Как составить прогноз объемов реализации

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.

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).

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).

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

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

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

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

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).

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

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

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

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

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.

Цель данной статьи — изложить в систематизированном виде методы прогнозирования
объема продаж, наиболее часто применяемые в экономической практике. Главное
внимание в работе обращено на прикладное значение рассматриваемых методов,
на экономическое истолкование и интерпретацию получаемых результатов, а
не на объяснение математико-статистического аппарата, который подробно освещается
в специальной литературе.

Самым простым способом прогнозирования рыночной ситуации является экстраполяция,
т.е. распространение тенденций, сложившихся в прошлом, на будущее. Сложившиеся
объективные тенденции изменения экономических показателей в известной степени
предопределяют их величину в будущем. К тому же многие рыночные процессы
обладают некоторой инерционностью. Особенно это проявляется в краткосрочном
прогнозировании. В то же время прогноз на отдаленный период должен максимально
принимать во внимание вероятность изменения условий, в которых будет функционировать
рынок.

Методы прогнозирования объема продаж можно разделить на три основные группы:

• методы экспертных оценок;

• методы анализа и прогнозирования временных рядов;

• казуальные (причинно-следственные) методы.

Методы экспертных оценок основываются на субъективной оценке текущего момента
и перспектив развития. Эти методы целесообразно использовать для конъюнктурных
оценок, особенно в случаях, когда невозможно получить непосредственную информацию
о каком-либо явлении или процессе.

Вторая и третья группы методов основаны на анализе количественных показателей,
но они существенно отличаются друг от друга.

Методы анализа и прогнозирования динамических рядов связаны с исследованием
изолированных друг от друга показателей, каждый из которых состоит из двух
элементов: из прогноза детерминированной компоненты и прогноза случайной
компоненты. Разработка первого прогноза не представляет больших трудностей,
если определена основная тенденция развития и возможна ее дальнейшая экстраполяция.
Прогноз случайной компоненты сложнее, так как ее появление можно оценить
лишь с некоторой вероятностью.

В основе казуальных методов лежит попытка найти факторы, определяющие поведение
прогнозируемого показателя. Поиск этих факторов приводит собственно к экономико-математическому
моделированию — построению модели поведения экономического объекта, учитывающей
развитие взаимосвязанных явлений и процессов. Следует отметить, что применение
многофакторного прогнозирования требует решения сложной проблемы выбора
факторов, которая не может быть решена чисто статистическим путем, а связана
с необходимостью глубокого изучения экономического содержания рассматриваемого
явления или процесса. И здесь важно подчеркнуть примат экономического анализа
перед чисто статистическими методами изучения процесса.

Каждая из рассмотренных групп методов обладает определенными достоинствами
и недостатками. Их применение более эффективно в краткосрочном прогнозировании,
так как они в определенной мере упрощают реальные процессы и не выходят
за рамки представлений сегодняшнего дня. Следует обеспечивать одновременное
использование количественных и качественных методов прогнозирования.

Рассмотрим подробнее сущность некоторых методов прогнозирования объема
продаж, возможности их использования в маркетинговом анализе, а также необходимые
исходные данные и временные ограничения.

Прогнозы объема продаж с помощью экспертов могут быть получены в одной
из трех форм:

1) точечного прогноза;

2) интервального прогноза;

3) прогноза распределения вероятностей.

Точечный прогноз объема продаж — это прогноз конкретной цифры.
Он является наиболее простым из всех прогнозов, поскольку содержит наименьший
объем информации. Как правило, заранее предполагается, что точечный прогноз
может быть ошибочным, но методикой не предусмотрен расчет ошибки прогноза
или вероятности точного прогноза. Поэтому на практике чаще применяются два
других метода прогнозирования: интервальный и вероятностный.

Интервальный прогноз объема продаж предусматривает установление
границ, внутри которых будет находиться прогнозируемое значение показателя
с заданным уровнем значимости. Примером является утверждение типа: «В предстоящем
году объем продаж составит от 11 до 12,4 млн. руб.».

Прогноз распределения вероятностей связан с определением вероятности
попадания фактического значения показателя в одну из нескольких групп с
установленными интервалами. Примером может служить прогноз типа:

Хотя при составлении прогноза существует определенная вероятность, что
фактический объем продаж не попадет в указанный интервал, но прогнозисты
верят, что она настолько мала, что может игнорироваться при планировании.

Интервалы, учитывающие низкий, средний и высокий уровень продаж, иногда
называют пессимистичными, наиболее вероятными и оптимистическими. Конечно,
распределение вероятностей может быть представлено большим количеством групп,
но наиболее часто используются три указанных группы интервалов.

Для выявления общего мнения экспертов необходимо получить данные о прогнозных
значениях от каждого эксперта, а затем произвести расчеты, используя систему
взвешивания индивидуальных значений по какому-либо критерию. Известны четыре
метода взвешивания различных мнений:

1) использование равных весов, если эксперты, как полагают исследователи,
имеют одинаковые компетентности;

2) использование весов, пропорциональных степени «важности» экспертов,
соответствующей их компетентности, известности в ученом мире, опыту в
конкретной области деятельности и т.п.;

3) использование весов, пропорциональных самооценкам экспертов. Имеются
свидетельства наличия прямой связи между уровнем самооценки компетентности
экспертов и точностью экспертных оценок [2, с. 85];

4) использование весов, пропорциональных относительной точности последних
прогнозов конкретного эксперта.

Выбор метода остается за исследователем и зависит от конкретной ситуации.
Ни один из них не может быть рекомендован для использования в любой ситуации.

Избежать проблемы взвешивания индивидуальных прогнозов экспертов и искажающего
влияния отмеченных нежелательных факторов позволяет Дельфи-метод (см.,
например, [4]). Его основу составляет работа по сближению точек зрения экспертов.
Всех экспертов знакомят с оценками и обоснованиями других экспертов и предоставляют
возможность изменить свою оценку.

Вторая группа методов прогнозирования основана на анализе временных рядов.

Таблица 1 представляет временной ряд по показателю потребления безалкогольного
напитка «Тархун» в декалитрах (дал) в одном из регионов начиная с 1993 г.
Анализ временных рядов может проводиться не только по годовым или месячным
данным, но также могут использоваться ежеквартальные, недельные или ежедневные
данные об объемах продаж. Для расчетов был использован программный продукт
Statistica 5.0 for Windows.

Таблица 1

Ежемесячное потребление безалкогольного напитка «Тархун»

в 1993—1999 гг. (тыс. дал)

По данным таблицы 1 построим график потребления напитка «Тархун» в 1993—1999
гг. (рис. 1), где на оси абсцисс представлены даты наблюдения, на оси ординат
— объемы потребления напитка.

1990 г.      1991
г.        1992 г.        
1993 г.      1994 г.     1995 г.     
1996 г.

Рис. 1. Ежемесячное потребление напитка
«Тархун» в 1993—1999 гг. (тыс. дал)

Прогнозирование на основе анализа временных рядов предполагает, что происходившие
изменения в объемах продаж могут быть использованы для определения этого
показателя в последующие периоды времени. Временные ряды, подобные тем,
что приведены в таблице 1, обычно служат для расчета четырех различных типов
изменений в показателях: трендовых, сезонных, циклических и случайных.

Тренд — это изменение, определяющее общее направление развития,
основную тенденцию временных рядов [11, с. 539]. Выявление основной тенденции
развития (тренда) называется выравниванием временного ряда, а методы выявления
основной тенденции — методами выравнивания.

Один из наиболее простых приемов обнаружения общей тенденции развития явления
— укрупнение интервала динамического ряда. Смысл этого приема заключается
в том, что первоначальный ряд динамики преобразуется и заменяется другим,
уровни которого относятся к большим по продолжительности периодам времени.
Так, например, месячные данные таблицы 1 могут быть преобразованы в ряд
годовых данных. График ежегодного потребления напитка «Тархун», приведенный
на рисунке 2, показывает, что потребление возрастает из года в год в течение
исследуемого периода. Тренд в потреблении является характеристикой относительно
стабильного темпа роста показателя за период.

Выявление основной тенденции может быть осуществлено также методом скользящей
средней. Для определения скользящей средней формируются укрупненные
интервалы, состоящие из одинакового числа уровней. Каждый последующий интервал
получаем, постепенно передвигаясь от начального уровня динамического ряда
на одно значение. По сформированным укрупненным данным рассчитываем скользящие
средние, которые относятся к середине укрупненного интервала.

Рис. 2. Ежегодное потребление напитка
«Тархун» в 1993—1999 гг. (тыс. дал)

Порядок расчета скользящих средних по потреблению напитка «Тархун» в 1993
г. приведен в таблице 2. Аналогичный расчет может быть проведен на основе
всех данных за 1993—1999 гг.

Таблица 2

Расчет скользящих средних по данным за 1993 г.

В данном случае расчет скользящей средней не позволяет сделать вывод об
устойчивой тенденции в потреблении напитка «Тархун», поскольку на нее влияет
внутригодовое сезонное колебание, которое может быть устранено лишь при
расчете скользящих средних за год.

Изучение основной тенденции развития методом скользящей средней является
эмпирическим приемом предварительного анализа. Для того чтобы дать количественную
модель изменений динамического ряда, используется метод аналитического
выравнивания. В этом случае фактические уровни ряда заменяются теоретическими,
рассчитанными по определенной кривой, отражающей общую тенденцию изменения
показателей во времени. Таким образом, уровни динамического ряда рассматриваются
как функция времени:

Yt = f(t).

Наиболее часто могут использоваться следующие функции:

1) при равномерном развитии — линейная функция: Yt = b₀
+ b₁t;

2) при росте с ускорением:

а) парабола второго порядка: Yt = b₀ + b₁t
+ b₂t₂;

б) кубическая парабола: Yt = b₀ + b₁t
+ b₂t₂ + b₃t₃;

3) при постоянных темпах роста — показательная функция: Yt = b₀b₁t;

4) при снижении с замедлением — гиперболическая функция: Yt =
b₀ + b₁ х 1/t.

Однако аналитическое выравнивание содержит в себе ряд условностей: развитие
явлений обусловлено не только тем, сколько времени прошло с отправного момента,
а и тем, какие силы влияли на развитие, в каком направлении и с какой интенсивностью.
Развитие явлений во времени выступает как внешнее выражение этих сил.

Оценки параметров b₀, b₁, … bn
находятся методом наименьших квадратов, сущность которого состоит
в отыскании таких параметров, при которых сумма квадратов отклонений расчетных
значений уровней, вычисленных по искомой формуле, от их фактических значений
была бы минимальной.

Для сглаживания экономических временных рядов нецелесообразно использовать
функции, содержащие большое количество параметров, так как полученные таким
образом уравнения тренда (особенно при малом числе наблюдений) будут отражать
случайные колебания, а не основную тенденцию развития явления.

Расчетные значения параметров уравнения регрессии и графики теоретических
и фактических годовых объемов потребления напитка «Тархун» представлены
на рисунке 3.

Рис. 3. Теоретические и фактические
значения объемов потребления напитка «Тархун» в 1993—1999 гг. (тыс. дал)

Подбор вида функции, описывающей тренд, параметры которой определяются
методом наименьших квадратов, производится в большинстве случаев эмпирически,
путем построения ряда функций и сравнения их между собой по величине среднеквадратической
ошибки.

Разность между фактическими значениями ряда динамики и его выравненными
значениями (S(yi – yi)2) характеризует случайные колебания (иногда их называют
остаточные колебания или статистические помехи). В некоторых случаях последние
сочетают тренд, циклические колебания и сезонные колебания.

Среднеквадратическая ошибка, рассчитанная по годовым данным потребления
напитка «Тархун» для уравнения прямой (рис. 1), составила 1,028 тыс. дал.
На основании среднеквадратической ошибки можно рассчитать предельную ошибку
прогноза. Для того чтобы гарантировать результат с вероятностью 95%, используется
коэффициент, равный 2; а для вероятности 99% этот коэффициент увеличится
до 3. Итак, мы можем гарантировать с вероятностью 95%, что объем потребления
в 2000 г. составит 134,882 тыс. дал. плюс (минус) 2,056 тыс. дал.

Расчеты по подбору функций, описывающих объем потребления напитка «Тархун»
в отдельные месяцы с 1993 г. по 1999 г., показали, что ни одно из перечисленных
уравнений не подходит для прогнозирования этого показателя. Во всех случаях
объясненная вариация не превысила 28,8%.

Сезонные колебания — повторяющиеся из года в год изменения показателя
в определенные промежутки времени. Наблюдая их в течение нескольких лет
для каждого месяца (или квартала), можно вычислить соответствующие средние,
или медианы, которые принимаются за характеристики сезонных колебаний.

При проверке ежемесячных данных из таблицы 1 можно обнаружить, что пик
потребления напитка приходится на летние месяцы. Объем продаж детской обуви
приходится на период перед началом учебного года, увеличение потребления
свежих овощей и фруктов происходит осенью, повышение объемов строительных
работ — летом, увеличение закупочных и розничных цен на сельхозпродукты
— в зимний период и т.п. Периодические колебания в розничной торговле можно
обнаружить и в течение недели (например, перед выходными днями увеличивается
продажа отдельных продуктов питания), и в течение какой-либо недели месяца.
Однако самые значительные сезонные колебания наблюдаются в определенные
месяцы года. При анализе сезонных колебаний обычно рассчитывается индекс
сезонности, который используется для прогнозирования исследуемого показателя.

В самой простой форме индекс сезонности рассчитывается как отношение среднего
уровня за соответствующий месяц к общему среднему значению показателя за
год (в процентах). Все другие известные методы расчета сезонности различаются
по способу расчета выравненной средней. Чаще всего используются либо скользящая
средняя, либо аналитическая модель проявления сезонных колебаний.

Большинство методов предполагает использование компьютера. Относительно
простым методом расчета индекса сезонности является метод центрированной
скользящей средней. Для того чтобы его проиллюстрировать, предположим,
что в начале 1999 г. мы хотели рассчитать индекс сезонности для потребления
напитка «Тархун» в июне 1999 г. Используя метод скользящей средней, мы должны
были бы последовательно осуществить следующие этапы:

1) решить, данные за сколько лет должны быть включены в расчет. Можно использовать
данные за один год, но для большей достоверности расчетов лучше использовать
данные по крайней мере за два года, а если сезонные колебания значительны,
— то и более. Используем в примере данные двух лет;

2) рассчитать средний объем продаж за месяц по данным 13 месяцев, для которых
июнь 1998 г. лежит в середине ряда. Использование 13 месяцев позволяет центрировать
месяц, для которого производятся расчеты. В нашем примере средняя будет
рассчитываться по формуле средней хронологической по следующим данным (с
декабря 1996 г. по декабрь 1997 г.):

3) рассчитать индекс сезонности для июня 1997 г. как отношение объема продаж
в июне 1997 г. к среднему объему за месяц в течение исследуемого периода:

4) повторить этапы 2 и 3 для июня 1998 г. Расчетный индекс для этого месяца
будет равен 119,5;

5) определить средний индекс в июне по данным за 1997 г. и 1998 г. по формуле
простой арифметической:

6) рассчитать соответствующие индексы для всех месяцев;

7) обобщить данные о силе колеблемости показателей динамического ряда из-за
их сезонного характера. При этом используется среднее квадратическое отклонение
индексов сезонности (в процентах) от 100%:

Сравнение средних квадратических отклонений, вычисленных за разные периоды
времени, показывает сдвиги в сезонности (рост свидетельствует об увеличении
сезонности потребления напитка «Тархун»).

Другим методом расчета индексов сезонности, часто используемым в различного
рода экономических исследованиях, является метод сезонной корректировки,
известный в компьютерных программах как метод переписи (Census Method II).
Он является своего рода модификацией метода скользящих средних. Специальная
компьютерная программа элиминирует трендовую и циклическую компоненты, используя
целый комплекс скользящих средних. Кроме того, из средних сезонных индексов
удалены и случайные колебания, поскольку под контролем находятся крайние
значения признаков.

Расчет индексов сезонности является первым этапом в составлении прогноза.
Обычно этот расчет проводится вместе с оценкой тренда и случайных колебаний
и позволяет корректировать прогнозные значения показателей, полученных по
тренду. При этом необходимо учитывать, что сезонные компоненты могут быть
аддитивными и мультипликативными. Например, каждый год в летние месяцы продажа
безалкогольных напитков увеличивается на 2000 дал, таким образом, в эти
месяцы к существующим прогнозам необходимо добавлять 2000 дал, чтобы учесть
сезонные колебания. В этом случае сезонность аддитивна. Однако в течение
летних месяцев продажа безалкогольных напитков может увеличиваться на 30%,
то есть коэффициент равен 1,3. В этом случае сезонность носит мультипликативный
характер, или другими словами, мультипликативный сезонный компонент равен
1,3.

В таблице 3 приведены расчеты индексов и факторов сезонности методами переписи
и центрированной скользящей средней.

Таблица 3

Индексы сезонности объема продаж напитка «Тархун», рассчитанные

по данным за 1993—1999 гг.

Данные таблицы 3 характеризуют природу сезонности потребления напитка «Тархун»:
в летние месяцы объем потребления возрастает, а в зимние — падает. Причем
данные обоих методов — переписи и центрированной скользящей средней — дают
практически одинаковые результаты. Выбор метода определяется в зависимости
от ошибки прогноза, о которой упоминалось выше.

Итак, индексы, или факторы, сезонности могут быть учтены при прогнозировании
объемов продаж через корректировку трендового значения прогнозируемого показателя.
Например, предположим, что был сделан прогноз на июнь 1999 г. методом скользящей
средней и он составил 10,480 тыс дал. Индекс сезонности в июне (по методу
переписи) равен 115,1. Таким образом, окончательный прогноз для июня 1999
г. составит: (10,480 х 115,1)/100 = 12,062 тыс. дал.

Если бы на изучаемом интервале времени коэффициенты уравнения регрессии,
которое описывает тренд, оставались бы неизменными, то для построения прогноза
достаточно было бы использовать метод наименьших квадратов. Однако в течение
исследуемого периода коэффициенты могут меняться. Естественно, что в таких
случаях более поздние наблюдения несут большую информационную ценность по
сравнению с более ранними наблюдениями, а следовательно, им нужно присвоить
наибольший вес. Именно таким принципам и отвечает метод экспоненциального
сглаживания, который может быть использован для краткосрочного прогнозирования
объема продаж. Расчет осуществляется с помощью экспоненциально-взвешенных
скользящих средних:

Zt = a х Yt + (1 – a) х Zt – 1,

где Z — сглаженный (экспоненциальный) объем продаж;

t — период времени;

a — константа сглаживания;

Y — фактический объем продаж.

Последовательно используя эту формулу, экспоненциальный объем продаж Zt
можно выразить через фактические значения объема продаж Y:

где SO — начальное значение экспоненциальной средней.

При построении прогнозов с помощью метода экспоненциального сглаживания
одной из основных проблем является выбор оптимального значения параметра
сглаживания a. Ясно, что при разных значениях a результаты прогноза будут
различными. Если a близка к единице, то это приводит к учету в прогнозе
в основном влияния лишь последних наблюдений; если a близка к нулю, то веса,
по которым взвешиваются объемы продаж во временном ряду, убывают медленно,
т.е. при прогнозе учитываются все (или почти все) наблюдения. Если нет достаточной
уверенности в выборе начальных условий прогнозирования, то можно использовать
итеративный способ вычисления a в интервале от 0 до 1. Существуют специальные
компьютерные программы для определения этой константы. Результаты расчетов
объема продаж напитка «Тархун» методом экспоненциального сглаживания приведены
на рисунке 4.

На графике видно, что выравненный ряд достаточно точно воспроизводит фактические
данные объема продаж. При этом при прогнозе учитываются данные всех прошлых
наблюдений, веса, по которым взвешиваются уровни временного ряда, убывают
медленно, a = 0,032.

Количественные значения прогнозных показателей объема продаж напитка «Тархун»
в 2000 г., полученные с помощью метода экспоненциального сглаживания, приведены
в таблице 4.

(фактический ряд)   (выравненный ряд)   
(остаточный ряд)

Рис. 4. График результатов экспоненциального
сглаживания

Таблица 4

Прогнозируемый объем продаж напитка «Тархун» в 2000 г.

В таблице 4 приведены не все прогнозные данные за 2000 г., что обусловлено
зависимостью между количеством исходных данных и возможным количеством прогнозируемых
данных.

Обобщая результаты прогнозирования с помощью методов временных рядов, необходимо
оценить точность расчетов, на основании которой можно сделать вывод об аппроксимирующей
способности моделей. Для того чтобы продемонстрировать возможности всех
методов прогнозирования временных рядов рассмотрим, насколько точно были
предсказаны объемы продаж в 1999 г., и сравним расчетные данные с фактически
полученными. Соответствующие расчеты приведены в таблице 5.

Данные таблицы 5 показывают, что все методы прогнозирования дают примерно
одинаковые результаты с ошибкой, не превышающей 5%. Следовательно, любой
из этих методов может быть использован для прогнозирования объема продаж
фирмы в будущем.

Таблица 5

Результаты прогнозирования объема продаж напитка «Тархун»
в 2000 г.

Статистические таблицы, характеризующие сезонность потребления напитка
«Тархун», могут дополниться графиками, позволяющими подчеркнуть сезонный
характер исходных данных и провести сравнение.

Объемы продаж большинства компаний показывают более значительные колебания,
чем те, что представлены в таблице 1. Они растут и падают в зависимости
от общей ситуации в бизнесе, уровня спроса на продукты, производимые компаниями,
деятельности конкурентов и других факторов. Колебания, отражающие конъюнктурные
циклы перехода от более или менее благоприятной рыночной ситуации к кризису,
депрессии, оживлению и снова к благоприятной ситуации, называются циклическими
колебаниями. Существуют различные классификации циклов, их последовательности
и продолжительности. Например, выделяются двадцатилетние циклы, обусловленные
сдвигами в воспроизводственной структуре сферы производства; циклы Джанглера
(7—10 лет), проявляющиеся как итог взаимодействия денежно-кредитных
факторов; циклы Катчина (3—5 лет), обусловленные динамикой оборачиваемости
запасов; частные хозяйственные циклы (от 1 до 12 лет), обусловленные
колебаниями инвестиционной активности [8, с. 92].

Методика выявления цикличности заключается в следующем. Отбираются рыночные
показатели, проявляющие наибольшие колебания, и строятся их динамические
ряды за возможно более продолжительный срок. В каждом из них исключается
тренд, а также сезонные колебания. Остаточные ряды, отражающие только конъюнктурные
или чисто случайные колебания, стандартизируются, т.е. приводятся к одному
знаменателю. Затем рассчитываются коэффициенты корреляции, характеризующие
взхаимосвязь показателей. Многомерные связи разбиваются на однородные кластерные
группы. Нанесенные на график кластерные оценки должны показать последовательность
изменения основных рыночных процессов и их движение по фазам конъюнктурных
циклов.

Казуальные методы прогнозирования объема продаж включают разработку и использование
прогнозных моделей, в которых изменения в уровне продаж являются результатом
изменения одной и более переменных.

Казуальные методы прогнозирования требуют определения факторных признаков,
оценки их изменений и установления зависимости между ними и объемом продаж.
Из всех казуальных методов прогнозирования рассмотрим только те, которые
с наибольшим эффектом могут быть использованы для прогнозирования объема
продаж. К таким методам относятся:

• корреляционно-регрессионный анализ;

• метод ведущих индикаторов;

• метод обследования намерений потребителей и др.

К числу наиболее широко используемых казуальных методов относится корреляционно-регрессионный
анализ. Техника этого анализа достаточно подробно рассмотрена во всех
статистических справочниках и учебниках. Рассмотрим лишь возможности этого
метода применительно к прогнозированию объема продаж.

Может быть построена регрессионная модель, в которой в качестве факторных
признаков могут быть выбраны такие переменные, как уровень доходов потребителей,
цены на продукты конкурентов, расходы на рекламу и др. Уравнение множественной
регрессии имеет вид

Y (X₁; X₂; …;
Xn) = b₀ + b₁ х X₁
+ b₂ х X₂ + … + bn х Xn,

где Y — прогнозируемый (результативный) показатель; в данном случае
— объем продаж;

X₁; X₂; …; Xn — факторы
(независимые переменные); в данном случае — уровень доходов потребителей,
цены на продукты конкурентов и т.д.;

n — количество независимых переменных;

b₀ — свободный член уравнения регрессии;

b₁; b₂; …; bn — коэффициенты
регрессии, измеряющие отклонение результативного признака от его средней
величины при отклонении факторного признака на единицу его измерения.

Последовательность разработки регрессионной модели для прогнозирования
объема продаж включает следующие этапы:

1) предварительный отбор независимых факторов, которые по убеждению исследователя
определяют объем продаж. Эти факторы должны быть либо известны (например,
при прогнозировании объема продаж цветных телевизоров (результативный показатель)
в качестве факторного признака может выступать число цветных телевизоров,
находящихся в эксплуатации в настоящее время); либо легко определяемы (например,
соотношение цены на исследуемый продукт фирмы с ценами конкурентов);

2) сбор данных по независимым переменным. При этом строится временной ряд
по каждому фактору либо собираются данные по некоторой совокупности (например,
совокупности предприятий). Другими словами, необходимо, чтобы каждая независимая
переменная была представлена 20 и более наблюдениями;

3) определение связи между каждой независимой переменной и результативным
признаком. В принципе, связь между признаками должна быть линейной, в противном
случае производят линеаризацию уравнения путем замены или преобразования
величины факторного признака;

4) проведение регрессионного анализа, т.е. расчет уравнения и коэффициентов
регрессии, и проверка их значимости;

5) повтор этапов 1—4 до тех пор, пока не будет получена удовлетворительная
модель. В качестве критерия удовлетворительности модели может служить ее
способность воспроизводить фактические данные с заданной степенью точности;

6) сравнение роли различных факторов в формировании моделируемого показателя.
Для сравнения можно рассчитать частные коэффициенты эластичности, которые
показывают, на сколько процентов в среднем изменится объем продаж при изменении
фактора Xj на один процент при фиксированном положении других факторов.
Коэффициент эластичности определяется по формуле

где bj — коэффициент регрессии при j-м факторе.

Регрессионные модели могут использоваться при прогнозировании спроса на
потребительские товары и средства производства. В результате проведения
корреляционно-регрессионного анализа объема продаж напитка «Тархун» была
получена модель

Yt+1 = 2,021 + 0,743At + 0,856Yt,

где Yt+1 — прогнозируемый объем продаж в месяце t + 1;

At — затраты на рекламу в текущем месяце t;

Yt — объем продаж в текущем месяце t.

Возможна следующая интерпретация уравнения многофакторной регрессии: величина
объема продаж напитка в среднем увеличивалась на 2,021 тыс. дал, при увеличении
затрат на рекламу на 1 руб. объем продаж в среднем увеличивался на 0,743
тыс. дал., при увеличении объема продаж предыдущего месяца на 1 тыс. дал
объем продаж в последующем месяце увеличивался на 0,856 тыс. дал.

Ведущие индикаторы — это показатели, изменяющиеся в том же направлении,
что и исследуемый показатель, но опережающие его во времени. Например, изменение
уровня жизни населения влечет за собой изменение спроса на отдельные товары,
а следовательно, изучая динамику показателей уровня жизни, можно сделать
выводы о возможном изменении спроса на эти товары. Известно, что в развитых
странах по мере увеличения доходов возрастают потребности в услугах, а в
развивающихся странах — в товарах длительного пользования.

Метод ведущих индикаторов чаще используется для прогнозирования изменений
в бизнесе в целом, чем для прогнозирования объема продаж отдельных компаний.
Хотя нельзя отрицать, что уровень объема продаж большинства компаний зависит
от общей рыночной ситуации, сложившейся в регионах и стране в целом. Поэтому
перед прогнозированием собственного объема продаж фирмам часто бывает необходимо
оценить общий уровень экономической активности в регионе.

Существенным обоснованием прогноза объема продаж товаров потребительского
назначения могут служить данные обследований намерений потребителей.
Они знают о собственных перспективных покупках больше, чем кто-либо, поэтому
многие компании проводят периодические обследования мнений потребителей
о производимой продукции и вероятности ее покупки в будущем. Чаще всего
эти обследования касаются товаров и услуг, приобретение которых планируется
потенциальными покупателями заранее (как правило, это дорогие покупки типа
автомобиля, квартиры или путешествия).

Конечно, нельзя недооценивать полезность такого рода обследований, но также
нельзя не учитывать, что намерения потребителей относительно какого-то товара
могут измениться, что скажется на отклонении фактических данных о потреблении
от прогнозных.

Итак, при прогнозировании объема продаж могут быть использованы все рассмотренные
выше методы. Естественно, возникает вопрос об оптимальном методе прогнозирования
в конкретной ситуации. Выбор метода связан, по крайней мере, с тремя ограничивающими
условиями:

1) точность прогноза;

2) наличие необходимых исходных данных;

3) наличие времени для осуществления прогнозирования.

Если требуется прогноз с точностью 5%, то все методы прогнозирования, обеспечивающие
точность 10%, могут не рассматриваться. Если нет необходимых для прогноза
данных (например, данные временных рядов при прогнозировании объема продаж
нового продукта), то исследователь вынужден прибегнуть к казуальным методам
или экспертным оценкам. Подобная ситуация может возникнуть в связи со срочной
потребностью в прогнозных данных. В этом случае исследователь должен руководствоваться
временем, имеющимся в его распоряжении, осознавая, что срочность расчетов
может сказаться на их точности.

Необходимо отметить, что мерой качества прогноза может служить коэффициент,
характеризующий отношение числа подтвердившихся прогнозов к общему числу
сделанных прогнозов. Очень важно осуществлять расчет этого коэффициента
не по окончании прогнозируемого срока, а при составлении самого прогноза.
Для этого можно использовать метод инверсной верификации путем ретроспективного
прогнозирования. Это означает, что правильность прогнозной модели проверяется
ее способностью воспроизводить фактические данные в прошлом. Других формальных
критериев, знание которых позволило бы априорно заявить об аппроксимирующей
способности прогнозной модели, не существует [18, с. 7].

Прогнозирование объема продаж — неотъемлемая часть процесса принятия решения;
это систематическая проверка ресурсов компании, позволяющая более полно
использовать ее преимущества и своевременно выявлять потенциальные угрозы.
Компания должна постоянно следить за динамикой объема продаж и альтернативными
возможностями развития рыночной ситуации с тем, чтобы наилучшим образом
распределять имеющиеся ресурсы и выбирать наиболее целесообразные направления
своей деятельности. 

Литература

1. Баззел Р.Д. и др. Информация и риск в маркетинге. — М.: Финстатинформ,
1993.

2. Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз.
— М.: Финансы и статистика, 2001.

3. Березин И.С. Маркетинг и исследования рынков. — М.: Русская деловая
литература, 1999.

Когда мы запускали Oko и планировали первые результаты, в шутку спросили маркетолога: готов ли он назвать конкретные цифры продаж? Никита назвал цифру и дату. Точность его предсказания составила 91%. «Внук Ванги или внебрачный сын Кашпировского?», – подумали мы. Но оказалось, что коллега заранее просчитал прогноз плана продаж. Вот что он нам рассказал.

Зачем планировать продажи

Чтобы поставить цели. Если по уму, то прогнозирование продаж — это часть грамотно составленного бизнес-плана. Мы как бы планируем в прогнозе цифру, к которой должны прийти через определенный промежуток времени. Например, через год. А от нее уже отталкиваемся при постановке задачи отделу продаж, планировании премий и бонусов, распределении квартальных и месячных показателей.

Чтобы планировать ресурсы и мощности. Компания увидит, сколько сможет закрыть продаж и сколько получится заработать. Эти данные помогут спланировать закупки, потребности в персонале, производственных и складских мощностях.

Чтобы управлять скидками и запасами. Планирование продаж помогает рационально управлять остатками и расходовать ресурсы предприятия на определенном этапе. С помощью планирования мы можем избежать дефицита или переизбытка продукции на складе. Компания будет располагать запасами, достаточными для выполнения плана. Ни больше, ни меньше.

Чтобы спрогнозировать спад. Продажи могут проседать. Например, из-за сезонного падения спроса или ожидаемого кризиса на рынке. В плане продаж это можно предусмотреть. Бизнес станет мобильнее, предпримет необходимые меры для смягчения удара и сможет остаться на плаву в момент спада. Предупрежден, значит, вооружен.

Чтобы оптимизировать расходы. План покажет, сколько потратим на производство или поставку продукции. Мы сможем спланировать бюджет и заранее увидим, где тратим больше, чем хотелось бы. Если план не будет выполнен, эти расходы первыми попадут под нож.

Чем план продаж отличается от прогноза

Прогноз продаж — это предположение. У нас есть гипотеза, что в перспективе определенных рыночных условий мы реализуем какой-то объем товара. Мы проанализировали нишу, рынок, спрос, конкурентов, другие факторы и сделали предположение. Прогноз — еще незадача для отдела продаж. Он строится на результатах анализа и ложится в основу плана продаж.

План продаж — это задача. Мы учитываем результаты анализа, смотрим на показатели прошлых периодов и ставим цель. В основе плана продаж лежат: планирование сбытовых мероприятий, маркетинговых акций, рекламы. Мы сможем составить маркетинговый бюджет, распределить ресурсы, проконтролировать конкуренцию, потребности, определиться с поставщиками, объемами закупок товара, прогнозировать финансовые потоки.

3 метода прогнозирования продаж

Метод экспертных оценок

Субъективный метод: собираются эксперты, анализируют рынок, прилагают собственный опыт и дают оценки ситуации, выдвигают гипотезы. Эксперты могут быть внутренними и внешними. Внутренние — это сотрудники и партнеры компании. Внешние — бизнес-консультанты, аналитики, эксперты рынка.

Когда использовать. При отсутствии адекватной статистики. Например, если выводим новый продукт на рынок или в запускаем новое предприятие.

Особенности. Качество прогноза сильно привязано к компетентности экспертов. Иногда прогнозирование превращается в гадание — когда в основу прогноза ложится единственное верное мнение собственника или инвестора. Чтобы не гадать, прогноз строят на коллективных оценках внутренних и внешних экспертов.

Пример. Предприятие проводит «мозговой штурм». Приглашаем руководителей отдела продаж и логистики, маркетолога и бизнес-эксперта со стороны. Каждый озвучивает свои показатели и оценки, показывает графики и делает предположения. На основе общих идей формируется единая картина и делается прогноз на заданный период.

Метод прогнозирования временных рядов

Объективный метод: берем данные за несколько прошлых лет, делаем помесячную разбивку и строим для каждого года графики. Проще всего получить данные для построения графика, если вы внедрили OkoCRM. Система выгрузит сведения о продажах в виде таблицы за любой период. Собираем графики вместе и наблюдаем общий тренд, видим пики и спады. Учитывая текущую рыночную ситуацию, можем спроецировать кривую на будущий период.

Когда использовать. Лучший метод для предприятия, у которого есть подробная статистика по продажам за прошлые несколько лет. Работает при условии стабильности в нише и отсутствии сильных колебаний.

Особенности. Прогноз требует корректировки с учетом позиции экспертов и сильно зависит от текущей ситуации. Если рынок в яме, предложение сильно превысило спрос или просел рубль, а у нас импортная продукция, кривая прошлых периодов перестанет быть релевантной. Тогда мы будем опираться на мнение экспертов и кризис-менеджмент. А еще будет использовать в дополнение каузальный метод прогнозирования.

Пример. Предприятие собрало статистику продаж за 2018-2020 годы, построило график и увидело общие тренды. 3 года подряд с января по март мы наблюдаем рост спроса, в апреле — сильный сезонный спад, а в июне — возвращение к нормальным показателям продаж. Если в 2021 году на рынке не будет кризиса, мы увидим похожую ситуацию. Учитывая плановый рост показателей, мы можем прогнозировать продажи в 2021 году.

Каузальный метод

Дополнительный метод: проецируем на прогнозируемую кривую продаж независимые от нас факторы. Например, доходы потребителей, демпинг со стороны конкурентов, провалы рекламной кампании и прочие факторы, которые определяют поведение нашей аудитории. Учитывая существующие факторы и прогнозы конъюнктуры, мы выдвинем гипотезу на будущий период.

Когда использовать. В дополнение к методу прогнозирования временных рядов, когда на уровень продаж могут влиять иные объективные факторы, кроме спроса и предложения.

Особенности. Повышает объективность прогноза с учетом прямых и косвенных рыночных факторов. Требует аудита всех учитываемых показателей и их связи с реакцией на спрос. Часто требует привлечения внешних экспертов и проведения глубокой аналитики.

Пример. Предприятие реализует строительные материалы. В прошлые периоды наблюдался рост продаж. Но из-за падения рубля эксперты рынка прогнозируют падение объемов строительства на будущий год в пределах 20%. Это первый фактов. Второй — рекламная кампания. Предприятие знает, что увеличение рекламного бюджета на 10% дает 5% прироста в продажах. Третий фактор — открытие поблизости крупного гипермаркета строительных материалов — ожидается 15% оттока клиентов. Предприятие определит уровень значимости каждого фактора и составит многоуровневое уравнение плана продаж.

Для получения объективных цифр бизнес сочетает методы прогноза. Они лучше всего работают в краткосрочной перспективе. Это вызвано сильной привязкой динамики экономических факторов к политической ситуации. Предсказать ее может только гадалка.

Как составить план продаж

План продаж — это не табличка с цифрами, а полноценный документ бизнес-планирования, в котором зафиксирована стратегия, цели и инструменты их достижения. У него нет универсальной структуры. Зато есть понимание того, что он точно должен содержать.

1. Анализ результатов за предыдущие периоды

Берем помесячную разбивку с данными продаж за прошлые периоды. Идеально, если она есть за 2–3 предыдущих года. Анализируем, строим графики и смотрим на тенденции. Мы должны ответить на вопросы:

• Сколько новых клиентов приходят к нам ежегодно?
• Сколько людей мы ежегодно теряем?
• Сколько продаж приходится на одного клиента?
• В какие месяцы мы делаем больше всего продаж, а в какие меньше всего?
• Сколько единиц продукта вы продаете в год/в месяц по каждому рыночному сегменту?

Тут же нам нужно определить эластичность спроса, чтобы понять зависимость продаж от колебаний цены. Нам важно понять: какие клиенты купили больше, какие меньше и с чем это связано.

Тут же мы можем определить наиболее перспективные товары для реализации. Для этого считаем 2 показателя: валовую прибыль и коэффициент валовой маржи. Для их расчета есть специальный калькулятор. Или используйте формулы:

Так мы узнаем, какую выручку получим с одного доллара. Например, если коэффициент 20%, то с 1 у.е. наш доход составит 20%, а остальное расходуется на производство. Зная эти показатели для каждого продукта, мы сможем определить, что нам выгоднее всего продавать. Анализировать это удобнее всего в табличке.

Чем выше коэффициент валовой маржи, тем выгоднее предприятию реализации товара

2. Анализ трендов рынка

На этом этапе изучаем текущие тренды рынка и их влияние на продажи. В этом помогут отраслевые интернет- и печатные издания, данные рейтинговых агентств, аналитические обзоры, прочая отраслевая литература. Для анализа трендов хорошо бы иметь в штате собственного аналитика или привлечь его со стороны.

Что учитывать:

• экономическое положение на рынке и в нише
• политические риски
• колебания на финансовых рынках
• выход на рынок крупного игрока
• демпинг со стороны конкурентов
• финансовое положение целевой аудитории
• темпы роста рынка и пр.

Лайфхак. Чтобы увидеть текущие тенденции в интернет-продажах, мы используем Яндекс.Вордстат. Задаем в поисковой строке название продукта который продаем, выбираем опцию «история запросов» и получаем график. В нем отражается общий тренд — насколько активно люди спрашивают у Яндекса про наш товар. Если мы видим спад активности — продажи будут падать.

График вордстата показывает — спрос на наш продукт падает. Значит, чтобы планировать повышение продаж нам необходимо предпринимать меры — в обычных условиях клиенты будут уходить. Чтобы удержать поток клиентов, мы будем планировать маркетинговые акции, снижать стоимость продукции и отбивать аудиторию у конкурентов

3. Учет сезонности

Почти в каждой товарной нише есть сезонные провалы. Например, в нише строительных материалов, это зимние и летние спады, в цветочном бизнесе — январь и летние месяцы, а в кондитерке — с июня по сентябрь. Сезонные спады наглядно покажет нам график прошлых периодов. А если его нет, можем учитывать те же графики Яндекса.

График Вордстата по запросу «купить строительные материалы». Видим, что рост спроса наблюдается с начала года и до мая, а потом спад. К сентябрю спрос восстанавливается, и держится до мая. И опять на спад

По уму нам нужно высчитать коэффициент сезонности — чтобы учитывать при планировании. Допустим, что мы продаем газонокосилки. В апреле 2020 года мы продали 100 единиц, а в июне — уже 189. В апреле 2021 года наш показатель достиг 125 единиц газонокосилок. Имея эти данные, можем подсчитать коэффициент сезонности и спрогнозировать продажи на июнь 2021 года:

189 ÷ 100 = 1,89 — коэффициент сезонности

1,89 х 125 = 236 газонокосилок — прогноз продаж на июнь

4. Ценовая политика

В этом разделе фиксируют цены на продукции и акции, которые будут проводить в течение планового периода. Что мы собираемся делать, чтобы привлечь новых клиентов и какая будет связь с реализацией продукции? Зафиксируйте это в таблице — сможете более точно спрогнозировать продажи с поправкой на маркетинг.

Повышение цены ожидаемо приведет к сокращению спроса, а маркетинговые акции — к увеличению продаж. Зная реакцию потребителей на изменения в ценовой политике можем более точно прогнозировать продажи на будущие периоды

5. Минимальные требования к продажам

Это объем выручки, при котором валовая прибыль сможет покрыть постоянные расходы, а предприятие достигнет показателя целевой прибыли. Показатель считается по простой формуле ниже. Еще мы нашли в интернете специальный калькулятор.

Допустим, мы ежемесячно тратим на производство одного продукта 50 000 долларов. Целевая прибыль — 60 000 долларов. Коэффициент валовой маржи по продукту — 40%. Чтобы получить такой доход, нам необходимо делать продажи на сумму не меньше:

(50 000 + 60 000) ÷ 40% = 200 000 долларов

6. План продаж

Учитывая изложенную. выше информацию, делаем прогноз продаж на будущий целевой период. Лучше, если этот период будет краткосрочным — в пределах года. Идеально, если вам удастся сделать помесячную и поквартальную разбивку целевых показателей или даже разбивку по дням. В разрезе номенклатуры товаров, с учетом спроса на товары конкретных размеров, комплектации, цвета и прочих параметров, правильнее всего строить план продаж с учетом нормативов распределения. Например, вот так.

Планируем продажи товаров из категории «женская спортивная одежда». В наших планах продать 10 000 позиций из этой категории. При составлении плана продаж мы учитываем распределение спроса по трем параметрам: размеру, цвету и составу полотна. Задаем нормативы распределения в процентах и раскладываем общую сумму продаж по категории

7. Бюджет отдела продаж

Напоследок зафиксируйте расходы, которые компания понесет для выполнения прогноза плана продаж. Обычно в этом разделе фиксируют:

• зарплату, бонусы, процент менеджера с продаж
• обучение персонала
• софт и другие рабочие инструменты
• призы за победу в соревнованиях продажников
• тимбилдинг

5 типичных ошибок прогнозирования продаж

Не учитывать план продаж. Самая большая ошибка: составить план и спрятать его в дальний ящик стола. Регулярно сверяйтесь с вашим планом и вносите в него изменения по мере того, как будет меняться ситуация. Если показатели меняются, а план не выполняется — это нормально, есть над чем подумать и где искать ошибки.

Не составлять план продаж. Бывает, собрались на совещание и руководитель говорит: все, на следующий год нужно +20% продаж. Руки в руки, записали в блокнотики и бегом выполнять. Так планирование не работает. Цифры, взятые из головы, объективно невозможно выполнить. Каким бы авторитетом не обладал руководитель.

Использовать только один метод прогнозирования. Был случай: пригласили бизнес-аналитика с именем, он убедительно все рассказал и подытожил — в этом году будет рост на 30%. Мы взяли показатели прошлого года, приплюсовали 30% и все — план готов. Как-то позабыли, что до этого прироста больше 7% в год не было.

Менеджеры потели и кряхтели, но ни в одном месяце 30% прироста не получили. А потом мы поняли: 30% рост — это показатель рынка. Нам, при текущей динамике можно было рассчитывать только на 9,1% (30% от 7-процентного ежегодного роста). Ошибка была в том, что мы не учли своих же показателей в прогнозе. Вывод: дураки учатся на своих ошибках.

Забыть про набор факторов. Прелесть каузального метода прогнозирования в том, что повышает объективность оценок. Но при его использовании важно учитывать все факторы, которые влияют на продажи. Если занизить влияние факторов или отнестись к ним упрощенно, получим необъективные показатели — прогнозы будут сильно неточными.

Строить план на догадках. План продаж — это точные цифры и графики. Конечно, когда привлекаешь экспертов, ждешь объективных оценок и четких инструкций. Они могут быть только при наличии четкой статистики. Получить исчерпывающие данные поможет статистика в OkoCRM. Вы сможете в два клика сформировать график продаж за прошлые периоды с разбивкой по товарам, размерам и даже менеджерам. Без такой статистики план продаж будет строится на догадках.

Коротко: как прогнозировать продажи

1. Учитывать показатели прошлых лет: выгрузить статистику из OkoCRM, построить графики продаж и спроецировать их на будущие периоды
2. Проанализировать тренды рынка: оценить текущую экономическую ситуацию, поведение конкурентов, динамику и эластичность спроса с учетом сезонности. Если необходимо — пригласить экспертов и аналитиков
3. Составить ценовую политику: запланировать рост или падение цены, маркетинговые акции и определить их связь с реакцией потребителей и продажами
4. Рассчитать минимальные требования к продажам: определить сумму выручки, которая минимально необходимо для покрытия издержек и получение целевого дохода
5. Построить план продаж: учитывая все факторы и советы, прогнозировать целевые показатели по продажам на будущие периоды. Сделать разбивку по периодам, группам товаров, отдельным наименованиям в номенклатур и даже по размерной сетке
6. Постоянно сверятся и корректировать план продаж с учетом текущей ситуации. Никогда не откладывать план в дальний ящик. Поощрять менеджеров за выполнение и перевыполнение плана