Super DEA에 의한 광고비의 효율성 측정

한동여; 최성용

추천

검색

자료유형: 학술저널

저자정보: 한동여 최성용

저널정보: 한국기업경영학회 기업경영연구 기업경영연구 제16권 제4호

발행연도: 2009.1

수록면: 83 - 95 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 Super DEA기법에 의하여 2008년도 우리나라 식, 음료관련 기업의 광고 효율성을 측정하였다. 투입요소로는 TV광고비, 라디오광고비, 신문광고비, 잡지광고비로 하고 산출물은 매출로 하였다. 여기에서는 비효율적 DMU의 벤치마킹 대상 DMU와 과다 투입된 투입요소의 크기, 규모의 경제분석 결과 및 효율적 DMU들 간에 순위비교가 가능하도록 정보를 제공하였다. 본 연구에서는 비효율적 DMU가 효율적이 되기 위해서는 광고비를 축소해야 한다는 것을 보여주었지만, 동시에 비효율적인 DMU들은 상당수가 IRS에 있음을 확인하였다. 비효율적인 광고주가 광고비를 축소하여 효율적이 될 수도 있지만 상당수의 DMU들이 규모수익 증가에 있기 때문에 광고비를 축소하기 보다는 광고비를 증가시키거나 기존의 광고비 비율을 유지하면서 광고효율성을 제고할 수 있음을 발견하였다.

Parametric approach or non-parametric approach is used to measure the efficiency of decision making units. The two approaches have advantages and disadvantages. One disadvantage of parametric approach is to measure the efficiency by comparing a decision making unit to an average rather than comparing to best decision making units. Moreover, the parametric model has to assume about the production function, and requires the price information about inputs and outputs. Data envelopment analysis does not require the assumption about the production function and the price information. Data envelopment analysis is to measure the efficiency by comparing a decision making unit to best decision making units similar to it. Therefore, data envelopment analysis provides inefficient decision making units with benchmarking decision making units. Another advantage of data envelopment analysis is to handle for multiple outputs as well as zero output. But the data envelopment analysis model is extremely sensitive to the outliers. Data Envelopment Analysis which is non-parametric approach is a useful tool to analyze the relative efficiency of decision making units characterized by multiple inputs and multiple outputs. From the DEA results, it is impossible to differentiate their performance among the efficient decision making units. Super data envelopment analysis can provide super efficiency scores for all efficient decision making units. Therefore, we can rank the efficient decision making units. The super efficiency of decision making unit under consideration is estimated by excluding the constraints from traditional DEA model. Data envelopment analysis has been popularly used as an analytical tool in order to evaluate relative performance of decision making units. The results of Data envelopment analysis model provide decision makers with a single efficiency score, efficient frontier, return to scale, benchmarking decision making units for inefficient decision making units, etc. The purpose of this paper is to estimate advertising efficiency for the food and beverage companies in 2008 by super data envelopment analysis. Four items such as TV advertising expenditures, radio advertising expenditures, newspaper advertising expenditures, and magazine advertising expenditures are selected as inputs, and sales are treated as outputs for data envelopment analysis model. Super DEA model based on the input-output shows that 4 decision making units(DMU 2, DMU 5, DMU 6, DMU 10) are efficient out of 10 companies. The super DEA scores for DMU 2, DMU 5, and DMU 10 are 1.7073, 5.0898, 2.5814 and 1.4232 respectively. The results indicate that DMU 5(5.0898) is the most efficient. The score of 5.0898 means that DMU 5 can maintain 100% efficient even if DMU 5 increase inputs about 400%(5.0898-1). Furthermore, pure technical efficiency and scale efficiency are estimated for all DMUs. Constant return to DEA model shows that all inefficient decision making units should decrease their advertising expenditures in order to be efficient. In addition, we calculate the economies of scale such as increasing return to scale, decreasing return to scale, and constant return to scale for all decision making units from CRS DEA model. Based on the analysis of the economies of scale, this study recommends that decision making units with increasing return to scale can increase outputs by increasing advertising expenditures because decrease in advertising expenditures may not be possible due to various reasons in the real situation. Our analysis shows that 4 DMUs are under constant return to scale, 5 DMUs under increasing return to scale, and 1 DMU under decreasing return to scale, Decision making units under constant return to scale is now efficient by increasing output since the output will increase equally with the increase in advertising expenditures. 5 decision making units under increasing return to scale indicate that its efficiency can be improved by increasing advertising expenditures since sales will increase more proportionally with the increase in advertising expenditures. Decision making unit under decreasing return to scale should reduce advertising expenditures if possible since sales increase less proportionally with the increase in advertising expenditures.

#광고효율성 #기술효율성 #규모효율성 #규모수익 증가 #Super DEA #Super Data Envelopment Analysis #Advertising Efficiency #Technical Efficiency #Scale Efficiency #Increasing Return to Scale.

참고문헌 (16)

참고문헌 신청

Aaker, D. A / 1982 / Are You Over-advertising? / Journal of Advertising Research 22 (4) : 57 ~ 70

Anderson, P / 1993 / Procedure for Ranking Efficient Unit in Data Envelopment Analysis / Management Science 154 : 1261 ~ 1274

Banker, R. D / 1984 / Models for the Estimation of Technical and Scale Efficiencies in Data Envelopment Analysis / Management Science 30 : 1078 ~ 1092

Buschken, J / 2007 / Determinants of Brand Advertising Efficiency-Evidence from the German Car Market / Journal of Advertising 36 (3) : 51 ~ 73

Chandra, P / 1998 / Using DEA to Evaluate 29 Canadian Textile Companies-Considering Return Scale / International Journal of Production Economics 54 : 129 ~ 141

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

한동여

소속기관 한국기업경영학회

주요연구분야 사회과학 > 경영학

논문수 4 이용수 59

최준원

소속기관 상명대학교

주요연구분야 사회과학 > 경영학

논문수 15 이용수 315

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (16)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)