Прогнозирование продаж в условиях неопределенности

Прогнозирование продаж является важным аспектом принятия решений в условиях неопределенности. В современном мире, где изменения происходят постоянно, а информация становится все более доступной, неопределенность уже давно стала неотъемлемой частью нашей жизни.

В рамках этой статьи рассмотрены особенности прогнозирования продаж в условиях неопределенности, а также методы применимые при прогнозировании, и их влияние на принятие решений в различных сферах жизни.

Теоретические основы прогнозирования продаж

Суть прогнозирования продаж и его цели

Прогнозирование продаж [англ. sales forecasting] — это процесс оценки будущих объемов продаж на основе анализа текущей ситуации, тенденций рынка и других факторов.

Это позволяет компаниям планировать свои ресурсы, определять потребности в закупках и принимать стратегические решения на основе точных прогнозов. Помимо этого, прогнозирование может быть использовано для определения оптимальных цен, сроков поставок, выбора каналов сбыта и других аспектов бизнеса.

Если сильно упрощать, то прогнозирование продаж — это предсказание будущих продаж на основе исторических данных и покупательском поведении с целью оптимизации торговых запасов и ресурсов компании.

Основные методы прогнозирования продаж

Прогнозисты используют различные методы и инструменты для анализа данных и создания прогнозов, которые помогают компаниям принимать обоснованные решения о своих маркетинговых стратегиях, закупках, производстве и т.д. Ключевые из этих методов:

Экстраполяция — это метод, основанный на предположении о том, что прошлые данные продаж будут продолжать расти или снижаться с той же скоростью и в том же направлении в будущем. Этот метод может быть полезен для краткосрочных прогнозов, но не всегда точен для долгосрочных периодов.

Регрессионный анализ — это статистический метод, который используется для построения модели, которая связывает прошлые продажи с различными факторами, такими как цены, сезонность, реклама и т. д. Эта модель может использоваться для прогнозирования будущих продаж с учетом этих факторов.

Методы экспертных оценок — это методы, основанные на мнении экспертов в области продаж и маркетинга. Эти методы могут быть полезны для получения более точной информации о тенденциях рынка и поведении покупателей.

Анализ временных рядов — это метод анализа данных, который изучает изменения во времени и их влияние на продажи. Этот метод может использоваться для выявления сезонности, трендов и других закономерностей в продажах.

Машинное обучение — это метод с использованием искусственного интеллекта, который позволяет создавать модели на основе данных продаж. Эти модели могут использоваться для прогнозирования продаж на основе множества факторов, таких как история продаж, цены конкурентов, изменения в экономике и т. д.

Факторы, влияющие на прогноз продаж

Факторы, которые влияют на прогноз продаж, могут включать в себя:

1. Сезонность: продажи могут зависеть от сезона (например, продаж новогодних подарков) или других циклических явлений (например, сезон отпусков). Отдельная статья про учет сезонности продаж.
2. Уровень конкуренции на рынке может влиять на спрос на продукцию.
3. Цены на продукцию очень сильно могут влиять на продажи, особенно если они являются значимым фактором для покупателей.
4. Реклама способна увеличить спрос на продукцию, особенно если она направлена на определенную целевую аудиторию.
5. Экономические факторы, такие как инфляция, безработица и другие, могут сильно влиять на спрос.
6. Технологические инновации способны привести к изменению поведения покупателей и, следовательно, к изменению спроса на продукцию.
7. Социальные факторы, такие как демографические изменения, изменения в образе жизни и предпочтениях потребителей, могут также влиять на спрос на товары.

Процесс прогнозирования продаж от подготовки до реализации

Процесс прогнозирования продаж состоит из нескольких этапов:

• сбор и анализ данных для прогнозирования
• разработка модели прогнозирования
• реализация системы прогнозирования
• оценка эффективности системы прогнозирования
• практическое внедрение и применение системы прогнозирования

Рассмотрим более подробно каждый из этих этапов. Однако, прежде всего — прежде чем мы что-либо предпримем, важно понять рынок, на котором вы работаете. Это повлияет на выбранный вами тип процесса прогнозирования продаж.

Подготовительный этап прогнозирования продаж

В книге Пола Аринаги «Прогнозирование продаж для занятых людей»: этот этап разделен на 2 составляющие: определение рынка и характеристики рынка.

При составлении прогноза продаж это делается в контексте узкой ниши, а не на явно более крупном рынке. Например: рынок — автозапчасти, но узкий сегмент — автозапчасти на ВАЗ. Здесь вам необходимо определить конкретные области или ниши рынка, которые обслуживает ваш продукт или услуга. И только после того как вы определили игровое поле, на котором будете конкурировать, можно рассматривать некоторые его конкретные характеристики, например:

• Рост рынка — работаете ли вы на устоявшемся рынке с устойчивым увеличением прогнозируемого роста или это относительно новый, открыто волатильный рынок, полный непредсказуемости.
• Сезонность: в какое время года вы, скорее всего, продадите больше, чем в другие? Продавцы мороженого или солнцезащитного лосьона в летние месяцы, скорее всего, будут более загружены, чем можно было бы предположить зимой. Это следует учитывать при выборе процесса прогнозирования продаж.
• Чувствительность к цене: как вы сравниваете себя с конкурентами? Вы подрываете рынок? Или ваш уровень существенно выше среднего по рынку? Это также повлияет как на объем, так и на стоимость вашего продукта.
• Предстоящие изменения — в автомобильной промышленности внедрение беспилотных транспортных средств принесет с собой целый ряд новых законов и законодательств. То же самое произойдет и с переходом на электромобили. Как эти изменения повлияют на объем продаж? Придется ли вам вносить дорогостоящие изменения в свой продукт, чтобы он соответствовал новым правилам? Будут ли ваши автозапчасти использоваться производителями электромобилей? Заранее зная об этих изменениях, вы сможете соответствующим образом скорректировать процесс прогнозирования продаж.

Сбор данных для прогнозирования продаж

На этом этапе собираются все необходимые данные о продажах за определенный период времени. Это могут быть данные о количестве проданных товаров, ценах, условиях продаж и т.д. Данные могут быть получены из различных источников, таких как системы учета продаж, отчеты менеджеров по продажам и т.д.

Далее проводится анализ собранных данных для выявления закономерностей и тенденций. Используются различные методы статистического анализа, например, регрессионный анализ, корреляционный анализ и т.д.

Несколько советов на этапе сбора данных:

• Еще на ранних этапах подготовки вам следует выяснить, есть ли у вас какие-либо точные данные о продажах, с которыми можно работать. Если ваш продукт совершенно новый и готов к выходу на рынок то, очевидно, это будет невозможно. Однако, если это не ваше первое детище, вам должно быть над чем поработать.
• Также важно помнить, что экстраполяция данных работает только на устойчивых, стабильных рынках, которые испытывают небольшие колебания. Если происходит много разрушительных и непредсказуемых изменений, следует изучить альтернативный метод прогнозирования, например экспоненциальное сглаживание.
• Если были выявлены единичные случаи аномалии в данных, обычно рекомендуется полностью удалить их, прежде чем продолжить составление прогноза. Это может быть связано с рядом причин: сезонность, возможно, произошло поглощение или слияние компаний, краткосрочное изменение цены, или человеческая ошибка.

Подумайте об идиоме «мусор на входе, мусор на выходе». Скармливайте системе дерьмовые данные, и она даст вам еще более дерьмовый результат.

Теперь, когда вы завершили базовую подготовку, пришло время выбрать модель прогнозирования продаж, которая лучше всего подходит вашему бизнесу.

Разработка и построение прогнозной модели

В прогнозировании продаж существует два глобальных подхода:

1. количественное прогнозирование продаж
2. качественное прогнозирование продаж.

Количественное прогнозирование продаж

Так называемые количественные методы прогнозирования продаж используются при наличии исторических данных о продажах, которые можно экстраполировать для прогнозирования будущих доходов. Эти методы больше полагаются на точные математические уравнения, чем на самоуверенные суждения коллег-экспертов.

3 наиболее популярные методам количественного прогнозирования:

Анализ тенденций. Идея заключается в том, что, изучая данные о прошлых продажах, вы можете выявить определенные тенденции, которые при разумных основаниях можно использовать для прогнозирования аналогичных колебаний в будущем. Это может быть связано либо с сезонностью, анализом случайных факторов, либо с экономическим спросом.

Экспоненциальное сглаживание. Вероятно, считается наиболее точным и широко используемым процессом точного прогнозирования продаж. Оно позволяет экспоненциально рассматривать среднее значение прошлых продаж, чтобы попытаться спрогнозировать будущий доход.

Простое скользящее среднее: этот метод требует, чтобы менеджер по продажам экстраполировал данные о продажах за «динамический» установленный период времени; скользящее окно может длиться 2,3 или даже 6 месяцев.

Для расчета любым из этих методов вполне подойдет простой шаблон прогноза продаж, который можно сделать в Excel. Простой вариант прогнозирования продаж в Excel размещен на отдельной странице с шаблонами для аналитика.

Качественное прогнозирование продаж

Качественные методы прогнозирования являются полной противоположностью своим количественным собратьям: эти методы субъективны и больше полагаются на мнение рыночных экспертов или опросов, чем на какие-либо сложные математические уравнения. Однако это не делает их менее полезными. Они будут лучшим методом прогнозирования, если у вас нет каких-либо исторических данных о продажах, которые вы могли бы использовать.

Некоторые из наиболее популярных методов включают в себя:

Метод Дельфи: для этого требуется помощь группы экспертов. Соберите непредвзятую команду лидеров рынка, чтобы вложить свои 5 копеек и составить прогноз на определенный период времени. Ключевым моментом здесь является заставить их делать это сначала в одиночку, а затем в группе. Часто вы обнаруживаете, что среднее мнение эксперта никогда не далеко от реальности.

Исследование рынка: попросите партнеров по сотрудничеству и клиентов рассказать вам об их ожиданиях относительно продаж. Это дает вам приблизительное представление о том, что вы можете сделать с точки зрения роста рынка в вашей отрасли.

Спросите собственный отдел продаж: лучше всего работает, если вы продаете большие билеты для небольшого числа клиентов. Они находятся в постоянном контакте с вашими клиентами и поэтому могут сообщить вам названия учетных записей, информацию о том, сколько они покупают, как часто они совершают покупки и размер их бюджета.

Построение модели

На основе анализа данных строится модель прогнозирования продаж. Модель может быть построена с использованием методов машинного обучения (например, нейронных сетей, деревьев решений и т.д.) или статистических методов (например, линейной регрессии, множественной регрессии и т.д.).

В качестве примера, есть видео доклада Прогнозирование продаж с использованием методов машинного обучения

Тестирование модели

Построенная модель проверяется на точность и эффективность с помощью тестовых данных. Это позволяет оценить ее качество и выявить возможные проблемы.

Это может быть либо сетка Excel, либо специализированная программа, в зависимости от модели, которую вы выбрали, но модель необходимо протестировать.

Если ошибка прогноза за пределами выборки (разница между известными результатами и результатами, прогнозируемыми вашей моделью) лучше, средняя абсолютная ошибка, то есть большая вероятность, что вы нашли работоспособную модель для вас.

Внедрение модели

После успешного тестирования модели она внедряется в бизнес-процессы компании для принятия стратегических решений. Например, модель может использоваться для определения оптимального уровня запасов, планирования производства и т.д.

Мы приближаемся к предпоследнему этапу процесса прогнозирования продаж, поскольку хотим проверить результаты выбранной нами модели.

Итак, как нам это сделать?

Сначала вы можете попробовать добавить в модель некоторые реальные переменные. Например, представьте, что на вашей территории продаж должен открыться новый завод по производству автомобилей. И благодаря мастерству и должной осмотрительности вашей хорошо обученной команды продаж на местах вам удастся выиграть у конкурентов.

Если все пойдет хорошо, в течение 6 месяцев они потребуют (x) количество продукта, что приведет к серьезному всплеску прогнозируемых продаж.

Добавьте это к предположению в свою модель прогнозирования продаж и запишите результаты. Это чрезвычайно легко сделать как в Excel, так и у большинства ведущих поставщиков программного обеспечения для прогнозирования.

Теперь предположим, что ваша модель прогнозирует увеличение продаж более чем на 400%. Теперь вам нужно решить, считаете ли вы это слишком оптимистичным и завышенным прогнозом или разумным предположением, основанным на открытии нового завода. 

Чтобы принять решение, вы можете сверить его с некоторыми предыдущими историческими данными о продажах, возможно, в результате приобретения клиента аналогичного размера или значительного увеличения заказов.

Если у вас нет этих данных, попробуйте получить их у конкурента или, возможно, из совершенно другой отрасли, если применима та же логика. Если результаты действительно не совпадают, возможно, вам придется вернуться и настроить модель. Либо сделанные вами предположения были неверными, либо логика модели ошибочна.

Опять же, вам придется решить, какое объяснение, по вашему мнению, является наиболее вероятным. Последним шагом в процессе прогнозирования продаж является выбор модели, которая подходит для вашей бизнес-модели.

Я абсолютно уверен, что это будет метод экспоненциального сглаживания, поскольку он обычно учитывает небольшие неожиданные изменения, которые некоторые другие модели тоже испытывают трудности с корректировкой.

Но, честно говоря, все будет зависеть от вашего тестирования:

• Какая модель неизменно давала наиболее точные результаты?
• Какая ошибка прогнозирования за пределами выборки была больше?
• Какая модель лучше учитывала предположения, проверенные A/B?

Важность прогнозирования продаж действительно невозможно переоценить, поэтому, пожалуйста, убедитесь, что вы не пропустите эту часть. Тестирование всех моделей из вашего списка несмотря на то, что это серьезная проблема, будет чертовски лучше, чем делать неправильные прогнозы на обозримое будущее.

Однако помните, какую бы модель вы ни выбрали, данные, которые вы в нее вводите, ДОЛЖНЫ быть точными или настолько близкими к ней, насколько это возможно. Неточные данные сбивают с толку любой прогноз, а это значит, что вся ваша тяжелая работа окажется напрасной!

Есть ли в вашей организации четкий процесс прогнозирования продаж? Или вы используете смесь данных CRM, электронных таблиц и ручных отчетов о продажах, составленных торговыми представителями и менеджерами? Скорее всего, ваш процесс прогнозирования продаж кажется скорее хаотичным, чем полезным — и это статус-кво для большинства коммерческих организаций. Однако, даже несмотря на это, стоит помнить, что ваш прогноз продаж, пожалуй, самый важный показатель в вашей компании. Если вы добьетесь успеха, ваша организация сможет с уверенностью инвестировать и развивать будущие продажи и новый бизнес. Если вы пропустите это, это может означать ненадежный денежный поток, увольнения, замедление роста, неточные данные о продажах или, по крайней мере, альтернативные издержки из-за неспособности правильно планировать.