Прогнозування сфери попиту

      Обмеженням  прогнозування на основі регресійного рівняння, тим більше парного, служить  умова  стабільності чи принаймні  малої мінливості інших факторів і умов досліджуваного процесу, не зв'язаних з ними. Якщо різко зміниться "зовнішнє середовище"  процесу, що протікає, колишнє рівняння регресії результативної ознаки на факторний утратить своє значення.

      Варто дотримуватися ще одного обмеження: не можна підставляти значення факторної ознаки, що значно відрізняються від вхідних у базисну інформацію, по якій обчислене рівняння регресії. При якісно інших рівнях фактора, якщо вони навіть можливі в принципі, були б іншими параметри рівняння. Можна рекомендувати при визначенні значень факторів не виходити за межі третини розмаху варіації як за мінімальне, так і за максимальне значення ознаки-фактора, що є у вихідній інформації.

      Прогноз, отриманий підстановкою в рівняння регресії очікуваного значення фактора, називають крапковим прогнозом. Імовірність точної реалізації такого прогнозу вкрай мала. Необхідно супроводити його значення середньою помилкою  прогнозу чи довірчим інтервалом прогнозу, у який з досить великою імовірністю попадають прогнозні оцінки. Середня помилка є мірою точності прогнозу на основі рівняння регресії. Існують удосконалені методи парної регресії, у якомусь ступені  перемагаючи його недоліки.

  Найпростішими методами прогнозування попиту на основі статистичної маркетингової інформації є екстраполяційні методи, засновані на аналізі тимчасових рядів.

      Багато  даних маркетингових досліджень представляються для різних інтервалів часу, наприклад, на щорічній, щомісячній й ін. основі. Такі дані називаються тимчасовими рядами. Аналіз тимчасових рядів спрямований на виявлення трьох видів закономірностей зміни даних: трендів, циклічності і сезонності, виявлення причин зміни попиту в минулому з наступним переносом отриманих закономірностей на майбутнє.

      Тренд характеризує загальну тенденцію в  змінах показників ряду. Ті чи інші якісні властивості розвитку виражають  різні рівняння трендів: лінійні, параболічні, експонентні, логарифмічні, логістичні й ін. Після теоретичного дослідження особливостей різних форм тренда необхідно звернутися до фактичного тимчасового ряду, тим більше що далеко не завжди можна надійно установити, якою повинна бути форма тренда з чисто теоретичних розумінь. По фактичному динамічному ряді тип тренда встановлюють на основі графічного зображення, шляхом осереднення показників динаміки, на основі статистичної перевірки гіпотези про сталість параметра тренда.

      У табл.4 приводяться дані обсягу продажів велосипедів визначеної компанії за 17 років.

Таблиця 4

Обсяг продажу велосипедів

      Необхідно визначити прогнозну оцінку обсягу продажів на вісімнадцятий рік.

      Представивши  в графічному виді дані табл. 4, можна за допомогою методу найменших квадратів підібрати пряму лінію, найбільшою мірою відповідну отриманим даним і визначити прогнозну величину обсягу продажів.

      Рис.2 Обсяг продажу  велосипедів. 

      У той же час більш уважний розгляд  рис.2 дозволяє зробити висновок про те, що не всі крапки близько розташовані до прямої. Особливо ці розбіжності великі для останніх років, а вірити останнім даним, судячи з усього, можна з великою обачністю.

      У даному випадку можна застосувати  метод експонентного згладжування, призначаючи різні вагові коефіцієнти (великі для останніх років) даним для різних років. В останньому випадку прогнозна оцінка в більшому ступені відповідає тенденціям останніх років.

      Циклічний характер коливань статистичних показників характеризується тривалим періодом (сонячна  активність, врожайність окремих  культур, економічна активність). Такі явища звичайно не є предметом  дослідження маркетологів, яких звичайно цікавить динаміка проблеми на відносно короткому інтервалі часу.

      Сезонні коливання показників мають регулярний характер і спостерігаються протягом  кожного року. Вони є предметом  вивчення маркетологів (попит на газонокосарки, на відпочинок у курортних місцях протягом  року, на телефонні послуги протягом  доби і т.д.). Оскільки виявлені закономірності носять регулярний характер, то їх цілком обґрунтовано можна використовувати в прогнозних цілях.

      На  відміну від прогнозу на основі регресійного рівняння прогноз по тренду враховує фактори розвитку тільки в неявному виді, і це не дозволяє "програвати" різні варіанти прогнозів при  різних можливих значеннях факторів, що впливають на досліджувану ознаку. Зате прогноз по тренду охоплює усі фактори, у той час як у регресійну модель у кращому випадку неможливо включити в явному виді більш 10-20 факторів.  

      До  числа головних обмежень екстраполяційних методів варто віднести наступне. Більшість прогнозних помилок зв'язане з тим, що в момент формулювання прогнозу в більш-менш явній формі малося на увазі, що існуючі тенденції збережуться в майбутньому, що рідко виправдується в реальному економічному і громадському житті. Екстраполяційні методи не дозволяють дійсно "пророчити" еволюцію попиту, оскільки нездатні передбачати які-небудь "поворотні крапки". У кращому випадку вони здатні швидко врахувати зміни, що вже відбулися. Тому їх називають "адаптивною прогнозною моделлю". Проте для багатьох проблем керівництва такий "апостеріорний" прогноз виявляється корисним за умови, що є досить часу для адаптації і фактори, що визначають рівень продажів, не піддаються різким змінам.

      Так у 40-х роках нашого століття американські фахівці пророкували: виробництво  легкових автомобілів у США досягне  насичення і буде складати 300 000 штук на місяць. Але вже в 1969 році їх у  США вироблялося більш 550 000 штук. В даний час ця цифра зросла ще в 1,2 - 1,3 рази.

      У 1983-1984 р. на американський ринок були введені 67 нових моделей персональних комп'ютерів, і більшість фірм розраховувало  на вибуховий ріст цього ринку. За прогнозами, що давали в той час  маркетингові фірми, число встановлених комп'ютерів у 1988 р. повинно було скласти  від 27 до 28 мільйонів. Однак до кінця 1986 р. було встановлено тільки 15 мільйонів, оскільки умови використання комп'ютерів радикально змінилися, а цього ніхто не передбачав.

      Ці  помилки в прогнозах носили не математичний, а чисто логічний характер: адже при прогнозуванні використовувалися  тимчасові ряди, що досить добре  відбивають наявний у той час  статистичний матеріал.

      Тимчасові ряди можуть ставати ненадійною основою  для розробки прогнозів у міру того, як економіка здобуває усе  більш міжнародний характер і  усе в більшому ступені піддається великій технологічній перебудові. У зв'язку з цим необхідно в першу чергу розвивати здатності передбачення, що має на увазі гарне знання ключових факторів і оцінку чутливості організації до зовнішніх погроз.

      У ряді випадків прогнозну оцінку, отриману на основі екстраполяційних методів, використовують як індикатор бажаності одержання визначеної величини прогнозованого параметра. Припустимо, що була отримана прогнозна оцінка величини попиту на якийсь товар. Вона говорить про те, що за тих самих умов зовнішнього середовища, структурі і силі дії вихідних факторів, величина попиту до визначеного моменту часу досягне конкретної величини. Менеджерам, що використовують результати даного прогнозу, варто відповісти на запитання: "А чи влаштовує нас дана величина попиту?" Якщо "Так", то треба прикласти максимум зусиль, щоб усе зберегти без зміни. Якщо "Ні", то необхідно використовувати внутрішні можливості (наприклад, провести додаткову рекламну компанію) і постаратися вплинути на визначені фактори зовнішнього середовища, що піддаються непрямому впливу (наприклад, вплинути на діяльність посередників, пролоббіювати зміну визначених тарифів, імпортного мита). Уся ця діяльність спрямована на забезпечення одержання бажаної величини попиту.

      При прогнозуванні попиту можуть використовуватися  метод ведучих індикаторів і  індикатори купівельної спроможності, а також криві життєвого циклу.

      В останньому випадку як  потенціал  ринку розглядається ринковий попит  на товар, що вступив у фазу зрілості свого життєвого циклу. Застосування моделі життєвого циклу продукту має на увазі здатність формулювати прогнози якісного чи кількісного характеру щодо еволюції початкового попиту на ринку визначеного товару. Ці дані визначаються експертним шляхом чи виходячи з вивчення статистики зміни обсягу реалізації за часом. В останньому випадку можна скористатися S-образними кривими. Найбільш відомими кривими даного типу є логістична крива.  

     Характеристика  експертних методів  прогнозування попиту.

     Методи  експертних оцінок використовуються для  прогнозування подій майбутнього, якщо відсутні статистичні дані чи їх недостатньо. Вони також застосовуються для кількісного виміру таких  подій, для яких не існує інших  способів виміру, наприклад, при оцінці важливості цілей і переваги окремих  методів просування. Іншими словами, методи експертних оцінок застосовуються як для кількісного виміру подій  у сьогоденні, так і для цілей  прогнозування.

     Коли  мова йде про прогнозування обсягу продажів, то звичайно торговий персонал і персонал торгових посередницьких організацій має досить точне представлення про потенціал продажів, що можуть забезпечити їхні клієнти, і, крім того, має можливість дати оцінку потенціалу ринку в цілому, принаймні   на тій території, що він обслуговує. Найпростіше попросити торгових працівників дати оцінки по кожному товару, але не абстрактно, а виходячи з конкретних гіпотез про маркетингові зусилля в питаннях цін, рекламної підтримки і т.п. Після цього менеджери служби збуту формулюють підсумкові оцінки, підсумовуючи оцінки всіх експертів.

     Включити торгових працівників у процес прогнозування корисно насамперед  для того, щоб створити в них відповідну мотивацію і сприяти прийняттю призначуваних їм квот по продажах. Крім того, вони незамінні при побудові прогнозів продажів у дуже малих сегментах, на рівні окремої  території чи окремого клієнта.

     Очевидно, що найчастіше важко через відсутність  статистичної і звітної інформації (особливо стосується діяльності фірм-конкурентів) одержати кількісні оцінки таких  показників, наприклад, як показники  ринкової частки і динаміки зміни  обсягу продажів. У цьому випадку  також можуть використовуватися  експертні оцінки, що формують чисто  якісні значення цих показників (у  термінах "вище, на тім же рівні, нижче" тощо  ).

     У той же час експертні оцінки мають  і недоліки. З одного боку, немає  гарантій, що отримані оцінки в дійсності  достовірні, а з іншого боку - є визначені труднощі в проведенні опитування експертів і обробці отриманих даних. Якщо другий недолік відноситься до переборних труднощів, то перший має принципове значення. Існуючі способи визначення вірогідності експертних оцінок засновані на припущенні, що у випадку погодженості дій експертів вірогідність оцінок гарантується. Це насправді   не завжди вірно, і можна привести випадки, коли окремі експерти, не згодні з думкою більшості, давали правильні оцінки.