долгосрочном темпе прироста продах
конъюнктурных флукгуациях, сезонных коэффициентах, специфичны!
факторах (демонстрации, мероприятия по стимулированию сбыта и т.п.)
Затем эти параметры используют для составления прогноза.
Понятно, что такой прогноз имеет смысл как краткосрочный, на пс
риод, в отношении которого можно принять, что характеристики изуча
мого явления существенно не изменятся. Это требование часто оказывает>
реалистичным вследствие достаточной инерционности внешней среды.
К числу главных ограничений экстраполяционных методов следуе
отнести следующие.
Большинство прогнозных ошибок связано с тем, что в момент фор
мулирования прогноза в более или менее явной форме подразумевало
что существующие тенденции сохранятся в будущем, что редко опрм-
дывается в реальной экономической и общественной жизни.
Так, в 40-х годах нашего века американские специалисты предсказыва-
ли: производство легковых автомобилей в США достигнет насыщения и бу-
дет составлять 300 000 штук в месяц. Но уже в 1969 г. их в США производило>
более 550 000 штук. В настоящее время эта цифра возросла еще больше.
В 1983-1984 гг. на американский рынок были введены 67 новьв
моделей персональных компьютеров, и большинство фирм рассчитыва-
ло на взрывной рост этого рынка. По прогнозам, которые давали в то
время маркетинговые фирмы, число установленных компьютеров в 19811
г. должно было составить от 27 до 28 миллионов. Однако к концу 1986г.
было поставлено только 15 миллионов, поскольку условия использова-
ния компьютеров радикально изменились, а этого никто не предвидел,
Эти ошибки в прогнозах носили не математический, а чисто логи-
ческий характер: ведь при прогнозировании использовались временные;
ряды, достаточно хорошо отражающие имеющийся в то время статасти-1
ческий материал. I
Развитие общества определяется очень большим числом факторов.;
Эти факторы сильно связаны между собой, и далеко не все они подда-)
ются непосредственному измерению. Кроме того, по мере развития об-|
щества порой неожиданно начинают вступать в действие все новые к;
новые факторы, которые раньше не учитывались. |
Временные ряды могут становиться ненадежной основой для разра-
ботки прогнозов по мере того, как экономика приобретает все более меж-
дународный характер и все в большей степени подвергается крупной тех-
нологической перестройке. В связи с этим необходимо в первую очереди
развивать способности предвидения, что подразумевает хорошее знание
ключевых факторов и оценку чувствительности фирмы к внешним угрозам.)
Вышеназванное ни в коей мере не умаляет значимости экстрополя-
ционных методов в прогнозировании. Как и любые методы, их надо
уметь использовать. Прежде всего экстраполяционные методы следуя
применять для относительно краткосрочного прогнозирования развитш
достаточно стабильных, хорошо изученных процессов. Прогнозный пе-
риод времени не должен превышать 25-30% от исходной временной
базы. При использовании уравнений регрессии прогнозные расчеты еле-
Прогнозирование в маркетинговых исследованиях 427
дует проводить для оптимистических и пессимистических оценок исход-
ных параметров (независимых переменных), получая таким образом
оптимистические и пессимистические оценки прогнозируемого парамет-
ра. Реальная прогнозная оценка должна находиться между ними.
В ряде случаев прогнозную оценку, полученную на основе экстраполя-
циониых методов, используют как индикатор желательности получения
определенной величины прогнозируемого параметра. Предположим, что
была получена прогнозная оценка величины спроса на какой-то товар. Она
говорит о том, что при тех же условиях внешней среды, структуре и силе
действия исходных факторов величина спроса к определенному моменту
времени достигнет такой-то величины. Менеджерам, которые используют
результаты данного прогноза, следует ответить на вопрос: <А устраивает ли
нас даннае величина спроса?> Если <да>, то надо приложить максимум
усилий, чтобы все сохранить без изменения. Если <нет>, то необходимо
использовать внутренние возможности (например, провести дополнитель-
ную рекламную компанию) и по- повлиять на определенные факторы внеш-
ней среды, поддающиеся косвенному воздействию (например, повлиять
на деятельность посредников, пролоббироавть изменение определенных
тарифов, импортных пошлин). Вся эта деятельность направлена на обеспе-
чение получения желаемой величины спроса.
7.3. Прогнозирование спроса и объема
продаж на основе статистических методов
В методологически правильной постановке прогнозирование спроса -
это искусство оценки будущего спроса при предположении об определен-
ном поведении покупателей в заданных условиях. Прогнозирование спроса
в данном случае должно осуществляется в три этапа. Вначале разрабатыва-
ется прогноз внешней среды, затем - прогноз развития данной отрасли,
наконец, разрабатывается прогноз величины спроса на товары конкретной
компании. Такие комплексные, тем более аналитические модели, разрабо-
тать и реализовать чрезвычайно сложно, поэтому на практике получили
применение более простые статистические модели.
Обычно в данном случае речь идет о прогнозировании на основе
статистических данных по объему продаж для конкретной компании или
конкретного рынка величины текущего рыночного спроса на определен-
ный товар. В литературе, в которой приводятся результаты использова-
ния тех или иных статистических моделей, очень часто не делается раз-
личия между разными видами спроса, и его прямым образом отождеств-
ляют с объемом продаж.
Простейшими методами прогнозирования спроса на основе статис-
тической маркетинговой информации являются экстраполяционные ме-
тоды, основанные на анализе временных рядов.
Анализ временных рядов применительно к прогнозированию вели-
чины спроса представляет собой разбиение данных об объеме продаж в
прошлом на компоненты, характеризующие тренды, циклы, сезонные и
случайные изменения, выявление причин изменения спроса в прошлом
с последующим переносом полученных закономерностей на будущее.
(Пример получения прогнозных оценок объема сбыта велосипедов на
основе анализа тренда рассматривался выше.)
428 Глава 7
7.3.1. Метод экспоненциального сглаживания
Ниже рассматривается пример применение метода экспоненциаль-
ного сглаживания при прогнозировании объема продаж, дающего воз-!
можность получить более точные оценки по сравнению с простым ана-
лизом трендов [16].
Метод экспоненциального сглаживания используется для краткос-
рочного прогноза и основан на средневзвешенном значении продаж по
определенному числу прошедших периодов.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168
конъюнктурных флукгуациях, сезонных коэффициентах, специфичны!
факторах (демонстрации, мероприятия по стимулированию сбыта и т.п.)
Затем эти параметры используют для составления прогноза.
Понятно, что такой прогноз имеет смысл как краткосрочный, на пс
риод, в отношении которого можно принять, что характеристики изуча
мого явления существенно не изменятся. Это требование часто оказывает>
реалистичным вследствие достаточной инерционности внешней среды.
К числу главных ограничений экстраполяционных методов следуе
отнести следующие.
Большинство прогнозных ошибок связано с тем, что в момент фор
мулирования прогноза в более или менее явной форме подразумевало
что существующие тенденции сохранятся в будущем, что редко опрм-
дывается в реальной экономической и общественной жизни.
Так, в 40-х годах нашего века американские специалисты предсказыва-
ли: производство легковых автомобилей в США достигнет насыщения и бу-
дет составлять 300 000 штук в месяц. Но уже в 1969 г. их в США производило>
более 550 000 штук. В настоящее время эта цифра возросла еще больше.
В 1983-1984 гг. на американский рынок были введены 67 новьв
моделей персональных компьютеров, и большинство фирм рассчитыва-
ло на взрывной рост этого рынка. По прогнозам, которые давали в то
время маркетинговые фирмы, число установленных компьютеров в 19811
г. должно было составить от 27 до 28 миллионов. Однако к концу 1986г.
было поставлено только 15 миллионов, поскольку условия использова-
ния компьютеров радикально изменились, а этого никто не предвидел,
Эти ошибки в прогнозах носили не математический, а чисто логи-
ческий характер: ведь при прогнозировании использовались временные;
ряды, достаточно хорошо отражающие имеющийся в то время статасти-1
ческий материал. I
Развитие общества определяется очень большим числом факторов.;
Эти факторы сильно связаны между собой, и далеко не все они подда-)
ются непосредственному измерению. Кроме того, по мере развития об-|
щества порой неожиданно начинают вступать в действие все новые к;
новые факторы, которые раньше не учитывались. |
Временные ряды могут становиться ненадежной основой для разра-
ботки прогнозов по мере того, как экономика приобретает все более меж-
дународный характер и все в большей степени подвергается крупной тех-
нологической перестройке. В связи с этим необходимо в первую очереди
развивать способности предвидения, что подразумевает хорошее знание
ключевых факторов и оценку чувствительности фирмы к внешним угрозам.)
Вышеназванное ни в коей мере не умаляет значимости экстрополя-
ционных методов в прогнозировании. Как и любые методы, их надо
уметь использовать. Прежде всего экстраполяционные методы следуя
применять для относительно краткосрочного прогнозирования развитш
достаточно стабильных, хорошо изученных процессов. Прогнозный пе-
риод времени не должен превышать 25-30% от исходной временной
базы. При использовании уравнений регрессии прогнозные расчеты еле-
Прогнозирование в маркетинговых исследованиях 427
дует проводить для оптимистических и пессимистических оценок исход-
ных параметров (независимых переменных), получая таким образом
оптимистические и пессимистические оценки прогнозируемого парамет-
ра. Реальная прогнозная оценка должна находиться между ними.
В ряде случаев прогнозную оценку, полученную на основе экстраполя-
циониых методов, используют как индикатор желательности получения
определенной величины прогнозируемого параметра. Предположим, что
была получена прогнозная оценка величины спроса на какой-то товар. Она
говорит о том, что при тех же условиях внешней среды, структуре и силе
действия исходных факторов величина спроса к определенному моменту
времени достигнет такой-то величины. Менеджерам, которые используют
результаты данного прогноза, следует ответить на вопрос: <А устраивает ли
нас даннае величина спроса?> Если <да>, то надо приложить максимум
усилий, чтобы все сохранить без изменения. Если <нет>, то необходимо
использовать внутренние возможности (например, провести дополнитель-
ную рекламную компанию) и по- повлиять на определенные факторы внеш-
ней среды, поддающиеся косвенному воздействию (например, повлиять
на деятельность посредников, пролоббироавть изменение определенных
тарифов, импортных пошлин). Вся эта деятельность направлена на обеспе-
чение получения желаемой величины спроса.
7.3. Прогнозирование спроса и объема
продаж на основе статистических методов
В методологически правильной постановке прогнозирование спроса -
это искусство оценки будущего спроса при предположении об определен-
ном поведении покупателей в заданных условиях. Прогнозирование спроса
в данном случае должно осуществляется в три этапа. Вначале разрабатыва-
ется прогноз внешней среды, затем - прогноз развития данной отрасли,
наконец, разрабатывается прогноз величины спроса на товары конкретной
компании. Такие комплексные, тем более аналитические модели, разрабо-
тать и реализовать чрезвычайно сложно, поэтому на практике получили
применение более простые статистические модели.
Обычно в данном случае речь идет о прогнозировании на основе
статистических данных по объему продаж для конкретной компании или
конкретного рынка величины текущего рыночного спроса на определен-
ный товар. В литературе, в которой приводятся результаты использова-
ния тех или иных статистических моделей, очень часто не делается раз-
личия между разными видами спроса, и его прямым образом отождеств-
ляют с объемом продаж.
Простейшими методами прогнозирования спроса на основе статис-
тической маркетинговой информации являются экстраполяционные ме-
тоды, основанные на анализе временных рядов.
Анализ временных рядов применительно к прогнозированию вели-
чины спроса представляет собой разбиение данных об объеме продаж в
прошлом на компоненты, характеризующие тренды, циклы, сезонные и
случайные изменения, выявление причин изменения спроса в прошлом
с последующим переносом полученных закономерностей на будущее.
(Пример получения прогнозных оценок объема сбыта велосипедов на
основе анализа тренда рассматривался выше.)
428 Глава 7
7.3.1. Метод экспоненциального сглаживания
Ниже рассматривается пример применение метода экспоненциаль-
ного сглаживания при прогнозировании объема продаж, дающего воз-!
можность получить более точные оценки по сравнению с простым ана-
лизом трендов [16].
Метод экспоненциального сглаживания используется для краткос-
рочного прогноза и основан на средневзвешенном значении продаж по
определенному числу прошедших периодов.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168