Как составить прогноз на розничные продажи

Прогнозировать и оценивать продажи необходимо каждому бизнесу для того, чтобы оставаться конкурентоспособным. Ведь спрос потребителей постоянно меняется, и компании важно всегда продавать в таком количестве, чтобы покрывать расходы и иметь деньги на развитие. 

Цели планирования продаж

Оценивать и планировать сбыт необходимо с помощью цифр и фактов, а не домыслов. Чем более скрупулезным будет подход к расчетам и прогнозам, тем будет проще компании добиться таких целей:

  • грамотно сформировать бюджет закупок. Если предприниматель будет понимать, что и в каком объеме можно продать в будущем периоде, он уже сейчас закупит подходящее количество товара или сырья. Можно будет избежать лишних трат и избыточного запаса в складских помещениях;
  • подготовить ориентиры для коммерческих подразделений. На основе прогнозов ставятся планы для отдела продаж, для разных филиалов, для отдельных менеджеров. Благодаря прогнозам планы будут формироваться на основе реальной ситуации, а не личных пожеланий предпринимателя;
  • предпринимать своевременные меры для роста и развития фирмы. Если предприниматель видит, что прогнозы продаж меняются от месяца к месяцу, он может найти факторы, которые повлияли на сбыт. Затем он может поддержать эти факторы или нивелировать их.

Этапы прогноза продаж

Прогнозирование осуществляется в пять этапов:

  1. Формулировка цели. Благодаря прогнозу сбыта получается решить сразу несколько задач. Поэтому предпринимателю необходимо заранее решить, чего он хочет добиться. Ведь дальнейшие действия после прогноза будут отличаться. Кроме того, в зависимости от цели отличаются метрики, которые будут участвовать в оценке продаж.
  2. Выбор метода прогнозирования продаж. 
  3. Проведение расчетов, определение вероятных изменений в экономике.
  4. Постановка целей по продажам, производству, закупкам и формированию запаса на основе полученных прогнозов.
  5. Сверка плановых показателей и фактических по окончанию периода. 

Методы прогнозирования продаж 

Существует несколько методов, с помощью которых можно предположить будущий объем сбыта. Чаще всего используется экстраполяция – анализ прошлых периодов, выявление закономерностей и их перенос на будущие периоды. Чтобы компания не развивалась, предприниматель закладывает процент прироста на следующий период. 

Однако этот метод не считается точным, ведь он не предусматривает нестандартные изменения на рынке. Поэтому в дополнение к экстраполяции необходимо использовать и другие. 

Метод временных рядов 

Если предприятие уже давно существует на рынке, то оно уже набрало достаточно информации для проведения анализа по методу временных рядов. Необходимо вывести графики, которые показывают динамику сбыта за последние несколько лет. По графикам можно увидеть текущие тренды и на их базе предположить, как будут развиваться продажи в будущем. 

Если бизнес небольшой, допускается проводить упрощенную версию анализа. Сумму выручки за несколько прошлых периодов (от 2 до 5 лет) необходимо загрузить в таблицы. Затем потребуется проанализировать каждый год помесячно, чтобы выявить сезонность и сравнить один год с остальными, чтобы подтвердить ее. 

При использовании метода временных рядов необходимо учитывать тренды, то есть изменения, которые определяют общий ход развития. Иногда у предпринимателя возникают сложности именно с поиском тренда. Чтобы облегчить этот этап прогнозирования, можно использовать укрупнение интервала динамического ряда. Суть этого метода заключается в том, что первоначальный ряд в таблице укрупняется и заменяется большим, с точки зрения времени, рядом. Например, в таблице есть данные за месяц. Если в течение того календарного года не происходило никаких внезапных изменений на рынке, то тенденции за месяц можно перенести на весь год. 

Также при прогнозировании с помощью этого метода играет роль сезонность. Важно помнить, что при подобных анализах под сезонностью понимается не просто единоразовый всплеск или падение продаж, связанных с внешними факторами. Чтобы перепад продаж можно было считать сезонным, он должен повторяться на протяжении нескольких лет в одно и то же время. Необходимо рассчитывать индекс сезонности. Он представляет собой отношение среднего уровня продаж за сезонный период к общему среднему значению за год.

Метод экспертных оценок

Если предприниматель не уверен в собственных навыках прогнозирования, то он может привлечь нескольких экспертов в своей отрасли. Например, сторонних финансистов, аналитиков, консультантов или специалистов из сферы консалтинга. Они изучат финансовые отчеты, отчеты по продажам и сделают заключение. 

Метод подходит тем фирмам, которые работают недавно. Они еще не успели собрать достаточно много статистических данных и не имеют знаний трендов. Однако у привлечения сторонних консультантов есть ряд минусов. Во-первых, предприятие становится зависимым от квалификации постороннего эксперта. Необходимо найти таких специалистов, квалификация и интуиция которых не вызывает сомнения, а это непросто. Во-вторых, специалисты могут при анализе чужой фирмы преследовать свои цели. Ведь им важно дать оценку, которая понравится заказчику, то есть предпринимателю. Из-за этого их оценка будет необъективной. Например, специалист по производству товара может порекомендовать компании повысить мощности, а коммерсанту выгоднее занизить план, чтобы он точно был выполнен.

Прогноз от экспертов может быть получен в одной из таких форм:

  • точечный прогноз – предположение в виде конкретной цифры. Это самая простая разновидность экспертной оценки, однако она содержит меньше всего информации. Следовательно, когда предприниматель заказывает у экспертов точечный прогноз, он не может предположить, насколько правильной окажется названная цифра;
  • интервальный прогноз – вид экспертной оценки, когда специалист устанавливает границы для названных результатов. Например, он предполагает, что «в будущем году продажи составят от 1 до 1,2 млн рублей»;
  • прогноз распределения вероятностей предполагает формирование нескольких возможных результатов с установлением границ, как в прошлой разновидности. Затем для каждого возможного варианта определяется вероятность исполнения. Например, с вероятностью 25 % компания будет в следующем году продавать на 1–1,2 млн, с вероятностью 40 % ее продажи будут составлять 1,3–1,7 млн и с вероятностью 35 % продажи будут находиться в диапазоне от 1,8 до 2 млн.

Если предприниматель пригласил для прогноза нескольких экспертов, то необходимо сначала получить прогнозы от каждого, а потом произвести итоговые расчеты. Нужно использовать одну из систем взвешивания индивидуальных значений. Вот какими они могут быть:

  • если эксперты имеют примерно одинаковую квалификацию и опыт, то мнение каждого из них равновесно;
  • если квалификация специалистов отличается, можно ранжировать их прогнозы по важности. Например, оценка продаж от более опытного эксперта будет более важной, чем оценка от менее опытного. Кроме опыта работы, можно использовать другие критерии, например, известность в отрасли, место получения образования и другие;
  • важность мнений экспертов будет пропорциональна их самооценкам. Доказано, что чем выше профессиональная самооценка, тем точнее прогнозы;
  • если одни и те же эксперты приглашаются для оценки продаж компании уже несколько лет подряд, то можно ориентироваться на точность прошлых прогнозов.

Метод прямого счета

Этот метод подходит для розничных ритейлеров. Предприниматели могут при расчетах опираться на остатки на складах. Необходимо учитывать количество товаров в закупках и потребительский спрос. Для каждого вида продукции нужно посчитать выручку в отпускных ценах, а затем сложить полученные результаты. Несмотря на кажущуюся простоту, у метода есть недостаток. Могут возникнуть сложности в том, чтобы обработать весь ассортимент и разделить его на номенклатуры, чтобы обработать группы товаров по выбранным параметрам.

Причинно-следственные методы

Самыми точными считаются причинно-следственные методы, потому что они учитывают дополнительные параметры. Причем параметры может выбрать предприниматель самостоятельно, исходя из своих целей. Вот какие параметры и факторы могут повлиять на объем продаж, а значит, могут быть учтены при прогнозировании:

  • численность населения, доходы целевой аудитории;
  • действия конкурентов;
  • стоимость рекламы, количество клиентов, которые обычно приходят с рекламного объявления;
  • ситуация в отраслях клиентов (если продажи ведутся В2В).

Не обязательно при расчетах учитывать все факторы, которые влияют на продажи. Достаточно взять только те, которые оказывают самое сильное влияние. На их основе аналитик составляет математическую модель для расчета плана сбыта. 

Ошибки при прогнозировании продаж

Существует несколько типичных ошибок, которые допускают предприниматели при проведении исследований. 

  1. Часто анализируется только один вариант развития событий на рынке. Например, учитывается только имеющиеся каналы сбыта, ассортимент, регионы присутствия. Когда бизнесмен считает возможные продажи, он берет в расчет только один набор параметров: цены, объемы сбыта. А в процессе расчетов эти показатели еще и занижаются, чтобы перестраховаться. 
  2. Вторая ошибка заключается в использовании только метода экстраполяции. Тенденции рынка, возможные политические и экономические изменения не учитываются, из-за чего прогноз становится неточным.
  3. Последняя ошибка – игнорирование или преуменьшение значимости некоторых факторов, которые прямо или косвенно влияют на продажи. Обычно это изменения в жизни потребителей. Например, при прогнозе продаж недвижимости важно учитывать демографические изменения.

В данной
статье рассмотрен один из основных методов прогнозирования —  анализ временных рядов. На примере розничного
магазина с помощью данного метода определены объемы продаж на прогнозный период.

Одна из
главных обязанностей любого руководителя — грамотно планировать работу своей
компании. Мир и бизнес сейчас меняются очень стремительно, и успеть за всеми
изменениями непросто. Многие события, которые невозможно предусмотреть заранее,
меняют планы фирмы (например, выпуск нового продукта или группы товаров,
появление на рынке сильной компании, объединение конкурентов). Но надо
понимать, что зачастую планы нужны лишь для того, чтобы вносить в них
коррективы, и в этом нет ничего страшного.

Любой процесс
прогнозирования, как правило, строится в следующей последовательности:

1.                 
Формулировка проблемы.

2.                 
Сбор информации и выбор метода прогнозирования.

3.                 
Применение метода и оценка полученного прогноза.

4.                 
Использование прогноза для принятия решения.

5.                 
Анализ «прогноз-факт».

Все
начинается с корректной формулировки проблемы. В зависимости от нее задача
прогнозирования может быть сведена, например, к задаче оптимизации. Для
краткосрочного планирования производства не так важно, каким будет объем продаж
в ближайшие дни. Важнее максимально эффективно распределить объемы производства
продукции по имеющимся мощностям.

Краеугольным
ограничением при выборе метода прогнозирования будет исходная информация: ее
тип, доступность, возможность обработки, однородность, объем.

Выбор
конкретного метода прогнозирования зависит от многих моментов. Достаточно ли
объективной информации о прогнозируемом явлении (существует ли данный товар или
аналоги достаточно долго)? Ожидаются ли качественные изменения изучаемого
явления? Имеются ли зависимости между изучаемыми явлениями и/или внутри
массивов данных (объемы продаж, как правило, зависят от объемов вложений в
рекламу)? Являются ли данные временным рядом (информация о наличии
собственности у заемщиков не является временным рядом)? Имеются ли
повторяющиеся события (сезонные колебания)?

Независимо от того, в какой отрасли и сфере
хозяйственной деятельности работает фирма, ее руководству постоянно приходится
принимать решения, последствия которых проявятся в будущем. Любое решение
основывается на том или ином способе проведения. Одним из таких способов
является прогнозирование.

Прогнозирование
— это научное определение вероятных путей и результатов предстоящего развития экономической
системы и оценка показателей, характеризующих это развитие в более или менее
отдаленном будущем.

Рассмотрим прогнозирование объема продаж, используя
метод анализа временных рядов.

Прогнозирование на основе
анализа временных рядов предполагает, что происходившие изменения в объемах
продаж могут быть использованы для определения этого показателя в последующие
периоды времени.

Временной
ряд
это
ряд наблюдений, проводящихся регулярно через равные промежутки времени: год,
неделю, сутки или даже минуты, в зависимости от характера рассматриваемой
переменной.

Обычно временной ряд состоит из нескольких
компонентов:

1) тренда — общей долгосрочной тенденции изменения временного
ряда, лежащей в основе его динамики;

2) сезонной вариации — краткосрочного регулярно повторяющегося
колебания значений временного ряда вокруг тренда;

3) циклических
колебаний, характеризующих так называемый цикл деловой активности, или
экономический цикл, состоящий из экономического подъема, спада, депрессии и
оживления. Этот цикл повторяется регулярно.

Для объединения отдельных элементов временного ряда
можно воспользоваться мультипликативной моделью:

Объем продаж = Тренд × Сезонная вариация × Остаточная
вариация. (1)

В ходе
составления прогноза продаж учитывают показатели компании за последние
несколько лет, прогноз роста рынка, динамику развития конкурентов. Оптимальное прогнозирование
продаж и корректировку прогноза обеспечивает полный отчет о продажах компании.

Применим данный метод для определения объема продаж
салона «Часы» на 2009 г.
В табл. 1 представлены объемы продаж салона «Часы», специализирующегося на
розничной продаже часов.

Таблица 1. Динамика
объема продаж салона «Часы», тыс. руб.

Год

I квартал

II квартал

III квартал

IV квартал

2007

937,6

657,6

1001,8

1239,2

2008

1112,5

1056,2

1458,6

1715,7

Для данных, приведенных в табл. 1, отметим два
основных момента:

  • существующий тренд: объем продаж в
    соответствующих кварталах каждого года стабильно растет год от года;

  • сезонная вариация: в
    первые три квартала каждого года продажи медленно растут, но остаются на
    относительно низком уровне; максимальные за год значения объема продаж всегда
    приходятся на четвертый квартал. Такая динамика повторяется из года в год.
    Данный тип отклонений всегда носит название сезонных, даже если речь идет,
    например, о временном ряде еженедельных объемов продаж. Этот термин просто
    отражает регулярность и краткосрочность отклонений от тренда по сравнению с
    продолжительностью временного ряда. 

Первый этап анализа временных рядов — построение
графика данных .

Для того чтобы составить прогноз, необходимо сначала
рассчитать тренд, а затем — сезонные компоненты.

Расчет тренда

Тренд — это общая долгосрочная тенденция изменения
временного ряда, лежащего в основе его динамики.

Если посмотреть на рис. 2, то через точки гистограммы
можно от руки начертить линию повышательного тренда. Однако для этого есть
математические методы, позволяющие оценить тренд более объективно и точно.

Если у временного ряда есть сезонная вариация, обычно
применяют метод скользящей средней.Традиционным методом прогнозирования будущего значения показателя
является усреднение n его прошлых значений.

Математически скользящие средние (служащие оценкой
будущего значения спроса) выражаются так:

Скользящая средняя = Сумма спроса за предыдущие n-периоды / n. (2)

Далее
подставим данные и рассчитаем скользящую среднюю:

Средний объем продаж за первые четыре квартала =  (937,6 + 657,6 + 1001,8 + 1239,2) / 4 = 959,075
тыс. руб.

Когда квартал заканчивается, данные об объеме продаж
в течение последнего квартала прибавляются к сумме данных за предыдущие три
квартала, а данные за ранний
квартал отбрасываются. Это приводит к сглаживанию краткосрочных нарушений в
ряде данных.

Средний объем продаж за следующие четыре квартала = (657,6
+ 1001,8 + 1239,2 + 1112,5) / 4 = 1002,775 тыс. руб.

Далее продолжаем расчеты аналогичным образом вплоть
до последних четырех кварталов, данные за которые имеются. Расчеты приведены в третьем
столбце табл. 2.

Первая рассчитанная средняя показывает средний объем
продаж за первый год  и находится
посередине между данными о продажах за II и III кварталы 2007 г. Средняя за следующие
четыре квартала разместится между объемом продаж за III и IV кварталы.
Таким образом, данные столбца 3 —
это тренд скользящих средних.

Но для продолжения анализа временного ряда и расчета
сезонной вариации необходимо знать значение тренда точно на то же время, что и
исходные данные, поэтому необходимо центрировать полученные скользящие средние,
сложив соседние значения и разделив их пополам. Центрированная средняя и есть
значение рассчитанного тренда (расчеты представлены в столбцах 4 и 5 табл. 2).

Таблица 2. Анализ
временного ряда

Год

Объем продаж, тыс. руб.

Четырехквартальная скользящая средняя

Сумма двух соседних значений

Тренд, тыс. руб.

Объем продаж / тренд × 100

I кв. 2007
г.

937,6

959,05

1002,775

1102,425

1216,625

1335,75

II кв. 2007
г.

657,6

III кв. 2007
г.

1001,8

1961,825

980,9125

102,1

IV кв. 2007
г.

1239,2

2105,2

1052,6

117,7

I кв. 2008
г.

1112,5

2319,05

1159,525

95,9

II кв. 2008
г.

1056,2

2552,375

1276,188

82,8

III кв. 2008
г.

1458,6

IV кв. 2008
г.

1715,7

Для составления прогноза продаж на каждый квартал 2009 г. надо продолжить на
графике тренд скользящих средних. Так как процесс сглаживания устранил все
колебания вокруг тренда, то сделать это будет несложно. Распространение тренда
показано линией на рис. 4. По графику можно определить прогноз для каждого
квартала (табл. 3).

Таблица 3. Прогноз
тренда на 2009 г.

2009 г.

Объем
продаж, тыс.
руб.

I кв.

1346,378

II кв.

1420,429

III кв.

1498,553

IV кв.

1580,973

Итого

5846,333

Расчет сезонной вариации

Для того чтобы составить реалистичный прогноз продаж
на каждый квартал 2009 г.,
необходимо рассмотреть поквартальную динамику объема продаж и рассчитать
сезонную вариацию. Если обратиться к данным о продажах за предыдущий период и
пренебречь трендом, можно рассмотреть сезонную вариацию более четко. Так как
для анализа временного ряда будет использована мультипликативная модель, необходимо разделить каждый
показатель объема продаж на величину тренда, как показано в следующей формуле:

Мультипликативная модель = Тренд × Сезонная вариация ×
Остаточная вариация × Объем продаж / Тренд = Сезонная вариация × Остаточная
вариация.     (3)

Результаты расчетов
представлены в столбце 6 табл. 2. Для того чтобы выразить значения показателей
в процентах и округлить их до первого десятичного знака, умножаем их на 100.

Теперь будем по очереди
брать данные за каждый квартал и устанавливать, на сколько в среднем они больше
или меньше значений тренда. Расчеты приведены в табл. 4.

Таблица 4. Расчет
средней квартальной вариации, тыс. руб.

Год

I квартал

II квартал

III квартал

IV квартал

2007 г.

102,1

117,7

2008 г.

95,9

82,8

Нескорректированная
средняя

95,9

82,8

102,1

117,7

Всего

398,6

Нескорректированные данные в табл. 4 содержат как
сезонную, так и остаточную вариацию. Для удаления элемента остаточной вариации
необходимо скорректировать средние. В долгосрочном плане величина превышения
объема продаж над трендом в удачные кварталы должна уравниваться с величиной,
на которую объем продаж ниже тренда в неудачные кварталы, чтобы сезонные
компоненты в сумме составляли примерно 400 %. В данном случае сумма
нескорректированных средних равна 398,6. Таким образом, необходимо умножить
каждое среднее значение на корректирующий коэффициент, чтобы сумма средних
составила 400.

Корректирующий
коэффициент рассчитывается следующим образом: Корректирующий
коэффициент = 400 / 398,6 = 1,0036.

Расчет сезонной вариации представлен в табл. 5.

Таблица 5. Расчет
сезонной вариации

2009 г.

Процент

I квартал

95,9 × 1,0036 = 96,3

II квартал

82,8
×1,0036 =83,1

III квартал

102,1
× 1,0036 =102,46

IV квартал

117,7
× 1,0036 =118,12

Итого

400

На основании данных табл.
5 можно спрогнозировать, например, что в I квартале объем продаж в среднем будет
составлять 96,3 % значения тренда, в IV — 118,1 % значения тренда.

Прогноз продаж

При составлении прогноза продаж исходим из следующих предположений:

  • динамика тренда останется неизменной по сравнению с
    прошлыми периодами;

  • сезонная вариация сохранит свое поведение.

Естественно, это предположение может оказаться
неверным, придется вносить коррективы, учитывая экспертное ожидаемое изменение
ситуации. Например, на рынок может выйти другой крупный торговец часами и сбить
цены салона «Часы», может измениться экономическая ситуация в стране и т. д.

Тем не менее, основываясь на вышеперечисленных
предположениях, можно составить прогноз продаж по кварталам на 2009 г. Для этого полученные
значения квартального тренда надо умножить на значение соответствующей сезонной
вариации за каждый квартал. Расчет данных приведен в табл. 6.

Таблица 6. Составление
прогноза продаж по кварталам салона «Часы» на 2009 г.

2009 г.

Объем продаж, тыс. руб.

I квартал

1346,378 × 102,46 % = 1380

II квартал

1420,429 × 118,12 % = 1678

III квартал

1498,553 × 96,3 %
= 1443

IV квартал

1580,973 × 83,1 %
= 1313

Итого

5814

Из полученного прогноза видно,
что товарооборот салона «Часы» в 2009 г. может составить 5814 тыс. руб., но для
этого предприятию необходимо проводить различные мероприятия.


Полный текст статьи читайте в журнале “Справочник экономиста” №11 (2009 г.).

Статья опубликована в журнале «Справочник экономиста» № 11, 2009.

Прогнозирование продаж в Excel не сложно составить при наличии всех необходимых финансовых показателей.

В данном примере будем использовать линейный тренд для составления прогноза по продажам на бушующие периоды с учетом сезонности.

Линейный тренд хорошо подходит для формирования плана по продажам для развивающегося предприятия.

Excel – это лучший в мире универсальный аналитический инструмент, который позволяет не только обрабатывать статистические данные, но и составлять прогнозы с высокой точностью. Для того чтобы оценить некоторые возможности Excel в области прогнозирования продаж, разберем практический пример.

Пример прогнозирования продаж в Excel

Рассчитаем прогноз по продажам с учетом роста и сезонности. Проанализируем продажи за 12 месяцев предыдущего года и построим прогноз на 3 месяца следующего года с помощью линейного тренда. Каждый месяц это для нашего прогноза 1 период (y).

Уравнение линейного тренда:

y = bx + a

  • y — объемы продаж;
  • x — номер периода;
  • a — точка пересечения с осью y на графике (минимальный порог);
  • b — увеличение последующих значений временного ряда.

Допустим у нас имеются следующие статистические данные по продажам за прошлый год.

Статистические данные для прогноза.

  1. Рассчитаем значение линейного тренда. Определим коэффициенты уравнения y = bx + a. В ячейке D15 Используем функцию ЛИНЕЙН:
  2. Функция ЛИНЕЙН.

  3. Выделяем ячейку с формулой D15 и соседнюю, правую, ячейку E15 так чтобы активной оставалась D15. Нажимаем кнопку F2. Затем Ctrl + Shift + Enter (чтобы ввести массив функций для обеих ячеек). Таким образом получаем сразу 2 значения коефициентов для (a) и (b).
  4. Значения коэффициентов.

  5. Рассчитаем для каждого периода у-значение линейного тренда. Для этого в известное уравнение подставим рассчитанные коэффициенты (х – номер периода).
  6. Значения тренда.

  7. Чтобы определить коэффициенты сезонности, сначала найдем отклонение фактических данных от значений тренда («продажи за год» / «линейный тренд»).
  8. Отклонения от значения.

  9. Рассчитаем средние продажи за год. С помощью формулы СРЗНАЧ.
  10. Фунция СРЗНАЧ.

  11. Определим индекс сезонности для каждого месяца (отношение продаж месяца к средней величине). Фактически нужно каждый объем продаж за месяц разделить на средний объем продаж за год.
  12. Индекс сезонности по месяцам.

  13. В ячейке H2 найдем общий индекс сезонности через функцию: =СРЗНАЧ(G2:G13).
  14. Спрогнозируем продажи, учитывая рост объема и сезонность. На 3 месяца вперед. Продлеваем номера периодов временного ряда на 3 значения в столбце I:
  15. Периоды для пронгоза.

  16. Рассчитаем значения тренда для будущих периодов: изменим в уравнении линейной функции значение х. Для этого можно просто скопировать формулу из D2 в J2, J3, J4.
  17. На основе полученных данных составляем прогноз по продажам на следующие 3 месяца (следующего года) с учетом сезонности:

Прогноз с учетом сезонности.

Общая картина составленного прогноза выглядит следующим образом:

Прогноз по линейному тренду.

График прогноза продаж:

График прогноза продаж.

График сезонности:

График сезонности.

Алгоритм анализа временного ряда и прогнозирования

Алгоритм анализа временного ряда для прогнозирования продаж в Excel можно построить в три шага:

  1. Выделяем трендовую составляющую, используя функцию регрессии.
  2. Определяем сезонную составляющую в виде коэффициентов.
  3. Вычисляем прогнозные значения на определенный период.

Нужно понимать, что точный прогноз возможен только при индивидуализации модели прогнозирования. Ведь разные временные ряды имеют разные характеристики.

  • бланк прогноза деятельности предприятия

Чтобы посмотреть общую картину с графиками выше описанного прогноза рекомендуем скачать данный пример:

Как прогнозировать продажи с точностью до 90%

Прогнозирование продаж предприятия — не предсказание о том, что произойдет в будущем. Это мощный бизнес-инструмент, основанный на анализе данных, который помогает контролировать бюджет, определяет продвижение бренда на рынок и помогает рассчитать будущую прибыль.

Продавать без ориентира на результат — значит пустить продажи на самотёк. А ведь назвать размер прибыли за измеримый период можно с точностью до 90%. Для этого необязательно быть экстрасенсом, достаточно овладеть методиками прогнозирования, но для начала разберёмся, зачем нужен прогноз.

Зачем прогнозировать продажи

  • Чтобы ставить цели. Цель — это сумма, которую компания должна получить через месяц, квартал, год. От этой цифры руководитель отдела продаж отталкивается, когда ставит менеджерам KPI и планирует премии.
  • Чтобы снизить расходы. Прогнозирование продаж товаров помогает оптимизировать затраты на производство и логистику. В случае провала плана, эти направления первыми попадут под нож.
  • Чтобы планировать ресурсы. Когда понятно, сколько получится заработать, можно планировать закупки, найм персонала, рекламу и аренду складов.
  • Чтобы управлять складскими остатками. Когда перед глазами вероятная прибыль, понимаешь, сколько товара и по какой цене нужно продавать. Это помогает избежать дефицита или переизбытка на складе.
  • Чтобы прогнозировать спад. Смягчить удар для бизнеса и остаться на плаву при снижении продаж можно, если учитывать причину падения спроса — например, сезонность.

Планирование и прогнозирование продаж: в чём разница

Прогноз продаж — это гипотеза.

То есть предположение о том, в каком объеме и за какой срок будет реализован товар. Аналитики строят гипотезы на основе исследования потенциала продаж — доли рынка. И только после того, как сформулированы гипотезы, составляют прогноз. Прогнозировать, опираясь на желание или интуицию, нельзя.

План продаж — это задача.

То есть конкретная измеримая цель, которая формируется на основе анализа показателей прошлых периодов. Задачу ставит руководитель отдела продаж (далее — РОП) менеджерам, или коммерческий директор — РОПу. При этом, предполагается, что для выполнения задачи есть ресурс.

Методы прогнозирования объёмов продаж

Поскольку экономические факторы сильно привязаны к политическим событиям, их динамика непредсказуема. Но получить более менее объективные цифры на краткосрочную перспективу можно, если применить основные методы прогнозирования продаж. Рассмотрим их.

Субъективные методы

  • Ожидания пользователей

    Также известен как «метод изучения намерений покупателей». Помогает исследовать готовность потребителей приобрести услугу или товар. Этот метод больше оценивает потенциал рынка, нежели прогнозирует продажи. Точность метода невысокая, поскольку между намерением купить и покупкой — огромная пропасть, особенно при выводе на рынок новых товаров и услуг. Проблема в том, что потребители говорят о желании купить товар с определёнными функциями, но, в итоге, не покупают. Потому что, на самом деле, их интересуют не функции, а выгоды, которые они получают. Например, потребитель говорит, что ему нужен телефон с выходом в Интернет. На самом деле, он хочет тратить меньше времени на покупки, заказывая товары с доставкой на дом.

    Так удовлетворение ожиданий пользователей обернулось для компании Kawasaki фиаско при выводе на рынок новой усовершенствованной модели гидроциклов. Изучив потребности пользователей, производитель техники решил, что превзойдет конкурентов, если добавит пространство для ног (в то время гидроциклами управляли стоя). Но пока конструкторы занимались доработкой модели, конкуренты вывели на рынок гидроцикл, на котором можно было сидеть.

  • Мнение продавцов

    Также известен как «сбор мнений торгового персонала». Такой метод ставит прогноз на основе предположений продавцов о том, какой объем продукции они рассчитывают продать в течение заданного периода. Затем мнения систематически корректируются. Этот метод тоже нельзя назвать сверхточным, поскольку сотрудники либо недооценивают, либо переоценивают свои способности. Когда реальные показатели продаж оказываются выше спрогнозированных, создаётся впечатление, что сотрудник сверхэффективен. А когда ниже, то не всегда это говорит о неэффективности, т.к. на сбыт могут влиять внешние факторы (дефицит товаров, например).

  • Мнение менеджеров компании

    Также известен, как «коллективное мнение ключевых руководителей». Базируется на формальном или неформальном опросе ведущих экспертов и топ-менеджеров внутри компании. Полученные оценки усредняют, а расхождения нивелируют путём коллективного обсуждения с поиском консенсуса. Метод не отличается высокой точностью, поскольку мнения сотрудников чаще базируются на интуитивных догадках, нежели на фактологии.

  • Метод экспертных оценок

    Используется при выводе нового продукта на рынок или запуска стартапа, когда статистика за предыдущие периоды отсутствует. Тогда штатные или приглашённые аналитики исследуют рынок и на основе анализа выдвигают гипотезы. В данном методе на точность прогноза больше всего влияет человеческий фактор — компетентность экспертов. Чтобы нивелировать это влияние, компания предлагает ставить задачу по сбору данных нескольким специалистам. Например, штатному РОПу, маркетологу и, параллельно, аналитику со стороны. Полученные показатели усредняют и только потом формируют прогноз.

Объективные методы

  • Рыночное тестирование

    Метод считается эффективным и заключается в продаже новых или улучшенных потребительских товаров в репрезентативных регионах для выяснения реакции потребителей. Полученные данные проецируются на весь рынок. Исследования показывают, что, в итоге, пользуются спросом три товара из четырех прошедших проверку. В то время как четыре товара из пяти непрошедших в действительности терпят крах. Недостаток теста в том, что он не действует для промышленных товаров и, в целом, занимает много времени.

  • Анализ временных рядов

    Метод базируется на анализе «исторических» данных за прошедшие периоды времени. В простом варианте может точно определить объем сбыта для зрелой отрасли с незначительным ростом рынка. В иных условиях требует более сложным методов анализа. Например, таких:

    Скользящее среднее
    Если рассматривать прогноз о том, что объем сбыта за прошлый и текущий годы будет равен, то можно получить серьезные ошибки при незначительных колебаниях продаж из года в год. Чтобы учитывать колебания, как случайность, нужно периодически усреднять показатели продаж. Каждый раз мы будем получать среднее значение объемов продаж, которое послужит прогнозом на будущее.

    Экспоненциальное сглаживание
    Разновидность метода скользящего среднего, который отличается тем, что при составлении прогноза назначает наибольшие весовые коэффициенты только последним наблюдениям, как наиболее вероятным. На эффективность метода влияет выбор константы сглаживания в диапазоне от 0 до 1. Если объемы продаж изменяются незначительно, то используют низкие значения константы. Если изменения значительны и происходят быстро, используют высокие значения константы, чтобы прогнозируемый ряд имел наименьшую погрешность.

    Декомпозиция
    Метод помогает проанализировать данные за месяц или за квартал при колебаниях спроса и получить прогноз на год поквартально. При этом сначала выясняются факторы, влияющие на изменения спроса, которые могут быть продиктованы разными причинами. В декомпозиции рассматривают четыре влияющих фактора, с учетом которых и составляется прогноз продаж — тренд, циклический, сезонный и случайный.

    Сезонность определяется первой и отражает ежегодные колебания, вызванные сменой сезонов из года в год.

    Тренд определяется вторым и показывает долгосрочные изменения во временном ряде.

    Циклический фактор определяется третьим и отражает подъемы и спады, длящиеся от двух до пяти лет.

    Случайный фактор показывает воздействия на кривую продаж после исключения других трёх факторов.

  • Анализ годовых графиков

    Используется при наличии данных по продажам за несколько лет. Годовые графики разбивают по месяцам и сравнивают получившиеся ежегодные графики в разрезе пиков и падений. Метод работает только тогда, когда в нише нет сильных колебаний. Если мы продаем импорт, а рынок упал или предложение обогнало спрос, данные за прошлый период утратят релевантность. Спасительным кругом в таком случае станет каузальный метод прогнозирования объёмов продаж, когда показатели продаж меняются в результате изменения одной и более переменных.

Делимся секретами высоких продаж, новостями и обновлениями из мира телемаркетинга в нашем Telegram-канале. Рассказываем, как обрабатывать возражения, презентовать продукт и общаться на языке пользы для клиента.

Дополнительные методы

  • Каузальный метод

    Это метод глубокой аналитики, когда эксперты анализируют косвенные показатели и проецируют их на кривую продаж. Позволяет прогнозировать продажи с учетом гипотетических рисков — снижения доходов потребителей, демпинга конкурентов, провальных рекламных кампаний, падения национальной валюты и других факторов.

Прогнозирование продаж на квартал в Excel

Рассмотрим пример прогнозирования продаж в Excel. Допустим, у развивающегося предприятия стоит задача — составить прогноз на квартал с учетом роста и сезонности. Для решения этой задачи возьмём статистику по продажам за прошлый год (Рис. 1) и рассчитаем значение линейного тренда с помощью уравнения (Рис. 2).

Рис. 1. Статистика за год

Рис. 1. Статистика за год.

Рис. 2. Формула линейного тренда

Рис. 2. Формула линейного тренда.

Для нахождения коэффициентов a и b применим функцию ЛИНЕЙН для ячейки D15. Далее выделим ячейки D15 и E15 так, чтобы активной осталась только D15. Жмём F2, а затем Ctrl + Shift + Enter. Получаем показатели a и b (Рис. 3).

Рис. 3. Вводим значения в окно функции ЛИНЕЙН и получаем значения a и b

Рис. 3. Вводим значения в окно функции ЛИНЕЙН и получаем значения a и b.

Теперь рассчитаем у для каждого периода тренда. Для этого подставим коэффициенты a и b в уравнение, где х — номер периода (Рис. 4).

Рис. 4. Расчёт y для периодов тренда

Рис. 4. Расчёт y для периодов тренда.

Для того чтобы получить коэффициент сезонности, находим отклонения показателей продаж за год от значений тренда — B2/D2 (Рис. 5).

Рис. 5. Получили коэффициент сезонност

Рис. 5. Получили коэффициент сезонности.

Рассчитаем средние показатели продаж за год, используя формулу СРЗНАЧ (Рис. 6).

Рис. 6. Вывели средний показатель продаж за год

Рис. 6. Вывели средний показатель продаж за год.

Определим ежемесячный индекс сезонности с помощью формулы =B2/$F$2 (Рис.7).

Рис. 7. Рассчитали индекс сезонности по месяцам

Рис. 7. Рассчитали индекс сезонности по месяцам.

Определим общий индекс сезонности. Для этого разделим объем продаж за каждый месяц на средний годовой объем продаж и применим к ячейке H2 функцию =СРЗНАЧ(G2:G13) (Рис. 8).

Рис. 8. Рассчитали общий индекс сезонности

Рис. 8. Рассчитали общий индекс сезонности.

Продлим номера периодов временного ряда на три значения в столбце «Периоды для прогноза» (Рис. 9).

Рис. 9. Продлили номера периодов для прогноза

Рис. 9. Продлили номера периодов для прогноза.

Рассчитаем значения тренда для будущих периодов. Изменим в уравнении значение х путем копирования формулы из D2 в J2, J3, J4 (Рис. 10).

Рис. 10. Вместо C2 подставляем I2

Рис. 10. Вместо C2 подставляем I2.

Дальше, используя формулу J2*G2, получим данные для прогнозирования продаж продукции на квартал (Рис. 11).

Рис. 11. Рассчитали значение тренда на квартал

Рис. 11. Рассчитали значение тренда на квартал.

Так выглядит прогноз в Excel-таблице (Рис. 12) и в графиках (Рис. 13), (Рис. 14).

Рис. 12. Прогноз на квартал с учётом сезонности

Рис. 12. Прогноз на квартал с учётом сезонности.

Рис. 13. Кривая продаж с прогнозом (жёлтым)

Рис. 13. Кривая продаж с прогнозом (жёлтым).

Рис. 14. График сезонности с прогнозом (жёлтым)

Рис. 14. График сезонности с прогнозом (жёлтым).

Резюмируем: как прогнозировать продажи

Строим прогнозы на базе статистики: берём данные за прошлые годы и строим графики продаж с проекцией на перспективу.

Анализируем тенденции в своей нише: актуальную экономическую ситуацию, поведение конкурентов, динамику спроса с учётом прямых и косвенных факторов.

Решаем с ценовой политикой: планируем изменение цен, рекламные кампании и их связь с реакцией целевых потребителей.

Определяем минимальные показатели продаж: речь о выручке, которая покроет необходимые издержки и поможет получить целевой доход.

Составляем план продаж: прогнозируем будущие целевые показатели с учётом важных факторов.

Постоянно корректируем план: важно держать руку на пульсе и систематически сверяться с текущей ситуацией в отрасли.

Для прогнозирования продаж необходимо сначала вычленить основные факторы, которые на них влияют, затем убрать лишние, которые перестали действовать, добавить новые и понять, насколько изменилась сила действующих. Для этого недостаточно методов количественного анализа статистики продаж, т.к. только эксперты могут выделить влияющие факторы, которые не видны за цифрами. Если дать математику просто набор статистических рядов и попросить спрогнозировать продажи, скажем на товар, который нельзя купить уже несколько месяцев, то он не сможет этого сделать. А если, например, это автомобиль западного концерна, который временно прекращал поставки в Россию из-за санкций, но затем объявил, что возвращается? Не зная этого, математик не сможет составить корректный прогноз, а знает это только автоэксперт, который следит за рынком. При этом сам эксперт не сможет рассчитать прогнозную реализацию без количественных методов.

Таким образом, для анализа и прогнозирования продаж необходима совместная работа математика (или экономиста) и эксперта по рынку, чтобы применять одновременно количественные и качественные методы анализа.

Алгоритм прогнозирования продаж  

1.   Корректировка линии тренда и прогноз совокупных продаж. Несмотря на то, что меняется номенклатура товаров, отсутствуют конкретные sku на складах в определенные промежутки времени и т.п. – все эти частности «гасят друг друга» и не особо влияют на общий объем продаж. Например, если отсутствует товар «А», то приобретут его аналог или заменитель – товар «Б», но в сумме продажи не сильно изменятся. Поэтому правильный прогноз строится от общего к частному. Сначала прогнозируется общее число продаж, а потом оно уже распределяется по конкретной номенклатуре, сезонам и т.д. 

Но для прогноза совокупных продаж необходимо выровнять перепады прошлых периодов из-за факторов, которые больше не действуют, и учесть новые глобальные факторы, которые начали действовать или будут действовать с определенной долей вероятности. Например, у нас есть данные продаж с 2006 по 2009 года по какому-то товару (рисунок 1).

01.png

Рисунок 1. Продажи товара в 2006-2009 годах

Мы видим, что в 2008 году у нас какой-то неестественный провал. Вспоминаем, что 2008 год – это был год кризиса, поэтому необходимо скорректировать данные по нему так, чтобы они не влияли на уменьшение прогноза продаж, ибо кризис давно миновал. Для этого присваиваем 2008 году среднее арифметическое значение между 2007 и 2009 годами, т.е. 1300 шт. По новым данным рисуем линию тренда, из которой видно, что если ничего не изменится, то продажи вырастут в 2011 году до 1700 шт. Однако нам, к примеру, известно, что с вероятностью 70% на наших смежников могут наложить санкции и наши продажи из-за этого просядут процентов на 20. Тогда мы должны скорректировать наш прогноз 1700*(1-0,2*0,7) = 1462 шт. за 2011 год (рисунок 2).

02.png

Рисунок 2. Скорректированный прогноз продаж

2.    После определения общего объема продаж, его необходимо распределить по номенклатуре и сезонам. Для этого:

2.1. Необходимо очистить и восполнить данные по конкретным товарам и временным промежуткам. Из статистики продаж нужно убрать случайные всплески продаж, например, крупные разовые покупки, а также провалы продаж, например, когда товара не было на складе. Проще всего данные перепады можно увидеть на диаграмме или рассчитать максимальные отклонения от средних продаж в Excel. В любом случае, и всплески и провалы нивелируются с помощью простой арифметической средней между двумя периодами. Например, если в мае продали 100 шт. товара «А», в июне его не было на складе, а в июле продали уже 120 шт., то в июне можно поставить продажи в 110 шт. «А».

2.2. Следует убрать из прогноза товары, которые выводятся из продаж. И, соответственно, очистить статистику от этих товаров. 

2.3. Провести конкурентный анализ рынка, выяснить какие товары планируются к запуску в прогнозном периоде, включая собственные новинки. После этого понять по их техническим характеристикам, потребительским свойствам и ценовому диапазону, какие товары из ушедших они заменят, а какие из существующих потеснят. Для этого маркетологу необходимо прибегнуть к помощи экспертов (технических специалистов) по каждой категории товаров. 

2.4. После этого необходимо составить новую товарную матрицу, с учетом выбывших товаров и новинок, и распределить по ним общие продажи, пропорционально их продажам в предшествующие периоды. Но при этом учитывать, что у каждого товара своя линия тренда!  

Если взять наш условный пример, то выглядеть это будет следующим образом (таблица 1). 

Таблица 1. Прогноз продаж 

Год Всего А Б С
2006 1000 300 500 200
2007 1200 400 500 300
2008 1300 300 600 400
2009 1400 200 500 700
2010 1600 300 600 700

2011 (тренд)

1700 250 600 850

2011 (прогноз с учетом вероятности 0,7 падения продаж на 20%)

1462 215 516 731

03.png

2.5. Распределение продаж по сезонам.

Здесь самое важное понимать: чтобы определить сезонные коэффициенты, нужно брать не средние из всех значений за каждый месяц в течение нескольких лет, а суммировать все продажи за последние годы по каждому месяцу и определить их удельный вес в общем объеме продаж.   

Покажем весь этот алгоритм на примере.

Как провести анализ и составить прогноз продаж на примере автомобилей

Для иллюстрации анализа и прогнозирования продаж я взял статистику продаж автомобилей, так как эта тема более-менее понятна и мне как автовладельцу, и большинству читателей. 

Вычленение основных факторов

Сначала нужно понять, какие факторы в принципе действуют на продажи автомобиля:

  • безусловно, это цена (на импортные авто зависит от курса рубля); 
  • наличие свободных денег у населения (зависит от продажи нефти и газа);
  • наверное, сезонность (это как раз можно понять из анализа статистических рядов); 
  • доступность общественного транспорта (во многих малых городах России его вовсе нет); 
  • напротив, отсутствие автодорог (во многих городах их нет или они убитые);
  • потребительские предпочтения (основные характеристики автомобиля, по которым его выбирают); 
  • западные санкции (запрет на продажу некоторых марок импортных автомобилей); 
  • реклама и дилерская политика продаж и еще целое море факторов.

Понятное дело, что если мы прогнозируем продажи в отдельно взятом районе, где по плану, наконец-то, должны построить дорогу, то это будет сильно влиять на спрос. Но если мы рассматриваем продажи в масштабах страны, то, во-первых, это мизерный процент, а во-вторых, если фактор дорог влияет на количество приобретаемых машин, и динамика их строительства особо не изменилась, то этот фактор уже учитывается при построении тренда динамических рядов, поэтому отдельно его рассматривать нет смысла. 

Например, предположим, что на 100 км. дорог приобретается одна машина и за один период строят дополнительно 100 км. дорог (см. таблицу 2). 

Таблица 2. Сколько автомобилей покупают на 100 км дорог

Период I II III IV
Км. дорог 100 200 300 х
Кол. авто 1 2 3 4

Тогда нам не нужно, знать сколько километров дорог построено и планируется, нам достаточно знать динамику покупок автомобилей, чтобы рассчитать, что в IV периоде их купят 4 при сохранении динамики строительства дорог. Иными словами, если правительство не объявило, что на следующий год мы, мол, планируем увеличить количество дорого в 10 раз, то данный фактор можно и не принимать во внимание.

Таким образом, отдельно нужно учитывать только резкие изменения, которых не было до прогнозного периода. Но давайте разбираться по порядку. 

Анализ данных по продажам наиболее ходовых моделей авто за 2019-2022 годы

Рассмотрим статистику продаж автомобилей за 2019-2022 годы (таблица 3). 

Таблица 3. Продажи топ-25 автомобилей в 2019-2022 годах

2019 янв.19 фев.19 мар.19 апр.19 май.19 июн.19 июл.19 авг.19 сен.19 окт.19 ноя.19 дек.19
Chery Tiggo 7
Chevrolet Niva 1574 1614
Haval Jolion
Hyundai Creta 4187 6085 6498 6123 5781 5955 5410 5522 6408 6806 7273 5439
Hyundai Solaris 3805 4449 5945 5192 5296 6023 4683 4489 5402 4545 4476 4377
Hyundai Tucson 1566 2135 1868 2100 1776 1650 1718 2204 2152 1984
Kia Cerato 1121 1216
Kia K5
Kia Optima 1712 1713 2009 2190 2345 2403 2676
Kia Rio 6246 7102 8927 8509 8365 8282 7171 6989 7758 8724 7733 6669
Kia Seltos
Kia Sportage 2761 2456 2440 2704 2860 2367 3567 3850 3063 2101 2942 3259
Mazda CX-5 1209 1408 1771 1452 1644 1748 1995 2369 2349 1859 2050 2711
Mitsubishi Outlander 2640 1644 2381 2334 2065
Nissan Qashqai 1571 2068 2988 902 1664 2077 1660 2154 3111 1096 2458 3409
Nissan X-Trail 1588 2299 2790 736 1194 1616 1002 2019 2290 886 1394 3101
Renault Arkana
Renault Duster 2338 2394 3536 3620 3278 3547 2690 3109 3137 3431 3443 4508
Renault Kaptur 1554 1938 2764 2288 2190 2649 2226 2428 2108 1858 1693 2103
Renault Logan 2036 2307 3549 3204 2305 2995 2753 2855 3177 3298 3057 3855
Renault Sandero 1797 1796 2988 3263 2588 2464 2163 2301 2742 2887 2471 3036
Skoda Karoq
Skoda Kodiaq 1292 1664 1768 1964 1907 1996 2333 2296 2297 2364 2553 2635
Skoda Octavia 1618 1693 2077 2042 1879 2190 1857 1923 2034 3404 3266 3178
Skoda Rapid 2510 2487 2966 3261 3088 2666 3015 2689 2918 3089
Toyota Camry 1873 2973 3405 2614 2454 3002 2886 2865 2974 2685 2868 3418
Toyota RAV4 1468 1826 2609 2235 2519 2620 3360 2960 1673 1721 2672 4964
Volkswagen Polo 3693 3825 4283 5665 4929 5415 4591 4627 5385 4702 4681 4306
Volkswagen Tiguan 1716 2462 3120 2847 2915 3234 2821 3134 3192 3704 3718 4379
Лада 4×4 2048 2631 3044 2658 2392 2273 2552 2648 3218 2861 2919 2679
Лада Веста 7078 7960 12850 10131 8818 8947 8937 9329 9452 8296 8703 10958
Лада Гранта 7630 10574 10422 12652 11095 11609 10652 11132 11208 11712 12574 14571
Лада ИксРэй 2674 2284 2427 2567 2651 2532 2670 2531 2489 2365
Лада Ларгус 2375 3075 3981 3646 3204 4381 3718 3446 3837 3691 3678 4091
Лада Нива
2020 янв.20 фев.20 мар.20 апр.20 май.20 июн.20 июл.20 авг.20 сен.20 окт.20 ноя.20 дек.20
Chery Tiggo 7
Chevrolet Niva 2228 529
Haval Jolion
Hyundai Creta 5376 6636 6803 1079 3243 6417 7122 7632 7790 6688 7692 7059
Hyundai Solaris 3408 4453 4245 603 1924 3811 4074 4943 5410 5271 5791 5347
Hyundai Tucson 1382 1570 2064 303 584 2371 2853 2564 3003 2829
Kia Cerato 1366 1532
Kia K5
Kia Optima 1588 1553 697 1455 1666 1702 2342
Kia Rio 6258 8367 8274 1737 3655 7873 7031 7664 7830 9251 9938 10186
Kia Seltos
Kia Sportage 2531 2192 2538 762 745 2104 3750 2898 2885 2646 2651 2488
Mazda CX-5 1380 1618 2592 581 697 1981 2015 1780 1164 1626 2221 2378
Mitsubishi Outlander 2554 81 2518 2054 1889
Nissan Qashqai 1538 2608 3392 368 792 1583 2157 1833 2017 2031 1843 1948
Nissan X-Trail 2073 1986 2422 358 786 1546 1769 908 2303 2549 1890 1647
Renault Arkana
Renault Duster 1773 2043 3268 975 1470 2557 2916 3101 3109 3264 3453 3711
Renault Kaptur 1380 1747 2363 428 815 1804 1774 1785 2181 2352 2035 1620
Renault Logan 2083 2657 3066 760 1396 2208 2868 2737 3885 3926 4211 2831
Renault Sandero 1685 2019 2923 578 1256 2466 2679 1823 2995 2969 2218 2427
Skoda Karoq
Skoda Kodiaq 1981 1356 2406 810 678 1497 1631 1091 1133 2378 2827 2790
Skoda Octavia 1835 1574 2951 820 844 1726 2756 2039 3597 2092 1136 252
Skoda Rapid 2040 1958 2813 622 550 1533 5271 4523 3807 3329 3805 3889
Toyota Camry 1972 2425 3133 649 1103 2084 2961 2696 2928 2435 2179 2808
Toyota RAV4 2618 3684 5293 601 1226 2635 3311 2534 4146 3676 3309 3400
Volkswagen Polo 3483 3966 5371 1372 2158 4991 6847 7426 6020 5642 5809 5370
Volkswagen Tiguan 2273 2924 3568 1332 1199 2152 3336 3334 3626 3245 3310 2683
Лада 4×4 1584 2246 2821 1093 1664 2004 2697 2473 2809 3299 3513 2886
Лада Веста 7506 8107 11172 2913 4475 8442 9807 8522 11520 11853 11771 11193
Лада Гранта 8470 9559 11631 3058 5726 11478 11450 10550 12488 12756 14540 14406
Лада ИксРэй 2393 615 1094 1772 1874 1445 1776 1833 1669 2038
Лада Ларгус 2312 2790 3782 1286 1981 3376 3718 2831 3394 3743 3093 4860
Лада Нива
2021 янв.21 фев.21 мар.21 апр.21 май.21 июн.21 июл.21 авг.21 сен.21 окт.21 ноя.21 дек.21
Chery Tiggo 7 849 1051
Chevrolet Niva
Haval Jolion 115
Hyundai Creta 5701 6676 6946 6445 5717 7315 5246 5502 3851 5088 6513 3081
Hyundai Solaris 3481 5514 5945 5163 6232 7206 4592 4449 6258 5323 4255 2643
Hyundai Tucson
Kia Cerato
Kia K5 3528 3048 2298 2270 1789
Kia Optima
Kia Rio 7763 8773 8102 6996 6682 6434 5640 6195 6635 6983 5682 7056
Kia Seltos 1503 1214 1561 1502 1733 2100 1817 1358 1994
Kia Sportage 3432 2952 2084 1971 1900 1967 1860 1692 1593 1535
Mazda CX-5 1572 2183 1867 1536 1234 1218 1314 1458 1759 1975 2412
Mitsubishi Outlander 598 1289 1541
Nissan Qashqai 1359 1968 2017 1547 1614 2210 1885 2493
Nissan X-Trail 1101 1753 1864 2181 1875 2138
Renault Arkana 774 1444 1678 1696 1491 1845
Renault Duster 2888 2246 2226 3696 3784 4875 3408 3592 3063 2924 4436 4333
Renault Kaptur 1158 1619 1833 1785 1401 1547 2087 1745
Renault Logan 1735 2663 3358 3617 2905 2548 2972 1730 2307 1925 3025
Renault Sandero 1938 2138 2481 2683 2257 2068 2163 1774 1516 1556
Skoda Karoq 1483 1894
Skoda Kodiaq
Skoda Octavia
Skoda Rapid 2314 2755 4471 4378 4469 4922 4311 2326 4002 3078 1991 2663
Toyota Camry 1338 1845 1845 3105 1950 3156 2860 2630 3366
Toyota RAV4 2321 3869 5058 2941 2797 1888 3416 3540 3366 4331
Volkswagen Polo 3256 3880 5045 5164 5102 6080 4229 2747 4186 2766 2292 2140
Volkswagen Tiguan 1955 2302 2350 2318
Лада 4×4
Лада Веста 6347 8745 8779 11178 10050 11932 10223 6882 8724 10261 9035 11542
Лада Гранта 7720 9790 12686 14050 12829 14133 10885 5007 3886 7273 7231 5940
Лада ИксРэй 1587 2058 2773 2636 2698 2035 1268 1507
Лада Ларгус 2379 2824 3530 3474 4864 3982 3345 1887 2081 3349 3350 4476
Лада Нива 2809 4369 6016 5346 6169 5399 4555 3438 1530 2634 3618 5359
2022 янв.22 фев.22 мар.22 апр.22 май.22 июн.22
Chery Tiggo 7 1139 1387
Chevrolet Niva
Haval Jolion 1410 1557 662 350 425
Hyundai Creta 4153 4338 1563 1162 1197 1012
Hyundai Solaris 4898 7238 1666 1804 754 528
Hyundai Tucson
Kia Cerato
Kia K5
Kia Optima
Kia Rio 6206 7893 2918 1660 1202 1196
Kia Seltos 1754 1550 597 578 502 525
Kia Sportage 812 382 560 611
Mazda CX-5 1456 1409 1214 363 359 334
Mitsubishi Outlander 1155 1951 526
Nissan Qashqai 1874 1834 1270
Nissan X-Trail 1618 1538 996
Renault Arkana 1062 1428 250
Renault Duster 3021 4048 1457 644 561 517
Renault Kaptur 1102 1415 554 301
Renault Logan 1592 2006 853 902 361 654
Renault Sandero 1127 1469 719 319 315 318
Skoda Karoq
Skoda Kodiaq
Skoda Octavia
Skoda Rapid 1505 2506 1473 686 444 311
Toyota Camry 1746 1786 831
Toyota RAV4 2762 3003 1216 273
Volkswagen Polo 2161 3499 1565 599 397 483
Volkswagen Tiguan 1238
Лада 4×4
Лада Веста 5953 7161 3167 1977 1538 1767
Лада Гранта 5526 6220 3433 2598 2305 3305
Лада ИксРэй 1042 1266 497 256 329
Лада Ларгус 2237 2744 1555 840 642 705
Лада Нива 2555 3854 2898 1941 1102 881

  Источник: сайт АвтоБизнесРевью

Если внимательно изучить данные, можно заметить, что в первой половине 2022 года продажи автомобилей в России резко упали (см. таблицу 4). 

Таблица 4. Сравнение средних продаж за 2019-2021 годы и 2022 год

Автомобили Ср 19-21 Ср I пол 22 Дин %
Chery Tiggo 7 950 1 263 32,9%
Chevrolet Niva 1 486 0 -100,0%
Haval Jolion 115 881 665,9%
Hyundai Creta 5 920 2 238 -62,2%
Hyundai Solaris 4 695 2 815 -40,1%
Hyundai Tucson 1 934 0 -100,0%
Kia Cerato 1 309 0 -100,0%
Kia K5 2 587 0 -100,0%
Kia Optima 1 861 0 -100,0%
Kia Rio 7 319 3 513 -52,0%
Kia Seltos 1 642 918 -44,1%
Kia Sportage 2 457 591 -75,9%
Mazda CX-5 1 746 856 -51,0%
Mitsubishi Outlander 1 814 1 211 -33,3%
Nissan Qashqai 1 949 1 659 -14,9%
Nissan X-Trail 1 735 1 384 -20,3%
Renault Arkana 1 488 913 -38,6%
Renault Duster 3 115 1 708 -45,2%
Renault Kaptur 1 852 843 -54,5%
Renault Logan 2 766 1 061 -61,6%
Renault Sandero 2 268 711 -68,6%
Skoda Karoq 1 689 0 -100,0%
SkodaKodiaq 1 902 0 -100,0%
Skoda Octavia 2 033 0 -100,0%
Skoda Rapid 3 074 1 154 -62,5%
Toyota Camry 2 530 1 454 -42,5%
Toyota RAV4 2 958 1 814 -38,7%
Volkswagen Polo 4 485 1 451 -67,7%
Volkswagen Tiguan 2 827 1 238 -56,2%
Лада 4×4 2 542 0 -100,0%
Лада Веста 9 234 3 594 -61,1%
Лада Гранта 10 371 3 898 -62,4%
Лада ИксРэй 2 081 678 -67,4%
Лада Ларгус 3 329 1 454 -56,3%
Лада Нива 4 270 2 205 -48,4%

Глядя на эти данные, можно догадаться, что резкое падение продаж связано с западными санкциями. Некоторые модели и вовсе исчезли с российского рынка, например американская Chevrolet Niva. Однако при этом Hyundai Tucson продажи в 2022-ом году 0, а по Hyundai Creta и Hyundai Solaris упали только наполовину. Значит ли это, что модель Tucson вывели с рынка, но в целом Hyundai продолжает работать в РФ или просто по Creta и Solaris у дилеров большие остатки, которые надо распродавать? Точно такой же вопрос возникает по другому корейскому бренду Kia. Три модели Cerato, K5 и Optima выбыли с рынка, а еще по трем: Rio, Seltos и Sportage продажи упали более, чем на половину.

По японским, французским и немецким машинам продажи тоже просели, но с рынка ни одна модель пока не ушла. Что это значит? Они что, не собираются выполнять санкции США и ЕС? 

Непонятно, почему у чехов из четырех моделей Skoda: Karoq, Kodiaq, Octavia и Rapid останется только последняя. Зато единственные, у кого выросли продажи, это китайцы – более, чем на 30%!

Ну и наконец, а что случилось с отечественной Ладой? Почему у нее продажи упали в два раза?

Все это я к тому, что невозможно прогнозировать продажи не зная, что происходит, почему, кто и что планирует. Давайте разбираться.  

Санкции: кто уйдет с российского рынка, а кто останется

Американцы запретили все автомобили, которые производятся в США или принадлежат американским компаниям еще в 2018 году, поэтому уже в 2020 году они распрощались с производством Chevrolet Niva на Автовазе. 

ЕС же не разрешили импорт только машин стоимостью свыше 50 000 евро, т. е. при среднем курсе 75 руб. за 1€ это автомобили стоимостью свыше 4 млн руб. Таким образом, большинство автомобилей из Европы, производство которых локализовано в РФ, не попадают под санкции. Отсюда понятно почему «французы» и «немцы» пока остались в России. Сами производители, такие как Renault и Volkswagen сворачивают свое производство в РФ, но их машинки будут импортироваться. 

Что касается «корейцев», то они договорились с американцами, и США сделали для Южной Кореи исключение. Поэтому исчезновение популярных корейских моделей с российского рынка связано с тем, что корейцы решили постепенно отказаться от седанов в пользу электрокроссоверов.    

Япония вслед за Европой запретила экспорт машин стоимостью более 6 млн иен, что по средневзвешенному курсу также составляет чуть меньше 4 млн руб. Поэтому Toyota Camry, например, свободно продается в среднем по цене от 2,5 до 3,8 млн руб. в разной комплектации.

Что касается исчезнувших моделей Skoda, то это модели, которые собирались на заводе ГАЗ, по отношению к которому США приняли санкции еще в 2018 году, поэтому Volkswagen group, куда входит Skoda, начала сворачивать их производство еще в 2020 году. 

Осталось понять, что с нашими родными Ладами. После объявления санкций Автоваз ушел в простой, т.к. прекратились поставки необходимых импортных комплектующих, в частности микросхем и электронных блоков. Кроме того, группа Renault решила продать свою долю. Похоже, что Ваз отказывается от выпуска Лада LADA XRay, у которой больше половины импортных комплектующих. 

Итак, для чего нужна была вся эта информация с точки зрения прогноза продаж? 

  1. Мы узнали, какие модели и почему нужно убрать из списка дальнейшего анализа и прогноза. 
  2. Мы поняли, что их место будут активно занимать корейцы и китайцы. Т.е. мы можем долю санкционных авто пропорционально перераспределить между азиатскими производителями. 
  3. Мы можем предположить, что седаны будут постепенно заменяться кроссоверами, а автомобили с ДВС на электромобили.

 Новые авто на российском рынке

Мы узнали, какие позиции нужно убрать из прогноза продаж, теперь нужно понять, какие новые автомобили могут появится (или уже есть) на нашем рынке во второй половине 2022 года и кого они потеснят. 

Так, вновь с конвейера начнет сходить Lada Granta, но уже без подушки безопасности, усилителя руля, АБС, электростеклоподъемников и двигателем с пониженной экологической безопасностью. Зато она станет раза в два дешевле нынешней. Появятся дополнительные китайцы: Dongfeng DF6 (копия Nissan Navara), Dargo от Haval. Вместо Рено на Московском заводе будут выпускать автомобили китайского и иранского происхождения под возрожденным брендом «Москвич». Всего 5 моделей: 4 кроссовера и 1 седан. 

Количественный анализ

В результате предшествующего качественного анализа мы выяснили: какие автомобили уйдут с российского рынка, а какие придут на их место. При этом мы рассмотрели, конечно, не все автомобили и нам не важно, что некоторые модели будут запущены только в 2023 году. Для целей данной статьи –  показать пример анализа данных –  это не нужно. Будем считать, что все они запущены с 1 июля 2022 года.

Итак, в таблице 6 список автомобилей ТОП-25 в прогнозируемом периоде (розовым – выбывшие; зеленым – новые).

Таблица 6. ТОП-25 в прогнозируемом периоде

Модели были Модели будут
Chery Tiggo 7 Chery Tiggo 7
Chevrolet Niva Haval Dargo
Haval Jolion Haval Jolion
Hyundai Creta Hyundai Creta
Hyundai Solaris Hyundai Solaris
Hyundai Tucson Dongfeng DF6
Kia Cerato
Kia K5
Kia Optima
Kia Rio Kia Rio
Kia Seltos Kia Seltos
Kia Sportage Kia Sportage
Mazda CX-5 Mazda CX-5
Mitsubishi Outlander Mitsubishi Outlander
Nissan Qashqai Nissan Qashqai
Nissan X-Trail Nissan X-Trail
Renault Arkana Renault Arkana
Renault Duster Renault Duster
Renault Kaptur Renault Kaptur
Renault Logan Renault Logan
Renault Sandero Renault Sandero
Skoda Karoq
Skoda Kodiaq
Skoda Octavia
Skoda Rapid Skoda Rapid
Toyota Camry Toyota Camry
Toyota RAV4 Toyota RAV4
Volkswagen Polo Volkswagen Polo
Volkswagen Tiguan Volkswagen Tiguan
Лада 4×4
Лада Веста Лада Веста
Лада Гранта Лада Гранта
Лада ИксРэй Москвич
Лада Ларгус Лада Ларгус
Лада Нива Лада Нива

Посмотрим динамику совокупных продаж автомобилей по годам:

Рисунок 4. Динамика продаж топ-25 авто с 2017 по 2021 годы

04.png 

По диаграмме видно, что с 2018 года продажи автомобилей в России неуклонно шли вниз. Если просто прочертить линию тренда (полиномиальная в 3 степени – наиболее точно описывает график), то емкость рынка на 2022 год будет где-то 870 000 шт., а уже в 2023 – 960 000 шт. 

При этом за первую половину 2022 года по факту продано только 209 859 автомобилей, т.е. за год едва будет продано 450 000 шт. 

Иными словами, чтобы правильно спрогнозировать общие продажи, мы должны понять, будут ли факторы спада действовать и дальше. В 2019–2021 годах этот спад был вызван пандемией (многие заводы автозапчастей и электроники простаивали, а у людей снизились доходы), которая постепенно утихает. А спад 2022 года – санкциями, которые также постепенно нивелируются за счет «китайцев» и «корейцев».  

При нормальном развитии (2017-2018 годы) рынка ежегодный рост составлял около 10% в год. Значит, если бы не ковид и санкции, рынок к концу 2023 года мог достигнуть примерно 1000000*1,10^5 = 1 600 000 автомобилей в год. Но поскольку негативные факторы продолжают действовать, но не с такой силой, то тренд (полиномиальный в 4 степени) будет выглядеть следующим образом (рисунок 5). 

Рисунок 5. Линия прогноза на 2022–2023 годы

05.png

К концу 2023 года объем продаж автомобилей должен выйти на 1 150 000 шт. в год.

Таким образом, при сохранении существующих тенденций продажи будут выглядеть следующим образом (рисунок 6). 

Рисунок 6. Прогноз продаж топ-25 по полугодиям до конца 2023 года, тыс. шт.

06.png

Теперь надо распределить общие продажи по оставшимся и новым автомобилям. Здесь, чтобы понять, в какой пропорции какие автомобили будут покупать, нужно опять проводить качественной анализ по потребительским характеристикам. Для этого нужно проводить отдельное исследование потребительских предпочтений, но можно предположить некоторую привязку автовладельцев к любимым брендам и схожим характеристикам. Например, те, кто думал приобрести Skoda Octavia, наверняка, купят вместо нее Skoda Rapid, а те, кто, хотел получить кроссовер Лада ИксРэй, возьмут кроссовер «Москвич»-412 и т.п.

Поэтому поступим так: все легковушки отдадим другим легковушкам своего бренда, оставшиеся легковушки другим брендам производства той же страны и также поступим с кроссоверами. При этом, модели, которые исчезли уже в 2021 году, распределились между теми, что продавались в 2022 году (таблица 7).  

Таблица 7. Перераспределение автомобилей

Модели были

Страна /
бренд

Класс

Ср прод
21-22 гг

Модели вместо

Страна /
бренд

Класс

Ср прод
21-22 гг

Итого
Kia K5 Корея средний 2587 Toyota Camry Япония Бизнес класс 2205 4 791
Skoda Karoq Чехия

Компактный
кроссовер

1689 Volkswagen Tiguan Германия

Компактный
кроссовер

2033 3 721
Лада ИксРэй РФ

Компактный
кроссовер

1535 Москвич РФ

Компактный
кроссовер

1 535
Mitsubishi Outlander Япония

Среднеразмерный
кроссовер

1177 Haval Dargo Китай

Среднеразмерный
кроссовер

392

Теперь необходимо по всем планируемым к продаже моделям (текущим и новым) занести средние продажи за 2021-2022 годы. И определить их долю продаж в общем объеме (таблица 8). 

Таблица 8. Прогнозируемая доля продаж по моделям в общем объеме

Со II пол 2022 Ср. 21-22 %
Chery Tiggo 7 1107 1,5%
Haval Jolion 753 1,0%
Hyundai Creta 4528 6,0%
Hyundai Solaris 4331 5,8%
Kia Rio 5779 7,7%
Kia Seltos 1353 1,8%
Kia Sportage 1668 2,2%
Mazda CX-5 1392 1,9%
Mitsubishi Outlander 1177 1,6%
Nissan Qashqai 1825 2,4%
Nissan X-Trail 1674 2,2%
Renault Arkana 1296 1,7%
Renault Duster 2873 3,8%
Renault Kaptur 1379 1,8%
Renault Logan 2068 2,8%
Renault Sandero 1553 2,1%
Skoda Rapid 2700 3,6%
Toyota Camry 4791 6,4%
Toyota RAV4 2913 3,9%
Volkswagen Polo 3088 4,1%
Volkswagen Tiguan 3721 5,0%
Лада Веста 7515 10,0%
Лада Гранта 7490 10,0%
Лада Ларгус 2681 3,6%
Лада Нива 3582 4,8%
Haval Dargo 392 0,5%
Москвич 1 535 2,0%
Всего 75 162 100,0%

Соответственно, теперь данные проценты необходимо распределить по суммарному объему продаж за каждое полугодие согласно рисунку 4. 

Таблица 9. Прогноз продаж топ-25 по полугодиям во второй половине 2022 года  –  2023 году

Модели

со II пол 2022

Ср. 21-22

II пол
2022

I пол
2023

II пол
2023

Chery Tiggo 7 1,5% 4416 6625 10305
Haval Jolion 1,0% 3006 4509 7014
Hyundai Creta 6,0% 18073 27110 42171
Hyundai Solaris 5,8% 17285 25927 40331
Kia Rio 7,7% 23065 34597 53818
Kia Seltos 1,8% 5398 8098 12596
Kia Sportage 2,2% 6657 9986 15534
Mazda CX-5 1,9% 5556 8334 12964
Mitsubishi Outlander 1,6% 4697 7045 10959
Nissan Qashqai 2,4% 7283 10924 16993
Nissan X-Trail 2,2% 6681 10021 15588
Renault Arkana 1,7% 5175 7762 12074
Renault Duster 3,8% 11468 17203 26760
Renault Kaptur 1,8% 5504 8256 12842
Renault Logan 2,8% 8254 12380 19258
Renault Sandero 2,1% 6197 9295 14459
Skoda Rapid 3,6% 10778 16167 25148
Toyota Camry 6,4% 19123 28684 44620
Toyota RAV4 3,9% 11627 17440 27129
Volkswagen Polo 4,1% 12327 18490 28763
Volkswagen Tiguan 5,0% 14852 22279 34656
Лада Веста 10,0% 29993 44990 69985
Лада Гранта 10,0% 29895 44842 69755
Лада Ларгус 3,6% 10702 16053 24972
Лада Нива 4,8% 14297 21445 33359
Haval Dargo 0,5% 1566 2348 3653
Москвич 2,0% 6126 9189 14294
Всего 100,0% 300 000 450 000 700 000

Осталось только определить сезонные коэффициенты и распределить продажи по месяцам.

Конечно, более правильным было бы определять сезонные коэффициенты для каждой модели отдельно, но для целей данной статьи достаточно определить их для каждой категории: легковые, кроссоверы, внедорожники. Т.е. понятно, что городские легковушки имеют одну сезонность, а джипы, разъезжающие осенью по бездорожью, другую.

Для определения сезонных коэффициентов необходимо суммировать по месяцам все классы автомобилей за несколько лет и посчитать удельный вес каждого месяца в суммарном объеме (таблица 10).  Но было бы неправильным, с точки зрения математики, считать процент каждого месяца за отдельный год, а потом выводить средний процент месяца за несколько лет. 

Таблица 10. Сезонные коэффициенты по классам автомобилей

Класс Ед янв фев мар апр май июн июл авг сен окт ноя дек Всего
Кроссовер шт 62700 75744 97820 57401 59305 73108 79859 79809 80069 80196 90168 94733 930912
Компактный 116531 141776 171968 128418 131756 163351 158740 137610 154058 160778 153503 163005 1781494
Внедорожник 2809 4369 6016 5346 6169 5399 4555 3438 1530 2634 3618 5359 51242
Кроссовер % 6,7% 8,1% 10,5% 6,2% 6,4% 7,9% 8,6% 8,6% 8,6% 8,6% 9,7% 10,2% 100,0%
Компактный 6,5% 8,0% 9,7% 7,2% 7,4% 9,2% 8,9% 7,7% 8,6% 9,0% 8,6% 9,1% 100,0%
Внедорожник 5,5% 8,5% 11,7% 10,4% 12,0% 10,5% 8,9% 6,7% 3,0% 5,1% 7,1% 10,5% 100,0%

Для наглядности нарисуем график. 

Рисунок 7. Сезонные коэффициенты по классам автомобилей

07.png

Видно, что у внедорожников присутствует сильная сезонность и она отличается от остальных машин. 

Распределяем прогнозные значения продаж по месяцам (таблица 11).

Таблица 11. Прогноз продаж моделей Топ-25 по месяцам до конца 2023 года

II пол
2022

Группа янв фев мар апр май июн июл авг сен окт ноя дек

II пол
2022

Chery Tiggo 7 Кроссовер 297 359 464 272 281 347 379 379 380 380 428 449 4416
Haval Jolion Кроссовер 202 245 316 185 192 236 258 258 259 259 291 306 3006
Hyundai Creta Кроссовер 1217 1471 1899 1114 1151 1419 1550 1549 1555 1557 1751 1839 18073
Hyundai Solaris Компактный 1131 1376 1669 1246 1278 1585 1540 1335 1495 1560 1489 1582 17285
Kia Rio Компактный 1509 1836 2226 1663 1706 2115 2055 1782 1995 2082 1987 2110 23065
Kia Seltos Кроссовер 364 439 567 333 344 424 463 463 464 465 523 549 5398
Kia Sportage Кроссовер 448 542 700 411 424 523 571 571 573 574 645 677 6657
Mazda CX-5 Кроссовер 374 452 584 343 354 436 477 476 478 479 538 565 5556
Mitsubishi Outlander Кроссовер 316 382 494 290 299 369 403 403 404 405 455 478 4697
Nissan Qashqai Кроссовер 491 593 765 449 464 572 625 624 626 627 705 741 7283
Nissan X-Trail Кроссовер 450 544 702 412 426 525 573 573 575 576 647 680 6681
Renault Arkana Кроссовер 349 421 544 319 330 406 444 444 445 446 501 527 5175
Renault Duster Кроссовер 772 933 1205 707 731 901 984 983 986 988 1111 1167 11468
Renault Kaptur Кроссовер 371 448 578 339 351 432 472 472 473 474 533 560 5504
Renault Logan Компактный 540 657 797 595 610 757 735 638 714 745 711 755 8254
Renault Sandero Компактный 405 493 598 447 458 568 552 479 536 559 534 567 6197
Skoda Rapid Компактный 705 858 1040 777 797 988 960 833 932 973 929 986 10778
Toyota Camry Компактный 1251 1522 1846 1378 1414 1753 1704 1477 1654 1726 1648 1750 19123
Toyota RAV4 Кроссовер 783 946 1222 717 741 913 997 997 1000 1002 1126 1183 11627
Volkswagen Polo Компактный 806 981 1190 889 912 1130 1098 952 1066 1112 1062 1128 12327
Volkswagen Tiguan Кроссовер 1000 1208 1561 916 946 1166 1274 1273 1277 1280 1439 1511 14852
Лада Веста Компактный 1962 2387 2895 2162 2218 2750 2673 2317 2594 2707 2584 2744 29993
Лада Гранта Компактный 1955 2379 2886 2155 2211 2741 2664 2309 2585 2698 2576 2735 29895
Лада Ларгус Компактный 700 852 1033 771 792 981 954 827 925 966 922 979 10702
Лада Нива Внедорожник 784 1219 1678 1492 1721 1506 1271 959 427 735 1009 1495 14297
Haval Dargo Кроссовер 105 127 165 97 100 123 134 134 135 135 152 159 1566
Москвич Кроссовер 413 498 644 378 390 481 526 525 527 528 593 623 6126
Всего 19701 24167 30267 20855 21641 26149 26336 24030 25079 26035 26890 28849 300000

I пол
2023

Класс янв фев мар апр май июн июл авг сен окт ноя дек

I пол
2023

Chery Tiggo 7 Кроссовер 446 539 696 408 422 520 568 568 570 571 642 674 6625
Haval Jolion Кроссовер 304 367 474 278 287 354 387 387 388 388 437 459 4509
Hyundai Creta Кроссовер 1826 2206 2849 1672 1727 2129 2326 2324 2332 2335 2626 2759 27110
Hyundai Solaris Компактный 1696 2063 2503 1869 1918 2377 2310 2003 2242 2340 2234 2372 25927
Kia Rio Компактный 2263 2753 3340 2494 2559 3172 3083 2672 2992 3122 2981 3166 34597
Kia Seltos Кроссовер 545 659 851 499 516 636 695 694 696 698 784 824 8098
Kia Sportage Кроссовер 673 813 1049 616 636 784 857 856 859 860 967 1016 9986
Mazda CX-5 Кроссовер 561 678 876 514 531 654 715 714 717 718 807 848 8334
Mitsubishi Outlander Кроссовер 474 573 740 434 449 553 604 604 606 607 682 717 7045
Nissan Qashqai Кроссовер 736 889 1148 674 696 858 937 937 940 941 1058 1112 10924
Nissan X-Trail Кроссовер 675 815 1053 618 638 787 860 859 862 863 971 1020 10021
Renault Arkana Кроссовер 523 632 816 479 494 610 666 665 668 669 752 790 7762
Renault Duster Кроссовер 1159 1400 1808 1061 1096 1351 1476 1475 1480 1482 1666 1751 17203
Renault Kaptur Кроссовер 556 672 868 509 526 648 708 708 710 711 800 840 8256
Renault Logan Компактный 810 985 1195 892 916 1135 1103 956 1071 1117 1067 1133 12380
Renault Sandero Компактный 608 740 897 670 687 852 828 718 804 839 801 851 9295
Skoda Rapid Компактный 1058 1287 1561 1165 1196 1482 1441 1249 1398 1459 1393 1479 16167
Toyota Camry Компактный 1876 2283 2769 2068 2121 2630 2556 2216 2481 2589 2472 2625 28684
Toyota RAV4 Кроссовер 1175 1419 1833 1075 1111 1370 1496 1495 1500 1502 1689 1775 17440
Volkswagen Polo Компактный 1209 1472 1785 1333 1368 1695 1648 1428 1599 1669 1593 1692 18490
Volkswagen Tiguan Кроссовер 1501 1813 2341 1374 1419 1750 1911 1910 1916 1919 2158 2267 22279
Лада Веста Компактный 2943 3580 4343 3243 3327 4125 4009 3475 3891 4060 3877 4117 44990
Лада Гранта Компактный 2933 3569 4329 3232 3316 4112 3996 3464 3878 4047 3864 4103 44842
Лада Ларгус Компактный 1050 1278 1550 1157 1187 1472 1430 1240 1388 1449 1383 1469 16053
Лада Нива Внедорожник 1176 1828 2518 2237 2582 2259 1906 1439 640 1102 1514 2243 21445
Haval Dargo Кроссовер 158 191 247 145 150 184 201 201 202 202 227 239 2348
Москвич Кроссовер 619 748 966 567 585 722 788 788 790 792 890 935 9189
Всего 29552 36250 45401 31283 32461 39224 39505 36046 37618 39053 40335 43273 450000

II пол
2023

Класс янв фев мар апр май июн июл авг сен окт ноя дек

II пол
2023

Chery Tiggo 7 Кроссовер 694 838 1083 635 657 809 884 883 886 888 998 1049 10305
Haval Jolion Кроссовер 472 571 737 433 447 551 602 601 603 604 679 714 7014
Hyundai Creta Кроссовер 2840 3431 4431 2600 2687 3312 3618 3615 3627 3633 4085 4292 42171
Hyundai Solaris Компактный 2638 3210 3893 2907 2983 3698 3594 3115 3488 3640 3475 3690 40331
Kia Rio Компактный 3520 4283 5195 3879 3980 4935 4795 4157 4654 4857 4637 4924 53818
Kia Seltos Кроссовер 848 1025 1324 777 802 989 1081 1080 1083 1085 1220 1282 12596
Kia Sportage Кроссовер 1046 1264 1632 958 990 1220 1333 1332 1336 1338 1505 1581 15534
Mazda CX-5 Кроссовер 873 1055 1362 799 826 1018 1112 1111 1115 1117 1256 1319 12964
Mitsubishi Outlander Кроссовер 738 892 1152 676 698 861 940 940 943 944 1061 1115 10959
Nissan Qashqai Кроссовер 1145 1383 1786 1048 1083 1335 1458 1457 1462 1464 1646 1729 16993
Nissan X-Trail Кроссовер 1050 1268 1638 961 993 1224 1337 1336 1341 1343 1510 1586 15588
Renault Arkana Кроссовер 813 982 1269 745 769 948 1036 1035 1039 1040 1169 1229 12074
Renault Duster Кроссовер 1802 2177 2812 1650 1705 2102 2296 2294 2302 2305 2592 2723 26760
Renault Kaptur Кроссовер 865 1045 1349 792 818 1009 1102 1101 1105 1106 1244 1307 12842
Renault Logan Компактный 1260 1533 1859 1388 1424 1766 1716 1488 1665 1738 1659 1762 19258
Renault Sandero Компактный 946 1151 1396 1042 1069 1326 1288 1117 1250 1305 1246 1323 14459
Skoda Rapid Компактный 1645 2001 2428 1813 1860 2306 2241 1943 2175 2270 2167 2301 25148
Toyota Camry Компактный 2919 3551 4307 3216 3300 4091 3976 3447 3859 4027 3845 4083 44620
Toyota RAV4 Кроссовер 1827 2207 2851 1673 1728 2131 2327 2326 2333 2337 2628 2761 27129
Volkswagen Polo Компактный 1881 2289 2776 2073 2127 2637 2563 2222 2487 2596 2478 2632 28763
Volkswagen Tiguan Кроссовер 2334 2820 3642 2137 2208 2722 2973 2971 2981 2986 3357 3527 34656
Лада Веста Компактный 4578 5570 6756 5045 5176 6417 6236 5406 6052 6316 6030 6404 69985
Лада Гранта Компактный 4563 5551 6733 5028 5159 6396 6215 5388 6032 6295 6010 6382 69755
Лада Ларгус Компактный 1633 1987 2411 1800 1847 2290 2225 1929 2159 2254 2152 2285 24972
Лада Нива Внедорожник 1829 2844 3916 3480 4016 3515 2965 2238 996 1715 2355 3489 33359
Haval Dargo Кроссовер 246 297 384 225 233 287 313 313 314 315 354 372 3653
Москвич Кроссовер 963 1163 1502 881 911 1123 1226 1225 1229 1231 1384 1455 14294
Всего 45970 56389 70623 48663 50495 61015 61452 56071 58517 60748 62743 67314 700000

Заключение

Разумеется, данный анализ – это лишь упрощенная схема для понимания общего алгоритма действий. В нем, например, совсем не учитываются цены. Общий смысл данного анализа, следующий: сначала, мы с помощью эксперта определяем основные факторы, которые влияют на наши продажи (качественный анализ). Затем определяем их вес, убираем их из прогноза и добавляем туда новые факторы (количественный анализ).  

Примечание: полиномиальные линии тренда в Excel довольно точно строят прогнозы по статистическим рядам, их вполне можно использовать для первичного прогнозирования.  

Добавить комментарий