Аналіз і прогнозування попиту на зарубіжному ринку (стр. 7 из 10)

Представивши в графічному виді дані табл. 4, можна за допомогою методу найменших квадратів підібрати пряму лінію, найбільшою мірою відповідну отриманим даним і визначити прогнозну величину обсягу продажів.

Рис.2 Обсяг продажу велосипедів.

У той же час більш уважний розгляд рис.2 дозволяє зробити висновок про те, що не всі крапки близько розташовані до прямої. Особливо ці розбіжності великі для останніх років, а вірити останнім даним, видимо, можна з великою підставою.

У даному випадку можна застосувати метод експонентного згладжування, призначаючи різні вагові коефіцієнти (великі для останніх років) даним для різних років. В останньому випадку прогнозна оцінка в більшому ступені відповідає тенденціям останніх років.

Циклічний характер коливань статистичних показників характеризується тривалим періодом (сонячна активність, врожайність окремих культур, економічна активність). Такі явища звичайно не є предметом дослідження маркетологів, яких звичайно цікавить динаміка проблеми на відносно короткому інтервалі часу.

Сезонні коливання показників мають регулярний характер і спостерігаються протягом кожного року. Вони є предметом вивчення маркетологів (попит на газонокосарки, на відпочинок у курортних місцях протягом року, на телефонні послуги протягом доби і т.д.). Оскільки виявлені закономірності носять регулярний характер, то їх цілком обґрунтовано можна використовувати в прогнозних цілях.

На відміну від прогнозу на основі регресійного рівняння прогноз по тренду враховує фактори розвитку тільки в неявному виді, і це не дозволяє "програвати" різні варіанти прогнозів при різних можливих значеннях факторів, що впливають на досліджувану ознаку. Зате прогноз по тренду охоплює усі фактори, у той час як у регресійну модель у кращому випадку неможливо включити в явному виді більш 10-20 факторів.

Тимчасові ряди крім простої екстраполяції можуть використовуватися також з метою більш глибокого прогнозного аналізу, наприклад, обсягу продажів. Метою аналізу в даному випадку є розкладання тимчасового ряду продажів на головні компоненти, вимір еволюції кожної складової в минулому і її екстраполяції на майбутнє. В основі методу лежить ідея стабільності причинно-наслідкових зв'язків і регулярність еволюції факторів зовнішнього середовища, що уможливлює використання екстраполяції. Метод складається в розкладанні тимчасового ряду на п'ять компонентів:

- структурний компонент, чи довгостроковий тренд, звичайно зв'язаний з життєвим циклом товару на досліджуваному ринку;

- циклічний компонент, що відповідає коливанням щодо довгострокового тренда під впливом середньострокових флуктуацій економічної активності;

- сезонний компонент, чи короткострокові періодичні флуктуації, обумовлені різними причинами (клімат, соціально-психологічні фактори, структура неробочих днів і т.д.);

- маркетинговий компонент, зв'язаний з діями по просуванню товару, тимчасовими зниженнями цін і т.п.;

- випадковий компонент, що відбиває сукупну дію погано вивчених процесів, не представимих у кількісній формі.

Для кожного компонента розраховується параметр, заснований на закономірностях, що спостерігалися: довгостроковому темпі приросту продажів, кон'юнктурних флуктуаціях, сезонних коефіцієнтах, специфічних факторах (демонстрації, заходи щодо стимулювання збуту і т.п.). Потім ці параметри використовують для складання прогнозу.

Зрозуміло, що такий прогноз має сенс як короткостроковий, на період, у відношенні якого можна прийняти, що характеристики досліджуваного явища істотно не змінюються. Ця вимога часто виявляється реалістичною унаслідок достатньої інерційності зовнішнього середовища.

До числа головних обмежень екстраполяційних методів варто віднести наступне. Більшість прогнозних помилок зв'язане з тим, що в момент формулювання прогнозу в більш-менш явній формі малося на увазі, що існуючі тенденції збережуться в майбутньому, що рідко виправдується в реальному економічному і громадському житті. Екстраполяційні методи не дозволяють дійсно "пророчити" еволюцію попиту, оскільки нездатні передбачати які-небудь "поворотні крапки". У кращому випадку вони здатні швидко врахувати уже відбулася зміна. Тому їх називають "адаптивною прогнозною моделлю". Проте для багатьох проблем керування такий "апостеріорний" прогноз виявляється корисним за умови, що є досить часу для адаптації і фактори, що визначають рівень продажів, не піддані різким змінам.

Так у 40-х роках нашого століття американські фахівці пророкували: виробництво легкових автомобілів у США досягне насичення і буде складати 300 000 штук на місяць. Але вже в 1969 році їх у США вироблялося більш 550 000 штук. В даний час ця цифра зросла ще в 1,2 - 1,3 рази.

У 1983-1984 р. на американський ринок були введені 67 нових моделей персональних комп'ютерів, і більшість фірм розраховувало на вибуховий ріст цього ринку. За прогнозами, що давали в той час маркетингові фірми, число встановлених комп'ютерів у 1988 р. повинно було скласти від 27 до 28 мільйонів. Однак до кінця 1986 р. було поставлено тільки 15 мільйонів, оскільки умови використання комп'ютерів радикально змінилися, а цього ніхто не передбачав.

Ці помилки в прогнозах носили не математичний, а чисто логічний характер: адже при прогнозуванні використовувалися тимчасові ряди, що досить добре відбивають наявний у той час статистичний матеріал.

Розвиток суспільства визначається дуже великим числом факторів. Ці фактори сильно зв'язані між собою і далеко не усі вони піддаються безпосередньому виміру. Крім того, у міру розвитку суспільства часом зненацька починають вступати в дію всі нові і нові фактори, що раніш не враховувалися.

Тимчасові ряди можуть ставати ненадійною основою для розробки прогнозів у міру того, як економіка здобуває усе більш міжнародний характер і усе в більшому ступені піддається великій технологічній перебудові. У зв'язку з цим необхідно в першу чергу розвивати здатності передбачення, що має на увазі гарне знання ключових факторів і оцінку чутливості організації до зовнішніх погроз.

Вищезгадане ні в якій мірі не применшує значимості екстраполяційних методів у прогнозуванні. Як і будь-які методи їх треба уміти використовувати. Насамперед екстраполяційні методи варто застосовувати для відносно короткострокового прогнозування розвитку досить стабільних, добре вивчених процесів. Прогнозний період часу не повинний перевищувати 25-30% від вихідної тимчасової бази. При використанні рівнянь регресії прогнозні розрахунки варто проводити для оптимістичних і песимістичних оцінок вихідних параметрів (незалежних перемінних), одержуючи в такий спосіб оптимістичні і песимістичні оцінки прогнозованого параметра. Реальна прогнозна оцінка повинна знаходитися між ними.

У ряді випадків прогнозну оцінку, отриману на основі екстраполяційних методів, використовують як індикатор бажаності одержання визначеної величини прогнозованого параметра. Припустимо, що була отримана прогнозна оцінка величини попиту на якийсь товар. Вона говорить про те, що за тих самих умов зовнішнього середовища, структурі і силі дії вихідних факторів величина попиту до визначеного моменту часу досягне той величини. Менеджерам, що використовують результати даного прогнозу, варто відповісти на запитання: "А чи влаштовує нас дана величина попиту?" Якщо "Так", те треба прикласти максимум зусиль, щоб усі зберегти без зміни. Якщо "Ні", то необхідно використовувати внутрішні можливості (наприклад, провести додаткову рекламну компанію) і постаратися вплинути на визначені фактори зовнішнього середовища, що піддаються непрямому впливу (наприклад, уплинути на діяльність посередників, пролоббіювати зміну визначених тарифів, імпортного мита). Уся ця діяльність спрямована на забезпечення одержання бажаної величини попиту.

При прогнозуванні попиту можуть використовуватися метод ведучих індикаторів і індикатори купівельної спроможності, охарактеризовані раніше, а також криві життєвого циклу.

В останньому випадку як потенціал ринку розглядається ринковий попит товару, що вступив у фазу зрілості свого життєвого циклу. Застосування моделі життєвого циклу продукту має на увазі здатність формулювати прогнози якісного чи кількісного характеру щодо еволюції початкового попиту на ринку визначеного товару. Ці дані визначаються експертним шляхом чи виходячи з вивчення статистики зміни обсягу реалізації за часом. В останньому випадку можна скористатися S-образними кривими. Найбільш відомими кривими даного типу є логістична крива.

3.3 Характеристика експертних методів прогнозування попиту.

Методи експертних оцінок використовуються для прогнозування подій майбутнього, якщо відсутні статистичні дані чи їх недостатньо. Вони також застосовуються для кількісного виміру таких подій, для яких не існує інших способів виміру, наприклад, при оцінці важливості цілей і переваги окремих методів просування. Іншими словами, методи експертних оцінок застосовуються як для кількісного виміру подій у сьогоденні, так і для цілей прогнозування.

Коли мова йде про прогнозування обсягу продажів, то звичайно торговий персонал і персонал торгових посередницьких організацій має досить точне представлення про потенціал продажів, що можуть забезпечити їхні клієнти, і, крім того, має можливість дати оцінку потенціалу ринку в цілому, принаймні на тій території, що він обслуговує. Найпростіше попросити торгових працівників дати оцінки по кожному товару, але не абстрактно, а виходячи з конкретних гіпотез про маркетингові зусилля в питаннях цін, рекламної підтримки і т.п. Після цього менеджери служби збуту формулюють підсумкові оцінки, підсумовуючи оцінки всіх експертів.