Файл: Методологические основания прикладных маркетинговых исследований..pdf

Из мероприятий 3 группы успешно реализуется метод эксперимента, который заключается в изменении дизайна собственных торговых марок. В случае наличия положительной динамики продаж товар собственной торговой марки запускается в производство.

Эффективные маркетинговые исследования, это исследования, результаты которых можно использовать для получения прибыли от внедрения маркетинговых программ. Для того, чтобы исследования были эффективными необходимо соблюдать необходимые условия.. Во-первых, исследования должны носить систематический, а не случайный или несвязанный характер. Во-вторых, это не одноразовое мероприятие, они включают совокупность действий или процессов: сбор данных, запись и анализ. В-третьих, данные могут поступать из различных источников, как от самой компании, так и от специалистов-исследователей, независимых, или работающих в компании. В-четвертых, маркетинговые исследования могут быть применены к любой стороне маркетинга, которая требует информации для содействия принятию решений. [11].

Маркетинговые исследования призваны помочь руководству компании в принятии правильного решения, на их основе разрабатываются рекомендации, представляющие собой предложения о будущих действиях компании, основанные на собранных данных. Обычно такие предложения представляются руководству компании в письменной форме в виде отчета о результате анализа маркетинговых исследований. Содержание отчета должно быть четким и понятным для сотрудников, таким образом, следует определить терминологию исследования. [17].

Для принятия решений необходимо пользоваться достоверной маркетинговой информацией, полученной в результате анализа маркетинговых исследований. После сбора маркетинговой информации следует приступить к выработке программы работ: к разработке, реализации и пересмотру маркетингового плана компании.

Маркетинговые исследования также играют немаловажную роль при правильной разработке мер коммуникативного воздействия. Владение информацией о целевой аудитории, которой предназначено рекламное обращение, является необходимым, особенно, в том случае, если целью коммуникационной программы является выход на новый рынок или привлечение потребителей [2].

Глава 3. Использование методов прогнозирования при проведении маркетинговых исследований

Прогнозирование основных экономических показателей работы актуально для каждой организации во все времена. В современной экономике наиболее важным для бизнеса является прогнозирование спроса на реализуемую продукцию [5]. Различные способы уточнения  прогноза описаны в литературе [1, 2, 4, 7]. Чаще всего точность повышается при увеличении учитываемых в прогнозе отдельных факторов – сезонности [7], эластичности по цене [8] и других. Однако при этом не упоминается негативная сторона увеличения числа переменных – рост время затрат, трудозатрат, чрезмерное усложнение модели.

Прогнозы можно получать при помощи методов математики и статистики или с помощью экспертов. Использование языка математики позволяет точно формулировать  информацию об объекте и на основе построения математических моделей составлять прогнозы.

Модели потребительского выбора, экономического роста, равновесия на товарных, сырьевых, финансовых рынках, и прочие модели выявляют существенные факторы, определяющие исследуемое явление и исключают детали, несущественные для решения поставленной задачи. Формализация основных процессов в экономическом объекте дает возможность оценить различные воздействия и их последствия и использовать эти оценки в управлении.

Предсказание будущих изменений того или иного показателя должно опираться не только на интуицию, некоторые экспертные оценки, но и обязательно на объективные математические зависимости, отраженные в математических моделях [5].  В таких моделях все взаимосвязи переменных оцениваются количественно, что позволяет получить более качественный и надежный прогноз.

Однако любая экономическая модель является достаточно абстрактной, потому как помимо основных объективных параметров опирается на множество факторов, которые, несмотря на свою относительную малость, могут определять отклонения в поведении бизнес-объекта. Например, на величину спроса влияют не только объективные факторы цены и дохода потребителя, которые подлежат вполне несложной формализации, но и такие категории, как вкус, ожидания, мода, реклама и т.п.

Основные используемые в экономике бизнеса модели можно разделить на различные  группы [3] в зависимости от применяемого математического аппарата. Однако в условиях бизнеса наиболее применимо использование стохастических моделей - т.к. в любой компании существуют наработанные за период их существования статистические данные о продажах, о затратах, о сотрудниках, о поставщиках.

  Применение стохастической модели позволило сделать прогноз количества продаж на основе имеющихся данных о продажах. Никаких факторов, которые могли бы повысить точность прогноза,  в этом случае учтено не было. Применялся базовый метод линейной экстраполяции [3], в этом случае уравнение прогнозируемого количества продаж имеет следующий вид:

N_прⁱ = N_ф^(i-1) + N_ф^(i-1)  * Кⁱ,                                (1)

где N_прⁱ – прогнозируемое количество продаж в i-м месяце                

N_ф^(i-1)  – фактическое количество продаж в последнем отчетном (i-1) месяце

Кⁱ – коэффициент линейного изменения количества продаж

i – месяц, на который составляется прогноз.

Расчеты по указанным формулам и на основе данных статистики приведены в Таблице 7. Никакие иные факторы, кроме фактических, за прошедшие периоды,  в модели не учитывались. Источник данных для иллюстрации - продажи газетно-журнальной продукции в киосках.

Таблица 7. Сравнение прогнозируемых и фактических данных продаж

Как видно из Таблицы 7, средняя погрешность расчетных значений количества продаж по сравнению с фактическими составляет 13%, что превышает допустимую. Доверительным интервалом точности принято считать 3-5% в зависимости от количества применяемых в прогнозе данных.

Для более точного прогноза изменения количества продаж необходимо ввести дополнительно как минимум два критически важных фактора – сезонность и цена [2, 4, 7]. На практике выполнить условие «при прочих равных условиях» так, чтобы влияние отдельно взятого фактора на потребление было четко установлено, достаточно трудно. В обновленной модели предлагается учитывать влияние сезонного фактора. Уравнение прогнозируемого количества продаж будет иметь следующий вид:

N_прⁱ = N_ф^(i-1) + N_ф^(i-1) * Ц_пр * К_э,                                (2)

или

N_прⁱ = N_ф^(i-1) * (Ц_пр * К_э +1),                                (3)

где N_прⁱ – прогнозируемое количество продаж в i-м месяце                

N_ф^(i-1)  – фактическое количество продаж в последнем отчетном (i-1) месяце

Ц_пр – прогнозируемое процентное изменение цены в i-м месяце по сравнению с (i-1) месяцем, %

К_э – коэффициент эластичности спроса

i – месяц, на который составляется прогноз

Ц_пр= (  Ц_прⁱ-   Ц_ф^(i-1)) /  Ц_ф^(i-1)                          (4)

где Ц_прⁱ– прогнозируемая цена в i-м месяце

Ц_ф^(i-1) – фактическая цена в (i-1) месяце

Фактическое количество продаж принимается равным фактическому за последний отчетный месяц. Прогнозируемое процентное изменение цены определяется как разница между предполагаемой новой ценой на товар или услугу и ценой на данный товар в некотором базовом периоде. Для удобства расчетов в качестве базового периода целесообразно брать, например, первый месяц года, предшествующий прогнозируемому [4].

Коэффициент эластичности рассчитывается по формуле

К_э = (∆N^с/ N_(баз)^с) / (∆Ц/ Ц _(баз) ^ф),                           (5)

где  ∆N^с – изменение количества продаж в (баз+1) месяце по сравнению с (баз) месяцем (базовый период) с учетом фактора сезонности

N_(баз)ф^с-  фактическоеколичество продаж в (баз) месяце (базовый период) с учетом  фактора  сезонности

∆Ц - изменение цены в (баз+1) месяце по сравнению с  (баз) месяцем

Ц _(баз) ^ф - фактическая цена в (баз) месяце

∆N^с₌ N_(баз+1)^c-N_(баз)ф^с,                                                        (6)

где  N_(баз+1)^c-количество продаж в (баз+1) месяце с учетом фактора сезонности.

∆Ц = где Ц_(баз+1) – Ц _(баз) ^ф,                                                     (7)

где Ц_(баз+1)^ф–фактическая цена в (баз+1) месяце.

Фактическое количество продаж без учета фактора  сезонности означает продажи, которые были бы без учета сезонности спроса:

N^c= N_j^ф * К_j^c,                                                       (8)

где N_j^ф – фактическое количество продаж в j-м месяце,

К_j^c– коэффициент сезонности в j-м месяце.

Коэффициент сезонности необходимо рассчитать для того, чтобы исключить влияние данного фактора на продажи и в дальнейшем рассчитать только зависимость количества продаж от цены. Расчет данного коэффициента проводится по формуле

К_j^c= N_j^ф / N_б,                                                (9)

где N_б – фактическое количество продаж в базовом месяце. В качестве базового месяца предлагается брать первый месяц рассматриваемого периода – например, начало года. Однако может возникнуть ситуация, когда не будет достоверных данных за первый месяц года. Тогда базисный период – это первый период времени, с которого данные можно считать достоверными, и соответственно коэффициент сезонности определяется из расчёта данного базисного периода.

Такой способ расчета коэффициента сезонности носит приблизительный характер, т.к. в этом случае делается предположение, что на изменение количества продаж не влияли никакие прочие факторы, кроме фактора сезонности. При этом коэффициент сезонности будет разным для каждого месяца анализируемого периода.

Таким образом, внедрение в расчет достаточно легко обрабатываемых факторов может вдвое увеличить точность прогноза: с погрешности в 13% до погрешности в 6.3%. Очевидно, что дополнительное включение факторов, которые могут влиять на тренд, повлечет за собой не только увеличение  точности [2], но и  усложнение математической модели, а также, согласно закону уменьшающейся полезности, каждый добавленный фактор будет повышать точность расчетов меньше предыдущего. Насколько усложнять процесс прогнозирования – зависит исключительно от преследуемых аналитиком целей (быстрый предварительный прогноз, полноценное исследование, либо какой-то промежуточный вариант).