Грэг Маршалл - Управление отделом продаж

При прогнозировании сбыта руководитель отдела продаж сталкивается с вопросом: какой метод следует использовать и насколько точным получится прогноз? Это особенно сложно определить, когда менеджер пробует несколько методов и полученные результаты не согласуются друг с другом, что случается гораздо чаще, чем хотелось бы.

Было проведено несколько исследований, чтобы оценить точность прогнозирования для разных методик. Некоторые из них касались отдельно взятых компаний, в других использовались выборочные ряды данных, к которым систематически применялись разные техники прогнозирования. В одном из самых дорогостоящих проектов проанализировали 1001 временной ряд из разных источников с использованием для каждого 24 методов экстраполяции. В итоге был сделан вывод, что от применяемого метода с точки зрения точности прогноза мало что зависит {74}. Аналогично, сравнение точности прогнозов объективных и субъективных методов не дало четкого вывода, какой из вариантов лучше. Иногда при сравнении предпочтительнее выглядели количественные методы {75}, но в других случаях более точные прогнозы давали субъективные методы {76}.

В целом многочисленные примеры сопоставления методик указывают, что ни одна из них, скорее всего, не может быть лучшей всегда и в любых условиях. Скорее, преимущество той или иной техники зависит от ряда факторов, в том числе стабильности временного ряда, горизонта наблюдений, степени структурированности процесса, использования компьютера и наличия или отсутствия сезонной составляющей. Таким образом, лучший подход – это применение многочисленных методик прогнозирования, в том числе субъективных и объективных, в сочетании друг с другом, сравнение их результатов, а затем выбор финального прогноза на основе экспертного суждения.

Все чаще компании при разработке прогнозов прибегают к вариативному планированию: составители прогнозов должны ответить на несколько вопросов из разряда что, если…, которые касаются вероятных изменений условий среды. Наряду с вполне возможными изменениями рассматриваются и очень маловероятные. Основная цель не в том, чтобы получить единственно верный сценарий, – необходим скорее набор сценариев, которые будут отражать основные движущие силы системы, их взаимосвязи и важнейшие факторы неопределенности {77}.

Оценить необходимо не только общий спрос – многим компаниям также нужны оценки каждой территории сбыта, поскольку потенциал того или иного товара может быть не везде одинаков. Оценки территории помогают эффективно выстроить планирование, руководство и контроль в отделе продаж и, следовательно, влияют на следующие аспекты:

1. проектирование территорий сбыта;

2. процедуры выявления потенциальных покупателей;

3. установление квот;

4. разработку системы оплаты труда торгового персонала;

5. оценку результатов работы продавцов.

Для потребительских и промышленных товаров процесс оценки спроса по территориям будет различаться. В случае с продукцией промышленного назначения данная оценка может проводиться путем соотнесения объема продаж с неким общим параметром. Таким параметром может быть общая численность работающих, количество сотрудников, занятых в производстве, величина добавленной стоимости в промышленности, стоимость потребленных материалов, отгруженной продукции или расходы на новое оборудование. Скажем, рассчитывается коэффициент продаж на одного работника для каждого из нескольких идентифицируемых рынков. Затем, взяв число работающих на определенной территории в пределах каждого идентифицируемого рынка, можно оценить совокупный спрос на продукт для данной территории.

Идентифицируемые рынки обычно определяются с помощью классификатора NAICS (Североамериканской системы классификации отраслей), который принят вместо ранее действовавшей системы SIC (Стандартной промышленной классификации). Эти системы были разработаны Бюро переписи населения США для организации схемы учета деловой информации, например о занятости, добавленной стоимости в промышленном секторе, капитальных расходах и совокупных продажах. Каждой крупной отрасли в США присваивается двузначный номер, указывающий на ее принадлежность к той или иной группе. Типы компаний, составляющих эту отрасль, далее классифицируются с помощью дополнительных цифровых кодов.

Если организации, работающие с промышленными потребителями, при оценке спроса по территориям чаще используют для идентификации рыночных сегментов коды NAICS, то поставщики потребительских товаров скорее исходят из агрегированных параметров в каждом регионе. Иногда это одна переменная, или один рыночный фактор, вроде количества домохозяйств, численности населения или, возможно, уровня доходов в регионе. В других случаях компания пытается соотнести спрос с несколькими переменными, объединенными в систему. Например, статистический регрессионный анализ спроса на стиральные машины показывает его как функцию следующих прогностических параметров:

1. количество имеющихся у населения стиральных машин;

2. число жилых домов, к которым подведено электричество;

3. располагаемый доход;

4. чистая задолженность;

5. индекс цен на товары для дома.

Поскольку эти данные свои для каждой территории и открыто публикуются, компания может использовать уравнение регрессии, чтобы оценить спрос в том или ином сегменте.

Одни фирмы готовы искать и выявлять зависимость между совокупным спросом на продукт и несколькими переменными, которые логически влияют на продажи. Другим достаточно оценить спрос по территориям на основе стандартных многофакторных индексов, разработанных экспертами.

Один из самых распространенных стандартных индексов – индекс покупательной способности (Buying Power Index – BPI), рассчитываемый и публикуемый журналом Sales & Marketing Management . В нем учитываются доход, численность населения и уровень розничных продаж. Эти переменные взвешены с коэффициентами 5, 2 и 3 соответственно, и на их основе рассчитывается единая числовая величина для географического региона, с помощью которой оценивается его доля в совокупном рыночном спросе {78}.

Предположительно BPI не очень подходит для оценки территориального потенциала рынка промышленной продукции. Не годится он и для редко приобретаемых дорогостоящих потребительских товаров. Зато этот показатель очень часто используется при оценке территориального потенциала регулярно приобретаемых недорогих товаров повседневного спроса. Возможный вариант действий для компании, продающей потребительские товары, состоит в том, чтобы эмпирическим путем определить, коррелирует ли индекс BPI с данными о продажах в отрасли по регионам. Если это так, то компании повезло, поскольку ей удобно пользоваться BPI: статистика публикуется ежегодно с разбивкой на небольшие географические сегменты. Если индекс не очень хорошо коррелирует с продажами продукта, то лучше использовать один рыночный фактор или разработать собственный индекс, используя факторы, логически связанные с продажами, и некоторые априори заданные или эмпирически выведенные весовые коэффициенты, отражающие их относительную значимость.