Алексеев А.А.

"Рынок" представляет собой крайне сложную кибернетическую модель с очень большим количеством внутренних и внешних факторов. Прогнозирование какого-либо фактора рыночной ситуации (например, объем продаж конкретной фирмы) невозможно только на основе тенденции самого фактора. Почему? Поведение отдельного рыночного фактора, позволю себе аналогию, подобно поведению бабочки в полете. Вспомните, как летит бабочка: ее полет выглядит с внешней стороны как "порхание" без определенной цели, хотя, очевидно, что она стремится к определенной цели - к цветку. Мы не обращаем внимания на внешние факторы, влияющие на бабочку: ветер, атмосферное давление, высота от земли, гравитация и т.п., и на внутренние: ее собственные силы, система ориентирования и т.п. Суть в том, что мы со стороны не можем предсказать, к какому цветку прилетит бабочку. Так же ведет себя и изучаемый отдельный рыночный показатель. Очевидно, что на объем продаж фирмы (как отдельный показатель) могут влиять продажи конкурентов, тенденции емкости сегмента, их объемы продажи, конъюнктура товаров-заменителей, сопутствующих товаров (услуг) и многие другие факторы. И такое влияние обусловливает поведение не только фактора объема продаж, но и любого внутрифирменного показателя. Тем не менее, такой прогноз необходим в рамках маркетинговых исследований. И поэтому давайте рассмотрим методику, которая, с одной стороны, не является чистым прогнозированием "показателя по показателю", с другой стороны учитывает взаимодействие показателя с другими рыночными факторами, не усложняя модели до ее не разрешимости.

Итак, давайте рассмотрим задачу, в которой коммерческому предприятию, не имеющему специального штата прогнозистов, необходимо спрогнозировать объем продаж по своему товару (услуге). При этом на рынке нет предприятий монополистов, поведение которых диктовало бы рыночную ситуацию - на рынке присутствует много мелких и средних предприятий. Требуется спрогнозировать объем продаж конкретной фирмы для планирования объема закупок (производства) услуги (услуг) и оценить риск принятия решения.

Этап I. Отбор факторов, вероятно определяющих количественное изменение объема продаж

Прогнозирование начнем с подбора факторов, которые "вероятно" определяют количественное изменение объема продаж. То есть мы создаем гипотезу в отношении возможных факторов, влияющих на поведение кривой продаж. Подбор факторов производится экспертным путем: эксперт по соответствующему рынку предполагает возможные параметры:

которые по мнению эксперта оказывают влияние на поведение продаж;

динамика которых, выраженная математически, известна на том же промежутке, что и объем продаж (то есть это количественный параметр или качественный, который можно преобразовать к количественной характеристике);

относящиеся как к внешним (факторы "внешней среды маркетинга" фирмы), так и внутренним (факторы "внутренней среды маркетинга" фирмы).

Число выбираемых факторов не ограничено, чем больше их будет на первом этапе, тем лучше, это определит более точный результат в прогнозировании. В данном примере (табл. 1) мы выбрали три абстрактных фактора, которые мы назвали F1, F2, F3.

Таблица 1 Подбор факторов (F1-F3), которые "вероятно" определяют количественное изменение объема продаж (Q)

Дата	Q	F1	F2	F3
мар.97	23	22	12	223
апр.97	34	34	2	456
май.97	55	45	3	556
июн.97	34	56	67	456
июл.97	22	77	34	567
авг.97	34	99	22	560
сен.97	44	102	33	334
окт.97	45	111	89	456
ноя.97	56	122	11	678

В случае затруднения в выборе факторов рекомендуется выбрать "макро" факторы внешней и внутренней среды для конкретного рынка и конкретной фирмы, например некоторые возможные из них:

"внешние факторы среды маркетинга фирмы"

курс валют;

емкость потребительского сегмента;

суммарные продажи на сегменте;

динамика численности конкурентов;

удовлетворенность сегмента товарами на рынке

"внутренние факторы среды маркетинга фирмы"

наличие товарного запаса;

эффективность работы штата менеджмента фирмы;

затраты на рекламу или тип рекламного сообщения;

изменение способа позиционирования товара;

изменение количества дистрибьютеров товара.

Этап II. Выделение "факторов влияния"

Теперь необходимо разобраться: какие из выбранных факторов ("факторы влияния") действительно оказывают влияние на изменение объема продаж, а какие нужно просто "отбросить" из рассмотрения. Критерием такого соответствия, безусловно, можно считать коэффициент корреляции, который показывает, насколько близки тенденции двух факторов (в данном случае - насколько связано распределение во времени факторов F1-F3, см. рис. 1).

Рис. 1. Динамика исследуемых факторов

В табл. 2 показан расчет коэффициента корреляции между объемом продаж (Q) и факторами (F1, F2, F3). Коэффициент корреляции может быть рассчитан, например, с помощью программного пакета MS Excel, в котором подобный расчет реализуется функцией "CORREL". Из расчета видно, что по коэффициенту корреляции в данном примере "факторами влияния" будут F1 и F3, а фактор F2 можно отбросить из рассмотрения.

Таблица 2 Отбор "факторов влияния" по коэффициенту корреляции

		CORR F1	CORR F2	CORR F3
		0,462	-0,057	0,458
Дата	Q	F1	F2	F3
мар.97	23	22	12	223
апр.97	34	34	2	456
май.97	55	45	3	556
июн.97	34	56	67	456
июл.97	22	77	34	567
авг.97	34	99	22	560
сен.97	44	102	33	334
окт.97	45	111	89	456
ноя.97	56	122	11	678

Этап III. Линейное прогнозирование "факторов влияния"

Теперь в нашем примере мы имеем динамику "факторов влияния" и объема продаж на период с марта 1997 по ноябрь 1997. Соответственно, мы прогнозируем по времени поведение каждого из "факторов влияния" (линейная тенденция для факторов, рассматриваемых в примере представлена в табл. 3). В принципе, в таком предсказании более точный результат будет получен при аппроксимации тенденций факторов и оценки прогнозируемого фактора по аппроксимированной функции. Но и использование линейного предсказания, реализуемого функцией "FORECAST" в пакете MS Excel, также допустимо. Способ реализации функции "FORECAST" представлен в табл. 3.

Таблица 3 Реализация линейного прогнозирования на основе функции "FORECAST" в пакете MS Excel

	А	В
1	Дата	F1
2	мар.97	22
3	апр.97	34
4	май.97	45
5	июн.97	56
6	июл.97	77
7	авг.97	99
8	сен.97	102
9	окт.97	111
10	ноя.97	122
11	дек.97	=FORECAST(A11;B2:B10;A2:A10)

В табл. 4 представлены спрогнозированные линейным образом значения "факторов влияния" для рассматриваемого примера "предсказания объема продаж в будущем периоде".

Таблица 4 Линейное прогнозирование "факторов влияния" (спрогнозированная линейная тенденция для факторов F1, F2 представлена выделенными курсивом цифрами)

Дата	F1	F3
мар.97	22	223
апр.97	34	456
май.97	45	556
июн.97	56	456
июл.97	77	567
авг.97	99	560
сен.97	102	334
окт.97	111	456
ноя.97	122	678
дек.97	140	599
янв.98	153	577
фев.98	166	584
мар.98	177	613

Этап IV. Прогнозирование продаж по прогнозу "факторов влияния"

Очевидно, что мы не можем прогнозировать продажи, используя только саму тенденцию продаж во времени, это как раз и рассматривалось бы как "прогнозирование фактора по самому фактору". Но у нас имеется тенденция "факторов влияния", которая по своей сущности определяет поведение тенденции продаж (это следует из рассчитанного нами коэффициента корреляции). И именно эта предсказанная тенденция позволяет нам спрогнозировать объем продаж в соответствии с со значениями каждого из факторов. Реализация такого алгоритма на основе функций MS Excel представлена в табл.

Таблица 5 Реализация алгоритма предсказания объема продаж по тенденциям "факторов влияния" на основе функций MS Excel

	A	B	C	D	E	F
1	Дата	Q	F1	Q1 TREND	F3	Q3 TREND
2	мар.97	23	22		223
:	:	:	:		:
10	ноя.97	56	122		678
11	дек.97	=(D11+F11)/2	139	=FORECAST(C11;B2:B10;C2:C10)	598	=FORECAST(E11;B2:B10;E2:E10)

Отметим, что предсказанное значение объема продаж получается как среднеарифметическое от суммы предсказанных значений на основе каждого из "факторов влияния". Это позволяет учесть каждый из "факторов влияния" в прогнозе. Результат прогнозирования для нашего примера представлен в табл. 6.

Таблица 6 Прогнозирование продаж по прогнозу "факторов влияния"

Дата	Q	Q TREND	F1	Q1 TREND	F3	Q3 TREND
мар.97	23		22		223
:	:		:		:
ноя.97	56		122		678
дек.97		46,3	140	48,9	599	43,7
янв.98		44,9	153	47,7	577	42,1
фев.98		45,2	166	47,7	584	42,7
мар.98		55,0	177	69,8	613	40,2

Этап V. Оценка риска прогнозирования

Необходимо учесть, что прогнозирование ведется с целым рядом допущений, которые могут сильно повлиять на наш прогноз:

в наше исследование может не попасть фактор, оказывающий серьезное влияние на продажи;

используем линейное прогнозирование, а тенденция может оказаться значительно сложнее;

производим расчет прогнозного значения, как среднеарифметическое от спрогнозированных по факторам значений (см. табл. 6) без учета уровня корреляции соответствующего фактора.

Эти факторы, безусловно, снижают точность прогнозирования. Более того, заметьте (см. табл. 6), что прогнозирование в нашем примере периодов последующих за декабрем 1997 года ведется на основе не проверенных временем значений, а значений также спрогнозированных математически. То есть, чем на более длительный период времени мы пытаемся сделать прогноз, тем более не точны прогнозируемые значения.

Указанные выше ограничения не влияют на использование метода (и тем более его не отменяют), а лишь указывают нам на необходимость расчета величины "риска прогнозирования". В случае нашей методики эту погрешность можно оценить как "риск прогнозирования" по соотношению между спрогнозированным значением тенденции продаж (Q TREND) и прогнозными значениями продаж от каждого "фактора влияния" (Q1 TREND и Q3 TREND). Реализация расчета "риска прогнозирования" (var) на основе пакета MS Excel представлена в табл. 7.

Таблица 7 Реализация расчета "риска прогнозирования" (var) на основе пакета MS Excel

	A	B	C	D	E	F	G	H
1	Дата	Q	Q TREND	F1	Q1 TREND	F3	Q3 TREND	var
2	дек.97		46,3	140	48,9	599	43,7	=((ABS(C2-E2)+ABS(C2-G2))/2)/C2

Как видно из табл. 8 расчет "риска прогнозирования" построен на расчете отношения среднеарифметического отклонения прогнозных значений по отношению к среднеарифметическому значению тенденции продаж:

var =((ABS(QTREND - Q1TREND)+ABS(QTREND - Q3TREND))/2)/QTREND.

Оценка риска прогнозирования для нашего примера представлена в табл. 8. Необходимо отметить, что с увеличением срока прогнозирования растет и "риск прогнозирования": 6% для декабря 1997 года и 27% для марта 1997 года.

Таблица 8 Оценка риска прогнозирования

Дата	Q TREND	F1	Q1 TREND	F3	Q3 TREND	var
дек.97	46,3	140	48,9	599	43,7	6%
янв.98	44,9	153	47,7	577	42,1	6%
фев.98	45,2	166	47,7	584	42,7	6%
мар.98	55,0	177	69,8	613	40,2	27%

"Риск прогнозирования" может быть учтен в объемах закупки услуги или объеме подготовленной услуги (численность наемного штата специалистов) как прямая величина процента от объема продаж. То есть в нашем примере, рекомендуется запланировать на декабрь 1997 года продажи в объеме:

Q= QTREND* var=46,3*0.94=43.5

То есть рассчитанная величина риска снижает планируемый нами объем продаж.

Полная схема "факторного линейного прогнозирования" объема продаж представлена в табл. 9, это позволяет оценить или представить весь метод в комплексе: от отбора "факторов влияния" до расчета прогнозных значений объема продаж.

Таблица 9 Полная схема "факторного линейного прогнозирования" объема продаж

	0,46	CORR F1	0,06	CORR F2	0,46	CORR F3
Дата	Q	Q TREND	F1	Q1 TREND	F2	Q2 TREND	F3	Q3 TREND	var
мар.97	23		22		12		223
апр.97	34		34		2		456
май.97	55		45		3		556
июн.97	34		56		67		456
июл.97	22		77		34		567
авг.97	34		99		22		560
сен.97	44		102		33		334
окт.97	45		111		89		456
ноя.97	56		122		11		678
дек.97		46,3	140	48,9			599	43,7	6%
Янв.98		44,9	153	47,7			577	42,1	6%
фев.98		45,2	166	47,7			584	42,7	6%
мар.98		55,0	177	69,8			613	40,2	27%

Список литературы

Крапивицкий Л.П. Банковское дело/Под ред. Колесникова В.И., М.:Финансы и статистика, 1995.

Boyd, Harper W. (jr.), Westfall, Ralph. Marketing research: Text and cases. -3rd ed. -Homewood; Georgetown: Irwin, 1972. -XV, 813p.

Burke R. Virtual Shopping: Breakihrough in Marketing Research=Прорыв в исследовании рынка //Harvard Business Review. -1996. -N2. -P. 120-131.

Coffre, Philippe Action et Gestion Commerciales: La nouvelle vente/En collaboration avec Michel Coffre. -[S. l. ]: Nathan, [1982]. -223p. - (Connaitre et Pratiquer la Gestion). -Библиогр. в конце гл. , в подстроч. прим. -Содерж. : Methodes classiques et modernes de vente; Animation des ventes et motivations des vendeurs; Controle des ventes; Direction des ventes et marketing. -ISBN 2-09-192102-5.

Current Controversies in Marketing Research/Ed. by Leo Bogart. -Chicago: Markham, [1969]. -VII, 164 p. : ill. , tab. - (Markham Ser. in Marketing).

Framework for the Combination of Forecasts. Benito E. Flores and Edna M. White, Journal of the Academy of Marketing Science, 16 (Fall 1988), pp. 95-103.

Green, Paul E. и др. Research for Marketing Decisions/Green, Paul E. , Tull, Donald S. , Albaum, Gerald. -Fifth Edition. -Englewood Cliffs: Prentice-Hall International, [1988]. -784p. : il. -Библиогр. в подстроч. примеч. -ISBN 0-13-774217-7.

Joseph B. Kruskal, "Analisys of Factorial Experiments by Estimating Monotone Transformations of the Data", Journal of royal Statistical Society, Series B, March 1965.

Carroll Mohn & Thomas H. Land A Guide to Quality Marketing Research Proposals and Reports, Business 39, 1989.

Багиев Г.Л. Методы получения и обработки маркетинговой информации. -СПб: Изд-во СПбУЭФ, 1986.

Аренков И. А. Маркетинговые исследования: основы теории и методики:Учеб. пособие. -СПб: Изд-во СПбУЭФ, 1992. -40с.

Аренков И. А., Ченцов В. И. Маркетинговые исследования/ Под ред. Г. Л. Багиев. -Л. : ЛОП ВНТОЭ, 1991. -29с.

Багиев Г. Л., Аренков И. А. Основы маркетинговых исследований: Учеб. пособие. -СПб: Изд-во СПбУЭФ, 1996. -93с

Баканов М. , Ващекин Н. Информационное обеспечение коммерческой деятельности // Маркетинг. -1996. -N3. -С. 40-50.

Баранчеев В. , Стрижов С. Анализ и оценка маркетингового потенциала предприятия // Маркетинг. 1996. -N5. -С. 42-50.

Герчикова И. Анализ основных экономических по казателей хозяйственной деятельности фирм // Маркетинг. -1996. -N6. -С. 82-93.

Герчикова И. Методика проведения маркетинговых исследований // Маркетинг. -1995. -N3. -С. 31-42.

Голубков Е. Маркетинговые исследования // Маркетинг. -1996. -N2. -С. 104-117.

Гребенников А. Н. Лидеры мнений в качестве материала для семплинг-панели // Маркетинг и маркетинговые исследования. -1996. -N1. -С. 51-53.

Егоров А. Ю. Комплексный анализ в системе маркетинговой деятельности. -М. : Вся Москва,1994. -255с.

Ерошкина Е. Г. Оценки погрешностей в данных, на которых основывается медиапланирование в России //Маркетинг и маркетинговые исследования в России.-1997. -N7. -С. 47-50.

Иванова Т. Маркетинговые исследования по выявлению потребности в профилактических продуктах питания в зонах радиоактивного загрязнения // Мар кетинг. -1997. -N1. -С. 35-38.

Клейнен Дж. Статистические методы в имитационном моделировании. Вып. 2. М.: Статистика, 1978.

Колбасова А. Б. Обзор методов изучения спроса на новые модификации товара // Экономика и мате матические методы. -1993. -N1. -С. 119-128.

Конюс А.А. Методы расчета состава потребительских бюджетов/ Экономико-математические методы в зарубежной статистике-М.: Статистика, 1974.

Копылова С. С. Фокус-группы: ответ на вопрос "почему" // Маркетинг и маркетинговые исследованияв России. -1996. -N2. -С. 18-20.

Кулаичев А. Проблемы аналитических исследований в сферах маркетинга и бизнеса // Маркетинг. 1996. -N5. -С. 112-115.

Маркетинговое исследование: Система мер и метод: Учеб. пособие Kinnear, Thomas C. , Taylor, James Ronald. Marketing research: An applied approach. -New York etc. : McGraw-Hill, [1979]. -656p. : tabl. , diagr. - (McGrowHill ser. in marketing).

Мотышина М. С. Методы и модели маркетинговых исследований: Учеб. пособие. -СПб: Изд-во СПбУЭФ, 1996. -109с.

Мусатов Л. Постановка задачи маркетингового исследования // Экономика и жизнь. -1995. -N8 (Прил) . -С. 18.

Tull, Donald S. , Hawkins, Del I. Marketing research: Measurement and method: A text with cases. -2nd ed. -New York; London: Macmillan, [1980]. -XII, 796p.

Хэмилтон Дж. Что такое маркетинговое исследование? // Социологические исследования. -1994. -N5. -С. 119-135.