Книга: Управление отделом продаж

Методы прогнозирования продаж

Методы прогнозирования продаж

Прогноз продаж – один из самых важных источников информации в арсенале руководства и центральное звено многих аспектов планирования. Высший менеджмент использует его для распределения ресурсов между функциональными подразделениями и для контроля деятельности компании. Финансовому отделу он необходим, чтобы прогнозировать денежные потоки, определять объем капиталовложений и операционных бюджетов. Прогноз продаж помогает уточнять объем производства и графики работ, а также контролировать запасы. Кадровые службы с его помощью рассчитывают потребность в персонале и используют его как аргумент в коллективных трудовых спорах. Отделы закупок на основе прогноза продаж планируют потребности организации в материальных ресурсах и сырье, маркетологи составляют маркетинговые и сбытовые программы, а также распределяют ресурсы между разными направлениями деятельности компании. Важность точного прогноза продаж возрастает, когда организации необходимо координировать свою работу на глобальном уровне.

Прогноз продаж также имеет фундаментальное значение для планирования и оценки работы в области личных продаж. Руководители используют его помимо прочего для определения квот, в качестве исходной информации для планирования вознаграждения и оценки продаж.

Поскольку руководители отделов продаж в процессе принятия решений очень нуждаются в прогнозах и сами играют важную роль в их составлении, они обязательно должны владеть соответствующими методами. На рисунке 5.2 представлены рассматриваемые в этой главе субъективные и объективные методы{70}.

Рисунок 5.2. Классификация методов прогнозирования продаж

У каждого из методов есть свои преимущества и недостатки, которые описаны в таблице 5.3, и не всегда очевидно, каким из них следует воспользоваться{71}. Решение, скорее всего, будет зависеть от этапа развития компании, наличия данных о продажах за прошлые периоды и от предполагаемой цели составления прогноза.

Таблица 5.3. Основные преимущества и недостатки разных методов прогнозирования продаж

Субъективные методы прогнозирования не предполагают использования сложных аналитических подходов при разработке прогноза.

Метод прогнозирования продаж на основе ожиданий пользователей также известен как анализ намерений покупателей, потому что в его основе лежат их ответы на вопросы относительно того, какие товары они готовы приобрести.

Результаты анализа ожиданий пользователей могут по значению быть ближе к потенциалу рынка или потенциалу продаж, чем к прогнозу продаж. На самом деле группам потребителей сложно предсказать коммерческую работу компании или отрасли в целом. Скорее, их оценки отражают предполагаемый уровень их собственных потребностей. С точки зрения продавцов, они выступают мерилом рыночных возможностей, доступных в конкретном пользовательском сегменте.

Как можно судить из названия, прогнозирование на основе мнения продавцов в качестве исходных данных опирается на суждения участников внешней службы сбыта. Каждый из них указывает, сколько рассчитывает продать за прогнозный период, затем эти оценки обычно корректируются на нескольких уровнях управления: их проверяют, обсуждают и иногда меняют руководители филиалов и вышестоящие руководители, после чего окончательные цифры утверждает штаб-квартира компании.

При этом методе прогнозирования организации обычно используют данные за прошлые годы, чтобы подтвердить или опровергнуть точность оценок продавцов. По разным причинам специалисты по сбыту могут быть заинтересованы в том, чтобы занизить или завысить тот уровень, которого они рассчитывают достичь в прогнозный период. Например, если квоты устанавливаются по прогнозу продаж, то есть вероятность, что продавцы занизят цифры, стремясь скрыть реальные возможности и получить более низкие квоты. Впоследствии, когда будут известны результаты продаж, будет создаваться видимость, что такие сотрудники перевыполнили план. Иногда, если продукция компании в дефиците (например, на быстро растущем рынке не хватает материалов) либо предлагается покупателям в ограниченных количествах (в рамках краткосрочной акции), продавцы могут завышать оценки в надежде получить больший объем дефицитного товара.

Прогнозирование на основе мнения руководителей компании (или экспертов) построено на формальном или неформальном опросе ключевых руководителей, прежде всего подразделений продаж. Объединяя индивидуальные оценки, компания разрабатывает прогноз продаж. Иногда это делается путем вычисления средней оценки, в других случаях мнения руководителей выносят на коллективное обсуждение, чтобы прийти к консенсусу. Исходные точки зрения могут отражать исключительно внутренние ощущения руководителя относительно перспектив фирмы, однако его мнение может быть основано и на фактическом материале, и на прогнозе, подготовленном при помощи других методов.

Это одна из методик, позволяющих контролировать коллективное влияние на получение экспертных оценок для более точного прогнозирования. Вместо прямого очного обсуждения среди экспертов, участвующих в разработке прогноза, используется итеративный (многоэтапный) подход с повторными измерениями и контролируемой анонимной обратной связью{72}. Каждое звено готовит свой прогноз, применяя любые доступные ему факты, цифры и общие сведения о среде. Затем все прогнозы собирают, тот, кто руководит процессом, готовит анонимную сводку и раздает ее всем участникам опроса. Обычно в ней перечислены все прогнозные цифры, средняя величина (медиана) и некий общий показатель разброса оценок. Часто тех, чьи начальные оценки не вписались в серединный диапазон, просят объяснить их мнения и включают эти пояснения в сводку. Участники анализируют ее и предлагают пересмотренные прогнозы, а затем процесс повторяется несколько раз. Метод основывается на том, что при повторном вычислении диапазон оценок будет сужаться и они будут приближаться друг к другу, а совокупная коллективная оценка или медиана будет постепенно смещаться к правильному результату.

Объективные методы прогнозирования обычно основываются на более сложных количественных аналитических подходах.

В типичном случае методика рыночного тестирования предполагает сбыт продукта в нескольких репрезентативных географических регионах, чтобы оценить, насколько успешно он продается, и затем распространить положительный опыт на рынок в целом. Часто так поступают с новым товаром или усовершенствованной версией старого.

Многие компании считают рыночное тестирование решающим показателем реакции потребителей на новый продукт и индикатором его рыночного потенциала. Данные A.C. Nielsen свидетельствуют, что примерно три из четырех товаров, которые прошли рыночное тестирование, достигают успеха, а четыре из пяти не протестированных (80 %) терпят неудачу. Несмотря на это у данной методики есть несколько недостатков:

• тестирование рынка сложно осуществить, и оно больше подходит для потребительских, а не промышленных товаров;

• процесс тестирования может быть довольно долгим;

• поскольку продукт проходит тестирование, он может получить на экспериментальной стадии больше внимания, чем в условиях полноценного рынка, что способно привести к нереалистичной оценке его потенциала;

• тестовые продажи заметны для конкурентов, они подтверждают, что компания готовится к запуску нового продукта, следовательно, дают заинтересованным фирмам время подготовить ответные действия до полноценного выведения товара на рынок.

В целом рыночное тестирование может быть очень успешной техникой прогнозирования продаж, но прибегать к ней стоит только в том случае, если руководство оценило все ее положительные и отрицательные стороны.

Прогнозирование продаж с помощью анализа временных рядов построено на оценке данных за прошлые периоды. Степень сложности этого анализа может в значительной степени варьироваться. В самом простом варианте считается, что объем продаж на будущий год будет равен объему продаж текущего года. Такой прогноз может быть достаточно точным для сложившего зрелого рынка, который почти не растет и не подвержен колебаниям. Тем не менее во всех прочих ситуациях нужно использовать более сложные подходы к анализу временных рядов. Ниже рассматриваются три из этих методов: скользящей средней, экспоненциального сглаживания и декомпозиции{73}.

Метод скользящей средней по сути достаточно прост. Возьмите прогноз, согласно которому объем продаж в будущем году будет равен текущему. Такая оценка может быть крайне ошибочна, если от года к году наблюдаются значительные колебания в уровне продаж. Чтобы все учесть, можно рассчитать средний показатель объема продаж за определенный период, например за последние два, три года, пять лет или за любое другое количество времени, и получить усредненное значение количества проданного товара. Число учитываемых наблюдений при расчете выбирается обычно методом проб и ошибок. Проверяются разные интервалы, и тот из них, который дает самые точные прогнозы на экспериментальных данных, применяется для разработки прогнозной модели. После выявления он остается неизменным. Термин скользящая средняя означает, что с появлением каждого нового наблюдения рассчитывается и используется новое значение.

Таблица 5.4. Пример прогноза по методу скользящей средней

Рисунок 5.5. График фактических и прогнозных продаж с использованием скользящей средней

В таблице 5.4 показан пример прогноза на основе скользящей средней с периодом наблюдений в 16 лет и прогнозные оценки за несколько лет, определенные с помощью двух– и четырехлетней скользящих средних. На таблице 5.5 результаты показаны графически. Значение 4305 для 2000 года, рассчитанное по двухлетней скользящей средней, является средним между продажами 1998 года (4200) и 1999 года (4410). Таким же образом прогноз на 2013 год в размере 5772 единиц по четырехлетней скользящей средней определяется как средняя величин продаж за четыре года – с 2009 по 2012-й. Очевидно, что для применения четырехлетней скользящей средней по сравнению с двухлетней требуется больше данных. Это важно учитывать при прогнозировании объемов продаж для нового продукта.

В методе скользящих средних каждое из последних n значений в прогнозировании следующего имеет равный вес, где n – количество лет в интервале подсчета. Таким образом, когда n = 4 (для четырехлетней скользящей средней), каждому значению за последние четыре года в прогнозировании продаж на следующий придается равный вес. При использовании четырехлетней скользящей средней значения пятилетней давности и более ранние имеют нулевой вес.

Экспоненциальное сглаживание – одна из разновидностей метода скользящей средней. Но вместо равного веса для всех участвующих наблюдений при выведении прогнозного значения в этой модели более поздним наблюдениям придается больший вес. Самые последние наблюдения содержат больше всего информации о том, что может произойти в будущем, и логично, что им должно быть придано большее значение.

Ключевое решение при использовании экспоненциального сглаживания касается выбора коэффициента сглаживания ?, который принимает значения от 0 до 1. Высокие величины ? придают большой вес последним значениям и меньший – отдаленным; при низком уровне ?, напротив, больший вес получают более давние значения. Если продажи меняются медленно, то хороший результат дают невысокие показатели ?, высокие стоит использовать, чтобы прогнозные показатели быстрее откликались на изменения. Конкретную величину ? обычно определяют эмпирически, пробуя разные значения, и в итоге принимается то из них, при котором на данных за прошлый период ошибка прогноза оказывается минимальной.

Метод декомпозиции в прогнозировании сбыта обычно применяется по отношению к месячным или квартальным данным, когда очевиден сезонный характер спроса и когда менеджер хочет прогнозировать продажи не только на год, но и на меньшие периоды. Важно определить, когда изменение объема продаж отражает общие, фундаментальные процессы, а когда оно связано с сезонностью спроса. Например, Hawaiian Tropic хочет выяснить, насколько увеличение продаж защитных средств для загара связано с общей тенденцией к более активному уходу за кожей, а в какой степени его – с пиковым повышением спроса в мае – сентябре. Метод декомпозиции нацелен на то, чтобы отделить друг от друга четыре составляющих временного ряда: тренд, цикличность, сезонность и случайные факторы.

• Тренд отражает долгосрочный характер изменений, наблюдаемых во временном ряду, когда исключены циклические, сезонные и случайные составляющие. Обычно он является линейным.

• Цикличность присутствует не всегда, поскольку данный фактор отражает подъемы и спады при исключении сезонных и беспорядочных колебаний. Эти подъемы и спады обычно происходят на продолжительном отрезке, возможно, от двух до пяти лет. Некоторые продукты слабо подвержены циклическим колебаниям (например, консервированный горошек), тогда как в случае с другими товарами они достаточно сильны (новостройки).

• Сезонность отражает колебания временного ряда, связанные со сменой времен года. Обычно этот фактор проявляется одинаково каждый год, хотя точный характер продаж может различаться от года к году.

• Случайный фактор – составляющая, которая остается после исключения тренда, цикличности и сезонного фактора.

Таблица 5.6. Расчет индекса сезонности

* Индекс сезонности равен квартальной средней, поделенной на общую среднюю за квартал и помноженной на 100. Например, для первого квартала он равен (96,7 / 131,1) ? 100 = 73,8.

В таблице 5.6 представлен расчет простого сезонного индекса на материале данных за пять прошедших лет. Данные явно указывают на наличие сезонного фактора и тренда. Четвертый квартал каждый год становится самым успешным, первый – самым неудачным. В то же время продажи в каждом последующем году выше, чем в предыдущем. Можно рассчитать индекс сезонности для каждого года, просто разделив квартальные продажи на среднее значение за квартал. Чаще, однако, расчет индекса сезонности производится на основе данных за несколько лет, чтобы сгладить случайные колебания в разные кварталы.

Применяя метод декомпозиции, аналитик обычно сначала определяет характер сезонности и исключает ее, чтобы выявить тренд. Затем оценивается фактор цикличности. После расчета этих трех параметров по отдельности разрабатывается прогноз путем поочередного применения каждого фактора к историческим данным.

Методы анализа временных рядов позволяют определять зависимость продаж от временных периодов, на чем и основывается прогноз. Статистический анализ спроса при прогнозировании направлен на выявление взаимосвязи между продажами и важными факторами, влияющими на них. Обычно для определения этой взаимосвязи применяется регрессионный анализ. Задача заключается не в том, чтобы рассчитать по отдельности все факторы, а в том, чтобы выявить те из них, которые оказывают самое существенное влияние на сбыт, и затем оценить степень этого влияния. Прогностическими параметрами в статистическом анализе спроса часто являются индексы за прошлые периоды, такие как индекс опережающих экономических индикаторов и др. Например, производитель пиломатериалов для прогнозирования продаж может использовать показатель нового строительства, процентные ставки и сезонное увеличение спроса в летние месяцы.

Оглавление книги