Планирование каналов товародвижения
Канал распределения – совокупность фирм или отдельных лиц, которые принимают на себя или помогают передать кому-то право собственности на услугу на их пути от производителя к потребителю. Каналы распределения можно охарактеризовать по числу составляющих их уровней. Поскольку определенную работу выполняет и сам производитель и конечный потребитель, они тоже входят в состав любого канала.
В рассматриваемом проекте возможен только канал нулевого уровня (канал прямого маркетинга), который состоит из производителя, оказывающего услугу и непосредственно потребителя. В данном случае производитель – организация, принимающая платежи (РКЦ).
К
Производитель
Потребитель
анал
нулевого уровня
Рис. 5 – Канал распределения для услуги «прием платежей»
В последнее время все большее распространение получает вертикальный маркетинговый канал распределения, все участники которого работают как единая экономическая система. В такой системе главное – общий конечный эффект, который достигается путем оптимизации распределения усилий всех элементов системы. Таким образом, правильным выбором будет комбинация этих каналов.
Оценка конкурентоспособности услуги «прием платежей»
Определим перечень показателей, необходимых и достаточных для оценки конкурентоспособности услуги «прием платежей»
Рациональность ассортимента услуги:
полнота ассортимента;
широта ассортимента;
устойчивость ассортимента;
структура ассортимента;
обновляемость ассортимента
Культура обслуживания:
Вежливость;
Внимательность;
Опрятность.
Условия обслуживания
Материально-техническая база;
Уровень удобств для потребителя;
Консультация
Категория РКЦ
Доступность услуги:
Затраты денежных средств;
Затраты времени на получение справки о местонахождении;
Затраты времени на проезд к РКЦ;
Затраты времени на ожидание обслуживания;
Затраты времени на консультацию специалиста.
Определим коэффициенты весомости показателей конкурентоспособности услуги «прием платежей». Для этого опросим группу экспертов. В качестве экспертов привлечем нечетное количество (5 человек) высококвалифицированных специалистов в области расчетно-кассовых операций со стажем работы не менее 10 лет.
При экспертной оценке значимости показателей конкурентоспособности услуги «прием платежей» используем балльную шкалу от 0 до 5 с интервалом варьирования 0,5-0; 1,5; 2; 2,5; 3; …; 5.
Применение системы балльных оценок связано с тем, что часть единичных показателей не могут быть измерены количественно. Применение системы балльных оценок позволяет в дальнейшем оперировать с результатами оценки как измеримых, так и неизмеримых показателей.
Коэффициент весомости рассчитывается по формуле:
Mi=∑mij/(N*Б), где i – индекс показателя конкурентоспособности ; i=1,р;
Р- число показателей;
J – индекс номера эксперта: j=1,N;
Мij – балльная оценка j-го эксперта по i-му показателю;
N – общее количество экспертов: N=5.
Б – общее количество баллов.
Средние значения нормированных коэффициентов весомости показателей конкурентоспособности услуги «прием платежей».
Таблица 14
Показатели конкурентоспосбности (i) |
Балльная оценка (Мj) |
Сумма баллов Мij |
Коэфф. весомости |
||||||
1 |
2 |
3 |
4 |
5 |
|||||
Суммарная оценка рациональности ассортимента услуги |
1 0,5 1 0,5 0,5 |
1 1 0,5 0,5 0,5 |
1 1 0,5 0,5 0,5 |
0,5 1 1 0,5 0,5 |
1 0,5 0,5 0 0,5 |
4,5 4 3,5 2 2,5 |
0,09 0,08 0,07 0,04 0,05 0,33
|
||
2.Культура обслуживания 2.1 вежливость 2.2 внимательность 2.3 опрятность Суммарная оценка культуры обслуживания |
0,5 0,5 0 |
0,5 0,5 0,5 |
1 0 0 |
0,5 0 0 |
0,5 0 0 |
3 1 0,5 |
0,03 0,02 0,01 0,06 |
||
Суммарная оценка условий обслуживания |
0 0 0
0 |
0 0 0,5
0,5 |
0,5 0 0
0,5 |
0,5 0 0
0 |
0 0,5 0
0 |
1 0,5 0,5
1 |
0,02 0,01 0,01
0,02 0,06 |
||
Суммарная оценка доступности услуги |
0,5 0,5
0
0,5
0,5 |
0,5 0
0
0
0,5 |
0 0
0
0,5
0
|
0 0
0
0
0,5 |
0 0
0
0
0,5 |
1 0,5
0
1
2 |
0,02 0,01
0
0,02
0,04
0,1 |
||
Обобщенный критерий конкурентоспособности услуги «прием платежей» Ко определим по формуле:
Ко= Кр + Кк.о. + Ку + Кд,
Где Кр – комплексный показатель конкурентоспособности рациональности ассортимента услуги, определяемый по формуле:
Ко
=
Где Ррi – балльная оценка единицы показателя рациональности ассортимента услуги;
Мрi – коэффициент весомости единичной конкурентоспособности показателя;
Кк.о – комплексный показатель конкурентоспособности культуры обслуживания, определяемый по формуле:
Кк.о
=
Где Рк.о.i – балльная оценка единичного показателя культуры обслуживания;
Мк.о.i – коэффициент весомости единичного показателя культуры обслуживания;
Ку – комплексный показатель конкурентоспособности условий обслуживания, определяемый по формуле:
Ку
=
Где Руi – балльная оценка единичного показателя условий обслуживания;
Муi – коэффициент весомости единичного показателя культуры обслуживания.
Кд – комплексный показатель конкурентоспособности доступности услуги, определяемый по формуле:
Кд
=
Рдi – балльная оценка единичного показателя доступности услуги
Мдi – коэффициент весомости единичного показателя доступности услуги.
Ко = 1,175+0,115+0,05+0,13=1,47
Исходные данные для определения прогнозной величины спроса на услугу «прием платежей»
Таблица 15
Период, год |
Сумма перечисленных средств, руб. |
% комиссионного сбора КДУП «Речицкий расчетно-кассовый центр» |
2006 |
11593953445 |
4,87 |
2007 |
12111203985 |
5,17 |
2008 |
12633237750 |
6,43 |
Для прогнозирования спроса на услугу «прием платежей» построим факторную модель спроса. В качестве факторов, определяющих величину спроса на услугу возьмем следующие:
1) интенсивность конкуренции на рынке сбыта;
2) уровень доходов семьи потребителей;
3) темп роста коммунальных платежей;
4) сумма задолженностей по оплате ЖКУ
Прогнозная величина спроса на услугу «прием платежей»
Таблица 16
Период, год |
Сумма поступления платежей, тыс. рублей |
2009 |
14207726 |
2010 |
14281828 |
2011 |
16111364 |
2012 |
17402148 |
2013 |
15008932 |
Воспользуемся множественным регрессионным анализом для оценки суммы приема платежей на основе следующих переменных. Таблица 17
Переменная |
Смысл переменной |
У |
Оценочная сумма поступления платежей |
Х1 |
Доходы семьи потребителя |
Х2 |
Количество конкурентов |
Х3 |
Темп роста коммунальных платежей |
Х4 |
Сумма задолженностей по оплате ЖКУ |
В этом примере предполагается, что существует линейная зависимость между каждой независимой переменной (x1, x2, x3 и x4) и зависимой переменной (y), т. е. суммой коммунальных платежей потребителей. Таблица 18
Год |
А |
В |
С |
D |
E |
|
Доходы семьи потребителя, тыс. рублей в месяц (х1) |
Интенсивность конкуренции, конкурентов (х2) |
Темп роста инфляции (жилищно-коммунальных платежей) % (х3) |
Сумма задолженностей по оплате ЖКУ,тыс. руб. (х4) |
Сумма перечисленных платежей за жилищно-коммунальные услуги, тыс. руб. (У) |
2003 |
2310 |
2 |
2 |
913193 |
10146589 |
2004 |
2333 |
2 |
2 |
12005136 |
10689544 |
2005 |
2356 |
3 |
1,5 |
1142632 |
11023987 |
2006 |
2379 |
3 |
2 |
989654 |
11593953 |
2007 |
2402 |
2 |
3 |
998661 |
12111204 |
2008 |
2425 |
4 |
2 |
1148917 |
12633238 |
2009 |
2448 |
2 |
1,5 |
1152342 |
14207726 |
2010 |
2471 |
2 |
2 |
1246501 |
14281828 |
2011 |
2494 |
3 |
3 |
1317650 |
16111364 |
2012 |
2517 |
4 |
4 |
1384756 |
17402148 |
2013 |
2540 |
2 |
3 |
1416589 |
15008932 |
|
Формула |
|
|
|
|
|
=ЛИНЕЙН(E2:E12;A2:D12;ИСТИНА;ИСТИНА) |
|
|
|
|
Множественный регрессионный анализ для оценки суммы приема платежей
Таблица 19
Если ввести формулу как формулу массива, возвращается следующая статистика по регрессии.
|
|
||||||||||
Построение модели из пакета анализа MS EXCEL Уравнение множественной регрессии y = m1*x1 + m2*x2 + m3*x3 + m4*x4 + b теперь может быть получено из строки 14: y = 27,64*x1 + 12,530*x2 + 2,553*x3 - 234,24*x4 + 52,318 Оценочная сумма перечисленных платежей У равна: =D14*A22 + C14*B22 + B14*C22 + A14*D22 + E14
Анализ взаимосвязей между независимыми переменными и суммой поступления платежей В нашем расчете коэффициент детерминированности r2 равен 0,99675 (см. ячейку A17 в результатах функции ЛИНЕЙН), что указывает на сильную зависимость между независимыми переменными и суммой поступления платежей. Можно использовать F-статистику, чтобы определить, является ли этот результат (с таким высоким значением r2) случайным.
Вычисление T-статистики Другой гипотетический эксперимент определит, удобен ли каждый коэффициент наклона для оценки стоимости поступления жилищно-коммунальных платежей. Например, чтобы проверить, имеет ли Сумма задолженностей по оплате ЖКУ статистическую значимость, разделим -234,24 (коэффициент наклона для суммы задолженностей потребителей) на 13,268 (оценка стандартной ошибки для коэффициента суммы задолженностей из ячейки A15). Ниже приводится наблюдаемое t-значение: t = m4 ÷ se4 = -234,24 ÷ 13,268 = -17,7
|
Оценочную стоимость поступления платежей для каждого прогнозируемого года рассчитаем используя следующее уравнение: Y2009 = 27,64*2448 + 12530*2 + 2553*1,5 - 234,24*29 + 52318 = 14207726 тыс.р. Y2010 = 27,64*2471 + 12530*2 + 2553*2 - 234,24*34 + 52318 = 14281828 тыс.р. Y2011 = 27,64*2494 + 12530*3 + 2553*3 - 234,24*23 + 52318 = 16111364 тыс. р. Y2012 = 27,64*2517 + 12530*4 + 2553*4 - 234,24*35 + 52318 = 17402148 тыс.р. Y2013 = 27,64*2540 + 12530*2 + 2553*3 - 234,24*22 + 52318 = 15008932 тыс р. Предположим, что на самом деле взаимосвязи между переменными не существует, просто статистический анализ вывел сильную взаимозависимость по взятой равномерной выборке 6 лет. Величина «Альфа» используется для обозначения вероятности ошибочного вывода о существовании сильная взаимозависимости. В выходных данных функции ЛИНЕЙН величины F и df используются для оценки вероятности получения наибольшего значения F. Величина F может сравниваться с критическими значениями в публикуемых таблицах F-распределения либо FРАСП Excel может быть использована для вычисления возможности получения наибольшего значения F. Соответствующее F-распределение имеет степени свободы v1 и v2. Если величина n представляет количество точек данных и аргумент конст имеет значение ИСТИНА или опущен, то v1 = n – df – 1 и v2 = df. (При конст = ЛОЖЬ v1 = n – df и v2 = df). Функция Microsoft Excel FРАСП(F, v1, v2) возвращает вероятность получения наибольшего значения F. В примере 4 df = 6 (ячейка B18), а F = 459,753674 (ячейка A18). Предположим, что величина «Альфа» равна 0,05, v1 = 11 – 6 – 1 = 4 и v2 = 6, а критический уровень F равен 4,53. Поскольку значение F = 459,753674 намного больше 4,53, крайне нежелательно получение большого случайного значения F (при Альфа = 0,05 гипотеза об отсутствии связи между аргументами известные_значения_y и известные_значения_x отвергается, если значение F превышает критический уровень 4,53). Использование функции Microsoft Excel FРАСП дает возможность получать большие значения F. Значение вероятности FРАСП(459,753674; 4; 6) = 1,37E-7 чрезвычайно мало. Из этого можно заключить через нахождение критического уровня F в таблице или использование функции Microsoft Excel FРАСП, что уравнением регрессии можно воспользоваться для предсказания стоимости поступления платежей. Если абсолютное значение t достаточно велико, можно сделать вывод, что коэффициент наклона можно использовать для оценки суммы поступления платежей. В таблице ниже приведены абсолютные значения четырех наблюдаемых t-значений. Если посмотреть в таблицу справочника по математической статистике, то окажется, что t-критическое двустороннее с 6 степенями свободы равно 2,447 при Альфа = 0,05. Критическое значение также можно также найти с помощью функции Microsoft Excel СТЬЮДРАСПОБР. СТЬЮДРАСПОБР(0,05; 6) = 2,447. Поскольку абсолютная величина t, равная 17,7, больше, чем 2,447, сумма задолженностей потребителей по оплате ЖКУ — это важная переменная для оценки суммы поступления платежей. Аналогичным образом можно протестировать все другие переменные на статистическую значимость. Ниже приводятся наблюдаемые t-значения для каждой из независимых переменных:
Абсолютная величина всех этих значений больше, чем 2,447. Следовательно, все переменные, использованные в уравнении регрессии, полезны для предсказания суммы поступления платежей
|
Далее представим прогнозный график динамики величины спроса на услугу «прием платежей» на 2009-2013 гг
О
бъем
поступления платежей, млн. руб.
17,0
16,0
14,2
13,0
12,6
12,1
11,5
11,0
10,6
10,1
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Годы
Рис. 1 - Прогнозный график динамики величины спроса на услугу «прием платежей» на 2009-2013 гг