Книга: Стимулирование продаж

3.6. Как оценить эффект стимулирования с помощью анализа статистики объемов продаж?

3.6. Как оценить эффект стимулирования с помощью анализа статистики объемов продаж?

Измерение эффекта стимулирования по статистике объемов продаж состоит из четырех этапов.

1. Анализ кривой продаж, на которую мы оказываем влияние посредством стимулирования.

2. Определение значения показателя W₀ – объема продаж, который был бы достигнут без стимулирования (прогнозное значение).

3. Замер объемов продаж W₁с учетом проведения мероприятия по стимулированию (фактическое значение).

4. Определение объема продаж Wот стимулирования, как разности между W₁и W₀.

Отметим, что без применения какого-либо из методов прогнозирования показателя W₀невозможно осуществить планирование эффективности мероприятий по стимулированию и расчет возможных затрат на стимулирование. Показатель W₁имеет как фактическое значение, наблюдаемое при проведении мероприятий по стимулированию, так прогнозное, которое мы рассчитываем на этапе планирования мероприятия. В этом разделе будут рассмотрены модели прогнозирования показателя Wv, исходя из предположения, что показатель W₁имеет фактическое значение. Модели прогнозирования объемов продаж W₁рассмотрены в главе 4.

Недостатками анализа статистики объемов продаж по сравнению с опросами являются:

• невозможность учитывать вероятность совершения покупки под влиянием бонуса;

• отсутствие (неполнота) требуемых для применения методов рядов статистических данных.

К достоинствам данного метода по сравнению с опросами можно отнести следующее:

• быстрота проведения расчетов при наличии статистики; при применении некоторых методов расчеты можно проводить перед началом проведения мероприятия;

• экономия средств на проведении опросов (оплата услуг сторонней организации, проводящей исследования, интервьюеров и т. д.);

• возможность осуществления оценки эффективности широкомасштабных общенациональных кампаний по стимулированию при наличии большого количества точек продаж (в таких ситуациях опросы часто технологически неприменимы);

• рассмотрение типа кривой продаж позволяет выбирать наиболее подходящие методы прогнозирования результатов с учетом стимулирования и без проведения стимулирования.

Ниже перечислены методы прогнозирования значения показателя W₀без проведения стимулирования.

1. Линейная интерполяция на трехточечном интервале.

2. Прогноз в соответствии с темпом роста продаж конкурентов.

3. Прогноз в соответствии с темпом роста продаж в других точках продаж или на других географических рынках.

4. Прогноз в соответствии с темпом роста продаж в отрасли в целом в текущем периоде.

5. Прогнозирование в соответствии с темпами роста продаж нашего товара или в отрасли в целом за прошлый год.

6. Прогнозирование по данным за прошлый год с учетом изменения показателей дистрибуции, продаж с квадратного метра торговой площади, отношения «посещение/покупка», доли продаж нашего товара в совокупном объеме продаж товарной категории.

7. Прогнозирование на основе анализа временных рядов.

Использование конкретного метода зависит от условий применения согласно гипотетической кривой продаж и наличия необходимых данных для расчетов.

Линейная интерполяция на трехточечном интервале. В случае, если определяется значение показателя за один момент времени, являющийся периодом (день, неделю, месяц), когда проводилась акция, и считается, что сезонность и другие факторы на интервале трех точек (до, во время и после проведения мероприятия) действовали по неизменной тенденции, можно использовать для прогнозирования данных об объемах продаж без стимулирования простейшую формулу линейной интерполяции [13]:

Для интерполяции могут быть выбраны точки, не соседние с прогнозируемой. Их можно выбрать, например, через точку, в моменты t—2 и t+2 для исключения эффекта воздействия стимулирования.

Недостатки метода:

• точка размером более месяца вряд ли может использоваться при применении данного метода, так как возникает опасность наличия сезонности и изменения направления действия других факторов;

• он может использоваться только при наличии гипотезы в виде кривых продаж, которые имеют выпуклость вверх как результат стимулирования.

Прогноз в соответствии с темпом роста продаж конкурентов. При применении этого метода в качестве значения прогнозного показателя объема продаж принимается значение, которое было бы достигнуто, если бы объемы продаж изменялись как у конкурента, который в это время не проводил мероприятий по стимулированию. Моментом T3 можно считать момент восстановления статус-кво по доле рынка между товаром и конкурентом, который был перед началом проведения акции.

Проведем вычисления для прогнозного объема продаж за период [T₁; T₂] по цепным темпам роста по следующим формулам:

где D_i^c – цепной по отношению к моменту времени t—1 темп роста объемов продаж конкурентов, десятичная дробь.

Пример расчета по цепным темпам роста приведен в табл. 3.12. Вслучае цепных темпов роста мы видим, что совокупный прирост объема продаж отрицательный.

Мы считаем, что применение цепных темпов роста не верно, так как прогнозируется значение показателя без влияния стимулирования. Применение цепных показателей основано на использовании в качестве базы предыдущего момента времени, а все моменты после момента T₁—1 имеют объемы продаж, связанные со стимулированием.

Таблица 3.11

Прогноз объемов продаж по базисным темпам роста

Таблица 3.12

Прогноз объемов продаж по цепным темпам роста

На рисунках 3.13 и 3.14 показаны графики объемов продаж, соответствующие табл. 3.11 и 3.12. Использование данных о продажах конкурентов имеет следующие недостатки:

• данные о продажах конкурента могут отсутствовать;

• все товары различны, и отношение покупателей к товару конкурента отличается от отношения к нашему товару;

• конкурент также может проводить в это время мероприятие по стимулированию, которое влияет на наш прогнозный результат без стимулирования;

• если товар-конкурент продается в одной торговой точке вместе со стимулируемым товаром, объемы его продаж падают за счет переманивания покупателей бонусами на стимулируемый товар, и использовать такой товар-конкурент в качестве базы для сравнения не следует;

• база вычисления всех точек основана на использовании показателя W_T1-1, который может содержать случайную ошибку.

Рис. 3.13. Прогноз объемов продаж в соответствии с базисными темпами роста

Рис. 3.14. Прогноз объемов продаж в соответствии с цепными темпами роста

Достоинства данного метода:

• проводится сравнение с конкурентом, а победа в конкурентной борьбе – одна из целей стимулирования;

• можно определить момент времени T3 как момент восстановления долей в совокупном объеме продаж нашего товар и конкурирующего после завершения акции по стимулированию;

• для применения данного метода требуется минимум статистических данных за прошлый период.

Данный метод лучше всего применять в ситуации выведения товара на рынок или в ситуации модификации товара. В качестве темпов роста используются данные конкурирующего товара в такой же ситуации, данные о продажах другой модели товара нашей марки, отраслевые средние данные по темпам продаж и срокам выведения новых товаров.

Прогноз в соответствии с темпом роста продаж в других точках продаж или на других географических рынках. При применении этого метода вместо данных по объемам продаж конкурентов используются данные продаж нашего товара в других торговых точках или данные с других географических рынков, где стимулирование не проводится.

Недостатки данного метода:

• недоступность данных из других географических регионов или из других точек продажи нашего региона;

• различие в поведении покупателей на других географических рынках;

• иная конкурентная среда на других рынках.

Главное достоинство метода заключается в том, что здесь отсутствует эффект замещения конкурента.

Прогноз в соответствии с темпом роста продаж в отрасли в целом в текущем периоде. В настоящее время компании GFK [102], A.C. Nielsen Research и TNS, занимающиеся аудитом продаж в розничной торговле по различным товарам, предоставляют заинтересованным фирмам данные по продажам разных марок. Используя среднеотраслевые темпы роста, учитывающие продажи различных конкурентов в разных точках продаж, мы получаем наиболее обоснованные прогнозы. Недостаток в использовании этих данных состоит в том, что необходимо исключить из рассмотрения продажи тех конкурентов, которые в указанное время проводили акции по стимулированию.

Недостатком всех вышеперечисленных методов является оценка эффекта мероприятия post factum. До тех пор пока не пройдет время, отведенное на проведение мероприятия, мы не сможем оценить эффект увеличения объема продаж даже при наличии планового прогноза продаж при проведении стимулирования. Этого недостатка лишены рассмотренные ниже методы.

Прогноз в соответствии с прогнозом темпа роста продаж нашего товара или в отрасли в целом по сравнению с прошлым годом.

Достоинства метода:

• используются данные прошлых периодов, что позволяет заранее прогнозировать результаты текущих акций;

• используются данные о продажах собственного товара.

Прогнозирование по данным за прошлый год с учетом изменения показателей дистрибуции, продаж с квадратного метра торговой площади, отношения «посещение/покупка», доли продаж нашего товара в совокупном объеме продаж товарной категории. В качестве коэффициента К можно использовать различные интегральные коэффициенты, построенные по данным за некоторый период до даты начала акции и за аналогичный период год назад.

Периодом может быть неделя, месяц, несколько месяцев и т. д. в зависимости от наличия данных и решения о том, насколько важен исторический аспект данных для того, чтобы ситуации их рассмотрения были сопоставимы. Можно рассматривать периоды с разницей меньше, чем год. В этом случае показатели разных сезонов взвешиваются коэффициентом сезонности:

где 1 – период перед началом акции, 0 – аналогичный период год назад, i=1,0; D – количество точек дистрибуции, в которых продается товар, шт.; S_i – средняя выручка в месяц с квадратного метра торговой площади по всем точкам дистрибуции, руб.; J_i – средняя доля продаж товарной категории в совокупных продажах в рублях по всем точкам дистрибуции, проценты; H₁ – средняя доля продаж товара в продажах товарной категории в рублях по всем точкам дистрибуции, проценты:

где 1 – период перед началом акции, 0 – аналогичный период год назад, i=1,0; D– количество точек дистрибуции, в которых продается товар, шт.; I_i – количество покупателей в одной точке дистрибуции, чел.; P_i – средняя доля покупателей среди посетителей всех точек дистрибуции, проценты; G_i – доля среди всех покупателей тех, кто является покупателями нашей товарной категории, проценты; H₁ – доля покупок нашего товара в натуральном измерении в покупках по товарной категории, проценты.

Недостатки данного метода:

• большое количество статистических данных;

• неопределенность выбора периодов для сравнения по исторической ошибке и отсутствию мероприятий по стимулированию;

• неопределенность длительности периодов сравнения.

Наиболее правильным, на взгляд автора, является применение этого метода с последовательными периодами, не менее чем за 6 месяцев (например, сопоставляются январь-июнь 2004 г. и июль-декабрь 2004 г.) и корректировкой данных по коэффициенту сезонности для показателей S_i, J_i, I_i, P_i, G_i.

Прогнозирование на основе анализа временных рядов. Существует целый ряд статистических и эконометрических моделей прогнозирования объемов продаж на основе анализа временных рядов темпов роста продаж собственной компании.

Применяя эти модели, можно получить значение объемов продаж без стимулирования. К ним относятся модель ARIMA (АРСС), методы Бокса-Дженкинса, Хольта, Брауна, скользящего среднего [5, 6, 106]. Все они реализованы в различных статистических пакетах прикладных программ.

Оглавление книги