3. MULTINATIONAL DIFFUSIONThe liter

3. MULTINATIONAL DIFFUSION
The literature on cross-national diffusion models is gaining increased importance today due to the needs of present day managers. New product sales growth in a given nation or society is affected by many factors (Rogers 1995), and of these, sociocontagion (or word of mouth) has been found to be the most important factor that characterizes the diffusion process (Bass 1969, Moore 1995). Hence, it is interesting and perhaps challenging to analyze what would happen if a new product diffuses in parallel in two neighboring but culturally different countries. Not only will we expect the diffusion process in the two countries to be different, but we will also expect some interaction among them, especially if the two societies mingle with each other. There are two streams of research in cross-national diffusion. The first type focuses on exploring the differences between diffusion processes in two countries and finding out whether those differences can be attributed to social and cultural differences between the countries involved. Examples of this type of research are found in Takada and Jain (1991), Gatignon et al. (1989), Helsen et al. (1993), and Kumar et al. (1998). These studies did find some relationship between the cultural differences of the countries studied and the differences in the diffusion process. The second stream of research focuses on modeling explicitly the interaction between the diffusion processes in two countries. The interaction is typically captured through lead-lag effect (Eliashberg and Helsen 1996, Kalish et al. 1995), where the sales process in the lead country (i.e., the country where the product was first introduced) is modeled to affect the sales process in the lag country (i.e., the country where the product was introduced a few years later).
Another method to study the interaction among the diffusion processes in two countries was suggested by Putsis et al. (1997), who used a “mixing model” to empirically explore the existence of such interactions. These studies basically observed that, when a new product is introduced early in one country and with a time lag in subsequent countries, the consumers in the lag countries learn about the product from the lead country adopters, resulting in a faster diffusion rate in the lag countries. Ganesh and Kumar (1996) formulized this effect as the learning effect and, subsequently, Ganesh et al. (1997) found this learning effect to be influenced by country-specific factors (cultural similarity, economic similarity, and time lag elapsed between the lead and the lag countries) and product-specific factors (continuous vs. discontinuous innovation and the presence or absence of a standardized technology). A careful analysis of the extant literature on the second stream of research would reveal that neither the learning effect model nor the mixing model can be modified to accommodate the other model. Our contribution to the literature exactly addresses this point.
In this paper, an alternative framework is proposed that has two unique features. First, the framework is flexible enough to not only account for the lead country affecting the lag countries and vice versa, but also to accommodate the simultaneous interaction among countries in explaining the diffusion processes in the countries concerned. Using multiple product categories and a variety of new product introduction situations, we empirically demonstrate the flexibility and efficiency of our proposed framework. We found strong evidence of all types of interactions, namely, lead lag, lag lead, and simultaneous, which evidence suggests that one cannot afford to omit any of the interactions. The second unique feature of our paper is the estimation procedure that we used. Because statistical estimation of a dynamic process that includes lead-lag, lag-lead, and simultaneous types of causality within a single framework is not straightforward, we suggest an iterative estimation procedure for the estimation. This new procedure not only proved to be flexible in accommodating different types of interaction, but also converged rather quickly in all of the cases that we empirically tested. Noting that the statistical properties of these estimators are not generally available, we carried out a simulation exercise that clearly revealed the efficiency of the proposed estimation procedure. After analyzing the interaction, we went further and showed that the magnitude of the cross-national influences is affected by certain country-specific and product-specific factors. The flexibility of the proposed method over the existing methods is demonstrated through obtaining superior forecasts with the proposed method. Several interesting insights for managers concerned with formulating international marketing strategies are offered.

Hasil (Bahasa Indonesia) 1:

3. MULTINASIONAL DIFUSILiteratur tentang difusi lintas model adalah mendapatkan peningkatan penting hari ini karena kebutuhan sekarang manajer. Pertumbuhan penjualan produk baru di negara tertentu atau masyarakat dipengaruhi oleh banyak faktor (Rogers 1995), dan ini, sociocontagion (atau dari mulut ke mulut) telah ditemukan untuk menjadi faktor yang paling penting yang mencirikan proses difusi (Bass 1969, Moore 1995). Oleh karena itu, sangat menarik dan mungkin menantang untuk menganalisis apa yang akan terjadi jika produk baru berdifusi secara paralel di dua tetangga tetapi budaya berbagai negara. Bukan hanya akan kita mengharapkan proses difusi di kedua negara berbeda, tapi kami juga akan mengharapkan beberapa interaksi di antara mereka, terutama jika dua masyarakat berbaur satu sama lain. Ada dua aliran penelitian di lintas difusi. Tipe pertama berfokus pada menjelajahi perbedaan antara proses difusi di kedua negara dan mencari tahu apakah perbedaan tersebut dapat dikaitkan dengan sosial dan budaya perbedaan antara negara-negara yang terlibat. Contoh dari jenis penelitian ditemukan di Takada dan Jain (1991), Gatignon et al. (1989), Helsen et al. (1993), dan Kumar et al. (1998). Studi ini menemukan beberapa hubungan antara perbedaan budaya negara yang diteliti dan perbedaan dalam proses difusi. Aliran kedua penelitian berfokus pada pemodelan secara eksplisit interaksi antara proses difusi di dua negara. Interaksi biasanya ditangkap melalui memimpin-lag efek (Eliashberg dan Helsen tahun 1996, Kalish et al. 1995), dimana proses penjualan di memimpin negara (yaitu, negara mana produk pertama kali diperkenalkan) adalah model untuk mempengaruhi proses penjualan di negara lag (yaitu, negara yang mana produk ini diperkenalkan beberapa tahun kemudian).Metode lain untuk studi interaksi antara proses difusi di dua negara disarankan oleh Putsis et al. (1997), yang dulu "model pencampuran" secara empiris mengeksplorasi adanya interaksi tersebut. Studi ini pada dasarnya mengamati bahwa, ketika produk baru diperkenalkan awal di satu negara dan dengan tenggang waktu di negara-negara berikutnya, konsumen di negara-negara lag belajar tentang produk dari pengadopsi negara memimpin, mengakibatkan tingkat difusi yang lebih cepat di negara-negara lag. Ganesh dan Kumar (1996) formulized efek ini sebagai efek belajar dan, kemudian, Ganesh et al. (1997) menemukan ini mempelajari efek dipengaruhi oleh faktor-faktor khusus negara (kesamaan kebudayaan, ekonomi kesamaan dan tenggang waktu berlalu antara memimpin dan negara-negara lag) dan faktor-faktor khusus produk (terus menerus vs terputus inovasi dan ada atau tidaknya teknologi standar). Analisis literatur wujud pada aliran kedua penelitian akan mengungkapkan bahwa belajar tidak efek model atau model pencampuran dapat dimodifikasi untuk mengakomodasi model lain. Kontribusi kami untuk literatur tepat alamat saat ini.Dalam tulisan ini, kerangka alternatif yang diusulkan yang memiliki dua fitur yang unik. Pertama, kerangka kerja cukup fleksibel untuk akun tidak hanya untuk memimpin negara mempengaruhi negara-negara lag dan sebaliknya, tetapi juga untuk mengakomodasi simultan interaksi antara negara-negara dalam menjelaskan proses difusi di negara bersangkutan. Menggunakan beberapa produk kategori dan berbagai situasi pengenalan produk baru, kita secara empiris menunjukkan fleksibilitas dan efisiensi kami kerangka yang diusulkan. Kami menemukan bukti kuat dari semua jenis interaksi, yaitu, memimpin lag, lag memimpin, dan simultan, bukti yang menunjukkan bahwa salah satu tidak mampu untuk menghilangkan salah satu interaksi. Fitur unik kedua kertas kami adalah prosedur estimasi yang kami gunakan. Karena estimasi statistik dari proses yang dinamis yang mencakup memimpin-lag, lag-memimpin dan simultan jenis kausalitas dalam satu kerangka tidak langsung, kami sarankan prosedur iteratif estimasi perkiraan. Prosedur baru ini tidak hanya terbukti menjadi fleksibel dalam menampung berbagai jenis interaksi, tetapi juga agak cepat berkumpul dalam semua kasus yang kita secara empiris diuji. Mencatat bahwa sifat-sifat statistik dari penduga ini tidak tersedia secara umum, kami dilakukan latihan simulasi yang jelas dinyatakan efisiensi prosedur estimasi yang diusulkan. Setelah menganalisis interaksi, kami berlanjut dan menunjukkan bahwa besarnya pengaruh lintas dipengaruhi oleh faktor-faktor tertentu negara tertentu dan khusus produk. Fleksibilitas metoda yang diusulkan atas metode yang ada ini ditunjukkan melalui mendapatkan perkiraan unggul dengan metoda yang diusulkan. Beberapa wawasan yang menarik untuk manajer prihatin dengan merumuskan strategi pemasaran internasional ditawarkan.