Прогнозирование спроса на основе анализа потребительских намерений.

Построение прогноза спроса на основе информации, полученной от торговых агентов.

Математические методы.

Первый метод – прогнозирование спроса на основе анализа потребительских намерений.

В рамках этого метода проводится опрос с целью выявить намерения покупателей в отношении покупок данного товара. Иначе говоря, собираются ли приобрести данный товар. Если да – то, в каких количествах, если нет - то почему. Возможно, это оптимальный способ получения информации о спросе, поскольку он предполагает ее получение у самих потребителей, а лучше их никто не знает о спросе, который они же и предъявляют.

Применение этого метода сопряжено с целым рядом ограничений:

· это достаточно дорогие исследования, поскольку предполагают опросы тысяч, а иногда и десятки тысяч потребителей. Это необходимо так как выборка должна быть репрезентативна, представлять пропорционально интересы всего рынка. Иногда возникает вопрос: окупятся ли затраты на проводимое исследование посредством продаж по итогам этого исследования;

· потребители далеко не всегда охотно делятся своими намерениями. Скажем, иногда полагая, что проведение опроса в перспективе связано с изменением цен;

· даже высказанное намерение – это не есть еще реально совершенная покупка. На поведение человека, помимо намерений могут повлиять и другие факторы. Среди них – экономические факторы (так кризис августа1998 изменил покупательские намерения очень многих людей и касаемо множества товаров), политическая ситуация, мнение, поведение и намерения членов их семьи, мнение окружающих, членов референтных групп и т.д.

Соответственно используется этот метод тогда, когда соблюдаются следующие условия:

· покупатели относительно немногочисленны, – тогда исследование проводится с наименьшими затратами (организации);

· покупатели не отказываются высказывать свои намерения;

· покупатели не отказываются от своих намерений, и четко им следуют. Чаще всего третье условие соблюдается тогда, когда покупатели – это организации. У них в этом случае есть план действия, и они этому плану следуют. И если принято решение о закупке продукта, скорее всего, за исключением форс-мажорных обстоятельств, это решение будет проведено в жизнь;

· затраты на проведение опроса окупаются за счет увеличения объема продаж.

Если же все эти условия не выполняются, то можно использовать другие методы прогнозирования спроса и второй метод – это построение прогноза спроса на основе информации, полученной от торговых агентов.

В этом случае затраты будут значительно меньше, потому что предстоит опрашивать не многочисленных покупателей, а значительно меньшее количество торговых агентов. При этом можно еще более сократить эти затраты, проводя не поголовное исследование, а экспертную оценку: заключения о спросе на изучаемый продукт будут давать наиболее квалифицированные эксперты. Т.е. необходимо опросить несколько десятков человек. При этом необходимо учитывать только один момент, который представляет ограничение уже для этого метода: прогнозы дают не сами потребители, а торговые агенты, соответственно высок уровень субъективизма. Мнение торгового агента может зависеть:

· от места, где расположена торговая точка, т.к. в одних районах города более высокий спрос, в других – более низкий;

· от того, какая категория людей посещает данные магазины;

· от добросовестности торгового агента и от многих других факторов.

Третья группа методов прогнозирования спроса включает в себя математические методы. Рассмотрим один из них: прогнозирование спроса на основе статистического анализа временных рядов сбыта товаров или, иначе говоря, анализ трендов [7] (рис. 3.3.). Более подробно о нем будет сказано в курсе статистики. Сейчас только обозначим в принципе, в чем заключается этот метод. У каждой организации есть статистика, которая накапливается в системе внутренней отчетности и касается сбыта определенного товара за тот или иной период времени.

Каждому временному периоду на графике будет соответствовать точка, показывающая, сколько товара было продано в течение этого временного периода. В данном случае таких точек пять, в соответствии с количеством лет наблюдения. На практике временной период должен быть больше.

Обладая информацией о продажах построить прогноз на следующий календарный год. Для этого под фактическое расположение точек нужно подобрать правильную математическую кривую, функцию. Естественно не будет найдена функция, которая пройдет через все эти точки. Значительная часть этих точек будет находиться за пределами этой кривой. В этом случае можно подобрать несколько функций, которые будут более или менее близко это расположение описывать. В нашем случае приведено два примера. В действительность это может быть несколько десятков функций. Какая из функций выбирается в качестве базы для прогноза, или тренда? Выбирается функция, суммарное расстояние от точек до которой будет минимально. Для этого используется метод наименьших квадратов. Строятся перпендикуляры от точек, на базе этих перпендикуляров и отрезка кривой строится треугольник, и с помощью синусов и косинусов вычисляется искомое расстояние. Т.е. суммируются все расстояния от точек до кривой и в том случае, когда сумма будет минимальной, кривая оптимальным образом описывает это расположение, и, соответственно, выступает как база для прогноза. В этом случае, при прогнозировании на следующий календарный год кривая продлевается и строится перпендикуляр на ось абсцисс.

Названный метод не является единственным в этой группе. Часто используются корреляционно-регрессионные модели, в рамках которых ищется математическая взаимосвязь между числовыми рядами. Эти методы также будут изучаться в курсе статистики.