Методы прогнозирования спроса

Проблема прогнозирования, вследствие быстрых, порой плохо предсказуемых изменений внешней среды, за последнее десятилетие стала особенно сложной. С учетом этих трудностей и критичности ошибок в прогнозах некоторые специалисты были вынуждены заговорить о тщетности прогнозирования. На самом деле прогнозирование – это обязанность, которую в явной или неявной форме неизбежно должны выполнять все организации.

Помимо получения возможных будущих оценок тех или иных исследуемых параметров, целью прогнозирования также является побуждение к размышлению о том, что может произойти во внешней среде и к каким последствиям для фирмы это приведет. Прогнозирование повышает бдительность менеджеров и, следовательно, их способность реагировать на изменения. Этот эффект достигается даже тогда, когда план не выполнен в связи с тем, что некоторые гипотезы, положенные в основу прогнозного сценария, не материализовались.

Методы прогнозирования, как и все методы, используемые при проведении маркетинговых исследований, можно классифицировать на эвристические, при применении которых преобладают субъективные начала и на экономико-математические методы, при применении которых преобладают объективные начала, к числу которых относятся статистические методы .

Эвристические методы предполагают, что подходы, используемые для формирования прогноза, не изложены в явной форме и неотделимы от лица, делающего прогноз, при разработке которого доминируют интуиция, прежний опыт, творчество и воображение. К данной категории методов относятся методы социологических исследований и экспертные методы. Причем опрашиваемые, давая свои оценки, могут основывать свои суждения, как на голой интуиции, так и используя определенные причинно-следственные связи, данные статистики и расчетов.

Так при прогнозировании спроса изучаются предпочтения потребителей; в качестве экспертов может рассматриваться торговый персонал, обслуживающий определенные территории, дилеры, дистрибьютеры, консультанты по маркетингу и т.д.

При использовании экономико-математических методов подходы к прогнозированию четко сформулированы и могут быть воспроизведены другими лицами, которые неизбежно придут к получению такого же прогноза.

Если при применении экспертных методов структура причинно-следственных связей, используемая разными экспертами, может быть различной, то при использовании экономико-математических методов структура моделей устанавливается и проверяется экспериментально, в условиях, поддающихся объективному наблюдению и измерению.

Определение системы факторов и причинно-следственной (казуальной) структуры исследуемого явления – исходная точка экономико-математического моделирования.

На самом деле все эти методы являются взаимодополняющими. Эффективная прогнозная система должна обеспечить возможность использования любого из этих методов.

Примером сложной задачи прогнозирования, которая не решается с помощью какого-то одного метода, является прогнозирование объема продаж нового товара. При проведении маркетинговых исследований оцениваются объемы продаж нового товара в течение первых лет (скажем трех) после выпуска. Для этой цели могут быть применены экспертные методы, методы опросов, проведение продаж на контрольном рынке.

Экспертные оценки, сформулированные специалистами по маркетингу, базируются на сведениях, собранных на стадии предварительного анализа и учитывающих данные о продажах конкурентов, размере потенциального рынка, общем спросе, долях продуктов различных марок на рынке, доступности сбытовых сетей и др.

Недостающая информация собирается путем прямых опросов потенциальных пользователей, торговцев, поставщиков и, если это возможно, конкурентов.

Проверка рынка, или контрольная продажа, в ходе которой наблюдается реальное рыночное поведение покупателей, позволяет оценить уровень пробных и повторных закупок и объем потенциальных продаж нового товара. Можно также провести пробные продажи по месту жительства или эксперименты в специальных лабораториях-магазинах.

Данные методы обычно применяются совместно. Используя любой из перечисленных или какой-либо иной подход, служба маркетинга должна установить перспективный объем продаж нового товара, на основе которого разрабатываются стратегии запуска товара.

Ясно, что в условиях сильно изменчивой внешней среды интуиция и воображение способны стать важными инструментами восприятия реальности, дополняя количественные подходы, которые, по определению, опираются только на наблюдаемые факторы. С другой стороны, понятно, что чисто качественному методу также присущи значительные погрешности и что интуиция должна в возможно большей степени проверяться с помощью доступных фактов и знаний. Таким образом, следует обеспечить совместное использование этих двух подходов.

Что касается прогнозирования спроса, то в методологически правильной постановке – это искусство оценки будущего спроса при предположении об определенном поведении покупателей в заданных условиях. Прогнозирование спроса в данном случае должно осуществляется в три этапа. Вначале разрабатывается прогноз внешней среды, затем – прогноз развития данной отрасли, наконец, разрабатывается прогноз величины спроса на товары конкретной компании. Такие комплексные, тем более аналитические модели, разработать и реализовать чрезвычайно сложно, поэтому на практике получили применение более простые статистические модели.

Все прогнозы объема продаж строятся на использовании трех видов информации, полученных на основе изучения: что люди говорят, что люди делают и что люди сделали. Получение первого вида информации основывается на изучении мнения потребителей и покупателей, торговых агентов и посредников. Здесь используются методы социологических исследований и экспертные методы. Изучение того. что люди делают предполагает проведение тестирования рынка. Изучение того, что люди сделали, предполагает анализ статистических данных о сделанных ими покупках.

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 определенный товар. В литературе, в которой приводятся результаты использования тех или иных статистических моделей, очень часто не делается различия между различными видами спроса, и его прямым образом отождествляют с объемом продаж.

Прогнозирование спроса, основанное на методах математической статистики

Можно выделить два метода разработки прогнозов, основанных на методах математической статистики: экстраполяцию и моделирование.

В первом случае в качестве базы прогнозирования используется прошлый опыт, который пролонгируется на будущее. Делается предположение, что система развивается эволюционно в достаточно стабильных условиях. Чем крупнее система, тем более вероятно сохранение ее параметров без изменения, конечно, на срок не слишком большой. Обычно рекомендуется, чтобы срок прогноза не превышал одной трети длительности исходной временной базы.

Во втором случае строится прогнозная модель, характеризующая зависимость изучаемого параметра от ряда факторов, на него влияющих. Она связывает условия, которые, как ожидается, будут иметь место и характер их влияния на изучаемый параметр.

Данные модели не используют функциональные зависимости; они основаны только на статистических взаимосвязях.

Большинство прогнозных ошибок связано с тем, что в момент формулирования прогноза в более или менее явной форме подразумевалось, что существующие тенденции сохранятся в будущем, что редко оправдывается в реальной экономической и общественной жизни. Экстраполяционные методы не позволяют действительно “предсказать” эволюцию спроса, поскольку неспособны предвидеть какие-либо “поворотные точки”. В лучшем случае они способны быстро учесть уже произошедшее изменение. Поэтому их называют “адаптивной прогнозной моделью”. Тем не менее для многих проблем управления такой “апостериорный” прогноз оказывается полезным при условии, что имеется достаточно времени для адаптации и факторы, определяющие уровень продаж, не подвержены резким изменениям.

Так в 40-х годах нашего века американские специалисты предсказывали: производство легковых автомобилей в США достигнет насыщения и будет составлять 300 000 штук в месяц. Но уже в 1969 году их в США производилось более 550 000 штук. В настоящее время эта цифра возросла еще в 1,2 – 1,3 раза.

В 1983-1984 гг. на американский рынок были введены 67 новых моделей персональных компьютеров, и большинство фирм рассчитывало на взрывной рост этого рынка. По прогнозам, которые давали в то время маркетинговые фирмы, число установленных компьютеров в 1988 г. должно было составить от 27 до 28 миллионов. Однако к концу 1986 г. было поставлено только 15 миллионов, поскольку условия использования компьютеров радикально изменились, а этого никто не предвидел.

Эти ошибки в прогнозах носили не математический, а чисто логический характер: ведь при прогнозировании использовались временные ряды, достаточно хорошо отражающие имеющийся в то время статистический материал.

Развитие общества определяется очень большим числом факторов. Эти факторы сильно связаны между собой и далеко не все они поддаются непосредственному измерению. Кроме того, по мере развития общества порой неожиданно начинают вступать в действие все новые и новые факторы, которые раньше не учитывались.

Временные ряды могут становиться ненадежной основой для разработки прогнозов по мере того, как экономика приобретает все более международный характер и все в большей степени подвергается крупной технологической перестройке. В связи с этим необходимо в первую очередь развивать способности предвидения, что подразумевает хорошее знание ключевых факторов и оценку чувствительности организации к внешним угрозам.

Вышеназванное ни в кое мере не умаляет значимости экстраполяционных методов в прогнозировании. Как и любые методы их надо уметь использовать. Прежде всего экстраполяционные методы следует применять для относительно краткосрочного прогнозирования развития достаточно стабильных, хорошо изученных процессов. Прогнозный период времени не должен превышать 25-30% от исходной временной базы. При использовании уравнений регрессии прогнозные расчеты следует проводить для оптимистических и пессимистических оценок исходных параметров (независимых переменных), получая таким образом оптимистические и пессимистические оценки прогнозируемого параметра. Реальная прогнозная оценка должна находиться между ними.

В ряде случаев прогнозную оценку, полученную на основе экстраполяционных 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 данное величина спроса?” Если “Да”, то надо приложить максимум усилий, чтобы все сохранить без изменения. Если “Нет”, то необходимо использовать внутренние возможности (например, провести дополнительную рекламную компанию) и постараться повлиять на определенные факторы внешней среды, поддающиеся косвенному воздействию ( например, повлиять на деятельность посредников, пролоббировать изменение определенных тарифов, импортных пошлин). Вся эта деятельность направлена на обеспечение получения желаемой величины спроса.

При прогнозировании спроса могут использоваться метод ведущих индикаторов и индикаторы покупательной способности, охарактеризованные ранее, а также кривые жизненного цикла.

В последнем случае в качестве потенциала рынка рассматривается рыночный спрос товара, вступившего в фазу зрелости своего жизненного цикла. Применение модели жизненного цикла продукта подразумевает способность формулировать прогнозы качественного или количественного характера относительно эволюции начального спроса на рынке определенного товара. Эти данные определяются экспертным путем или исходя из изучения статистики изменения объема реализации по времени. В последнем случае можно воспользоваться S-образными кривыми. Наиболее известными кривыми данного типа является логистическая кривая [5].

РАЗДЕЛ 7

Лекция 12

Анализ привлекательности рынка услуг (продолжение)