Анализ в системе маркетинга

3.4 Применение методов  маркетингового анализа для прогнозирования  рыночных тенденций

Рассмотрим пример использования комплексного маркетингового анализа при решении задачи прогнозирования  объема продаж товаров (услуг) конкретной организации для планирования объема закупок и оценки риска принятия решения. При этом на рынке нет  организаций-монополистов, поведение  которых диктовало бы рыночную ситуацию - на рынке присутствует много мелких и средних организаций.

Этап I. Отбор факторов, влияющих на объем продаж.

Прогнозирование начнем с подбора таких факторов, то есть мы создаем гипотезу о наличии  факторов, влияющих на поведение кривой продаж.

Подбор факторов производится экспертным путем. Экспертам  предлагается назвать факторы, относящиеся  как к внешним (факторы "внешней  среды маркетинга" организации), так и внутренним (факторы "внутренней среды маркетинга" организации), которые оказывают влияние на поведение продаж и динамика которых, выраженная математически, известна на том же промежутке, что и объем  продаж.

Среди «внешних»  факторов эксперты могут назвать  курс валют, емкость потребительского сегмента, суммарные продажи на сегменте, динамику численности конкурентов, удовлетворенность сегмента товарами на рынке и др. К «внутренним» факторам среды маркетинга организации  эксперты могут отнести наличие  товарного запаса, эффективность  работы штата менеджмента организации, затраты на рекламу или тип  рекламного сообщения, изменение способа  позиционирования товара, изменение  количества дистрибьюторов товара и  др.

Число выбираемых факторов не ограничено, чем больше их будет  на первом этапе, тем лучше, это определит  более точный результат в прогнозировании. В данном примере (Таблица 4.14). после  обработки результатов экспертного  анализа были выбраны три абстрактных  фактора, которые мы обозначим F1, F2, F3. 

Таблица 4.14 Подбор факторов (F1-F3), которые влияют на изменение  объема продаж (Q) 

Месяц 

Q 

F1 

F2 

F3  

Март 

23 

22 

12 

223  

Апрель 

34 

34 

2 

456  

Май 

55 

45 

3 

556  

Июнь 

34 

56 

67 

456  

Июль 

22 

77 

34 

567  

Август 

34 

99 

22 

560  

Сентябрь 

44 

102 

33 

334  

Октябрь 

45 

111 

89 

456  

Ноябрь 

56 

122 

11 

678  
 
 

Этап II. Выделение "факторов влияния". 

Теперь необходимо разобраться в том, какие из выбранных  факторов ("факторы влияния") действительно  оказывают влияние на изменение  объема продаж, а какие нужно просто "отбросить" из рассмотрения. Критерием  такого соответствия, безусловно, можно  считать коэффициент корреляции, который показывает, насколько близки тенденции двух факторов (в данном случае - насколько связано распределение  во времени факторов F1-F3 (см. рис. 4.7). 

Рис. 4.7.Динамика исследуемых  факторов 

Ниже представлены значения коэффициента корреляции между  объемом продаж (Q) и факторами (F1, F2, F3) (Таблица 4.15). 

Из расчета видно, что по коэффициенту корреляции в  данном примере "факторами влияния" будут F1 и F3, а фактор F2 можно отбросить  из рассмотрения. 

Таблица 4.15 Отбор "факторов влияния" по коэффициенту корреляции 

CORR F1 

CORR F2 

CORR F3  

0,462 

-0,057 

0,458  

Дата 

Q 

F1 

F2 

F3  

Март 

23 

22 

12 

223  

Апрель 

34 

34 

2 

456  

Май 

55 

45 

3 

556  

Июнь 

34 

56 

67 

456  

Июль 

22 

77 

34 

567  

Август 

34 

99 

22 

560  

Сентябрь 

44 

102 

33 

334  

Октябрь 

45 

111 

89 

456  

Ноябрь 

56 

122 

11 

678  
 
 

Коэффициент корреляции может быть рассчитан, например, с  помощью программного пакета MS Excel, в котором подобный расчет реализуется функцией "CORREL". 

Этап III. Линейное прогнозирование "факторов влияния". 

В нашем примере  мы имеем динамику "факторов влияния" и объема продаж на период с марта  по ноябрь. Мы прогнозируем по времени  поведение каждого из "факторов влияния", линейная тенденция для  факторов, рассматриваемых в примере, представлена в таблице 4.16. Здесь  использовано линейное предсказание, реализуемое функцией "FORECAST" в  пакете MS Excel. 

Таблица 4.16 Реализация линейного прогнозирования "факторов влияния" 

Дата 

F1 

F3  

Март 

22 

223  

Апрель 

34 

456  

Май 

45 

556  

Июнь 

56 

456  

Июль 

77 

567  

Август 

99 

560  

Сентябрь 

102 

334  

Октябрь 

111 

456  

Ноябрь 

122 

678  

Декабрь 

140 

599  

Январь след. года 

153 

577  

Февраль след.года 

166 

584  

Март след.года 

177 

613  
 
 

Этап IV. Прогнозирование  продаж по прогнозу "факторов влияния". 

Очевидно, что мы не можем прогнозировать продажи, используя  только саму тенденцию продаж во времени, это как раз и рассматривалось  бы как "прогнозирование фактора  по самому фактору". Но у нас имеется  тенденция "факторов влияния", которая  по своей сущности определяет поведение  тенденции продаж, как это следует  из рассчитанного нами коэффициента корреляции. И именно эта предсказанная  тенденция позволяет нам прогнозировать объем продаж в соответствии со значениями данных факторов (Таблица 4.17). 

Таблица 4.17 Прогнозирование  продаж по прогнозу "факторов влияния" 

Дата 

Q 

Q TREND 

F1 

Q1 TREND 

F3 

Q3 TREND  

Март 

23  

22  

223   

… 

…  

…  

…   

Ноябрь 

56  

122  

678   

Декабрь  

46,3 

140 

48,9 

599 

43,7  

Январь следующего года  

44,9 

153 

47,7 

577 

42,1  

Февраль следующего года  

45,2 

166 

47,7 

584 

42,7  

Март следующего года  

55,0 

177 

69,8 

613 

40,2  
 
 

Этап V. Оценка риска  прогнозирования 

Необходимо учесть, что прогнозирование ведется  с целым рядом допущений, которые  могут сильно повлиять на наш прогноз: 

- в наше исследование  может не попасть фактор, оказывающий  серьезное влияние на продажи; 

- в данном случае  используется линейное прогнозирование,  а тенденция может оказаться  значительно сложнее; 

- расчет прогнозного  значения производился, как среднеарифметическое  от спрогнозированных по факторам  значений без учета уровня  корреляции соответствующего фактора. 

Эти допущения, безусловно, снижают точность прогнозирования. Более того, прогнозирование периодов, последующих за декабрем текущего года в нашем примере ведется на основе не проверенных временем значений, а значений также спрогнозированных  математически. То есть, чем на более  длительный период времени мы пытаемся сделать прогноз, тем более не точны будут прогнозируемые значения. 

Указанные выше ограничения  указывают на необходимость расчета  величины "риска прогнозирования". В случае нашей методики эту погрешность  можно оценить как "риск прогнозирования" по соотношению между спрогнозированным  значением тенденции продаж (Q TREND) и прогнозными значениями продаж от каждого "фактора влияния" (Q1 TREND и Q3 TREND). Реализация расчета "риска  прогнозирования" (var) на основе пакета MS Excel представлена ниже. 

Таблица 4.18 Результаты оценки "риска прогнозирования" (var) на основе пакета MS Excel 

Дата 

Q TREND 

F1 

Q1 TREND 

F3 

Q3 TREND 

var  

Декабрь текущего года 

46,3 

140 

48,9 

599 

43,7 

6%  

Январь следующего года 

44,9 

153 

47,7 

577 

42,1 

6%  

Февраль следующего года 

45,2 

166 

47,7 

584 

42,7 

6%  

Март следующего года 

55,0 

177