Prijszettingsstrategieën voor aanbieders van Video on Demand services

Faculteit Ingenieurswetenschappen Vakgroep Informatietechnologie Voorzitter: Prof. Dr. Ir. P. LAGASSE

Prijszettingsstrategie¨ en voor aanbieders van Video on Demand services door Louis DECUYPERE

Promotors: Prof. Dr. Ir. M. PICKAVET, Prof. Dr. Ir. D. COLLE Scriptiebegeleiders: Ir. K. CASIER, Ir. J. VAN OOTEGHEM, Ir. S. VERBRUGGE

Scriptie ingediend tot het behalen van de academische graad van burgerlijk ingenieur in de computerwetenschappen

Academiejaar 2006–2007

Voorwoord Bij mijn scriptiekeuze ging mijn voorkeur quasi onmiddellijk uit naar één van de onderwerpen uit de techno-economische sfeer. Het leek mij een uitdaging om mijn horizonten te verruimen en een onderwerp te kiezen dat niet rechtstreeks aansluit bij de vorming als computerwetenschapper.

Ik wens prof. Pickavet en prof. Colle te bedanken voor het aanreiken van dergelijke onderwerpen. Mijn dank gaat zeker ook uit naar Jan Van Ooteghem, Koen Casier, Sofie Verbrugge en Bart Lannoo voor de ondersteuning en hun geduld bij het tot stand brengen van dit werk.

Tenslotte wil ik hier zeker plaats maken voor een dankwoordje aan mijn ouders, familie en vrienden die mij gesteund hebben bij het schrijven van dit werk en voor alle mogelijkheden die zij mij geboden hebben tijdens mijn studies.

Louis Decuypere, 17 januari 2007

Toelating tot bruikleen “De auteur geeft de toelating deze scriptie voor consultatie beschikbaar te stellen en delen van de scriptie te kopiëren voor persoonlijk gebruik. Elk ander gebruik valt onder de beperkingen van het auteursrecht, in het bijzonder met betrekking tot de verplichting de bron uitdrukkelijk te vermelden bij het aanhalen van resultaten uit deze scriptie.”

Louis Decuypere, januari 2007

Prijszettingsstrategie¨ en voor aanbieders van nieuwe netwerkservices door Louis DECUYPERE Scriptie ingediend tot het behalen van de academische graad van burgerlijk ingenieur in de computerwetenschappen Academiejaar 2006–2007 Promotors: Prof. Dr. Ir. M. PICKAVET, Prof. Dr. Ir. D. COLLE Scriptiebegeleiders: Ir. K. CASIER, Ir. J. VAN OOTEGHEM, Ir. S. VERBRUGGE Faculteit Ingenieurswetenschappen Universiteit Gent Vakgroep Informatietechnologie Voorzitter: Prof. Dr. Ir. P. LAGASSE

Samenvatting Het doel van dit werk is prijszettingsstrategieën uit de breedbandsector te identificeren die efficiënt ingezet kunnen worden bij het aanbieden van Video on Demand services. In een eerste luik wordt een beknopt overzicht van bestaande prijszettingsstrategiën voor de breedbandsector gegeven, gevolgd door een inleiding tot Video on Demand services en de technologie die dit mogelijk maakt. In het tweede deel van dit werk wordt een prijszettingssimulator voor ondemand netwerkservices ontworpen met als doel de bruikbare modellen te testen en hun prestatie hierin te evalueren.

Trefwoorden Prijszetting, Video on Demand, VoD, Simulatie

i

Inhoudsopgave Gebruikte afkortingen

iii

1 Inleiding

1

2 Prijszettingsstrategie¨ en

4

2.1

Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4

2.2

Enkele basisconcepten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4

2.3

Prijszettingsmodellen in de breedbandindustrie . . . . . . . . . . . . . . . . . . .

6

2.3.1

Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6

2.3.2

Flat-rate prijszetting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

7

2.3.3

Gebruiksgebaseerde prijszetting . . . . . . . . . . . . . . . . . . . . . . . .

9

2.3.4

Congestiegebaseerde prijszetting . . . . . . . . . . . . . . . . . . . . . . .

10

2.3.5

Inhoudsgebaseerde prijszetting . . . . . . . . . . . . . . . . . . . . . . . .

12

2.3.6

Hybriede modellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

13

Prijszettingsstrategieën specifiek voor VoD . . . . . . . . . . . . . . . . . . . . . .

13

2.4.1

VoD-prijszettingen uit de literatuur . . . . . . . . . . . . . . . . . . . . .

13

2.4.2

Praktische voorstellen voor VoD-prijszetting . . . . . . . . . . . . . . . . .

15

Visueel evaluatiemodel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17

2.4

2.5

3 Video on Demand

20

3.1

Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

20

3.2

Video on Demand systemen in verschillende vormen . . . . . . . . . . . . . . . .

21

3.2.1

True VoD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

21

3.2.2

Near Video on Demand . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22

3.2.3

Andere vormen en benamingen . . . . . . . . . . . . . . . . . . . . . . . .

24

Technologische infrastructuur . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24

3.3.1

Vereisten voor het aanbieden van VoD-services . . . . . . . . . . . . . . .

25

3.3.2

Netwerkarchitectuur en -technologieën . . . . . . . . . . . . . . . . . . . .

26

3.3

INHOUDSOPGAVE

ii

3.3.3

Hardwarecomponenten . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

28

3.3.4

Fabricanten van VoD-technologie . . . . . . . . . . . . . . . . . . . . . . .

30

4 Ontwerp van een Prijszettingssimulator

32

4.1

Doel van de simulator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

32

4.2

Parameters van de netwerkservice . . . . . . . . . . . . . . . . . . . . . . . . . . .

33

4.3

Prijszettingsparameters . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

35

4.4

Klantenmodel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

36

4.5

Verloop van een simulatie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

38

4.6

Ontwerp en implementatie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

40

4.7

Gebruik van de simulator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

42

4.7.1

Runs met een te variëren parameter instellen . . . . . . . . . . . . . . . .

43

4.7.2

Output van de simulator in verschillende vormen . . . . . . . . . . . . . .

43

5 Simulaties

46

5.1

Inleiding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

46

5.2

Identificatie van een basisscenario . . . . . . . . . . . . . . . . . . . . . . . . . . .

47

5.2.1

Parameters van de Video on Demand-omgeving . . . . . . . . . . . . . . .

47

5.2.2

Klantenmodel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

52

Simulatiecases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

54

5.3.1

CASE I : De verschillende prijszettingen in het basisscenario . . . . . . .

54

5.3.2

CASE II : Toename van het klantenbestand naar 200.000 klanten . . . . .

61

5.3.3

CASE III : Invloed van de WTP-curve . . . . . . . . . . . . . . . . . . . .

64

5.3.4

Case IV : Optimalisatie van de prijszettingen . . . . . . . . . . . . . . . .

68

5.3

6 Besluit

77

A Inhoud van bijgevoegde CD

80

iii

Gebruikte afkortingen ADSL Assymtric Digital Subscriber Line ARPU Average Return Per User ATM Atonomous Transfer Mode CATV Community Antenna/Access Television, Cable TV CBR Constant Bitrate DiffServ Differentiated Services DSLAM DSL Access Multiplexer HDTV High Definition Television HFC Hybrid Fiber Coax IntServ Integrated Services ISP Internet Service Provider MPEG Moving Picturs Expert Group NVoD Near Video on Demand OSI Open Systems Interconnection Basic Reference QoS Quality of Service ROI Return On Investment RSVP ReSerVation Protocol VBR Variable Bitrate

GEBRUIKTE AFKORTINGEN

VoD Video on Demand VoIP Voice over IP WiFi Wireless Fidelity WTP Willingess to pay

iv

1

Hoofdstuk 1

Inleiding De laatste jaren zijn bandbreedtes van communicatienetwerken sterk toegenomen. Tal van nieuwe en verbeterde netwerktechnologieën maken steeds sneller dataverkeer mogelijk voor zowel bedrijven als particulieren. Dit is niet alleen het geval voor bedrade verbindingen, er zijn ook een aantal geavanceerde technologieën die draadloze en mobiele breedbandverbindingen mogelijk maken. De netwerkbandbreedte mag dan wel fel toegenomen zijn, de vraag ernaar is de laatste jaren explosief gestegen door tal van nieuwe multimediadiensten die hoge eisen stellen aan de eigenschappen van de onderliggende netwerken. YouTube, Skype, MySpace, iTunes Store, Video on Demand en IPTV, Wi-Fi op de trein, Mobile Internet en Mobile TV zijn slechts enkele voorbeelden uit de brede waaier aan nieuwe netwerkservices. Veel van de klassieke breedbandproviders worden nu omgedoopt tot ‘triple-play’ providers (aanbieders van telefonie-, data- en videodiensten over hetzelfde netwerk), wat op zich nog maar een deel van de evolutie is naar multi-play services: een volledige integratie van de verschillende diensten. Het uitbreiden van de aangeboden services en de daarvoor benodigde investeringen in betere technologieën vereisen nieuwe businessmodellen. In deze snel evoluerende markt moeten deze modellen in staat zijn de gemaakte kosten op relatief korte periodes terug te winnen. Een belangrijk aspect daarbij is de keuze voor een goede prijszettingsstrategie die de winsten van de provider maximaliseert en tegerlijktijd ook de gebruiker optimaal voorziet in zijn behoeften. Naast het verhogen van de winsten kan een goede prijszetting ook dienen om de juiste klanten (d.i. de klanten die er het meest voor over hebben en dus het meest betalen) te bereiken wanneer er een tekort is aan capaciteit om iedere klant te bedienen. Figuur 1.1 toont een mooi voorbeeld. De mobiele netwerkoperator Proximus biedt klanten voor zijn Mobile Internet dienst vijf verschillende prijsformules, naargelang hun downloadvolume en

INLEIDING

2

het tijdstip van gebruik. Prijszetting Mobile Internet No Limit Evening & Weekend

Mobile Internet 10MB Mobile Internet 3h Mobile Internet Access Tijd Mobile Internet Access Volume

Vaste prijs (/mnd) 55 €

Inbegrepen volume 1GB

28,91 €

1GB (tijdens daluur)

15 € 15 € ‐ ‐

10MB ‐ ‐ ‐

Inbegrepen tijd Variabele prijs ‐ 0,05 € per extra 100KB boven 1GB ‐ 0,05 € per 100 KB in werkuur OF boven 1GB ‐ 3 uur ‐ ‐

1,5€ per extra MB 5€ per extra uur 0,3437 per 5min. 0,4132€ per 100KB

Figuur 1.1: Verschillende prijszettingen voor Mobile Internet van Proximus

Doel van dit werk In dit werk wordt specifiek ingegaan op de prijszetting voor het aanbieden van Video on Demand, een service waarbij de gebruiker een video (film, tv-programma, . . . ) op aanvraag en zonder vertraging kan bekijken. Verschillende alternatieve prijsformules worden voorgesteld. In een ontworpen applicatie die de prijszetting in netwerkservices kan simuleren worden deze getest en wordt hun eventuele bruikbaarheid toegelicht in enkele simulatiecases.

Structuur van dit boek Hoofdstuk 2 heeft als doel de lezer vertrouwd te maken met prijszettingstechnieken die in de breedbandsector gehanteerd worden. Er worden kort een aantal begrippen uit de prijszetting uitgelegd om daarna een brede kijk te geven op allerhande verschillende prijszettingsstrategieën. Daarbij is het niet de bedoeling diep in te gaan op de analytische of economische achtergrond van de modellen. Veeleer bevat het hoofdstuk de nodige informatie om wegwijs te geraken uit een grote verscheidenheid aan strategieën en benadrukt het enkele criteria die van belang zijn bij een evaluatie van een model. Aan het eind van het hoofdstuk worden prijszettingen voorgesteld die getest zullen worden in een Video on Demand omgeving. Om het effect van prijszetting erin te kunnen bestuderen wordt een kort hoofdstuk gewijd aan Video on Demand. In hoofdstuk 3 wordt Video on Demand in zijn verschillende vormen gedefinieerd en wordt aandacht besteed aan de technologische infrastructuur die nodig is voor het aanbieden van dergelijke services. In hoofdstuk 4 wordt de informatie uit hoofdstuk 2 en 3 gebundeld bij het ontwerp van een prijszettingssimulator voor on-demand services. Het precieze doel, het ontwerp en de overwegingen die daarbij in acht genomen werden komen aan bod. In hoofdstuk 5 komt de simulator in actie. Er wordt een basisscenario opgesteld. De resultaten en interpretaties van de simulaties

INLEIDING

3

van dit scenario en variaties erop volgens de geselecteerde prijszettingen vormen het grootste deel van hoofdstuk 5. Tot slot, in hoofdstuk 6, worden de belangrijkste bevindingen van dit werk samengevat. Op de CD-ROM in bijlage staat naast een elektronische kopie van dit boek (pdf-formaat) o.a. ook alle ontwikkelde code, de rekenbladen en simulatietraces. Zie bijlage A voor een gedetailleerder overzicht van de CD-inhoud.

4

Hoofdstuk 2

Prijszettingsstrategie¨ en 2.1

Inleiding

Breedbandtoepassingen zitten sterk in de lift en de nood aan hoge bandbreedtes zal alleen maar toenemen. Video on Demand is het voorbeeld bij uitstek: een netwerkservice die zeer grote datasnelheden vereist en tevens een nieuw tijdperk in televisiebeleving vormt. Buiten hoge datasnelheiden zijn er andere strenge kwaliteitseisen aan VoD verbonden en met het oog op HDTV-kwaliteit in de toekomst worden die vereisten alleen nog strenger. Vele netwerken (het WWW op zich bijvoorbeeld) leveren onvoldoende kwaliteit, en zeker op piekmomenten waar vele kijkers een VoD-aanvraag doen is er schaarste aan bandbreedte. In de jaren ’90 begon men onderzoek te voeren naar prijszettingsmodellen voor de breedbandindustrie, mede door de nood om expansiekosten van groeiende netwerken terug te winnen en als middel om netwerkcongestie te verminderen. Na enkele definities van economische begrippen rond prijszetting, wordt een breed overzicht aan bestaande prijszettingsmodellen uit de breedbandindustrie gegeven. Daarbij is het niet de bedoeling om diep in te gaan op de achterliggende economische definities en theorieën, eerder om een praktisch overzicht te geven van de verschillende strategieën. Daarna worden enkele voorstellen gedaan voor vernieuwende prijszettingen voor Video on Demand.

2.2

Enkele basisconcepten

Prijszetting is een economisch begrip en heeft dus te maken met productie, verkoop en aankoop van goederen en diensten in een markt waar kopers en verkopers interageren. De prijzen van

2.2 Enkele basisconcepten

5

goederen en diensten (vanaf nu spreken we gewoon over goederen) hangen af van het competitiemodel van de markt alsook van de regulering. Een bepaalde prijszetting kan als doel hebben de winst van de producent te maximaliseren, maar kan voor zgn. regulators als doel hebben de sociale welvaart te verhogen. Sociale welvaart is het gecombineerd ‘nut’ van alle consumenten en producten. In dat geval worden de prijzen herleid naar de marginale kostprijs. De prijs van een goed kan op drie manieren bepaald worden. De markt zelf kan de prijs bepalen, in overeenstemming met vraag en aanbod. Een tweede mogelijkheid is dat de producent de prijs bepaalt, bvb. om mogelijke concurrenten te bekampen in marktaandeel. Een derde mogelijkheid is dat de prijszetting bepaalde acties van de gebruiker uitlokt (incentive-compatible pricing). Bijvoorbeeld, een goedkoper nachttarief voor elektriciteit zal klanten aansporen om ’s nachts bepaalde toestellen te gebruiken. Als we de markt beschouwen vanuit het standpunt van de consument, dan stellen we met de vector x = (x1 , . . . , xk ) een hoeveelheid van verschillende services 1 tot k voor die de consument kan kopen aan een prijs p(x). De consument heeft de neiging om met zijn budget maximaal nut na te streven, m.a.w. zijn consumentensurplus te maximaliseren. De consumentensurplus kan genoteerd worden als CSi = maxx ui (x) − pT x . Hierin stelt ui (x) het nut voor, het stelt het bedrag voor dat de consument wil betalen (willingness to pay) voor een bepaald goed en is een stijgende en concave functie. Gegeven een bepaalde prijs p per eenheid van het goed, kiest de consument voor de hoeveelheid x zodat zijn consumentensurplus (netto nut) maximaal is. Figuur 2.1 maakt dit duidelijk. De vraagcurve van de gebruiker in figuur 2.2 toont de consumentensurplus als het gebied boven de rechthoek px, het betaalde bedrag. De vraag in die grafiek wordt voorgesteld door u0 (x), de dalende richtingscoëfficiënt van de raaklijn aan u(x).

Figuur 2.1: Nutsfunctie Prijselasticiteit van de vraag is een maat voor hoeveel de vraag stijgt (of daalt) bij een verandering in prijs.

2.3 Prijszettingsmodellen in de breedbandindustrie

6

Figuur 2.2: Consumentensurplus

j =

∂xj /xj ∂pj /pj

(2.1)

In de formule hierboven stelt xj de vraagfunctie voor (i.f.v. de prijs). Men spreekt bijvoorbeeld van een elastische vraag indien een prijsstijging resulteert in een grote stijging van de vraag. ‘Market externality’ is een effect dat zeker ook in de breedbandindustrie van toepassing is. Met de term wordt bedoeld dat de waarde van een bepaald goed stijgt naarmate het door meer klanten gebruikt wordt. De nutsfunctie ui (n) is in dat geval functie van n, het aantal gebruikers. Het nut van een bvb. een specifieke communicatieservice is sterk afhankelijk van het aantal mensen die kunnen bereikt worden via die service. De theoretische beschouwingen even terzijde gelaten, is het zo dat prijszetting in de praktijk meer een ‘kunst’ is dan een systeem dat rigoureus toegepast kan worden.

2.3 2.3.1

Prijszettingsmodellen in de breedbandindustrie Inleiding

Het belang van prijszetting in de breedbandindustrie, en in de telecommunicatie-industrie in het algemeen, is de laatste jaren fel toegenomen. Er zijn hier enkele belangrijke redenen voor. De telecomsector is geëvolueerd van een (natuurlijk) monopolie naar een competitiemodel, en een verandering van marktmodel vraagt om alternatieve prijszettingstrategieën. Buiten de verandering van marktmodel kennen operatoren over de jaren heen een exponentiële toename van de netwerktrafiek. Door een hele reeks van nieuwe bandbreedte-intensieve toepassingen moeten zij


7

investeren in expansie van de infrastructuur. Er is nood aan een businessmodel, met aangepaste prijszetting, waarin kosten verhaald kunnen worden op de eindgebruikers, of op andere partijen. Dit laatste kan bijvoorbeeld gebeuren door reclametoevoeging, door bundeling met content, of door aanbeveling van gebruikerstoestellen van partnerbedrijven. Doordat ook ingenieurs bewust werden van het belang van prijszettingstechnieken, werd veel onderzoek geleverd naar specifieke modellen voor de breedbandsector. Dit hoofdstuk probeert hier een beknopt overzicht van te geven, en de verschillende strategieën te vergelijken. Om direct met de deur in huis te vallen geeft figuur 2.3 een overzicht van de verschillende methodes die bestaan om breedbandservices te tarifiëren (bron: [7]). We hanteren de drie verschillende types (flat-rate, gebruiksgebaseerde en congestiegebaseerde) prijszettingen als leidraad doorheen de rest van dit hoofdstuk, alsook bij de indeling van de VoD-modellen.

Figuur 2.3: Classificatie van prijszettingen

2.3.2

Flat-rate prijszetting

Eén van de meest gebruikte prijszettingsstrategieën in de telecomsector is de flat-rate strategie. Het concept is heel eenvoudig. De gebruiker betaalt een vast bedrag, waarmee hij gedurende een bepaalde duur onbeperkt1 gebruik kan maken van de aangeboden dienst. Deze duur is in de meeste gevallen één maand. Hoewel deze all-you-can-eat prijszetting vanuit economisch perspectief in alle opzichten faalt, wordt ze vandaag de dag heel veel toegepast. Op de markt van breedbandinternet is het met grote uitzondering de standaard. Nochtans is breedbandinternet zoals telefonie en elektriciteit 1

Bij sommige toepassingen wordt toch een uiterste limiet op het verbruik vastgelegd.


8

een meetbaar goed. Het verbruik ervan kan gemeten worden in éénheden van bandbreedte (snelheid) en volume. In de sector van vaste en mobiele telefonie kent deze strategie meer en meer ingang, bijvoorbeeld voor het bellen van gebruikers binnen het lokaal netwerk. Dit toont aan dat flat-rate prijszetting, in tegenstelling tot wat men vanuit economisch standpunt zou verwachten, nog niet op zijn terugweg is. Laat ons even duidelijk maken waarom flat-rate vanuit puur economisch perspectief niet deugt. Flat-rate prijzen leiden ertoe dat het merendeel van de gebruikers (de eerste piek in figuur 2.4) te veel betaalt voor hun service, terwijl sommige grote verbruikers (de tweede piek) eigenlijk niet genoeg betalen voor hun werkelijk gebruik. Dit fenomeen heet kruissubsidiëring en betekent dat een groot deel van de klanten mee opdraaien voor de kosten veroorzaakt door de grote verbruikers. Dit gebrek aan fairness leidt er in een competitieve markt toe dat de klanten die zich in hun onrecht voelen snel overstappen naar een aanbieder die een fairdere prijszetting hanteert. Het groot nadeel van flat-rate prijszetting is dus dat het op geen enkele manier de gebruiker aanspoort om op economische manier om te springen met zijn verbruik van netwerkcapaciteit.

Figuur 2.4: Prijszetting op basis van de gemiddelde verbuiker?

Vraag is waarom flat-rate – met al zijn nadelen – zo’n populaire prijszetting is. De transparantie van de prijsformule is de hoofdreden. De gebruiker weet op voorhand, nog voor hij de service gebruikt, wat de prijs zal zijn. Complexe berekeningen (zoals deze in een GSM-factuur) worden door de klant niet geapprecieerd. Het tweede voordeel is de eenvoud van het facturatie- en accountingsysteem voor de provider. Er hoeven geen complexe metingen te gebeuren van het precieze verbruik van elke klant. Het einde van de flat-rate strategie is zoals gezegd zeker nog niet in zicht, maar de efficiëntere modellen zullen zeker in de nabije toekomst hun opmars kennen. De ’all-you-can-eat’ formule zal wellicht nog lang blijven bestaan voor de gebruikers die een transparante en voorspelbare prijszetting verlangen, maar voor de light-gebruiker en de gespecialiseerde gebruiker moet er een


9

prijszetting bestaan die meer op maat gesneden is. Het is nu al zo dat vele breedbandaanbieders een dergelijke prijszetting hanteren (zie tabel in hoofdstuk 1).

2.3.3

Gebruiksgebaseerde prijszetting

Het meest voor de hand liggend alternatief voor flat-rate prijszetting is een tarief hanteren die zo goed mogelijk het effectief gebruik van de consument weerspiegelt. Dit wordt onder een brede noemer gebruiksgebaseerde prijszetting (of in het Engels usage-based pricing) genoemd. Deze prijszettingsstrategie is incentive-compatible omdat het de gebruiker aanspoort om zuinig en beredeneerd om te springen met het verbruik van de beperkte bandbreedte. Gebruiksgebaseerde prijszetting is goed voor de klant, hij betaalt niet meer (maar ook niet minder) dan hij effectief verbruikt. Langs de andere kant zijn er enkele nadelen: er moet een systeem voorhanden zijn dat het effectieve verbruik kan meten, en het tarief voor een bepaald verbruik kan maar a posteriori aan de klant bekend gemaakt worden (in tegenstelling tot flatrate). Een eenvoudige gebruiksgebaseerde prijszetting bepaalt het tarief afhankelijk van de connectieduur. Tarifiëren op basis van het verstuurde volume is een andere mogelijkheid. Complexere prijszettingen maken gebruik van de combinatie tijd en volume, eventueel met een derde afstandsparameter. In dat laatste geval vormen de geografische afstand van het netwerkpad of het aantal doorkruiste hops de waarde van die parameter. Als voorbeeld maakt een theorie, bestudeerd door o.a. Courcoubetis en Kelly [9], gebruik van een Time-Volume tariefformule, gebaseerd op connectietijd T en verbruikt volume V : aT + bV + c. Daarin zijn a, b en c statische parameters die op voorhand bepaald worden, in tegenstelling tot T en V die pas achteraf bekend zijn. Om de prijs van het resourceverbruik zo getrouw mogelijk weer te geven, wordt de zogenaamde effective bandwidth berekend, een complexe functie die de eigenschappen van de verstuurde netwerktrafiek (piekrate en lengte van bursts) samenvat. Als de gebruiker a priori zijn gewenste gemiddelde bandbreedte m geeft, wordt het tarief berekend op basis van a(m) en b(m). De waarden voor a(m) en b(m) zijn respectievelijk het snijpunt met de ordinaat van en de richting van de raaklijn aan de curve van die effective bandwidth (fig. 2.5). Dit model wordt aanzienlijk eenvoudiger wanneer de trafiek met constante bitrate (CBR) stroomt. In een VoD-systeem met streams van constante bitrate zou zo’n vereenvoudigd model kunnen gebruikt worden. Er bestaan technieken om de videobitrate gegenereerd door videoservers uit te vlakken zodat ook videostreams met variabele bitrate (VBR) op het effectieve netwerkverbruik gebaseerd worden [23].


10

Figuur 2.5: Tariefberekening op basis van effective bandwith Prijszetting met QoS-garanties Er bestaan verschillende technieken om prijzen te bepalen voor netwerkservices die QoS-garanties kunnen bieden. In geval van Integrated Services (IntServ) in de RSVP-architectuur kunnen PATH en RESV pakketten prijsinformatie doorspelen tussen de verschillende partijen. Bij een Differentiated Services (DiffServ) architectuur bestaan andere technieken, bijvoorbeeld een auction-systeem voor het verdelen van Service Level Agreements (SLA) of via RNAP (Resource Negotiation And Pricing), een speciaal framework voor dynamische onderhandelingen over QoS-parameters tussen klant en provider [17] [12]. Over auction-gebaseerde prijszetting volgt later meer uitleg en er worden later ook simulaties gevoerd met een dergelijk model.

2.3.4

Congestiegebaseerde prijszetting

De marginale kost voor het transporteren van datapakketten over een netwerk zijn nihil zolang er geen congestie optreedt. In dat geval is een gebruiksgebaseerd model een goede prijszetting omdat het de gebruiker aanspoort om zuinig met zijn verbruik om te springen, en dus congestie te vermijden. Indien wel congestie optreedt kunnen bepaalde prijszettingen de piekperioden afvlakken door middel van hogere prijzen. Ook worden dan de resterende netwerkresources verdeeld op een economisch verantwoorde manier, omdat de resterende capaciteit verdeeld wordt over de gebruikers die er het meeste waarde aan hechten (i.e. de hoogste willingness to pay hebben). [14]

Paris Metro Pricing (PMP) en prioriteitsprijszetting In [11] haalde Odlyzko inspiratie voor een congestiegebaseerde prijszetting uit het prioriteitssysteem dat tot 1999 in de Parijse metro in voege was. Een Parijse metro had twee soorten wagons: wagons met goedkope en wagons met duurdere tickets. Daarbuiten was er zowel in het aantal plaatsen als in de kwaliteit van de zitjes in de metrostellen geen verschil. Het resultaat was dat


11

de 1e klasse-wagons minder vol zaten, aangezien enkel degenen die een rustige plaats wilden in ruil voor hogere prijs (en het zich konden veroorloven uiteraard) daarvoor betaalden. Deze prijszettingsmethode kan gebruikt worden om gedifferentieerde (pakketgebaseerde) internetservices aan te bieden met een lichte vorm van QoS2 . Het netwerk wordt daartoe in 2 of meer logische kanalen opgesplitst. Hoe hoger de prijs voor een kanaal, hoe minder congestie optreedt. Dit basismodel voor gedifferentieerde services is echter – net zoals in de Parijse metro – een zuiver best-effort model: het biedt geen enkele garantie naar de beschikbare capaciteit. Andere prioriteitsgebaseerde modellen zijn terug te vinden in de literatuur. Daarin krijgen IPpakketten een prioriteit toegewezen en wordt tijdens congestie de data met de hoogste prioriteit verzonden. Algemeen ziet men dat individuele QoS-garanties bieden met dit systeem niet mogelijk is, en dat de kwaliteit van een service verbetert indien de prijzen ervoor zorgen dat congestie vermeden wordt [10].

Time-of-Day model In een Time-of-Day gebaseerde prijszetting variëren de prijzen naar gelang het uur van de dag. Doordat men weet dat op bepaalde tijden van de dag het verbruik lager is, worden de prijzen op die tijdstippen lager. Bijvoorbeeld, ’s nachts rekenen elektriciteitsleveranciers een lagere prijs aan. De bedoeling is dat bepaalde klanten die prijsgevoelig zijn hun verbruik verschuiven naar een ander tijdstip met minder of geen congestie. Op piekmomenten kan de prijs ook verhoogd worden, om nog meer de pieken in de netwerktrafiek af te vlakken. Een analogie van dit systeem vind je terug op sommige tolwegen, waar de tolprijs tijdens piekuren (file, cfr. netwerkcongestie) hoger is. Time-of-Day pricing is dus een techniek die efficiënt omspringt met resourceverbruik. Wat die resource-efficiëntie betreft is Time-of-Day prijszetting eigenlijk suboptimaal, aangezien de prijs niet de effectieve maar de voorspelde congestie weergeeft op dat moment. Een variant op het gebruiksgebaseerd model volgens Kelly dat ook gebruikt maakt van de Time-of-Day techniek werd bedacht door Lindberger. De prijs wordt berekend volgens de formule C = KL,T · d · t. Daarin is t de duur van de connectie en d is een door de gebruiker gemaakte a priori schatting van de effectieve bandbreedte. De statische factor KL,T wordt bepaald aan de hand van het tijdstip T van de aanvraag en de afstand L van het netwerkpad. 2

Quality of Service: een maat voor de kwaliteit en beschikbaarheid van een (netwerk)service


12

Andere congestiemodellen In [13] wordt een model voorgesteld dat datatrafiek in tijd verschuift van piekmomenten naar tijdstippen met minder of geen congestie door middel van zgn. congestiekortingen. Elke gebruiker heeft daarbij de keuze om in te gaan op de korting en zijn verbruik uit te stellen of om toch toch op dat moment van de service gebruik te maken.

Auction-gebaseerd model In wat men in de economische literatuur een Smart Market noemt wordt de prijs voor het versturen van een datapakket bepaald door een soort verkoop per opbod onder gesloten omslag’. Deze laatste term duidt op het feit dat elke gebruiker een bod doet, zonder medeweten van de andere gebruikers (in tegenstelling tot een publieke verkoop bij opbod voglens het English Auction’-systeem). Elk pakket bevat een speciaal veld met het geboden bedrag. Indien het pakket doorgelaten wordt betaalt de verzender niet de hoogste prijs, maar een lagere market clearing price. Dit model waarin de prijs niet wordt bepaald door het hoogste bod wordt ook wel de Vickrey-auction genoemd. Dit systeem wordt ook in eBay toegepast. In dergelijke prijszetting wordt de gebruiker aangespoort om zijn reële willingness to pay bekend te maken, het marktsysteem proberen te misleiden is altijd nadelig. [14] Hoewel deze prijszetting heel efficiënt blijkt te zijn is de vraag of gebruikers dergelijke onvoorspelbare prijszettingstechniek aanvaarden. In bepaalde specifieke markten is dit het geval, maar voor Video on Demand is niet vanzelfsprekend. Toch zal in dit werk een dergelijk model voor VoD-services gesimuleerd worden.

2.3.5

Inhoudsgebaseerde prijszetting

Bij het bestuderen van prijszetting voor netwerkservices en in het bijzonder voor on-demand services, waarbij zogenaamde e-content aangeleverd wordt, moet een verschil gemaakt worden tussen connectiviteit en content [30]. Dat verschil wordt duidelijk bij de analyse van de filosofie achter een prijszetting. Betaalt de gebruiker voor de inhoud van de informatie die hij verstuurt of ontvangt? Of is de toelevering (de connectiviteit) ook een bepalende factor, en in welke mate? Internetgebruikers worden belast op de connectiviteit, met name op de mogelijkheid om informatie snel over te brengen van elke computer aangesloten op het internet. De besproken modellen hierboven zijn gebaseerd op het belasten van de connectiviteit. VoD-gebruikers liggen echter niet wakker van de connectiviteit (tenzij het beeld hapert uiteraard), maar zijn ge¨ınteresseerd in de inhoud van hun film of programma. Om die reden

2.4 Prijszettingsstrategieën specifiek voor VoD

13

beschouwen we hier inhoudsgebaseerde prijszetting als een categorie. De prijszetting voor e-content3 is niet evident. In de stricte zin bestaat de kostprijs van het goed enkel uit de replicatiekost: het aanmaken van een digitale kopie. Het spreekt voor zich dat die kost nihil is. Een andere uitdaging voor e-content prijszetting is dat het doorgaans moet concurreren met de prijzen van dezelfde content in vaste vorm. De grijpbare vorm van het CD-album, de DVD of het document zijn doorgaans duurder, ten eerste al omwille van de hogere replicatiekost.

2.3.6

Hybriede modellen

Elk van de voorgaande modellen hebben specifieke voor- en nadelen. Zo is een gebruiksgebaseerd model fair en economisch verantwoord, maar biedt het niet de voordelen van een congestiegebaseerd model op het moment van een netwerkpiek. Daarom is het evident dat modellen in de praktijk kunnen gecombineerd worden. Als voorbeeld geven we hier het Lindberger model, een gebruiksgebaseerd model met een Time-of-Day effect. Er moet natuurlijk wel op gewezen worden dat de transparantie voor de eindgebruiker bij een hybried model daalt. Een prijszetting die (statisch of dynamisch) varieert van type naargelang het tijdstip of de situatie kan ervoor zorgen dat de gebruiker niet meer weet wanneer hij wat betaalt voor een bepaalde netwerkservice. Voor VoD-prijszetting is elke prijszetting in de praktijk een samensmelting van contentgebaseerde prijszetting en eventueel een andere techniek. Over de waardeketen en de structuur van een videoprijs volgt in 2.4.2 meer.

2.4 2.4.1

Prijszettingsstrategie¨ en specifiek voor VoD VoD-prijszettingen uit de literatuur

In [15] en [16] werden twee prijszettingsmodellen voorgesteld die specifiek ontworpen zijn voor VoD-services. Het gaat om theoretische modellen, die in een praktische situatie of in een simulatie moeilijk te gebruiken zijn. Basu en Little stellen in [15] een specifiek prijszettingsmodel voor vanuit een winstmaximalisatieperspectief. Ze gaan ervan uit dat de prijszetting voor een VoD-stroom de arrival-rate in het VoD-systeem moet be¨ınvloeden, alsook moet afhangen van de geleverde kwaliteit van de video. Het mechanisme wordt hieronder wat gedetailleerder toegelicht. 3

E-content is een ruim begrip: elektronische documenten, gedownloade cd’s, gestreamde video’s, alle soorten

opgevraagde specifieke info, deskundige hulp over internetfora, etc. vallen hieronder


14

Beschouw een VoD systeem dat N VoD-streams kan leveren. Gebruikers vragen een video aan met een gemiddelde rate van λ aanvragen per tijdseenheid. We gaan ervan uit dat elk kanaal juist één gebruiker voorziet, er is dus geen sprake van NVoD-technieken (zie 3.2.2). De duur van de aangevraagde film is L en een gebruiker blijft Tint extra tijdseenheden in het systeem (door het gebruik van interactieve functies, zie hoofdstuk 3). Het systeem wordt behandeld als een M |G|N wachtlijn. M duidt het Poisson-karakter van de arrivals aan, G staat voor generieke servicetijd met een deterministisch en een stochastisch deel, namelijk Ts = L + Tint . Het model beschouwt de filmduur L als zijnde deterministisch, hoewel men dit idealiter als een (normaalverdeelde) stochastiche parameter zou verwachten. Per aanvraag wordt een prijs p gezet. Het aantal aanvragen λ is uiteraard afhankelijk van de prijs (zie fig. 2.6). De moeilijkheid van het model bestaat erin dit verband zo goed mogelijk te schatten, wat op zich geen eenvoudige opgave is. Een uitgebreid marktonderzoek zou hier moeten aan voorafgaan. In de simulaties later in dit werk wordt een ander (en wellicht beter) model gebruikt om het klantengedrag voor te stellen.

videoprijs

Figuur 2.6: Arrival rate in functie van de prijs bij het specifiek VoD model uit [15] Krishnamurthy ([16], 1995) stelt een prijsmodel voor voor schaalbare-VoD applicaties. In dat model wordt de bitrate van de bestaande videoconnecties omlaag gehaald om meer klanten te bedienen en dus de winst te vergroten bij gelijke capaciteit. De hedendaags VoD-gebruiker zal echter dergelijke degradatie in beeldkwaliteit niet appreciëren. Misschien kan het model van nut zijn voor het aanbieden van gratis video’s aan een zo groot mogelijke gebruikersgroep, of eventueel voor draadloze applicaties. In de volgende paragraaf worden de besproken types prijszettingen geconcretiseerd voor gebruik in een VoD-applicatie. Deze modellen zullen in latere hoofdstukken ge¨ımplementeerd worden


15

voor simulaties. De praktisch bruikbare modellen worden ingedeeld in drie categorieën: vaste prijszetting, gebruiksgebaseerde en congestiegebaseerde prijszetting. In dit hoofdstuk wordt het principe van elke prijszetting uitgelegd. Voor meer details rond deze prijszettingen (parameterwaarden, grafieken, . . . ) wordt doorverwezen naar hoofdstukken 4 en 5.

2.4.2

Praktische voorstellen voor VoD-prijszetting

Vaste prijszetting Contentgebaseerde prijszetting is de huidige standaardprijszetting voor het aanbieden van VoD. Voorbeelden voor dergelijke prijzen van video’s zijn te vinden in de tabel hieronder. Telenet en Belgacom zijn de twee operatoren die VoD-services aanbieden via settopbox aangesloten aan televisie (zie hoofdstuk 3). Zij bieden naast de vaste prijs per aanvraag ook veel on-demand pakketten (bvb. VRT ‘Net Gemist’) aan tegen een maandelijkse flat-free prijs.4 Daarbij mag de klant ongelimiteerd video’s bekijken van een bepaalde categorie. De maandelijkse flat-free prijs wordt door de provider berekend op o.a. het voorspelde gemiddeld aantal aanvragen per klant per maand. Provider

Type

Prijs

Telenet Digital Tv

film

variërend

Telenet Digital Tv

andere

van 0,5 tot 1,5 e

Belgacom Tv

film

2 tot 4,5 e

Belgacom Tv

andere

0,5 tot 2 e

Tabel 2.1: Voorbeelden van contentgebaseerde prijzen in de VoD-markt Een groot deel van de inkomsten van van de verkoop van on-demand video’s gaat naar de studio of de zender die over het intellectueel eigendom van het materiaal beschikt. De waardeketen voor een video en de kostenstructuur is afgebeeld in onderstaande figuur 5 . Telenet en Belgacom zijn zgn. full service providers, aangezien VoD over hun eigen netwerk aangeleverd wordt.

Gebruiksgebaseerde prijszetting Als variant op de traditionele contentgebaseerde prijszetting zullen we in wat volgt enkele praktisch haalbare prijszettingen voorstellen. Als eerste komen de 3 gebruiksgebaseerde modellen: 4 5

bronnen: www.telenet.be, www.belgacom.be bron: Disney - abc Television Group, “Market evolution - Evolution of Media Value Chain”


contentprijs

creatie

+

publicatie

Content provider Content provider Filmstudio, TV‐zender, Amateurvideo, etc.

16

serviceprijs

aggregatie Service provider Service provider

+ transportprijs

= verkoopprijs

distributie

consumptie

Network Provider Network Provider

End user End user STB

Full Service provider

Figuur 2.7: Waardeketen van een Video on Demand tijd: Puur tijden/of volumegebaseerd : prijs = pcontent + a × T + b × V . Deze formule laat de winstmarge op de film afhangen van de lengte T van de video en het gedownload volume V , en dus van het effectieve gebruik van het netwerk. Door een van de parameters op nul te stellen kan men uiteraard enkel duur of volumeverbruik aanrekenene. lind: Volumegebaseerd met Time-of-Day schaling (variant op Lindberger) : prijs = pcontent + K 0 (t) × b × T . Deze prijszetting vermeerdert de contentprijs met een tijdsafhankelijke factor, vermenigvuldigd met het volume (=gemiddelde bitrate b × T ). eigen: Tijdens de simulaties aan het eind van dit boek wordt nog een derde gebruiksgebaseerd model voorgesteld, dat enkel een gebruiksgebaseerde meerkost aanrekent indien de lengte van de video groter is dan een bepaalde vooropgestelde grens op de normale lengte (zie 5.3.1).

Congestiegebaseerde prijszetting tod: Een prijszetting die congestie probeert te vermijden door tijdsafhankelijke variatie in de prijs is Time of Day prijszetting. Daarin wordt de verkoopprijs geschaald met een factor K(t) die afhangt van het uur van de dag. Op de piekuren is deze groter dan 1, tijdens daluren kleiner. De bedoeling is om de vraag naar video’s tijdens piekmomenten te verkleinen en eventueel te verschuiven naar een minder druk tijdstip (eventueel door de film dan op te nemen). cong: Het vorig model vermijdt congestie door middel van een statische prijszetting, t.t.z. de prijzen gedurende de dag per contenttype liggen op voorhand vast. Een betere congestievermijding kan gebeuren met een model dat de prijzen dynamisch aanpast aan de huidige netwerkcongestie. Het model dat hier voorgesteld wordt zal vanaf een bepaalde congestiedrempel d een congestiepenalty aanrekenen. Die penalty stijgt lineair met een toenemende congestie en wordt maximaal (penaltymax ) wanneer de netwerkcapaciteit volledig benut

2.5 Visueel evaluatiemodel

17

wordt. In de formule hieronder stelt c de netwerkcongestie voor, in percentage totaal netwerkgebruik t.o.v. de totale netwerkcapaciteit. De congestie en capaciteit kunnen naast het netwerk ook de (gebruikte resp. maximale) benutting voorstellen van de videoservers (i.e. het aantal streams vs. het maximale aantal).   c < d : p pcong =  c ≥ d : p × (1 + (penaltymax − 1) ×

c−d 1−d )

auct: De laatste prijszetting die wordt voorgesteld is een auction-gebaseerd model. Daarin wordt vanaf een bepaalde congestielimiet d de capaciteit verdeeld onder de hoogste bieders. Figuur 2.8 illustreert het principe. Alle boden van de klanten worden gerangschikt op de willingness to pay van de klant, van hoog naar laag. Dit systeem is economisch en resourceefficiënt. Het spoort de gebruikers aan hun effectieve willingness to pay bekend te maken, aangezien het over een sealed-bid verkoop per opbod gebeurt. De gebruikers kunnen hun prijsmededeling niet laten afhangen van de boden van andere gebruikers. Omdat telkens de volledige capaciteit verdeeld wordt is dit systeem ook resource-efficiënt, in tegenstelling tot congestieprijszetting waar een te hoge prijs gebruikers af kan schrikken en capaciteit kan verloren gaan. De betaalde prijs voor een video (market clearing price) is in dit model het bedrag van het laagste bod dat nog binnen de capaciteit valt.

CAPACITEIT

bod 1

bod 2

bod 3

...

bod C-1

hoogste bod

bod C

bod C+1

bod C+2

...

Market Clearing Price

bod N

laagste bod

Figuur 2.8: Illustratie van het voorgestelde auction-model voor VoD.

De details van deze prijszettingen en hun parameters volgen in de latere hoofdstukken, wanneer simulaties gevoerd worden.

2.5

Visueel evaluatiemodel

T. Nguyen en J. Armitage [17] beschreven een visueel evaluatiemodel, dat prijszettingen voorstelt in drie dimensies. De orthogonale assen zijn economische efficiëntie (EE), sociale impact (SI) en technologische complexiteit (TC).


18

TC= De moeilijkheid om een prijszetting te implementeren op gebied van technologische infrastructuur (bvb. gebruik van nieuwe technologieën en upgrades in het facturatiesysteem). EE= Hieronder vallen de resource-efficiëntie en winstmaximalisatie van de provider, alsook bijvoorbeeld verhoogde inkomsten door meer klanten. SI= De sociale impact is groot indien de klant ervaart dat de servicekwaliteit (bvb. beschikbaarheid) verbetert naarmate zijn/haar willingness to pay vergroot. Bij een optimale prijszetting zijn EC en SI maximaal, en is de de TC nihil. Figuur 2.9 illustreert het visueel model en vergelijkt een optimale met een realistische prijszetting. optimaal model

praktisch model

EE

EE

SI

TC

SI

TC

Figuur 2.9: Optimaal vs. praktisch prijszettingsmodel in 3-D model volgens [17] contentprijszetting

tijd/vol.gebaseerd

De prestaties van de voorgestelde prijszettingen voor VoD worden uitgezet in het 3D-model in EE

EE

figuur 2.10. Het is daarbij echter niet de bedoeling de dimensies te quantificeren, eerder om een visueel beeld te geven van de performantie van de modellen algemeen gezien. De simulaties in hoofdstuk 5 zullen de prestaties van de verschillende modellen nagaan op gebied van economische efficiëntie voor de provider (in de vorm van winstmaximalisatie) en economische efficiëntie en SI

SI

TC (in aantal bekeken video’s). TC sociale impact voor de klant lindberger

eigen model

EE

EE

SI

TC

SI

TC

congestiemodel

auction-model

EE

EE

TC

SI TC

SI

SI

TC

SI

TC


19

contentprijszetting

tijd/vol.gebaseerd

EE

EE

SI

TC

SI

TC

lindberger

eigen model

EE

EE

SI

TC

SI

TC

congestiemodel

auction-model

EE

EE

TC

SI TC

SI

Figuur 2.10: Voorspelde prestatie van de voorgestelde prijsmodellen voor VoD in het 3-D visueel model

20

Hoofdstuk 3

Video on Demand 3.1

Inleiding

Een Video on Demand systeem laat gebruikers toe om video’s op aanvraag te bestellen. Het ‘on demand’ karakter slaat op de mogelijkheid om een video te bekijken wanneer men wil. Meestal zijn VCR- of DVD-functies zoals pauzeren en doorspoelen beschikbaar en een bestelde video kan gewoonlijk 24 tot 48 uur door de aanvrager bekeken worden. De gebruiker kan dus genieten van de diensten van een traditionele videotheek zonder uit de zetel te komen. Bovendien loopt de gebruiker geen kans op boetes vanwege laattijdige terugbrenging. Dit hoofdstuk geeft een breed en algemeen overzicht van VoD. Eerst wordt Video on Demand verder gedefiniëerd, de verschillende toepassingen en soorten VoD worden uitgelegd. In 3.3 wordt aandacht besteed aan de technologische infrastructuur nodig voor het aanbieden van VoD-services.

Verschillende toepassingen van Video on Demand systemen Video on Demand systemen werden in de eerste plaats ontwikkeld voor het aanbieden van films en tv-programma’s op aanvraag. Er zijn echter een hele reeks extra toepassingen die in principe mogelijk zijn en die in de toekomst deel zullen uitmaken van het VoD-platform [19]. • Films en tv-programmas ‘on demand’. De mogelijkheid om op elk moment, met verwaarloosbare wachttijd, video’s te bekijken. Hierbij heeft de gebruiker de VCR-functies (pauzeren, terugspoelen, etc.) ter beschikking.

3.2 Video on Demand systemen in verschillende vormen

21

• Interactieve spelletjes. De gebruiker kan spelletjes tijdelijk downloaden en spelen, zonder een echte vaste kopie te kopen. Dit wordt soms naar analogie GOD (Games on Demand) genoemd. • Interactief nieuws. De kijker heeft de mogelijkheid om zelf te kiezen in welke mate hij/zij bepaalde onderwerpen aan bod wil laten komen. • Raadplegen van catalogussen. Klanten kunnen catalogussen van commerciële producten raadplegen en online bestellen. • Email en communicatie. VoD-systemen kunnen de gebruiker toegang geven tot emails, chatapplicaties of het WWW. • Interactieve reclame. Gebruikers kunnen interageren met reclameboodschappen door middel van wedstrijden, spelletjes en enquêtes. Ook kunnen bijvoorbeeld gratis staaltjes aangevraagd worden. • Videoconferentie. Gebruikers kunnen een videoconferentie opstarten met ge¨ıntegreerde audio, video, tekst en grafieken.

3.2

Video on Demand systemen in verschillende vormen

Video on Demand is een brede benaming en vertegenwoordigt verschillende vormen. Hieronder worden de types VoD gedefinieerd, elk met een andere user experience. In dit werk wordt vanaf nu met VoD, tenzij anders vermeld, de True Video on Demand-vorm bedoeld.

3.2.1

True VoD

Men kan True VoD definiëren als een audiovisele service in tv- of DVD- of HDTV-kwaliteit, die in real-time geleverd wordt over een communicatielink. We beschouwen in dit werk een streaming video over internet niet als zijnde VoD, hoewel het ook veel onder die noemer aangeboden wordt. Het type Video on Demand dat beschouwd wordt verschilt van internet streaming video omwille van de veel hogere kwaliteit van beeld en klank. Een VoD-systeem is voorzien van kwaliteitsgaranties, in tegenstelling tot het best effort model van het breedbandinternet. TVoD systemen alloceren een logisch netwerkkanaal voor elke gebruiker die een aanvraag doet. Dit resulteert in een service die de gebruiker toelaat om films en programma’s te bekijken zoals op VHS- en DVD-spelers. De kijker bepaalt zelf het tijdstip waarop zijn programma aanvangt.


22

Hij heeft ook de mogelijkheid om de typische interactieve VHS-functionaliteiten te gebruiken: snel of traag door- en terugspoelen en pauzeren. Sommige TVOD systemen zijn zelfs in staat om extra DVD-functies aan te bieden (menu, sceneselectie, etc.).

3.2.2

Near Video on Demand

Sinds enkele decennia worden tv-programma’s zoals sportwedstrijden en concerten aangeboden via Pay-per-View (PPV). De kijker betaalt eenmalig een bedrag, waardoor hij de uitzending (op het eenmalig moment van uitzending) kan bekijken. Daartoe wordt het versleutelde (gescramblede) programma gedecodeerd zodat de inhoud bekeken kan worden door de betalende klant. Een programma volgens het Pay-per-View systeem kan niet beschouwd worden als een programma op aanvraag of een VoD. De overgang van PPV naar VoD wordt gemaakt door middel van NVoD. NVOD verhoogt het ‘on-demand’ gehalte van PPV door een uitzending over meerdere kanalen op de kabel of via satellietverbinding te verzenden. Op elk kanaal wordt een kopie van het programma verzonden op verschillende tijdstippen. Het broadcastinterval is de tijd tussen twee uitgezonden kopieën. Een kijker kan nu dat programma bekijken ongeveer op het tijdstip dat hij wenst. De maximale vertraging op de volgende uitzending is dezelfde als het broadcastinterval. Naast de afspeelvertraging heeft NVOD als bijkomend nadeel dat interactiviteit (meestal) niet mogelijk is. Hoewel veel minder ten opzichte van TVoD, vereist NVoD toch relatief hoge bandbreedtes (indien men een voldoende kleine afspeelvertraging vooropstelt). Met de komst van digitale video’s werden verschillende NVoD-broadcasttechnieken ontwikkeld om populaire programma’s aan te bieden met steeds kleinere afspeelvertraging, zonder grote toename in nodige bandbreedte. In volgende paragraaf worden dergelijke technieken meer in detail besproken.

Broadcastingprotocols Staggered broadcasting is de eenvoudigste broadcasttechniek. Er wordt over K kanalen periodiek een in de tijd verschoven replica van de video verzonden. Als D de totale lengte van de video aanduidt in minuten, dan moet de gebruiker gemiddeld D/(2.K) minuten wachten om zijn video te bekijken. De maximale afspeelvertraging bedraagt D/K minuten. Figuur 3.1 illustreert het mechanisme. Het is duidelijk in dit eenvoudig model dat indien men de afspeelvertraging kleiner wenst, de nodige bandbreedte lineair stijgt. Er zijn broadcasttechieken ontwikkeld die in staat zijn om


23

efficiënter om te springen met de bandbreedte. Bijna al deze technieken delen hetzelfde principe: de video wordt opgesplitst in s segmenten, die elk over een ander kanaal worden gebroadcast. Het eerste kanaal broadcast dus enkel het eerste segment. Terwijl het eerste segment afspeelt, wordt de videodata van het tweede segment reeds gedownload naar de set top box van de gebruiker. Wanneer het eerste segment afgespeeld is, moet er reeds genoeg videodata gebufferd zijn om naadloos over te gaan naar het tweede segment. Er zijn reeds veel dergelijke protocols ontwikkeld, met verschillen in efficiënties en nodige bandbreedtes.

1

...

kanaal

2

...

K tijd

Figuur 3.1: Illustratie van de meest eenvoudige broadcastingtechniek : Staggered broadcasting.

Om in bovenstaand staggered broadcasting protocol een video van 120 minuten aan te bieden met een maximale afspeelvertraging van 15 minuten, moet men minstens 8 gelijktijdige kijkers hebben voor die specifieke film om efficiënter te zijn dan TVOD. Daarbij moet men nog rekening houden met de bijkomende nadelen: er is geen interactie mogelijk en er geldt een aanzienlijke afspeelvertraging in vergelijking met true VOD. Een VoD provider moet dus bepalen welke video’s hij wil broadcasten op basis van hun populariteit. Studies, gebaseerd op huurpatronen in videotheken en bioskoopcijfers, toonden aan dat in een set van 250 aangeboden film, de 15 topfilms goed zijn voor meer dan de helft van het aantal bekeken of gehuurde video’s [36] (en dus ook van de omzet). Met dit inzicht wordt het nut van degelijke broadcastingprotocols duidelijk. Er zijn een hele reeks aan protocols ontwikkeld, die in [20] worden ingedeeld in 3 families. Pyramid Broadcasting technieken splitsen video’s op in segmenten met lengtes volgens een geometrische reeks. Segmenten van verschillende video’s worden dan gemixed op elk logisch kanaal. Deze protocols vereisen de nodige opslagruimte op de set top box. Harmonic Broadcasting was de eerste van een andere reeks protocols. De video wordt er verdeeld in segmenten van gelijke lengte, en wordt verstuurd in logische kanalen van dalende bandbreedte. Hybriede technieken vormen de derde soort, en op elk van de protocols bestaan veel variaties en specialitaties.. Er bestaan zelfs zero-delay-technieken om de afspeelvertraging tot nul te reduceren door

3.3 Technologische infrastructuur

24

in het geheugen van de set top box van de gebruiker de eerste minuten van alle gebroadcaste video’s op te slaan [21].

3.2.3

Andere vormen en benamingen

IVOD

Interactieve VoD slaat op de mogelijkheid om programma’s te pauzeren, terug- en door

te spoelen. Deze term wordt steeds minder gebruikt, aangezien IVOD meer en meer standaard wordt en de nadruk op de interactiviteit niet meer nodig is. Verschillende benamingen in functie van de soort prijszetting die gehanteerd wordt:

QVOD

Quasi VoD is gelijkaardig aan NVOD behalve dat het programma of de film enkel

start wanneer er voldoende gebruikers een aanvraag hebben ingediend. Dit systeem volgt het zogenaamde batched multicast model.

SVOD

Subscription VoD laat gebruikers toe om on-demand video’s uit een bepaald pakket

(films, entertainment, kids, etc.) te bekijken tegen een vast tarief. De gebruikers hebben meestal ongelimiteerde toegang tot die programma’s gedurende de betaalde periode.

FVOD Free VoD is een programmapakket dat gratis op aanvraag bekeken kan worden. VODoperatoren stellen vaak enkele programma’s ter beschikking die door elke aangesloten klant gratis kunnen aangevraagd worden, zoals nieuwsuitzendingen. Soms is het ook een gratis variant van een SVOD-pakket, waarin de uitzendingen op regelmatige tijdstippen worden onderbroken voor reclame.

3.3

Technologische infrastructuur

Video on Demand is in de jaren ’90 ontstaan uit de CATV industrie als antwoord op de populaire betalende satellietzenders en PPV-systemen. Via hybrid fiber-coax (HFC) architecturen kon men een gedifferentieerde en unieke service aanbieden aan de kabelklanten. Sindsdien is er een grote evolutie aan de gang in de technologische infrastructuur om VoD-services aan te bieden. Ook telecomoperatoren bieden nu via verbeterde ADSL-technologieën VoD-services aan, soms onder de noemer IPTV. De VoD-systemen die oorspronkelijk werden ontwikkeld waren propriëtaire systemen, nu evolueert dit naar een open systeem volgens afgesproken standaarden.


3.3.1

25

Vereisten voor het aanbieden van VoD-services

Netwerkeigenschappen Video on Demand stelt vanwege zijn hoge bandbreedtes en zijn real-time karakter hoge eisen aan het netwerk waarover de video’s gestreamd worden. Een gebruiker zal enkel voor een VoDservice willen betalen als de service zelf, en de audiovisuele ervaring van voldoende hoge kwaliteit zijn. • Strenge end-to-end QoS-vereisten: end-to-end delay (vertraging) en jitter (variatie op vertraging) alsook pakketverliezen moeten minimaal zijn om een TVOD-experience aan te bieden. • Toegangsnetwerk moet voldoende bandbreedte kunnen leveren aan elk huis.

Ook op

piekmomenten van het toegangsnetwerk moet de beschikbaarheid gegarandeerd worden. (Breedband)surfen mag de VoD niet be¨ınvloeden, of omgekeerd. • Schaalbaar backbone netwerk. VoD deployments kennen een sterke groei gedurende de eerste jaren, het backbone netwerk moet daarop voorzien zijn. • IP-multicasttechnieken voor de replicatie van populaire content over de gedistribueerde servers. IP Multicast kan ook gebruikt worden voor de narrowcast 1 naar een kleine groep van gebruikers.

Eigenschappen van hardware- en softwaresystemen Niet alleen het netwerk moet aan bepaalde voorwaarden voldoen, ook de hardware- en softwaresystemen in een VoD-systeem vereisen bepaalde eigenschappen: • Goedkope hardware. De aanschaf en installatie van een hele reeks aan centrale en gedistrubeerde VoD-servers, MPEG-encoders, modulators en set-top boxes is een grote investering voor een VoD-provider. Die kosten, alsook die voor onderhoud en upgrades, moeten laag gehouden worden om een rendabele VoD-service te installeren. • Performantie. De centrale servers en de set top boxen moeten een snelle en responsieve gebruikservaring aanbieden. • Schaalbaarheid. Om nieuwe of kleine VoD-systemen te laten groeien, en de investeringen daarvoor te kunnen spreiden over de tijd, moet een VoD-systeem schaalbaar zijn. Dit zowel 1

narrowcast=(VoD-)stream naar een aantal gebruikers


26

geografisch als in hoeveelheid aangeboden content als in aantal concurrente streams. Een VoD-architectuur moet tegemoet komen aan de kost en de vraag op langere termijn. • Flexibiliteit. Configuratie van het systeem moet snel en gemakkelijk aangepast kunnen worden om bijvoorbeeld veranderingen in de netwerkarchitectuur op te vangen. • Betrouwbaarheid. Fouttolerantie en beveiliging moeten voor een betrouwbaar systeem zorgen. Dit is in het bijzonder van belang bij VoD voor het beschermen van het videomateriaal in de contentbibliotheek tegen piraterij. • Interoperabiliteit. Goed gedefiniëerde en gestandaardiseerde interfaces maken het mogelijk om een selectie van beste producten op de markt te integreren en producten van verschillende fabricanten in een VoD-deployment te gebruiken.

3.3.2

Netwerkarchitectuur en -technologie¨ en

Een VoD-systeem vereist een hele reeks aan hardware-, software- en netwerkcomponenten. Ook de architectuurkeuze speelt een belangrijke rol in het aanbieden van een schaalbaar VoD-systeem. In deze paragraaf worden de verschillende mogelijkheden besproken qua netwerkarchitectuur, daarna wordt ingegaan op elke categorie van componenten.

Gecentraliseerde en gedistribueerde VoD-architectuur Een belangrijke ontwerpbeslissing bij het opzetten van een VoD-archtictuur is de keuze voor gecentraliseerde videoservers dan wel een gedistribueerd systeem. Een gecentraliseerd systeem vermijdt de (typisch grote) kost van het installeren en onderhouden van verschillende gedistribueerde serversystemen. Gecentraliseerde servers bieden echter minder schaalbaarheid vanwege de grote additionele netwerkload die zij op het backbone netwerk plaatsen. Dat backbone-netwerk moet niet alleen de hoge bandbreedtes aankunnen, maar moet ook de strenge real-time eisen die hierboven werden beschreven garanderen. Het bandbreedteverbruik van VoD-services in het netwerk kan geminimaliseerd worden door de on-demand servers te verplaatsen of te dupliceren zo dicht mogelijk bij de gebruiker. Bij grote toename van het aantal beschikbare on-demand video’s wordt replicatie van alle content over de distributiehubs onpraktisch. Daarom zal een succesvol VoD-systeem typich een combinatie zijn van centrale servers met de volledige contentbibliotheek en gedistribueerde servers die de kopieën van de meest aangevraagde content bevat [22].


27

Transportnetwerk Een andere belangrijke beslissing bij de ontplooiing van een Video on Demand infrastructuur is de keuze voor de technologie van het onderliggende transportnetwerk. Deze beslissing heeft directe gevolgen op de kosten, de flexibilitieit en de schaalbaarheid van de VoD-trafiek. Zo evolueren veel HFC-netwerken tegenwoordig van een propriëtair ASI 2 , dat buiten VoD-services naar de toekomst weinig perspectieven heeft, naar een Gigabit Ethernet (GbE;GigE) transportnetwerk. De moderne QAM-modulatoren3 die typisch gebruikt worden bij VoD hebben zowel een GbE als een QAM-interface. GbE transportsystemen bieden in tegenstelling tot ASI de mogelijkheid tot switchen en multiplexen van verschillende stromen [22]. IP-gebaseerde VoD systemen zijn daarenboven ook relatief goedkoop. Transportprotocols die door klassieke telecomoperatoren worden gebruikt voor het aanbieden van Video on Demand (IPTV) zijn Layer 2 en Layer 3 technieken (OSI-referentiemodel) gebaseerd op Resilient Packet Ring (RPR) en packet-over-SONET (POS). Deze bieden standaard de nodige flexibiteit en schaalbaarheid voor het aanbieden van VoD-services [27].

Figuur 3.2: Introductie van schaalbare backbone van een HFC-operator: videotransport van DVB-ASI naar GigE [url9 ]

Toegangsnetwerken De eerste succesvolle VoD-services werden aangeboden door kabeloperatoren via HFC (hybrid fiber-coax). Meer en meer telecomoperatoren voelen de nood om mee te stappen in VoD en 2

(DVB-)ASI=Asynchronous Serial Interfaces, een transportsysteem voor MPEG-2 videostromen over coaxka-

3

QAM=quadrature amplitude modulation

bel


28

opteren voor bvb. verbeterde DSL-technologieën om ook VoD aan te bieden. Figuur 3.3 toont een schema van een dergelijk netwerk. De VoD-service over het netwerk van een traditionele telecomoperator wordt in de sector vaak met IPTV aangeduid. Figuur 3.3 toont de typische architectuur van een IPTV-provider. Gecentraliseerde Head-End

PS1 STATU S

PS2 STATU S

7C111

™

FAN STATU S

N1

GR OUN D STRA P

PS1 STATU S

PS2 STATU S

7C111

™

FAN STATU S

N1

GR OUN D STRA P

PS1 STATU S

PS2 STATU S

7C111

™

FAN STATU S

N1

GR OUN D STRA P

Central Office

Thuis

Web FAN STATU S

PS1 STATU S

PS2 STATU S

7C111

™

N1

GR OU ND STRA P

Middleware / BSS DFE

9

12

11

9

10

8

8

9

7

7

8

6

6

7

5

5

6

DFE

5

9

12

8

11

7

10

6

DFE

5

12

11

4

MIDDLE - SLOT 2

10

3

C OM

2

11

10

1

C OM

STB + TV

12

3

CPU

9

R ESET

8

4

7

3

6

1

3

4

5

TOP - SLOT 3

7C203-1

4

4

12

GbENE T

3

MGMT

2

11

2

1

10

CPU

R ESE T

GbE NE T

7G42 70-12

C OM

8

7

6

5

4

3

2

1

MGMT

12

2

11

1 9

10

CPU

R ESE T

GbE NE T

MGMT

2

7G42 70-12

N3

Matrix N-Series ™

1

Back- office

7G4 27 0-12

FAN STA TUS

BOTTOM - SLOT 1

PWR REDUNDANCY

7C203-1

I

O

I

O

100-125V ~12.0 A 200-240V ~6.0 A 50/60Hz

PWR REDUNDANCY

TOP - PS 2

DFE

9

12

11

10

8

9

9

7

8

8

6

7

7

5

6

DFE

5

9

12

8

11

7

10

6

DFE

5

12

11

6

MIDDLE - SLOT 2

10

5

4

4

3 3

4

3

C OM

1

3

4

2

C OM

1

9

12

8

11

7

10

6

CPU

5

R ESET

4

12

GbENE T

3

MGMT

2

11

2

1

10

CPU

R ESE T

GbE NE T

7G42 70-12

C OM

8

7

6

5

4

3

2

1

MGMT

12

2

11

1 9

10

CPU

R ESE T

GbE NE T

MGMT

2

7G42 70-12

N3

TOP - SLOT 3

7C203-1

100-125V ~12.0 A 200-240V ~6.0 A 50/60Hz

BOTTOM - PS 1

Matrix N-Series ™

1

7G4 27 0-12

FAN STA TUS

BOTTOM - SLOT 1

PWR REDUNDANCY

7C203-1

I

O

I

O

100-125V ~12.0 A 200-240V ~6.0 A 50/60Hz

PWR REDUNDANCY

TOP - PS 2

100-125V ~12.0 A 200-240V ~6.0 A 50/60Hz

BOTTOM - PS 1

DSLAM DSL modem PC Lokale Videoserver Gecentraliseerde Videoserver

Figuur 3.3: Voorbeeld van een IP-gebaseerd VoD-systeem met een ADSL toegangsnetwerk (IPTV).

Met de opkomst van glasvezel tot aan het gebouw van de gebruiker (fiber to the home - FTTH), zullen breedbandtoepassingen zoals VoD een nieuw tijdperk ingaan. FTTH-technologie zal VoDproviders in de toekomst in staat stellen om uitzendingen standaard in HDTV-kwaliteit aan te bieden.

3.3.3

Hardwarecomponenten

Servers en andere hardware Typisch bestaat een VoD-systeem uit verschillende hardware- en softwarecompontenten : • Centrale VoD-servers en mediabibliotheek: Centrale videoservers die in staat zijn videostromen en volledige mediabibliotheek en software om die te beheren. • Lokale VoD-servers voor lokale content en caching: Videoservers geplaatst in distributiehubs, om de netwerklast te verkleinen, om lokale uitzendingen en lokale reclame mogelijk


29

te maken • Facturatie- en authorisatiesysteem: Servers en software die de VoD-gebruiker authentiseert, de prijzen bepaalt en correcte facturatie van de klanten verzorgen • Modulators, multiplexers en RF-combiners: Omzetten van digitale videobeelden in analoge signalen, combineren van signalen voor verschillende gebruikers • Encodeer- en transcodeersystemen: Het omzetten van video van verschillende bronnen (tv-studio’s, satelliet, lokale media, . . . ) naar VoD-stromen (bvb. MPEG-4, WM), in realtime of voor eenmalige opslag in de centrale contentbibliotheek, eventueel in verschillende bitrates • Content-management systeem, EPG-systeem4 , E-Commerce systeem: Software voor het beheren van de contentbibliotheek (statische distributie van video’s over lokale videoservers of instellingen voor automatische cachingalgoritmes, metadata voor de video’s, . . . ), software voor interactiviteit met de gebruiker via on-demand applicaties (tv-gids, interactieve reclame, online aankopen), . . .

Set Top Box Een gebruiker van VoD-services beschikt over een speciaal apparaat dat aangesloten is op zijn tv-toestel, de set top box. Dit apparaat moet de nodige data kunnen decrypteren, conditionele toegang geven tot VoD en de nodige transportstromen omzetten in analoge tv- en audio signalen. De set top box moet liefst zo gebruiksvriendelijk mogelijk zijn, zodat de gebruiker intu¨ıtief met de VoD-service kan omspringen via handige menu’s en afstandsbediening (en eventueel bijhorend toestenbord). In de set top box kan een harde schijf ge¨ıntegreerd zitten die programma’s kan opslaan. Een set top box is voorzien van een gespecialiseerd besturingssysteem dat interageert met externe apparaten zoals afstandsbediening, tv en audio. Kleine applicaties die op de set top box draaien, zoals een Electronic Program Guide (EPG) en On-Demand Applications (ODA), interageren via remote control en toestenbord en speciale middleware met dat besturingssysteem. Figuur 3.4 toont een schema met de verschillende layers van de set top box (bron [26]). De hardwarecomponenten van de onderste abstractielaag zijn o.a. moederbord databus, tuners, (de)modulators, demultiplexer en decrypter, videodecoder, grafische processor, CPU en geheugen, opslagmedium en interfaces (ethernet, USB, SCART, audio, IR, . . . ). 4

EPG=Electronic Program Guide, Elektronische tv-gids

Driven by the above mentioned requirements for the system architecture, the STB architecture can be divided into four layers, namely the Hardware Layer (HL), the Subsystem 3.3 Technologische infrastructuur Service Layer (SSL), the Application Service Layer (ASL) and the Application Layer (AL), cf. figure 2.

30

•

Subsystem Service (SSL)

•

Online Help System

V M

DVB

Graphics

•

∙∙∙

Communication Operating System

Hardware Abstraction Interface

DD

DD

Devices

Figure 2.

DD

other

LCDPanel

Setup

DVB

Bouquets & Services

interaction object library

Parental Ctl

User Profiles

∙∙∙

Application Services

Persistent Data Configuration

other applications (providerspecific)

∙∙∙

other

Channel Managment

EPG

Setup

Assistants

Hardware (HL)

Infrastructure Services

Application Service (ASL)

Application (AL)

Application Space

Navigator

Setup

∙∙∙

Hardware

DD

CPU

Layers of the d-box architecture

Figuur 3.4: Overzicht van een gelaagde architectuur voor een set top box [26].

3.3.4

2.1 Hardware Layer (HL) Fabricanten van VoD-technologie

All hardware-dependent components are organized in the HL, namely the CPU, available I/O devices (e.g. the LCD panel) die deel uitmaken van een VoD-infrastructuur opgesomd per productcategorie. Deze lijst is together with their Device Drivers (DD) as well as the toegespitst op producten voor IPTV-technologie (bron A : [url10]). Sommige van of dezeall bedrijven, Operating System (OS) of the STB. clear separation zoals Kasenna en Motorola, volledigeisgeintegreerde VoD solutions Voor een provider hardware relatedbieden functions accomplished by theaan. Hardware kan de aanschaf van dergelijk ge¨ıntegreerd systeem op a financieel vlakinterface en qua project Abstraction Interface. It provides generic to management all necessary (Video/Audio, Ethernet,peretc.) and to interessant zijn. EenDDs tweede optie is te kiezen Front-End, uit de ‘beste’ producten categorie, maar daar thevaak Subsystem Service Layer (SSL). bestaat Thus doordat a change of producenten the stuit men op integratieproblemen. Een middenweg bepaalde underlying only affects voor the integratie associated DDs, no akkoorden sluiten met hardware verschillende partnerbedrijven van hun producten. changes within higher layers are necessary. In conjunction with the OS the API calls of the Hardware Abstraction Interface work in a multithreaded fashion, thereby allowing access to specific DDs by several subsystems at the same time. In tabel 3.1 worden enkele van de meest courante fabricanten van de verschillende systemen

2.2 Subsystem Service Layer (SSL) The SSL basically is composed of four modules and forms a common basis for the ASL. DVB Subsystem

netw over Thu PST The whic

Gra The whic cont inter draw acce libra

Virt All VM VM appl som

2.3

The Obje num appl

Inte The (“wi appl acco avai chan duri re-e of th curr sinc


31

Video Servers

Software

Middleware

Set top boxen

Alcatel Concurrent

iMagic TV

Liberate

Samsung

Concurrent

Yes Television

Microsoft TV

Motorola

Kasenna

Motorola StreamMaster

Scientific Atlanta

SeaChange

Infogate

NEC Corp.

Broadbus nCube Entone Tabel 3.1: Enkele fabricanten van Video on Demand producten

32

Hoofdstuk 4

Ontwerp van een Prijszettingssimulator Om de relevante prijszettingsmodellen die in hoofdstuk 2 uit de doeken gedaan werden te testen in een VoD-omgeving werd een simulator ontwikkeld. Het doel van deze simulator is om on-demand aanvragen gedurende een week, van maandag tot zondag, te simuleren volgens een bepaalde prijszetting. De resultaten van de simulaties moeten toelaten om de gesimuleerde prijszettingen te evalueren op enkele van de criteria die in paragraaf 2.5 werden toegelicht (winstmaximalisatie, sociale welvaart, . . . ). Dit hoofdstuk beschrijft het ontwerp van de simulator en licht toe hoe deze gebruikt kan worden.

4.1

Doel van de simulator

Hoewel het gebruik van de ontworpen simulator zich in dit werk zal beperken tot het simuleren van prijszettingen in een Video on Demand omgeving, wordt toch de nodige aandacht besteed om de software generiek te maken. De prijszettingssimulator moet in staat zijn om een algemene netwerkservice te simuleren, en in het bijzonder de effecten van het gebruik van uiteenlopende prijszettingen na te gaan. De belangrijkste requirements worden hieronder samengevat. • De applicatie simuleert het gebruik van een (of meerdere) netwerkservices binnen een bepaalde netwerkcapaciteit. De capaciteit kan daarbij ingedeeld worden in meerdere ‘banden’ met een ingestelde prioriteit. • De simulator moet prijszettingsmodellen kunnen hanteren met verschillende formules, waarbij de prijszetting afhankelijk kan zijn van de connectieduur van de download, het con-

4.2 Parameters van de netwerkservice

33

tenttype, maar ook bijvoorbeeld van de huidige netwerkcongestie. Een auction-gebaseerd model moet ook kunnen gesimuleerd worden. • De nodige variabiliteit in de simulatie-omgeving moet ingesteld kunnen worden: aantal klanten en aanvraagpatroon voor de service, soorten downloads (constante of variabele bitrates, lengte, contentprijs, . . . ), aankoopgedrag van de klant, bestaande trafiekdistributie op het backbone netwerk. In de rest van dit hoofdstuk wordt het ontwerp van de simulator opgedeeld in zijn verschillende elementen. Bij alle elementen wordt de nodige toelichting gegeven, zonder te diep in te gaan op de details van implementatie. In het volgende hoofdstuk zullen elk van de onderdelen vorm krijgen in de de gedaante van waarden en distributies, en zo vorm geven aan een gesimuleerde Video on Demand omgeving. In die gedefinieerde omgeving zullen dan de verschillende ge¨ımplementeerde prijsformules uitgetest worden.

4.2

Parameters van de netwerkservice

Services en contenttypes De simulatie-omgeving wordt gedefinieerd door een servicebundel. Elke servicebundel bestaat uit één of meerdere netwerkservices. Een netwerkservice wordt ofwel gesimuleerd aan de hand van een aanvraagdistributie, ofwel wordt deze niet gesimuleerd en is een vaste datatrafiek gegeven. Voor een gesimuleerde netwerkservice wordt een contentbibliotheek samengesteld. Dit is in het bijzonder nuttig bij simulatie van on-demand media, waar de eigenschappen van de downloads afhangen van het type content. De eigenschappen voor elk type content zijn opgesomd in tabel 4.2. De duur van een gegenereerde download wordt in de simulatie bepaald als toevalswaarde van een normaalverdeelde distributie (met de gegeven eigenschappen). De contentprijs wordt gebruikt in de geimplementeerde prijsformules in 4.1. De richtprijs zal aangewend worden in het klantenmodel als referentieprijs bij simuleren van het aankoopgedrag van de klant (zie 4.4). Er kunnen ook meerdere bundels tergelijkertijd ingeladen worden.

Capaciteit en kanalen Elke service krijgt een kanaal toegewezen. Dat kanaal maakt deel uit van de totale capaciteit (=ingestelde parameter) en krijgt een eigen capaciteitsgrens. Elk kanaal krijgt de status ‘ge-

4.2 Parameters van de netwerkservice

Eigenschap

Omschrijving

Naam

-

Bitrate

CBR (in Mbps) of VBR (met een stat. distributie)

Lengte

Gemiddelde duur en standaardafwijking

Prijs

Contentprijs en richtprijs

34

garandeerde capaciteit’ met een prioriteitsindex of ‘best-effort’, al naargelang de service in een gegarandeerde bandbreedte opereert. Bij simulatie wordt voor elke service een netwerkverbruik gemodelleerd dat binnen de beperkingen van het toegewezen kanaal moet vallen. De services worden gesimuleerd per minuut volgens stijgende prioriteitsindex. Eerst worden de services met gegarandeerde capaciteit gesimuleerd, daarna wordt de volgorde bepaald aan de hand van de prioriteit, en tenslotte de best-effort services. Indien de bitrate van elke content ingesteld wordt op een eenheidswaarde, kan de capaciteitsparameter ook een andere omgevingsfactor weergeven dan de netwerkcapaciteit. Bijvoorbeeld in geval van Video on Demand kan men de capaciteit dan definiëren als het aantal streaming servers waarover de operator beschikt. Er wordt dan met andere woorden een limiet gelegd op het aantal simultane aanvragen en niet op de gegenereerde capaciteit.

Aanvraagdistributie en netwerkverbruik Om de datatrafiek voor een service te simuleren moet uiteraard informatie aanwezig zijn rond het tijdstip en de hoeveelheid downloads die gedurende de week gegenereerd worden. Daarvoor zijn twee mogelijkheden. In het eerste geval worden de aanvragen per uur in absolute waarden uitgedrukt. De aanvragen per minuut worden dan ge¨ınterpoleerd tussen de opgegeven waarden per uur. Statistische variatie op het berekende aantal aanvragen per minuut is mogelijk. Zo kunnen de aanvragen voor de service toekomen volgens een Poisson-proces (met gemiddelde aanvragen per uur gegeven), of via een normaalverdeelde variatie op het gegeven gemiddelde. In het tweede geval worden de aanvragen gegeven door een distributie van relatief aantal aanvragen per uur van de week. De parameters ‘aantal klanten’ en ‘gemiddelde downloads per klant per maand’ zijn dan samen met de distributie de factoren die het absolute aantal aanvragen bepalen. In geval dat de service niet gesimuleerd wordt, maar dat de datatrafiek reeds gegeven is, kan een netwerktrafiekdistributie opgegeven worden. Deze vereist een gemiddelde waarde per uur van de week. De exacte waarden gedurende de simulatie kunnen dan zoals in het gesimuleerde geval

4.3 Prijszettingsparameters

35

ge¨ınterpoleerd worden tussen de uurwaarden. Statistische variatie op berekende minuutwaarden is ook hier een mogelijke optie. Screenshots van de rekenbladen waarin de omgevingsparameters worden ingevuld zijn terug te vinden in figuren 5.24 tot 5.29 in het volgende hoofdstuk.

4.3

Prijszettingsparameters

In de simulator worden de VoD-prijszettingstrategieën die in hoofdstuk 2 werden voorgesteld ge¨ımplementeerd (zie 2.4.2) . Tabel 4.1 vat hun formules samen; de statische parameters die ingelezen zijn staan daarbij vermeld in de tweede kolom. Elk van de statische prijszettingsparameters wordt in de applicatie ingelezen uit een daartoe bestemd rekenblad. De variabele parameters (afhankelijk van een specifieke gesimuleerde download) zijn T (connectieduur), V (gedownload volume), m (gemiddelde bitrate), t (uur van de dag) en c (congestieniveau in percent). Prijszetting

Parameters

Formule

winstmarge w

p = pcontent × (1 + w)

Per minuut

pminuut

p = pcontent + T × pminuut

Per volume

pvolume

p = pcontent + V × pvolume

Kelly-formule

a(m), b(m)

p = pcontent + a(m) × T + b(m) × V

Lindberger-formule

K 0 (t), L

p = pcontent + K 0 (t) × m × T

Eigen model

pextra

p = pcontent × (1 + w) + pextra × Textra

Time of Day (ToD)

K(t)

Congestiegebaseerd

congestiedrempel d, stan-

p = pcontent × (1 + w) × K(t)   c < d : p

Vaste prijszetting Contentgebaseerd Gebruiksgebaseerd

Congestiegebaseerd

daard prijs p, max. penal-

 c ≥ d : p × (1 + (penaltymax − 1) ×

c−d 1−d )

tiefactor penaltymax Auction-gebaseerd

congestiedrempel d, standaardprijs p

  c < d : p  c ≥ d : M CPcontent

Tabel 4.1: In de simulator ge¨ımplementeerde prijszettingsmodellen. Bij de simulatiecases in het volgende hoofdstuk krijgen alle statische prijsparameters een bepaalde waarde. De keuze voor deze parameterwaarden wordt dan ook verder toegelicht.

4.4 Klantenmodel

4.4

36

Klantenmodel

Een gebruiker die een video aanvraagt (of van een netwerkservice gebruik maakt) is niet bereid om het even welke prijs neer te tellen. De simulator moet dus op een bepaalde manier de willingness to pay (WTP) modelleren van de gebruiker. De WTP is een in geldwaarde uitgedrukte eenheid die het ‘nut’ van een VOD voor een gebruiker voorstelt (zie 2.2). Indien de prijs lager dan of gelijk is aan de WTP van de klant, dan gaat die over tot aankoop. Zoniet ziet hij/zij van de aankoop af. Om de willingness to pay te modelleren maakt de simulator gebruik van variant van het model zoals voorgesteld door Almeroth & Jagannathan in [28]. Het model gaat uit van twee voor de hand liggende assumpties : • Er is een maximumprijs waarbij elke gebruiker van aankoop afziet. • Gebruikers verkiezen een lagere prijs boven een hogere prijs. Het aantal aankopen daalt dan ook bij stijgende prijzen. Wanneer de service provider een bepaalde prijs aanduidt, is er een fractie van de ge¨ınteresseerde aanvragers die de prijs te hoog acht. Het andere deel aanvaardt het aanbod en gaat over tot de transactie (het binnenhalen van de film in geval van VoD). Voor een bepaalde prijs x, is f (x) de fractie van de klanten die de prijs accepteert (zie figuur 4.1). Voor een zeer lage prijs xlow , is er een groot deel, th , van de klanten dat akkoord is. Voor een zeer hoge prijs xhigh daarentegen is f (x) veel lager: tl . Tussen xlow en xhigh wordt het aanvaardingspercentage voorgesteld door een monotoon dalende functie, met parameter δ. Deze laatste parameter bepaalt de kromming van de curve. Bij de simulaties zal er een speciale case gewijd worden aan de invloed van de waarde δ.   th ,    h f (x) = (th − tl ) 1 −     t , l

0 ≤ x < xlow x−xlow xhigh −xlow

δ i

+ tl ,

xlow < x ≤ xhigh

(4.1)

x > xhigh

De prijs wordt in dit simulatiemodel niet ingevuld zoals in het beschreven model als een absolute eenheid maar als een prijsfactor (een schaling t.o.v. een basis- of richtprijs), omdat het toegepast wordt voor het zetten van verschillende prijzen voor verschillende types content. Ook wat de aanvaardingsfractie betreft, werd het model lichtjes aangepast. De aanvaardingsfractie van 100% (op de figuur bij de laagste prijs) wordt in ons model gezet bij de standaardprijs, gelijk aan 1.0

4.4 Klantenmodel

37

keer de richtprijs. Een aanvaarding die hoger ligt dan 100%, wat voorkomt bij een prijs lager dan de richtprijs, wijst hier dan op een verhoging van het aantal aanvragen. Op die manier kan de simulator een stijging van het aantal aanvragen weergeven indien de prijs voor de service daalt.

Figuur 4.1: Familie van functies die de aanvaardingsfractie van de klant voorstelt bij variërende prijzen.

De simulatie-omgeving kan ge¨ıllustreerd worden aan de hand van de boomstructuur gegeven in figuur 4.2. De servicebundel van de netwerkoperator bestaat uit verschillende netwerkservices. Elke service bevat een aantal contenttypes (in geval van on-demand media). De prijszetting bepaalt de prijzen voor de downloads. Het netwerkverbruik stelt de volledige of een deel van de volledige capaciteit voor (eventueel met prioriteit). Het klantenmodel bevat het aantal klanten en het aanvraagpatroon voor de service, alsook de parameters van het willingness-to-pay model. Eens de volledige parameterset in de simulator ingeladen is, kan het gebruik van de netwerkservice onder een bepaalde prijszetting gesimuleerd worden.

4.5 Verloop van een simulatie

38

Figuur 4.2: Boomstructuur van de verschillende inputparameters van de simulatieomgeving.

4.5

Verloop van een simulatie

Simulatie-algoritme Algoritmes 1 en 2 illustreren het verloop van de simulaties in de vorm van pseudocode. De aanvragen worden verwerkt per periode, standaard ingesteld op 1 minuut (dit is de kleinste granulariteit van de tijdsschaal in de simulator). Het vergroten van de periode heeft als gevolg dat de prijzen gezet worden voor aanvragen in een ruimere tijdsspanne. Dit kan in bepaalde gevallen interessant zijn, bijvoorbeeld om een prijszetting te simuleren op basis van een parameter die niet real-time aangepast wordt (bvb. congestiemeting om de 5 minuten). In de later gevoerde simulaties zal de periode enkel van belang zijn voor het tijdsslot waarin boden kunnen gedaan worden bij auction-gebaseerde prijszetting. Algoritme 1 Simulatie-algoritme for all ingeladen servicebundels do sorteer services volgens prioriteit for all services in servicebundel do for minuut = start to stop step periode do simuleer periode end for end for end for

4.5 Verloop van een simulatie

Algoritme 2 simuleer periode initialiseer lege collectie downloads for minuut = startperiode to eindeperiode do A = aantal aanvragen voor minuut uit klantenmodel for a = 0 tot A do download=random download van de service wtp=simuleer wtp van de klant voor de download voeg download toe aan downloads end for end for set prijs voor elke download in downloads for all download in downloads do if wtp < prijs then set geweigerd else if geen capaciteit in kanaal van de service then set geblokkeerd else set besteld voeg gegenereerde datatrafiek toe boek inkomst end if end for

39

4.6 Ontwerp en implementatie

40

Monte Carlo In figuur 4.3 wordt de werking van de Monte Carlo simulatie getoond die gebruikt wordt voor het bepalen van een type content uit de contentbibliotheek. Bij Video on Demand simuleert dit of de kijker een film kiest dan wel een ander type content, een serie bijvoorbeeld. Deze Monte Carlo simulatie wordt in de implementatie ook toegepast voor o.a. het genereren van het willingness to pay van een gebruiker en de duur van het gebruik van de service. Omdat deze Monte Carlo simulator een essentieel onderdeel vormt en omdat de efficiëntie van de Monte Carlo simulatie afhankelijk is van de randomness van de gegenereerde toevalsgetallen, werd bijzondere aandacht aan de pseudorandom nummergenerator gewijd. De toevalsgetallen worden niet gegenereerd door de door het platform geleverde standaardfunctie, maar door een implementatie van de Mersenne Twister, een pseudorandom nummer generator voorgesteld door Matsumo en Nishimura [32]. Een implementatie in C# werd teruggevonden in [url11]. pick

film

gratis

serie

adult

1

0,8

RAND=0,673248

0,6

0,4

0,2

0 CDF contentpopulariteit

Figuur 4.3: Monte Carlo-simulatie ter bepaling van de programmacategorie

4.6

Ontwerp en implementatie

Het project werd opgesplitst in twee onderdelen. Het eerste onderdeel betreft de implemenatie van de simulator klassenbibliotheek, de software verantwoordelijk voor de eigenlijke simulatie. De belangrijkste functies zijn:

4.6 Ontwerp en implementatie

41

• Implementatie van een netwerkservice en haar omgeving: klanten, aangeboden services en contenttypes, aanvragen, capaciteit, etc. Elke entiteit wordt voorgesteld door een objectgeoriënteerde klasse. • Implementatie van prijszettingsmechanismen. Elke prijszetting is subklasse van een abstracte klasse ‘Prijszetting’. • Inladen van alle parameters uit de rekenbladen. Elke simulatie-run met parameters wordt voorgesteld door een simulatieparameter-klasse. • Algoritme voor de simulatie van prijszetting voor de netwerkservices. • Genereren van output: traces, grafiekdata en outputparameters. Het tweede deel van de implementatie betreft de GUI. Deze is voorzien van een intu¨ıtieve bediening en stelt de gebruiker in staat om direct na simulatie grafieken te genereren en te bekijken. De logische opdeling van de probleemstelling in verschillende entiteiten leent zich zeer goed tot een bijna rechtstreekse objectgeoriënteerde implementatie. De klassen met de belangrijkste methodes en variabelen worden ge¨ıllustreerd in het UML-klassediagram 4.8.

Implementatie Voor de programmering van de software werd gekozen voor het Microsoft .NET framework (versie 2.0). De code werd geschreven in de Microsoft Visual Studio 2005 ontwikkelomgeving. Enkele redenen voor deze keuze zijn: • Vertrouwde omgeving voor de auteur • Beschikbaarheid van bestaande bibliotheken voor het lezen van de data uit de Excelrekenbladen • Beschikbaarheid van een bibliotheek voor het aanmaken van de plots.1 • Eenvoud van interfacedesign en codering voor de GUI Door de keuze van het .NET framework is de applicatie (normaalgezien) enkel te draaien op het Windows platform. Alle code, VS.NET projecten, rekenbladen en simulatieoutputs zijn terug te vinden op de CD-ROM achteraan in bijlage van dit boek. Meer info over de structuur van de bijgevoegde CD-Rom in bijlage A. 1

http://www.zedgraph.org

4.7 Gebruik van de simulator

4.7

42

Gebruik van de simulator

Ter afronding van dit hoofdstuk wordt hier beknopt ge¨ıllustreerd hoe de simulator bediend wordt. A. Directory kiezen waarin de rekenbladen met serviceparameters (param*.xls) en prijszettingsparameters (pricing*.xls) zich bevinden. B. De te simuleren omgeving en prijszetting selecteren (aanklikken). C. Eventuele opties instellen : trace(s) wegschrijven, consistentie van inputparameters controleren, service- of prijszettingsparameters variëren (zie hieronder). D. De simulatierun benoemen en inladen. E. Periode selecteren (standaard wordt een volledige week gesimuleerd) en simulatie starten.

Figuur 4.4: Screenshot van de simulatie-GUI


4.7.1

43

Runs met een te vari¨ eren parameter instellen

Figuur 4.5: Elke parameter van de service-omgeving of prijszetting kan in een simulatiebatch variabel ingesteld worden (discrete waarden of incrementele stappen binnen een bereik).

4.7.2

Output van de simulator in verschillende vormen

Na een simulatie geeft de simulatie zijn resultaten in 3 vormen: • Volledige trace van een simulatierun. • Grafieken. De data van elke grafiek kan op zijn beurt weggeschreven worden naar een csv-bestand. • Samenvattende parameters. Van elke run kunnen de belangrijkste parameters weggeschreven worden naar een csv-bestand. Parameters worden daarin gebundeld per uur van de week.


44

Figuur 4.6: De applicatie laat toe om onmiddelijk na simulatie verschillende grafieken te plotten. dag Friday Friday Friday Friday Friday Friday Friday Friday Friday Friday Friday Friday Friday Friday

uur minuut weekminuut 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953 19 53 6953

service VOD VOD VOD VOD VOD VOD VOD VOD VOD VOD VOD VOD VOD VOD

kanaal congestie content duur contentprijs transportprijs totale prijs aanvaard K1 0,939996 film 130 2,3 0,69 2,99 False K1 0,940196 pick 35 0,77 0,23 1 True K1 0,940396 film 98 2,3 0,69 2,99 True K1 0,940396 pick 21 0,77 0,23 1 False K1 0,940396 pick 31 0,77 0,23 1 False K1 0,940596 pick 17 0,77 0,23 1 True K1 0,940596 pick 24 0,77 0,23 1 False K1 0,940796 pick 47 0,77 0,23 1 True K1 0,940996 film 124 2,3 0,69 2,99 True K1 0,940996 pick 35 0,77 0,23 1 False K1 0,941196 pick 30 0,77 0,23 1 True K1 0,941196 pick 35 0,77 0,23 1 False K1 0,941196 adult 52 3,85 1,15 5 False K1 0,941396 pick 47 0,77 0,23 1 True

Figuur 4.7: Deel van een rekenblad met trace (vaste prijszetting).


45

Simulatiebibliotheek Simulator 1

+Start() -SimuleerPeriode() «interface» IPlottable

1

Klant

AanvraagPatroo

IP

SimulatorParameters SimulatorOutput 1

«interface» ITabel

+writeTrace() +writeSamenvatting()

-StartMinuut -StopMinuut - : ServiceBundel - : Capaciteit

1 1 1

IP

Klantenmodel +AanvaardPrijs()

ServiceBundel

1

1

Services

1..*

WTP

+BerekenAanvragen() +GetAanvragen()

-f_high -f_low -p_high -p_low -delta +GetWTP() +GetFractie()

Service

-ID 1*

1

-ID - : NetwerkVerbruik - : Klantenmodel +GetNextDownload()

Netwerk

Capaciteit

*

-capaciteit[ ] 1

1

+GetVerbruik() +GetCongestie()

IP,IT 1

*

IP

ContentVBR - : Distributie

Content -ID -Richtprijs -Contentprijs -Richtduur -DuurStdDev

ContentCBR -bitrate

Download 1 1

NetwerkVerbruik

-Start -Duur -Prijs - : Content

1

*

1

-ID -capciteit[ ] +HeeftCapaciteit()

Kanaal -ID -gegarandeerd +GetVerbruik() +GetCongestie()

Statistiek Prijszetting

MonteCarlo

MersenneTwister

- : Distributie Prijszetting

-seed

+NextInt() +NextDouble()

IPlottable

1

1

+Next()

+SetPrijs(in Download) Distributie

1

+GetGemiddelde() +GetInverseCDF()

1

ToD

FixedPricing

Congestion

Auction

NormaalDistributie -gemiddelde -std_dev

CustomDistributie -waarden +genereerCDF()

UsageKelly

UsageLindb

UsageEigen

UsagePerVol

UsagePerMin

PoissonDistributie -lambda

ExcelImport ExcelBlad

CsvWriter

UniformDistributie -minimum -maximum

SimulatieGUI frmSimulatieGUI

frmGrafieken

frmVariabeleParameters

Figuur 4.8: UML-klassendiagram van de applicatie

46

Hoofdstuk 5

Simulaties In het vorig hoofdstuk werd een simulator ontworpen die het gebruik van een (of meerdere) netwerkservice(s) kan simuleren, en in het bijzonder de gebruikte prijszetting ervan kan evalueren. Het doel van dit hoofdstuk is na te gaan welke prijszettingen efficiënt kunnen worden ingezet in een Video on Demand-systeem. Daarbij wordt voornamelijk gelet op de invloed van de gebruikte prijszetting op de inkomsten en winsten (nut voor de content en service provider) en op het aantal bestelde VoD-aanvragen (gecombineerd nut van de gebruiker).

5.1

Inleiding

In dit hoofdstuk komen een aantal simulatiecases aan bod die de mogelijkheden van de ontworpen simulator zal benutten. Om relevante simulaties te voeren en daar besluiten uit te kunnen trekken is het belangrijk dat een realistische omgeving nagebootst wordt. Daarom zal aan de effectieve cases een paragraaf voorafgaan waarin een welomlijnd basisscenario wordt voorgesteld. De uitgebreide set omgevingsparameters die in vorig hoofdstuk besproken werd krijgen in dat basisscenario een concrete en relevante waarde. Na de identificatie van de basisomgeving zullen in een eerste case de verschillende voorgestelde VoD-prijszettingen losgelaten worden. De eerste case zal de prijszettingen testen in een situatie waar geen of nauwelijks sprake is van congestie. In de tweede case zullen de VoD-aanvragen geleidelijk verhoogd worden om na te gaan hoe de verschillende prijszettingen met een toenemende congestie omspringen. De derde case zal de invloed van de keuze van de WTP-parameters (het aankoopgedrag van de klant) nagaan. De optimalisatie van enkele goed presterende prijszettingen gebeurt in case 4.

5.2 Identificatie van een basisscenario

47

De ontworpen simulator kan ook aangewend worden voor simulaties die niet rechtstreeks gerelateerd zijn aan prijszetting. Zo kan nagegaan worden wat de invloed is van het variëren van de gemiddelde lengte van de contenttypes op het congestieniveau en op de inkomsten. Dergelijke simulaties zijn zeer sterk afhankelijk van de simulatiecase en daarom wordt geen specifieke case daaraan gewijd in dit hoofdstuk. De ontworpen simulatiecases brachten daarvoor te weinig relevante output.

5.2

Identificatie van een basisscenario

We definiëren in deze paragraaf de parameters van het basisscenario. We beschouwen een internet provider (of triple-play provider) die naast klassieke internetservices ook Video on Demand aanbiedt. We definiëren hiervoor twee services in de simulator: de eerste, DATA, stelt alle datatrafiek voor die over het netwerk gaat en die geen videodata is (internetverkeer, VoIP, maar ook eventuele controle en billing trafiek voor de VOD-service, . . . ). Deze is vast bepaald gedurende de week en de trafiekdistributie is een inputparameter (normaalverdeelde statistische variatie hierop wordt gesimuleerd). Voor de tweede service, VoD, worden de aanvragen, de prijszetting en het klantengedrag gesimuleerd.

5.2.1

Parameters van de Video on Demand-omgeving

In elk van de volgende subparagrafen worden waarden toegekend aan de omgevingsparameters. Screenshots van hoe de rekenbladen met die parameters eruit zien zijn te vinden in figuren 5.24 tot 5.29.

Services van de provider In de simulator worden twee zgn. services ingeladen: • Service DATA : niet gesimuleerd, trafiek vast ingesteld (zie fig. 5.1). Het stelt alle niet VoD-data voor die over het netwerk loopt. De gegevens voor relatieve trafiekvolume per uur van de week werden gehaald uit [34] en [35]. • Service VoD : gesimuleerd, relatief aanvraagpatroon volgens uur van de week vast bepaald uit gegeven distributies (zie fig. 5.2 en 5.3). Deze distributies werden bepaald aan de hand van gegevens over het kijkgedrag (per dag van de week en per uur van de dag) voor on-demand media uit [22].


48

Figuur 5.1: Service DATA: Bestaand dataverkeer op het netwerk van de provider (relatieve eenheid) 30

% aanvragen

25 20 15 10 5 0 Maandag

Dinsdag

Woensdag

Donderdag

Vrijdag

Zaterdag

Zondag

dag van de week

Figuur 5.2: Service VoD: Relatief aantal aanvragen per dag van de week.

Figuur 5.3: Service VoD: Relatief aantal aanvragen per uur van de dag.


49

Uit de grafieken blijkt dat de pieken van datatrafiek en VoD-trafiek niet op hetzelfde moment vallen, en dat dus de congestiepieken elkaar niet cumuleren (wat uiteraard in het voordeel van de provider speelt).

Contentcollectie We wensen een contentbibliotheek samen te stellen met de courante aangeboden types Video on Demand bij een Vlaamse provider. Bij elk contenttype worden enkele parameters gekozen, die elk in een bepaalde fase van de prijszettingssimulatie gebruikt worden. Elk contenttype krijgt een percentage dat het relatieve aantal aanvragen weergeeft voor dit type. De categorieën en hun parameters werden gekozen in overeenstemming met het aanbod van de Vlaamse VoD-providers en andere bronnen 1 . De populairste categorie is de pick of the week : de best bekeken programma’s van elke zender van de laatste 7 dagen. In Vlaanderen is dit bekend onder de noemers ‘Net Gemist’ (VRT), ‘iWatch’ (VMMa) en ‘C-More’ (SBS). Een deel van de aanvragen wordt gratis aangeboden (nieuwsuitzendingen, B-films, bioscoopinformatie, etc). Elk type content wordt aan een zelfde bitrate van 3 Mbps gestreamd, en de richtprijs bevat telkens een vooropgestelde winstmarge van 30% bovenop de contentprijs (meer hierover in 2.4.2). Tabel 5.1 vat alle gekozen parameters samen. Contenttype

Populariteit

Bitrate

Duur

Std.Afw.

Richtprijs

Winstmarge

Pick of the week

45%

3 Mbits

30 min.

10 min.

1,00 e

30%

Film

30%

3 Mbits

106 min.

25 min.

3,00 e

30%

Gratis

10%

3 Mbits

25 min.

10 min.

0,00 e

30%

Serie

10%

3 Mbits

35 min.

10 min.

1,50 e

30%

Adult

5%

3 Mbits

60 min.

20 min.

5,00 e

30%

Tabel 5.1: Types content in de contentbibliotheek Uit de tabelgegevens leren we dat de richtprijs van een on-demand aanvraag gemiddeld 1,75 e bedraagt (= 45% × 1, 00 + 30% × 3, 00 + 10% × 0, 00 + 10% × 1, 50 + 5% × 5, 00). 1

bronnen: G. Ellis (ntl), “Deploying VOD in Europe: Challenges, Optimisations & Results”; K. Couch (Nor-

tel), “Raising the Bar for Triple Play with VoD”

5.2 Identificatie van

pick of the 45% film 30% gratis 10% serie 10% een basisscenario adult 5%

25% 58% 5% 7% 5%

50

(b)

(a)

5%

7%

10% 10%

5% 25%

5%

pick of the week film

45%

gratis serie 30%

adult 58%

Figuur 5.4: (a) Aandeel van aanvragen per categorie : pick of the week is de populairste categorie. (b) Aandeel van aanvragen per totale kijktijd : films vormen het grooste aandeel van de tijd, en dus van de netwerktrafiek. Klantenbestand en aanvraagdistributie • De grootte van het klantenbestand : 100’000. In grootte-orde komt dit overeen met de situatie van een Vlaamse VoD-provider. • Het gemiddeld aantal aanvragen per klant in één maand (Eng: average views per month per customer ) : 6. Dit komt neer op een gemiddelde van 1,5 on-demand aanvragen per week per gebruiker. Dit getal werd afgeleid uit gegevens omtrent de ARPU van de Vlaamse VoD-operatoren. De average return per user (per maand) bedraagt voor Telenet Digital Tv [url12] en Belgacom Tv [url13] tussen 10 en 13 e. (6 aanvragen per maand aan gemiddeld 1,75 e = 10,50 e = ARPU). Met deze getallen, samen met de distributies uit figuren 5.3 en 5.2, bepaalt de simulator het absolute aantal aanvragen per minuut van de week.

Datatrafiek en capaciteit van het netwerk De absolute waarden voor de grootte van datavolumes en de capaciteit werden zo gekozen, dat op het piekmoment van VoD-aanvragen (zaterdag 20u), de vraag naar VoD net de capaciteit overschrijdt. Op de grafiek in figuur 5.5 worden de datavolumes per uur van de week geplot. In een detail van de netwerkbezetting, te zien op figuur 5.6, is te zien dat op sommige momenten binnen het piekuur op zaterdag de capaciteit volledig benut wordt (congestieniveau van 100%).

20:14 20:16 20:18 20:21 20:23 20:26 20:27 20:29 20:32 20:34 20:36 20:39 20:41 20:43 20:46 20:48 20:50 20:53 20:56 20:58 21:1 21:3 21:6 21:9 21:12 21:14 21:17 21:20 21:23 21:26 21:30 21:33 21:36 21:39 21:42 21:46 21:49 21:53 21:56 22:0 22:4 22:7 22:11 22:15 22:19 22:23 22:28 22:33 22:38 22:43 22:49 8575

congesttivieau

Capaciteit VoD

congestieniveau

Figuur 5.6: De grafiek van de netwerkbezetting (in %) op zaterdagavond. zo 19h

zo 15h

zo 11h

zo 07h

zo 03h

za 23h

za 19h

za 15h

za 11h

za 07h

za 03h

vr 23h

vr 19h

vr 15h

vr 11h

vr 07h

vr 03h

vr 00h

do 20h

do 16h

do 12h

do 08h

do 04h

do 00h

wo 20h w

wo 16h w

wo 12h w

wo 08h w

wo 04h w

wo 00h w

di 20h

di 16h

di 12h

di 08h

di 04h

di 00h

ma 20h m

ma 16h m

ma 12h m

ma 08h m

ma 04h m

ma 00h m

Duizenden

5.2 Identificatie van een basisscenario 51

1000

900

800

700

600

500

400

300

200

100

0

DATA

Figuur 5.5: Datavolume en VoD-trafiekvolume (over 1 uur) gecumuleerd vallen op het piekuur

(zaterdagavond 20u.) net binnen de capaciteit.

100 00% 100,00%

95,00%

90,00%

85,00%

80,00%

75 00% 75,00%

70,00%

65,00%

60,00%

55,00%

50 00% 50,00%


5.2.2

52

Klantenmodel

We wensen een goede set parameters voor het ge¨ımplementeerde klantenmodel (zie 4.4) te bepalen. Dit is geen sinecure aangezien zeer weinig gegevens hieromtrent beschikbaar zijn. Het komt erop aan om een aanvaardbare set paramaters voor het model voorop te stellen, en deze als vast aan te nemen voor de rest van de simulaties. In de derde case (zie 5.3.3) zal het effect van de WTP-parameters nagegaan worden, in dit basisscenario kiezen we voor de tweede set parameters die aldaar gedefinieerd wordt. In tabel 5.2 toont de waarden voor de parameters. Grafiek 5.7 toont de vorm van de curve.

WTP-set 2

plow

phigh

flow

fhigh

δ

50%

250%

20%

162%

0,6

Tabel 5.2: WTP-parameters voor het basisscenario 160%

aanvaardingsfracite t.o.v. aantal aanvrage en bij richtprijs

140%

120%

100%

80%

60%

40%

20%

215%

0% 210

205%

200 0%

195%

0% 190

185%

0% 180

175%

0% 170

165%

0% 160

155%

0% 150

145%

140 0%

135%

0% 130

125%

0% 120

115%

110 0%

105%

95%

0% 100

90 0%

85%

80 0%

75%

0% 70

65%

60 0%

0%

prijs als schaling t.o.v. de richtprijs wtp‐set 2 ( δ=0,6)

Figuur 5.7: Willingness to Pay curve voor het basisscenario Concreet betekent dat in dit klantenmodel bij verhoging van de prijs voor een video met 50% dat het aantal aanvragen afneemt tot 68% van het originele aantal. Bij een verdubbeling van de prijs bereikt de provider slechts iets meer dan 40% van de klanten. Deze waarden zijn niet gestaafd aan reële cijfers en lijken voor een vrije markt waar concurrentie heerst misschien nogal


53

aan de hoge kant. In geval dat de provider exclusieve content aanbiedt, of hij via een nieuw platform (bvb. mobiel) of in een HDTV-kwaliteit VoD toelevert, zullen toch een aanzienlijk deel van de klanten bereid zijn te blijven betalen. Aangezien de simulaties dus niet steunen op een bewezen klantengedrag zullen geen besluiten gevormd worden met absolute cijfers en aanbevelingen in concrete parameterwaarden voor de prijsformules. Wel zal uit de simulaties het effect van de prijszettingen in de vorm van bepaalde trends kunnen weergegeven worden.

5.3 Simulatiecases

5.3 5.3.1

54

Simulatiecases CASE I : De verschillende prijszettingen in het basisscenario

Deze case begint met een beknopte toelichting van de prijszettingen die gesimuleerd worden. Voor een meer gedetailleerde uitleg over de prijszettingsmechanismen wordt verwezen naar hoofdstuk 2. Voor elk van de prijszettingen worden de gebruikte parameters samengevat in tabel 5.3. De parameters voor elke prijszetting werden zo bepaald dat de richtprijs voor het bekijken van een film van normale duur (106 minuten) om 18u00 ’s avond gelijk is aan zijn gedefinieerde richtprijs van 3e .

Vaste prijszetting De meest eenvoudige prijszetting, en ook de traditionele prijszetting in VoD-omgevingen, is een puur contentgebaseerde prijszetting. Daarin wordt de contentprijs (d.i. de prijs die de service provider als aankoopprijs betaalt aan de content provider, zie 2.4.2) vermeerderd met de kostprijs en winstmarge die de service provider aanrekent voor het aanbieden en transporteren van de e-content. Bij de vooropgestelde winstmarge van 30% worden in 1 week ongeveer 150.000 VoD-aanvragen gedaan, en bedraagt de winst ca. 60.000 e . Deze eenvoudige prijszetting is de referentie voor de verdere besproken prijszettingen. Wat er gebeurt indien de winstmarge groter (of kleiner) wordt dan 30%, wordt bestudeerd in CASE III. Daar worden verschillende curves van het willingnessto-pay model vergeleken bij stijgende basisprijzen. De stijgende basisprijzen kunnen daar ook opgevat worden als een stijging van de winstmarge in een puur contentgebaseerde prijszetting. Indien de provider handelt uit puur winstmaximalisatieperspectief kan hij zijn winst maximaliseren bij een vooropgestelde winstmarge van 130% (het aantal aanvragen verlaagt in dit geval met ongeveer 40%: van 150.000 naar 90.000). Deze stelling is echter uiteraard enkel geldig in een puur monopoliemodel. Indien de aankoopprijs voor een on-demand video steeds een vast percentage bedraagt van de gezette prijs (dus winst en inkomsten zijn evenredig) bereikt de provider maximale winst vanaf een winstmarge van 60%. In een markt waar er concurrentie aanwezig is (in de vorm van andere VoD-operatoren of in de vorm van alternatieve services zoals traditioneel videoverhuur) zijn dergelijke hoge winstmarges uiteraard geen optie voor de provider. Als eerste reeks van alternatieve prijszettingen zullen we nagaan of gebruiksgebaseerde modellen een waardig alternatief kunnen vormen.

5.3 Simulatiecases

55

Gebruiksgebaseerde modellen In het eerste model, tijdsgebaseerde prijszetting, wordt de prijs van een video bepaald door zijn duur (en zijn contentprijs) volgens de formule p = pcontent + T ∗ pminuut . Aangezien de simulaties die in dit werk gevoerd worden overal een gelijke videobitrate veronderstellen heeft een volumegebaseerde prijszetting hier geen nut. In een uitbreiding, waar bijvoorbeeld content aangeboden wordt in HDTV-kwaliteit, zou een extra volumeparameter in de prijszettingsformule daarentegen wel nuttig kunnen zijn. Een variant op het eerste model is het gebruiksgebaseerd model volgens de formule van Lindberger (zie 2.3.4): p = pcontent + K(t) ∗ b ∗ T . Dit is tevens een tijdsgebaseerd model, waar de prijs per minuut geschaald wordt met een factor K(t) die afhankelijk is van het uur van de dag. De gebruikte schalingsfactoren zijn dezelfde als in het Time of Day model, dat later volgt. Figuur 5.9 toont de evolutie van de schaling per uur van de dag. Dit model houdt rekening met de downloadbitrate b, maar zoals hierboven vermeld heeft dit in dit werk geen invloed in de simulaties aangezien b overal gelijk is. Als alternatief voor een gebruiksgebaseerd model wordt een derde, eigen model, voorgesteld. Voor een video van ‘normale’ duur wordt de contentgebaseerde prijs gezet. Bij de prijs voor een video van lange duur wordt een penalty per minuut gerekend. Die penalty is een compensatie voor de verloren capaciteit door het bekijken van een video van lange duur, en dus ook een compensatie voor gemiste inkomsten door eventuele congestie. Daarnaast is de verhoogde prijs een incentive naar de gebruiker, want door de verhoogde prijs zullen minder langdurige video’s aangevraagd worden. Dit effect is in elk geval zo in de simulator, waar er geen correlatie bestaat tussen duur van de film en de willingness to pay. In de realiteit zal de wtp van de gebruiker wel gelinkt zijn aan de duur (in bioscopen zijn langere films ook vaak iets duurder). We simuleren dus voor deze prijszetting het worst case scenario (voor zowel winstmaximalisatie als voor congestie-vermijding). Een tweede parameter is de duur vanaf wanneer we een video beschouwen als zijnde van langere duur. In deze simulaties wordt deze gelegd op een afstand gelijk aan de gemiddelde lengte + 1 x de standaarddeviatie van de normaalverdeelde duur van een video. Voor de films komt dit neer op 106 + 25 = 131 minuten. In ongeveer 16% van de aanvragen wordt een video van lange duur aangevraagd. De grafieken in figuur 5.8 geven het prijsbereik voor een film weer van de verschillende gesimuleerde gebruiksgebaseerde prijszettingen. Het hoog-laag slot toont de gezette minimum- en maximumprijs en de gemiddelde prijs (groen), geëvalueerd per uur van de week. Daarin is een kleine variatie te bemerken in prijzen voor het puur tijdgebaseerd model. Verhoging van de prijs per minuut toonde aan dat dit een negatief effect had op de winst. De reden daarvoor is

5.3 Simulatiecases

56

Prijszetting

Parameters

Fixed pricing

w = 0, 30

p = pcontent × (1 + 0, 30)

pminuut = 0, 0066

p = pcontent + 0, 0066 × T

Tijdsgebaseerd Lindberger-formule

K(t) (fig.5.9), b = 3, 0M bps

Formule

p = pcontent + K(t) × 3, 0 × T

Eigen model

pextra = 0, 03

p = pcontent × (1 + 0, 30) + 0, 03 × Textra

Time of Day (ToD)

K(t) (fig.5.9)

p = K(t) × pcontent × (1 + 0, 30)

Congestiegebaseerd

congestiepenalty P (c) (fig. 5.10)

p = P (c) × pcontent × (1 + 0, 30)

Auction-gebaseerd

p = MCP(boden) Tabel 5.3: Gesimuleerde prijsformules.

dat op video’s van korte duur de winst zeer klein wordt. In het Lindberger model stijgen de prijzen lichtjes volgens uur van de dag. Het eigen model toont dat de maximale filmprijs stijgt tot (heel uitzonderlijk) 5 e voor langere films, terwijl de gemiddelde prijs nauwelijks verschilt van de richtprijs.

Congestiegebaseerde modellen Het Time-of-day model schaalt de richtprijs van een video volgens het uur van de dag. De gekozen prijsschaling in functie van het uur van de dag is terug te vinden in figuur 5.9, met een minimale prijsschaling van 85% op de richtprijs in daluren en tot 125% in piekuren. De minimale prijsschaling onder 85% laten zakken heeft een negatief effect op de winst, aangezien de winstmarge bovenop de contentprijs dan zeer klein wordt en het toegenomen volume video’s aan deze lage winstmarge te klein is om dat effect te neutraliseren. Aangezien de penalties onafhankelijk zijn van de effectieve congestie wordt de maximale prijspenalty bewust ‘laag’ gehouden. Simulaties met een verhoogde penalty van 150% tijdens piekuren doen de totale inkomsten dalen omdat er dan veel minder aanvragen gedaan worden, ook op weekdagen (waar nog geen sprake is van congestie). Belangrijk nog is op te merken dat bij het ToD-model in geval van verschuiving van piekmomenten naar andere uren van de dag (door bvb. sportmanifestaties of breaking news), minder goed zal presteren dan in het gesimuleerde geval, waar de piekmomenten constant blijven. Als uitbreiding op het Time-of-Day model zouden de prijzen in een Time-of-Week model geschaald kunnen worden volgens uur van de week. Bijkomend nadeel is wel dat de prijszetting iets minder transparant wordt. In het eenvoudig congestiegebaseerd model wordt een congestiepenalty aan de prijs toegevoegd vanaf dat het netwerk een bepaald congestieniveau (=ingestelde congestiedrempel) bereikt

5.3 Simulatiecases

57

tijd

ma 00h ma 04h ma 08h ma 12h ma 16h ma 20h di 00h di 04h di 08h di 12h di 16h di 20h wo 00h wo 04h wo 08h wo 12h wo 16h wo 20h do 00h do 04h do 08h do 12h do 16h do 20h vr 00h vr 03h vr 07h vr 11h vr 15h vr 19h vr 23h za 03h za 07h za 11h za 15h za 19h za 23h zo 03h zo 07h zo 11h zo 15h zo 19h

5 4,5 4 3,5 3 2,5

lind


5 4,5 4 3,5 3 2,5

eigen


5 4,5 4 3,5 3 2,5

Figuur 5.8: Prijsbereik en gemiddelde prijs (groen) voor gebruiksgebaseerde prijszettingen i.f.v. uur van de week heeft. De waarde van de penalty is een schaling t.o.v. de initiële prijs, met een schalingsfactor die functie is van het effectieve congestieniveau. Bij een maximaal congestieniveau van 100% zetten we de penalty op 250%. Met andere woorden, wanneer er nog capaciteit rest voor 1 video, zal de prijs voor deze video 2,5 keer de richtprijs bedragen. (Met het gekozen klantenmodel kunnen we de prijs maximaal schalen met 250%.) Figuur 5.10 toont de lineaire stijging van de prijzen voor verschillende waarden van de congestiedrempel. Voor de initiële simulaties willen we congestiepenalties vanaf 95% van de totale capaciteit (dus congestiedrempel = 95%). In CASE IV zal de invloed van de waarde van deze parameter verder onderzocht worden. Het laatste model betreft een zogenaamd auction-gebaseerd model waarin de prijzen van de video’s ten tijde van congestie worden bepaald door middel van een verkoop per opbod. De werking van het voorgestelde model, dat een verkoop per opbod organiseert vanaf een bepaalde congestiedrempel, werd uit de doeken gedaan in 2.4.2. Er dienen bij implementatie drie parameters ingesteld te worden:

5.3 Simulatiecases

58

135% 125%

prijjsschaling

115% 105% 95% 85% 75% 65% 55% 0

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

uur van de dag

Figuur 5.9: Prijsschaling volgens uur van de dag bij het Time-of-Day model.

250% 200% drempel=85% p

150%

drempel=90% 100%

drempel=95% drempel 95%

50% 0% 80%

85%

90%

95%

100%

Figuur 5.10: Penalty P (c) (schaling van de prijs t.o.v. richtprijs) in functie van het congestieniveau c, vanaf een congestiedrempel van 85, 90 en 95%. • Congestiedrempel: Vanaf het moment waar het congestieniveau boven deze waarde stijgt, worden Vickrey-auctions georganiseerd voor de nieuwe aanvragen. • Tijdsframe: Periode waarin boden worden gedaan en waarna telkens een verdeling van capaciteit plaatsvindt, en waarna de te betalen prijs aan de klant gecommuniceerd wordt. In alle simulaties is dit ingesteld op 1 minuut. De klant kan dus quasi onmiddellijk zijn on-demand video bekijken na bekendmaking (en aanvaarding) van zijn bod. • Normale prijszetting : Indien het netwerk opereert onder de congestiedrempel, wordt deze prijszetting gebruikt als standaard. Hoewel de prijszetting in de simulator aangepast kan worden, wordt altijd vaste (content)prijszetting gehanteerd. Ook voor dit auction-gebaseerd model zullen we de congestiedrempel initieel op 95% zetten. Aangezien het netwerk vooralsnog deze congestie niet overschrijdt (behalve even op het piekmoment op zaterdagavond, zie fig. 5.6), weten we nu al dat congestiegebaseerde en auction-gebaseerde prijszetting weinig zal verschillen van het contentgebaseerde model.

5.3 Simulatiecases

59

Evaluatie van de prijszettingen in het basisscenario Figuur 5.11 toont de winst en het aantal aangevraagde video’s gedurende een volledige week, per prijszetting. 70000 60000

winst (€)

50000 40000 30000 20000 10000 0 winst (€)

fixed

tijd

lind

eigen

tod

auct

cong

60248

52355

52662

64152

59897

64358

62222

fixed

tijd j

lind

eigen g

tod

auct

congg

152621

155307

155374

150968

152734

152550

149591

156000 155000 154000

aanvrragen

153000 152000 151000 150000 149000 148000 147000 146000 #aanvragen

Figuur 5.11: Case I : vergelijking van prijszettingen in het basisscenario op winst (boven) en aantal aangevraagde video’s (onder). De winst (nauwkeuriger omschreven: de netto inkomsten voor de provider na aftrekking van de contentprijs) voor traditioneel contentgebaseerde prijszetting in de simulaties bedraagt iets meer dan 60.000 e voor een volledige week. Voor de tijdsgebaseerde modellen (tijd en lind) zien we een daling van de winst van meer dan 13%, terwijl het aantal aanvragen maar met nauwelijks 2% steeg bij deze modellen. De verklaring ligt in het feit dat indien de netto inkomst voor de

5.3 Simulatiecases

60

provider afhankelijk is van de tijd, de kortere video’s en films zeer kleine winsten opleveren. Het schaaleffect in aanvragen door goedkopere korte video’s in deze simulatie is niet groot genoeg om de inkomsten bij contentgebaseerde prijzen te evenaren. Ook de tijdsvariatie in prijzen bij het Lindberger-model geeft weinig hoop. De verlaging en verhoging van prijzen in resp. daluren en piekuren geeft een nuloperatie tot gevolg wat betreft winsten en aantal aanvragen. Het laatste tijdsgebaseerd model, het eigen model, verhoogt de winst met 6,5%, terwijl het aantal aanvragen daalde met 1%. Zoals vermeld wordt voor dit model het slechtste geval gesimuleerd, aangezien de willingness to pay voor langere video’s in deze simulatie gelijk blijft aan die van video’s van normale duur. Dus in werkelijkheid mag men een grotere winst en meer bekeken video’s verwachten voor dit model, onder de voorwaarde dat de aankoopprijs voor lange video’s en films gelijk blijft. Wat er gebeurt indien de studio’s een langere video duurder verkopen wordt onderzocht in de vierde case, waar dieper ingegaan wordt op het eigen model. Als besluit bij tijdsgebaseerde VoD-prijszetting kan men veronderstellen dat pure tijdsafhankelijke prijszetting geen goed alternatief biedt. Een tijdsgebaseerde penaltyprijszetting voor video’s die het netwerk extra belasten geven een relevante stijging in winst, waarbij men in de realiteit weinig of geen daling mag verwachten in aantal aanvragen. De overgang naar congestiegebaseerde prijszetting, d.m.v. een statische prijsschaling i.f.v. uur van de dag (model tod), biedt nauwelijks verandering in winst noch in aantal aanvragen. De dalingen en stijgingen in prijs, zoals in het lind-model hierboven, heffen elkaar op. Zoals reeds vermeld heeft een verhoging van de maximale schaling (hier 125%) geen beter effect. Een belangrijke reden voor de slechte prestatie van tod in dit scenario is uiteraard dat congestieprijzen aangerekend worden op weekavonden, waar geen congestie optreedt. Indien iedere dag op bepaalde uren een congestiepiek bereikt wordt zou dit model uiteraard iets beter moeten presteren. Met deze bevindingen is het voor de VoD-provider uit het basisscenario nutteloos tijd en geld te investeren in een ToD-prijszetting. In dit basisscenario is slechts gedurende een korte periode (ca. 1 uur) in de week sprake van congestie. Omdat er tijdens dat uur veel aanvragen zijn zien we toch een toename in de (netto)inkomsten voor de provider: voor het congestiemodel (cong) met 3% en voor het auction-model (auct) met 6%. Een provider zal wellicht niet investeren in een dergelijk prijsmodel indien er weinig tot geen congestie optreedt. Interessant blijkt wel dat, indien mechanismen voorhanden zijn om dergelijke prijzen te hanteren, zelfs kleine congestieperiodes aanleiding kunnen geven tot winststijging van enkele procenten. In de volgende case zullen de we de mogelijkheden van de congestieprijszettingen beter uitbuiten door de aanvragen en bijgevolg het congestieniveau te verhogen bij gelijke capaciteit.

5.3 Simulatiecases

5.3.2

61

CASE II : Toename van het klantenbestand naar 200.000 klanten

In de eerste case was er nauwelijks sprake van congestie. In deze tweede case wordt het klantenbestand geleidelijk verhoogd, zodat (meer) congestie optreedt tijdens de piekmomenten. We verwachten uiteraard dat de congestiegebaseerde prijszettingen goed inspelen op de toename van de netwerktrafiek. De toename van congestie kan gesimuleerd worden door of het aantal klanten of het aantal views per month per customer te verhogen. Beide zijn factoren in de berekening voor het absolute aantal aanvragen. Omwille van eenvoud wordt gekozen voor de eerste parameter. De case is zo ontworpen dat er bij 100.000 klanten gedurende korte tijd even congestie optreedt in het netwerk. Indien we het aantal klanten verhogen naar bijvoorbeeld 125.000, dan weten we dat er op het piekmoment 25% meer aanvragen zullen gegenereerd worden dan dat het netwerk kan voorzien. Deze case zal het effect bestuderen van geleidelijke toename van klanten, en dus ook trafiek en congestie, waarbij de capaciteit gelijk blijft. Daarbij wordt het klantenbestand discreet verhoogd van 100.000 naar 200.000, in stappen van 10.000. In het uiterste geval zullen er dus 2 keer zoveel aanvragen zijn dan wat de capaciteit van het systeem kan leveren. Grafieken 5.12 en 5.13 tonen het aantal bekeken video’s en de netto-inkomsten bij stijgend aantal klanten. De curve fixed zonder cong (streepjeslijn) toont in die figuren resp. het aantal aanvragen en de winst die zou gegenereerd worden in het geval dat vaste prijszetting zou gebruikt worden en dat de capaciteit geschaald wordt zodat de congestieduur en pieken dezelfde blijven als in het basisscenario, bij 100K klanten (dus eigenlijk niet helemaal congestievrij). Het aantal bekeken video’s daalt voor alle alternatieve prijszettingen quasi evenredig met de vaste prijszetting bij stijgende congestie, en in verhouding met het aantal aanvragen in CASE I. Belangrijk is echter wel op te merken dat bij congestiegebaseerde prijszettingen die klanten bereikt worden die een hogere wtp hebben en dus meer waarde hechten aan het bekijken van de video tijdens congestie (= verhoogde sociale fairness (SI, 2.5)). Er zijn net iets minder aanvragen te zien bij congestiegebaseerde prijszetting, omdat daar een deel van de gebruikers afgeschrikt wordt door een hogere prijs. In de realiteit zullen een deel van deze prijsgevoelige klanten hun video op een minder druk tijdstip bekijken, en dus zullen de totale aanvragen (licht) stijgen. Dit effect van verschuiving van de vraag in tijd wordt niet gesimuleerd. De alternatieve prijszettingen hebben dus algemeen gezien ook weinig invloed op het aantal bekeken video’s. Wat de winst betreft zijn er wel interessante effecten waar te nemen. Uit figuur 5.13 komt onmiddellijk auction-gebaseerde prijszetting naar voor als beste prijszetting vanuit winstmaximalisatieperspectief. Het congestiegebaseerd model is ook bevorderlijk voor de winst, zelfs in

5.3 Simulatiecases

62

285000

265000

245000

225000

205000

185000

165000

145000 100k

110k fixed

120k tijd

130k lind

140k eigen

150k

160k

170k

tod

cong

auct

180k

190k

200k

fixed zonder cong

Figuur 5.12: Case II : Stijging van het klantenbestand : effect op aantal bekeken video’s die zin dat er hogere winsten worden genoteerd dan indien er weinig tot geen congestie optreedt (de streepjeslijn in de grafiek). Dus de winst voor 300.000 video’s in geval van voldoende capaciteit is kleiner dan voor de 265.000 video’s (daling van aanvragen van 11,6%) bij congestie. De verklaring daarvoor ligt in de zeer grote winstmarges die de provider kan halen bij congestiegebaseerde prijszetting. (Bijvoorbeeld voor een film van standaard 3e(met winstmarge van 30%) kan de prijs stijgen tot 7,5 e (maal 2,5), dat is een winstmarge van 325%.) Bij stijging van 130K naar 140K klanten bereikt ook op zondagavond het netwerk gedurende een langere periode zijn maximale capaciteit. Doordat de congestieduur daar significant stijgt worden de extra winsten uit deze prijszettingen groter. Dit effect is te zien in de knik die de curves cong en auct vertonen (voorgesteld door A). Een andere interessante opmerking bij grafiek 5.13 is het snijpunt B tussen de curves cong en eigen: slechts vanaf 135.000 klanten levert congestiegebaseerde prijszetting meer winst op voor de provider dan bij het eigen model (met penalties voor extra lange video’s). De winst bij dit laatste model en bij begrensde capaceit blijft groter dan de winst bij vaste prijszetting bij (bijna)

5.3 Simulatiecases

63

140000

130000

120000

110000

C

100000

A 90000

B 80000

70000

60000

50000 100k

110k fixed

120k

130k

140k

150k

tijd

lind

eigen

tod

160k cong

170k auct

180k

190k

200k

fixed zonder cong

Figuur 5.13: Case II : Stijging van het klantenbestand : effect op winst voldoende capaciteit, tot aan een klantenbestand van 160.000 (punt C). Daarenboven moeten nog twee bijkomende voordelen in rekening gebracht worden voor het voorgestelde tijdsgebaseerde model (eigen): • De prijzen voor lange video’s voor deze prijszetting blijven betaalbaar: een film van 3u. kost 4,5 e, een film tot iets meer dan 2u. blijft aan de standaardprijs van 3 e. • Het aantal klanten dat een aanvraag doet is groter in geval van prijszetting volgens het eigen model (t.o.v. congestieprijszetting). • Het gesimuleerde eigen model doet het wellicht beter in de praktijk dan in deze simulaties (zie hierboven). Deze bevindingen leren ons dat het voorgestelde eigen model, incrementeel duurdere prijzen voor de lange video’s (in de simulatie zijn 16% van de content lange video’s), een goed alternatief is voor puur contentgebaseerde prijszetting. Ook is een investering in systemen die netwerkcongestie monitoren en de videoprijzen daarvan laten fluctueren slechts nuttig bij voldoende hoge pieken en voldoende lange congestieperioden. In de gevoerde simulatie is dit slechts het geval bij

5.3 Simulatiecases

64

een verhoging van het klantenbestand van 35%, onder initiële capaciteit. De auctiongebaseerde prijszetting scoort veruit het best. De investeringen in dergelijke systemen zullen wellicht zeer snel teruggewonnen worden, maar de vraag is natuurlijk of de klant bereid is om te participeren in een opbodverkoop bij iedere bestelling van een on-demand video tijdens congestie.

5.3.3

CASE III : Invloed van de WTP-curve

Om echt waarheidsgetrouwe simulaties uit te voeren moeten de parameters voor het klantenmodel door middel van marktonderzoek en enquêtes bepaald worden. Dergelijke uitgebreide studies vallen buiten bestek van dit werk, en ook uit de literatuur of via de begeleiding werden geen gegevens hieromtrent teruggevonden. Daarom is het noodzakelijk na te gaan welke invloed een verandering van het ge¨ımplementeerde klantenmodel heeft. Deze case besteed hier meer aandacht aan. We wensen drie parametersets voor de willingness to pay curve van het model (zie 4.4) te definiëren en deze drie curves toe te passen in een simulatie waarin de gemiddelde prijs voor een video geleidelijk verhoogd wordt. De set bestaat uit 5 verschillende parameters, waarvan de krommingsparameter δ de interessantse is. De andere vier bepalen de richting van de lineaire curve bij δ = 1 (hoe snelt de willingness to pay daalt bij stijgende prijs). Aangezien de curve steeds het punt (100%, 100%) moet bevatten (zodat bij standaardprijs de normale hoeveelheid video’s aangevraagd worden) kan δ niet onafhankelijk gevarieerd worden. Daarom werden empirisch 3 sets van curven bepaald en waarvan de waarden terug te vinden zijn in tabel 5.4. Voor plow kiezen we 50%: de provider kan een video niet goedkoper aanbieden omdat hij anders onder de contentprijs zou verkopen, wat verlies zou opleveren. We kiezen phigh onder de 300%, aangezien de WTP van de klant eindig is en de provider uiteindelijk toch ‘redelijke’ prijzen wenst aan te houden. De verschillende curves werden geplot in figuur 5.14. Bij δ = 1, 2 ziet men dat een groter deel van de klanten bereid een hogere prijs te betalen, dan voor δ = 0, 6 of δ = 0, 3. WTP-set

WTP-set 1

WTP-set 2

WTP-set 3

flow

15

20

5

fhigh

273

162

117

plow

50

50

50

phigh

240

250

290

δ

0,3

0,6

1,2

Tabel 5.4: Drie WTP-parametersets voor het klantenmodel

5.3 Simulatiecases

65

Figuren 5.15 en 5.16 tonen de evolutie van de totale inkomsten en totale netto-inkomsten (=inkomsten - contentprijzen) voor de provider. De optima voor de twee grafieken worden per wtp-set (benaderend) weergegeven in tabel 5.5. Indien de netto-inkomsten gemaximaliseerd dienen te worden blijkt dat de provider theoretisch het best opereert aan zeer hoge winstmarges: van 110% tot 150%. In realiteit, zoals eerder al aangehaald, kan dit enkel in een monopoliemodel, of wanneer de provider exclusieve diensten/content/platforms aanbiedt. Indien de provider een vast aandeel van de prijzen moet afdragen aan de contentprovider (winsten evenredig aan inkomsten) dan liggen de optimale winstmarges een stuk lager (en wellicht realistischer in een concurrentiemodel), variërend van 30% voor δ = 0, 3 tot 110% voor δ = 1, 2. Deze grafieken worden natuurlijk pas echt interessant indien het klantengedrag en het marktmodel van de provider gekend is. In dat geval biedt de ontworpen simulator, bij verschillende eenvoudige tot complexere prijszettingen, de mogelijkheid om vanuit verschillende perspectieven (netto-inkomsten/inkomsten) het optimale winstpercentage na te gaan. Aangezien de simulator in staat is om verschillende services te simuleren onder verschillende prijsformules kan ook het effect van een gedifferentieerde prijszetting voor gelijke (en ook variërende) services nagaan. WTP-set 1

WTP-set 2

WTP-set 3

inkomsten

30%

70%

110%

netto-inkomsten

110%

130%

150%

Tabel 5.5: Drie WTP-parametersets voor het klantenmodel

5.3 Simulatiecases

66

180%

aanvaardingsfracite t.o.v. aantal aanvrage en bij richtprijs

160%

140%

120%

100%

80%

60%

40%

20%

215%

0% 210

205%

200 0%

195%

0% 190

185%

0% 180

175%

0% 170

165%

0% 160

155%

0% 150

145%

140 0%

135%

0% 130

125%

0% 120

115%

110 0%

105%

0% 100

95%

90 0%

85%

80 0%

75%

0% 70

65%

60 0%

0%

prijs als schaling t.o.v. de richtprijs wtp‐set 1 ( δ=0,3)

wtp‐set 2 ( δ=0,6)

wtp‐set 3 ( δ=1,2)

Figuur 5.14: Vergelijking van verschillende WTP-curven : aanvaardingsfractie als functie van de prijsschaling t.o.v. de basisprijs

5.3 Simulatiecases

67

350000

300000

250000

200000

150000

100000

50000

0 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%110%120%130%140%150%160%170%180%190%200% delta=0,3

delta=0,6

delta=1,2

Figuur 5.15: Effect van de verschillende klantenmodellen met verschillende waarde voor delta op inkomsten. 200000 180000 160000 140000 120000 100000 80000 60000 40000 20000 0 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%110%120%130%140%150%160%170%180%190%200% delta=0,3

delta=0,6

delta=1,2

Figuur 5.16: Effect van de verschillende klantenmodellen met verschillende waarde voor delta op de winst.

5.3 Simulatiecases

5.3.4

68

Case IV : Optimalisatie van de prijszettingen

In de vierde case wordt getracht de betere prijszettingen uit case II te optimaliseren. We wensen te achterhalen bij welke parameters de prijszettingen het meest efficiënt zijn, en of die parameterwaarden ook afhankelijk zijn van de gemiddelde congestie in het netwerk. Meerbepaald wordt voor het congestiegebaseerd model en het auction-gebaseerd model onderzocht welke de optimale congestiedrempel is. Met andere woorden : vanaf welk congestieniveau is het interessant wordt om congestiepenalties aan te rekenen of een verkoop per opbod te organiseren voor de schaars geworden bandbreedte? We kunnen, zeker wat congestiegebaseerde prijszetting betreft, verwachten dat een lagere congestiedrempel zal resulteren in een hogere winst. Hoe lager de congestiedrempel, hoe meer aanvragen duurder worden (en hoe hoger de winst uiteraard). Voor een operator is het echter niet interessant om de congestiedrempel te laag te leggen. De prijszetting wordt onduidelijk voor de klant omdat op te veel momenten de prijs van een video fluctueert. Enkel indien de klant beseft dat er op dat moment een schaarste heerst, kan hij/zij zich tevreden stellen met een hogere prijs.

Optimale congestiedrempel bij congestiegebaseerde prijszetting Grafiek 5.17 toont de evolutie van de winst bij simulatie van een zaterdag (dag met de meeste aanvragen en de hoogste congestie) bij stijgende waarde voor de congestiedrempel, vanaf 85%. Zoals verwacht is inderdaad de winst hoger bij een lagere congestiedrempel. Elke curve convergeert naar eenzelfde winstbedrag, namelijk dat van vaste prijszetting. Uit gedetailleerde analyse van de marginale verliezen bij stijgende congestie 5.18 konden algemeen weinig besluiten getrokken worden.

Optimale congestiedrempel bij auction-gebaseerde prijszetting Dezelfde test werd uitgevoerd voor de optimale congestiedrempel bij auction-gebaseerde prijszetting, vanaf een congestiedrempel van 90%. De details van deze simulaties zijn terug te vinden in figuren 5.19 en 5.20. Helaas konden ook hier, misschien wel te verwachte, weinig algemene besluiten getrokken worden naar een optimale congestiedrempel. Wel kunnen dergelijke grafieken, in een concrete simulatie die een real-life omgeving weerspiegelt, gebruikt worden bij het bepalen van een optimale drempelwaarde voor bij beide prijszettingen. Daarbij probeert de provider een zo goed mogelijke afweging te maken tussen hogere inkomsten (door kleinere drempelwaarde) enerzijds en hogere prijzen voor de klant (en dus minder aanvragen) anderzijds. De curves geven een goed beeld van hoe de inkomsten zouden dalen bij stijgende

5.3 Simulatiecases

69

50000 45000 40000 35000 30000

100k 125k

25000

150k 175k

20000

200k 15000 10000 5000 0 85%

86%

87%

88%

89%

90%

91%

92%

93%

94%

95%

96%

97%

98%

99%

Figuur 5.17: Case IV : Optimale congestiedrempel voor verschillende congestieniveau’s bij congestiegebaseerde prijszetting waarde van de congestiedrempel. De provider moet daarbij zelf bepalen tot aan welk punt van de congestiedrempel de marginale verliezen voor hem aanvaardbaar zijn. Een voorbeeld daarvan wordt ge¨ıllustreerd in grafieken 5.17 en 5.19, waar zo’n drempelwaarde aangeduid wordt bij de start van de stippellijn.

Eigen model In deze laatste simulatie wordt de invloed onderzocht van de penaltyfactor in het eigen model. Deze parameter verhoogt de prijs voor een lange video, per extra minuut (vanaf een bepaalde lengte, ingesteld per contenttype). Uit case I leerden we dat bij dit model (met een penaltyfactor=0,03) de winst verhoogd wordt meer dan 6% t.o.v. vaste prijszetting. De prijzen in dit geval voor films van 150 en 180 minuten bedraagt ca. 3,5 e resp. 4,5 e . In grafiek 5.3.4 wordt de verhoging van de winst getoond bij hogere penaltyfactoren, tot een extra winsttoename met bijna 5% voor een penaltyfactor van 0,075 e per minuut (t.o.v. 0,03 e in het basisscenario). De evolutie van de prijzen voor films van de genoemde lengtes is terug te vinden in figuur 5.22. De aanvragen dalen bij de hoogste penaltyfactor (0,075) met 7% t.o.v. de laagste penaltyfactor (=0,005).

5.3 Simulatiecases

70

100k

162,5K 0

0

86% 87% 88% 89% 90% 91% 92% 93% 94% 95% 96% 97% 98% 99% 86% 87% 88% 89% 90% 91% 92% 93% 94% 95% 96% 97% 98% 99%

‐500

‐500

‐1000

‐1000

A ‐1500

‐1500

‐2000

‐2000

‐2500

‐2500

175k

125k 0 0

86% 87% 88% 89% 90% 91% 92% 93% 94% 95% 96% 97% 98% 99% 86% 87% 88% 89% 90% 91% 92% 93% 94% 95% 96% 97% 98% 99%

‐500

‐500

A

‐1000

‐1000

‐1500

‐1500 ‐2000

‐2000

‐2500

‐2500

A

150k

200k 0

0

86% 87% 88% 89% 90% 91% 92% 93% 94% 95% 96% 97% 98% 99%

86% 87% 88% 89% 90% 91% 92% 93% 94% 95% 96% 97% 98% 99% ‐500

‐500 1000 ‐1000 ‐1500 ‐2000

klanten 100k 125k 150k 175k 200k

‐1000

optimale drempel 95% 93% 88% 88% 87%

A

‐1500

A

‐2000 ‐2500

‐2500

‐3000

300k 0 ‐500

86% 87% 88% 89% 90% 91% 92% 93% 94% 95% 96% 97% 98% 99%

‐1000 ‐1500 ‐2000 ‐2500 ‐3000 ‐3500 ‐4000

A

‐4500

Figuur 5.18: Case IV : Marginaal verlies bij stijgende congestiedrempel voor congestiegebaseerde prijszetting Men kan zich de vraag stellen wat er gebeurt indien ook de contentprovider voor een langere film een hogere aankoopprijs vraagt. Bij een contentgebaseerde prijszetting zal die toename in aankoopprijs evenredig geschaald worden naar de klant toe. In dat geval worden de winsten voor de provider ook hoger. Ervan uitgaande dat de klant deze hogere prijzen zal aanvaarden voor de langere films in 100% van de gevallen (en dat de wtp dus stijgt voor langere films), wordt in

5.3 Simulatiecases

71

60000

50000

40000 100k 125k

30000

150k 175k

20000

200k 10000

0 90%

91%

92%

93%

94%

95%

96%

97%

98%

99%

Figuur 5.19: Case IV : Optimale congestiedrempel voor verschillende congestieniveau’s bij auctiongebaseerde prijszetting figuur 5.23 berekend of het eigen model te lijden heeft onder de hogere contentprijs in geval van eigen prijszetting. In dat model wordt de initiële winstmarge voor lange films gelijk gehouden aan die voor de gewone films. De extra kosten door de duurdere aankoopprijs wil de provider drukken door de tijdsgebaseerde penalty per extra minuut. Daarin wordt eigenlijk de verhoogde contentprijs vertaald in een gebruiksgebaseerde penalty. De berekeningen tonen aan dat (voor normaalverdeelde videoduur) het eigen model niet slechter presteert in dat geval. Integendeel, er is een (weliswaar kleine) extra winst van 0,89% t.o.v. fixed pricing. Door finetuning van de penaltyfactor algemeen en per contenttype kan de provider die extra winst nog optimaliseren, zodat voor elk contenttype winst gemaakt wordt (zie 5.23).

5.3 Simulatiecases

72

100k

125k

0

0 91%

92%

93%

94%

95%

96%

97%

98%

99%

‐1000

91%

92%

93%

94%

95%

96%

97%

98%

99%

96%

97%

98%

99%

97%

98%

99%

‐1000

A ‐2000

‐2000

‐3000

‐3000

‐4000

‐4000

‐5000 5000

‐5000 5000

A

175k

150k 0

0 91%

92%

93%

94%

95%

96%

97%

98%

91%

99%

‐1000

‐1000

‐2000

‐2000

A

3000 ‐3000

92%

93%

94%

95%

‐3000 3000

‐4000

‐4000

‐5000

‐5000

A

200k

250k 0

0 91%

92%

93%

94%

95%

96%

97%

1000 ‐1000

98%

99%

‐1000

91%

92%

93%

94%

95%

96%

2000 ‐2000 ‐3000

‐2000

‐4000 ‐5000

‐3000

‐6000

A

‐4000

‐7000

A

‐8000 ‐5000

‐9000

Figuur 5.20: Case IV : Marginaal verlies bij stijgende congestiedrempel voor auctiongebaseerde prijszetting 84000

w winst per week (€)

82000 80000 78000 76000 74000 72000 70000 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04 0,045 0,05 0,055 0,06 0,065 0,07 0,075 penalty per minuut vanaf 'lange' duur (€)

Figuur 5.21: Case IV : Totale weekwinst bij prijszetting volgens eigen model voor een stijgende 7,00 € penalty per extra minuut 6,50 € js voor een film

6,00 € 5 50 € 5,50 € 5,00 € 4,50 €

5.3 Simulatiecases

73

84000

w winst per week (€)

82000 80000 78000 76000 74000 72000 70000 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04 0,045 0,05 0,055 0,06 0,065 0,07 0,075 penalty per minuut vanaf 'lange' duur (€)

7,00 € 6,50 € prijs voor een film

6,00 € 5 50 € 5,50 € 5,00 € 4,50 € 4,00 € 3,50 € 3 00 € 3,00 € 2,50 € 0,005 0,01 0,015 0,02 0,025 0,03 0,035 0,04 0,045 0,05 0,055 0,06 0,065 0,07 0,075 penalty per minuut vanaf 'lange' duur (€) film 150min.

film 180min.

Figuur 5.22: Case IV : Prijs voor een film van lange duur (2,5 en 3u.) bij prijszetting volgens eigen model voor een stijgende penalty per extra minuut

5.3 Simulatiecases

74

pick

FIXED lange film zelfde contentprijs 100% norm AKP=content winstmarge_norm i t VKP=content+30% winsten TOTAAL

film

pick

EIGEN lange film zelfde contentprijs 84% norm AKP=content winstmarge norm winstmarge_norm VKP=content+30%

16% lang

AKP=content winstmarge_norm VKP=content+30%+penalties

TOTAAL

adult

film

serie

adult

50% 33% 11% 6% 100% 0,77 € 2,30 € 1,15 € 3,85 € 0,23 € 0,23 € 0,70 € 0,70 € 0,35 € 0,35 € 1,15 € 1,15 € 1,00 € 3,00 € 1,50 € 5,00 € 26.943,84 € 17.962,56 € 5.987,52 € 2.993,76 € 53.887,68 € 0,77 € 2,30 € 1,15 € 3,85 € 0,23 € 0,70 € 0,35 € 1,15 € sim. sim. sim. sim. 5.132 € 3.421 € 1.140 € 570 € 10.264 € 32.076 € 32 076 € 21.384 € 21 384 € 7.128 € 7 128 € 3.564 € 3 564 € 64.152 € 64 152 € pick

FIXED lange film hogere contentprijs 84% norm AKP=content winstmarge_norm VKP=content+winstmarge_norm

16% lang

serie

50% 33% 11% 6% 100% 0,77 € 2,30 € 1,15 € 3,85 € 0 0,23 € 23 € 0 0,70 € 70 € 0 0,35 € 35 € 1 1,15 € 15 € 1,00 € 3,00 € 1,50 € 5,00 € 30.124 € 20.083 € 6.694 € 3.347 € 60.248 € 60.248 €

AKP=content+30% winstmarge+30% VKP=(content+winst)+30% WTP+30%

film

serie

adult

50% 0,77 € 0,23 € 1,00 € 26.944 €

33% 2,30 € 0,70 € 3,00 € 17.963 €

11% 1,15 € 0,35 € 1,50 € 5.988 €

1,00 € 0,30 € 1,30 € 6.672 €

2,99 € 0,91 € 3,90 € 4.448 €

1,50 € 0,45 € 1,95 € 1.483 €

6% 3,85 € 1,15 € 5,00 € 2.994 €

pick

16% lang

film

50% 0,77 € 0,23 € 1,00 € 26.944 €

serie

33% 2,30 € 0,70 € 3,00 € 17.963 €

adult

11% 1,15 € 0,35 € 1,50 € 5.988 €

6% 3,85 € 1,15 € 5,00 € 2.994 €

AKP=content+30% 1,00 € 2,99 € 1,50 € 5,01 € winstmarge_norm 0,23 € 0,70 € 0,35 € 1,15 € penalty nodig om FIXED te evenaren 0,07 € 0,21 € 0,10 € 0,35 € gem. aantal extra minuten aan 0,03€ 2,3 7,0 3,5 11,5 gem. aantal extra minuten aan 0,05€ 1,4 4,2 2,1 6,9 gem. aantal extra minuten aan 0,07€ 1,0 3,0 1,5 4,9 gem. aantal extra minuten uit normaalverdeling 4,86 12,73 4,86 4,86 penalty normaalverdeeld aan 0,03€ 0,15 € 0,38 € 0,15 € 0,15 € VKP=AKP+winstmarge_norm+penalty=0,03 1,38 € 4,07 € 1,99 € 6,30 € verschil met VKP bij FIXED met hogere cont. 6% 4% 2% ‐3%

TOTAAL met penaltyfactor = 0,03

stijging van totaal met

53.888 €

5,01 € 1,50 € 6,50 € 741 € 13.344 € 67.231,30 €

TOTAAL EIGEN lange film hogere contentprijs 84% norm AKP=content winstmarge_norm VKP=content+winstmarge_norm

100%

0,89%

53.888 €

4,49% 13.943 € 13 943 € 67.831 €

Figuur 5.23: Case IV : Gedetailleerde vergelijking van eigen en fixed bij hogere contentprijs voor langere video’s

5.3 Simulatiecases

Figuur 5.24: Omgevingsparameters uit het rekenblad – Servicebundels

Figuur 5.25: Omgevingsparameters uit het rekenblad – Services en Klantenmodel

Figuur 5.26: Omgevingsparameters uit het rekenblad – Contentbibliotheek

Figuur 5.27: Omgevingsparameters uit het rekenblad – Contentpopulariteit

75

5.3 Simulatiecases

76

Figuur 5.28: Omgevingsparameters uit het rekenblad – Capaciteit en Kanalen

Figuur 5.29: Omgevingsparameters uit het rekenblad – Aanvraagdistributie volgens uur van de week

77

Hoofdstuk 6

Besluit In dit werk werd een onderzoek gedaan naar verschillende prijszettingen voor het aanbieden van Video on Demand (VoD). Daartoe werd in het eerste deel van dit werk een overzicht gegeven van zowel prijszettingen in de breedbandindustrie als een inleiding gegeven rond Video on Demand services en de vereiste technologische infrastructuur hiervoor. In het hoofdstuk rond de prijszettingen werden voornamelijk 3 categorieën prijszettingen besproken: de flat-rate formule, gebruiksgebaseerde modellen en congestiegebaseerde modellen. In het bijzonder werd hierbij aandacht besteed aan de specifieke prijsstructuur voor on-demand media, bestaande uit een aandeel voor de content zelf en een aandeel voor de connectiviteit (i.e. de service en de toelevering). Tenslotte werden 7 VoD-prijszettingen voorgesteld: vaste prijszetting (contentgebaseerd), tijdsgebaseerd en twee varianten daarop, Time-of-Day prijszetting, congestieprijszetting en tenslotte een prijszetting volgens een auction-systeem (verkoop per opbod). In het volgende hoofdstuk werd ingegaan op de Video on Demand-service. De mogelijkheden in dergelijke service en de Near VoD vorm werden toegelicht. Bij de bespreking van het technologisch aspect kwam, naast een opsomming van de verschillende componenten van de VoD-infrastructuur, kort naar voor wat het belang is van de gekozen netwerkarchitectuur (gecentraliseerd of gedistribueerd) en welke invloed de keuze van de transporttechnologie heeft op de schaalbaarheid van een VoD-deployment. Het tweede deel van dit werk begon met de ontwikkeling van een software-applicatie die ondemand services kan simuleren en in het bijzonder daarbij het effect van uiteenlopende prijszettingen kan nagaan. De applicatie voorziet in de mogelijkheid tot parametrisatie van heel wat uiteenlopende omgevingsfactoren van een VoD-systeem (o.a. andere services, aanvraagdistributie, eigenschappen van de contentbibliotheek, klantengedrag, netwerk en capaciteit, . . . ). Een

BESLUIT

78

essentieel element in de simulator is het klantenmodel dat de willingness to pay van de gebruiker voorstelt. Uit de gevoerde simulaties in een gemodelleerd scenario op basis van een Vlaamse VoD-provider (en de variaties hierop) kunnen enkele interessante conclusies getrokken worden. Alvorens dat te doen moet erop gewezen worden dat deze bevindingen gebaseerd zijn op simulaties in één bepaalde vooropgestelde omgeving. Nog belangrijker, het model dat het aankoopgedrag van de klant voorstelt is niet op reële onderzoeken gebaseerd (omdat daarvoor geen publieke gegevens beschikbaar waren), maar maakt een schatting van hoe een klant reageert op een bepaalde prijsvariatie. Toch kunnen de simulaties bepaalde inzichten verschaffen, maar steeds met de specifieke eigenschappen van het gekozen klantengedrag en de omstandigheden (bestaande datatrafiek, aanvraagdistributie, samenstelling en populariteit van de contentbibliotheek) in het achterhoofd. Volgende algemene bevindingen werden gemaakt bij de gevoerde simulaties: • Puur tijdsgebaseerde prijszetting, waarin de winstmarge enkel afhangt van de videoduur is vanuit winstoogmerk nefast voor de provider. • Time-of-Day prijszetting, waarin de winst verlaagt of verhoogt in daluren resp. piekuren heeft weinig tot geen effect op winsten en aantal aanvragen in het systeem wanneer de variatie in prijzen klein is en de niet elke dag piekmomenten optreden. • Congestiegebaseerde prijszetting geeft significante stijgingen in winsten, zelfs indien de congestieperiodes klein zijn en de penalties binnen ‘redelijke’ grenzen blijven. • Auctiongebaseerd: veruit de beste prijszetting uit winstmaximalisatieperspectief, maar in de realiteit niet of uitzonderlijk toepasbaar voor VoD-services. Het voorgestelde eigen model (formule hieronder), een contentgebaseerde prijszetting dat een penalty aanrekent per minuut pextra voor lange video’s (vanaf een bepaalde duur), scoorde algemeen gezien het best. De prijszetting is redelijk transparant voor de gebruiker, rekent penalties aan volgens reëel verbruik (en is dus fair) en genereert een aanzienlijke stijging in winsten voor de provider. Daarbij bleven in de simulaties de prijsstijgingen eerder beperkt (van 3 e naar 4,5 e voor een film van 3u).

p=

  duur <= drempel : pcontent × (1 + w)  duur > drempel :

pcontent × (1 + w) + (duur − drempel) × pextra

BESLUIT

79

Tenslotte wordt gewezen op de algemene mogelijkheden van de ontworpen simulator. Deze stelt een provider van on-demand services in staat een gedifferentieerde prijszetting voor één of meerdere services te testen indien hij over gegevens beschikt wat betreft het aankoopgedrag van zijn klanten. Dit kan bijvoorbeeld verworven worden door onderzoek van het effect van variërende prijszettingen uit het verleden, of in een proefproject waar dynamische prijszettingen gehanteerd worden. Met de simulator kunnen ook de parameterwaarden in een bepaalde prijszetting geoptimaliseerd worden. Deze tool kan met andere woorden een hulpmiddel zijn voor een provider die op zoek is naar de meest geschikte prijszetting bij het opstellen van een businessmodel bij het uitbouwen van een nieuwe service, of bij het migreren naar een nieuwe technologie.

80

Bijlage A

Inhoud van bijgevoegde CD Op de bijgevoegd CD staan de meeste brondocumenten in elektronische vorm, rekenbladen, code en uitvoerbare bestanden die deel uitmaken van deze scriptie.

CD-ROM: / BRONNEN . . . Elektronische versie van (een deel van) het bronnenmateriaal. SIMULATIES CODE . . . De Visual Studio 2005 solution map, met volledige broncode in C#. BIN . . . Uitvoerbare code en bibliotheken . simulatieGUI.exe . . . Uitvoerbare simulator user interface. setup.exe . . . Windows setupbestand. simulator.dll . . . Simulatorbibliotheek. ... RUNS . . . Input en traces voor elke simulatiecase. CASE I CASE II CASE III CASE IV scriptie.pdf . . . De elektronische versie van dit boek. readme.txt . . . Uitleg bij de inhoud van de CD-ROM.

81

Bibliografie [1] S. Shoaf (Juniper Networks), “Building the Next Generation Multi-Service Broadband Network”. [2] B. Rao, B. Angelov, “Bandwidth Intensive Applications: Demand Trends, Usage Forecasts, and Comparative Costs”. [3] C. Courcoubetis, R. Weber, “Pricing Communication Networks”, 2003. [4] S. Jagannathan, “Of Bytes, Cents and Bandwidth: Pricing in the Internet. Major Area Introduction”. [5] S. Shenker, D. Clark, D. Estrin, S. Herzog, “Pricing in Computer Networks: Reshaping the Research Agenda”, 1996. [6] J. Shu, P. Varaiya, “Pricing Network Services”, 2003. [7] B. Stiller, P. Reichl, S. Leinen, “Pricing and Cost Recovery for Internet Services: Practical Review, Classification, and Application of Relevant Models”, 2001. [8] F. Charmantzis, C. Courcoubetis, V. Siris, G. Stamoulis, “A Comparative Study of UsageBased Charging Schemes”, 1996. [9] C. Courcoubetis , F. Kelly, V. Siris, R. Weber, “A study of simple usage-based charging schemes for broadband networks”. [10] M. Falkner, M. Devetsikiotis, I. Lambadaris, “An Overview of Pricing Concepts for Broadband IP Networks”, 2000. [11] A. Odlyzko, “Paris Metro Pricing for the Internet”. 1998. [12] L.A. DaSilva, “Pricing for QoS-enabled Networks: A Survey”. 2000. [13] N. Keon, G. Anandalingam, “A New Pricing Model for Competitive Telecommunications Services Using Congestion Discounts”, 2005. [14] J. Lee, B.K. Szymanski, “An Analysis and Simulation of a Novel Auction-Based Pricing Mechanism for Network Services”, 2005. [15] P. Basu, T. Little, “Pricing Considerations in Video-on-Demand Systems”, 2000. [16] A. Krishnamurthy, T. Little, D. Castanon, “A Pricing Policy for Scalable VOD Applications’’, 1995. [17] T. Nguyen, G. Armitage, “Pricing the Internet - A visual 3-Dimensional Evaluation Model”.

BIBLIOGRAFIE

82

[18] M. Ko, I. Koo, “An Overview of Interactive Video on Demand systems”, 1996. [19] S. K. Jain, R.S. Jadon, “Video on Demand: An Overview”, 2003. [20] A. Hu, “Video-on-Demand Broadcasting Protocols: A Comprehensive Study”, 2001. [21] J.F. Paris, D. L. Patrick, E. Mantey, “Zero-Delay Broadcasting Protocols for Video-onDemand”, 1999. [22] J. Shreeram (Scientific-Atlanta, Inc.), “VOD Everywhere! Considerations in Transport Methods for Scalable VOD/SVOD Deployment”. [23] J. Zhang, J. Hui, “Applying Traffic Smoothing Techniques for Quality of Service Control in VBR Video Transmissions”, 1998. [24] J. van der Merwe, S. Sen, C. Kalmanek (AT&T Labs). “Streaming Video Traffic : Characterization and Network Impact”. [25] R. Leatherbury, “Delivering Converged Services Using Dedicated IP Connection over HFC”. [26] F. Lonczewski, R. Jaeger (BetaResearch), “An extensible Set-Top-Box Architecture for Interactive and Broadcast Services offering sophisticated User Guidance”, 2000. [27] G.A. Cinque, J. E. Mul (Manticom Networks), “Impacts of Over-Provisioning in VOD Transport Networks” [28] K. Almeroth, S. Jagannathan, “Price Issues on Delivering E-Content On Demand”, 2002. [29] B. Rao, B. Angelov, “Modeling Price and Demand Sensitivity for Bandwidth-on-Demand Services”, 2005. [30] S. Jagannathan, J. Nayak, K. Almeroth, M. Hofmann, “A Model for Discovering Customer Value for E-Content”, 2003. [31] S. Carter, D. Long, J.F. Parois, “An Efficient Implementation of Interactive Video-onDemand”, 1999. [32] M. Matsumoto, T. Nishimura, “A 623-dimensionally equidistributed uniform pseudorandom number generator”, 1997. [33] M. Cronshaw, Victoria Okeson, “AT&T Special Report: VOD Traffic Engineering: Who Watches What When?”. [34] IST-Nobel: Deliverable D17, “Preliminary report on new methods for route management (intra- and inter-domain), and accurate statistical models for evaluating the impact on QoS”, annex on Traffic Measurement, Characterization and Modeling, 2005. [35] L. Trajkovic, “Modelling and Characterization of Traffic in Deployed Networks, International Workshop Nonlinear Dynamics and Complexity in Information and Communication Technology”, Bologna, Italy, 2004, p29. [36] C. Griwodz, M. Br, L. C. Wolf, “Long-term Movie Popularity Models in Video-on-Demand Systems (or The Life of an on-Demand Movie), 1997.

83

Verwijzingen naar Online Documenten [url1 ] http://business.proximus.be/nl/Mobile_Internet/MIE_Tarifs.html [url2 ] Disney - abc Television Group, “Market evolution - Evolution of Media Value Chain, http://www.ftc.gov/bcp/workshops/techade/pdfs/presentations/cheng.pdf [url3 ] http://www.telenet.be [url4 ] http://www.belgacom.be [url6 ] http://www.cs.columbia.edu/~hgs/internet/vod.html [url7 ] G. Ellis (ntl), “Deploying VOD in Europe: Challenges, Optimisations & Results”. www.scte.org.uk/members/lecture/scteautumnlecturentl.ppt [url8 ] K. Couch (Nortel), “Raising the Bar for Triple http://www.convergedigest.com/bp-ttp/bp1.asp?ID=189

Play

with

VoD”.

[url9 ] http://www.arroyo.tv/pdf/VOD_Servers.pdf [url10] Light Reading, “Who Makes What: http://www.lightreading.com/document.asp?doc_id=64982

Telco

Video”,

[url11] http://takel.jp/mt/MersenneTwister.cs [url12] http://www.telenet.be/images/Earnings_release_Q3_06_FINAL_ENG_tcm128-84949.pdf [url13] http://www.telecomweb.com/international/16631.html

84

Lijst van figuren 1.1

Verschillende prijszettingen voor Mobile Internet van Proximus . . . . . . . . . .

2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10

Nutsfunctie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Consumentensurplus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Classificatie van prijszettingen . . . . . . . . . . . . . . . . . . . . . . . . Prijszetting op basis van de gemiddelde verbuiker? . . . . . . . . . . . . Tariefberekening op basis van effective bandwith . . . . . . . . . . . . . . Arrival rate in functie van de prijs bij het specifiek VoD model uit [15] . Waardeketen van een Video on Demand . . . . . . . . . . . . . . . . . . Illustratie van het voorgestelde auction-model voor VoD. . . . . . . . . . Optimaal vs. praktisch prijszettingsmodel in 3-D model volgens [17] . . Voorspelde prestatie van de voorgestelde prijsmodellen voor VoD in het sueel model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1 3.2 3.3 3.4 4.1 4.2 4.3 4.4 4.5

4.6 4.7 4.8 5.1 5.2 5.3

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3-D vi. . . . .

Illustratie van de meest eenvoudige broadcastingtechniek : Staggered broadcasting. Introductie van schaalbare backbone van een HFC-operator: videotransport van DVB-ASI naar GigE [url9 ] Voorbeeld van een IP-gebaseerd VoD-systeem met een ADSL toegangsnetwerk (IPTV). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Overzicht van een gelaagde architectuur voor een set top box [26]. . . . . . . . . Familie van functies die de aanvaardingsfractie van de klant voorstelt bij variërende prijzen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Boomstructuur van de verschillende inputparameters van de simulatieomgeving. . Monte Carlo-simulatie ter bepaling van de programmacategorie . . . . . . . . . . Screenshot van de simulatie-GUI . . . . . . . . . . . . . . . . . . . . . . . . . . . Elke parameter van de service-omgeving of prijszetting kan in een simulatiebatch variabel ingesteld worden (discrete waarden of incrementele stappen binnen een bereik). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . De applicatie laat toe om onmiddelijk na simulatie verschillende grafieken te plotten. Deel van een rekenblad met trace (vaste prijszetting). . . . . . . . . . . . . . . . UML-klassendiagram van de applicatie . . . . . . . . . . . . . . . . . . . . . . . . Service DATA: Bestaand dataverkeer op het netwerk van de provider (relatieve eenheid) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Service VoD: Relatief aantal aanvragen per dag van de week. . . . . . . . . . . . Service VoD: Relatief aantal aanvragen per uur van de dag. . . . . . . . . . . . .

2 5 6 7 8 10 14 16 17 18 19 23 27 28 30

37 38 40 42

43 44 44 45

48 48 48

LIJST VAN FIGUREN

5.4

5.5 5.6 5.7 5.8 5.9 5.10 5.11 5.12 5.13 5.14 5.15 5.16 5.17 5.18 5.19 5.20 5.21 5.22 5.23 5.24 5.25 5.26 5.27 5.28 5.29

(a) Aandeel van aanvragen per categorie : pick of the week is de populairste categorie. (b) Aandeel van aanvragen per totale kijktijd : films vormen het grooste aandeel van de tijd, en dus van de netwerktrafiek. . . . . . . . . . . . . . . . . . . . . . . Datavolume en VoD-trafiekvolume (over 1 uur) gecumuleerd vallen op het piekuur (zaterdagavond 20u.) net binnen de capaciteit. . . . . . . . . . . . . . . . . . . . De grafiek van de netwerkbezetting (in %) op zaterdagavond. . . . . . . . . . . . Willingness to Pay curve voor het basisscenario . . . . . . . . . . . . . . . . . . . Prijsbereik en gemiddelde prijs (groen) voor gebruiksgebaseerde prijszettingen i.f.v. uur van de week . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Prijsschaling volgens uur van de dag bij het Time-of-Day model. . . . . . . . . . Penalty P (c) (schaling van de prijs t.o.v. richtprijs) in functie van het congestieniveau c, vanaf een congestiedrempel van 85, 90 en 95%. . . . . . . . . . . . . . . Case I : vergelijking van prijszettingen in het basisscenario op winst (boven) en aantal aangevraagde video’s (onder). . . . . . . . . . . . . . . . . . . . . . . . . . Case II : Stijging van het klantenbestand : effect op aantal bekeken video’s . . . Case II : Stijging van het klantenbestand : effect op winst . . . . . . . . . . . . . Vergelijking van verschillende WTP-curven : aanvaardingsfractie als functie van de prijsschaling t.o.v. de basisprijs . . . . . . . . . . . . . . . . . . . . . . . . . . Effect van de verschillende klantenmodellen met verschillende waarde voor delta op inkomsten. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Effect van de verschillende klantenmodellen met verschillende waarde voor delta op de winst. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Case IV : Optimale congestiedrempel voor verschillende congestieniveau’s bij congestiegebaseerde prijszetting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Case IV : Marginaal verlies bij stijgende congestiedrempel voor congestiegebaseerde prijszetting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Case IV : Optimale congestiedrempel voor verschillende congestieniveau’s bij auctiongebaseerde prijszetting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Case IV : Marginaal verlies bij stijgende congestiedrempel voor auctiongebaseerde prijszetting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Case IV : Totale weekwinst bij prijszetting volgens eigen model voor een stijgende penalty per extra minuut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Case IV : Prijs voor een film van lange duur (2,5 en 3u.) bij prijszetting volgens eigen model voor een stijgende penalty per extra minuut . . . . . . . . . . . . . Case IV : Gedetailleerde vergelijking van eigen en fixed bij hogere contentprijs voor langere video’s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Omgevingsparameters uit het rekenblad – Servicebundels . . . . . . . . . . . . . Omgevingsparameters uit het rekenblad – Services en Klantenmodel . . . . . . . Omgevingsparameters uit het rekenblad – Contentbibliotheek . . . . . . . . . . . Omgevingsparameters uit het rekenblad – Contentpopulariteit . . . . . . . . . . . Omgevingsparameters uit het rekenblad – Capaciteit en Kanalen . . . . . . . . . Omgevingsparameters uit het rekenblad – Aanvraagdistributie volgens uur van de week . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

85

50 51 51 52 57 58 58 59 62 63 66 67 67 69 70 71 72 72 73 74 75 75 75 75 76 76

86

Lijst van tabellen 2.1

Voorbeelden van contentgebaseerde prijzen in de VoD-markt . . . . . . . . . . . .

15

3.1

Enkele fabricanten van Video on Demand producten . . . . . . . . . . . . . . . .

31

4.1

In de simulator ge¨ımplementeerde prijszettingsmodellen. . . . . . . . . . . . . . .

35

5.1 5.2 5.3 5.4 5.5

Types content in de contentbibliotheek . . . . . . WTP-parameters voor het basisscenario . . . . . Gesimuleerde prijsformules. . . . . . . . . . . . . Drie WTP-parametersets voor het klantenmodel Drie WTP-parametersets voor het klantenmodel

49 52 56 64 65

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

. . . . .

Prijszettingsstrategieën voor aanbieders van Video on Demand services

Recommend Documents