вторых, вплоть до 2000 года число
проданных билетов в год составляло 30 миллионов и сократилось до 22
миллионов к 2003. В-третьих, общая выручка от продажи билетов
неизменно росла до 2000 года по причине роста цен. Более того, выручка
1% исполнителей, занимающих лидирующие места в рейтинге, составляла
26% общей выручки в начале периода и увеличилась до 56% к 2003 году.
Для 5% наиболее успешных артистов эти значения составляли 62% и 84%
на начало и конец периода соответственно. Последнее изменение касается
доли мест, занимаемых в зале во время концерта, от общей вместимости
зала: в поздние 80-ые года эта доля составляла приблизительно 90%, а к 2003
сократилась до 75%.
По приведенным результатам Крюгера можно сделать вывод, что в
рассматриваемой отрасли наблюдается эффект «суперзвезд». На самом
деле, эта особенность, проявляющаяся в том, что небольшое число
исполнителей получает значительную долю общей выручки, выделяет
концертную индустрию из ряда других (Hamlen, 1991). Ранее Розен (Rosen,
1981) создает модель, где спрос определяется несовершенным замещением
между продавцами. Данная модель применима к концертной индустрии:
здесь популярные исполнители рассматриваются в качестве продавцов.
Согласно модели, при небольших расхождениях в способностях артистов,
имеют место существенные разницы в их выручках. Борганс и Гроут иначе
подходят к объяснению эффекта «суперзвезд»: сила монополистической
власти исполнителя рассматривается как источник более высоких доходов
(Borghans, Groot, 1998). Экономисты утверждают, что благодаря медиа
возможностям достаточно одного лишь артиста, чтобы удовлетворить весь
рынок,
где
потребовалось
без
бы
этих
возможностей
множество
и
современных
исполнителей.
По
технологий
эффективному
распределению, наиболее талантливый артист назначается на эту роль и
использует все преимущества своего положения. На сегодняшний день
8
феномен «суперзвезд» все еще требует более тщательного исследования: не
все
существующие
теоретические
модели
имеют
эмпирическое
подтверждение, так как возникают проблемы определения и измерения
«звездности» исполнителей.
1.2.Ценообразование на билеты
Рынок
концертных
мероприятий
обладает
уникальными
характеристиками и поэтому заслуживает особого внимания. Эти
отличительные черты были наиболее подробно описаны в работах Коурти
(Courty, 2000), Хаппел и Дженнинс (Happel, Jennings , 2002) а также Крюгера
и Коннолли (Connolly, Krueger, 2006). Согласно более поздней статье,
существует пять основных характеристик. Во-первых, концерты обладают
высокими фиксированными и низкими переменными издержками. Вовторых, концертные мероприятия – это так называемые испытуемые блага
(от англ. – experience goods). В нашем случае это означает, что о качестве
концерта ничего нельзя сказать заранее, до момента его проведения. Втретьих, по окончании мероприятия стоимость билетов на него равна нулю.
Что касается мест в зрительном зале, то обеспечиваемое ими качество
восприятия заметно меняется от одного к другому. И, наконец, концертные
билеты имеют ряд дополняющих товаров, от музыкальных дисков до
продукции
с
символикой
группы
или
отдельного
исполнителя.
Перечисленные особенности дают концертным площадкам основания для
проведения ценовой дискриминации. А ценовая дискриминация в
концертной индустрии названа основным направлением дальнейших
исследований (Connolly, Krueger, 2006).
Между разными рынками и периодами времени существует множество
различий в том, как фирмы дискриминируют по цене (Busse, Rysman , 2005),
(Clerides, Michis, 2007). Концертная индустрия в этом смысле особенна:
обеспечена мотивация применения самых разных политик ценообразования
(Woodrow, Smith, 2012). Для некоторых из них уже введены свои названия.
9
Например, процесс установления более высоких цен на места в рядах,
расположенных ближе к сцене, был назван «scaling the house». Как замечает
Коурти, даже в применении конкретно этого метода находятся отличия от
площадки к площадке, и даже в пределах одного концертного зала – от
концерта к концерту (Courty, 2000).
Так как фиксированные издержки намного выше переменных, а
посетители концертных мероприятий с высокой и низкой эластичностью
спроса по цене могут быть определены по расположению выбираемых мест,
имеют место ценовые разницы. С изменением расстояния от места до сцены
меняется видимость и слышимость - не найдется двух таких билетов,
которые гарантировали бы одинаковое качество восприятия. Концертные
площадки используют этот факт и вводят различные категории билетов.
Каждый билет может восприниматься как уникальное благо, но,
практически, рассматриваются именно их группы – категории. Розен и
Розенфилд изучают ситуацию с двумя категориями продуктов (в нашем
случае – мест): низкого и высокого качества (Rosen, Rosenfield, 1997).
Потребители предпочитают высокое качество низкому, а продавец владеет
информацией о резервных ценах, но не может распределить покупателей.
Предположив, что концертные залы обладают монопольной властью,
некоторые модели ценовой дискриминации второй степени можно
применить к концертной индустрии (Tirole, 1988). Покупатели готовы
платить за качество, а залы предлагают различные сочетания качества места
и соответствующей стоимости билета. Выбирая категорию места,
покупатели самоопределяются.
Очевидным образом, число различных категорий билетов меняется от
площадки к площадке. Большие концертные залы с более высокой
вместимостью предлагают большее число разных категорий мест, и,
соответственно, категорий билетов. Существуют площадки, не вирирующие
стоимость билетов в зависимости от удаленности места от сцены, однако
еще в 1993 году была подтверждена эффективность проведения такой
10
ценовой политики. Хантингтон установил, проанализировав данные 33
театров, что, предлагая билеты по разным ценам, можно добиться
увеличения выручки на 24% (Huntington, 1993).
Другой способ ценообразования заключается в предложении скидок на
билеты при покупке заранее и/или для определенных групп населения,
например, студентов или пенсионеров. Коурти пишет, в то же время разница
в ценах может быть объяснена политикой установления стоимости билетов
на один и тот же концерт в зависимости от дней недели и/или времени
начала (цены достигают своего максимума на мероприятия, проходящие в
субботу вечером).
Более того, принимаются во внимание и другие
особенности конкретного выступления. Автор приводит в пример
ценообразование на концерты артиста, дающего тур по городам: здесь
ставится задача установить цены в соответствии с региональным спросом.
Филипп Лесли, проанализировав данные по различным шоу Бродвея,
выяснил, что в среднем на одно и то же выступление предлагается 8,7
различных категорий билетов. Помимо этого, разница в ценах между двумя
билетами, выбранными случайным образом, составляет 40% средней цены
(Leslie, 1998).
Исполнители обладают монопольной властью: артисты предлагают
гетерогенные товары и при этом имеют верных зрителей, фанатов
творчества. Также, на цены концертных билетов оказывает влияние наличие
и стоимость дополняющих товаров. Чем ниже цены билетов, тем большее
число зрителей посетит мероприятие и купит продукцию с подписью или
символикой исполнителя, что увеличит выручку. Таким образом,
комбинации различных техник ценообразования являются важным
инструментом на рынке концертных билетов.
Как заявляют Коурти и Паглиеро, концертная индустрия полностью
соответствует модели установления цен монополистом, описываемой в
учебниках по экономике (Courty, Pagliero, 2009). Авторы используют
большую базу данных по различным концертам, чтобы определить,
11
применяют ли концертные площадки ценовую дискриминацию второй
степени, когда все условия позволяют это делать. По результатам данного
исследования, вместимость зрительного зала и возраст исполнителя
увеличивают вероятность дискриминации.
На сегодняшний день очень мало эмпирических исследований было
проведено в этом направлении. На многие вопросы, касающиеся
концертной индустрии, не было дано удовлетворительного ответа. Как
влияет количество билетных категорий на продажи билетов? А каково
влияние числа изначально установленных на мероприятие цен? Насколько
важен день недели проведения мероприятия? Настоящая статья посвящена
поиску ответов на эти вопросы для одного конкретного типа концертных
залов.
12
ГЛАВА 2. РАБОТА С ДАННЫМИ
2.1.Сбор и обработка данных
Настоящее
исследование
основано
на
данных,
собранных
с
официального сайта московского концертного зала «Crocus City Hall»
(http://www.crocus-hall.ru/). Crocus City Hall - единственный в России
многофункциональный зал, рассчитанный более чем на 7000 зрителей.
Площадка заслужено считается одной из наиболее престижных в стране, о
чем свидетельствуют и имена выступавших на ее сцене артистов, и
насыщенный график проводимых мероприятий.
В работах, посвященных изучению концертной индустрии, существует
два наиболее распространенных подхода к выбору единицы наблюдения.
Это может быть либо исполнитель (концерт), либо концертная площадка, и,
на самом деле, каждый из вариантов имеет свои недостатки (Connolly,
Krueger, 2006). Если выбран концертный зал, при сравнении цен билетов на
мероприятия различных площадок выводы могут быть некорректны:
мероприятия, проходящие в разных концертных залах, сильно различаются,
а эти особенности сложно учесть. Так, более дорогие билеты на одно
мероприятие могут быть распроданы, а часть более дешевых билетов на
другой концерт остаются в кассе на момент его начала. Снижение цен
билетов может быть рассмотрено как внутреннее изменение для конкретной
площадки, в то время, как произошло снижение качества шоу (устарела
программа и т.п.). Если в качестве единицы наблюдения выбран
исполнитель или концерт (в этой ситуации анализируются концерты,
проходящие в одном и том же концертном зале), возникают такие
ограничения, как невозможность учесть влияние размера площадки, ее
максимальной вместимости и расположения.
В данной работе концерт является единицей наблюдения. Мы
анализируем мероприятия, проходящие на площадке концертного зала
13
«Crocus City Hall». Дополнительным аргументом в пользу выбранной
единицы наблюдения и даже конкретной концертной площадки является ее
способность модифицироваться. Зал-трансформер может подстроиться под
мероприятие любого формата: от шоу мировой звезды до новогодней елки
для детей и даже ледового шоу. Существует шесть вариантов концертного
зала, отличающихся числом структурных элементов и максимальной
вместимостью: от наименьшей по размеру модификации, не имеющей
танцевального партера, к наибольшей с танцевальным партером. Таким
образом мы можем выявить влияние типа зала, выбранного для проведения
мероприятия, на продажи билетов на него. Информация о структуре и
вместимости каждой из модификаций приведена в приложении 1.
Данные по мероприятиям Crocus City Hall собирались в период с 23
декабря 2013 года по 19 мая 2014 года. Был создан специальный алгоритм
для получения необходимой информации из разных разделов сайта. Нас
интересовала дата, день недели проведения мероприятия, модификация
зрительного зала, наличие возрастного ограничения и число билетов разных
категорий по различным ценам, имеющихся в кассе на конкретную дату
(дата сбора данных также фиксировалась).
В
рамках
данного
исследования
под
«кассой»
понимается
исключительно on-line касса, билеты здесь может приобрести любой
желающий пользователь интернета – информация о билетах, имеющихся в
off-line кассе недоступна.
Каждый день данные собирались по каждому из мероприятий. Как
только появлялись сведения об исполнителе и дате проведения, новый
концерт добавлялся в базу данных, однако только с появлением
информации о билетах, доступных в кассе, мы начинали обратный отсчет
дней до концерта и считали дни сбора данных. Таким образом, здесь число
дней, в течение которых билеты были в продаже, совпадает с числом дней
сбора данных или периодов наблюдений. С 23 декабря 2013 по 19 мая 2014
года была собрана информация о 133 концертах, 54 из которых уже
14
состоялись. Другими словами, у нас есть информация о числе и ценах
билетов различных категорий, находящихся в кассе площадки в каждый из
дней от самого старта продаж до дня проведения по 54 мероприятиям.
Данное исследование основано на несбалансированных (билеты
поступают в продажу за разное число дней до дня проведения концерта)
панельных данных по 54 концертам.
2.2. Описательная статистика
В процессе работы с данными было сгенерировано множество
переменных, часть которых представлена в таблице 2.1. Исключены
переменные, являющиеся промежуточными для получения приведенных в
таблице, а также те, описание которых аналогично указанному (например,
фиктивные переменные dc_monday, dc_tuesday, dc_wednesday, dc_thursday,
dc_friday, dc_saturday, dc_sunday принимающие значение «1», если сбор
данных происходил в соответствующий день недели).
Рассмотрим
категориальную
переменную
cenz,
принимающую
значения от одного до пяти, согласно таблице ниже. В нашей выборке
присутствуют мероприятия Crocus City Hall
с различными возрастными
ограничениями. Будем считать, что определенный возрастной ценз
соответствует наличию у концерта определенных характеристик, которые
могут повлиять на то, как проходят продажи, сколько билетов остается в
кассе, каждый день. Увеличении номера категории говорит об ужесточении
возрастного ограничения. В формуле 2.1 приведено соответствие
возрастных цензов номерам категорий.
𝟏, если 𝟎 +
𝟐, если 𝟔 +
𝒄𝒆𝒏𝒛 = 𝟑, если 𝟏𝟐 +
𝟒, если 𝟏𝟔 +
{𝟓, если 𝟏𝟖 +
(2.1)
15
Таблица 2.1.
Переменная
number_tg
fraction_tg
num_p
or_num_p
num_pc
or_num_pc
mean_p
dc_day
cenz
foreign
small_0
small_1
medium_0
big_0
big_1
monday
tuesday
wednesday
thursday
friday
saturday
sunday
time_l
Описание переменных
Тип
Описание
Количественная Число имеющихся в кассе билетов на
момент сбора данных
Количественная Доля билетов на концерт, доступных в
кассе, от их общего числа, %
Количественная Число доступных цен на концерт в день
сбора данных
Количественная Число доступных цен на момент
поступления билетов в кассу
Количественная Число доступных ценовых категорий в
день сбора данных
Количественная Число доступных ценовых категорий на
момент поступления билетов в кассу
Количественная Средняя цена билетов доступных в кассе
в день сбора данных, рубли
Количественная Порядковый номер дня сбора данных
Категориальная Принимает значения от 1 до 5 в
зависимости
от
установленного
возрастного ограничения
Фиктивная
Концерт иностранного исполнителя (1),
иначе (0)
Фиктивная
Малая аудитория без танцевального
партера (1), иначе (0)
Фиктивная
Малая аудитория с танцевальным
партером (1), иначе (0)
Фиктивная
Средняя аудитория без танцевального
партера (1), иначе (0)
Фиктивная
Большая аудитория без танцевального
партера (1), иначе (0)
Фиктивная
Большая аудитория с танцевальным
партером (1), иначе (0)
Фиктивная
Концерт проводится в понедельник (1),
иначе (0)
Фиктивная
Проводится во вторник (1), иначе (0)
Фиктивная
Проводится в среду (1), иначе (0)
Фиктивная
Проводится в четверг (1), иначе (0)
Фиктивная
Проводится в пятницу (1), иначе (0)
Фиктивная
Проводится в субботу (1), иначе (0)
Фиктивная
Проводится в воскресенье (1), иначе (0)
Фиктивная
Билеты поступили в кассу не менее, чем
за 50 дней до концерта (1), иначе (0)
16
Таблица 2.2 содержит описательные статистики количественных
переменных, указанных в таблице выше.
Таблица 2.2.
Переменная
Num_tg
Fraction_tg
Num_p
Or_num_p
Num_pc
Or_num_pc
Dc_day
Mean_p
Описательные статистистики
Среднее
Ст. отклонение Минимум
589,74
411,83
0
12,33
10,99
0
10,25
3,64
0
11,55
4,06
2
5,66
1,56
0
6,19
1,49
1
43,72
29,19
1
4865,44
2773,51
1000
Максимум
1873
64,84
23
20
9
9
149
35000
Согласно приведенным данным, в среднем в кассе находится 590
билетов на каждое мероприятие, и примерно 12% всех билетов на него.
Максимальное число билетов – 1873 штуки, максимальная доля билетов приблизительно 65%, а минимальное число равно 0, когда все билеты на
концерт распроданы (доля в этом случае также равна 0). Средняя цена равна
4865 рублям, при этом максимальная цена на прошедшие за рассмотренный
период концерты составила 35000 рублей. На мероприятия Crocus City Hall
устанавливается от 1 до 9 ценовых категорий, в среднем доступно 6
категорий, внутри которых варьируются цены. Изначально предлагается не
менее 2 различных цен на мероприятие, в среднем - 12. Интересно, что
максимальное число цен на мероприятие, билеты по которым доступны в
первый день продаж, (20) ниже, чем наибольшее число различных цен,
доступных в последующие дни (23). Это свидетельствует о существовании
такого факта, как «вброс» билетов: после начала продаж в кассу
добавляются билеты по уже имеющимся или новым ценам. Мы собираем
информацию с первого по последний день продаж билетов, в среднем они
поступают в кассу за 44 дня до мероприятия, и самый продолжительный
срок продаж – 149 дней.
17
Рассмотрим, как меняется во времени число билетов, оставшихся в
кассе, на разные мероприятия, проведем локально-взвешенное сглаживание
взаимосвязи между числом билетов и количеством дней продаж. Рисунок
2.1 демонстрирует, что с течением дней уменьшается число билетов в кассе.
Данный вывод не оригинален, однако следует обратить внимание, что число
билетов на различные концерты убывает по-разному. На особенности
продаж билетов могут влиять следующие факторы: поведение концертной
площадки в отношении данного исполнителя (политика ценообразования,
выбор дня недели проведения мероприятия, модификации зрительного
зала), уникальность программы выступления, популярность артиста в
1000
0
500
Число билетов
1500
2000
России и т.п.
0
50
Дни продаж
Наблюдение
100
150
Тренд
Рис. 2.1. Локально-взвешенное сглаживание
Как уже было отмечено, устройство Crocus City Hall позволяет
варьировать максимальной вместимостью зрительного зала, а значит, на
мероприятия, проходящие в больших по размеру и вместимости зрительных
залах, выпускается большее количество билетов. За рассмотренный период
были проведены концерты в пяти различных аудиториях. Максимально
18
возможное число зрителей в одном случае могло быть 7233 человека, для
другой модификации зрительного зала – 2173. Таким образом, какой бы ни
была
договоренность
площадки
с
билетными
агентствами
о
распространении билетов (например, 30% всех билетов поступают в кассу,
а остальные распределяются между агентствами), на одни мероприятия в
кассе всегда будет больше билетов, чем на другие. Делать какие-либо
выводы о продажах на основании сравнения количества оставшихся в кассе
билетов бессмысленно. Использование процентной доли билетов в кассе от
общего их числа, соответствующего вместимости выбранной модификации
зрительного зала, является выходом в такой ситуации.
Проанализируем распределение процентных долей имеющихся в
кассе билетов для мероприятий проходящих в большой аудитории с
танцевальным партером (обладает наибольшей вместимостью, 7233
40
20
0
% билетов кассы
60
человека) и всех остальных концертов.
0
1
% билетов кассы
Рис. 2.2. Распределение доли билетов
По двум ящичковым диаграммам, представленным на рисунке 2.2,
видно, что медианная доля билетов на мероприятия, проходящие в
19
аудитории с максимальной вместимостью (1) даже ниже, чем для остальных
мероприятий (0). Размах и межквартильный размах здесь также ниже. При
анализе распределения числа билетов между теми же группами
мероприятий, концерты, рассчитанные на большую аудиторию имели
больший размах числа билетов, оставшихся в кассе, и больший
межквартильный размах в сравнении со всеми остальными концертами.
Таким образом из анализа переменных number_tg и fraction_tg
следует, что последняя, полученная в результате нехитрых вычислений из
первой лучше подходит для анализа продаж билетов. Доля билетов
изменяется так же, как и их число со временем – убывает замедляющимся
темпом. При возврате билетов или их «вбросе» процентная доля
увеличивается, нас же интересуют в первую очередь детерминанты
снижения доли билетов в кассе.
20
ГЛАВА 3. ПОСТРОЕНИЕ МОДЕЛЕЙ
3.1. Построение базовой модели
Проанализируем продажи концертных билетов, построив модель по
несбалансированным панельным данным. Учтем влияние ценовой политики
и различных характеристик концертной площадки на долю билетов,
доступных в кассе, от общего их числа. Мы не располагаем точными
сведениями о числе проданных билетов в каждый день на каждое
мероприятие. Простым вычитанием числа билетов, оставшихся в кассе на
сегодняшнее число, из вчерашнего остатка билетов мы не получим
желаемого. Периодически происходят «вбросы» и возвраты билетов,
увеличивающие число билетов в кассе и не позволяющие получить
абсолютную величину проданных билетов.
Таким образом, в качестве
зависимой переменной была выбрана fraction_tg.
Используемая панель для 54 концертов является несбалансированной,
так как наблюдения за одними мероприятиями велись дольше, чем за
другими. Число периодов наблюдения зависит от того, за сколько дней до
проведения концерта билеты поступили в кассу.
Базовая модель включала 24 параметра, 23 регрессора: dc_day, foreign,
6 регрессоров для дней недели проведения концерта, medium_0, big_0, big_1,
cenz, mean_p, num_p, or_num_p, num_pc, or_num_pc, time_l, 6 регрессоров
для дней недели сбора данных, - и константу. Данную модель можно
представить в виде формулы 3.1.
Понедельник принят за эталонный день как для проведения
мероприятия, так и для сбора данных. Для модификаций зрительного зала
базовой является малая аудитория. Переменная num_pc не включается в
модель по причине высокого значения коэффициента парной корреляции с
or_num_pc. Если число различных цен, по которым можно приобрести
билеты в кассе концертного зала, меняется со временем, то число ценовых
21
категорий редко отличается от того значения, что было установлено в
первый день продаж, а значит при включении переменная будет
дублировать уже имеющуюся.
𝒇𝒓𝒂𝒄𝒕𝒊𝒐𝒏_𝒕𝒈𝒊𝒕 = 𝜷𝟎 + 𝜷𝟏 𝒅𝒄_𝒅𝒂𝒚𝒊𝒕 + 𝜷𝟐 𝒇𝒐𝒓𝒆𝒊𝒈𝒏𝒊 +
+𝜷𝟑 𝒕𝒖𝒆𝒔𝒅𝒂𝒚𝒊 + < ⋯ > +𝜷𝟖 𝒔𝒖𝒏𝒅𝒂𝒚𝒊 +
+𝜷𝟗 𝒎𝒆𝒅𝒊𝒖𝒎_𝟎𝒊 + 𝜷𝟏𝟎 𝒃𝒊𝒈_𝟎𝒊 + 𝜷𝟏𝟏 𝒃𝒊𝒈_𝟏𝒊 +
+𝜷𝟏𝟐 𝒄𝒆𝒏𝒛𝒊 + 𝜷𝟏𝟑 𝒎𝒆𝒂𝒏_𝒑𝒊𝒕 + 𝜷𝟏𝟒 𝒏𝒖𝒎_𝒑𝒊𝒕 +
(3.1)
+𝜷𝟏𝟓 𝒐𝒓_𝒏𝒖𝒎_𝒑𝒊 + 𝜷𝟏𝟔 𝒐𝒓_𝒏𝒖𝒎_𝒑𝒄𝒊 + 𝜷𝟏𝟕 𝒕𝒊𝒎𝒆_𝒍𝒊 +
+𝜷𝟏𝟖 𝒅𝒄_𝒎𝒐𝒏𝒅𝒂𝒚𝒊𝒕 +< ⋯ > +𝜷𝟐𝟑 𝒅𝒄_𝒔𝒖𝒏𝒅𝒂𝒚𝒊𝒕 + 𝜺𝒊𝒕 ,
где:
𝒊 – индекс мероприятия,
𝒕 – индекс периода наблюдения.
Параметры регрессии были оценены методом наименьших квадратов,
и мы получили следующий результат. Набор переменных для дня недели
сбора данных оказался статистически незначимым. F-тест показал, что нет
оснований для отвержения гипотезы о равенстве коэффициентов регрессии
0, значение p-value составило 0,996. Получается, не имеет значения, в какой
день мы «заглядываем» в кассу, чтобы подсчитать долю оставшихся там
билетов. Возможно, это связано с тем, что мы изучаем on-line продажи
билетов, многие факторы, определяющие то, сможет ли человек доехать до
кассы и приобрести билеты (например, погода, день недели) здесь теряют
свое влияние. Более того, незначимыми оказались коэффициенты перед
thursday и, вопреки ожиданиям, friday. На 5%-ом уровне значимости нет
оснований отвергнуть гипотезу об их совместном равенстве 0 (p-value =
0.095). Несмотря на то, что на 10% уровне значимости нулевую гипотезу
можно было отвергнуть, данные переменные были исключены из
дальнейшего анализа
На этом же шаге в модель была добавлена переменная, равная квадрату
числа дней наблюдений. Это изменение было необходимо для учета
22
нелинейной зависимости процентной доли билетов от дней, что они
находятся в продаже: мы предполагаем, что доля убывает замедляющимся
темпом. В результате методом наименьших квадратов была оценена модель
с 17 параметрами (16 регрессорами с константой). Коэффициенты регрессии
приведены в таблице 3.1.
Таблица 3.1.
Результаты регрессионного анализа
Переменная
Оценка t-статистика Значимость
Const
21,294
24,82
***
Dc_day
-1,711
-13,25
***
Dc_day_sq
0,001
7,70
***
Foreign
1,027
3,82
***
Tuesday
-1,159
-3.52
***
Wednesday
3,661
6,91
***
Saturday
-1,522
-5,29
***
Sunday
-3,598
-12,90
***
Cenz
-0,567
-6,30
***
Medium_0
-19,391
-31,79
***
Big_0
-20,237
-41,82
***
Big_1
-16,818
-29,65
***
Mean_p
0,379
10,81
***
Num_p
1,153
24,86
***
Or_num_p
-1,310
-24,94
***
Or_num_pc
2,996
26,60
***
Time_l
-3,026
-5,20
***
Наблюдений
3793
R-squared
66,54%
Adj R-squared
66,39%
Значимость:*p< 0.05;**p< 0.01;***p< 0.001
Все коэффициенты регрессии статистически отличны от 0 на 5% и даже
1% уровне значимости. Коэффициент детерминации модели составляет
66,54%, а значит регрессоры на 66,54% объясняют дисперсию зависимой
переменной.
Прежде,
чем
принять
модель
и
перейти
к
интерпретации
коэффициентов регрессии был проведен ряд тестов, среди которых тест Чоу
на структурное изменение. Переменная time_l в короткой регрессии
оказалась значимой даже на 1% уровне значимости, что послужило
23
основанием
для
проведения
теста.
Были
сгенерированные
новые
переменные и оценена модель с 34 параметрами. Для длинной модели был
проведен F-тест для проверки 17 линейных ограничений, по результатам
которого нулевая гипотеза была отвергнута. Таким образом, выборки для
концертов, билеты на которые поступили в продажу не менее, чем за 50 дней
до мероприятия, и менее, чем за 50 дней, признаны неоднородными, что
говорит о необходимости строить две разные модели.
Параметры моделей были оценены также методом наименьших
квадратов, для корректной проверки гипотез мы использовали робастные
стандартные ошибки. В таблице 3.2 приведены коэффициенты регрессии и
стандартные ошибки двух моделей, одна из которых построена по выборке,
включающей концерты, билеты на которые поступили в продажу не менее,
чем за 50 дней до него (выборка 1), а вторая – по выборке, включающей все
остальные мероприятия.
Данные модели не являются окончательными, и на следующем этапе
работы могут быть получены результаты, отличающиеся от имеющихся.
Однако интерпретация коэффициентов регрессии позволяет улучшить
понимание исследуемых взаимосвязей, а также причин возможных
смещений оценок.
Проанализируем результаты, начав с модели, полученной по первой
выборке. Как мы видим, все коэффициенты регрессии статистически
значимы. Коэффициент детерминации говорит о том, что 65,65% дисперсии
зависимой
переменной
объясняется
регрессорами
модели.
Мультиколлинеарность не выявлена, так как все VIF (за исключением VIF
для dc_day и dc_day_sq) меньше 5, а значит, объясняющие переменные не
дублируют друг друга по смыслу, а измеряют разные более или менее
независимые аспекты. Большинство наблюдений базовой модели попали в
первую выборку (3583 из 3793), знаки коэффициентов регрессии не
изменились, а их значения поменялись несильно.
24
Таблица 3.2
Результаты регрессионного анализа для двух выборок
Переменная
Выборка 1
Выборка2
Const
19,116***
33,989***
(0,73)
(3,84)
Dc_day
-0,170***
-0,494***
(0,01)
(0,05)
Dc_day_sq
0,001***
(0,00)
Foreign
0,893***
32,220***
(0,27)
(1,54)
Tuesday
-1,659***
(0,33)
Wednesday
2,599***
43,392***
(0,58)
(2,97)
Thursday
37,534***
(2,32)
Saturday
-1,734***
(0,29)
Sunday
-4,063***
(0,32)
Cenz
-0,609***
-7,861***
(0,09)
(1,12)
Medium_0
-20,835***
(0,68)
Big_0
-21,411***
(0,547)
Big_1
-17,454***
(0,59)
Mean_p
0,360***
1,371***
(0,04)
(0,27)
Num_p
1,101***
0,682**
(0,48)
(0,29)
Or_num_p
-1,340***
-9,781***
(0,05)
(0,40)
Or_num_pc
3,269***
13,097***
(0,117)
(0,58)
Наблюдений
3583
211
R-squared
65,65%
92,45%
Adj R-squared
65,50%
92,12%
*
**
Значимость: p< 0.05; p< 0.01;***p< 0.001
25
Подтверждена гипотеза о нелинейной взаимосвязи доли билетов и
числа дней продаж (квадрат числа дней статистически значим). Если
рассматривается концерт иностранного исполнителя, то доля билетов в
кассе в каждый фиксированный день при прочих равных больше на 0,8%ого пункта. Для мероприятий, проходящих во вторник, субботу или
воскресенье доля билетов меньше, чем для концертов первого рабочего дня
(взятого за эталонный) на 1,6%-ого пункта, 1,7%-ого пункта и 4%-ых пункта
соответственно. Если же мероприятие проходит в среду, то при прочих
равных доля билетов в кассе выше на 2,6%-ого пункта. При ужесточении
возрастного ценза, переходе от отсутствия ограничения к 6+, затем к 12+ и
т.д. (увеличение категории на 1), доля билетов в кассе снижается на 0,6%ого пункта. Рассмотрим влияние модификации зрительного зала на долю
концертных билетов в кассе. Коэффициенты регрессии говорят в пользу
проведения мероприятий в средней или большой аудитории без или с
танцевальным партером: доля билетов в кассе на такие концерты меньше
приблизительно на 21, 21, 17%-ых пунктов соответственно. Коэффициент
перед средней ценой, измеренной в рублях, был настолько мал, что для его
интерпретации было решено изменить единицу измерения с рублей на
тысячи рублей. Тогда при росте средней цены на 1000, число билетов в кассе
увеличится на 0,4%-ого пункта. При увеличении числа доступных цен в
конкретный день продаж на 1, число билетов в кассе в среднем
увеличивается на 1%-ый пункт. Доля билетов при прочих равных меньше
на 1,3%-ого пункта для тех концертов, где изначально было заявлено на 1
цену больше, а если изначально выделялась дополнительная ценовая
категория, то доля билетов в кассе при прочих равных, наоборот, выше на
3,3%-ого пункта.
Вторая выборка включает 211 наблюдений по 9 концертам, продажи
билетов на которые начались менее, чем за 50 дней до самого мероприятия.
Все девять концертов проходили в малой аудитории в рабочие дни недели.
Поэтому в модель не включались переменные для модификации
26
концертного зала, а также субботы и воскресенья. Вторник и пятница
оказались статистически незначимыми и были исключены из дальнейшего
анализа. Знаки коэффициентов регрессии сохранились, если сравнивать с
базовой моделью, но их значения заметно выросли.
Сравнивая константы моделей по двум выборкам, можно сказать, что
доля билетов, имеющаяся в кассе, от общего их числа для концертов из
второй выборки (менее, чем за 50 дней билеты на эти концерты поступили
в продажу) в среднем выше, чем доля билетов на другие мероприятия. Более
того, в модели, полученной по второй выборке, зависимость доли билетов
от числа дней, что они находятся в продаже линейная или очень близка к
ней – переменная, равная квадрату числа дней оказалась статистически
незначимой –, и с каждым днем доля билетов в кассе становится меньше на
0,5%-ого пункта. Если рассматривается концерт проходящий в четверг, то
при прочих равных условиях билетов в кассе на это выступление на 37%-ых
пунктов больше, чем на мероприятия, проходящие в понедельник
(эталонный день). Интерпретация других коэффициентов аналогична
приведенной для модели, построенной, по выборке 1.
Следующим шагом в работе является построение модели с
фиксированными эффектами для концерта. Несмотря на высокое значение
коэффициента детерминации, мы не можем продолжить работу с моделью,
построенной по второй выборке. Число степеней свободы ограничивает нас,
не позволяя включить дополнительные регрессоры. Таким образом,
дальнейший анализ доли концертных билетов, остающихся в кассе, будет
произведен по наблюдениям за концертами, билеты на которые поступили
в продажу задолго до его проведения (более, чем за 50 дней).
3.2. Фиксированные эффекты для концертов
Известной проблемой регрессионного анализа являются пропущенные
переменные. При моделировании продаж билетов пропущенная переменная
– «звездность» исполнителя: талант, известность и т.п. Эти характеристики
27
исполнителя не меняются от самого первого дня, когда билеты попадают в
кассу концертного зала, до дня проведения концерта, следовательно,
перестают быть пропущенной переменной в панельной регрессии.
Мы предполагаем, что помимо переменных, уже включенных в модель,
построенную по второй выборке, на долю билетов в кассе площадки влияют
некоторые факторы 𝑍𝑖 , которые меняются от концерта к концерту, но не
меняются для конкретного мероприятия. А если организаторы концерта
знают об этих факторах, не наблюдаемых нами, средние цены, выбор
аудитории для мероприятия, число цен и ценовых категорий может быть
скорректировано.
Так, если предположить, что неучтенные факторы
коррелированы с включенными в модель переменными, то можно прийти к
выводу о смещении оценок.
На данном этапе мы вводим в базовую модель ненаблюдаемые
переменные 𝑐𝑜𝑛𝑐𝑖 , которые для i-ого концерта не менялись в период продаж
билетов. Было сгенерировано 42 новые переменные для концертов,
включенных в выборку 1. В приложении 2 приведена таблица соответствий
переменных анализируемым концертам. Новую модель можно описать c
помощью формулы 3.2.
𝒇𝒓𝒂𝒄𝒕𝒊𝒐𝒏_𝒕𝒈𝒊𝒕 = 𝜷𝟎 + 𝜷𝟏 𝒅𝒄_𝒅𝒂𝒚𝒊𝒕 + 𝜷𝟐 𝒅𝒄_𝒅𝒂𝒚_𝒔𝒒𝒊𝒕 +
+ 𝜷𝟑 𝒇𝒐𝒓𝒆𝒊𝒈𝒏𝒊 + 𝜷𝟒 𝒕𝒖𝒆𝒔𝒅𝒂𝒚𝒊 + 𝜷𝟓 𝒘𝒆𝒅𝒏𝒆𝒔𝒅𝒂𝒚𝒊 +
+𝜷𝟔 𝒔𝒂𝒕𝒖𝒓𝒅𝒂𝒚𝒊 + 𝜷𝟕 𝒔𝒖𝒏𝒅𝒂𝒚𝒊 + 𝜷𝟖 𝒎𝒆𝒅𝒊𝒖𝒎_𝟎𝒊 +
+𝜷𝟗 𝒃𝒊𝒈_𝟎𝒊 + 𝜷𝟏𝟎 𝒃𝒊𝒈_𝟏𝒊 + 𝜷𝟏𝟏 𝒄𝒆𝒏𝒛𝒊 +
(3.2)
+𝜷𝟏𝟐 𝒎𝒆𝒂𝒏_𝒑𝒊𝒕 + 𝜷𝟏𝟑 𝒏𝒖𝒏_𝒑𝒊𝒕 + 𝜷𝟏𝟒 𝒐𝒓_𝒏𝒖𝒎_𝒑𝒊 +
+𝜷𝟏𝟓 𝒐𝒓_𝒏𝒖𝒎_𝒑𝒄𝒊 +𝜷𝟏𝟔 𝒄𝒐𝒏𝒄_𝟏𝒊 +< ⋯ > +
+𝜷𝟓𝟔 𝒄𝒐𝒏𝒄_𝟒𝟐𝒊 + 𝜺𝒊𝒕 ,
где:
𝒊 – индекс концерта,
𝒕 – индекс периода наблюдения.
28
Оценка параметров модели с 57 параметрами была осуществлена
методом наименьших квадратов с фиксированными эффектами для всех
мероприятий кроме «Дискотеки детского радио», которое было взято за
эталонное. В таблице 3.3 приведены результаты регрессионного анализа.
Таблица 3.3
Результаты регрессионного анализа
Переменная
Оценка t-статистика Значимость
Const
28,197
23,12
***
Dc_day
-0,214
-20,69
***
Dc_day_sq
0,001
12,18
***
Foreign
-5,719
-6,90
***
Tuesday
1,756
6,17
***
Wednesday
-6,582
-3,92
***
Saturday
-7,371
-14,71
***
Sunday
-6,550
-8,21
***
Medium_0
-21,971
-16,26
***
Big_0
-18,085
-20,24
***
Big_1
-13,076
-17,78
***
Cenz
-1.556
-4.23
***
Mean_p
0.272
8,81
***
Num_p
0.756
18,32
***
Or_num_p
-1,512
-17,05
***
Or_num_pc
3,668
7,63
***
Conc_6
-7,993
-4,43
***
Conc_11
4,587
5,60
***
Conc_12
-12,898
-10,13
***
Conc_16
-11,691
-10,05
***
Cons_25
-3,652
-3,60
***
Conc_28
-9,176
-6,66
***
Conc_29
-9,712
-7,90
***
Conc_30
3,679
4,19
***
Conc_34
2.423
2.62
**
Conc_35
-2,955
-2,80
**
Conc_39
-8,948
-8,16
***
Conc_40
4,768
6,78
***
Conc_42
-0,367
-0,36
***
Наблюдений
3583
R-squared
84,49%
Adj R-squared
84,28%
Значимость:*p< 0.05;**p< 0.01;***p< 0.001
29
В данную таблицу включены коэффициенты регрессии только лишь
некоторых
ненаблюдаемых
переменных
для
наиболее
интересных
концертов с точки зрения популярности исполнителя в России.
Для большинства коэффициентов регрессии включение в модель
фиксированных эффектов не сильно отразилось на значениях, однако сразу
заметна смена знака коэффициента перед переменной foreign. Учитывая
ненаблюдаемые переменные, мы избавляемся от смещения коэффициентов,
вызванного этими самыми не включенными нами ранее факторами.
Поэтому модель с фиксированными эффектами является более надежной, и
интерпретация ее коэффициентов представляет особый интерес. Также
новая модель превосходит базовую модель, поскольку регрессоры,
включенные в нее, объясняют дисперсию зависимой переменной на 84,49%
а информационный критерий полученной модели (20941) ниже значения
для базовой модели (23528).
Данная модель также, как и базовая, подтверждает существование
нелинейной взаимосвязи между долей билетов в кассе концертного зала и
числом дней продаж: квадрат числа дней статистически значим. Если
билеты поступают в продажу более, чем за 50 дней до проведения
мероприятия, то доля оставшихся в кассе от общего их числа уменьшается
замедляющимися темпами с приближением даты концерта.
Если проводится концерт иностранного исполнителя, то при прочих
равных в конкретный день продаж в кассе остается практически на 6%-ых
пунктов меньшая доля билетов. Что говорит о том, что посетителями
концертных залов, аналогичных московскому Crocus City Hall, иностранные
артисты более востребованы, чем российские, а также исполняющие песни
на русском языке. На концертные площадки с другими характеристиками
(вместимость, расположение и т.п.) данный результат не распространяется.
Доля билетов на концерты, проходящие в среду в среднем ниже на
6,6%-ого пункта доли билетов доступных в кассе на мероприятие первого
рабочего дня, взятого за эталонный. Также доля билетов на субботние и
30
воскресные концерты меньше на 7,4 и 6,5%-ого пункта соответственно.
Большая приблизительно на 2%-ых пункта доля билетов остается в кассе на
мероприятия, проходящее во вторник при прочих равных условиях.
Неудивительно, что на концерты, проходящие в выходные дни билеты
раскупаются быстрее. Проведение мероприятия во вторник ведет к тому,
что на него большая доля билетов будет оставаться в кассе площадки. Среда,
согласно модели, является наилучшим днем рабочей недели для проведения
концерта.
Если концерт проводится в средней аудитории без танцевального
партера, то в среднем в кассе остается меньшая на 22%-ых пункта доля
билетов, если же организаторами мероприятия выбрана большая аудитория
без или с танцевальным партером, то при прочих равных доля оставшихся в
кассе билетов меньше на 18 и 13%-ых пунктов соответственно. Результаты
регрессионного анализа модели говорят в пользу средней модификации без
танцевального партера для проведения концертных мероприятий.
С ужесточением возрастного ограничения на мероприятия изменяется
доля билетов, имеющихся в кассе. Так для концерта с возрастным
ограничением 6+ эта доля при прочих равных условиях будет на 1,6%-ого
пункта меньше, чем для мероприятия с цензом 12+.
Как уже было отмечено в предыдущем разделе главы 3, средняя цена
переведена в тысячи рублей. Таким образом, доля концертных билетов,
средняя цена которых выше на 1000 рублей, больше приблизительно на
0,3%-ого пункта при прочих равных условиях. Как мы видим, чтобы в кассе
осталась хотя бы на один процентный пункт большая доля билетов, надо
увеличить цену на 4000 рублей. Это в очередной раз подтверждает, что
артисты, как производители гетерогенных благ, имеющие при этом
множество верных поклонников и последователей, обладают монопольной
властью, проявляющейся в том числе в том, что даже при сильном
повышении средней цены, в кассе будет оставаться лишь немного большая
доля билетов при прочих равных условиях.
31
Рассмотрим влияние ценовой политики концертного зала в отношении
конкретного мероприятия в установлении числа различных цен и ценовых
категорий. Если в первый день продаж билетов на концерт доступно на одну
цену больше, то в среднем доля билетов в кассе от всех билетов меньше на
1,5%-ого пункта. Введение дополнительной цены на мероприятие, в одну из
существующих категорий дает возможность желающим посетить концерт
«самоопределиться», выбрав в интересующей категории оптимальное
сочетание качества восприятия, обеспеченного расположением места, и
стоимости, что положительно сказывается на продажах билетов. В
отношении
ценовых
категорий
наблюдается
обратное.
Если
при
поступлении билетов в продажу предлагается на одну ценовую категорию
больше, то при прочих равных, доля билетов, имеющихся в кассе больше
практически на 4%-ых пункта. В этом случае при одном и том же числе цен,
распределенных по категориям, для одного мероприятия, число категорий
больше, чем для другого. Скорее всего, размах цен (разность максимальной
и минимальной) для первого мероприятия должен быть выше, чтобы был
смысл делить билеты на категории. А тогда имеет место ситуация, когда
билеты по более низким ценам раскупаются, а более дорогие (другой
категории) долго остаются в кассе.
Если число различных цен, доступных в кассе на конкретное
мероприятие, больше на одну при прочих равных условиях, то доля билетов
в таком случае будет больше приблизительно на 0,8%-ого пункта. Данный
результат можно переформулировать следующим образом. Если при прочих
равных билетов по какой-то конкретной цене не стало (билеты цены p
раскуплены), то доля билетов в кассе уменьшилась на 0,8%-ого пункта, что,
в общем, естественно.
Как уже упоминалось ранее, в таблице 3.3 приведены коэффициенты
регрессии не для всех мероприятий. Переменная conc_6 представляет собой
неучтенные эффекты для концерта «Чайф. Зимняя акустика». При прочих
равных условиях на данное мероприятие в кассе остается почти на 8%-ых
32
пунктов меньшая доля билетов. На концерт Дины Гариповой (conc_12),
победительницы самого рейтингого российского шоу «Голос» - на 13%-ых
пунктов меньшая доля. На концерт Гару (conc_16), звезды мюзикла «Notre
Dame de Paris», доля оставшихся в кассе билетов при прочих равных
условиях меньше приблизительно на 12%-ых пунктов. Также при прочих
равных условиях в кассе остается на 4%-ых пункта меньшая доля билетов,
если речь идет о концерте Григория Лепса (conc_25). Процентная доля
меньше на 9%-ых пунктов, если мы говорим о выступлении Николая
Носкова с программой «Трилогия» (conc_28) и практически на 10%-ых
пунктов меньше, если рассматривается концерт Олега Газманова (conc_29).
Однако наряду с программами тех исполнителей, выступления которых при
прочих равных условиях уменьшают долю билетов, остающихся в кассе, мы
наблюдаем и те, для которых коэффициент регрессии положителен. Так, на
концерт Дидюли «Musique du Soleil» (conc_11) доля билетов, оставшихся в
кассе в конкретный день продаж в среднем больше на 5%-ых пункта, а на
концерт Пенкина «The Best» (conc_30) - больше приблизительно на 4%-ых
пункта. Среди иностранных исполнителей можно выделить, например,
Smokie & Illegal Eagles (conc_34), процентная доля билетов на концерт
которых при прочих равных выше более, чем на 2%-ых пункта.
33
ЗАКЛЮЧЕНИЕ
На уникальных панельных данных была построена объясняющая долю
оставшихся билетов в кассе модель с фиксированными эффектами для всех
мероприятий, прошедших на сцене московского концертного зала «Crocus
City Hall» в период с 23 декабря 2013 по 19 мая 2014 года. Билеты на
анализируемые мероприятия поступили в продажу задолго до дня
проведения концерта (не менее, чем за 50 дней). Модель учитывает как
политику площадки в отношении конкретного мероприятия (от выбора дня
проведения и модификации зрительного зала до назначения определенного
числа цен и ценовых категорий), так и ненаблюдаемые факторы,
индивидуальные для каждого исполнителя и не меняющиеся в период
продаж билетов.
В нашем случае ненаблюдаемые факторы – это
известность исполнителя в России, его популярность, новизна программы
выступления и т.п.
По результатам исследования, доля билетов в кассе от общего их числа
на мероприятие меньше на концерты иностранных исполнителей при
прочих равных условиях. Выбор модификации зрительного зала оказывает
значительное влияние на долю билетов, оставшихся в кассе на конкретный
день продаж. Полученные результаты говорят в пользу выбора средней
аудитории без танцевального партера для проведения мероприятий. Доля
билетов в кассе в среднем меньше для субботних и воскресных концертов,
а среда – наиболее благоприятный день рабочей недели для их проведения
с точки зрения меньшей доли оставшихся в кассе билетов. Эмпирически
доказано, что политика установления числа различных цен и ценовых
категорий на концерт является важным инструментом, влияющим на долю
оставшихся
в
кассе
билетов.
При
изначальном
предложении
дополнительной цены, отличной от уже имеющихся в ценовой категории,
процентная доля билетов, остающихся в кассе, снижается. В случае
сохранения числа различных цен и выделении дополнительной ценовой
34
категории, доля оставшихся билетов, наоборот, растет. Также в очередной
раз было подтверждено, что исполнители обладают монопольной властью,
предлагая гетерогенные блага и имея при этом множество верных
слушателей.
Полученный результат может быть использован организаторами
концертных мероприятий при принятии решений о приглашении
конкретного исполнителя, решений, связанных с выбором характеристик
зрительного зала, дня проведения мероприятия. Более того, грамотный
подход к установлению числа различных цен и ценовых категорий позволит
добиться наименьшей доли билетов, остающихся в кассе в каждый
конкретный день продаж.
Многие
стороны
организации
концертной
деятельности
на
сегодняшний день остаются неизвестными. Например, мы не знаем
договоренности концертных залов с различными билетными агентствами о
распространении билетов на мероприятия. Какая доля билетов поступает в
кассу концертного зала, а какая – в кассы соответствующих агентств? В
результате анализа продаж билетов выявлено, что доля билетов от общего
их числа на мероприятие, изначально поступающая в кассу незадолго до
концерта, в среднем выше, чем соответствующая доля, поступивших в
продажу не менее, чем за 50 дней до мероприятия билетов.
При проведении исследования был выявлен факт «вброса» билетов.
Перед нами не стояла задача изучить природу «вброса» и его последствия
на продажи билетов и долю оставшихся билетов в кассе в конкретный день
продаж, но очевидно, игнорируя данный факт, можно получить
некорректный результат. Включение фиксированных эффектов для
концерта в модель обеспечило учет в анализе ненаблюдаемых переменных,
среди которых, возможно, и связанные с «вбросами» билетов на конкретное
мероприятие.
Как отделить величину «вбросов» от возвратов билетов на конкретное
мероприятие, и можно ли его спрогнозировать? На каком основании
35
принимается решение о количестве билетов, пополняющих кассу, и их
ценах при использовании такого метода?
Возможно, в дальнейшем, с раскрытием концертными залами
информации о концертах, число вопросов, оставшихся без ответа,
уменьшится, а ограничения, с которыми исследователи сталкиваются
сегодня, послужат идеями для будущих работ, посвященных изучению
концертной деятельности в России.
36
СПИСОК ЛИТЕРАТУРЫ
1. Borghans L., Groot L. Superstadom and Monopolistic Power: Why Media
Stars Earn More than Their Marginal Contribution to Welfare // Journal of
Institutional and Theoretical Economics. 1998. T. 154. № 3. С. 546-571.
2. Busse M., Rysman M. Competition and Price Discrimination in Yellow
Pages Advertising // RAND Journal of Economics. 2005. Т. 36. С. 378-390.
3. Caves R. E. Creative Industries: Contracts between Art and
Commerce. Cambridge : Harvard University Press, 2000.
4. Clerides S., Michis A. Market Concentration and Nonlinear Pricing:
Evidence from Detergent Prices in Six Countries. Mimeo : University of Cyprus,
2007.
5. Connolly M., Krueger A. Rockonomics: the Economics of Popular
Music // Handbook of the Economics of Art and Culture. 2006. Т. 1.
6. Courty P. An Economic Guide to Ticket Pricing in the Entertainment
Industry // Louvain Economic Review . 2000. Т. 66. № 2. С. 167-192.
7. Courty P., Pagliero M. Price Discrimination in the Concert
Industry. Florence : European University Institute, 2009.
8.
О
нас
информационных
//
CROCUS
технологий.
CITY
URL
HALL. Webway
-
лаборатория
http://www.crocus-hall.ru/
(дата
обращения: 04.05.2014).
9. Eliot M. Rockonomics: The Money Behind the Music. New York : Carol
Publishing Group, 1993.
10. Frey B. The Economics of Music Festivals // Journal of Cultural
Economics. Notherland : Kluwer Academic Publishers. 1994. Т. 18. № 1. С. 2939.
11. Hamlen W. A Superstadom in Popular Music: Empirical Evidence //
Review of Economics and Statistics. 1991. Т. 73. № 4. С. 729-733.
12. Happel S., Jennings M. Creating a Futures Market for Major Event
Tickets: Problems and Prospects // Cato Journal. 2002. Т. 21. № 3. С. 443-461.
37
13. Huntington P. Ticket Pricing Policy and Box Office Revenue // Journal
of Cultural Economics. 1993. Т. 17. № 1. С. 71-87.
14. Koster A. The Emerging Music Business Model: Back to the Future //
Journal of Business Case Studies. 2008. С. 17-22.
15. Krueger A. The Economics of Real Superstars: The Market for Concerts
in the Material World // Journal of Labour Economics. 2005. Т. 23. № 1. С. 130.
16. Krueger A. The Economics of Real Superstars: The Market for Rock
Concerts in the Material World // Journal of Labor Economics. The University of
Chicago. 2005. Т. 23. № 1. С. 1-30.
17. Leslie P. A Stractural Econometric Analyses of Price Descrimination in
Broadway Theatre. Mimeo: Yale University, 1998.
18. Rosen S The Economics of Superstars // American Economic Review.
1981. Т. 71. № 5. С. 845-858.
19. Rosen S., Rosenfield A. Ticket pricing // Journal of Law and
Economics. 1997. Т. 40. № 2. С. 351-376.
20. Tirole J. The Theory of Industrial Organisation. Cambridge : The MIT
Press, 1988.
21. Woodrow E., Smith M. The Revenue Gains from Multi-Tier Ticket
Pricing: Evidence from Pop Music Concerts // Managereal and Decision
Economics. 2012. Т. 33. С. 463-473.
38
ПРИЛОЖЕНИЕ 1
Структурные элементы и вместимость аудиторий
Большая аудитория
Структура зрительного зала c/без танцевального партера:
GRAND /
1700
66
Танцевальный
партер
VIP Партер
572
Партер
662
662
Амфитеатр
795
795
Бельэтаж
1055
1055
Ложи бельэтажа
72
72
Балкон А
1382
1382
Балкон В
1561
1561
Места для инвалидов-колясочников
Амфитеатр
6
6
Максимальная
7233
6171
вместимость
Средняя аудитория
Структура зрительного зала c/без танцевального партера:
GRAND
/
1700
66
Танцевальный
партер
VIP Партер
572
Партер
662
662
Амфитеатр
795
795
Бельэтаж
1055
1055
Ложи бельэтажа
72
72
Места для инвалидов-колясочников
Амфитеатр
6
6
Максимальная
4290
3228
вместимость
Малая аудитория
Структура зрительного зала c/без танцевального партера:
GRAND
/
1700
66
Танцевальный
партер
VIP Партер
572
Партер
662
662
Амфитеатр
795
795
Ложи бельэтажа
72
72
Места для инвалидов-колясочников
Амфитеатр
6
6
Максимальная
3235
2173
вместимость
39
ПРИЛОЖЕНИЕ 2
Соответствия переменных и названий концертов
Переменная
Название концерта
Conс_1
The show tribute to abba 40th anniversary world tour
Conс_2
Conс_3
Ночь пожирателей рекламы
Apocalyptica
Conс_4
Backstreet boys
Conс_5
Conс_6
Conс_7
Баста
Чайф. Зимняя Акустика
Концерт Черима
Conс_8
Тото Кутуньо
Conс_9
Дискотека детского радио
Conс_10
Дэва Премал
Conс_11
Дидюля Musique du Soleil
Conс_12
Дина Гарипова
Conс_13
Дуэт имени Чехова
Conс_14
Керри Эллис и Брайан Мэй
Conс_15
Secret Garden & Deep Forest
Conс_16
Гару
Conс_17
Концерт ансамбля имени Игоря Моисеева
Conс_18
Ирина Круг
Conс_19
Ive Mendes
Conс_20
Хосе Каррерас
Conс_21
Katie Melua Simplified Tour
Conс_22
Kenny G
Conс_23
Kitaro
Conс_24
Шоу японских барабанщиков «Kodo»
Conс_25
Григорий Лепс Гангстер №1
Conс_26
«Машина Времени» и «Воскресение»
Conс_27
Nazareth Forever Tour
40
Продолжение таблицы
Переменная
Conс_28
Название концерта
Николая Носкова «Трилогия»
Conс_29
Олег Газманов
Conс_30
Сергей Пенкин The Best
Conс_31
О чем ещё поют мужчины
Conс_32
Бит-квартет «Cекрет» «30 лет. На бис»
Conс_33
Михаил Шуфутинский
Conс_34
Smokie & Illegal Eagles
Conс_35
Фестиваль песни и поэзии «Крепитесь, люди, скоро
лето!»
Conс_36
Концерт хора Сретенского Монастыря
Conс_37
Стив Хакетт «Genesis Revisited»
Conс_38
The Straits
Conс_39
Сурганова & Оркестр
Conс_40
Татар Жыры гала-концерт
Conс_41
Витас
Conс_42
Юрий Шатунов «Я верю… новое и лучшее»
41