Ma sa r yk o v a u n iv e rz ita Ekonomicko-správní fakulta Studijní obor: Hospodářská politika
ANALÝZA ROZPTYLU CEN INTERNETOVÝCH OBCHODŮ Variation in prices of internet shops Bakalářská práce
Vedoucí práce: Ing. Michal KVASNIČKA, Ph.D.
Autor: Kateřina SKOROCKÁ
Brno, 2012
Masarykova univerzita Ekonomicko-správní fakulta Katedra ekonomie Akademický rok 2011/2012
ZADÁNÍ BAKALÁŘSKÉ BAKALÁ SKÉ PRÁCE
Pro:
SKOROCKÁ Kateřina Kate
Obor: Hospodářská ská politika
Název tématu:
ANALÝZA ROZPYTLU CEN INTERNETOVÝCH INTERNETOVÝ O BCHODŮ
Variation in prices of internet shops
Zásady pro vypracování Problémová oblast, cíl práce, postup a použité metody: Studentka sesbírá denní data o vývoji cen ve vybraných internetových obchodech pro vybrané komodity minimálně za 40 dnů. dn Na těchto chto datech se s pomocí nástrojů nástroj matematické statistiky pokusí zjisit, do jaké míry a jakým způsobem zp se liší ceny v těchto chto obchodech.
1
Rozsah grafických prací:
(Předpoklad cca 10 tabulek a grafů)
íloh: Rozsah práce bez příloh:
35 – 40 stran
Seznam odborné literatury: •
Babbie, Earl. The practice of social research. research. 11th ed. Belmont : Thomson/Wadsworth, 2006. xxiv, 511. ISBN 0-495-09325-4. 0
ské práce: Vedoucí bakalářské
Datum zadání bakalářské ské práce: práce
Ing. Michal Kvasnička, Kvasni Ph.D.
28. 11. 2011
Termín odevzdání diplomové práce a vložení do IS uvedenje v platném harmonogramu akademického roku.
………………………………….
………………………………….
vedoucí katedry
děkan
V Brně dne 28. 11. 2011
2
Jméno a příjmení íjmení autora: Název bakalářské ské práce: Název práce v angličtině: anglič Katedra: Vedoucí bakalářské ské práce: Rok obhajob y:
Kateřina Skorocká Analýza rozptylu cen internetových obchodů obchod Variation in Prices of Internet Shops S Ekonomie Ing. Michal Kvasnička, čka, Ph.D. 2012
Anotace Předmětem ředmětem této bakalářské práce je empirický výzkum, který se zabývá tím jak se vyvíjí ceny vybraných komodit na internetovém serveru, který srovnává ceny, Heureka.cz.Veškerá data potřebná k vypracování této studie byla každodenně stahována na zmíněném ném serveru Heureka.cz po dobu dvou měsíců (tj. 63 dní). Prostřednictvím software MS Excel byly vypracovány ze stažených informací o cenách základní statistiky, které byly dále použity k testování modelů ve statistickém programu Gretl. Dále je v této studiii zahrnuto pozorování různých typů chovaní největších hráčů na daných trzích.
Annotation The main goal of this bachelor thesis is empirical research. This research deals with prices of chosen goods and how they change over time. Prices of different e-shops e of the chosen goods were compared using the internet server Heureka.cz. Heureka.cz Price data was downloaded everyday from this server for a 2 month period (63 days). After the price data was collected, MS Excel was used to determine determine mathematical statistics about prices of the chosen goods. Those statistics helped to analyze and build some tests in statistical software called GRETL. This paper also includes market leaders of each commodity and tries to explain how they act on those thos markets.
Klíčová slova Heureka.cz, ceny, popisné statistiky, elektronika, kosmetika, domácí spotřebiče spot
Keywords Heureka.cz, prices, descriptive statistics, electronics, cosmetics, home appliances, 3
Prohlášení „Prohlašuji, že jsem bakalářskou bakalá skou práci Analýza rozptylu cen internetových obchodů obchod vypracovala samostatně pod vedením Ing. Michal Kvasnička, Kvasni ka, Ph.D. a uvedla v ní všechy použité literární a jiné odborné zdroje v souladu s právními předpisy, p edpisy, vnitřními vnit předpisy Masarykovy university niversity a vnitřními vnit akty řízení ízení Masarykovy university a Ekonomicko-správní Ekonomicko fakulty MU.”
V Brně, 20.května 2012 ……………………………………. Kate Kateřina Skorocká
4
Poděkování Zde bych velice ráda poděkovala pod Ing. Michalu Kvasničkovi,, Ph.D. za jeho cenné rady a připomínnky, ipomínnky, díky kterým mi pomohl k vypracování teto bakalářské bakalářské práce. práce Dále bych chtěla poděkovat kovat Ing. Stanislavu Tvrzovi, který mi byl při p i zpracování bakalářské bakalá práce vždy oporou a poskytl velmi cenné rady ohledně ohledn statistických metod.
5
Obsah: ÚVOD ................................................................................................................................ ................................ ........................................ 7 1 DATA A METODA ZPRACOVÁNÍ ZPRA ................................................................ .................................................. 8 1.1.
Struktura dat ................................................................................................ ................................ ...........................................................................8
1.2.
Metoda sběru ru dat, sledované období o ................................................................ ......................................................................9
2 VÝSLEDKY, KOMENTÁŘE KOMENTÁ A STATISTICKÉ MODELY................................ ......................................... 18 2.1.
Ekonometrické ometrické modely................................................................................................ modely .........................................................18
2.2.
OLS model (model nejmenších čtverců) ................................................................ .............................................................21
2.3.
Interpretace modelu ................................................................................................ .............................................................30
2.4.
Chování online obchodů obchod na trhu ................................................................ .........................................................................33
ZÁVĚR ................................................................................................ ................................ ................................................................... 44 SEZNAM POUŽÍTÉ LITERATURY LITER ................................................................ .................................................. 45 SEZNAM GRAFŮ ................................................................................................ ................................ ................................................. 46 SEZNAM TABULEK ................................................................................................ ................................ ............................................ 47 SEZNAM HISTOGRAMŮ HISTOGRAM ................................................................ ................................................................... 47 SEZNAM OBRÁZKŮ ................................................................................................ ........................................... 47 PŘÍLOHY ................................................................................................ ................................ ............................................................... 48
6
ÚVOD Každý z nás určitě někdy nakupoval po internetu. V dnešní době je online nakupování nejjednodušší formou nákupu vůbec. Nejen že tato forma nákupu umožňuje uskutečnit nákup přímo z pohodlí domova, ale také nám samotný internet poskytuje seznam všech internetových obchodů, ze kterých je možné poptávané zboží vybírat. A právě toto je velkou výhodou online nakupování.Na internetu máme k dispozici řadu obchodů, u kterých lze zboží srovnávat. Dále je možné vyhodnotit, který prodejce nabízí zboží nejvýhodněji. Tato výše zmíněná hodnocení se na českém trhu provádí zejména na serverech www.zbozi.cz a www.Heureka.cz. K výběru nejvhodnějšího internetového obchodu mohou zákazníci kromě cen zohlednit také hodnocení kvality obchodů (recenze) od dalších zákazníků. Na stránkách se kupující také dozví, kolik mají internetové obchody kamenných poboček po České republice, což je výhodné hlavně pro ty, kdo chtějí ušetřit na poštovném. Dále kupující mají možnost využít služby Garance nákupu1. Dle Heuréky tato služba by měla odlišit spolehlivé online obchody od těch, co nějakým způsobem nehrají férově. A právě tímto se tato empirická studie zabývá. Zkoumá ceny vybraných komodit na českém trhu u vybraných prodejců. Ceny jsou sesbírány za určité časové období (63 dní) a poté pomocí matematické statistiky vysvětleny do jaké míry a jakým způsobem se ceny u těchto prodejců liší. V této studii byla sesbírána data formou denního sledování vývoje cen u daných komodit a vybraných výrobců. Byla použita forma zaznamenávání poznatků do
softwaru MS Excel. Poté jsou data
vyhodnocena nástroji základních popisných statistik, odkud byla dále využívána programem Gretl – řešení modelů Nejmenších čtverců. Tyto modely jsou v Gretlu snadno interpretovatelné, což ocení i ne ekonometricky zdatní čtenáři. Struktura práce je rozdělena do dvou hlavních částí. V první části popisuje data celkově, jakým způsobem byla sesbírána, odkud, za jaké časové období a dále detailně popisuje jednotlivé komodity. Ve druhé části jsou interpretovány výsledky provedených analýz, testů a statistik, popřípadě jsou připojené komentáře či výpovědi přímo od určitých obchodních zástupců vybraných internetových obchodů. Dále jsou v tomto výzkumu zkoumány určité faktory, které by mohly na jednotlivé ceny působit a ovlivňovat je. 1
Více na: http://www.garancenakupu.cz/
7
1 DATA A METODA ZPRACOVÁNÍ Veškerá data, na kterých je tato studie postavena pochází ze serveru www.Heureka.cz. Server Heureka.cz uvádí, že je: „jednou z nejpopulárnějších služeb českého internetu. Radí nakupujícím z ČR a Slovenska jaký produkt vybrat a kde bezpečně a výhodně ho nakoupit. Nabízí srovnání cen z více jak 20 000 e-shopů a potrpí si na neustále aktuální informace”. 2 Heuréka každoročně pořádá soutěž ShopRoku, ve které jsou oceňovány nejlepší a nejoblíbenější internetové obchody.3 Cenový srovnávač Heureka.cz byl spuštěn v říjnu 2007, srovnává více než 1 000 000 výrobků z více než 4 500 internetových obchodů.
4
1.1. Struktura dat Předmětem této studie je 12 vybraných komodit ze třech kategorií. Pro tuto práci bylo třeba vybrat takové komodity, které zastupují vybrané kategorie a mají různé ceny. Kvůli náročnosti sběru dat byly komodity vybrány právě pomocí Heureka.cz. V jednotlivých kategoriích byly vybrané komodity na začátku sledovaného období zařazeny mezi nejlépe hodnocené. Do níže uvedených kategorií byly vybrány ty statky, které splňovaly alespoň tato kritéria:
•
produkt nabízí více než 20 internetových obchodů
•
cena se pohybuje v určitém rozmezí (směrodatná odchylka min 500 Kč)
•
vybrané komodity musí být nabízeny na různých trzích (kosmetika, domácí spotřebiče, elektronika) se objevují minimálně dva statky
Dvanáct základních komodit bylo rozděleno do následujících skupin:
•
Kosmetika – parfémy (tato kategorie obsahuje dvě komodity) o Dolce & Gabbana Light Blue 5 - toaletní voda 100 ml o Versace Bright Crystal6 - toaletní voda 90 ml
2Heureka.
2012. (cit. 2012-11-05). (http://info.heureka.cz/kariera/) 2012. (cit. 2012-16-05). (http://www.shoproku.cz/o-soutezi) 4Lupa. 2009. (cit.2012-16-05). (http://www.lupa.cz/tiskove-zpravy/shoproku-2009/) 5Detailní info: http://parfemy.heureka.cz/dolce-gabbana-light-blue-toaletni-voda-100-ml/specifikace/ 3Shoproku.
8
•
Domácí spotřebiče (tato kategorie obsahuje čtyři komodity) o Bosch TAS 40117 - moderní espresso kávovar o Braun Series 33308 – pánský planžetový strojek o Electrolux ERB 29233 W9- kombinovaná chladnička o Whirlpool AWE 772910 – pračka s horním plněním
•
Elektronika (tato kategorie obsahuje 6 komodit) o LG 42LV3550 11– LED televize o Apple iPad 2 32 GB WiFi12 – tablet o HTC Flyer 32 GB13 – tablet o Microsoft XBOX 360 4GB Kinect Bundle 14 – konzole s pohybovým senzorem o Sony Cyber-shot DSC-HX915 – kompaktní digitální fotoaparát o Sony NWZ-E464 8GB16 – MP3 přehrávač
1.2. Metoda sběru dat, sledované období U výše uvedených komodit byly každodenně sledovány jejich ceny po dobu dvou měsíců (t.j. 63 pozorování u každé komodity) u různých internetových obchodů. U každé komodity je zaznamenán rozdílný počet obchodů, které daný statek nabízejí. To znamená, ne vždy v každé kategorii statků se našel internetový obchod, který by nabízel vše námi vybrané zboží. Toto nám samozřejmě v našem výzkumu nijak nepřekáží k dalším analýzám. Důležité je, že máme dostatek dat k provádění dalších úkonů. Sběr dat byl prováděn ve sledovaném období od 14.prosince 2011 do 14.února 2012 t.j. presně dva měsíce – 63 dní. Data za každý den byla zaznamenávána do software Microsoft Excel, kde se s nimi dále pracovalo.Díky software MS Excel bylo snadné pozorovat data jak se postupně vyvíjela.
6Detailní
info: http://parfemy.heureka.cz/versace-bright-crystal-toaletni-voda-90-ml/specifikace/ info: http://kavovary-cajovary-espressa.heureka.cz/bosch-tas-4011/specifikace/ 8Detailní info: http://holici-strojky.heureka.cz/braun-series-3330/specifikace/ 9Detailní info: http://lednice.heureka.cz/electrolux-erb-29233-w/specifikace/ 10 Detailní info: http://pracky.heureka.cz/whirlpool-awe-7729/specifikace/ 11detailní info: http://led-televize.heureka.cz/lg-42lv3550/specifikace/ 12detailní info: http://tablety.heureka.cz/apple-ipad-2-32gb-wifi/specifikace/ 13detailní info: http://tablety.heureka.cz/htc-flyer-32gb/specifikace/ 14detailní info: http://herni-konzole.heureka.cz/microsoft-xbox-360-4gb-kinect-bundle/specifikace/ 15detailní info: http://digitalni-fotoaparaty.heureka.cz/sony-cyber-shot-dsc-hx9/specifikace/ 16detailní info: http://mp3-prehravace.heureka.cz/sony-nwz-e464-8gb/specifikace/ 7Detailní
9
Níže jsou uvedeny jednotlivé komodity rozdělené do výše zmíněných kategorií. Je zde zobrazna vždy tabulka se základními popisnými statistikami, s počtem sledovaných online obchodů, které statky nabízejí a také data o největších hráčích daného trhu. Data o největších hráčích na daných trzích byla získána dvojím způsobem. Jednak prostřednictvím ankety Shoproku, provozované právě serverem Heureka.cz.17 Druhým způsobem získání informací o leaderech trhu bylo dotazování přímo obchodních zástupců jednotlivých e-shopů prostřednictvím elektronické pošty – jednotlivé výpovědi jsou uvedeny vždy po tabulkami.
Kosmetika
•
Tabulka č.1: Popisné statistiky komodit z kategorie kosmetika (průměrné hodnoty sledovaného období) Dolce & Gabbana Versace Průměrná cena
1363,85
1037,96
Medián
1347,83
994,06
Minimum
1018,63
853,48
Maximum
2629,71
1751
Směrodatná odchylka
269,39
147,96
Variační koeficient (průměr)
19,75
14,25
Variační koeficient (median)
19,99
14,88
Šikmost
3,33
3,14
Zdroj: autorka
Tabulka č. 1 udává průměrné popisné statistiky za celé sledované období, to znamená, že z průměrných cen za každý den byl vypočten průměr, z mediánových cen za každý den byl spočten průměrný medián. To samé bylo provedeno u směrodatných odchylek, u každé směrodatné odchylky za den byla spočtena průměrná směrodatná odchylka atd.V tabulce je vidět, že průměrná cena parfému D&G18 je 1364 Kč a Versace 1037 Kč. U obou druhů parfémů jsou zřejmé rozdíly mezi průměrnou a mediánovou cenou. Odlišnost mediánové ceny od průměrné poukazujena nerovnoměrné rozdělení v datech. Nesymetričnost dat je vyjádřena šikmostí rozdělení dat. V tomto případě má
17více
na: http://www.shoproku.cz/vysledky-shoproku-2011 značky Dolce & Gabbana
18zkratka
10
šikmost19kladné znaménko. To znamená, že hodnoty datového souboru jsou četnější u nadprůměrných hodnot pro oba případy. To vyplývá z toho, že průměr je vyšší než medián. Počet obchodů, které nabízejí dané parfémy jsou uvedeny v následující tabulce s vyznačením velkých prodejců dle hodnocení Heureka.cz a dle odpovědí přímo od prodejců. Tabulka č.2: Největší leadeři na trhu s kosmetikou a počet sledovaných e-shopů
Počet prodejců
Dolce & Gabbana
Versace
51
67
Leadeři dle Heureka
Elnino.cz, Parfums.cz, Parfemy.cz, Prozdravi.cz, Xparfemy.cz
Leadeři dle e-mailů
Parfums.cz, Elnino.cz, Parfemy.cz Zdroj: autorka
Email odpověď: “V současné době je již mnoho e-shopů s parfémy, ale jen některé mají opravdu dobrou úroveň, mezi ně mohu zahrnout např. parfemy-elnino.cz, parfums.cz, parfemy.cz a samozřejmě i nás☺“(Parfémy SP) Graf č.1: Průměrné ceny vybraných parfémů
Průměrné ceny kosmetických komodit 1600 1400 1200 1000 800 600 400 200 0 1
4
7
10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 Dolce&Gabbana
Versace
zdroj:vlastní výpočty
Graf č.1 zobrazuje průměrné ceny sledovaného období (63 dní), je zde patrné, že cena v obou případech jak u parfému Versace Bright Crystal, tak u Dolce & Gabbana Light Blue se cena pohybovala v relativně stabilním pásmu. 19šikmost
je charakteristika nesymetrie. Data mohou být kladně nebo záporně zešikmená. (více o šikmosti například Budíková, Králová, Maroš – Průvodce základními statistickými metodami, 2010)
11
Graf č.2: Směrodatné odchylky na trhu s kosmetikou
Směrodatné odchylky kosmetiky 350 300 250 200 150 100 50 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Dolce&Gabbana
Versace
zdroj: vlastní výpočty
Graf č.2 popisuje směrodatné odchylky sledovaného období (t.j. 63 dní). Směrodatná odchylka se v obou případech pohybuje v určitém pásmu. D&G parfém celé sledované období byl v pásmu kolem 265 Kč – 267 Kč, pouze ke konci sledovaného období se směrodatná odchylka zvýšila až na 294 Kč. To znamená, že ke konci období se ceny od sebe vzájemně lišili vice než v průběhu sledovaného období. To samé se dělo u parfému Versace pouze s tím rozdílem, že se odchylka zmenšila z pásma (145 Kč – 150 Kč) na 124 Kč – to znamená, že v tomto období se ceny k sobě vice přiblížili – měly menší rozptyl. Toto se ovšem změnilo koncem ledna 2012 a ceny se od sebe začali mírně lišit – začaly mít vyšší rozptyl mezi sebou.
•
Domácí spotřebiče
Tabulka č.3: Popisné statistiky komodit z kategorie domácí spotřebiče (průměrné hodnoty sledovaného období) 12
Bosch TAS
Braun Series
Electrolux ERB
Whirlpool AWE
Průměr
3469,89
1734,71
6934,68
7529,30
Median
3572,57
1655,45
6782,41
6935,95
Minimum
2218,06
1273,17
5921,89
6045,14
Maximum
4471,49
2480,83
8802,13
14496
Směrodatná odchylka
419,61
258,80
633,17
1721,46
12,12
14,90
9,13
6045,14
Var.koef.(median)
11,83
15,62
9,34
14496
Šikmost
-0,99
0,99
0,87
2,54
Var.koef.(průměr)
Zdroj: autorka
Tabulka
č.3
popisuje
základní
popisné
statistiky
průměrných
hodnot
sledovaného období. Statistiky vypočteny stejným způsobem jako v tabulce č.1. V této tabulce je opět patrná nesymetričnost dat. Průměrná cena je odlišná od mediánové. Všechny produkty kromě kávovaru Bosch TAS, jsou kladně zešikmené, což znamená, že v datech se vice vyskytují hodnoty s podprůměrnou hodnotou. Naopak kávovar Bosch má záporně zešikmená data, to znamená, že většina dat v souboru je větší jako průměr.
Tabulka č.4: Největší leadeři na trhu s domácími spotřebiči a počet sledovaných e-shopů
Počet prodejců Dle e-mailů
Dle Heuréka
Bosch TAS
Braun Series
Electrolux ERB
Whirlpool AWE
95
76
78
67
MALL.cz Alza.cz MALL.cz Electro World KASA.cz KASA.cz MALL.cz 123shop.cz T.S.Bohemia a.s. DATART.cz KASA.cz KASA.cz Obchodní-dům.cz MALL.CZ Obchodní-dům.cz DATART.cz T.S.Bohemia a.s. Electro World Alza.cz Alza.cz, MALL.cz, Korunka.cz, Obchodní-dům.cz, ePROTON.cz, ALFA.cz, CZC.cz, OK Computers, Spořílek.cz, Kamenný obchod.cz Zdroj: autorka
“Vždy se snažíme reagovat právě na vývoj cen u ostatních velkých hráčů na trhu, tj. mall.cz, kasa.cz, alza.cz, 123shop.cz či elektromedia.cz, kteří sice nemají nejnižší ceny na trhy, ale mají již naakumulovanou tak velkou a spokojenou klientelu, že dokáží i s těmito cenami být pro zákazníky zajímaví.”(Nakupka.cz) 13
“Cenu vetšinou určují největší hráči, tzn. Alza.cz, T.S. Bohemia, Kasa.cz, Mall.cz, Datart, Electroworld a ostatní elektromarkety.” (itek.cz) Graf č.3: Průměrné ceny domácích spotřebičů
Průměrné ceny domácích spotřebičů 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Bosch
Braun
Electrolux
Whirlpool
zdroj: autorka
Z grafu č.4 je vidět, že skoro všechny průměré ceny se ve sledovaném období pohybovaly bez nějakých významnějších změn, pouze průměrné ceny pračky Whirlpool zaznamenala významějších rust průměrných cen v období půlky ledna 2012. Graf č. 4: Směrodatné odchylky na trhu s domácími spotřebiči
Směrodatné odchylky domácích spotřebičů 2500 2000 1500 1000 500 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63
Bosch
Braun
Electrolux
zdroj: autorka 14
Whirlpool
Jak je z předchozího grafu patrné o průměrných cenách, tak i zde v grafu č. 4 jsou směrodatné odchylky pračky Whirlpool odlišné od ostatních sledovaných produktů. U směrodatných odchylek zaznamenaly výrazné zvýšení variability mezi cenami. To znamená, že mezi cenami v období půlky ledna 2012 byly výrazné rozdíly – vychylovaly se od průměrných cen – byly mezi cenami velké rozptyly.
•
Elektronika
Tabulka č.5 Popisné statistiky komodit z kategorie domácí spotřebiče (průměrné hodnoty sledovaného období) LG TV
iPad 2
HTC
XBOX
Sony
MP3
Průmer
11947,74
14071,55
13638,62
7809,02
7650,75
Median
11565,03
13882,39
13678,93
7720,79
7490
2220,05
Min
10984,60
12799,08
10159,27
5445,05
6827,60
1832,67
Max
16444,21
16889
17323
9372,70
9490
2630,08
Std
1043,10
864,94
1236,38
671,73
517,60
113,05
Var.koef(průměr)
8,73
6,15
9,08
8,58
6,77
5,08
Var.koef(median)
9,02
6,23
9,04
8,68
6,91
5,09
Šikmost
2,35
1,83
0,07
-0,43
2,32
0,16
2226,81
Zdroj: autorka
Tabulka č.5 opět shrnuje průměrné popisné statistiky na trhu s elektronikou za sledované období. Opět je zde rozdíl mezi průměrnou a mediánovou cenou, to je opět dáno nerovnoměrně rozdělenými daty v datovém souboru. Pouze jedna komodita je záporně zešikmená, a to XBOX Kinect. To opět znamená, že většina hodnot v datovém souboru je vyšší než průměrná cena. Naopak od ostatních komodit, kde je kladná šikmost – což je vysvětleno vyšší průměrnou cenou oproti mediánové ceně. Směrodatné odchylky u vybraného elektronického zboží vysvětlují variabilitu cen ve sledovaném období. Jak moc se v průměru odlišují od průměrné ceny.
15
Tabulka č.6: Největší leadeři na trhu s elektronikou a počet sledovaných e-shopů LG TV
iPad 2
HTC
XBOX
Sony
MP3
69
94
32
51
41
90
Počet prodejců
Dle e-mailů
Dle Heuréka
T.S. Bohemia a.s. CZC.cz MALL.cz KASA.cz Alza.cz 123shop.cz
KASA.cz CZC.cz Obchodní-dům.cz
Alza.cz CZC.cz DATART.cz
Alza.cz T.S.Bohemia a.s. CZC.cz
KASA.cz MALL.cz CZC.cz T.S.Bohemia a.s. Alza.cz
Alza.cz, MALL.cz, Korunka.cz, Obchodní-dům.cz, ePROTON.cz, ALFA.cz, CZC.cz, OK Computers, Spořílek.cz, Kamenný obchod.cz Zdroj: autorka
“Jelikož jsme partnerem Sony tak musíme dodržovat doporučené ceny (které stanový Sony).” (Profizona.cz) “V internetovém prodeji jsou považovány za velké hráče na trhu MAll, ALZA, Electro Word, kasa, Datart”(SOFTCOM.cz) “Na českém trhu dominují asi ALZA, CZC, MALL.”(lrcom.cz) “Naceňujeme tak, aby naše koncové ceny byly ve většině případů o trochu atraktivnější (viz Alza, CZC, Alfa)”(OK Computers) Graf č.5: Průměrné cenyna trhu s elektronikou
Průměrné ceny elektroniky 16000 14000 12000 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 LG TV
Apple iPad 2
HTC Flyer zdroj: autorka
16
XBOX
Sony foto
Sony MP3
Graf 5 zobrazuje průměrné ceny za sledované období, ceny vybraných produktů se vyvíjeli stabilně, pouze u produktu tablet HTC Flyer se cena měnila v průběhu období výrazněji než u ostatních komodit. Zejména velké snížení průměrné ceny bylo zaznamenáno kolem 19.ledna 2012.
Graf č.6: Směrodatné odchylky vybraných komodit na trhu s elektronikou
Směrodatné odchylky elektroniky 2000 1800 1600 1400 1200 1000 800 600 400 200 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 LG TV
Apple iPad 2
HTC Flyer
XBOX
Sony foto
Sony MP3
zdroj: autorka
Graf č.6 směrodatných odchylek sledovaného období u vybraných produktů na trhu elektroniky už vypovídá vice než předchozí grafy. U fotoaparátu Sony Cyber-shot, Sony MP3 přehrávače a Apple iPad 2 byla směrodatná odchylka v celém sledovaném období téměr beze změn. Naproti tomu odchlky XBOX, LG televize a tablet HTC Flyer zaznamenaly značné změny. U tabletu HTC se na začátku období z velkého rozptylu cen začala přibližovat průměrné ceně. To znamená, že se u tabletu snižovali rozdíly mezi cenami u jednotlivých výrobců. Ale v období kolem druhé poloviny ledna 2012 se začali rozdíly mezi cenami opět zvyšovat, rostl jejich rozptyl. Změny odchylek můžeme take pozorovat u LG Televize a XBOX Kinect.
17
2 VÝSLEDKY, KOMENTÁŘE KOMENTÁ a STATISTICKÉ MODELY V této části se zaměříme na dvě hlavní hlavní věci a to na regresní analýzu testovanou pomocí OLS estimátoru nejmenších čtverců v programu program Gretl. K tomuto využijeme proměnné, které by mohli naši naši vysvětlovanou proměnnou (podíl směrodatné odchylky ku nějaké popisné statistice) statistice ovlivnit. Dále se zaměřímee na jednotlivé online obchody na námi vybraných trzích a na jejich chování v praxi. Budeme zkoumat zda z vykazují určité formy chování ání na jednotlivých trzích námi vybraných statků. Tohoto se budeme snažit dosáhnout rozdělením prodejců do určitých skupin, to nám umožní lepší srovnání z velkého množství dat.
2.1.
Ekonometrické konometrické modely Tato ato část práce se věnuje regresní analyze. Úkolemje sestrojit modely pomocí
metody OLS20 – nejmenších čtverců. Tento model nám poskytne přehled o tom, jestli průměrné ceny, ovlivněné nějakými proměnnými jsou statisticky významné a popřípadě jestli je ještě nějaké jiné proměnné ovlivňují. Než se podíváme áme blíže na regresní analýzu, popišme si o co se vlastně jedná. K vytvoření ekonometrického modelu, který je je hlavním nástrojem ekonomerie potřebujeme nejdříve vysvětlovanou proměnnou. Tato proměnná je modelem zkoumána a vyjadřuje závislost na vysvětlujících vysvětlujících proměnných. Nejběžněji se můžeme setkat v ekonometrii s lineárním regresním modelem. modelem 21
Lineární regresní model vyjadřuje rovnice s k vysvětlujícími proměnnými Obr.č.1: Rovnice ovnice lineráního regresního modelu22
20OLS
metoda (z anglického jazyka Ordinary Least Squares) – metoda Nejmenších čtverců D. – Základy ekonometrie, 2010, s. 64 22NĚMEC D. – Základy ekonometrie, 2010, s. 63 21NĚMEC
18
Kde X1,,X2,….,Xk jsou vysvětlující proměnné, proměnné α je koeficient tzv. úrovňové konstanty, β1, β2,…, βk jsou regresní koeficienty vysvětlujících proměnných. Zde regresní koeficienty říkají, jaká bude změna vysvětlované proměnné, když se regresory změní o jednotku. Jsou to tedy mezní vlivy vysvětlujících vysvětlu proměnných. εi vyjadřuje náhodnou chybu (rozdíl mezi skutečnou a pozorovanou hodnotou). 23 Odhady o kvalitě vysvětlení modelu modelu podává koeficient determinace R2. Koeficient R2 udává kolik procent rozptylu vysvětlované proměnné je modelem vysvětleno. Jako ukazatelé kvality modelů se nejčastějí uvádí Logaritmus věrohodnosti, který slouží pro srovnávání modelů se stejnou vysvětlovanou proměnnou. Čím vyšší hodnota logaritmu věrohodnosti, tím je model kvalitnější v porovnání s ostatními srovnávanými modely. A ještě budeme uvádět hodnotu Akaikeho informačního kritéria, kde nám jde o co nejnižší hodnotu, čím nižší hodnota, hodnota tím je model lépe vysvětlen oproti ostatním srovnávaným modelům. Klasické předpoklady fungování regresního modelu zobrazuje následující obrázek: obráz Obr.č.2: Klasické lasické předpoklady fungování regresního modelu (zdroj: Němec, 2010)
Testování estování předpokladů fungování regresního modelu: Nulová ulová střední hodnota náhodných chyb – tohoto předpokladu je splněno pokud do modelu zařadíme správné proměnné, které ovlivňují vývoj vysvětlované proměnné.24 Homoskedasticita omoskedasticita se testuje pomocí Whiteova testu nebo Breusch-Paganova Breusch testu – u obou testů chceme dosáhnout dosáhnout nezamítnutí nulové hypotézy o neexistenci heteroskedasticity. Zamítnutím nulové hypotézy o neexistenci heteroskedasticity he potvrzujeme výskyt heteroskedasticity v modelu. modelu Breusch-Paganův Paganův test lze použít pouze 23NĚMEC 24KOOP
D., Základy ekonometrie, 2010, s. 64 G., Introduction to econometrics, 2008, s.99
19
u normalě rozdělných reziduí, což v našem příkladu neplatí, proto budeme provádět pouze Whiteův test. V případě nalezení heteroskedasticity v modelu můžeme použít heteroskedasticitně konzistentní estimátor HCE 25 – tento estimátor pouze změní hodnoty směrodatných odchylek u jednotlivých pamarametrů. Celková variabilita modelu se nezmění26 Nekorelovanost – můžeme testovat pomocí korelační matice, v tom případě, že nám vyjdou některé parametry v modelu korelované, jedinou možností je je z modelu vyřadit Normální rozdělení – vychází z předpokladů o nulové střední hodnotě náhodných chyb, testuje se pomocí testu Normality reziduí, kde nám jde opět o nezamítnutí nulové hypotézy o normalním rozdělení Nenáhodnost veličin – proměnné jsou nenáhodné, protože jsou pevně dané tím, že jsme je naměřily předpokádáme jejich nenáhodnost Před ukončením testů ještě otestujeme celkově model pomocí F-testu a Ramsay RESET testu. F-test– testuje hypotézu o statistické nevýznamnosti všech regresorů. Pokud nulovou hypotézu zamítneme je nutné najít nové parametry. RESET test – testuje jestli proměnné v modelu jsou správně specifikované. Zde opět nezamítnutím nulové hypotézy o správnosti specifikovaného modelu potvrzujeme, že je model správný. Pro naše výpočty budeme vycházet z OLS modelu. S naším modelem budeme pracovat jako s panelovými daty, které budou rozděleny do 12 skupin (jednotlivé komodity) do 63 časových období (sledované obodbí – 63 dní). V konečném důsledku v modelu budeme data využívat jako průřezová. Díky tomu, že data načteme jako panelová, můžeme rozlišit jednotlivé promněné díky zavedení dummy proměnných – hodnoty, které nabývají pouze 1 nebo 0.
25HCE 26
z anglického Heteroskedasticity Consistent Estimator KOOP G., Introduction to econometrics, s.129
20
2.2.
OLS model (model nejmenších čtverců) Rovnice lineárního regresního modelu bude pro nás výchozí. Náš model bude mít tvar: Yi = α + β1X1i + β2X2i + … +βkXki +εi
i = 1,2, …, N – jednotlivé pozorování (v našem případě se bude odvíjet podle sledovaného období tj. 63 dní) Yi
= závislé proměnná
α
= úrovňová konstanta
β1,…, βk
= regresní parametry
εi
= náhodná chyba modelu
budeme testovat tři různé modely s různými závisle proměnnými: 1. směrodatná odchylka i-té komodity/průměrná cena 2. směrodatná odchylka/medián 3. směrodatná odchylka počítaná kolem mediánu (místo průměru)
již předem se dá očekávat, že tyto testy s různými závisle proměnnými nám dají velmi podobné výsledky.
1.typ modelu
- Yi = směrodatná odchylka / průměrná cena(podíl směrodatné
odchylky ku průměrné ceně všech) vysvětlující proměnné:
prumerna cena = tato proměnná představuje průměrné ceny jednotlivých komodity za každý sledovaný den
pocet zmen = pocet zmen, to znamená, kolikrát byly změněny ceny oproti předcházejímu dni
kurzEUR= kurz Eura vůči české koruny za celé sledované období, o víkendech, kdy nebylo možné data získat byl použit vždy páteční kurz 21
kurzUSD = kurz amerického dolaru vůči české koruně za celé sledované období. O víkendech, kdy nebylo možné data získat byl použit vždy páteční kurz. du_1 = umělá proměnná nabývající 1 nebo 0. Du_1= XBOX pokud 1, 0 jinak
du_2 = umělá proměnná nabývající 1 nebo 0. Du_1= Sony MP3 přehrávač pokud 1, 0 jinak
du_3 = umělá proměnná nabývající 1 nebo 0. Du_1= Whirlpool pračka pokud 1, 0 jinak
du_4 = umělá proměnná nabývající 1 nebo 0. Du_1= Versace Bright Crystal pokud 1, 0 jinak
du_5 = umělá proměnná nabývající 1 nebo 0. Du_1= Sony fotoaparát pokud 1, 0 jinak
du_6 = umělá proměnná nabývající 1 nebo 0. Du_1= LG TV pokud 1, 0 jinak
du_7 = umělá proměnná nabývající 1 nebo 0. Du_1= Bosch kávovar pokud 1, 0 jinak
du_8 = umělá proměnná nabývající 1 nebo 0. Du_1= HTC Flyer pokud 1, 0 jinak
du_9 = umělá proměnná nabývající 1 nebo 0. Du_1= Electrolux lednice pokud 1, 0 jinak
du_10 = umělá proměnná nabývající 1 nebo 0. Du_1= D&G Light Blue pokud 1, 0 jinak
du_11 = umělá proměnná nabývající 1 nebo 0. Du_1= Braun holící strojek pokud 1, 0 jinak
du_12 = umělá proměnná nabývající 1 nebo 0. Du_1= Apple iPad 2 pokud 1, 0 jinak
22
Tabulka č.7: Model č.1 – OLS model
zdroj:vlastní výpočty
V modelu 4 je vidět vid že skoro všechny námi přidané proměnné jsou statisticky významné. Pouze dvě proměnné kurz EUR/CZK a počet změn není statisticky statisti významný. A proto, než se pustíme pustí do testování klasických ch předpokladů lineárního modelu, vyřadíme postupně nevýznamné proměnné pomocí sekvenční eliminace statisticky nevýznmanch proměnnných z modelu 4. Nejprve se vyřadí nejméně významná proměnná v modelu s největší p-hodnotou. p V našem případě: kurzEUR
(p (p-hodnota 0.777)
pocetzmen
(p (p-hodnota 0.335)
tím získáváme následující model
23
Tabulka č.8 – OLS model 2
zdroj: vlastní výpočty
V tomto případě jsou všechny proměnné statisticky významné a než se pastime do přesné interpretace výsledků, otestujme předpoklady poklady fungování regresního modelu: 1. předpoklad o nulových nulových náhodných složkách je splněn díky přítomnosti úrovňové konstanty v modelu 2. předpoklad o homoskedasticitě modelu, musíme ověřit Whiteovým testem: Tabulka č.9:: Test heteroskedasticity Whiteův test: H0: předpokládá neexistenci heteroskedasticity Testovací statistika: LM= 358.160 s p-hodnotou = P(Chí-kvadrát(38) kvadrát(38) > 358,160) = 0.0000 H0: zamítáme na hladině 5 %, nesplnění předpokladu zdroj: vlastní výpočty
24
zamítnuté nulové hypotéze se budeme zabývat dále v textu.
3. předpoklad nekorelovanosti je většitnou splněn pro průřezová data 4. přepoklad je normalita rozložení náhodných složek – Test normality reziduí Tabulka č.10: Test normality reziduí Test normality reziduí: H0:předpoklad normálního rozložení chyb Testová statistika: Chí-kvadrát(2) Chí = 48.711 S podnotou: 0.0000 H0 se zamítá na hladině 5%, data nejsou normálně normálně rozložena Zdroj: vlastní výpočty
Histogram č.1:: normalita norma rozložení chyb
zdroj: vlastní výpočty
Zamítnutí amítnutí normality dat ještě neznamená, že nemůžeme s modelem nadále pracovat. Je to vysvětleno tím, že máme k dispozici velký ký vzorek dat, u kterého by měla platit asymptotická teorie. S každým dalším přibývajícím počtem dat se stává model více citlivý. Asymptotická symptotická teorie konverguje k normálnímu rozložení.27
27KOOP
G., Introduction to econometrics, econometrics s.168
25
5. předpoklad je nenáhodnost,nenáhodná nenáhodnost veličina vyplývá z pevně naměřených naměř dat, tyto data jsou daná, proto nejsou náhodná
Nyní yní se zpětně vraťmě k zamítnuté hypotézez předcházejícího Whiteova testu. testu Zamítnutí
homoscedasticity
budeme
dále
řešit
v
novém
modelu
pomocí
heteroskedasticitně konzistentního estimátoru.
Tabulka č.11 : Heteroskedasticitně konzistentní estimátor
zdroj: vlastní výpočty
V tomto modelu opět vyřadíme nevýznmané proměnné pomocí sekvenční eliminace statisticky nevýznamných proměnných v tomto případě proměnná kurz USD (s p-hodnotou 0.336) a tím dostáváme dostáv tento model:
26
Tabulka č.12: Konzistentní estimator po vyřazení významných proměnných
zdroj: vlastní výsledky
Z celkových výsledků tohoto konečného modelu můžeme říct dle koeficientu determinace -
99 %, to znamená, že 90 % rozptylu vysvětlované vysvětlovan proměnné je
vysvětleno pomocí modelu. Konečná p-hodnota p celkového F--test je 0.0000 a tedy nulovou hypotézu o celkové statistické nevýznmanosti všech regresních koeficientů zamítáme. Dále provést test o správnosti specifikace vysvětlujících proměnných, který k se nazývá RAMSEY RESET (z anglického Regression Specification Error Test) test. Tento test je možné provádět třema variantama pro druhé a třetí mocniny, pouze pro třetí mocniny a pouze pro druhé mocniny. V našem případě ve všech třech možnostech testování vání RESET testu nám p-hodnoty p výcházejí následovně:
27
Tabulka č.13:: Ramsey RESET test
zdroj:vlastní výpočty
šechny varianty zamítají H0 o adekvátnosti modelu. Proto je nutné náš model dále Všechny upravit a to způsobem sobem přidání př druhých mocnin k vybraným proměnným. ěnným. Po přidání idání druhých mocnin ke zbylé proměnné prom průměrná rná cena je H0 stále zamítnuta. Což znamená, že přidání řidání druhých mocnin do modelu, se ho nepovedlo nijak lépe vysvětlit. vysv Viz obrázek níže. Ale na druhou stranu dle koeficientu determinace z modelu model po přidání druhých mocnin (viz příloha model 10) vidíme, že model je vysvětlen vysvětlen z 98 %. Tak zde není zase tak velký prostor or pro změny zm v tomto modelu.
Tabulka č.14: Ramsey RESET test
zdroj: vlastní výpočty
Ještě uvádíme reziduální reziduáln Q-Q graf, který zobrazuje razuje jednotlivá data jak jsou blízko odhadnuté přímce. Z tohoto toho obrázku můžeme říct, že data celkem vystihují odhanutou přímku a model tak vystihuje chování dat.
28
Graf č.7: Q-Q Q graf pro rezidua modelu 4
zdroj: vlastní výpočty
Ještě všechny modely co jsme použili můžeme žeme nyní porovnat pomocí ukazatelů ukazatel kvality dle logaritmu věrohodnosti a díky Akaikeho kritériu. Viz tabulka č. Tabulka č.15:: Srovnání ukazatelů kvality jednotlivých modelů Log věrohodnosti Akaikovo kr. Zdroj: autorka
Model 4 2583,17 83,17
Model 5 2582,65
Model 6 2582,65
Model 7 2570,23
Model 10 2578,84
-5134,33 5134,33
-5137,30
-5137,30
-5114,46 5114,46
-5128,84
Z tabulky je vidět, že dle Akaikova kritéria je nejlépe vysvětlen model 6, před aplikací konzistentně robustního modelu. A dle koeficientu věrohodnosti věrohodnosti nejlepší model je model 4 – model původní.
29
2.3.
Interpretace modelu V konečném modelu nám zůstalo 12 vysvětlujících proměnných, z toho 11
umělých (dummy) proměnných a konstanta. Je zřejmé, že všechny tyto proměnné velmi výrazně ovlivňují vysvětlovanou proměnnou směrodatná odchylka ku průměrné ceně. Je docela překvapivé, že nám v modelu nezůstali proměné kurzy Eura a USD vůči české koruně. Dalo by se totiž předpokládat, že s čím vyšším kurzem USD nebo EUR vůči CZK (oslabování CZK) tím by se rozptyl snižoval a varibilita cen by se také snížila. To samé by mělo platit i naopak, když CZK posiluje, lidé mohou vice nakupovat a tím by se variabilita cen mezi sebou měnila. Ale překvapivé závěry z našich modelů říkají, že kurzy nejsou až tak statisticky významné. Velikost konstanty nám v tomto případě vůbec nic neříká a není pro nás důležitá. Její interpretace by nedávala smysl proto se jí nebude dále věnovat. Proměnná prumerna cena je statisticky velmi významná a říká, že s každou změnou průměrné ceny o jednotku, se zvýší podíl směrodatné odchylky ku průměrné ceně o asi 2.45-05. To potvrzuje náš předpoklad a cíl z úvodu této práce, že by se rozptyl mohl měnit s tím jak se mění průměrná cena. Zde jsou naše domněky potvrzeny. Jednotlivé dummy proměnné znamenají: Du_2 říká, zboží Sony MP3 přehráváč má o 0.101 vyšší podíl na vysvětlované proměnné (směrodatné odchlce ku průměru), to znamená, že ceny u MP3 přehrávače jsou vice rozptýlené než u XBOX. Du_3 říká, že Whirlpool pračka má ještě vice rozptýlené ceny než Sony MP3 a původní XBOX. Whirlpool má o 0.15 vyšší podíl na směrodatné odchylce ku průměrné ceně než původní XBOX. To samé nám říkají koeficienty du_4(Versace), du_7(Bosch), du_9(Electrolux), du_10(D&G), du_11(Braun) mají vyšší podíl v pořadí o 0.22, 0.14, 0.03, 0.27, 0.21 na vysvětlované proměnné (směrodatná odchylka ku průměrné ceně) Naopak umělé proměnné du_5(Sony fotoaparat), du_6(LG TV), du_8(HTC Flyer) a du_12 (Apple iPad) mají menší rozptyl než ceny původní dummy XBOX. Tyto proměnné mají o 0.013, 0.098, 0.181 a 0.155 menší podíl na vysvětlované proměnné (směrodatná odchylka ku průměrné ceně) Ostatní
3
regresní
modely
s
odlišnými
vysvětlovanými
proměnnými
(odchylka/medián, odchylka bez hráčů co neměnili ceny, odchylka okolo mediánu) 30
budou ou provedeny stejným způsobem jako předchozí regrese, jen s tím rozdílem, že zde bude uveden pouze konečný model po úpravách. Ostatní budou v příloze. Začneme opět OLS modelem, ze kterého vyřadíme postupně nevýnmané proměnné a budeme zkoumat parametry fungování ování klasického regresního modelu modelu (homoskedasticita, normalita reziduí, linearita).
2.typ modelu - Yi = směrodatná odchylka / mediáová cena Modely s touto vysvětlovanou vysv proměnnou vyšly úplně se stejnými výsledky jako předchozí analýza, pouze s tím rozdílem, že zde zůstal významný i kurz USD/CZK.
Zde uvádím ádím poslední model po úpravách:
Tabulka č.16: upravený model OLS odhadů
zdroj: vlastní výpočty
Vysvětlované ysvětlované
proměnné
jsou
všechny
statisticky
významné.
Koeficient
determinace je 0.97. to znamená, znamená, že je vysvětleno 97 % variability dat. Testy 31
heteroskedasticity zamítly výskyt hosmoskedasticity s p-hodnotou hodnotou = 0.000, 0.000 normalita reziduí s p-hodnotou hodnotou 0.000 zamítla normální rozložení. Všechny chny vysvětlované proměnné se dají vysvětlit stejným způsobem jako j výše popsané. Viz příloha – soubory Gretl
3.typ modelu - Yi = směrodatná odchylka / průměr bez hráčů co něměnili To samé bylo provedeno u regrese se závisle závisle proměnnou směrodatné odchylky spočtenou bez hráčů, kteří cenu neměnili – opět předpokládáme, předpokládáme že výsledky budou velmi podobné jako v předešlých analýzách.
Tabulka č.17: OLS model po úpravách
Zdroj: vlastní výpočty
32
Tento model je opět upraven o statisticky nevýznamné proměnné. Zde v tomto modelu uvedené vysvětlující proměnné jsou statisticky významné. Koeficient determinace vysvětluje data 94 %. Samozřejmě byly také provedeny testy předpokladů pro fungování klasického regresního modelu. Zde byly výsledky jisté jako u předchozích testů. Homoskedasticita v modelu byla zamítnuta s p-hodnotou 0.000, test normality reziduí také zamítl normlitu s phodnotou 0.000. Všechny výpočty a grafy jsou uvedeny v příloze v souborech gretl – soubory relace. Je zajímavé, že poslední dva modely nevyloučili kurz USD vůči české koruně, tak jako to provedl první regresní model. Přitom by se dalo předpokládat jak již bylo výše zmíněno, že kurzy budou vždy statisticky významné a cena by se měla od nich odvíjet. Je zde také potvrzen náš předpoklad o skoro shodnosti výsledků jednotlivých regresních analýz. Je to dáno tím, že jsme vždy počítali podíl směrodatné odchylky k jiné veličině, buď průměrným cenám či mediánovým cenám.
2.4.
Chování online obchodů na trhu Další částí této práce je vytypovat chování hráčů na trhu. Z velkého množství dat
bylo nezbytné data redukovat. Proto jsme u každého online obchodu vypočetli jejich směrodatnou odchylku, která se stala výchozí při rozdělování prodejců do menších skupinek. To znamená, že vždy trh každé komodity byl rozdělen na více skupinek podle velikosti jejich směrodatných odchylek průměrných cen. Z každé nově vzniklé skupiny internetových prodejen se spočetly jejich průměrné hodnoty za každý den sledovaného období. To znamená, že například ze skupiny obchodů, které mají nejmenší či nulovou směrodatnou odchylkou jsme vypočetla denní průměry cen. A díky těmto průměrům bylo snad jednotlivé obchody lépe porovnat a dostala jsem tím lepší grafické zpracování. Rozdělení do skupin bylo následující (vždy u každé skupiny, je interval směrodatné odchylky průměrné ceny, počet prodejen, které do skupiny spadají, a jsou zde uvedeni také největší leadeři trhu, pokud do některé ze skupin spadají). Více o rozdělení do skupin či více informací k nalezení v příloze Excel soubory. Grafy všech velkých konkurentů na každém trhu jsou přiloženy v příloze. Kde jde přesně vidět jak se který velký hráč na jakém trhu chová.
33
Kosmetika Dalo by se očekávat, že se budou prodejci parfémů chovat na jednotlivých trzích stejně, ale jak vidíme z grafu níže, tak i ze zobrazení leaderů trhu v různých skupinách.
Dolce & Gabbana Light Blue 1.skupina:std28=0, celkem 13 online prodejců 2.skupina: std = <10;25>, celkem 15 online prodejců – Parfemy.cz 3.skupina: std=<25;44>, celkem 13 online obchodů – Elnino.cz, Parfums.cz 4.skupina:std=<45;157>, celkem 12 online obchodů – Xparfemy.cz graf č.8: průměrné ceny jednotlivých skupin u D&G
průměrné ceny skupin - Dolce & Gabbana 1600 1400 1200 1000 800 600 400 200 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
4.skupina
Zdroj: autorka
Versace Bright Crystal 1.skupina: std=0 – celkem 7 online obchodů 2.skupina: std=(0;7,7>, celkem 12 online obchodů 3.skupina: std=<7,8;20,5>, celkem 12 obchodů 4.skupina: std=<21;27>, celkem 12 obchodů – Elnino.cz, Xparfemy.cz 5.skuina: std=<29;48>, celkem 12 online obchodů, Parfums.cz
28std=směrodatná
odchylka, standard deviation (z angličtiny)
34
6.skupina: std= <51;64>, celkem 12 obchodů, Parfemy.cz
Graf č.9: průměrné ceny u jednotlivých skupin Versace
průměrné ceny skupin - Versace 1400 1200 1000 800 600 400 200 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
4.skupina
5.skupina
6.skupina
zdroj: autorka
Celkově by se dalo říct o trhu s parfrémy, že se zde vyskytují jednak obchody, které drží svou průměrnou cenu v souladu s cenou osatních hráčů (Versace). Za to nadruhé straně u druhé komodity – D&G parfém můžeme rozdělit trh na tři druhy chování jednotlivých hráčů. Hráči s nulovou směrodatnou odchylkou nebo hráči spadající do 1.skupiny si průměrnou cenu drží celé období stabilní. Ti hráči, kteří mají nejvyšší směrodatné odchylky (4.skupina) ale také 3.skupina(ne tak významné změny jako 4.skupina) mají také hodně změn průměrných cen ve sledovaném období. U Versace parfému zase platí, že ta skupina, která má největší směrodatnou odchylku za celé sledované obodbí začala výraznějí zvyšovat průměrné ceny až na konci sledovaného období.
Trh s domácími spotřebiči
Braun Series 3300
1.skupina: std=0, celkem 10 hráčů, ALFA.cz 2.skupina: std=<11;40>, celkem 12 hráčů 3.skupina: std=<43;69>, celkem 12 hráčů, Spořílek.cz, Korunka.cz, MALL.cz, ePROTON.cz 4.skupina: std=<69;98>, celkem 13 obchodů, Kamenný obchod 35
5.skupina: std=<98;143>, celkem 12 obchodů 6.skupina: std=<146;231>, celkem 12 obchodů, Obchodní-dům.cz 7.skupina: std=<240;552>, celkem 6 obchodů Graf č.10: Průměrné cny jednotlivých skupin Bosch
Braun Series - průměrné ceny skupin 2500 2000 1500 1000 500 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
5.skupina
6.skupina
7.skupina
4.skupina
zdroj: autorka
Bosch TAS kávovar
1.skupina: std = 0, celkem 21 hráčů, MALL.cz, Korunka.cz, Alza.cz 2.skupina: std = <0,26;12>, celkem 12 hráčů 3.skupina: std = <14;102>, celkem 12 hráčů 4.skupina: std = <107;274>, celkem 12 hráčů, OK Computers 5.skupina: std = <277;285,95>, celkem 12 obchodů, Obchodní-dům.cz 6.skupina: std = <285,97;342>, celkem 12 obchodů, ePROTON.cz 7.skupina: std = <349;519>, celkem 13 obchodů, Spořílek.cz
36
Graf č.11: Průměrné ceny vybraných skupin Bosch
Bosch TAS průměrné ceny skupin 4500 4000 3500 3000 2500 2000 1500 1000 500 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
5.skupina
6.skupina
7.skupina
4.skupina
zdroj: autorka Electrolux lednice 1.skupina: std = 0, celkem 21 obchodů 2.skupina: std = <1;33>, celkem 12 obchodů, Obchodní-dům.cz 3.skupina: std = <35;108>, celkem 12 obchodů 4.skupina: std = <137;203>, celkem 12 obchod, alza.cz, ePROTON.cz, Spořílek.cz, Korunka.cz 5.skupina: std = <205;313>, celkem 12 obchodů, MALL.cz 6.skupina: std = <334;1046>, celkem 9 obchodů, Kamenný-obchod.cz
Graf č.12: Průměrné ceny vybraných skupin Electrolux
Electrolux -průměrné ceny skupin 8000 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
4.skupina
zdroj: autorka
37
5.skupina
6.skupina
Whirlpool pračka 1.skupina: std= 0, celkem 16 prodejců 2.skupina: std=<0,4;77>, celkem 12 prodejců, Alza.cz, ePROTON.cz, Kamenný obchod, MALL.cz 3.skupina: std=<85;210>, celkem 12 hráčů, Korunka.cz 4.skupina: std=<214;432,5>, celkem 12 hráčů 5.skupina: std=<432,7;712>, celkem 12 hráčů 6.skupina: std=<750;2987>, celkem 8 hráčů, Obchodní-dům.cz, Spořílek.cz Graf č.13:Průměrné ceny jednotlivých skupin Whirlpool
Whirlpool - průměrné ceny skupin 12000 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
4.skupina
5.skupina
6.skupina
zdroj: autorka Shrnutím trhu s domácími spotřebiči by šlo říct, že ti prodejci co za celé období cenu nezměnili, měli nulovou směrodatnou odchylku si průměrnou cenu drží ve vyšším pásmu než ti co cenu v průběhu měnili. To by se dalo vysvětlit tím, že ti hráči, kteří ceny nemění, nereagují na konkurenci a cenu drží takovou jakou předem stanoví bez ohledu na výši ostatních cen. Dále je také zřejmě z grafů, že prodejci, kteří spadají do skupin, které mají nejvyšší směrodatné odchylky ve sledovaném období, vždy alespoň jednou za sledované období se dostanou na hranici maximální průměrné ceny. To však neznamená, že ti prodejci co vice mění ceny jsou nejdražší. Mohlo by se to dát vysvětlit například tím, že jakmile jeden ve skupině zvýšil cenu ostatní na něj reagovali také zvýšením ceny. U Bosch kávovaru je vidět, že celkový trend průměrných cen začal ke konci období klesat, to může vysvětlovat například zavedení nového konkurenčního kávovaru na trhu. Naopak někteří prodejci u pračky Whirlpool ke konci období začali cenu velmi zvyšovat. 38
Trh s elektronikou
LG Televize
1.skupina: std=0, celkem 15 obchodů 2.skupina: std=<3;66>, celkem 12 obchodů 3.skupina: std=<79;119>, celkem 12 obchodů, CZC.cz, Obchodní-dům.cz, MALL.cz, Korunka.cz 4.skupina: std=<123;159>, celkem 12 obchodů, ePROTON.cz, OK Computers 5.skupina: std=<161;341>, celkem 12 obchodů, ALFA.cz, Alza.cz 6.skupina: std=<362;1949>, celkem 9 obchodů, Spořílek.cz, Kamenný obchod Graf č.14: Průměrné ceny vybraných skupin LG televize
LG televize - průměrné ceny skupin 16000 14000 12000 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
4.skupina
5.skupina
zdroj: autorka
Apple iPad 2 1.skupina: std=0,celkem 12 obchodů, ALFA.cz, Alza.cz 2.skupina: std=<1;57>, celkem 12 obchodů 3.skupina: std=<73;119>, celkem 12 obchodů, OK Computers, Korunka.cz 4.skupina: std=<125;140>, celkem 12 obchodů, ePROTON.cz 5.skupina: std=<146;179>, celkem 12 obchodů, MALL.cz 6.skupina: std=<185;227>, celkem 12 obchodů, Obchodní-dům.cz 7.skupina: std=<233;333>, celkem 12 obchodů 8.skupina: std=<333;629>, celkem 11 obchodů 39
6.skupina
Graf č.15: Průměrné ceny vybraných skupin Apple iPad 2
Apple iPad 2 - průměrné ceny skupin 16000 14000 12000 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
4.skupina
5.skupina
6.skupina
7,skupina
8.skupina
zdroj: autorka
HTC FLYER
1.skupina: std=0, celkem 3 obchody 2.skupina: std=<1;583>, celkem 11 obchodů, CZC.cz 3.skupina: std=<587;655>, celkem 8 obchodů , Obchodní-dům.cz 4.skupina: std=<655;1541>, celkem 10 obchodů, ePROTON.cz
Graf č.16:Průměrné ceny skupin produktu HTC Flyer
HTC -průměrné ceny skupin 18000 16000 14000 12000 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
zdroj: autorka 40
4.skupina
Sony Cyber-Shot
1.skupina: std=0, celkem 9 obchodů, ALFA.cz 2.skupina: std=0, celkem 12 obchodů, CZC.cz, Spořílek 3.skupina: std=<1;183>, celkem 10 obchodů, Alza.cz 4.skupina: std=<223;421>, celkem 10 obchodů
Graf č.17: Průměrné ceny skupin produktu Sony CyberShot
Sony - průměrné ceny skupin 9060 8060 7060 6060 5060 4060 3060 2060 1060 60 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
4.skupina
zdroj: autorka
Sony MP3 přehrávač
1.skupina:std=0, celkem 12 hráčů, MALL.cz, CZC.cz 2.skupina:std=0, celkem 13 hráčů, OK Computers 3.skupina:std=<0,3;5,3>, celkem 14 hráčů, Kamenný obchod, Alza.cz 4.skupina:std=<5,5;13>, celkem 14 hráčů 5.skupina:std=<14;22>, celkem 14 hráčů, Korunka.cz, Obchodní-dům.cz 6.skupina:std=<22;47,5>, celkem 14 hráčů, ePROTON.cz 7.skupina:std=<47,7;82>, celkem 9 hráčů, Spořílek.cz
41
Graf č.18: Průměrné ceny skupin produktu Sony MP3 přehrávač
Sony MP3 - průměrné ceny skupin 2500 2000 1500 1000 500 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina
5.skupina
6.skupina
7.skupina
4.skupina
zdroj: autorka
XBOX Kinect 1.skupina:std=<0;43>, celkem 10 hráčů 2.skupina:std=<49;126>, celkem 10 hráčů 3.skupina:std=<126;267>, celkem 10 hráčů, CZC.cz 4.skupina:std=<303;601>, celkem 10 hráčů, DATART.cz, Alza.cz 5.skupina:std=<609;835>, celkem 11 hráčů Graf č.19: průměrné ceny skupin produktu XBOX Kinect
XBOX Kinect - průměrné ceny skupin 10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 1.skupina
2.skupina
3.skupina zdroj:autorka
42
4.skupina
5.skupina
Na tomto trhu není tak dobré a zřejmé na první pohled vyčíst nějaké společné chování na trhu s elektronickým zbožím. Platí zde, že většina těch co celé období s cenou nemanipulovali se drží na vyšších cenách, platí to u většiny sledovánách produktů sledovaných produktů. Také je vidět, že zmínění leadeři na každém trhu, jsou většinou ve skupinách, které cenu nějakým způsobem mění. Jen velmi zřídka jsou tito prodejci ve skupinách s nulovou střední hodnotou. U elektroniky by se dalo říct, že celé sledované obbodí mají všichni prodejci jednu cenu, kolem které se všichni drží a dlouhodobě ji nepřekračují.
43
ZÁVĚR Základním kamenem této práce bylo shromáždit data o vývoji cen za delší časové období u různých druhů zboží prodávaného po internetu.
S těmito daty se dále
pracovalo a zjišťovalo, jakým způsobem se jednotlivé ceny liší, jestli je vývoj cen na nějakých faktorech závislý. Díky regresním analýzám OLS (metody nejmenších čtverců) jsme dospěli k tomu, že vývoj ceny je ovlivněn několika faktory. Předpoklad, že by se cena měla měnit se změnou rozptylu se nám potvrdil. Dokázali jsme, že s růstem průměrné ceny roste rozptyl, to znamená,že čím dražší je námi vybrané zboží, tím se od sebe jeho ceny liší. A naopak pokud je zboží levné, tak se jeho ceny se od sebe příliš neliší a nejsou zde prováděny tak velké změny. Další veličinou která, cenu velmi ovlivnila, byl kurz amerického dolaru vůči české koruně. To znamená, že pokud koruna bude silnější vůči dolaru, lidi začnou více nakupovat a tím prodejci budou nuceni měnit ceny. Naproti tomu došlo i k převapivému závěru a to, že vždy když jsme v modelu měli zahrnutou proměnou kurz eura vůči českého koruně, tak jsme tuto proměnnou museli z modelu vyloučit. Podařilo se nám také ukázat jak se jednotlivý hráči chovají na trzích. Zjistili jsme největší tahouny každého trhu a podívali se se na jejich chování. Dozvěděli jsme se, že ti hráči, kteří cenu během sledovaného období nechávali na stejné úrovni (neměnili ji), byla ve srovnání s ostatními hráči trhu na vysoké úrovni. Naproti tomu hráči, kteří byli zařazeni do skupin s vysokou směrodatnou odchylku měnili cenu často nebo ji změnili jednou, ale výrazně. Překvapivým výsledkem byl také fakt, že ve srovnání mezi všemi hráči trhu nebyla žádná vazba na vyjíměčné události. Například se dalopředem očekávat, že v období Vánoc ochody začnou zdražovat, aby na nakupujících vydělali, ale žádné výrazné změny cen nenastaly. Vhodným rozšířením tohoto modelu by mohlo být delší období, za které by data byla sesbírána, například minimálně po dobu 6 měcíců, nejlépe jednoho celého roku. V takovém případě by pak byly ceny lépe popsatelné a mohli bysme například zkoumat, jestli ceny mají vliv na různé části roku.
44
SEZNAM POUŽÍTÉ LITERATURY [1] KOOP, GARY.: Introduction to econometrics. Chichester: John Willey & Sons, 2008. 371 s. ISBN 978-0-470-03270 [2] NĚMEC, DANIEL: Základy ekonometrie. Masarykova univerzita, 2009. 274 s. [3] BUDÍKOVÁ, M. – KRÁLOVÁ, M. – MAROŠ, B. – Průvodce základními statistickými metodami. Grada publishing, a.s., 2010. 272 s. ISBN 978-247-3243-5 [4] HEUREKA, [online], 2012 (http://info.heureka.cz/kariera/) [5] SHOPROKU, [online], 2012. (http://www.shoproku.cz/o-soutezi) [6] LUPA. [online], 2009 (http://www.lupa.cz/tiskove-zpravy/shoproku-2009/)
45
SEZNAM GRAFŮ Graf č.1:
Průměrné ceny vybraných parfémů
Graf č.2:
Směrodatné odchylky na trhu s kosmetikou
Graf č.3:
Průměrné ceny domácích spotřebičů
Graf č. 4:
Směrodatné odchylky na trhu s domácími spotřebiči
Graf č.5:
Průměrné ceny na trhu s elektronikou
Graf č.6:
Směrodatné odchylky vybraných komodit na trhu s elektronikou
Graf č.7:
Q-Q graf pro rezidua modelu 4
Graf č.8:
Průměrné ceny jednotlivých skupin u D&G
Graf č.9:
Průměrné ceny u jednotlivých skupin Versace
Graf č.10:
Průměrné cny jednotlivých skupin Bosch
Graf č.11:
Průměrné ceny vybraných skupin Bosch
Graf č.12:
Průměrné ceny vybraných skupin Electrolux
Graf č.13:
Průměrné ceny jednotlivých skupin Whirlpool
Graf č.14:
Průměrné ceny vybraných skupin LG televize
Graf č.15:
Průměrné ceny vybraných skupin Apple iPad 2
Graf č.16:
Průměrné ceny skupin produktu HTC Flyer
Graf č.17:
Průměrné ceny skupin produktu Sony CyberShot
Graf č.18:
Průměrné ceny skupin produktu Sony MP3 přehrávač
Graf č.19:
Průměrné ceny skupin produktu XBOX Kinect
46
SEZNAM TABULEK Tabulka č.1: Popisné statistiky komodit z kategorie kosmetika (průměrné hodnoty sledovaného období) Tabulka č.2: Největší leadeři na trhu s kosmetikou a počet sledovaných e-shopů Tabulka č.3: Popisné statistiky komodit z kategorie domácí spotřebiče (průměrnéhodnoty sledovaného období) Tabulka č.4: Největší leadeři na trhu s domácími spotřebiči a počet sledovaných eshopů Tabulka č.5: Popisné statistiky komodit z kategorie domácí spotřebiče (průměrné hodnoty sledovaného období) Tabulka č.6: Největší leadeři na trhu s elektronikou a počet sledovaných e-shopů Tabulka č.7: Model č.1 – OLS model Tabulka č.8: OLS model 2 Tabulka č.9: Test heteroskedasticity Tabulka č.10: Test normality reziduí Tabulka č.11 : Heteroskedasticitně konzistentní estimátor Tabulka č.12: Konzistentní estimator po vyřazení významných proměnných Tabulka č.13: Ramsey RESET test Tabulka č.14: Ramsey RESET test Tabulka č.15: Srovnání ukazatelů kvality jednotlivých modelů Tabulka č.16: Upravený model OLS odhadů Tabulka č.17: OLS model po úpravách
SEZNAM HISTOGRAMŮ Histogram č.1:
Normalita rozložení chyb
SEZNAM OBRÁZKŮ Obr.č.1: Rovnice lineráního regresního modelu Obr.č.2: Klasické předpoklady fungování regresního modelu
47
PŘÍLOHY 1.NEJVĚTŠÍ HRÁČI NA TRHU – GRAFY Na trhu parfémů jimi byli: Elnino.cz, Parfums.cz, Parfemy.cz, Prozdravi.cz, Xparfemy.cz
Největší hráči parfému D&G 1600 1400 1200 1000 800 600 400 200 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Elnino.cz
Parfums.cz
Parfemy.cz
Xparfemy.cz
Největší hráči parfému Versace 1600 1400 1200 1000 800 600 400 200 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Elnino.cz
Parfums.cz
Xparfemy.cz
48
Parfemy.cz
Největší hráči na trhu s domácími spotřebiči: Alza.cz, MALL.cz, Korunka.cz, Obchodní-dům.cz, ePROTON.cz, ALFA.cz, CZC.cz, OK Computers, Spořílek.cz, Kamenný obchod.cz
Největší prodejci Electrolux lednice (lednice) 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 alza.cz
MALL.cz
Korunka.cz
ePROTON.cz
Spořílek.CZ
Kamenný obchod
Obchodní-dům.cz
Největší hráči na trhu Bosch 4000 3500 3000 2500 2000 1500 1000 500 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Alza.cz
MALL.cz
Korunka.cz
ePROTON.cz
OK computers
Spořílek.CZ
49
Obchodní-dům.cz
Největší hráči na trhu Braun 2500 2000 1500 1000 500 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 MALL.cz
Korunka.cz
Obchodní-dům.cz
ALFA.cz
Spořílek.cz
Kamenný obchod
ePROTON.CZ
Největší hráči na trhu Whirlpool 16000 14000 12000 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Korunka.cz
Alza.cz
MALL.CZ
ePROTON.cz
Spořílek.CZ
Kamenný obchod
50
Obchodní-dům.cz
Největší hráči na trhu s elektronikou Alza.cz, MALL.cz, Korunka.cz, Obchodní-dům.cz, ePROTON.cz, ALFA.cz, CZC.cz, OK Computers, Spořílek.cz, Kamenný obchod.cz
Největší prodejci na trhu LG 20000 15000 10000 5000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Alza.cz
MALL.cz
Korunka.cz
Obchodní-dům.cz
ePROTON.cz
Spořílek.cz
Kamenný obchod
CZC.cz
ALFA.cz
OK Computers
Největší hráči na trhu HTC Flyer 16000 14000 12000 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 CZC.cz
Obchodní-dům.cz
51
ePROTON.cz
Největší hráči na trhu Apple iPad 2 14500 14000 13500 13000 12500 12000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Alza.cz
MALL.cz
Korunka.cz
ePROTON.cz
ALFA.cz
OK Computers
Obchodní-dům.cz
Největší hráči na trhu Sony fotoaparát 10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Alza.cz
Spořílek.CZ
52
ALFA.cz
CZC.cz
Sony MP3 přehráčvač - leadeři 3000 2500 2000 1500 1000 500 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Alza.cz Obchodní-dům.cz Kamenný obchod
MALL.cz ePROTON.cz CZC.cz
Korunka.cz Spořílek.cz OK Computers
Průměrné cenyXBOX - leaderi na trhu 10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Alza.cz
Obchodní-dům.cz
53
ePROTON.cz
CZC.cz