Прогнозирование – это очень важный элемент практически любой сферы деятельности, начиная от экономики и заканчивая инженерией. Существует большое количество программного обеспечения, специализирующегося именно на этом направлении. К сожалению, далеко не все пользователи знают, что обычный табличный процессор Excel имеет в своем арсенале инструменты для выполнения прогнозирования, которые по своей эффективности мало чем уступают профессиональным программам. Давайте выясним, что это за инструменты, и как сделать прогноз на практике.

Целью любого прогнозирования является выявление текущей тенденции, и определение предполагаемого результата в отношении изучаемого объекта на определенный момент времени в будущем.

Способ 1: линия тренда

Одним из самых популярных видов графического прогнозирования в Экселе является экстраполяция выполненная построением линии тренда.

Попробуем предсказать сумму прибыли предприятия через 3 года на основе данных по этому показателю за предыдущие 12 лет.

Способ 2: оператор ПРЕДСКАЗ

Экстраполяцию для табличных данных можно произвести через стандартную функцию Эксель ПРЕДСКАЗ . Этот аргумент относится к категории статистических инструментов и имеет следующий синтаксис:

ПРЕДСКАЗ(X;известные_значения_y;известные значения_x)

«X» – это аргумент, значение функции для которого нужно определить. В нашем случае в качестве аргумента будет выступать год, на который следует произвести прогнозирование.

«Известные значения y» — база известных значений функции. В нашем случае в её роли выступает величина прибыли за предыдущие периоды.

«Известные значения x» — это аргументы, которым соответствуют известные значения функции. В их роли у нас выступает нумерация годов, за которые была собрана информация о прибыли предыдущих лет.

Естественно, что в качестве аргумента не обязательно должен выступать временной отрезок. Например, им может являться температура, а значением функции может выступать уровень расширения воды при нагревании.

При вычислении данным способом используется метод линейной регрессии.

Давайте разберем нюансы применения оператора ПРЕДСКАЗ на конкретном примере. Возьмем всю ту же таблицу. Нам нужно будет узнать прогноз прибыли на 2018 год.

Но не стоит забывать, что, как и при построении линии тренда, отрезок времени до прогнозируемого периода не должен превышать 30% от всего срока, за который накапливалась база данных.

Способ 3: оператор ТЕНДЕНЦИЯ

Для прогнозирования можно использовать ещё одну функцию – ТЕНДЕНЦИЯ . Она также относится к категории статистических операторов. Её синтаксис во многом напоминает синтаксис инструмента ПРЕДСКАЗ и выглядит следующим образом:

ТЕНДЕНЦИЯ(Известные значения_y;известные значения_x; новые_значения_x;[конст])

Как видим, аргументы «Известные значения y» и «Известные значения x» полностью соответствуют аналогичным элементам оператора ПРЕДСКАЗ , а аргумент «Новые значения x» соответствует аргументу «X» предыдущего инструмента. Кроме того, у ТЕНДЕНЦИЯ имеется дополнительный аргумент «Константа» , но он не является обязательным и используется только при наличии постоянных факторов.

Данный оператор наиболее эффективно используется при наличии линейной зависимости функции.

Посмотрим, как этот инструмент будет работать все с тем же массивом данных. Чтобы сравнить полученные результаты, точкой прогнозирования определим 2019 год.

Способ 4: оператор РОСТ

Ещё одной функцией, с помощью которой можно производить прогнозирование в Экселе, является оператор РОСТ. Он тоже относится к статистической группе инструментов, но, в отличие от предыдущих, при расчете применяет не метод линейной зависимости, а экспоненциальной. Синтаксис этого инструмента выглядит таким образом:

РОСТ(Известные значения_y;известные значения_x; новые_значения_x;[конст])

Как видим, аргументы у данной функции в точности повторяют аргументы оператора ТЕНДЕНЦИЯ , так что второй раз на их описании останавливаться не будем, а сразу перейдем к применению этого инструмента на практике.

Способ 5: оператор ЛИНЕЙН

Оператор ЛИНЕЙН при вычислении использует метод линейного приближения. Его не стоит путать с методом линейной зависимости, используемым инструментом ТЕНДЕНЦИЯ . Его синтаксис имеет такой вид:

ЛИНЕЙН(Известные значения_y;известные значения_x; новые_значения_x;[конст];[статистика])

Последние два аргумента являются необязательными. С первыми же двумя мы знакомы по предыдущим способам. Но вы, наверное, заметили, что в этой функции отсутствует аргумент, указывающий на новые значения. Дело в том, что данный инструмент определяет только изменение величины выручки за единицу периода, который в нашем случае равен одному году, а вот общий итог нам предстоит подсчитать отдельно, прибавив к последнему фактическому значению прибыли результат вычисления оператора ЛИНЕЙН , умноженный на количество лет.

Как видим, прогнозируемая величина прибыли, рассчитанная методом линейного приближения, в 2019 году составит 4614,9 тыс. рублей.

Способ 6: оператор ЛГРФПРИБЛ

Последний инструмент, который мы рассмотрим, будет ЛГРФПРИБЛ . Этот оператор производит расчеты на основе метода экспоненциального приближения. Его синтаксис имеет следующую структуру:

ЛГРФПРИБЛ (Известные значения_y;известные значения_x; новые_значения_x;[конст];[статистика])

Как видим, все аргументы полностью повторяют соответствующие элементы предыдущей функции. Алгоритм расчета прогноза немного изменится. Функция рассчитает экспоненциальный тренд, который покажет, во сколько раз поменяется сумма выручки за один период, то есть, за год. Нам нужно будет найти разницу в прибыли между последним фактическим периодом и первым плановым, умножить её на число плановых периодов (3) и прибавить к результату сумму последнего фактического периода.

Прогнозируемая сумма прибыли в 2019 году, которая была рассчитана методом экспоненциального приближения, составит 4639,2 тыс. рублей, что опять не сильно отличается от результатов, полученных при вычислении предыдущими способами.

Мы выяснили, какими способами можно произвести прогнозирование в программе Эксель. Графическим путем это можно сделать через применение линии тренда, а аналитическим – используя целый ряд встроенных статистических функций. В результате обработки идентичных данных этими операторами может получиться разный итог. Но это не удивительно, так как все они используют разные методы расчета. Если колебание небольшое, то все эти варианты, применимые к конкретному случаю, можно считать относительно достоверными.

Цель данной статьи - изложить в систематизированном виде методы прогнозирования объема продаж, наиболее часто применяемые в экономической практике. Главное внимание в работе обращено на прикладное значение рассматриваемых методов, на экономическое истолкование и интерпретацию получаемых результатов, а не на объяснение математико-статистического аппарата, который подробно освещается в специальной литературе.

Самым простым способом прогнозирования рыночной ситуации является экстраполяция, т.е. распространение тенденций, сложившихся в прошлом, на будущее. Сложившиеся объективные тенденции изменения экономических показателей в известной степени предопределяют их величину в будущем. К тому же многие рыночные процессы обладают некоторой инерционностью. Особенно это проявляется в краткосрочном прогнозировании. В то же время прогноз на отдаленный период должен максимально принимать во внимание вероятность изменения условий, в которых будет функционировать рынок.

Методы прогнозирования объема продаж можно разделить на три основные группы:

• методы экспертных оценок;
• методы анализа и прогнозирования временных рядов;
• казуальные (причинно-следственные) методы.

Методы экспертных оценок основываются на субъективной оценке текущего момента и перспектив развития. Эти методы целесообразно использовать для конъюнктурных оценок, особенно в случаях, когда невозможно получить непосредственную информацию о каком-либо явлении или процессе.

Вторая и третья группы методов основаны на анализе количественных показателей, но они существенно отличаются друг от друга.

Методы анализа и прогнозирования динамических рядов связаны с исследованием изолированных друг от друга показателей, каждый из которых состоит из двух элементов: из прогноза детерминированной компоненты и прогноза случайной компоненты. Разработка первого прогноза не представляет больших трудностей, если определена основная тенденция развития и возможна ее дальнейшая экстраполяция. Прогноз случайной компоненты сложнее, так как ее появление можно оценить лишь с некоторой вероятностью.

В основе казуальных методов лежит попытка найти факторы, определяющие поведение прогнозируемого показателя. Поиск этих факторов приводит собственно к экономико-математическому моделированию - построению модели поведения экономического объекта, учитывающей развитие взаимосвязанных явлений и процессов. Следует отметить, что применение многофакторного прогнозирования требует решения сложной проблемы выбора факторов, которая не может быть решена чисто статистическим путем, а связана с необходимостью глубокого изучения экономического содержания рассматриваемого явления или процесса. И здесь важно подчеркнуть примат экономического анализа перед чисто статистическими методами изучения процесса.

Каждая из рассмотренных групп методов обладает определенными достоинствами и недостатками. Их применение более эффективно в краткосрочном прогнозировании, так как они в определенной мере упрощают реальные процессы и не выходят за рамки представлений сегодняшнего дня. Следует обеспечивать одновременное использование количественных и качественных методов прогнозирования.

Рассмотрим подробнее сущность некоторых методов прогнозирования объема продаж, возможности их использования в маркетинговом анализе, а также необходимые исходные данные и временны2е ограничения.

Прогнозы объема продаж с помощью экспертов могут быть получены в одной из трех форм:

1. точечного прогноза;
2. интервального прогноза;
3. прогноза распределения вероятностей.

Точечный прогноз объема продаж - это прогноз конкретной цифры. Он является наиболее простым из всех прогнозов, поскольку содержит наименьший объем информации. Как правило, заранее предполагается, что точечный прогноз может быть ошибочным, но методикой не предусмотрен расчет ошибки прогноза или вероятности точного прогноза. Поэтому на практике чаще применяются два других метода прогнозирования: интервальный и вероятностный.

Интервальный прогноз объема продаж предусматривает установление границ, внутри которых будет находиться прогнозируемое значение показателя с заданным уровнем значимости. Примером является утверждение типа: «В предстоящем году объем продаж составит от 11 до 12,4 млн. руб.».

Прогноз распределения вероятностей связан с определением вероятности попадания фактического значения показателя в одну из нескольких групп с установленными интервалами. Примером может служить прогноз типа:

Хотя при составлении прогноза существует определенная вероятность, что фактический объем продаж не попадет в указанный интервал, но прогнозисты верят, что она настолько мала, что может игнорироваться при планировании.

Интервалы, учитывающие низкий, средний и высокий уровень продаж, иногда называют пессимистичными, наиболее вероятными и оптимистическими. Конечно, распределение вероятностей может быть представлено большим количеством групп, но наиболее часто используются три указанных группы интервалов.

Для выявления общего мнения экспертов необходимо получить данные о прогнозных значениях от каждого эксперта, а затем произвести расчеты, используя систему взвешивания индивидуальных значений по какому-либо критерию. Известны четыре метода взвешивания различных мнений:

Выбор метода остается за исследователем и зависит от конкретной ситуации. Ни один из них не может быть рекомендован для использования в любой ситуации.

Избежать проблемы взвешивания индивидуальных прогнозов экспертов и искажающего влияния отмеченных нежелательных факторов позволяет Дельфи-метод (см., например, ). Его основу составляет работа по сближению точек зрения экспертов. Всех экспертов знакомят с оценками и обоснованиями других экспертов и предоставляют возможность изменить свою оценку.

Вторая группа методов прогнозирования основана на анализе временных рядов.

Таблица 1 представляет временной ряд по показателю потребления безалкогольного напитка «Тархун» в декалитрах (дал) в одном из регионов начиная с 1993 г. Анализ временных рядов может проводиться не только по годовым или месячным данным, но также могут использоваться ежеквартальные, недельные или ежедневные данные об объемах продаж. Для расчетов был использован программный продукт Statistica 5.0 for Windows.

Таблица 1
Ежемесячное потребление безалкогольного напитка «Тархун» в 1993-1999 гг. (тыс. дал)

По данным таблицы 1 построим график потребления напитка «Тархун» в 1993-1999 гг. (рис. 1), где на оси абсцисс представлены даты наблюдения, на оси ординат - объемы потребления напитка.

Рис. 1. Ежемесячное потребление напитка «Тархун» в 1993-1999 гг. (тыс. дал)

Прогнозирование на основе анализа временных рядов предполагает, что происходившие изменения в объемах продаж могут быть использованы для определения этого показателя в последующие периоды времени. Временные ряды, подобные тем, что приведены в таблице 1, обычно служат для расчета четырех различных типов изменений в показателях: трендовых, сезонных, циклических и случайных.

Тренд - это изменение, определяющее общее направление развития, основную тенденцию временных рядов . Выявление основной тенденции развития (тренда) называется выравниванием временного ряда, а методы выявления основной тенденции - методами выравнивания.

Один из наиболее простых приемов обнаружения общей тенденции развития явления - укрупнение интервала динамического ряда. Смысл этого приема заключается в том, что первоначальный ряд динамики преобразуется и заменяется другим, уровни которого относятся к большим по продолжительности периодам времени. Так, например, месячные данные таблицы 1 могут быть преобразованы в ряд годовых данных. График ежегодного потребления напитка «Тархун», приведенный на рисунке 2, показывает, что потребление возрастает из года в год в течение исследуемого периода. Тренд в потреблении является характеристикой относительно стабильного темпа роста показателя за период.

Выявление основной тенденции может быть осуществлено также методом скользящей средней. Для определения скользящей средней формируются укрупненные интервалы, состоящие из одинакового числа уровней. Каждый последующий интервал получаем, постепенно передвигаясь от начального уровня динамического ряда на одно значение. По сформированным укрупненным данным рассчитываем скользящие средние, которые относятся к середине укрупненного интервала.

Рис. 2. Ежегодное потребление напитка «Тархун» в 1993-1999 гг. (тыс. дал)

Порядок расчета скользящих средних по потреблению напитка «Тархун» в 1993 г. приведен в таблице 2. Аналогичный расчет может быть проведен на основе всех данных за 1993-1999 гг.

Таблица 2
Расчет скользящих средних по данным за 1993 г.

В данном случае расчет скользящей средней не позволяет сделать вывод об устойчивой тенденции в потреблении напитка «Тархун», поскольку на нее влияет внутригодовое сезонное колебание, которое может быть устранено лишь при расчете скользящих средних за год.

Изучение основной тенденции развития методом скользящей средней является эмпирическим приемом предварительного анализа. Для того чтобы дать количественную модель изменений динамического ряда, используется метод аналитического выравнивания. В этом случае фактические уровни ряда заменяются теоретическими, рассчитанными по определенной кривой, отражающей общую тенденцию изменения показателей во времени. Таким образом, уровни динамического ряда рассматриваются как функция времени:

Y t = f(t).

Наиболее часто могут использоваться следующие функции:

1. при равномерном развитии - линейная функция: Y t = b 0 + b 1 t;
2. при росте с ускорением:
   1. парабола второго порядка: Y t = b 0 + b 1 t + b 2 t 2 ;
   2. кубическая парабола: Y t = b 0 + b 1 t + b 2 t 2 + b 3 t 3 ;
3. при постоянных темпах роста - показательная функция: Y t = b 0 b 1 t;
4. при снижении с замедлением - гиперболическая функция: Y t = b 0 + b 1 x1/t.

Однако аналитическое выравнивание содержит в себе ряд условностей: развитие явлений обусловлено не только тем, сколько времени прошло с отправного момента, а и тем, какие силы влияли на развитие, в каком направлении и с какой интенсивностью. Развитие явлений во времени выступает как внешнее выражение этих сил.

Оценки параметров b 0 , b 1 , ... b n находятся методом наименьших квадратов, сущность которого состоит в отыскании таких параметров, при которых сумма квадратов отклонений расчетных значений уровней, вычисленных по искомой формуле, от их фактических значений была бы минимальной.

Для сглаживания экономических временных рядов нецелесообразно использовать функции, содержащие большое количество параметров, так как полученные таким образом уравнения тренда (особенно при малом числе наблюдений) будут отражать случайные колебания, а не основную тенденцию развития явления.

Расчетные значения параметров уравнения регрессии и графики теоретических и фактических годовых объемов потребления напитка «Тархун» представлены на рисунке 3.

Рис. 3. Теоретические и фактические значения объемов потребления напитка «Тархун» в 1993-1999 гг. (тыс. дал)

Подбор вида функции, описывающей тренд, параметры которой определяются методом наименьших квадратов, производится в большинстве случаев эмпирически, путем построения ряда функций и сравнения их между собой по величине среднеквадратической ошибки.

Разность между фактическими значениями ряда динамики и его выравненными значениями () характеризует случайные колебания (иногда их называют остаточные колебания или статистические помехи). В некоторых случаях последние сочетают тренд, циклические колебания и сезонные колебания.

Среднеквадратическая ошибка, рассчитанная по годовым данным потребления напитка «Тархун» для уравнения прямой (рис. 1), составила 1,028 тыс. дал. На основании среднеквадратической ошибки можно рассчитать предельную ошибку прогноза. Для того чтобы гарантировать результат с вероятностью 95%, используется коэффициент, равный 2; а для вероятности 99% этот коэффициент увеличится до 3. Итак, мы можем гарантировать с вероятностью 95%, что объем потребления в 2000 г. составит 134,882 тыс. дал. плюс (минус) 2,056 тыс. дал.

Расчеты по подбору функций, описывающих объем потребления напитка «Тархун» в отдельные месяцы с 1993 г. по 1999 г., показали, что ни одно из перечисленных уравнений не подходит для прогнозирования этого показателя. Во всех случаях объясненная вариация не превысила 28,8%.

Сезонные колебания - повторяющиеся из года в год изменения показателя в определенные промежутки времени. Наблюдая их в течение нескольких лет для каждого месяца (или квартала), можно вычислить соответствующие средние, или медианы, которые принимаются за характеристики сезонных колебаний.

При проверке ежемесячных данных из таблицы 1 можно обнаружить, что пик потребления напитка приходится на летние месяцы. Объем продаж детской обуви приходится на период перед началом учебного года, увеличение потребления свежих овощей и фруктов происходит осенью, повышение объемов строительных работ - летом, увеличение закупочных и розничных цен на сельхозпродукты - в зимний период и т.п. Периодические колебания в розничной торговле можно обнаружить и в течение недели (например, перед выходными днями увеличивается продажа отдельных продуктов питания), и в течение какой-либо недели месяца. Однако самые значительные сезонные колебания наблюдаются в определенные месяцы года. При анализе сезонных колебаний обычно рассчитывается индекс сезонности, который используется для прогнозирования исследуемого показателя.

В самой простой форме индекс сезонности рассчитывается как отношение среднего уровня за соответствующий месяц к общему среднему значению показателя за год (в процентах). Все другие известные методы расчета сезонности различаются по способу расчета выравненной средней. Чаще всего используются либо скользящая средняя, либо аналитическая модель проявления сезонных колебаний.

Большинство методов предполагает использование компьютера. Относительно простым методом расчета индекса сезонности является метод центрированной скользящей средней. Для того чтобы его проиллюстрировать, предположим, что в начале 1999 г. мы хотели рассчитать индекс сезонности для потребления напитка «Тархун» в июне 1999 г. Используя метод скользящей средней, мы должны были бы последовательно осуществить следующие этапы:

Сравнение средних квадратических отклонений, вычисленных за разные периоды времени, показывает сдвиги в сезонности (рост свидетельствует об увеличении сезонности потребления напитка «Тархун»).

Другим методом расчета индексов сезонности, часто используемым в различного рода экономических исследованиях, является метод сезонной корректировки, известный в компьютерных программах как метод переписи (Census Method II). Он является своего рода модификацией метода скользящих средних. Специальная компьютерная программа элиминирует трендовую и циклическую компоненты, используя целый комплекс скользящих средних. Кроме того, из средних сезонных индексов удалены и случайные колебания, поскольку под контролем находятся крайние значения признаков.

Расчет индексов сезонности является первым этапом в составлении прогноза. Обычно этот расчет проводится вместе с оценкой тренда и случайных колебаний и позволяет корректировать прогнозные значения показателей, полученных по тренду. При этом необходимо учитывать, что сезонные компоненты могут быть аддитивными и мультипликативными. Например, каждый год в летние месяцы продажа безалкогольных напитков увеличивается на 2000 дал, таким образом, в эти месяцы к существующим прогнозам необходимо добавлять 2000 дал, чтобы учесть сезонные колебания. В этом случае сезонность аддитивна. Однако в течение летних месяцев продажа безалкогольных напитков может увеличиваться на 30%, то есть коэффициент равен 1,3. В этом случае сезонность носит мультипликативный характер, или другими словами, мультипликативный сезонный компонент равен 1,3.

В таблице 3 приведены расчеты индексов и факторов сезонности методами переписи и центрированной скользящей средней.

Таблица 3
Индексы сезонности объема продаж напитка «Тархун», рассчитанные по данным за 1993-1999 гг.

Данные таблицы 3 характеризуют природу сезонности потребления напитка «Тархун»: в летние месяцы объем потребления возрастает, а в зимние - падает. Причем данные обоих методов - переписи и центрированной скользящей средней - дают практически одинаковые результаты. Выбор метода определяется в зависимости от ошибки прогноза, о которой упоминалось выше. Итак, индексы, или факторы, сезонности могут быть учтены при прогнозировании объемов продаж через корректировку трендового значения прогнозируемого показателя. Например, предположим, что был сделан прогноз на июнь 1999 г. методом скользящей средней и он составил 10,480 тыс дал. Индекс сезонности в июне (по методу переписи) равен 115,1. Таким образом, окончательный прогноз для июня 1999 г. составит: (10,480 x 115,1)/100 = 12,062 тыс. дал.

Если бы на изучаемом интервале времени коэффициенты уравнения регрессии, которое описывает тренд, оставались бы неизменными, то для построения прогноза достаточно было бы использовать метод наименьших квадратов. Однако в течение исследуемого периода коэффициенты могут меняться. Естественно, что в таких случаях более поздние наблюдения несут большую информационную ценность по сравнению с более ранними наблюдениями, а следовательно, им нужно присвоить наибольший вес. Именно таким принципам и отвечает метод экспоненциального сглаживания, который может быть использован для краткосрочного прогнозирования объема продаж. Расчет осуществляется с помощью экспоненциально-взвешенных скользящих средних:

где Z - сглаженный (экспоненциальный) объем продаж;
t - период времени;
a - константа сглаживания;
Y - фактический объем продаж.

Последовательно используя эту формулу, экспоненциальный объем продаж Zt можно выразить через фактические значения объема продаж Y:

где SO - начальное значение экспоненциальной средней.

При построении прогнозов с помощью метода экспоненциального сглаживания одной из основных проблем является выбор оптимального значения параметра сглаживания a . Ясно, что при разных значениях a результаты прогноза будут различными. Если a близка к единице, то это приводит к учету в прогнозе в основном влияния лишь последних наблюдений; если a близка к нулю, то веса, по которым взвешиваются объемы продаж во временном ряду, убывают медленно, т.е. при прогнозе учитываются все (или почти все) наблюдения. Если нет достаточной уверенности в выборе начальных условий прогнозирования, то можно использовать итеративный способ вычисления a в интервале от 0 до 1. Существуют специальные компьютерные программы для определения этой константы. Результаты расчетов объема продаж напитка «Тархун» методом экспоненциального сглаживания приведены на рисунке 4.

На графике видно, что выравненный ряд достаточно точно воспроизводит фактические данные объема продаж. При этом при прогнозе учитываются данные всех прошлых наблюдений, веса, по которым взвешиваются уровни временного ряда, убывают медленно, a

Таблица 5
Результаты прогнозирования объема продаж напитка «Тархун» в 1999 г.

Методика выявления цикличности заключается в следующем. Отбираются рыночные показатели, проявляющие наибольшие колебания, и строятся их динамические ряды за возможно более продолжительный срок. В каждом из них исключается тренд, а также сезонные колебания. Остаточные ряды, отражающие только конъюнктурные или чисто случайные колебания, стандартизируются, т.е. приводятся к одному знаменателю. Затем рассчитываются коэффициенты корреляции, характеризующие взхаимосвязь показателей. Многомерные связи разбиваются на однородные кластерные группы. Нанесенные на график кластерные оценки должны показать последовательность изменения основных рыночных процессов и их движение по фазам конъюнктурных циклов.

Казуальные методы прогнозирования объема продаж включают разработку и использование прогнозных моделей, в которых изменения в уровне продаж являются результатом изменения одной и более переменных.

Казуальные методы прогнозирования требуют определения факторных признаков, оценки их изменений и установления зависимости между ними и объемом продаж. Из всех казуальных методов прогнозирования рассмотрим только те, которые с наибольшим эффектом могут быть использованы для прогнозирования объема продаж. К таким методам относятся:

• корреляционно-регрессионный анализ;
• метод ведущих индикаторов;
• метод обследования намерений потребителей и др.

К числу наиболее широко используемых казуальных методов относится корреляционно-регрессионный анализ. Техника этого анализа достаточно подробно рассмотрена во всех статистических справочниках и учебниках. Рассмотрим лишь возможности этого метода применительно к прогнозированию объема продаж.

Может быть построена регрессионная модель, в которой в качестве факторных признаков могут быть выбраны такие переменные, как уровень доходов потребителей, цены на продукты конкурентов, расходы на рекламу и др. Уравнение множественной регрессии имеет вид

Y (X 1 ; X 2 ; ...; X n) = b 0 + b 1 x X 1 + b 2 x X 2 + ... + b n x X n ,

где Y - прогнозируемый (результативный) показатель; в данном случае - объем продаж;
X 1 ; X 2 ; ...; X n - факторы (независимые переменные); в данном случае - уровень доходов потребителей, цены на продукты конку- рентов и т.д.;
n - количество независимых переменных;
b 0 - свободный член уравнения регрессии;
b 1 ; b 2 ; ...; b n - коэффициенты регрессии, измеряющие отклонение ре- зультативного признака от его средней величины при от- клонении факторного признака на единицу его измере- ния.

Последовательность разработки регрессионной модели для прогнозирования объема продаж включает следующие этапы:

1. предварительный отбор независимых факторов, которые по убеждению исследователя определяют объем продаж. Эти факторы должны быть либо известны (например, при прогнозировании объема продаж цветных телевизоров (результативный показатель) в качестве факторного признака может выступать число цветных телевизоров, находящихся в эксплуатации в настоящее время); либо легко определяемы (например, соотношение цены на исследуемый продукт фирмы с ценами конкурентов);
2. сбор данных по независимым переменным. При этом строится временной ряд по каждому фактору либо собираются данные по некоторой совокупности (например, совокупности предприятий). Другими словами, необходимо, чтобы каждая независимая переменная была представлена 20 и более наблюдениями;
3. определение связи между каждой независимой переменной и результативным признаком. В принципе, связь между признаками должна быть линейной, в противном случае производят линеаризацию уравнения путем замены или преобразования величины факторного признака;
4. проведение регрессионного анализа, т.е. расчет уравнения и коэффициентов регрессии, и проверка их значимости;
5. повтор этапов 1-4 до тех пор, пока не будет получена удовлетворительная модель. В качестве критерия удовлетворительности модели может служить ее способность воспроизводить фактические данные с заданной степенью точности;
6. сравнение роли различных факторов в формировании моделируемого показателя. Для сравнения можно рассчитать частные коэффициенты эластичности, которые показывают, на сколько процентов в среднем изменится объем продаж при изменении фактора X j на один процент при фиксированном положении других факторов. Коэффициент эластичности определяется по формуле

где b j - коэффициент регрессии при j-м факторе.

Регрессионные модели могут использоваться при прогнозировании спроса на потребительские товары и средства производства. В результате проведения корреляционно-регрессионного анализа объема продаж напитка «Тархун» была получена модель

Y t+1 = 2,021 + 0,743A t + 0,856Y t ,

где Y t+1 - прогнозируемый объем продаж в месяце t + 1;
A t - затраты на рекламу в текущем месяце t;
Y t - объем продаж в текущем месяце t.

Возможна следующая интерпретация уравнения многофакторной регрессии: величина объема продаж напитка в среднем увеличивалась на 2,021 тыс. дал, при увеличении затрат на рекламу на 1 руб. объем продаж в среднем увеличивался на 0,743 тыс. дал., при увеличении объема продаж предыдущего месяца на 1 тыс. дал объем продаж в последующем месяце увеличивался на 0,856 тыс. дал.

Ведущие индикаторы - это показатели, изменяющиеся в том же направлении, что и исследуемый показатель, но опережающие его во времени. Например, изменение уровня жизни населения влечет за собой изменение спроса на отдельные товары, а следовательно, изучая динамику показателей уровня жизни, можно сделать выводы о возможном изменении спроса на эти товары. Известно, что в развитых странах по мере увеличения доходов возрастают потребности в услугах, а в развивающихся странах - в товарах длительного пользования.

Метод ведущих индикаторов чаще используется для прогнозирования изменений в бизнесе в целом, чем для прогнозирования объема продаж отдельных компаний. Хотя нельзя отрицать, что уровень объема продаж большинства компаний зависит от общей рыночной ситуации, сложившейся в регионах и стране в целом. Поэтому перед прогнозированием собственного объема продаж фирмам часто бывает необходимо оценить общий уровень экономической активности в регионе.

Существенным обоснованием прогноза объема продаж товаров потребительского назначения могут служить данные обследований намерений потребителей. Они знают о собственных перспективных покупках больше, чем кто-либо, поэтому многие компании проводят периодические обследования мнений потребителей о производимой продукции и вероятности ее покупки в будущем. Чаще всего эти обследования касаются товаров и услуг, приобретение которых планируется потенциальными покупателями заранее (как правило, это дорогие покупки типа автомобиля, квартиры или путешествия).

Конечно, нельзя недооценивать полезность такого рода обследований, но также нельзя не учитывать, что намерения потребителей относительно какого-то товара могут измениться, что скажется на отклонении фактических данных о потреблении от прогнозных.

Итак, при прогнозировании объема продаж могут быть использованы все рассмотренные выше методы. Естественно, возникает вопрос об оптимальном методе прогнозирования в конкретной ситуации. Выбор метода связан, по крайней мере, с тремя ограничивающими условиями:

1. точность прогноза;
2. наличие необходимых исходных данных;
3. наличие времени для осуществления прогнозирования.

Если требуется прогноз с точностью 5%, то все методы прогнозирования, обеспечивающие точность 10%, могут не рассматриваться. Если нет необходимых для прогноза данных (например, данные временных рядов при прогнозировании объема продаж нового продукта), то исследователь вынужден прибегнуть к казуальным методам или экспертным оценкам. Подобная ситуация может возникнуть в связи со срочной потребностью в прогнозных данных. В этом случае исследователь должен руководствоваться временем, имеющимся в его распоряжении, осознавая, что срочность расчетов может сказаться на их точности.

Необходимо отметить, что мерой качества прогноза может служить коэффициент, характеризующий отношение числа подтвердившихся прогнозов к общему числу сделанных прогнозов. Очень важно осуществлять расчет этого коэффициента не по окончании прогнозируемого срока, а при составлении самого прогноза. Для этого можно использовать метод инверсной верификации путем ретроспективного прогнозирования. Это означает, что правильность прогнозной модели проверяется ее способностью воспроизводить фактические данные в прошлом. Других формальных критериев, знание которых позволило бы априорно заявить об аппроксимирующей способности прогнозной модели, не существует .

Прогнозирование объема продаж - неотъемлемая часть процесса принятия решения; это систематическая проверка ресурсов компании, позволяющая более полно использовать ее преимущества и своевременно выявлять потенциальные угрозы. Компания должна постоянно следить за динамикой объема продаж и альтернативными возможностями развития рыночной ситуации с тем, чтобы наилучшим образом распределять имеющиеся ресурсы и выбирать наиболее целесообразные направления своей деятельности.

Литература

1. Баззел Р.Д. и др. Информация и риск в маркетинге. - М.: Финстатинформ, 1993.

2. Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз. - М.: Финансы и статистика, 2001.

3. Березин И.С. Маркетинг и исследования рынков. - М.: Русская деловая литература, 1999.

4. Голубков Е.П. Маркетинговые исследования: теория, методология и практика. - М.: Издательство «Финпресс», 1998.

5. Елисеева И.И., Юзбашев М.М. Общая теория статистики. - М.: Финансы и статистика, 1996.

6. Ефимова М.Р., Рябцев В.М. Общая теория статистики. - М.: Финансы и статистика, 1991.

7. Литвак Б.Г. Экспертные оценки и принятие решений. - М.: Патент, 1996.

8. Лобанова Е. Прогнозирование с учетом экономического роста // Экономические науки. - 1992. - № 1.

9. Рыночная экономика: Учебник. Т. 1. Теория рыночной экономики. Часть 1. Микроэкономика / Под ред. В.Ф. Максимова - М.: Соминтэк, 1992.

10. Статистика рынка товаров и услуг: Учебник / Под ред. И.К. Беляевского. - М.: Финансы и статистика, 1995.

11. Статистический словарь / Под ред. М.А. Королева - М.: Финансы и статистика, 1989.

12. Статистическое моделирование и прогнозирование: Учебное пособие / Под ред. А.Г. Гранберга. - М.: Финансы и статистика, 1990.

13. Юзбашев М.М., Манелля А.И. Статистический анализ тенденций и колеблемости. - М.: Финансы и статистика, 1983.

14. Aaker, David A. and Day George S. Marketing Research. - 4th ed. - NewYork: John Wiley and Sons, 1990. - Chapter 22 «Forecasting».

15. Dalrymple, D.J. Sales forecasting practices // International Journal of Forecasting. - 1987. - Vol. 3.

16. Kress G.J., Shyder J. Forecasting and Market Analysis Techniques: A Practical Approach. - Hardcover, 1994.

17. Schnaars, S.P. The use of multiple scenarios in sales forecasting // The International Journal of Forecasting. - 1987. - Vol. 3.

18. Waddell D., Sohal A. Forecasting: The Key to Managerial Decision Making // Management Decision. - 1994. - Vol 32, Issue 1.

19. Wheelwright, S. and Makridakis, S. Forecasting Methods for Management. - 4th ed. - John Wiley & Sons, Canada, 1985.

Прогнозирование продаж -- один из самых важных информационных инструментов планирования деятельности как компании в целом, так и каждого ее подразделения. Например, финансовый отдел использует прогноз продаж для планирования денежных потоков, принятия инвестиционных решений и составления операционных бюджетов; производственный отдел -- для определения объемов, составления графиков производства и управления товарно-материальными запасами; отдел кадров -- для планирования потребности в работниках и в качестве исходной информации при заключении коллективных договоров; отдел закупок -- для планирования совокупной потребности компании в материалах и составления графиков их поставок; отдел маркетинга -- для планирования программ маркетинга и сбыта и распределения ресурсов между различными видами маркетинговой деятельности. На первый взгляд может показаться, что, чем крупнее компания, тем важнее точность прогноза; на самом же деле нет принципиальной разницы между ошибкой, сделанной при прогнозировании продаж киоска, и ошибкой, допущенной при прогнозировании сбыта крупного завода. Особенно опасны ошибки в прогнозировании продаж начинающих фирм -- ведь у них, в отличие от более опытных компаний, как правило, нет дополнительных ресурсов для покрытия дефицита, который может возникнуть в результате неправильного планирования.

Прогноз продаж применяется также для планирования и оценки работы каждого продавца. Он используется для установления квот продажи, формирования схемы оплаты труда и оценки деятельности торгового персонала, поэтому очень важно, чтобы менеджеры по продажам были хорошо знакомы с основными методами прогнозирования продаж. Для прогнозирования продаж используются субъективные и объективные методы.

Рисунок - Классификация методов прогнозирования продаж

I. Субъективные методы прогнозирования продаж при составлении прогноза не используют количественные (эмпирические) и аналитические данные продаж, а основываются на субъективных мнениях разных специалистов.

1) Ожидания пользователей.

Метод ожиданий пользователей в прогнозировании продаж известен также как метод намерений покупателей, поскольку основывается на высказываниях потребителей об их готовности приобрести тот или иной товар.

Метод ожиданий пользователей в прогнозировании продаж обычно дает оценки, более близкие к потенциалу рынка или потенциалу продаж, чем к прогнозам продаж. Этот метод можно использовать скорее в качестве индикатора привлекательности для компании определенного рынка либо его сегментов, чем как инструмент прогнозирования продаж. В большинстве случаев намерения покупателей отделены от реальной покупки огромной пропастью, преодолеть которую должен маркетинговый план компании. Особенно важно помнить об этой пропасти при разработке и выводе на рынок новых товаров или услуг.

Недостатки этого метода очевидны. Зачастую компания тратит большие средства на маркетинговые исследования, а потом не может продать новый товар, необходимость которого в материалах исследований казалась очевидной. Это говорит о том, что прогноз продаж на основе метода ожиданий пользователей может давать неверные результаты. Для планирования своей деятельности компании нужно знать, что именно потребитель хочет получить от товара или услуги. Предположим, покупатель хочет меньше тратить времени на покупку продуктов. Только фирма (но не потребитель), обладая всей информацией о рынке и спросе, может поставить задачу: построить магазин в новом густонаселенном районе или организовать продажу продуктов через Интернет с доставкой на дом.

2) Мнение продавцов.

Метод прогнозирования продаж на основе мнения продавцов или торгового персонала -- это выявление данных о том, какой объем продукции каждый сотрудник сбыта рассчитывает продать в течение определенного периода.

Полученные оценки проверяются, обсуждаются и корректируются на разных уровнях управления с учетом точности предыдущих прогнозов каждого представителя сбыта. По разным причинам сотрудники могут либо недооценивать, либо переоценивать свои возможности. Например, если какие-то товары компании оказываются в дефиците (например, из-за нехватки исходных материалов или быстрого роста рынка) или доступны лишь ограниченному кругу потребителей (например, в случае проведения краткосрочной кампании по стимулированию сбыта), сотрудники сбыта завышают свои возможности в ожидании, что им выделят больше “дефицитных” товаров. Если же квоты продажи являются производными от прогнозов, то торговый персонал склонен недооценивать возможные объемы продаж, чтобы получить квоту поменьше и выполнить ее без излишних усилий. Превысив прогнозируемые показатели, такой работник зарекомендует себя как эффективный продавец и может даже получить материальное вознаграждение.

3) Мнение менеджеров компании.

Метод прогнозирования продаж, базирующийся на выявлении оценок или коллективного мнения менеджеров/руководителей компании, -- это проводимый внутри фирмы-продавца формальный или неформальный опрос ключевых руководителей для получения их оценки будущих продаж. Все оценки экспертов объединяются в прогноз продаж компании -- иногда путем простого усреднения индивидуальных оценок. В других случаях явно расходящиеся между собой точки зрения опрашиваемых обсуждаются в группе, где и достигается консенсус. Первоначальные позиции экспертов могут означать не более чем интуитивную догадку того или иного руководителя о будущем развитии событий. Бывает, что мнение руководителя базируется на богатом фактическом материале, а иногда даже на первоначальном прогнозе, выполненном какими-нибудь иными способами.

4) Метод Дельфи

Метод Дельфи позволяет получить более точный прогноз. Он базируется на интерактивном подходе с повторными измерениями и контролируемой анонимной обратной связью (вместо непосредственного общения экспертов и обсуждения ими своих оценок будущего сбыта). При этом каждый эксперт готовит собственный прогноз на основе имеющихся у него фактов, данных и общего знания среды, в которой работает компания. Затем координатор на основе полученных прогнозов составляет обобщающий отчет и вручает его каждому из участников. Как правило, этот отчет содержит индивидуальные прогнозы каждого эксперта, рассчитанный средний показатель и разбросы оценок. Обычно экспертов, чьи первоначальные оценки резко расходятся с усредненным показателем, просят аргументировать свою точку зрения, и эти мнения также включаются в итоговый документ. Участники “опроса” изучают его и предлагают новый вариант прогноза. Обычно эксперты приходят к единому мнению в результате нескольких итераций. Опыт показывает, что разброс данных постепенно уменьшается, поскольку оценки экспертов сближаются, а совокупное мнение группы дает результат, близкий к объективным показателям.

II) Объективные методы прогнозирования продаж.

Объективные методы прогнозирования продаж базируются в основном на количественных (эмпирических) и аналитических данных.

1) Рыночное тестирование

Метод рыночного тестирования предполагает продажу товара в нескольких считающихся репрезентативными географических регионах для выяснения реакции потребителей, с последующим проецированием полученных данных на весь рынок в целом. Нередко такой метод используется для разработки нового товара или усовершенствования старого.

Многие фирмы рассматривают результаты рыночного тестирования как важнейшее свидетельство отношения потребителей к новому товару и конечный показатель потенциала рынка. Исследования показывают, что примерно три из четырех товаров, получивших одобрение потребителей в ходе рыночного тестирования, добиваются успеха на рынке, а четыре из пяти товаров, не выдержавших тестирование, терпят неудачу. И все же рыночное тестирование имеет ряд недостатков.

2) Анализ временных рядов

Прогнозирование продаж с использованием анализа временных рядов базируется на анализе данных за прошедшие периоды. В простейшем случае прогноз предполагает, что объем сбыта в следующем году будет равен объему сбыта в текущем году. Такой прогноз может оказаться достаточно точным для зрелой отрасли, характеризующейся незначительными темпами роста рынка. В других обстоятельствах необходимо использовать более сложные методы анализа временных рядов. Здесь мы рассмотрим следующие методы :

• - скользящего среднего;
• - экспоненциального сглаживания;
• - декомпозиции.

Метод скользящего среднего

Метод скользящего среднего достаточно прост. Рассмотрим прогноз, который сводится к тому, что объем сбыта в следующем году будет равен объему продаж в году текущем. При значительных колебаниях объемах продаж из года в год такой прогноз чреват серьезными последствиями. Чтобы учесть все нюансы, можно рассчитать среднее значение нескольких показателей объемов продаж за определенные периоды времени, например произвести усреднение объемов продаж за два, три, пять последних лет или за другое количество удобных для расчетов периодов. При таком подходе прогноз продаж оказывается обычным средним значением объемов сбыта. Количество показателей, используемых в вычислении, определяется экспериментальным путем. В конечном итоге число периодов, которое обеспечит наиболее точные прогнозы подающихся проверке данных, будет использоваться для разработки модели прогноза. Термин “скользящее среднее” используется потому, что вычисленное новое среднее значение служит прогнозом на каждом этапе наблюдения при появлении новых данных.

Метод экспоненциального сглаживания

При прогнозировании следующего значения метод скользящего среднего придает равный вес каждому из последних значений n, где n -- количество используемых лет. Таким образом, когда n = 4 (т.е. используется четырехгодичное скользящее среднее), при прогнозировании объема сбыта на следующий год одинаковый вес назначается объемам сбыта за каждый год из последних четырех лет.

Метод экспоненциального сглаживания -- это разновидность метода скользящего среднего. Его отличие в том, что наибольшие весовые коэффициенты назначаются не всем наблюдениям, а самым последним, поскольку они несут в себе больше информации о вероятном развитии событий в ближайшем будущем.

Эффективность метода экспоненциального сглаживания во многом зависит от выбора так называемой константы сглаживания, которая в алгоритме вычисления обозначается как б и находится в диапазоне от 0 до 1. Высокие значения б придают больше веса последним наблюдениям и меньше -- более ранним. Если объемы продаж с течением времени изменяются незначительно, то целесообразно использовать низкие значения б. Однако, когда объемы сбыта колеблются в широком диапазоне, следует использовать высокие значения б, в результате чего прогнозируемый ряд будет отражать эти изменения. Обычно значение б определяется эмпирическим путем, т.е. проверяются разные значения б и в итоге принимается то, которое обеспечивает наименьшую погрешность прогноза для определенного количества наблюдений за предыдущие периоды времени.

Метод декомпозиции

В случае необходимости анализа данных за более короткие периоды времени, например месяц или квартал, при наличии сезонных колебаний продаж, когда руководство хочет получить прогнозы продаж не только на год, но и на отдельные его периоды, используется метод прогнозирования продаж, называемый декомпозицией. Здесь важно определить, какая доля изменения объемов продаж обусловлена тенденциями на рынке, а какая объясняется сезонностью спроса. Суть метода декомпозиции заключается в выявлении четырех составляющих временного ряда:

• - тренд;
• - циклический фактор;
• - сезонный фактор;
• - случайный фактор.

Тренд отражает долгосрочные изменения, которые наблюдаются во временном ряде, когда циклический, сезонный и нерегулярные компоненты исключены. Обычно предполагается, что тренд можно представить в виде прямой линии.

Циклический фактор присутствует не всегда, поскольку отражает подъемы и спады (“волны”) во временном ряде, когда сезонный и случайный компоненты исключены. Циклические подъемы и спады, как правило, проявляются на протяжении достаточно длительного периода времени -- примерно от двух до пяти лет. Для некоторых товаров (например, для консервированной кукурузы) отмечаются незначительные циклические колебания, в то время как продажи других (например, строительство жилья) претерпевают весьма существенные изменения.

Сезонность отражает ежегодные колебания во временном ряде, вызванные естественной сменой сезонов. Сезонный фактор, как правило, проявляется ежегодно, хотя точная картина продаж с каждым годом может меняться.

Случайный фактор отражает воздействие, которое может наблюдаться после исключения влияния тренда, циклического и сезонного факторов.

3) Статистический анализ спроса

Взаимосвязь объемов продаж и определенных периодов времени, которая используется в методе временных рядов, формирует основу для составления прогноза на будущее. Статистический анализ спроса -- это попытка определить взаимосвязь объемов продаж и основных факторов влияния и составить на этой основе прогноз на будущее. Как правило, для оценки такой взаимосвязи используется регрессионный анализ. При этом акцент делается на выделении не всех факторов, влияющих на объемы сбыта, а лишь на самых значимых, оказывающих наибольшее влияние на объемы сбыта. Например, компания по производству пластиковых окон при прогнозировании сбыта может учитывать такие факторы, как цикличность строительства жилья, колебания процентных ставок и сезонное повышение спроса в весенне-летний период.

Все методы прогнозирования продаж имеют свои преимущества и недостатки, поэтому решение об использовании того или иного метода далеко не очевидно. В первую очередь, решение об использовании метода прогнозирования зависит от самого товара или услуги. Например, для прогнозирования продаж абсолютно нового и ни на что не похожего товара (например, игрушки тамагочи) не может быть использован ни один из методов, так как возможные продажи могут колебаться от нуля до миллиардов рублей.

Получение прибыли — главная цель любого коммерческого предприятия, которой можно добиться только за счет продажи товара либо услуги. Поэтому сбыт является ключевой функцией компании, а плановый объем продаж — инструментом планирования, контроля и корректировки деятельности отдела продаж.

Планирование сбыта начинается с прогнозирования объема продаж. Прежде чем приступать к обсуждению этой темы, перечислим ключевые понятия:

• потенциал рынка;
• потенциал продаж;
• прогноз продаж;
• квота продаж.

Потенциал рынка — это его полный объем, т.е. максимальное количество единиц товара или услуги, которое может быть продано на всем рынке всеми его участниками при идеальных условиях. Предположим, что в городе Энск проживает 300 тысяч семей. Так как среднестатистическая семья редко приобретает больше одного холодильника, можно сказать, что потенциал рынка холодильников Энске равен 300 тысячам.

Потенциал продаж (потенциал сбыта) — количество единиц товара или услуги, которое может продать данная компания. Если компания является монополистом (что бывает редко), то потенциал продаж теоретически равен потенциалу рынка. Однако в реальной жизни большинство организаций действуют в условиях жесткой конкуренции и могут рассчитывать лишь на долю совокупного рынка. Предположим, что на рынке холодильников в Энске работают 30 поставщиков и все они продают по одной модели холодильника (не будем в данный момент учитывать маркетинговые усилия этих компаний, их сильные и слабые стороны, ассортимент продукции). Тогда все потребители разделятся поровну между всеми 30 компаниями, соответственно потенциал продаж каждой из 30 компаний будет равен 10 000 холодильников (300 тысяч семей / 30 поставщиков = 10 тысяч семей, которые могут купить холодильники).

Прогноз продаж — это количество единиц товара или услуги, которое может продать конкретная компания с учетом рыночных ограничений. На практике чаще используется сценарный подход к расчету продаж, который дает два прогноза — пессимистический и оптимистический. Допустим, что рыночное ограничение для конкретного поставщика холодильников в Энске не позволяет ему доставлять товар на расстояние более десяти километров от своего склада, а фирма является единственным поставщиком на этой территории и на ней располагается 5000 потенциальных потребителей. При составлении прогноза продаж оптимистический прогноз составит 5000 холодильников, а пессимистический (с учетом ряда других ограничений) — 2000. (Методы прогнозирования продаж будут рассмотрены ниже в этой главе.) Полученный прогноз продаж сравнивается с потенциалом рынка и потенциалом продаж. Если компания не является монополистом, то прогноз продаж окажется всегда меньше потенциала продаж и потенциала рынка. Если по какой-либо причине оказалось, что прогноз продаж больше потенциала продаж и потенциала рынка, то расчеты выполнены неправильно, а использование такого прогноза продаж для разработки маркетинговой стратегии компании может обернуться убытками.

Квоты продаж — это количество единиц товара или услуги, которое должно быть продано конкретным сотрудником сбыта. Квоты продаж являются ключевым показателем оценки эффективности работы продавцов при продаже определенного товара за определенный период времени. Предположим, что в штате описанного выше поставщика имеется четыре продавца, обслуживающих одинаковое количество клиентов, которые купят одинаковое количество холодильников. Исходя из прогноза продаж в 2 тысячи единиц товара, квота продаж каждого из четырех продавцов составит 500 холодильников (2000 из прогноза продаж / 4 продавца = 500 единиц товара). Взаимосвязь рассмотренных понятий показана на рис. 1.

Рис. 1. Потенциал рынка, потенциал продаж и прогнозирование продаж

Как видно из рис. 1, сначала надо оценить факторы экономической среды, а именно: конкуренцию на рынке и экономические, законодательные, политические и другие условия, в которых работают компании. Проанализировав экономическую среду и собрав всю необходимую информацию (количество потребителей, их покупательские предпочтения и т.д.), компания может оценить потенциал рынка. Зная потенциал рынка, свои слабые и сильные стороны и преимущества своего товара, компания может оценить свой потенциал продаж. После этого необходимо учесть все прочие рыночные ограничения, составить первоначальный прогноз продаж и сравнить его с целями компании. Если первоначальный прогноз продаж совпадает с этими целями, то прогноз можно утвердить. Однако на практике прогноз продаж принимается после многочисленных переработок.

Корректировка прогноза продаж зачастую приводит к пересмотру целей компании. Главная задача процесса — добиться соответствия прогноза продаж целям компании. На основе принятого прогноза продаж составляется бюджет для планирования всей деятельности компании и ее подразделений и происходит распределение квот по всем сотрудникам сбыта.

Методы прогнозирования продаж

Прогнозирование продаж — один из самых важных информационных инструментов планирования деятельности как компании в целом, так и каждого ее подразделения. Например, финансовый отдел использует прогноз продаж для планирования денежных потоков, принятия инвестиционных решений и составления операционных бюджетов; производственный отдел — для определения объемов, составления графиков производства и управления товарно-материальными запасами; отдел кадров — для планирования потребности в работниках и в качестве исходной информации при заключении коллективных договоров; отдел закупок — для планирования совокупной потребности компании в материалах и составления графиков их поставок; отдел маркетинга — для планирования программ маркетинга и сбыта и распределения ресурсов между различными видами маркетинговой деятельности. На первый взгляд может показаться, что чем крупнее компания, тем важнее точность прогноза; на самом же деле нет принципиальной разницы между ошибкой, сделанной при прогнозировании продаж киоска, и ошибкой, допущенной при прогнозировании сбыта крупного завода. Особенно опасны ошибки в прогнозировании продаж начинающих фирм — ведь у них, в отличие от более опытных компаний, как правило, нет дополнительных ресурсов для покрытия дефицита, который может возникнуть в результате неправильного планирования.

Прогноз продаж применяется также для планирования и оценки работы каждого продавца. Он используется для установления квот продажи, формирования схемы оплаты труда и оценки деятельности торгового персонала, поэтому очень важно, чтобы менеджеры по продажам были хорошо знакомы с основными методами прогнозирования продаж. Для прогнозирования продаж используются субъективные и объективные методы (рис. 2).

Рис. 2. Классификация методов прогнозирования продаж

Субъективные методы прогнозирования продаж

Субъективные методы прогнозирования продаж при составлении прогноза не используют количественные (эмпирические) и аналитические данные продаж, а основываются на субъективных мнениях разных специалистов.

Ожидания пользователей

Метод ожиданий пользователей в прогнозировании продаж известен также как метод намерений покупателей, поскольку основывается на высказываниях потребителей об их готовности приобрести тот или иной товар.

Метод ожиданий пользователей в прогнозировании продаж обычно дает оценки, более близкие к потенциалу рынка или потенциалу продаж, чем к прогнозам продаж. Этот метод можно использовать скорее в качестве индикатора привлекательности для компании определенного рынка либо его сегментов, чем как инструмент прогнозирования продаж. В большинстве случаев намерения покупателей отделены от реальной покупки огромной пропастью, преодолеть которую должен маркетинговый план компании. Особенно важно помнить об этой пропасти при разработке и выводе на рынок новых товаров или услуг.

Недостатки этого метода очевидны. Зачастую компания тратит большие средства на маркетинговые исследования, а потом не может продать новый товар, необходимость которого в материалах исследований казалась очевидной. Это говорит о том, что прогноз продаж на основе метода ожиданий пользователей может давать неверные результаты. Для планирования своей деятельности компании нужно знать, что именно потребитель хочет получить от товара или услуги. Предположим, покупатель хочет меньше тратить времени на покупку продуктов. Только фирма (но не потребитель), обладая всей информацией о рынке и спросе, может поставить задачу: построить магазин в новом густонаселенном районе или организовать продажу продуктов через Интернет с доставкой на дом.

Иногда использование метода ожиданий пользователей для планирования деятельности фирмы может привести не просто к грубой ошибке, но и к полному провалу проекта. Подобный урок получила компания Kawasaki, когда выводила на рынок свой водный мотоцикл. Фирма, лидировавшая на рынке моторных лодок, тщательно исследовала потребительские предпочтения и пришла к бесспорному, казалось бы, выводу, будто для победы над конкурентами в сегменте водных мотоциклов требуется произвести модель, в которой пользователь получит максимальное пространство для ног (в то время все водные мотоциклы выпускались без сидений). Kawasaki сфокусировалась на том, чего хотели потребители, и разработала модель, которая действительно создавала максимальный комфорт и была лучшей в своем классе. Но пока Kawasaki разрабатывала и выводила на рынок эту модель, ее конкуренты предложили модель водного мотоцикла, в котором можно было сидеть. Разумеется, Kawasaki потерпела фиаско.

Поэтому метод ожиданий лучше использовать в комплексе с другими, которые дают более точные прогнозы, и помнить о субъективизме потребителей и их ограниченном видении проблем. Ведь потребители не являются экспертами в разработке товаров, они могут оценивать только существующие товары и предлагать только свое видение конечного результата, но ни в коем случае не рекомендации о том, как решить проблемы (больше места в автомобиле, прачечная возле дома и пр.). Генри Форд говорил об этом так: «Если бы я делал то, чего хотят мои потребители, то вместо автомобилей производил бы быстрых лошадей».

Мнение продавцов

Метод прогнозирования продаж на основе мнения продавцов или торгового персонала — это выявление данных о том, какой объем продукции каждый сотрудник сбыта рассчитывает продать в течение определенного периода.

Полученные оценки проверяются, обсуждаются и корректируются на разных уровнях управления с учетом точности предыдущих прогнозов каждого представителя сбыта. По разным причинам сотрудники могут либо недооценивать, либо переоценивать свои возможности. Например, если какие-то товары компании оказываются в дефиците (например, из-за нехватки исходных материалов или быстрого роста рынка) или доступны лишь ограниченному кругу потребителей (например, в случае проведения краткосрочной кампании по стимулированию сбыта), сотрудники сбыта завышают свои возможности в ожидании, что им выделят больше «дефицитных» товаров. Если же квоты продажи являются производными от прогнозов, то торговый персонал склонен недооценивать возможные объемы продаж, чтобы получить квоту поменьше и выполнить ее без излишних усилий. Превысив прогнозируемые показатели, такой работник зарекомендует себя как эффективный продавец и может даже получить материальное вознаграждение.

Мнение менеджеров компании

Метод прогнозирования продаж, базирующийся на выявлении оценок или коллективного мнения менеджеров/руководителей компании, — это проводимый внутри фирмы-продавца формальный или неформальный опрос ключевых руководителей для получения их оценки будущих продаж. Все оценки экспертов объединяются в прогноз продаж компании — иногда путем простого усреднения индивидуальных оценок. В других случаях явно расходящиеся между собой точки зрения опрашиваемых обсуждаются в группе, где и достигается консенсус. Первоначальные позиции экспертов могут означать не более чем интуитивную догадку того или иного руководителя о будущем развитии событий. Бывает, что мнение руководителя базируется на богатом фактическом материале, а иногда даже на первоначальном прогнозе, выполненном какими-нибудь иными способами.

Метод Дельфи

Метод Дельфи позволяет получить более точный прогноз. Он базируется на интерактивном подходе с повторными измерениями и контролируемой анонимной обратной связью (вместо непосредственного общения экспертов и обсуждения ими своих оценок будущего сбыта). При этом каждый эксперт готовит собственный прогноз на основе имеющихся у него фактов, данных и общего знания среды, в которой работает компания. Затем координатор на основе полученных прогнозов составляет обобщающий отчет и вручает его каждому из участников. Как правило, этот отчет содержит индивидуальные прогнозы каждого эксперта, рассчитанный средний показатель и разбросы оценок. Обычно экспертов, чьи первоначальные оценки резко расходятся с усредненным показателем, просят аргументировать свою точку зрения, и эти мнения также включаются в итоговый документ. Участники «опроса» изучают его и предлагают новый вариант прогноза. Обычно эксперты приходят к единому мнению в результате нескольких итераций. Опыт показывает, что разброс данных постепенно уменьшается, поскольку оценки экспертов сближаются, а совокупное мнение группы дает результат, близкий к объективным показателям.

Объективные методы прогнозирования продаж

Объективные методы прогнозирования продаж базируются в основном на количественных (эмпирических) и аналитических данных.

Рыночное тестирование

Метод рыночного тестирования предполагает продажу товара в нескольких считающихся репрезентативными географических регионах для выяснения реакции потребителей, с последующим проецированием полученных данных на весь рынок в целом. Нередко такой метод используется для разработки нового товара или усовершенствования старого.

Многие фирмы рассматривают результаты рыночного тестирования как важнейшее свидетельство отношения потребителей к новому товару и конечный показатель потенциала рынка. Исследования показывают, что примерно три из четырех товаров, получивших одобрение потребителей в ходе рыночного тестирования, добиваются успеха на рынке, а четыре из пяти товаров, не выдержавших тестирование, терпят неудачу. И все же рыночное тестирование имеет ряд недостатков.

• Его проведение связано с большими расходами; оно больше подходит для тестирования скорее потребительских, чем промышленных товаров.
• Проведение рыночного теста может занять много времени.
• Когда какой-нибудь товар тестируется на рынке, ему уделяется значительно больше внимания, чем он сможет впоследствии получить при «естественной» продаже, что создает искаженное представление о его потенциале.
• Рыночный тест «открывает карты» для конкурентов, у них появляется время на то, чтобы сформулировать собственное предложение еще до того, как тестируемая продукция появится на рынке в полном объеме.

Тем не менее несмотря на свои минусы рыночное тестирование служит весьма эффективным методом прогнозирования продаж. Однако применять его следует лишь после того, как руководство компании тщательно взвесит все его достоинства и недостатки.

Анализ временных рядов

Прогнозирование продаж с использованием анализа временных рядов базируется на анализе данных за прошедшие периоды. В простейшем случае прогноз предполагает, что объем сбыта в следующем году будет равен объему сбыта в текущем году. Такой прогноз может оказаться достаточно точным для зрелой отрасли, характеризующейся незначительными темпами роста рынка. В других обстоятельствах необходимо использовать более сложные методы анализа временны х рядов. Здесь мы рассмотрим следующие методы:

• скользящего среднего;
• экспоненциального сглаживания;
• декомпозиции.

Метод скользящего среднего

Метод скользящего среднего достаточно прост. Рассмотрим прогноз, который сводится к тому, что объем сбыта в следующем году будет равен объему продаж в году текущем. При значительных колебаниях объемов продаж из года в год такой прогноз чреват серьезными последствиями. Чтобы учесть все нюансы, можно рассчитать среднее значение нескольких показателей объемов продаж за определенные периоды времени, например, произвести усреднение объемов продаж за два, три, пять последних лет или за другое количество удобных для расчетов периодов. При таком подходе прогноз продаж оказывается обычным средним значением объемов сбыта. Количество показателей, используемых в вычислении, определяется экспериментальным путем. В конечном итоге число периодов, которое обеспечит наиболее точные прогнозы поддающихся проверке данных, будет использоваться для разработки модели прогноза. Термин «скользящее среднее» используется потому, что вычисленное новое среднее значение служит прогнозом на каждом этапе наблюдения при появлении новых данных.

Метод экспоненциального сглаживания

При прогнозировании следующего значения метод скользящего среднего придает равный вес каждому из последних значений n, где n — количество используемых лет. Таким образом, когда n = 4 (т.е. используется четырехгодичное скользящее среднее), при прогнозировании объема сбыта на следующий год одинаковый вес назначается объемам сбыта за каждый год из последних четырех лет.

Метод экспоненциального сглаживания — это разновидность метода скользящего среднего. Его отличие в том, что наибольшие весовые коэффициенты назначаются не всем наблюдениям, а самым последним, поскольку они несут в себе больше информации о вероятном развитии событий в ближайшем будущем.

Эффективность метода экспоненциального сглаживания во многом зависит от выбора так называемой константы сглаживания, которая в алгоритме вычисления обозначается как a и находится в диапазоне от 0 до 1. Высокие значения a придают больше веса последним наблюдениям и меньше — более ранним. Если объемы продаж с течением времени изменяются незначительно, то целесообразно использовать низкие значения a. Однако, когда объемы сбыта колеблются в широком диапазоне, следует использовать высокие значения a, в результате чего прогнозируемый ряд будет отражать эти изменения. Обычно значение a определяется эмпирическим путем, т.е. проверяются разные значения a и в итоге принимается то, которое обеспечивает наименьшую погрешность прогноза для определенного количества наблюдений за предыдущие периоды времени.

Метод декомпозиции

В случае необходимости анализа данных за более короткие периоды времени, например месяц или квартал, при наличии сезонных колебаний продаж, когда руководство хочет получить прогнозы продаж не только на год, но и на отдельные его периоды, используется метод прогнозирования продаж, называемый декомпозицией. Здесь важно определить, какая доля изменения объемов продаж обусловлена тенденциями на рынке, а какая объясняется сезонностью спроса. Суть метода декомпозиции заключается в выявлении четырех составляющих временного ряда:

• тренд;
• циклический фактор;
• сезонный фактор;
• случайный фактор.

Тренд отражает долгосрочные изменения, которые наблюдаются во временном ряде, когда циклический, сезонный и нерегулярные компоненты исключены. Обычно предполагается, что тренд можно представить в виде прямой линии.

Циклический фактор присутствует не всегда, поскольку отражает подъемы и спады («волны») во временном ряде, когда сезонный и случайный компоненты исключены. Циклические подъемы и спады, как правило, проявляются на протяжении достаточно длительного периода времени — примерно от двух до пяти лет. Для некоторых товаров (например, для консервированной кукурузы) отмечаются незначительные циклические колебания, в то время как продажи других (например, строительство жилья) претерпевают весьма существенные изменения.

Сезонность отражает ежегодные колебания во временном ряде, вызванные естественной сменой сезонов. Сезонный фактор, как правило, проявляется ежегодно, хотя точная картина продаж с каждым годом может меняться.

Случайный фактор отражает воздействие, которое может наблюдаться после исключения влияния тренда, циклического и сезонного факторов.

Статистический анализ спроса

Взаимосвязь объемов продаж и определенных периодов времени, которая используется в методе временных рядов, формирует основу для составления прогноза на будущее. Статистический анализ спроса — это попытка определить взаимосвязь объемов продаж и основных факторов влияния и составить на этой основе прогноз на будущее. Как правило, для оценки такой взаимосвязи используется регрессионный анализ. При этом акцент делается на выделении не всех факторов, влияющих на объемы сбыта, а лишь на самых значимых, оказывающих наибольшее влияние на объемы сбыта. Например, компания по производству пластиковых окон при прогнозировании сбыта может учитывать такие факторы, как цикличность строительства жилья, колебания процентных ставок и сезонное повышение спроса в весенне-летний период.

Все методы прогнозирования продаж имеют свои преимущества и недостатки, поэтому решение об использовании того или иного метода далеко не очевидно. В первую очередь, решение об использовании метода прогнозирования зависит от самого товара или услуги. Например, для прогнозирования продаж абсолютно нового и ни на что не похожего товара (например, игрушки тамагочи) не может быть использован ни один из методов, так как возможные продажи могут колебаться от нуля до миллиардов рублей. О том, как правильно выбрать метод прогнозирования продаж, мы поговорим ниже в этой главе.

Выбор метода прогнозирования продаж

Какой метод прогнозирования выбрать, чтобы получить максимально надежные результаты? Этот вопрос становится особенно актуален, когда прогнозы, полученные с помощью разных методов, не совпадают. Нужно отметить, что такая ситуация является скорее правилом, чем исключением.

В целом сравнение разных методов прогнозирования продаж показывает, что ни один из них нельзя назвать лучшим. Выбор того или иного метода происходит под влиянием целого ряда факторов. Для достижения оптимального результата, по-видимому, следует использовать несколько разных методов прогнозирования (объективных и субъективных), проанализировать полученные результаты и принять окончательное решение о том, какому из полученных прогнозов следует отдать предпочтение.

При составлении прогнозов сбыта многие фирмы обращаются к такому методу, как сценарный анализ. При использовании этого метода лица, составляющие прогноз, должны последовательно ответить на ряд вопросов «а что если…». При этом рассматриваются как маловероятные изменения, так и более вероятные события. Основная идея данного подхода заключается не столько в том, чтобы разработать один «правильный» сценарий, сколько в том, чтобы получить совокупность сценариев, в которых учитываются важнейшие факторы, приводящие в действие всю систему, их взаимосвязи и критические неопределенности.

Прогноз спроса по территориям

Компаниям необходимо разрабатывать не только методы оценки спроса в целом, но и прогнозы для отдельных территорий ввиду того, что потенциал продаж того или иного товара не может быть одинаковым для всех регионов. Оценка территориального спроса обеспечивает высокую эффективность планирования и контроль за деятельностью торгового персонала. Она необходима и для выполнения ряда других важных функций компании, главные из которых:

• планирование сбытовых территорий;
• разработка методик выявления потенциальных клиентов;
• установление квот продажи;
• разработка схемы оплаты труда торгового персонала компании;
• оценка эффективности деятельности торгового персонала.

Оценка территориального спроса производится по-разному на промышленных и потребительских рынках. Территориальный спрос на промышленном рынке зависит от количества предприятий в регионе и их потребностей в продукции компании.

В то же время продавцы потребительских товаров чаще всего исходят из обобщенных условий, присущих каждой из территорий. Определяют эти условия такие факторы, как количество семей, численность населения или уровень дохода в соответствующей регионе. Бывает, что компания пытается соотнести спрос с несколькими взаимосвязанными переменными. Например, статистический анализ спроса на холодильники, выполненный с помощью регрессионного анализа, показывает, что этот спрос является функцией следующих переменных:

• количество холодильников, имеющихся у потребителей;
• количество жилых домов, к которым подведено электричество;
• величина реального дохода на семью;
• возможность получения кредита.

Получив необходимые данные, компания может использовать соответствующую регрессию для оценки уровня спроса по разным географическим регионам.

Квоты

Как отмечалось в начале главы, перед каждым сотрудником отдела продаж ставятся определенные задачи по сбыту продукции, или квоты. Они устанавливаются на определенный удобный для организации календарный период (месяц, квартал, год) и могут принимать денежное и натуральное выражение. Квоты — ценный инструмент, позволяющий планировать объемы продаж и денежных поступлений в конкретный период времени, а также оценивать эффективность работы торгового персонала и корректировать его деятельность.

Характеристики правильной квоты

Правильная квота должна быть:

• достижимой;
• понятной;
• полной;
• своевременной.

Как правило, квоты на объемы продажи для той или иной территории устанавливают ниже потенциала продаж, но равными прогнозу продаж (или немного превышающими его). Иногда (при неблагоприятных условиях на рынке и т.п.) квоты могут быть установлены ниже прогноза продаж. Существует мнение, что квоты нужно устанавливать на достаточно высоком уровне, чтобы для их реализации торговый персонал прилагал максимум усилий. При этом завышенные квоты якобы сильнее стимулируют сотрудников к максимальной отдаче, чем реальные. Однако за внешней привлекательностью подобной схемы скрываются серьезные недостатки: недоброжелательность и враждебность между сотрудниками, вызванные стремлением во что бы то ни стало выполнить свою квоту, и изменение отношения к клиентам, в частности, навязывание им услуг, в которых те не нуждаются. Поэтому практика использования завышенных квот — скорее исключение, чем правило, и неэффективна в долгосрочной перспективе. Установление завышенных квот может быть оправдано, только когда надо быстро достичь поставленных краткосрочных целей, например при выходе на новый рынок. В целом при установлении квот преобладает подход, когда перед представителями сбыта ставятся реально достижимые задачи, подкрепленные хорошей мотивацией.

Квоты продажи должны быть не только выполнимыми — они должны быть понятными. Если в новом календарном периоде сотрудникам устанавливают завышенные квоты без учета их опыта, квалификации, итогов выполнения квоты в прошлом периоде, спроса на данную продукцию, общей ситуации на рынке и других факторов, такой подход может вызвать у персонала недоверие и не мотивировать, а наоборот, расхолаживать. При установлении новых квот необходимо разъяснить торговым представителям схему их формирования, потому что работники скорее согласятся с новыми задачами, если их ознакомят с ходом рассуждений и увяжут показатели с потенциалом рынка.

Следующая характеристика правильной квоты — полнота. Она объединяет все критерии, по которым будет оцениваться деятельность сотрудников сбыта. Например, если перед торговым персоналом ставятся задачи поиска и установления отношений с новыми покупателями, необходимо указать примерное количество новых клиентов или процентное соотношение с уже имеющимися. Если этого не сделать, поиск новых клиентов отойдет на второй или еще более дальний план, а первостепенной задачей для среднестатистического работника станет увеличение объемов продаж и обеспечение прибыли. Соответственно нужно скорректировать квоты на выполнение объема продаж, чтобы в рабочем графике сотрудника оставалось время на поиск и привлечение новых покупателей.

Наконец, система распределения квот должна включать своевременное информирование представителей сбыта о системе расчета квот, их изменениях и результатах оценки деятельности каждого сотрудника. Квоты продаж на заданный календарный период должны быть своевременно рассчитаны и доведены до сведения работников. Задержки не только сводят на нет преимущества использования квот, но и создают атмосферу неопределенности, поскольку сотрудники не знают, как оценена их работа.

Роль квот в управлении персоналом сбыта

Итак, схема назначения квот служит одним из инструментов, облегчающих планирование и контроль за деятельностью торгового персонала на местах. У нее два основных преимущества:

• квота продаж создает стимулы для сотрудников сбыта;
• помогает оценить деятельность торгового персонала.

Установление квот служит стимулом для персонала сбыта, потому что представляет собой конкретную цель, которую надо достичь. Например, перед работником ставится вполне конкретная задача — продать в данном отчетном периоде определенное количество единиц продукции или заключить сделок на конкретную сумму. Особенно мощными стимулами служит получение материального вознаграждения или достижение определенного социального статуса (звание «лучший продавец» и соответствующие привилегии) при выполнении или перевыполнении квоты. Во многих организациях выполнение установленных для персонала квот имеет непосредственную связь со схемой начисления заработной платы, например выплатой комиссионных или премиальных. Широко распространены такие формы:

• план комиссионных выплат — оплата труда в зависимости от общего количества проданных товаров;
• план премиальных выплат — выплата определенной надбавки за продажи сверх установленного показателя.

Квоты могут рассматриваться в качестве стимула даже при фиксированной оплате труда (ставку), если выполнение квот в очередном отчетном периоде влечет за собой повышения размера ставки в следующем.

Другая особенность использования квот заключается в том, что они могут выполнять роль количественного (объективного) критерия, с помощью которого оценивается производительность труда каждого сотрудника. Выполнение или невыполнение квот продажи позволяет выявить лидеров и отстающих и разработать соответствующие меры (обучение, наставничество, мотивация) для повышения эффективности сбыта. Тема оценки производительности труда будут обсуждаться ниже.

Виды квот и их распределение

Перед назначением квот необходимо сначала принять решение о том, какого типа это будут квоты. Существует три основных типа:

• квоты, связанные с объемом продаж;
• квоты на основе финансовых показателей наподобие валовой прибыли или накладных расходов;
• квоты на определенные виды деятельности, в которых предполагается участие торговых представителей компании.

При распределении квот для торгового персонала необходимо проанализировать и сбалансировать целый ряд факторов, в том числе потенциал территории, мотивационную составляющую квоты для каждого сотрудника, долгосрочные цели компании и влияние квот на краткосрочную рентабельность. Поскольку наибольшее распространение получили квоты на объем продаж, они и будут рассмотрены в первую очередь.

Квоты на объемы продаж

Данный вид квот основывается на объеме продаж (в количественном или денежном выражении) и широко применяется во многих компаниях. Его широкое распространение связано с тем, что квоты на объем продаж легко связать напрямую с потенциалом рынка, кроме того, они надежны и понятны для торгового персонала, которому придется реализовывать их на практике. Более того, установление квот на объемы продаж идеально согласуется с представлением продавцов о своей профессии.

Как уже говорилось, квоты на объемы продаж принято устанавливать в денежном выражении, в количестве товаров или в баллах. В последнем случае за четко установленную денежную сумму, количество единиц или весовой эквивалент (килограммы, тонны) конкретного проданного товара начисляется определенное количество баллов. Например, за каждые 100 руб. продаж товара А могут начисляется три балла, товара Б — два балла, товара В — один балл. Аналогичный вариант: за каждую тонну проданных стальных труб начисляется пять баллов, а за каждую тонну проданного стального проката — только два балла. Совокупная квота продаж для каждого сотрудника представляет собой количество баллов, которые ему предстоит набрать за определенный период.

Установление квоты на объем продаж компании используют в ситуациях, когда нужно сделать акцент на конкретной товарной линейке, стимулировать сбыт или привлечь новых клиентов. Например, чтобы побудить представителей сбыта активнее продвигать на рынке новые товары, за продажу нового товара может начисляться баллов больше, чем за продажу старого. Тот же подход используется и при работе с клиентами и предполагает начисление большего количества баллов за объем продаж (в денежном выражении) новым покупателям, чем за продажу того же объема существующим клиентам.

Балльная система позволяют разрабатывать системы квот, стимулирующих достижение определенных (важных для компании) целей и находят понимание и поддержку сотрудников сбыта.

Установление квот на объемы продаж

В простейшем случае распределение квот происходит на основе показателей за предыдущие отчетные периоды или среднего объема продаж по данной территории за определенный календарный срок. При этом персонал морально или материально мотивируют на превышение прошлых достижений. Привлекательность этой схемы — в простоте и дешевизне. Кроме того, она понятна для представителей сбыта.

Однако такой подход не всегда учитывает изменение условий рынка, например увеличение территории сбыта, появление новых потенциальных покупателей и возможность увеличения объема продаж по сравнению с прогнозом. При этом компания может упустить колоссальные возможности только из-за отсутствия оценки потенциала рынка. С другой стороны, агрессивная политика конкурентов или неблагоприятная ситуация на рынке сделает нецелесообразным любое увеличению квот. Другим недостатком установления квот исключительно на базе показателей предыдущего периода является нежелательная модель действий торгового персонала. Например, сотрудник сбыта, которому удалось до конца отчетного или календарного периода реализовать свою квоту, может отсрочить размещение уже имеющихся заказов до начала нового периода. Тем самым он убивает двух зайцев: во-первых, обеспечивает себе более низкую квоту на следующий период, во-вторых, подготавливает почву для ее выполнения.

Для распределения квот на объемы продаж по отдельным регионам можно воспользоваться оценкой потенциала территории. Здесь также не следует руководствоваться исключительно цифрами, а проанализировать характерные для каждой территории рыночные условия с привлечением работающих на ней торговых представителей. Но при этом необходимо учитывать двойственность ситуации: с одной стороны, сотрудники сбыта хорошо ориентируются в особенностях продаж на данной территории, а с другой — устанавливаемая квота напрямую связана с оценкой эффективности их работы, поэтому они могут сознательно занизить потенциал сбыта, чтобы обеспечить себе невысокие квоты, которые они смогут выполнить без излишних усилий.

Финансовые квоты

Применение финансовых квот позволяет планировать деятельность сотрудников сбыта с акцентом на прибыли и затратах компании. Следует учитывать, что обычно торговцы в первую очередь стараются реализовывать товары, которые проще продать, и уделять большее внимание тем клиентам, с которыми легче договориться. При этом часто оказывается, что производство легко реализуемых товаров обходится дорого, а их рентабельность относительно низка; приятные в общении клиенты не всегда заключают крупные сделки и приносят компании не столь высокий доход. Установление финансовых квот преследует цель сфокусировать деятельность торгового персонала, во-первых, на более прибыльной продукции, а во-вторых, на работе с клиентами, обладающими высоким потенциалом. В основу разработки финансовых квот обычно закладываются валовая прибыль, чистая прибыль и торговые расходы, хотя в принципе можно использовать практически любые финансовые показатели организации.

Недостатки применения финансовых квот связаны в первую очередь со сложностью разработки и с влиянием внешних факторов. Например, на прибыль, которую приносит деятельность того или иного сотрудника сбыта, зачастую оказывают влияние многие не зависящие от него факторы: поведение конкурентов, экономические или социальные факторы, ценовая политика компании и пр. В подобных обстоятельствах многие специалисты считают использование финансовых квот нецелесообразным.

Установление финансовых квот

Распределение финансовых квот производится с учетом финансовых целей организации. Допустим, компания ставит задачу добиться определенной рентабельности по всем продажам на конкретной территории, имея в арсенале два вида продукции: товар А с рентабельностью 30% и товар Б с рентабельностью 40%. Деятельность отдела продаж следует распределить таким образом, чтобы общая рентабельность составила 37%. Для этого сотрудники сбыта должны соблюдать определенные пропорции продаж обоих видов продукции.

Квоты на определенные виды деятельности

В своей деятельности продавцы выполняют в том числе и функции, которые не ведут напрямую к совершению продажи или к заключению сделки. К числу таких функций относятся, например, контакты с потенциальными покупателями, демонстрации товара или оформление витрин. Однако эти действия подготавливают почву для будущих продаж. Практика установления квот только на объемы продаж вызывает соблазн пренебречь функциями, не связанными с немедленной продажей. Если компания ориентирована на потребности клиентов, то ее продавцы не должны пренебрегать такими вспомогательными видами деятельности и компания должна учитывать их при разработке системы квот. Вот примерный перечень вспомогательных функций.

• Контакты (визиты, звонки) с потенциальными покупателями.
• Отправка письменных (факс, электронная почта, обычная почта) предложений потенциальным клиентам.
• Демонстрация товаров на местах.
• Контакты с клиентами по вопросам обслуживания или монтажа оборудования под контролем поставщика.
• Организация выставок, конференций и подготовка совместных совещаний.
• «Реанимация» бывших клиентов для пополнения рядов существующих.

Установление квот на виды деятельности

Перед распределением квот на виды деятельности следует провести анализ видов деятельности, необходимых для эффективного охвата территории, поскольку квоты связаны с размером региона и количеством существующих и потенциальных клиентов, с которыми предстоит контактировать представителю сбыта. Немаловажное значение имеет также категория (мелкие, крупные, ключевые) клиентов и их требования к обслуживанию. Такой анализ покажет виды деятельности, типичные для сотрудника сбыта на данной территории, и количество тех или иных действий (посещений, звонков, презентаций), которые ему необходимо совершить в процессе работы с клиентами. Источниками информации для проведения анализа служат отчеты сотрудников отела продаж и исследования данного сегмента рынка, в первую очередь его потенциала.

Определение численности сотрудников отдела продаж

Одна из важных задач планирования отдела продаж компании — определение численности торгового персонала. Отдел продаж считается одним из самых производительных, но вместе с тем одним из самых дорогостоящих активов организации, поэтому вопрос о численности торгового персонала должен решаться с учетом всех связанных с продажами факторов. С одной стороны, увеличение количества сотрудников способствует повышению объемов продаж, а с другой — ведет к росту затрат на их содержание. Правильный расчет потребности в сотрудниках сбыта жизненно важен для успешной деятельности организации.

Для определения численности торгового персонала на местах используются разные методы, мы рассмотрим три наиболее распространенных:

• метод разбивки;
• метод рабочей нагрузки;
• метод приращений.

Метод разбивки

Это самый простой метод, при котором каждый среднестатистический сотрудник сбыта рассматривается как один продавец с определенным показателем производительности труда. Следовательно, для определения численности торгового персонала нужно разделить совокупный прогнозируемый объем продаж организации на расчетный объем продаж каждого сотрудника сбыта:

N — численность торгового персонала, необходимого компании;

S — прогнозируемый объем продаж;

P — показатель производительности труда одного продавца.

Таким образом, если у компании прогноз объемов сбыта составляет 100 млн. руб. и каждый продавец, согласно прогнозу, может продать товаров на сумму 5 млн. руб., то ей понадобится 20 сотрудников.

Несмотря на кажущуюся простоту и удобство метода разбивки, применять его на практике может оказаться нелегко. Во-первых, в нем используется обратная логика, т.е. расчет численности персонала является следствием оценки объемов продаж, в то время как количество сотрудников сбыта должно быть одним из исходных элементов стратегического маркетинга. Во-вторых, оценка производительности труда продавца не учитывает различий в квалификации работников, в потенциале обслуживаемых ими рынков и в уровне конкуренции в разных регионах. В-третьих, метод разбивки не учитывает текучесть кадров, а ведь новые и неопытные сотрудники редко могут достичь объемов продаж опытных работников. Конечно, формулу расчета можно видоизменить, добавив в нее показатель текучести кадров, но тогда она проиграет в простоте и концептуальной привлекательности. Наконец, самый главный недостаток данного метода заключается в том, что в нем не учитывается рентабельность. Сбыт рассматривается не как средство достижения цели, а как некая самостоятельная задача; численность торгового персонала из решающего фактора получения запланированной прибыли превращается в переменную, зависимую от прогнозируемых объемов продаж.

Метод рабочей нагрузки

При определении численности торгового персонала с помощью метода рабочей нагрузки (или «Метода наращивания») считается, что все сотрудники сбыта выполняют примерно равный объем работы. Объем работы рассматривается как производная совокупности трех факторов: количества клиентов, количества обращений к каждому из них и продолжительности работы с каждым. Полученный показатель делят на объем работы, приходящейся на отдельного продавца, и получают общую численность торгового персонала. На рис. 3 показана схема расчета количества продавцов по методу рабочей нагрузки.

Рис. 3. Последовательность определения численности торгового персонала с использованием метода рабочей нагрузки

Расчет численности торгового персонала по методу рабочей нагрузки состоит из шести этапов.

2. Определение количества и продолжительности контактов с каждым клиентом в категории.

3. Расчет трудозатрат на обслуживание всех клиентов.

4. Определение среднего количества контактов для каждого сотрудника.

5. Распределение времени отдельного работника по типам задач.

6. Расчет количества продавцов.

Рассмотрим каждый из указанных этапов.

Этап 1. Классификация клиентов по категориям

Обычно классификация клиентов производится на основе объемов продаж, но может осуществляться и по другим критериям, например по сфере деятельности, кредитному рейтингу, товарным линиям или потенциалу продаж.

Любая система классификации должна отражать разницу в объеме трудозатрат на обслуживание разных классов клиентов, и, следовательно, привлекательность каждого класса клиентов для данной компании. Допустим, у компании 1 030 клиентов, которых можно разделить на три основных типа (класса).

Класс A: крупные, или очень привлекательные — 200.

Класс Б: средние, или умеренно привлекательные — 350.

Класс В: мелкие, но все же привлекательные — 480.

Этап 2. Определение количества и продолжительности контактов с каждым клиентом в категории

Это означает, что надо оценить количество контактов (визитов, звонков) их среднюю продолжительность для каждого типа клиентов. Такая оценка делается на основе мнения руководителей сбыта или после анализа отчетов и других формальных источников.

Предположим, что визиты клиентам класса A следует наносить каждые две недели, клиентам класса Б — раз в месяц, а клиентам класса В — раз в два месяца. Продолжительность стандартного коммерческого визита равна соответственно 60, 30 и 20 минутам. Следовательно, за год затраты времени для каждого типа клиентов рассчитывается следующим образом:

Класс A: 26 визитов в год ´ 60 минут = 1 560 минут = 26 часов

Класс Б: 12 визитов в год ´ 30 минут = 360 минут = 6 часов

Класс В: 6 визитов в год ´ 20 минут = 120 минут = 2 часа

Этап 3. Расчет трудозатрат на обслуживание всех клиентов

Чтобы рассчитать совокупные трудозатраты на обслуживание всех трех классов клиентов, надо умножить количество клиентов на определенные в предыдущем этапе затраты времени за год. Полученные данные суммируются, и получается количество часов, необходимых для обслуживания всех типов клиентов.

Класс A: 200 клиентов ´ 26 часов = 5 200 часов

Класс Б: 350 клиентов ´ 6 часов = 2 100 часов

Класс В: 480 клиентов ´ 2 часа = 960 часов

Итого: 8 260 часов в год

Этап 4. Определение среднего количества контактов для каждого сотрудника

На этом этапе нужно оценить для среднестатистического продавца количество часов работы в неделю и умножить полученное значение на количество рабочих недель в году. Предположим, рабочая неделя составляет 40 рабочих часов, а в год средний сотрудник работает 48 недель (с учетом отпуска, отсутствия по болезни или другим уважительным причинам). Таким образом, средний работник сбыта на протяжении года трудится 1920 часов:

40 часов ´ 48 недель = 1 920 часов

Этап 5. Распределение времени работника по типам задач

Понятно, что на личные контакты с клиентами уходит не все, а лишь некоторая часть рабочего времени продавца. Много времени отводится видам деятельности, не имеющим непосредственного отношения к продажам, например составлению отчетов, участию в совещаниях, общению с клиентами по вопросам обслуживания и пр. Кроме того, немалая часть рабочего времени тратится на разъезды. Предположим, что анализ затрат рабочего времени торгового персонала показал, что оно распределяется следующим образом.

Собственно продажа — 768 часов/год, или 40%

Виды деятельности, не связанные с продажей — 576 часов/год, или 30%

Поездки — 576 часов/год, или 30%

Итого — 1 920 часов/год, или 100%

Этап 6. Расчет численности торгового персонала

Численность необходимого компании торгового персонала теперь можно рассчитать, разделив общее количество часов, необходимых для обслуживания всего рынка, на количество часов, имеющихся в распоряжении одного сотрудника торгового персонала собственно для продажи. Таким образом, численность торгового персонала компании равняется:

8 280 часов / 768 часов = 10,78, или 11 продавцов

Метод рабочей нагрузки (или метод наращивания) — довольно распространенный способ расчета численности торгового персонала. Он не слишком сложен и в то же время учитывает тот факт, что на обслуживание разных категорий клиентов требуется разное время.

Однако и у этого метода есть недостатки. Во-первых, он не учитывает реакцию разных клиентов на одно и то же коммерческие предложения сотрудников компании. Например, два клиента класса A могут по-разному реагировать на одинаковую схему работы торговых представителей. Один клиент может заказывать продукцию компании даже без регулярных визитов со стороны торгового представителя. Другой покупатель согласится стать клиентом данной компании лишь после того, как представитель сбыта потратит на него больше времени, чем предусмотрено стандартной схемой рабочего графика. Кроме того, в данном методе не учитывается в явном виде рентабельность частоты контактов с клиентом (коммерческих визитов), а также такие факторы, как стоимость обслуживания и валовая прибыль по ассортименту товаров, приобретаемых данным клиентом.

Наконец, применение метода рабочей нагрузки основано на допущении, что все сотрудники сбыта используют свое рабочее время одинаково эффективно (т.е. каждый торговый представитель действительно уделяет 768 часов личным контактам с клиентами). Однако это не так. Одни сотрудники тратят на общение с клиентами больше времени, другие меньше, но используют его эффективнее. Продавцы, работающие на небольших территориях, тратят меньше времени на поездки и больше — на продажи. Метод наращивания не позволяет учитывать такие нюансы в явном виде.

Метод приращений

Согласно методу приращений численность торгового персонала следует увеличивать до тех пор, пока обеспечиваемый таким способом прирост прибыли превосходит прирост издержек.

Метод приращений строится на убеждении, что рост численности продавцов приводит к уменьшению приносимой каждым из них прибыли. Например, если один дополнительный сотрудник торгового персонала обеспечивает продажи на сумму 3 млн. руб., то два дополнительных сотрудника торгового персонала принесут лишь 5,5 млн. руб. Прирост объема продаж, обеспечиваемый первым продавцом, составляет 3 млн. руб., вторым — только 2,5 млн. руб. Следовательно, прием на работу третьего сотрудника обеспечит 2,25 млн. руб. новых объемов продаж, а четвертого -2 млн. руб., и т.д. Увеличение численности торгового персонала на четырех продавцов приведет к увеличению объемов продаж на 9,75 млн. руб. Помня о том, что каждый последующий сотрудник приносит меньше прибыли, а компания несет постоянные затраты (зарплата, комиссионные, командировочные и пр.), штат продавцов можно увеличивать до тех пор, пока прибыль от очередного нанятого сотрудника не сравняется с издержками на его наем и содержание.

Метод приращений выглядит весьма убедительным, а его положения совпадают с эмпирическими данными о том, что увеличение количества сотрудников может вести к сокращению прибыли. Однако падение прибыли может объясняться влиянием и других факторов — например, количеством покупателей в расчете на одного продавца, количеством коммерческих визитов к каждому клиенту, фактическим временем, затрачиваемым продавцом на личный контакт с клиентом, а также фактором проектирования территорий (который будет подробнее рассмотрен в следующем разделе).

Главной недостаток метода приращений — сложность по сравнению с двумя рассмотренными выше подходами. Если затраты на привлечение дополнительного продавца оценить можно достаточно точно, то ожидаемая прибыль такой простой оценке не поддается, поскольку зависит от многих факторов. Здесь надо учитывать ожидаемый дополнительный доход от деятельности нового продавца, зависящий от проектирования территорий сбыта, распределения персонала по этим территориям и производительности труда каждого работника. Расчет осложняется также и тем, что рентабельность отдела продаж также зависит от выпускаемых компанией товаров и их прибыльности.

Проектирование территорий сбыта

Количество территорий сбыта и схема их проектирования должны рассматриваться как взаимосвязанные и взаимозависимые решения. Однако сначала следует определить количество сбытовых территорий, а затем уже сосредоточиться на их проектировании.

В идеальном случае все сбытовые территории имеют одинаковый потенциал продаж и объемы деятельности для каждого продавца, что обеспечивает эффективный охват. При равном потенциале проще оценить и сравнить производительность труда каждого из сотрудников компании. (Более подробно оценка эффективности работы продавцов с учетом различий по территориям сбыта рассматривается в следующей главе.) Выравнивание рабочей нагрузки улучшает моральный климат среди торговых сотрудников и устраняет причины для разногласий между руководством и подчиненными. Хотя в реальности создать для всех одинаковые условия трудно и вряд ли возможно, при проектировании сбытовых территорий следует позаботиться о том, чтобы всем сотрудникам были предоставлены равные возможности.

Процесс проектирования включает шесть этапов.

1. Выбор базовой единицы формирования.

2. Оценка потенциала рынка.

3. Формирование гипотетических территорий.

4. Анализ рабочей нагрузки.

5. Корректировка границ гипотетических территорий.

6. Распределение торгового персонала по территориям.

Этап 1. Выбор базовой единицы формирования

Базовая единица формирования — это относительно небольшая территориально-административная область, используемая для определения сбытовых территорий (например, город или район). Как правило, предпочтение отдается небольшим единицам формирования, так как в более крупных могут оказаться регионы с различным потенциалом сбыта. Это затрудняет выявление истинного потенциала продаж по всей территории сбыта. Кроме того, небольшие области в качестве базовой единицы упрощают корректировку сбытовых территорий, если возникает такая необходимость, ведь намного легче перераспределить клиентов в пределах района, чем на уровне областей или краев. Обычно в качестве базовой единицы используются города, районы, области.

Города. Исторически, когда львиная доля потенциала рынка сосредотачивалась в крупных городах, он представлял собой вполне подходящий вариант базовой единицы. Но в настоящее время крупные города плохо подходят для этой роли. С точки зрения сбыта пригороды и ближайшие окрестности крупных городов имеют потенциал не ниже, а иногда даже выше, чем собственно город. Поэтому многие компании, которые в прошлом использовали в качестве базовой единицы крупные города, в настоящее время перешли на более широкие системы классификации.

Области обычно соответствуют принятой в стране административно-территориальной структуре. В области имеется обычно один крупный город — областной центр, и более мелкие населенные пункты. Области — удобные базовые единицы, поскольку имеют относительно небольшую территорию, что позволяет легко корректировать территории сбыта в процессе проектирования.

Регионы представляют собой крупные административно-территориальные участки, включающие несколько областей. Наличие в регионе крупных промышленных предприятий, сырьевых или человеческих ресурсов или специализация на определенном виде деятельности становится определяющим фактором потенциала спроса. Соответственно на территории региона находится несколько крупных городов, иногда с различной специализацией (промышленная, добывающая, сельскохозяйственная и др.) и, следовательно, с различным распределением населения и потенциалом сбыта. Изменение территорий сбыта на уровне регионов представляет собой довольно сложную задачу, поскольку привести к существенному увеличению или уменьшению количества клиентов и объема деятельности продавцов.

Этап 2. Оценка потенциала рынка для каждой базовой единицы формирования

Оценка потенциала рынка для каждой базовой единицы выполняется с помощью описанных в начале главы методов. Если между объемом сбыта данного товара и какой-либо другой переменной (или переменными) можно установить взаимосвязь, то эту переменную можно использовать для оценки потенциала продаж по каждой базовой единице. Однако в этом случае нужно иметь большой объем данных по каждой переменной. Иногда спрогнозировать потенциал можно на основе вероятного спроса со стороны каждого имеющегося или потенциального клиента на рассматриваемой территории. Подобный подход эффективнее не на потребительских, а на промышленных рынках, потому что численность потребителей промышленных товаров обычно меньше по сравнению с покупателями потребительских товаров, кроме того, их проще выявить. К тому же объемы продаж каждому клиенту на промышленном рынке существенно превышают объемы продаж среднестатистическому покупателю потребительских товаров. Следовательно, на этом этапе следует выявить самых крупных потребителей, оценить их вероятный спрос, суммировать индивидуальные оценки и получить приблизительную оценку потенциала сбыта территории в целом.

Этап 3. Формирование гипотетических территорий

После оценки потенциала каждой базовой единицы следует объединить смежные территории в более крупные географические образования. Укрупнение должно происходить таким образом, чтобы избежать пересечения сфер деятельности продавцов, т.е. чтобы каждый сотрудник работал только на своей территории и распространял свои усилия на территории, отведенные его коллегам.

Основная задача заключается в обеспечении баланса между потенциалами рынка для каждой территории сбыта. Следует начать с учета рабочей нагрузки продавцов и потенциала продаж (доли совокупного потенциала рынка, которую рассчитывает получить компания); эти параметры зависят от конкуренции на рынке. Предполагается, что все сотрудники сбыта обладают равными способностями.

Все принимаемые на данном этапе предположения будут откорректированы на следующих этапах проектирования, а пока формируется общий подход к разбивке территорий. Полученное количество территорий должно совпадать с числом территорий, которые руководство определило ранее исходя из возможностей фирмы. Если это не было сделано, количество территорий сбыта должно быть определено на данном этапе.

Этап 4. Анализ рабочей нагрузки торгового персонала

Теперь следует рассчитать объем работы сотрудников, необходимый для охвата каждой из полученных территорий. Вряд ли на предыдущем этапе удалось сформировать территории, одинаковые по потенциалу сбыта и рабочей нагрузке на продавцов. Скорее всего, территории сильно разнятся по объему деятельности, который ожидает торговый персонал. Поэтому на этом этапе нужно оценить объем работ, стоящий перед сотрудниками сбыта. В общем случае он включает в себя выполнение следующих шагов:

• определение количества покупателей;
• выбор критериев классификации клиентов;
• расчет частоты коммерческих контактов;
• определение частоты коммерческих контактов с каждым клиентом;
• определение совокупных трудозатрат торгового персонала.

Определение количества покупателей

Для оценки рабочей нагрузки на персонал сбыта следует подсчитать на заданной территории всех клиентов, начиная с самых крупных. Чаще всего такой подсчет выполняется в два этапа. На первом этапе оценивается потенциал сбыта для каждого существующего и потенциального покупателя на данной территории. На втором этапе полученный результат в виде потенциала продаж используется для подсчета количества и продолжительности контактов (визитов, звонков) с каждым из клиентов. Общие трудозатраты можно определить, исходя из общей численности клиентов, количества и продолжительности контактов с каждым из них, а также примерных затрат времени на выполнения действий, не связанных непосредственно с продажей, например, для переездов.

Выбор критериев классификации клиентов

Потенциал продаж, на основе которого рассчитывается периодичность и продолжительность контактов продавцов с клиентами — лишь один из критериев, используемых для классификации клиентов. Существуют и другие критерии; все их следует проанализировать и при необходимости использовать наряду с потенциалом продаж. К числу таких критериев можно отнести конкурентное давление на потенциального покупателя; престижность покупателя; объем и товарный ассортимент закупок; внутренние особенности клиента, оказывающие влияние на заключение сделки. Совокупность факторов, влияющих на эффективность каждого коммерческого визита или контакта с клиентом, очень индивидуальна.

Расчет частоты коммерческих контактов

Матричная концепции стратегического планирования предлагает классифицировать покупателей (подобно стратегическим бизнес-единицам или рынкам) в виде матрицы по двум критериям: привлекательности для компании и трудностям в работе. Матрица может состоять из четырех (2 ´ 2) или девяти (3 ´ 3) ячеек. На рис. 4 потенциальные покупатели распределены по четырем ячейкам в зависимости от своего потенциала и конкурентных преимуществ (или недостатков) для компании-продавца. В каждом квадранте предусмотрена разная периодичность коммерческих контактов с клиентами. Максимальная частота коммерческих контактов предполагается для клиентов из ячеек 1, 2 и, возможно, 3 — в зависимости от способности компании воспользоваться своими конкурентными преимуществами. Соответственно коммерческие контакты с покупателями, оказавшимися в квадранте 4, будут осуществлять реже.

Рис. 4. Матрица планирования клиентов

Определение частоты коммерческих контактов

На данном этапе нецелесообразно считать всех клиентов одной категории равнозначными, эффективнее определить рабочую нагрузку на продавца по каждому клиенту на всех гипотетических территориях. Для этого можно воспользоваться следующим методом: каждому покупателю присвоить оценку по каждому из основных критериев и рассчитать «индекс распределения сбытовой деятельности». Этот показатель рассчитывается так: каждая из оценок («рейтинг клиента») умножается на так называемый «коэффициент важности», суммируется по всем факторам, и полученный результат делится на сумму коэффициентов важности.

Рассчитанный таким образом индекс распределения сбытовой деятельности отражает объем деятельности торгового персонала, связанный с совершением коммерческих контактов с каждым покупателем. Чем выше индекс, тем больше контактов предстоит совершить сотрудникам сбыта при работе с данным клиентом.

Определение совокупных трудозатрат торгового персонала

После анализа клиентов проводится оценка рабочей нагрузки по каждой территории. Она во многом схожа с вычислением численности торгового персонала компании методом рабочей нагрузки. Общее количество личных контактов определяется произведением частоты коммерческих контактов по каждому типу клиентов на число клиентов. Полученные результаты суммируются и объединяются с количеством времени, которое требуется для выполнения (на данной территории) видов деятельности, не связанных с продажей. Аналогичные расчеты выполняются по каждой гипотетической территории.

Этап 5. Корректировка границ гипотетических территорий

Границы гипотетических территорий, определенные на этапе 3, следует скорректировать с учетом различий в трудозатратах, необходимых для охвата этих территорий. При этом аналитик должен помнить, что потенциал продаж в расчете на одного клиента — величина непостоянная и зависит от количества коммерческих контактов с соответствующим клиентом. Привлекательность клиента для компании напрямую зависит от того, какое внимание будет уделять ему персонал компании. Количество коммерческих контактов и их продолжительность, конечно, влияют на объемы продаж. Тем не менее, в некоторых методах, используемых для определения рабочих нагрузок по территориям, наличие этой взаимозависимости признается лишь в неявном виде.

Этап 6. Распределение торгового персонала по территориям

После окончательного определения границ территорий сбыта можно приступать к распределению торгового персонала по данным территориям. До этого момента предполагалось, что все сотрудники сбыта обладают одинаковыми способностями и навыками работы. Однако на практике проявляются различия в опыте и квалификации персонала. Способности разных сотрудников далеко не одинаковы, об одинаковой эффективности их работы с одними и теми же клиентами или товарами также не приходится говорить. На этом этапе необходимо распределить сотрудников — с учетом их личных качеств — по территориям таким образом, чтобы вклад каждого работника в деятельность компании оказался максимальным.

Нужно отметить, что далеко не всегда удается достичь оптимального распределения торговых представителей. Для сложившейся структуры сбыта с устоявшимися территориями и клиентурой радикальные изменения территорий и клиентов может иметь поистине катастрофические последствия. Практика показывает, что в ситуации с устоявшимися сбытовыми территориями их перераспределение нужно проводить постепенно, а изменения не быть революционными. Если же компания в своей работе не использует четкого распределения сбытовых территорий между продавцами, то перекройка территорий позволит существенно повысить эффективность.

Распределение торгового персонала по территориям сбыта необходимо проводить также с учетом следующих соображений. Во-первых, перераспределение клиентов между сотрудниками сбыта может привести к реальному уменьшению количества или объемов заказов. Во-вторых, сокращение, а также неоправданное увеличение количества продавцов также может иметь негативные последствия. Например, расширение штата сотрудников сбыта означает увеличение количества территорий сбыта, а это, в свою очередь, вызывает необходимость перекройки существующих границ, изменение квот продажи и снижение суммы потенциальных вознаграждений. Поэтому при пересмотре и корректировке территорий сбыта нужно учесть мнения сотрудников и минимизировать ущерб, который может быть нанесен взаимоотношениям торговых представителей и клиентов.

Введение

На сегодняшний день наука достаточно далеко продвинулась в разработке технологий прогнозирования. Специалистам хорошо известны методы нейросетевого прогнозирования, нечеткой логики и т.п. Разработаны соответствующие программные пакеты, но на практике они, к сожалению, не всегда доступны рядовому пользователю, а, в то же время, многие из этих проблем можно достаточно успешно решать, используя методы исследования операций, в частности имитационное моделирование, теорию игр, регрессионный и трендовый анализ, реализуя эти алгоритмы в широко известном и распространенном пакете прикладных программ MS Excel.

В связи с этим актуальность изучения методов алгоритма прогнозирования, исследованных в данной работе не вызывает сомнения.

В работе представлен один из возможных алгоритмов построения прогноза объема реализации для продуктов с сезонным характером продаж. Сразу следует отметить, что перечень таких товаров значительно шире, чем это кажется. Дело в том, что понятие «сезон» в прогнозировании применим к любым систематическим колебаниям. Например, если речь идет об изучении товарооборота в течение недели, под термином «сезон» понимается один день. Кроме того, цикл колебаний может существенно отличаться (как в большую, так и в меньшую сторону) от величины «один год». И, если удается выявить величину цикла этих колебаний, то такой временной ряд можно использовать для прогнозирования с использованием аддитивных и мультипликативных моделей.

Целью работы стали систематизация теоретических данных по выбранной теме и их применение на конкретном предприятии. Для достижения этой цели были поставлены следующие задачи:

1.определить значение прогнозирования на современном этапе;

2.рассмотреть сущность трендовых моделей;

.выявить методы использования трендовых моделей в прогнозировании объемов продаж;

.применить теоретические положения об использовании трендовых моделей для прогнозов к статистическим данным компании «КЛАД», на основании чего построить прогноз объемов продаж на следующий сезон.

Информационной базой для написания работы стали учебно-методические пособия и периодическая литература по данному вопросу отечественных авторов. Использование литературы именно периодического характера представляется наиболее важным при написании данной работы. Это суждение основано на том, что наряду со знанием теоретических основ изучаемого вопроса, необходимо учесть его динамический характер и рассмотреть самый новый взгляд на методологию составления прогнозов с использованием трендовых моделей, разработанную в самое последнее время.

Работа имеет не только теоретическое, но и высокое практическое значение. По сути, она является методическим пособием по применению алгоритма прогнозирования объема продаж с использованием MS Excel, который может быть по аналогии использован не только на упомянутом предприятии, но и в других отраслях народного хозяйства.

1. Использование трендовых моделей в прогнозировании объемов продаж

1.1 Сущность трендовых моделей и их использование для прогнозов

Одна из важнейших групп методов прогнозирования основана на анализе временных рядов.

Прогнозирование на основе анализа временных рядов предполагает, что происходившие изменения в объемах продаж могут быть использованы для определения этого показателя в последующие периоды времени. Временные ряды, обычно служат для расчета четырех различных типов изменений в показателях: трендовых, сезонных, циклических и случайных.

Тренд - это изменение, определяющее общее направление развития, основную тенденцию временных рядов. Выявление основной тенденции развития (тренда) называется выравниванием временного ряда, а методы выявления основной тенденции - методами выравнивания.

Один из наиболее простых приемов обнаружения общей тенденции развития явления - укрупнение интервала динамического ряда. Смысл этого приема заключается в том, что первоначальный ряд динамики преобразуется и заменяется другим, уровни которого относятся к большим по продолжительности периодам времени.

Выявление основной тенденции может быть осуществлено также методом скользящей средней. Для определения скользящей средней формируются укрупненные интервалы, состоящие из одинакового числа уровней. Каждый последующий интервал получаем, постепенно передвигаясь от начального уровня динамического ряда на одно значение. По сформированным укрупненным данным рассчитываем скользящие средние, которые относятся к середине укрупненного интервала.

Изучение основной тенденции развития методом скользящей средней является эмпирическим приемом предварительного анализа. Для того чтобы дать количественную модель изменений динамического ряда, используется метод аналитического выравнивания. В этом случае фактические уровни ряда заменяются теоретическими, рассчитанными по определенной кривой, отражающей общую тенденцию изменения показателей во времени. Таким образом, уровни динамического ряда рассматриваются как функция времени:

t = f(t)

Наиболее часто могут использоваться следующие функции:

При равномерном развитии - линейная функция:

t = b0 + b1t

При росте с ускорением:

парабола второго порядка: Y t = b 0 + b 1 t + b 2 t 2

кубическая парабола: Y t = b 0 + b 1 t + b 2 t 2 + b 3 t 3

3. при постоянных темпах роста - показательная функция:

t = b0b1t

5.при снижении с замедлением - гиперболическая функция:

t = b0 + b1x1/t

Однако аналитическое выравнивание содержит в себе ряд условностей: развитие явлений обусловлено не только тем, сколько времени прошло с отправного момента, а и тем, какие силы влияли на развитие, в каком направлении и, с какой интенсивностью. Развитие явлений во времени выступает как внешнее выражение этих сил.

Оценки параметров b 0 , b 1 ,… b n находятся методом наименьших квадратов, сущность которого состоит в отыскании таких параметров, при которых сумма квадратов отклонений расчетных значений уровней, вычисленных по искомой формуле, от их фактических значений была бы минимальной.

Для сглаживания экономических временных рядов нецелесообразно использовать функции, содержащие большое количество параметров, так как полученные таким образом уравнения тренда (особенно при малом числе наблюдений) будут отражать случайные колебания, а не основную тенденцию развития явления.

Подбор вида функции, описывающей тренд, параметры которой определяются методом наименьших квадратов, производится в большинстве случаев эмпирически, путем построения ряда функций и сравнения их между собой по величине среднеквадратической ошибки.

Разность между фактическими значениями ряда динамики и его выровненными значениями характеризует случайные колебания (иногда их называют остаточные колебания или статистические помехи). В некоторых случаях последние сочетают тренд, циклические колебания и сезонные колебания.

Сезонные колебания - повторяющиеся из года в год изменения показателя в определенные промежутки времени. Наблюдая их в течение нескольких лет для каждого месяца (или квартала), можно вычислить соответствующие средние, или медианы, которые принимаются за характеристики сезонных колебаний.

Периодические колебания в розничной торговле можно обнаружить и в течение недели (например, перед выходными днями увеличивается продажа отдельных продуктов питания), и в течение какой-либо недели месяца. Однако самые значительные сезонные колебания наблюдаются в определенные месяцы года. При анализе сезонных колебаний обычно рассчитывается индекс сезонности, который используется для прогнозирования исследуемого показателя.

В самой простой форме индекс сезонности рассчитывается как отношение среднего уровня за соответствующий месяц к общему среднему значению показателя за год (в процентах). Все другие известные методы расчета сезонности различаются по способу расчета выровненной средней. Чаще всего используются либо скользящая средняя, либо аналитическая модель проявления сезонных колебаний.

Большинство методов предполагает использование компьютера.

Относительно простым методом расчета индекса сезонности является метод центрированной скользящей средней.

Используя метод скользящей средней, необходимо последовательно осуществить следующие этапы:

Решить, данные, за сколько лет должны быть включены в расчет. Можно использовать данные за один год, но для большей достоверности расчетов лучше использовать данные, по крайней мере, за два года, а если сезонные колебания значительны, - то и более.

Повторить этапы 2 и 3 для этого же месяца следующего года;

Определить средний индекс в этом месяце по данным за два года;

Обобщить данные о силе колеблемости показателей динамического ряда из-за их сезонного характера. При этом используется среднее квадратическое отклонение индексов сезонности (в процентах) от 100%.

Сравнение средних квадратических отклонений, вычисленных за разные периоды времени, показывает сдвиги в сезонности.

Другим методом расчета индексов сезонности, часто используемым в различного рода экономических исследованиях, является метод сезонной корректировки, известный в компьютерных программах как метод переписи (Census Method II). Он является своего рода модификацией метода скользящих средних. Специальная компьютерная программа элиминирует трендовую и циклическую компоненты, используя целый комплекс скользящих средних. Кроме того, из средних сезонных индексов удалены и случайные колебания, поскольку под контролем находятся крайние значения признаков.

Расчет индексов сезонности является первым этапом в составлении прогноза. Обычно этот расчет проводится вместе с оценкой тренда и случайных колебаний и позволяет корректировать прогнозные значения показателей, полученных по тренду. При этом необходимо учитывать, что сезонные компоненты могут быть аддитивными и мультипликативными.

Таким образом, временной ряд, характеризующий величину цикла систематических колебаний, можно использовать для прогнозирования с использованием аддитивных и мультипликативных моделей.

Итак, временной ряд - это последовательность наблюдений некоторой величины в последовательные моменты времени.

Аддитивная модель представляет собой обобщение множественной регрессии, которая является частным случаем общей линейной модели.

Аддитивную модель можно представить в виде формулы:

где F - прогнозируемое значение; Т - тренд; S - сезонная компонента; Е - ошибка прогноза.

Применение мультипликативных моделей обусловлено тем, что в некоторых временных рядах значение сезонной компоненты представляет собой определенную долю трендового значения. Эти модели можно представить формулой:

На практике отличить аддитивную модель от мультипликативной можно по величине сезонной вариации. Аддитивной модели присуща практически постоянная сезонная вариация, тогда как у мультипликативной модели она возрастает, или убывает. Графически это выражается в изменении амплитуды колебания сезонного фактора. Это показано на рис. 1.

Рисунок 1.Аддитивная и мультипликативная модели прогнозирования

Если бы на изучаемом интервале времени коэффициенты уравнения регрессии, которое описывает тренд, оставались бы неизменными, то для построения прогноза достаточно было бы использовать метод наименьших квадратов. Однако в течение исследуемого периода коэффициенты могут меняться. Естественно, что в таких случаях более поздние наблюдения несут большую информационную ценность по сравнению с более ранними наблюдениями, а, следовательно, им нужно присвоить наибольший вес. Именно таким принципам и отвечает метод экспоненциального сглаживания, который может быть использован для краткосрочного прогнозирования объема продаж. Расчет осуществляется с помощью экспоненциально-взвешенных скользящих средних:

Zt = a x Yt + (1 - a) x Zt -1

Z - сглаженный (экспоненциальный) объем продаж;

t - период времени;

a - константа сглаживания;

Y - фактический объем продаж.

Последовательно используя эту формулу, экспоненциальный объем продаж Z t можно выразить через фактические значения объема продаж Y :

SO - начальное значение экспоненциальной средней.

При построении прогнозов с помощью метода экспоненциального сглаживания одной из основных проблем является выбор оптимального значения параметра сглаживания a . Ясно, что при разных значениях a результаты прогноза будут различными. Если a близка к единице, то это приводит к учету в прогнозе в основном влияния лишь последних наблюдений; если a близка к нулю, то веса, по которым взвешиваются объемы продаж во временном ряду, убывают медленно, т.е. при прогнозе учитываются все (или почти все) наблюдения. Если нет достаточной уверенности в выборе начальных условий прогнозирования, то можно использовать итеративный способ вычисления a в интервале от 0 до 1. Существуют специальные компьютерные программы для определения этой константы.

Обобщая результаты прогнозирования с помощью методов временных рядов, необходимо оценить точность расчетов, на основании которой можно сделать вывод об аппроксимирующей способности моделей.

Объемы продаж большинства компаний показывают значительные колебания. Они растут и падают в зависимости от общей ситуации в бизнесе, уровня спроса на продукты, производимые компаниями, деятельности конкурентов и других факторов. Колебания, отражающие конъюнктурные циклы перехода от более или менее благоприятной рыночной ситуации к кризису, депрессии, оживлению и снова к благоприятной ситуации, называются циклическими колебаниями. Существуют различные классификации циклов, их последовательности и продолжительности. Например, выделяются двадцатилетние циклы, обусловленные сдвигами в воспроизводственной структуре сферы производства; циклы Джанглера (7-10 лет), проявляющиеся как итог взаимодействия денежно-кредитных факторов; циклы Катчина (3-5 лет), обусловленные динамикой оборачиваемости запасов; частные хозяйственные циклы (от 1 до 12 лет), обусловленные колебаниями инвестиционной активности.

Методика выявления цикличности заключается в следующем. Отбираются рыночные показатели, проявляющие наибольшие колебания, и строятся их динамические ряды за возможно более продолжительный срок. В каждом из них исключается тренд, а также сезонные колебания. Остаточные ряды, отражающие только конъюнктурные или чисто случайные колебания, стандартизируются, т.е. приводятся к одному знаменателю. Затем рассчитываются коэффициенты корреляции, характеризующие взаимосвязь показателей. Многомерные связи разбиваются на однородные кластерные группы. Нанесенные на график кластерные оценки должны показать последовательность изменения основных рыночных процессов и их движение по фазам конъюнктурных циклов.

1.2 Алгоритм построения прогнозной модели

Для прогнозирования объема продаж, имеющего сезонный характер, предлагается следующий алгоритм построения прогнозной модели:

1. Определяется тренд, наилучшим образом аппроксимирующий фактические данные. Существенным моментом при этом является предложение использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели.

2. Вычитая из фактических значений объемов продаж значения тренда, определяют величины сезонной компоненты и корректируют таким образом, чтобы их сумма была равна нулю.

3. Рассчитываются ошибки модели

4. Строится модель прогнозирования:

F - прогнозируемое значение;

Т - тренд;

S - сезонная компонента;

Е - ошибка модели.

5. На основе модели строится окончательный прогноз объема продаж. Для этого предлагается использовать методы экспоненциального сглаживания, что позволяет учесть возможное будущее изменение экономических тенденций, на основе которых построена трендовая модель. Сущность данной поправки заключается в том, что она нивелирует недостаток адаптивных моделей, а именно, позволяет быстро учесть наметившиеся новые экономические тенденции.

где:пр t - прогнозное значение объема продаж;

Fм t - значение модели;

а - константа сглаживания.

Практическая реализация данного метода выявила его следующие особенности:

2. Применение алгоритма на примере исследования информации об объемах сбыта мороженого «Пломбир» фирмы «КЛАД», г. Кунгур Пермский край

Исходные данные: объемы реализации продукции за два сезона.

В качестве исходной информации для прогнозирования была использована информация об объемах сбыта мороженного «Пломбир» фирмы «КЛАД» г. Кунгура Пермского края. Данная статистика характеризуется тем, что значения объема продаж имеют выраженный сезонный характер с возрастающим трендом.

Исходная информация представлена в таблице 1.

Таблица 1.Фактические объемы реализации продукции

Задача: составить прогноз продаж продукции на следующий год по месяцам.

Реализуем алгоритм построения прогнозной модели, описанной выше. Решение данной задачи осуществим в среде MS Excel, что позволит существенно сократить количество расчетов и время построения модели.

2.1 Определение тренда

Определяем тренд, наилучшим образом аппроксимирующий фактические данные. Для этого используем полиномиальный тренд, что позволяет сократить ошибку прогнозной модели.

На рисунке показано, что полиномиальный тренд аппроксимирует фактические данные гораздо лучше, чем предлагаемый обычно в литературе линейный. Коэффициент детерминации полиномиального тренда (0,7435) гораздо выше, чем линейного (4Е - 05). Для расчета тренда рекомендуется использовать опцию «Линия тренда» MS Excel.

Опция «Линия тренда»

Применение других типов тренда (логарифмический, степенной, экспоненциальный, скользящее среднее) также не дает эффективного результата. Они неудовлетворительно аппроксимируют фактические значения, коэффициенты их детерминации ничтожно малы:

·логарифмический R2 = 0,0166;

·степенной R2 = 0,0197;

·экспоненциальный R2 = 8Е - 05.

2.2 Определение величины сезонной компоненты

Вычитая из фактических объемов продаж значения тренда, определяем величины сезонной компоненты, используя при этом пакет программных данных MS Excel.

Расчет значений сезонной компоненты в MS Excel

Итоги расчета значений сезонной компоненты приведем в таблице:

Таблица 2.Расчет значений сезонной компоненты

Таблица 3.Расчет средних значений сезонной компоненты

2.3 Расчет ошибок модели

Рассчитываем ошибки модели как разности между фактическими значениями и значениями модели.

Таблица 4. Расчет ошибок

Находим среднеквадратическую ошибку модели (Е) по формуле:

Е = ? О2: ? (Т + S)2

Т - трендовое значение объема продаж;

S - сезонная компонента;

О - отклонения модели от фактических значений.

Е = 0,003739 или 0,37%.

Величина полученной ошибки позволяет говорить, что построенная модель хорошо аппроксимирует фактические данные, то есть она вполне отражает тенденции, определяющие объем продаж, и является предпосылкой для построения прогнозов высокого качества.

Построим модель прогнозирования:

2.4 Построение прогноза объемов продаж

На основе модели строим окончательный прогноз объема продаж.Для смягчения влияния прошлых тенденций на достоверность прогнозной модели, сочетаем трендовый анализ с экспоненциальным сглаживанием. Это позволит нивелировать недостаток адаптивных моделей, то есть учесть наметившиеся новые экономические тенденции.

Fпр t = a Fф t-1 + (1 - a) Fм t

Fпр t - прогнозное значение объема продаж;

Fф t-1 - фактическое значение объема продаж в предыдущем году;

Fм t - значение модели;

а - константа сглаживания.

Константу сглаживания рекомендуется определять методом экспертных оценок, как вероятность сохранения существующей рыночной конъюнктуры, то есть, если основные характеристики изменяются (колеблются) с той же скоростью (амплитудой), что и прежде, значит, предпосылок к изменению рыночной конъюнктуры нет, и, следовательно, а = 1, если наоборот, то а = 0.

Таким образом, прогноз на январь третьего сезона определяется следующим образом.

Определяем прогнозное значение модели:

Fм t = 1924,92 + 162,44 = 2087 ± 7,8 (тыс. руб.)

Фактическое значение объема продаж в предыдущем году (Fф t-1) составило 2361 тыс. руб. Принимаем коэффициент сглаживания 0,8. Получим прогнозное значение объема продаж:

Fпр t = 0,8 х 2361 + (1 - 0,8) х 2087 = 2306 (тыс. руб.)

Заключение

прогноз тренд сезонный модель

Проанализировав теоретические аспекты рассматриваемого вопроса и проделав работу по построению прогноза объема продаж конкретного предприятия с помощью определения тренда, возможно сделать следующие выводы:

Прогнозирование объема продаж - неотъемлемая часть процесса принятия решения; это систематическая проверка ресурсов компании, позволяющая более полно использовать ее преимущества и своевременно выявлять потенциальные угрозы. Компания должна постоянно следить за динамикой объема продаж и альтернативными возможностями развития рыночной ситуации с тем, чтобы наилучшим образом распределять имеющиеся ресурсы и выбирать наиболее целесообразные направления своей деятельности.

Кроме того, для повышения надежности прогноза рекомендуется строить все возможные сценарии прогноза и рассчитывать длительный интервал прогноза.

Практическая реализация рассмотренного метода выявила его следующие особенности:

·для составления прогноза необходимо точно знать величину сезона. Исследования показывают, что множество продуктов имеют сезонный характер, величина сезона при этом может быть различной и колебаться от одной недели до десяти лет и более;

·применение полиноминального тренда вместо линейного позволяет значительно сократить ошибку модели;

·при наличии достаточного количества данных метод дает хорошую аппроксимацию и может быть эффективно использован при прогнозировании объема продаж в инвестиционном проектировании.

Список литературы

1.Алисинская Т.В., Сербин В.Д., Катаев А.В. Учебно-методическое пособие по курсу «Экономико-математические методы и модели. Линейное программирование». Таганрог. 2001.

2.Бушуева Л.И. Метод прогнозирования объема продаж // Маркетинг в России и за рубежом. 2004. №2.

.Кошечкин С.А. Алгоритм прогнозирования объема продаж в MS Excel // #"justify">.Кулакова О. Методы прогнозирования. Анализ аддитивной модели // Бюджетирование и финансовый менеджмент. 2000. №2.

.Лобанова Е. Прогнозирование с учетом экономического роста // Экономические науки. 2002. №1.

.Орлова И.В. Экономико-математические методы и модели. Выполнение расчетов в среде Excel: Практикум. М. 2000.

.Статистический словарь / Под ред. М.А. Королева. М. 1989.

Репетиторство

Нужна помощь по изучению какой-либы темы?

Наши специалисты проконсультируют или окажут репетиторские услуги по интересующей вас тематике.
Отправь заявку с указанием темы прямо сейчас, чтобы узнать о возможности получения консультации.