9.3.3. Опережающие индикаторы

Многие компании пытаются предсказать объемы своих продаж путем выявления одного или нескольких опережающих индикаторов: то есть других данных временного ряда, которые изменяются в том же направле­нии, но с опережением изменений объемов продаж компании. Например, компания, занимающаяся предоставлением сантехнических товаров, мо­жет обнаружить, что изменение объема ее продаж запаздывает пример­но на четыре месяца относительно изменения индекса начала жилищно­го строительства. Следовательно, индекс начала жилищного строитель­ства является ценным опережающим индикатором. Другие опережаю­щие индикаторы, такие как показатель рождаемости и средняя продол­жительность жизни указывают на значительные изменения на рынках нового тысячелетия. Многие развитые страны, включая Францию, Гер­манию и Японию, столкнутся с серьезными проблемами, связанными с финансированием пенсионных выплат стареющему населению. В других странах, где существуют финансируемые программы пенсионного обес­печения, включая Нидерланды, США и Великобританию, стареющее на­селение будет все более богатым. Несмотря на то, что страны по-разно­му подготовлены к такому демографическому изменению, предсказать которое можно было бы без особых усилий, во всех странах в течение нескольких ближайших десятилетий будет отмечен стремительный рост рынка похоронных услуг.

Опасно было бы предполагать, что указанные индикаторы, бывшие полезными в прошлом, останутся таковыми и в будущем, или что их можно перемещать с одного рынка на другой. Например, в компании Disney огромное внимание уделяется модели концентрических кругов вокруг тематических парков - в пределах этих кругов время, затрачивае­мое на поездки, и численность посетителей являются индикаторами спроса. Отчасти причиной первоначального провала компании EuroDisney было то, что она цеплялась за эту модель, игнорируя тот факт, что европейцы отличаются от американцев уровнем своих затрат на отдых и отношени­ем к путешествиям.

9.3.4. Многомерный статистический анализ

Анализ временных рядов рассматривает прежние и будущие объемы про­даж в качестве функции времени, а не функции каких бы то ни было факторов реального спроса. Но на объем продаж любого продукта влия­ет множество реальных факторов.

Статистический анализ спроса

Для статистического анализа спроса используются методы, которые по­могают выявить наиболее важные реальные факторы, оказывающие вли­яние на спрос, и степень их относительного влияния. К наиболее часто анализируемым факторам относятся: цены, доход, численность населе­ния и деятельность по продвижению товара на рынок. Согласно данному методу анализа объем продаж (Q_T) является зависимой переменной. Анализ состоит в попытке выразить объем продаж в виде функции ряда независимых переменных, имеющих отношение к спросу – Х₁ Х₂, ... Х_п. То есть

Q_T = f(X₁,X₂...X_n).

С помощью мультирегрессивного анализа с данными можно соотнести различные формулы, чтобы найти оптимальные прогнозные факторы и составить уравнение.

Например, Комитет по вопросам поставок электроэнергии в южную часть Шотландии разработал уравнение для прогнозирования ежегодно­го объема продаж стиральных машин (Q_T) (Moutinho, 1991):

Q_T = 210 739 - 703 Р_T + 69 H_T + 20 Y_T ;

где Р_T- средняя установленная цена;

Н_T- количество новых домов и квартир на одну семью, подключен­ных к коммунальным удобствам;

Y_T - доход на душу населения.

Следовательно, в год, когда средняя установленная цена составит 387 фунтов стерлингов, количество новых домов и квартир с удобствами будет равно 5 000, а средний доход на душу населения достигнет 4 800 фунтов стерлингов, по данной формуле можно предсказать факти­ческий объем продаж стиральных машин, составляющий 379 678 штук:

Q_T = 210 739 - 703(387) + 69(5 000) + 20(4 800).

Было установлено, что степень точности данного уравнения составляет 95 процентов. Если бы оно оказалось столь же точным в применении к другим регионам, то стало бы полезным инструментом прогнозирования. Специалисты по маркетингу могли бы предсказать уровень дохода на душу населения в следующем году, количество новых квартир и домов и уровень цен, чтобы воспользоваться этими факторами в целях прогнози­рования. Статистический анализ спроса может быть очень сложным, и специалист по маркетингу должен проявлять особую тщательность в раз­работке, проведении и интерпретации результатов такого анализа. И все же благодаря постоянному совершенствованию компьютерных техноло­гий статистический анализ спроса становится все более популярным методом прогнозирования.

Многомерное прогнозирование объема продаж

Информация, собранная системами маркетинговой информации компа­нии, нередко требует дополнительного анализа, и иногда менеджерам может понадобиться помощь в применении полученной информации к проблемам и решениям, связанным с маркетингом. Одним из видов та­кой помощи является расширенный статистический анализ, позволяю­щий больше узнать как о связях, существующих внутри наборов данных, так и об их статистической достоверности. Такой анализ позволяет ме­неджерам продвинуться дальше простого вычисления средних значений и стандартных отклонений данных. В ходе изучения рынка объема про­даж потребительских товаров недлительного срока службы в Нидерлан­дах была получена модель прогнозирования рыночной доли бренда (B_t), основанная на маркетинговой деятельности (Alsem et ai, 1989):

B_t = -7,86 - 1,45P_T+0,084_Т-1 + 1,23D_T,

где Р_T - относительная цена бренда;

А_T-1 - доля в рекламе за предыдущий период;

D_T - эффективное распределение в торговых точках.

Эта модель, а также подобные ей модели, помогают ответить на вопросы, связанные с маркетингом, а именно:

■ Каковы основные переменные, оказывающие влияние на объемы продаж, и насколько важна каждая из них?

■ Если мы поднимем цену на 10 процентов и увеличим расходы на рекламу на 20 процентов, что произойдет с объемом продаж?

■ Сколько следует расходовать на рекламу?

■ Какие признаки очевиднее всего указывают на то, какие потреби­тели, вероятно, будут приобретать наш бренд, а не бренд конкурента?

■ По каким переменным лучше всего сегментировать рынок, и из скольких сегментов он состоит?

Анализ информации также может включать ряд математических моде­лей, которые помогут специалистам по маркетингу принимать более обо­снованные решения. Каждая модель представляет собой некоторую ре­альную систему, процесс или результат. Эти модели могут помочь в от­вете на вопросы типа "А что если...?" и "Что лучше всего...?" За после­дние 20 лет учеными-маркетологами разработано множество различных моделей для того чтобы помочь менеджерам по маркетингу принимать более обоснованные решения о сочетании элементов маркетинга, опре­делять зоны продаж и разрабатывать планы посещения клиентов специ­алистами по продажам, оптимальные сочетания рекламных средств, вы­бирать места для открытия точек розничной торговли и прогнозировать объемы продаж новых продуктов.