营销投入与产品创新扩散研究——以我国医药上市公司为例

徐洪波，钱晓燕

(南京工业职业技术大学，江苏 南京 210023)

1 引言

我国政府严格规范处方和OTC药品的营销活动，处方药市场主要涉及直接面向医生的营销手段，而OTC市场主要涉及直接面向消费者的营销活动。在非处方药(OTC)市场，患者既是决策者又是付款人。然而，在处方药市场，决策者是医生而不是患者。由于信息不对称，医药市场中的医生作为药品的决策者获得的专业信息远远比作为患者的使用者多。处方市场中的医生通常会对药品决策产生积极而显著的影响，OTC市场则没有这种强社会网络。由于不同群体之间的扩散速度不同，医药制造商将药品引入消费者市场，需要考虑特定市场中潜在的社会网络结构是否影响药品的销售增长。尽管营销活动对药品销售具有重大影响，但很少有研究探讨两者之间的定量关系以及在不同细分市场的差异性。

现实的药品采用会受到市场中不同营销策略的影响。因此，营销投入作为传统的经济变量，已被确定为促进药品销售增长的有效渠道。营销投入既反映了不同市场的营销决策，也反映了政府营销监管的影响。很少有研究将Bass模型应用于我国医药市场，本文创新性地将营销变量引入到Bass模型来解释中国医药上市公司营销投入的销售增长效应，选取89家医药上市公司的相关数据进行估计检验，将处方和OTC市场进行对比实证分析。结果发现，累积营销投入与销售收入之间存在非线性关系，这表明营销有效性仅存在于相对低的营销投入水平中；处方药市场的创新效应和模仿效应都强于OTC市场，因此，处方药市场中的药品扩散效应大于OTC市场。

2 理论回顾与研究假设

2.1 营销投入的销售增长效应与研究假设

医药公司的获利能力取决于其药品被采用的程度，而营销会对药品的扩散产生显著的影响。对于药品制造商而言，衡量营销活动的效果至关重要。有研究发现营销活动会对公司的未来收益产生正面的影响[1]，也有研究表明营销活动对公司的当期或未来的收益不会产生积极影响，甚至会产生负面影响[2]。营销活动具有边际报酬递减效应，通常在营销投入规模跨越一定门限值后出现，门限值会随着市场结构的不同有差异。Martin(2018)[3]等表明研发和广告支出对药品销售量的影响并不都是正向的。赵保国和阙人超(2016)[4]利用门限回归发现不同类型的公司具有不同的最佳广告投入强度区间。由于市场饱和度的不断增大，所带来的负面效应会抵消营销投入不断增加带来的正面效应。所以，营销活动带来的正面效应会随着市场饱和度的不断增加而逐渐缩小。与之相对，观测到负面效应选取的数据很可能处于市场饱和度的不断增大所带来的负面影响效应较大的阶段。因此，处方药市场的营销有效性可能与OTC市场的营销有效性不同。本文提出如下假设。

H1a：处方药市场的累计营销投入对销售增长的积极影响正在减小；

H1b：OTC市场的累计营销投入对销售增长的积极影响正在减小。

2.2 药品扩散与研究假设

营销不仅涉及商业行为，还涉及基于社会结构的人际交往行为。产品在不同社会系统中的传播过程通常是不同的，有必要对不同的市场结构进行检验[5]。Gagliardi(2018)[6]等探索了一种特定药物的扩散过程，发现扩散过程在所涉利益相关者之间呈现出复杂的相互作用。我国医药市场的营销活动具有鲜明的特征：在处方药市场上，药品的购买决策来自开具处方单的医生，而OTC市场可以对大众直接宣传，其消费者就是直接决策者，药品的社会传播效应更加显著。在处方药市场，创新系数可能与投标、学术推广有关，模仿系数则可能与医生的沟通有关；在OTC市场，创新系数可能和面向消费者的大众媒体有关，模仿系数可能和消费者的内部交流有关。根据巴斯扩散模型，创新者独立于社会系统中其他人的决定，而模仿者则受社会系统压力的影响。行为效应不同意味着两个市场的创新系数p和模仿系数q会有所不同。因此，本文提出如下假设。

H2a：处方药市场的创新系数p小于OTC市场的创新系数p；

H2b：处方药市场的模仿系数q大于OTC市场的模仿系数q。

3 研究设计

3.1 研究模型

本文考虑了营销投入的动态经济学分析，采用GBM离散形式模型。Bass模型假设现阶段的产品需求一般取决于通过产品的累积销售而达到社会传播的过程，这与医药市场的传播过程具有相似性。有学者认为该模型是不完整的，没有把传统的经济变量(比如营销、价格、质量等)考虑进去。Bass(1994)[7]等提出GBM模型，用于使用离散时间序列数据进行参数估计：

N(t)=m×(1-e-(p+q)(X(t)-X(o))T)/(1+

(q/p)e-(p+q)(X(t)-X(o))T)

(1)

n(t)=m×x(t)((p+q)2/p)e-(p+q)(X(t)-X(o))/

(1+(q/p)e-(p+q)(X(t)-X(o)))2

(2)

其中，F(t)代表采用者的累积分布函数，f(t)是时间t的密度函数；N(t)代表累计销售额，n(t)表示在时间t的销售额；m、p和q分别代表采用上限(市场潜力)、创新系数和模仿系数；x(t)表示当前市场的营销投入，其中包含市场营销组合信息，而X(t)是时间t的累积市场营销投入。

3.2 样本数据

中国财政部发布的企业会计准则自2007年1月1日起实施。此外，自2018年起，中国医药上市公司开始推行两票制，对整个医药市场来说是一场重大的体制变革。因此，本文数据跨度为2007—2017年的11个财政年度，均来源于CSMAR数据库。本文选取我国医药制造业212家上市公司的相关数据作为初始样本，剔除被ST以及缺失数据的公司，共得到89家公司的面板数据。根据CSMAR数据库披露的公司业务范围，选择了58家处方药上市公司和31家OTC上市公司。营销投入既反映了医药上市的营销策略，也反映了政府的营销监管。

4 实证分析

4.1 门限效应检验

本研究将累积营销投入视为门限指标，对处方药和OTC市场进行门限检验估计，其中，单门槛具有统计学意义(p<0.05)。如表1所示，表明GBM可以很好地描述营销对处方药市场和OTC市场的销售增长。但处方药市场(p=0.00)的参数估计结果比OTC市场(p=0.04)的乐观。滞后的营销投入的估计系数确实有下降的趋势(从0.9084到0.2794)，但双门限或三门限检验没有统计学意义。笔者证明GBM在解释中国医药市场的动态销售增长方面表现出色，累积营销投入与销售收入之间存在非线性关系：当处方药和OTC市场的营销水平提高时，营销投入对销售的积极影响逐渐减少，H1a和H1b成立。本文结果验证了门限值的存在，规模效应不断减弱，这表明营销有效性仅存在于相对低的营销投入水平中。

表1 门限效应检验结果

4.2 扩散效应检验

所有估计模型具有统计学意义(p=0)，也表明了GBM可以有效地描述营销对销售增长的影响。处方药市场具有固定效应和双向效应，可能有时间效应(p=0.0542)；OTC市场具有固定效应，且没有显著的时间效应(p=0.1211)，因此，处方药市场的参数估计结果比OTC市场的参数估计结果更为乐观。四个估计系数在5%的水平上具有统计学意义，通过求解非线性方程对GBM的四个基本参数(p、q、m和φ)进行最小二乘估计。如表2所示，处方药市场的创新系数(0.0133)大于OTC市场的创新系数(0.0076)；处方药市场的模仿系数(0.2639)大于OTC市场的模仿系数(0.1448)，H2b成立，但H2a不成立。创新和模仿系数意味着不同行为的表现效应，模仿效应作为一种内部刺激，被称为“口碑效应”，创新效应作为外部刺激，也称为“媒体效应”。与OTC市场相比，处方药市场的人际交流和大众传媒的影响效应都更强，说明该细分市场的药品扩散速度更快。

表2 基本参数的估计结果

5 研究结论

本文将GBM模型应用到我国医药市场，对处方和OTC市场的营销投入对销售的影响进行实证分析，揭示了不同市场结构的药品扩散过程。在处方和OTC市场上，营销投入的销售增长效应遵循收益递减规律，呈现非线性的关系。两个细分市场在药品扩散方面表现出异质性：处方药市场的创新和模仿效应都大于OTC市场。另外，两个细分市场的模仿效应都大于创新效应暗示了人际关系(口碑或内部沟通)的影响要强于外部沟通(大众媒体)的影响。本文证实了GBM在不同市场结构中的药品扩散研究中的价值，表明中国医药市场的药品扩散过程存在多样性。大众媒体可以为医药市场上的消费者提供药品信息，但人际传播在改变目标消费者的态度和行为方面更强大。外部交流的影响相对较弱，营销鼓励对医生(决策者)比对患者(消费者)更有效率。本文主要有以下贡献：一是通过比较处方药市场和OTC市场的药物扩散过程，为不同市场的产品扩散理论做出贡献，丰富了相关文献；二是揭示了药品市场由于政府干预，药物扩散体现出的独特的扩散规律，为包含营销变量的产品扩散研究提供了一些现实证据。尽管该研究为药品扩散提供了一些新的见解，但作为探索性研究，仍有一些局限性，还有其他驱动因素影响销售增长效应和药品扩散过程，包括专利法、价格监管制度和经济发展水平。因此，未来的一个研究方向可以是探讨多种因素如何影响两个市场领域的销售增长及药品扩散。