Статистика изучения спроса товаров и услуг

Простейшими методами прогнозирования спроса на основе статистической маркетинговой информации являются экстраполяционные методы, основанные на анализе временных рядов.

Многие данные маркетинговых исследований представляются для различных интервалов времени, например, на ежегодной, ежемесячной и др. основе. Такие данные называются временными рядами. Анализ временных рядов направлен на выявление трех видов закономерностей изменения данных: трендов, цикличности и сезонности, выявление причин изменения спроса в прошлом с последующим переносом полученных закономерностей на будущее.

Тренд характеризует общую тенденцию в изменениях показателей ряда. Те или иные качественные свойства развития выражают различные уравнения трендов: линейные, параболические, экспоненциальные, логарифмические, логистические и др. После теоретического исследования особенностей разных форм тренда необходимо обратиться к фактическому временному ряду, тем более что далеко не всегда можно надежно установить, какой должна быть форма тренда из чисто теоретических соображений. По фактическому динамическому ряду тип тренда устанавливают на основе графического изображения, путем осреднения показателей динамики, на основе статистической проверки гипотезы о постоянстве параметра тренда.

Циклический характер колебаний статистических показателей характеризуется длительным периодом (солнечная активность, урожайность отдельных культур, экономическая активность). Такие явления обычно не являются предметом исследования маркетологов, которых обычно интересует динамика проблемы на относительно коротком интервале времени.

Сезонные колебания показателей имеют регулярный характер и наблюдаются в течение каждого года. Они являются предметом изучения маркетологов (спрос на газонокосилки, на отдых в курортных местах в течение года, на телефонные услуги в течение суток и т.д.). Поскольку выявленные закономерности носят регулярный характер, то их вполне обоснованно можно использовать в прогнозных целях.

В отличие от прогноза на основе регрессионного уравнения прогноз по тренду учитывает факторы развития только в неявном виде, и это не позволяет «проигрывать» разные варианты прогнозов при разных возможных значениях факторов, влияющих на изучаемый признак. Зато прогноз по тренду охватывает все факторы, в то время как в регрессионную модель в лучшем случае невозможно включить в явном виде более 10-20 факторов.

Временные ряды помимо простой экстраполяции могут использоваться также в целях более глубокого прогнозного анализа, например, объема продаж. Целью анализа в данном случае является разложение временного ряда продаж на главные компоненты, измерение эволюции каждой составляющей в прошлом и ее экстраполяция на будущее. В основе метода лежит идея стабильности причинно-следственных связей и регулярность эволюции факторов внешней среды, что делает возможным использование экстраполяции. Метод состоит в разложении временного ряда на пять компонент:

- структурная компонента, или долгосрочный тренд, обычно связанный с жизненным циклом товара на исследуемом рынке;

- циклическая компонента, соответствующая колебаниям относительно долгосрочного тренда под воздействием среднесрочных флуктуаций экономической активности;

- сезонная компонента, или краткосрочные периодические флуктуации, обусловленные различными причинами (климат, социально-психологические факторы, структура нерабочих дней и т.д.);

- маркетинговая компонента, связанная с действиями по продвижению товара, временными снижениями цен и т.п.;

- случайная компонента, отражающая совокупное действие плохо изученных процессов, не представимых в количественной форме.

Для каждой компоненты рассчитывается параметр, основанный на наблюдавшихся закономерностях: долгосрочном темпе прироста продаж, конъюнктурных флуктуациях, сезонных коэффициентах, специфичных факторах (демонстрации, мероприятия по стимулированию сбыта и т.п.). Затем эти параметры используют для составления прогноза.

Понятно, что такой прогноз имеет смысл как краткосрочный, на период, в отношении которого можно принять, что характеристики изучаемого явления существенно не изменяются. Это требование часто оказывается реалистичным вследствие достаточной инерционности внешней среды.

К числу главных ограничений экстраполяционных методов следует отнести следующее.

Большинство прогнозных ошибок связано с тем, что в момент формулирования прогноза в более или менее явной форме подразумевалось, что существующие тенденции сохранятся в будущем, что редко оправдывается в реальной экономической и общественной жизни. Экстраполяционные методы не позволяют действительно «предсказать» эволюцию спроса, поскольку неспособны предвидеть какие-либо «поворотные точки». В лучшем случае они способны быстро учесть уже произошедшее изменение. Поэтому их называют «адаптивной прогнозной моделью». Тем не менее для многих проблем управления такой «апостериорный» прогноз оказывается полезным при условии, что имеется достаточно времени для адаптации и факторы, определяющие уровень продаж, не подвержены резким изменениям.

Так в 40-х годах нашего века американские специалисты предсказывали: производство легковых автомобилей в США достигнет насыщения и будет составлять 300 000 штук в месяц. Но уже в 1969 году их в США производилось более 550 000 штук. В настоящее время эта цифра возросла еще в 1,2 – 1,3 раза.

Развитие общества определяется очень большим числом факторов. Эти факторы сильно связаны между собой и далеко не все они поддаются непосредственному измерению. Кроме того, по мере развития общества порой неожиданно начинают вступать в действие все новые и новые факторы, которые раньше не учитывались.

Временные ряды могут становиться ненадежной основой для разработки прогнозов по мере того, как экономика приобретает все более международный характер и все в большей степени подвергается крупной технологической перестройке. В связи с этим необходимо в первую очередь развивать способности предвидения, что подразумевает хорошее знание ключевых факторов и оценку чувствительности организации к внешним угрозам.

Вышеназванное ни в кое мере не умаляет значимости экстраполяционных методов в прогнозировании. Как и любые методы их надо уметь использовать. Прежде всего экстраполяционные методы следует применять для относительно краткосрочного прогнозирования развития достаточно стабильных, хорошо изученных процессов. Прогнозный период времени не должен превышать 25-30% от исходной временной базы. При использовании уравнений регрессии прогнозные расчеты следует проводить для оптимистических и пессимистических оценок исходных параметров (независимых переменных), получая таким образом оптимистические и пессимистические оценки прогнозируемого параметра. Реальная прогнозная оценка должна находиться между ними.

В ряде случаев прогнозную оценку, полученную на основе экстраполяционных методов, используют как индикатор желательности получения определенной величины прогнозируемого параметра. Предположим, что была получена прогнозная оценка величины спроса на какой-то товар. Она говорит о том, что при тех же условиях внешней среды, структуре и силе действия исходных факторов величина спроса к определенному моменту времени достигнет такой-то величины. Менеджерам, которые используют результаты данного прогноза, следует ответить на вопрос: «А устраивает ли нас данное величина спроса?» Если «Да», то надо приложить максимум усилий, чтобы все сохранить без изменения. Если «Нет», то необходимо использовать внутренние возможности (например, провести дополнительную рекламную компанию) и постараться повлиять на определенные факторы внешней среды, поддающиеся косвенному воздействию ( например, повлиять на деятельность посредников, пролоббировать изменение определенных тарифов, импортных пошлин). Вся эта деятельность направлена на обеспечение получения желаемой величины спроса.

При прогнозировании спроса могут использоваться метод ведущих индикаторов и индикаторы покупательной способности, охарактеризованные ранее, а также кривые жизненного цикла.

В последнем случае в качестве потенциала рынка рассматривается рыночный спрос товара, вступившего в фазу зрелости своего жизненного цикла. Применение модели жизненного цикла продукта подразумевает способность формулировать прогнозы качественного или количественного характера относительно эволюции начального спроса на рынке определенного товара. Эти данные определяются экспертным путем или исходя из изучения статистики изменения объема реализации по времени. В последнем случае можно воспользоваться S-образными кривыми. Наиболее известными кривыми данного типа является логистическая кривая [5, 71].

5. Краткая характеристика экспертных методов

Методы экспертных оценок используются для прогнозирования событий будущего, если отсутствуют статистические данные или их недостаточно. Они также применяются для количественного измерения таких событий, для которых не существует других способов измерения , например, при оценке важности целей и предпочтительности отдельных методов продвижения. Иными словами, методы экспертных оценок применяются как для количественного измерения событий в настоящем, так и для целей прогнозирования.

Когда речь идет о прогнозировании объема продаж, то обычно торговый персонал и персонал торговых посреднических организаций имеет достаточно точное представление о потенциале продаж, который могут обеспечить их клиенты, и, кроме того, имеет возможность дать оценку потенциала рынка в целом, по крайней мере на той территории, которую он обслуживает. Проще всего попросить торговых работников дать оценки по каждому товару, но не абстрактно, а исходя из конкретных гипотез о маркетинговых усилиях в вопросах цен, рекламной поддержки и т.п. После этого менеджеры службы сбыта формулируют итоговые оценки, суммируя оценки всех экспертов.

Включить торговых работников в процесс прогнозирования полезно прежде всего для того, чтобы создать у них соответствующую мотивацию и способствовать принятию назначаемых им квот по продажам. Кроме того, они незаменимы при построении прогнозов продаж в очень малых сегментах, на уровне отдельной территории или отдельного клиента.

Очевидно, что зачастую трудно из-за отсутствия статистической и отчетной информации (особенно касающейся деятельности фирм-конкурентов) получить количественные оценки таких показателей, например, как показатели рыночной доли и динамики изменения объема продаж. В этом случае также могут использоваться экспертные оценки, формирующие чисто качественные значения этих показателей (в терминах «выше, на том же уровне, ниже» и тому подобное).

В то же время экспертные оценки имеют и недостатки. С одной стороны, нет гарантий, что полученные оценки в действительности достоверны, а с другой – имеются определенные трудности в проведении опроса экспертов и обработке полученных данных. Если второй недостаток относится к преодолимым трудностям, то первый имеет принципиальное значение. Существующие способы определения достоверности экспертных оценок основаны на предположении, что в случае согласованности действий экспертов достоверность оценок гарантируется. Это на самом деле не всегда верно, и можно привести случаи, когда отдельные эксперты, не согласные с мнением большинства, давали правильные оценки.

Следовательно, единодушие большинства экспертов не всегда является критерием достоверности оценок. Отсюда вытекает необходимость тщательного отбора экспертов. Дело в том, что при обсуждении многих вопросов, особенно не стандартных, например, прогнозирование рыночной ситуации в нестабильных политико-экономических условиях, должны участвовать эксперты высокой квалификации. Прогнозы, составленные «средними» экспертами, будут основаны в лучшем случае на традиционных, привычных оценках, тогда как высококвалифицированные специалисты обнаружат и оценят скрытые факторы.

При нахождении оценок экспертным путем помимо погрешности, вносимой недостатком информации о событиях и недостаточной компетентностью экспертов, возможна и погрешность совсем иного рода, обусловленная заинтересованностью экспертов в результатах оценки, что обязательно скажется на их достоверности. Наличие такого рода погрешности может значительно искажать оценки, вследствие чего необходимо предусмотреть соответствующие меры для устранения погрешности.

Например, всегда существует опасность систематического занижения оценок потенциального спроса со стороны сбытовиков, которые заинтересованы иметь легко выполнимый план по продажам, а в конце планового периода добиться значительного превышения плановых показателей. Отметим следующие варианты коррекции таких оценок, снижающие риск систематической погрешности.

Попросить торговых работников самостоятельно определить степень погрешности их оценок. Эти данные можно затем использовать для уточнения прогноза.

Далее возможно скорректировать оценки торговых работников с помощью регионального менеджера по продажам, который может иметь более широкий взгляд.

Возможно ввести корректирующий коэффициент, основанный на учете погрешностей в прошлых прогнозах каждого торгового работника.

Применяются как индивидуальные, так и групповые ( коллективные) экспертные опросы.

К числу групповых экспертных опросов относятся:

- открытое обсуждение поставленных вопросов с последующим открытым или закрытым голосованием;

- закрытое обсуждение с последующим закрытым голосованием или заполнением анкет экспертного опроса;

- свободные высказывания без обсуждения и голосования.

Опыт показал, что традиционные методы обсуждения поставленных перед группой экспертов вопросов, относящиеся к первому типу экспертных опросов, до достижения определенного согласия между ними или до выработки общей позиции не являются наилучшими методами использования группы экспертов. Эти методы обсуждения страдают рядом недостатков, таких, как взаимное влияние мнений экспертов и нежелание участников обсуждения отказываться от точек зрения, ранее высказанных публично. Поэтому на практике при подготовке решений по широкому кругу вопросов находят все большее распространение второй и третий типы групповых экспертных оценок.