Дипломная работа: Интернет-пиратство видео-контента в России

Глава 3. Оценка предпочтений российского зрителя

3.1 Анализ дескриптивной статистики

Первоначальная выборка была собрана опросом и состояла из 307 респондентов. Исключив все неточные ответы, были оставлены 233 респондента. Данные были выгружены из Google forms, при помощи которых были собраны ответы. Файл был выгружен в Excel, где проводилась первичная обработка данных и анализ дескриптивных статистик.

Далее, данные были импортированы в Stata11, где проведена основная часть исследования.

Анкета состоит из 19 вопросов (в приложении 2), в которых исследовались три направления вопросов - современные, демографические и личностные. Рассмотрим основные параметры выборки после первоначальной обработки результатов и исключения всех неправильных ответов.

Рис. 8. Источник: Расчеты автора

Как видно, большинство респондентов потребляют интернет контент по смартфону и ноутбукам/компьютерам, когда совсем небольшая часть предпочитает смотреть его через ТВ (приложение). Связана это с низким распространением ТВ приставок и недостаточной развитостью этой технологии.

Рис. 9. Источник: Расчеты автора

Из представленного графика видно, что явных противников пиратства среди респондентов крайне мало, когда ярых пираты представляют почти половину всей выборки. Основная причина такого распределения может вытекать из-за сохранившихся пережитков общества СССР, когда сохранилось определенный формат отношений к интеллектуальной собственности.

Рис. 10. Источник: Расчеты автора

Подавляющее большинство респондентов оказались представительницами женского пола. Объяснить этот факто можно тем, что именно женщины проявляют большую активность в социальных сетях, где и проводилось исследование. Такое соотношение могло сказаться и на итоговых результатах, сделав переменную gender незначимой.

Рис. 11. Источник: Расчеты автора

Интересным представляется данный график. Больше половины выборки считают, что за потребление нелегального контента возможны санкции, хотя законодательно смотреть нелегальный контент не запрещено. К моту же, пока не было ни одного примера, когда санкции получили потребители контента.

Рис. 12. Источник: Расчеты автора

С учетом того, что в почти России не было примеров и наказаний за незаконное распространение контента, которое уже запрещено законом, данные говорят о недостаточной информированности населения.

Большинство респондентов в выборке проживает с родителями, когда другие группы разделились примерно поровну.

3.2 Возможные стратегии государства и фирм на основе данных результатов

Полученные результаты позволяют предоставить несколько полезных советов рынку с возможными направления бедующих политик - на что стоит сделать акцент, чтобы уменьшить объемы нелегального потребления пиратства.

1) Незначимость AvP говорит о низкой эффективности стратегии блокировки нелегальных ресурсов. С учетом того, что на это тратится большое количество ресурсов, как частных, так и государственных, данная стратегия может приносить больше потерь, чем выгод, поскольку пользователи не снижают свое потребление от того, что не находят конкретный фильм в интернете.

2) Значимость T говорит о том, что нужно уменьшать время поиска и доступности контента на легальных ресурсах. Чем удобней и понятней будут эти сервисы, тем более вероятно переключение пользователей на легальный контент.

3) Более высокое потребление нелегального контента среди тех, кто проживает с партнером, родителями и детьми, говорит о необходимости повышения знания среди данной аудитории о наличие семейных подписок, их преимуществ, а также необходимость разработки специальной подписки для семей с детьми.

4) Так как отношение к пиратству влияет на объемы потребления нелегального видео контента в интернете, стоит проводить образовательную, а не законодательную политику. Первая оказывает реальное влияние на снижение объемов потребления контента, когда влияние второй уже не значимо.

Заключение

Цель данного исследования заключалась в том, чтобы выявить основные факторы, влияющие на объемы потребления нелегального видео контента в интернете пользователя и на основе полученных данных и результатов предоставить рынку (государству и частным фирмам) рекомендации по повышению эффективности политических акций и маркетинговых компаний.

В работе оценивалось влияние трех различных групп факторов (демографические, современный и личностные) на объемы потребления нелегального видео контента в интернете. В итоге была получена адекватная и значимая модель линейной регрессии для оценки объемов потребления нелегального контента.

В процессе выполнения задач, поставленных в начале работы, были получены следующие результаты, которые позволяют сделать вывод о достижении поставленной ранее цели:

1) Протестированы гипотезы о влиянии различных групп параметров на объемы потребления нелегального видео контента в интернете. Получены следующие результаты:

Таблица 13

Выводы

2) Выявлены основные факторы, влияющие на предпочтения по потреблению нелегального контента среди пользователей интернета. Определены различия в рамках российского и европейского общества.

3) Представлены и обоснованы рекомендации рынку по изменению отношения пользователей и смены их формата поведения, а также даны обоснования различным заинтересованным лицам - государств и частным компаниям.

Список использованной литературы

1. Цыкина Е.В. Электронное пиратство и современная книгоиздательская система России // Библиосфера. - 2016. - №2. - С. 83-90

2. Чевтаева Л.Н. И-пиратство: вчера и сегодня // Вестник СГТУ. - 2013. - №4. - С.285-289

3. Межправительственный комитет по авторскому праву, 13-ая сессия Всемирной конвенции, 2005 г.

4. Al-Rafee, S., & Cronan, T. P. (2006). Digital piracy: Factors that influence attitude toward behavior. Journal of Business Ethics, 63(3), 237-259.

5. Ang, S.H., Cheng, P.S., Lim, E.A.C., & Tambyah, S.K. (2001). Spot the difference: Consumer responses towards counterfeits. Journal of Consumer Marketing, 18(3), 219-235.

6. 28. Arthur S. De Vany, W. David. (2007). Estimating the Effects of Movie Piracy on Box-office Revenue. Rev Ind Oigan, 30, 291-301

7. Bonner, S., & O'Higgins, E. (2010). Music piracy: Ethical perspectives.

a. Management Decision, 48(9), 1341-1354.

8. Coyle, J.R., Gould, S.J., Gupta, P., & Gupta, R. (2009). «To buy or to pirate»: The matrix of music consumers' acquisition-mode decision-making. Journal of Business Research, 62(10), 1031-1037.

9. Cronan, T.P., & Al-Rafee, S. (2007). Factors that influence the intention to pirate software and media. Journal of Business Ethics, 78(4), 527-545.

10. Chiang, E., & Assane, D. (2002). Software copyright infringement among college students. Applied Economics, 34(2), 157-166.

11. Charlotte Emily De Corte1, Patrick Van Kenhove. (2017). One Sail Fits All? A Psychographic Segmentation of Digital Pirates. J Bus Ethics, 143:441-465

12. Chechen Liao, Hong-Nan Lin, Yu-Ping Liu. (2009). Predicting the Use of Pirated Software: A Contingency Model Integrating Perceived Risk with the Theory of Planned Behavior. Journal of Business Ethics, 91, 237-252.

13. D. de Freitas, `Piracy of Intellectual Property and the Measures Needed to Counter It' - UNESCO Copyright Bulletin, Vol. XXVI, part 3 (Paris, 1992), p. 7. (Межправительственный комитет по авторскому праву, 10-я сессия, 1995 г.)

14. Gopal, R.D., & Sanders, L.G. (1997). Preventive and deterrent controls for software piracy. Journal of Management Information Systems, 13(4), 29-47.

15. Gopal, R.D., Sanders, L.G., Bhattacharjee, S., Agrawal, M., & Wagner, S.C. (2004). A behavioral model of digital music piracy. Journal of Organizational Computing and Electronic Commerce, 14(2), 89-105.

16. Hinduja, S., & Higgins, G.E. (2011). Trends and patterns among music pirates. Deviant Behavior, 32(7), 563-588.

17. Holt, T.J., & Copes, H. (2010). Transferring subcultural knowledge on-line: Practices and beliefs of persistent digital pirates. Deviant Behavior, 31(7), 625-654.

18. Jacobs, R.S., Heuvelman, A., Tan, M., & Peters, O. (2012). Digital movie piracy: A perspective on downloading behavior through social cognitive theory. Computers in Human Behavior, 28(3), 958-967.

19. International intellectual property alliance. 2015. Special 301 report. Russia.

20. Kwong, T., & Lee, M. (2002). Behavioral intention model for the exchange mode internet music piracy. Paper presented at the Proceedings of the 35th annual Hawaii international conference on system sciences (HICSS'02) (Vol. 7).

21. Liao, C., Lin, H.-N., & Liu, Y.-P. (2009). Predicting the use of pirated software: A contingency model integrating perceived risk with the theory of planned behavior. Journal of Business Ethics, 91(2), 237-252.

22. Moores, T.T., & Chang, J.C.-J. (2006). Ethical decision making in software piracy: Initial development and test of a four component model. MIS Quarterly, 30(1), 167-180.

23. Peace, A.G., Galletta, D.F., & Thong, J.Y.L. (2003). Software piracy in the workplace: A model and empirical test. Journal of Management Information Systems, 20(1), 153-177.

24. Robertson, K., McNeill, L., Green, J., & Roberts, C. (2011). Illegal downloading, ethical concern, and illegal behavior. Journal of Business Ethics, 108(2), 215-227.

25. Shang, R.-A., Chen, Y.-C., & Chen, P.-C. (2007). Ethical decisions about sharing music files in the P2P environment. Journal of Business Ethics, 80(2), 349-365.

26. Study on estimating displacement rates of copyrighted content in the EU. 2017. Ecorys

27. Tylor Orme. (2014). The Short- and Long-Term Effectiveness of Anti-Piracy Laws and Enforcement Actions. Journal of Cultural Economics, 38, Issue 4, 351-368

28. Wagner, S.C., & Sanders, L.G. (2001). Considerations in ethical decision-making and software piracy. Journal of Business Ethics, 29(1-2), 161-167.

29. «Кодексе Российской Федерации об административных правонарушениях», доступ (на 10 января 2019 года):

Приложение 1

Выбор спецификации модели

Для выбора спецификации модели мы провели Тест Бера и МакАлера, который предназначен для выбора между полулогарифмической и линейной моделями.

Шаг 1. Найдем оцененные значения зависимой переменной в каждой из этих моделей ().

Шаг 2. Оценим вспомогательные регрессию

Шаг 3. Оценим модели

И протестируем значимость коэффициентов с помощью традиционных t-тестов. Если коэффициент незначим, то выбирается полулогарифмическая модель. Если коэффициент незначим, то выбирается линейная модель. В случае если оба коэффициента одновременно значимы или незначимы, мы не можем выбрать одну из моделей.

Тест Бера и МакАлера в Stata

Шаг 1. Сначала оценим полулогарифмическую модель с помощью команды:

reg lnY AvP i.Scr i.Int T legal2 i.Ethic age gender i.inc i.Ed i.Fam

и сохраним предсказанные значения зависимой переменной с помощью команды:

predict semiln_y_hat.

Аналогично оценим линейную модель с помощью команды:

reg Y AvP i.Scr i.Int T legal2 i.Ethic age gender i.inc i.Ed i.Fam

Сохранить предсказанные значения зависимой переменной можно с помощью команды:

predict y_hat

Шаг 2. Оценим дополнительные модели

1) gen y1= exp(semiln_y_hat)

reg y1 AvP i.Scr i.Int T legal2 i.Ethic age gender i.inc i.Ed i.Fam

Сохраним остатки регрессии с помощью команды

predict res1, resid

2) gen y2= ln(y_hat)

reg y2 AvP i.Scr i.Int T legal2 i.Ethic age gender i.inc i.Ed i.Fam

Сохраним остатки регрессии с помощью команды

predict res2, resid

Шаг 3. Оценим еще 2 дополнительные модели.

reg lnY AvP i.Scr i.Int T legal2 i.Ethic age gender i.inc i.Ed i.Fam res1

reg Y AvP i.Scr i.Int T legal2 i.Ethic age gender i.inc i.Ed i.Fam res2

Если:

1) оба коэффициента при res1 и res2 незначимы или оба значимы, то выбрать посредством теста Бера и МакАлера невозможно

2) если незначим только коэффициент при res1, то лучше полулогарифмическая модель,

3) если незначим только коэффициент при res2, то лучше линейная модель.

На 5% уровне значимости коэффициент res2 оказался значимым, а значит мы можем выбрать лучшую модель при помощи этого теста. Итоговый выбор - полулогарифмическая модель.

Приложение 2

Анкета

1. Сколько фильмов/сериалов вы посмотрели (скачали) в интернете за последний месяц? Укажите цифру: (Пример: вы посмотрели один фильм и 3 серии одного сериала, тогда в ответе укажите цифру 2. 2 фильма и 3 серии - цифра 3)

Укажите значение

2. Сколько из этих фильмов/сериалов вы скачали при помощи торрента или посмотрели на пиратских ресурсах (Пиратским ресурсом считайте все сайты, где при просмотре фильма/сериала вы встречали рекламу казино/букмекерских контор, любое скачивание торрентом тоже считается пиратством) (Пример: вы посмотрели 1 фильм легально на ivi.ru, а 3 серии нелегально на пиратском сайте - тогда укажите 1, все легально - укажите 0)