Прогноз будущего спроса

 

Прогноз — это умение оценить будущий спрос, определяя, что будут предпочитать покупатели. Например, ассоциация хочет заказать в следующем году 100 мест на трое суток в гостинице на 250 номеров и платить $95 за номер в сутки. Текущие же расценки гостиницы такого ранга следующие: обычная цена — $150, для организаций и фирм — $125, а средняя — $105. Менеджер может взять 300 номеров в сутки по низкой цене или попытаться понизить стоимость заказа до $28500. Не имея прогноза, трудно ответить на этот вопрос. Прогнозирование помогает менеджеру максимизировать прибыль.

Большинство рынков не имеет устойчивого развития промышленности или спроса, и тогда хороший прогноз становится ключевым фактором в успехе компании. Плохой прогноз может привести к избытку обслуживающего персонала и материальных ресурсов или их недостатку. Чем более неустойчив спрос, тем больше компания нуждается в точных прогнозах и качественной процедуре прогнозирования.

 

Методы прогнозирования

 

Многие фирмы основывают свои прогнозы на тенденциях прошлых продаж. Они предполагают, что опыт прошлых продаж может быть раскрыт через статистический анализ, и их аналитики используют причинные взаимозависимости для составления прогноза будущих продаж. Один из наиболее известных таких методов — временной анализ, или построение трендов. Он состоит в разложении первоначальных продаж на четыре компонента — тенденцию, цикл, сезон и случайные факторы, а затем в объединении этих компонентов, чтобы произвести коммерческий прогноз сбыта. Тренд — это долгосрочное направление движения (роста или снижения) объемов продаж, происходящего в результате основных изменений в численности населения, формировании капитала и технологии. Для его нахождения вычерчивают прямую линии для целого ряда прошлых продаж.

Цикл охватывает период среднесрочной волны движения объемов продаж, являющейся результатом изменений в общей экономической и конкурентной активности. Выявление цикличности может быть полезно для построения среднесрочных прогнозов. Циклические колебания, однако, трудны для прогнозирования, поскольку происходят неравномерно, не в строгие временные интервалы.

Сезон относится к характеристике последовательного типа еженедельных, ежемесячных или ежеквартальных изменений объемов продаж в пределах одного года. В гостиничном бизнесе мы обычно судим о сезонных изменениях на основе года, нескольких лет, но важны и еженедельные и даже почасовые изменения объемов сбыта. Сезонный компонент может быть связан с погодными факторами, праздниками и торговыми обычаями.

Сезонный фактор представляет собой модель прогнозирования краткосрочных продаж. Управление доходами зависит от прогноза уровня спроса в конкретный день, рейс, круиз и час суток. Компаниями уже тщательно проанализированы прошлые изменения объемов продаж, например, исследования продаж по вторникам второй недели сентября или общее количество и состав пассажиров рейса 482 каждую среду на 3.30 часа дня. Однако прогноз авиалиний усложняется наличием транзитных остановочных пунктов. Крупные компании по обслуживанию клиентов типа авиалиний, сетей гостиниц и фирм по аренде автомобилей (например Hertz) для анализа огромных объемов данных используют сложное компьютерное программное обеспечение.

Наконец, случайные факторы включают в себя различные непредвиденные обстоятельства: причуды клиентов, забастовки, снежные бури, землетрясения, бунты, пожары и др. Эти компоненты, по определению, являются непредсказуемыми и не должны включаться в базу данных, чтобы получить объективную картину обычного движения продаж. Большинство этих случаев не может быть предсказано, но некоторые, типа снежных бурь и забастовок, все-таки поддаются краткосрочному прогнозированию. Менеджеры гостиниц Вашингтона (округ Колумбия) знают, что, если в городе ожидается снежная буря, спрос на номера увеличится — приезжие не смогут покинуть город и останутся в гостинице. Служащие различных офисов также не смогут возвратиться домой и будут вынуждены остановиться в гостинице. Менеджеры, знающие о таком поведении спроса в непредвиденных случаях, могут использовать эти знания в руководстве компанией в кризисные моменты.

Первый шаг в управлении спросом — понимание факторов, влияющих на спрос со стороны рыночных сегментов фирмы. День выдачи заработной платы может изменить спрос клиентов в целой области. Например, вечера пятницы и субботы в северном Далласе в день выплаты заработной платы на фирме Texas Instruments более напряженны для менеджеров и работников ресторанов, чем обычные уикэнды.

Возможны и сезонные вариации. The Boulders, курорт в Аризоне, имеющий расценки свыше $500 за комнату в сезон, все же закрывается в июле и августе из-за низкого спроса на комнаты, предлагаемые даже по половинной цене. Отпускные периоды положительно влияют на спрос на большинстве курортов. Количество деловых путешественников снижается с середины декабря и до середины января, в течение летнего периода и в уикэнды. Хотя спрос колеблется, многие из этих колебаний легко объяснимы. Менеджеры должны понимать факторы, от которых зависят изменения спроса, и учитывать это в своих прогнозах.

Предположим, что гостиница с 250 комнатами заполнялась на 76%, т.е. продавалось 69350 номеров в сутки (сутко-номер) в течение года по средней цене $80. В течение последний семи лет число продаж — один номер в сутки и средняя цена — увеличилось на 5% каждый. Чтобы не отставать от роста объема продукции, гостиница провела два повышения цен. Эта информация предполагает, что в следующем году гостиница продаст 72818 номеров в сутки (69350 х 1;05) по средней цене $84 (1,05 х $80). Менеджер сначала должен определить, имеет ли гостиница достаточную вместимость, чтобы удовлетворить увеличивающийся спрос. Если гостиница уже продала деловом путешественникам часть мест со вторника по четверг в течение февраля — мая и сентября — октября, нереально ожидать 5%-ного увеличения, так как вместимость отеля ограничена. Единственная возможность — увеличить запол-няемость в периоды пониженного спроса.

Предположим далее, что в следующем году ожидается спад. В результате количество продаж одного сутко-номера, как ожидается, понизится на 10% и средняя цена уменьшится на 15%, поскольку конкуренты сокращают свои цены в целях привлечения клиентов. Если менеджер при осуществлении прогноза не учел фактора спада и запланировал заполняемость, основываясь исключительно на прошлой информации, то средняя цена номера будет очень завышена. С учетом спада прогноз должен показать более низкую заполняемость отеля и по более низкой цене номера.

Когда прогноз показывает уменьшение продаж, важно понять причины такого уменьшения, особенно регионального спада. Региональная экономика, сильно зависящая от одной отрасли производства, может переживать региональный спад, когда эта отрасль находится в упадке, хотя остальная часть страны процветает. Когда руководство гостиницы посылает план-прогноз, показывающий снижение продаж, в головную контору фирмы, он будет отклонен, если не будет обеспечен достаточным обоснованием. Во многих случаях, когда директор продаж представляет маркетинговый план, призывающий к сокращению продаж без достаточного обоснования проектируемого уменьшения, общее руководство фирмы потребует от директора продаж увеличить цифры прогноза. В этом случае гостиница будет не в состоянии выполнить пересмотренный прогноз и директор продаж будет уволен за то, что не выполнил цели продаж. Менеджеры должны прогнозировать точно и представлять информацию, обосновывающую свои прогнозы.

 

Статистический анализ спроса

 

Временной анализ скорее рассматривает уровень прошлых и будущих продаж как функцию от времени, а не от других реальных факторов спроса. Но уровень продаж любого товара зависит от множества факторов. Статистический анализ спроса — набор статистических процедур, используемых в целях обнаружения наиболее важных реальных факторов, воздействующих на продажи, и их взаимного влияния. Наиболее часто анализируемые факторы — это цены, доход, население и средства продвижения товаров и услуг.

Статистический анализ спроса состоит в определении продаж Q как зависимой переменной величины и стремлении объяснить продажи как функцию от нескольких независимых переменных спроса Х₁, X₂,..., Xn. То есть

Q =f(х_1, х₂,..., х_n).

При помощи техники, получившей название многократно регрессивного анализа, различные формы уравнения могут быть статистически приспособлены к данным в поиске лучших факторов прогноза и уравнения.

Например, в ресторане близ университета Marquette в Милуоки (штат Висконсин) заметили, что уровень продаж зависел от того, была ли в это время сессия в университете, и от уровня продаж в течение предыдущей недели:

Q = 2614,3 + 1610,7 Х₁ + 0,2605 Х₂,

где Х₁ — заданная переменная, указывающая, была ли в это время в университете Marquette сессия (1 — была сессия и 0 — не было сессии), a Х₂ — объем продаж за прошлую неделю.

Например, если в университете Marquette только что закончился учебный семестр и руководство ресторана хотело спрогнозировать уровень продаж на следующую неделю при условии, что их уровень на прошлой неделе составил $6000, то объем продаж, прогнозируемый на следующую неделю, будет

Q = 2614,3 + 1610,7 Х₁ + 0,2605 Х₂ =

= 2614,3 + 1610,7(0) + 0,2605(6000)=

= 2614,3 -I- О + 1563 = $4177,30.

Менеджер мог также ожидать постепенное снижение продаж (так как продажи в предыдущую неделю падали), поскольку активность в университетском городке спадает. Например, если ресторан достиг прогнозируемого уровня продаж $4177,30, то на следующей неделе планируемые продажи составят $3702,49. Это снижение произойдет из-за падения уровня продаж с $6000 до $4176,30, которое наблюдалось на предыдущей неделе. Продажи ресторана в период отсутствия в университете сессии составят $3535 (в течение шестой недели периода между сессиями).

Используя в прогнозе метод регрессии, следует помнить о двух опасностях.

· Приведенное уравнение не работает в экстраординарных случаях. Например, если на уик-энд к студентам приезжают родители, ресторан может иметь очень высокий уровень продаж. Однако уравнение не учитывает такой семейный уик-энд как переменную. Поэтому для этого случая невозможно точно запланировать уровень продаж. В течение недели после семейного уикэнда уровень продаж будет завышен, поскольку показатель продаж в течение предыдущей недели (семейный уик-энд) был необычно высок.

· Прогнозирование без ранжирования различных переменных опасно. Например, если менеджер исследует влияние рекламы на уровень продаж гостиничных номеров, он может обнаружить, что продажи номеров увеличиваются на $5 на каждый доллар, потраченный на рекламирование гостиничных услуг. Если у гостиницы рекламные расходы ранжированы с $75 до $150, то мы не обязательно получим эту зависимость в случае рекламных расходов в $250, так как этот уровень рекламы не был тестирован.

Рассмотренные предостережения иллюстрируют два типа ошибок, вызываемых неправильным использованием регрессионного анализа. Статистический анализ спроса может быть, очень сложен, и специалист по маркетингу должен быть очень осторожным при планировании и прерывании такого анализа. Однако постоянно совершенствуемые компьютерные технологии делают статистический анализ спроса все более популярным в прогнозировании.

Два других метода прогноза, используемых в сфере гостеприимства, — скользящее среднее значение и экспоненциальное сглаживание. Скользящее среднее значение — это среднее число из ряда предыдущих периодов (л); оно используется для прогнозирования продаж в течение следующего периода. Например, если ресторан имел продажи $12000, $12500, $13000 и $12500 за последние четыре недели, то, используя скользящее среднее значение за четыре недели, прогноз сбыта на следующую неделю составит $12500:

($12000 + $12500 + $13000 + $12500) / 4 = $12500.

Ограничение скользящих средних значений означает, что среднее значение прошлого периода имеет тот же вес, что и в текущем периоде.

Экспоненциальное сглаживание — простая, но полезная математическая техника, которая позволяет оценить последние периоды во взвешенном виде.

Методы прогноза, рассмотренные в этой главе, представляют некоторые методы, используемые менеджерами. Здесь, в этой книге, нет возможности дать детальное объяснение всех методов прогноза. Мы просто хотели показать, какие доступные методы могут помочь менеджерам в их работе по прогнозированию.