Читать книгу "Управление отделом продаж - Константин Петров"

• Его проведение связано с большими расходами; оно больше подходит для тестирования скорее потребительских, чем промышленных товаров.

• Проведение рыночного теста может занять много времени.

• Когда какой-нибудь товар тестируется на рынке, ему уделяется значительно больше внимания, чем он сможет впоследствии получить при «естественной» продаже, что создает искаженное представление о его потенциале.

• Рыночный тест «раскрывает карты» конкурентам, у них появляется время на то, чтобы сформулировать собственное предложение еще до того, как тестируемая продукция появится на рынке в полном объеме.

Тем не менее несмотря на свои минусы рыночное тестирование служит весьма эффективным методом прогнозирования продаж. Однако применять его следует использовать лишь после того, как руководство компании тщательно взвесит все его достоинства и недостатки.

Анализ временных рядов

Прогнозирование продаж с использованием анализа временных рядов базируется на анализе данных за прошедшие периоды. В простейшем случае прогноз предполагает, что объем сбыта в следующем году будет равен объему сбыта в текущем году. Такой прогноз может оказаться достаточно точным для зрелой отрасли, характеризующейся незначительными темпами роста рынка. В других обстоятельствах необходимо использовать более сложные методы анализа временных рядов. Здесь мы рассмотрим следующие методы:

• скользящего среднего;

• экспоненциального сглаживания;

• декомпозиции.

Метод скользящего среднего

Метод скользящего среднего достаточно прост. Рассмотрим прогноз, который сводится к тому, что объем сбыта в следующем году будет равен объему продаж в году текущем. При значительных колебаниях объемах продаж из года в год такой прогноз чреват негативными последствиями. Чтобы учесть все нюансы, можно рассчитать среднее значение нескольких показателей объемов продаж за определенные периоды времени, например произвести усреднение объемов продаж за два, три, пять последних лет или за другое количество удобных для расчетов периодов. При таком подходе прогноз продаж оказывается обычным средним значением объемов сбыта. Количество показателей, используемых в вычислении, определяется экспериментальным путем. В конечном итоге число периодов, которое обеспечит наиболее точные прогнозы подающихся проверке данных, будет использоваться для разработки модели прогноза. Термин «скользящее среднее» используется потому, что вычисленное новое среднее значение служит прогнозом на каждом этапе наблюдения при появлении новых данных.

Пример использования метода скользящего среднего при помощи MS Excel вы найдете на веб-странице книги по адресу http://www.williamspublishing.com/Books/978-5-8459-1687-7.html.

Метод экспоненциального сглаживания

При прогнозировании следующего значения метод скользящего среднего придает равный вес каждому из последних значений n, где n – количество используемых лет. Таким образом, когда n = 4 (т. е. используется четырехгодичное скользящее среднее), при прогнозировании объема сбыта на следующий год одинаковый вес назначается объемам сбыта за каждый год из последних четырех лет.

Метод экспоненциального сглаживания – это разновидность метода скользящего среднего. Его отличие в том, что наибольшие весовые коэффициенты назначаются не всем наблюдениям, а самым последним, поскольку они несут в себе больше информации о вероятном развитии событий в ближайшем будущем.

Эффективность метода экспоненциального сглаживания во многом зависит от выбора так называемой константы сглаживания, которая в алгоритме вычисления обозначается как α и находится в диапазоне от 0 до 1. Высокие значения α придают больше веса последним наблюдениям и меньше – более ранним. Если объемы продаж с течением времени изменяются незначительно, то целесообразно использовать низкие значения α. Однако когда объемы сбыта колеблются в широком диапазоне, следует использовать высокие значения α, в результате чего прогнозируемый ряд будет отражать эти изменения. Обычно значение α определяется эмпирическим путем, т. е. проверяются разные значения α и в итоге принимается то, которое обеспечивает наименьшую погрешность прогноза для определенного количества наблюдений за предыдущие периоды времени.

Пример использования метода экспоненциального сглаживания при помощи MS Excel вы найдете на веб-странице книги по адресу http://www.williamspublishing.com/Books/978-5-8459-1687-7.html.

Метод декомпозиции

В случае необходимости анализа данных за более короткие периоды времени, например месяц или квартал, при наличии сезонных колебаний продаж, когда руководство хочет получить прогнозы продаж не только на год, но и на отдельные его периоды, используется метод прогнозирования продаж, называемый декомпозицией. Здесь важно определить, какая доля изменения объемов продаж обусловлена тенденциями на рынке, а какая объясняется сезонностью спроса. Суть метода декомпозиции заключается в выявлении четырех составляющих временного ряда:

• тренд;

• циклический фактор;

• сезонный фактор;

• случайный фактор.

Тренд отражает долгосрочные изменения, которые наблюдаются во временном ряде, когда циклический, сезонный и нерегулярные компоненты исключены. Обычно предполагается, что тренд можно представить в виде прямой линии.

Циклический фактор присутствует не всегда, поскольку отражает подъемы и спады («волны») во временном ряде, когда сезонный и случайный компоненты исключены. Циклические подъемы и спады, как правило, проявляются на протяжении достаточно длительного периода времени – примерно от двух до пяти лет. Для некоторых товаров (например, для консервированной кукурузы) отмечаются незначительные циклические колебания, в то время как продажи других (например, строительство жилья) претерпевают весьма существенные изменения.

Сезонность отражает ежегодные колебания во временном ряде, вызванные естественной сменой сезонов. Сезонный фактор, как правило, проявляется ежегодно, хотя точная картина продаж с каждым годом может меняться.

Случайный фактор отражает воздействие, которое может наблюдаться после исключения влияния тренда, циклического и сезонного факторов.

Пример использования метода декомпозиции при помощи MS Excel вы найдете на веб-странице книги по адресу http://www.williamspublishing.com/Books/978-5-8459-1687-7.html.