16. 3 پیش بینی

ایجاد استراتژی بازاریابی یک رویداد واحد نیست ، و همچنین اجرای استراتژی بازاریابی چیزی نیست که فقط بخش بازاریابی باید از آن نگران باشد. هنگامی که این استراتژی اجرا شد ، بقیه شرکت باید برای مقابله با عواقب آماده شوند. همانطور که توضیح دادیم ، یک مؤلفه مهم پیش بینی فروش است که تخمین میزان فروش این شرکت در واقع است. سپس بقیه شرکت باید برای برآورده کردن این تقاضا (یا پایین) تنظیم شوند. در این بخش ، ما پیش بینی را با جزئیات بیشتر بررسی می کنیم ، زیرا گزینه های بسیاری وجود دارد که یک مدیر بازاریابی می تواند در تهیه پیش بینی ایجاد کند.

دقت هنگام پیش بینی مهم است. اگر مدیران تقاضای یک محصول را بیش از حد ارزیابی کنند ، این شرکت می تواند در نهایت هزینه های تولید ، توزیع و فعالیت های سرویس دهی را که به آن نیاز ندارد ، هزینه کند. تأثیر داده های توسعه دهنده نرم افزار اخیراً تقاضای یکی از محصولات جدید خود را بیش از حد ارزیابی کرده است. از آنجا که فروش این محصول پیش بینی ها را برآورده نمی کند ، تأثیر داده ها فاقد پول نقد برای پرداخت فروشندگان ، ارائه دهندگان ابزار و سایر موارد بود. برای کاهش هزینه ها ، کارمندان باید در بسیاری از مناطق شرکت فسخ شوند.

دست کم گرفتن تقاضا می تواند به همان اندازه ویرانگر باشد. هنگامی که یک شرکت محصول جدیدی را معرفی می کند ، برای ایجاد تقاضا برای آن ، کمپین های بازاریابی و فروش را راه اندازی می کند. اما اگر این شرکت آماده تحویل کالای کالایی که بازار را ارائه می دهد ، دیگر رقبای دیگر می توانند فروش را که شرکت ممکن است در غیر این صورت اسیر کرده باشد ، سرقت کنند. ناتوانی سونی در ارائه خواننده الکترونیکی در تعداد کافی ، باعث شد که Kindle آمازون به راحتی در بازار پذیرفته شود. سایر ویژگی ها سپس به Kindle این مزیت را داد که سونی برای غلبه بر آن دشوار است.

رهبر بازاریابی یک شرکت باید بیش از پیش بینی فروش شرکت انجام دهد. این روند می تواند پیچیده باشد ، زیرا چقدر شرکت می تواند بفروشد به عوامل بسیاری بستگی دارد که چقدر محصول هزینه خواهد داشت ، رقبا چگونه واکنش نشان می دهد و غیره - در واقع ، بیشتر آنچه شما قبلاً در تهیه یک خوانده ایداستراتژی بازاریابی. برای تعیین میزان فروش این شرکت ، باید هر یک از این عوامل در نظر گرفته شود. با تغییر عوامل ، پیش بینی نیز باید تغییر کند. بنابراین ، یک پیش بینی فروش در واقع کامپوزیتی از تعدادی از تخمین ها است و با تغییر سایر تخمین ها باید پویا باشد.

اولین قدم رایج تعیین پتانسیل بازار یا کل فروش در سطح صنعت است که در یک دسته محصول خاص برای دوره زمانی مورد علاقه انتظار می رود.(مدت زمان علاقه ممکن است سال آینده ، سه ماهه ، ماه یا دوره زمانی دیگر باشد.) برخی از شرکت های تحقیقاتی بازاریابی ، مانند نیلسن ، گارتنر و برخی دیگر ، پتانسیل بازار محصولات مختلف را تخمین می زنند و سپس آن تحقیق را به آن می فروشندشرکت هایی که آن محصولات را تولید می کنند.

هنگامی که مجری بازاریابی ایده ای از پتانسیل بازار داشته باشد ، می توان پتانسیل فروش شرکت را تخمین زد. پتانسیل فروش یک شرکت حداکثر درآمد کل است که امیدوار است از یک محصول یا تعداد واحدهای آن شرکت کند که شرکت می تواند امیدوار باشد بفروشد. پتانسیل فروش این محصول به طور معمول به عنوان درصدی از پتانسیل بازار خود و معادل حداکثر سهم بازار شرکت برای دوره زمانی ارائه می شود. همانطور که در شکل 16. 8 مشاهده می کنید "یک جدول زمانی برنامه بازاریابی که پتانسیل بازار ، فروش و هزینه ها را نشان می دهد" ، شرکت ها کمتر از پتانسیل می فروشند زیرا همه تصمیم به خرید محصول خود نخواهند داشت: برخی تصمیم می گیرند. دیگران محصول یک رقیب را خریداری می کنند. هنوز دیگران ممکن است با یک محصول جایگزین ارتباط برقرار کنند. در بودجه خود ، می خواهید درآمد حاصل از محصول را در برابر پتانسیل بازار و همچنین در برابر هزینه های محصول پیش بینی کنید.

روشهای پیش بینی

پیش بینی ها ، در سطح اساسی آنها ، فقط حدس می زنند که چه اتفاقی خواهد افتاد. با این حال ، هر تخمین محصول یک فرآیند است. چندین فرآیند از این دست برای مدیران بازاریابی در دسترس است و پیش بینی نهایی احتمالاً ترکیبی از نتایج بیش از یک فرآیند خواهد بود. این فرایندها تکنیک های داوری و نظرسنجی ها ، تکنیک های سری زمانی ، هزینه های همبستگی و مدل های دیگر و تست های بازار است.

تکنیک های قضاوت و بررسی

در بعضی از موارد ، هر پیش بینی در نهایت قضاوت شخصی است. با این حال ، برخی از تکنیک ها بیشتر به نظرات یا تخمین های افراد متکی هستند و تکنیک های داوری نامیده می شوند. تکنیک های داوری می تواند شامل نظرسنجی های مشتری (یا عضو کانال یا تأمین کننده) ، نظرات اجرایی یا متخصص ، نظرسنجی از اهداف یا تخمین های مشتریان (یا اعضای کانال) و تخمین های فروشندگان باشد.

نظرسنجی های مشتری و کانال

در برخی از بازارها ، به ویژه در بازارهای تجارت به تجارت ، شرکت های تحقیقاتی از مشتریان می پرسند که چقدر قصد دارند در سال آینده برای محصولات خاص هزینه کنند. آیا تا به حال نظرسنجی را پر کرده اید و از سال آینده قصد خرید ماشین یا یخچال را دارید؟احتمال اینکه پاسخ شما بخشی از پیش بینی کسی باشد وجود دارد. به همین ترتیب ، نظرسنجی ها برای محصولات فروخته شده از طریق توزیع کنندگان انجام می شود. شرکت ها سپس نظرسنجی ها را از شرکت های تحقیقاتی خریداری می کنند یا نظرسنجی های خود را انجام می دهند تا به عنوان نقطه شروع برای پیش بینی خود استفاده کنند. با این حال ، نظرسنجی ها در برآورد پتانسیل بازار بهتر از پتانسیل فروش هستند ، زیرا خریداران بالقوه به احتمال زیاد می دانند که چیزی را خریداری می کنند - آنها فقط نمی دانند کدام مارک یا مدل را می دانند. نظرسنجی ها همچنین می توانند نسبتاً پرهزینه باشند ، به ویژه هنگامی که فقط برای یک شرکت سفارش داده می شوند.

کامپوزیت نیروی فروش

کامپوزیت نیروی فروش پیش بینی بر اساس تخمین فروش در یک دوره زمانی معین است که از همه فروشندگان یک شرکت جمع آوری شده است. فروشندگان ایده خوبی در مورد میزان فروش در دوره زمانی آینده دارند (به خصوص اگر آنها پاداش سوار بر آن فروش ها داشته باشند). آنها با مشتریان خود تماس گرفته اند و می دانند هنگام خرید تصمیم گیری می شود.

تخمین فروش محصولات جدید یا تبلیغات جدید و استراتژی های قیمت گذاری برای فروشندگان سخت تر خواهد بود تا زمانی که بعد از معرفی ، ترویج یا تکرار ، تجربه فروش آن محصولات را تجربه کنند. علاوه بر این ، مدیریت ممکن است بخواهد تا زمانی که این موارد به عموم مردم اعلام شود ، فروشندگان از محصولات جدید یا تبلیغات آگاهی نداشته باشند ، بنابراین این روش در شرایط مربوط به محصولات یا تبلیغات جدید مفید نیست. محدودیت دیگر نشان دهنده خوش بینی طبیعی فروشندگان است. فروشندگان تمایل دارند نسبت به آنچه فکر می کنند می توانند بفروشند و ممکن است فروش آینده را بیش از حد ارزیابی کنند ، خوش بین باشند. برعکس ، اگر شرکت از این تخمین ها برای تعیین سهمیه استفاده کند ، فروشندگان احتمالاً تخمین های خود را کاهش می دهند تا دستیابی به سهمیه آسان تر شود.

فروشندگان در تخمین های فروش نزدیک به مدت خود دقیق تر هستند ، زیرا مشتریان آنها احتمالاً برنامه های خیلی دور را در آینده به اشتراک نمی گذارند. در نتیجه ، بیشتر شرکت ها برای پیش بینی دقیق تر نیازهای تولید و موجودی خود از کامپوزیت های نیروی فروش برای پیش بینی های کوتاه تر استفاده می کنند. Konica-Minolta ، تولید کننده تجهیزات اداری ، اخیراً بر بهبود صحت کامپوزیت های نیروی فروش خود تأکید زیادی کرده است زیرا هزینه اشتباه بودن بسیار زیاد است. پیش بینی های دست کم گرفته شده باعث می شود برخی از مشتریان مجبور شوند خیلی طولانی منتظر تحویل محصولات باشند و ممکن است به رقبایی مراجعه کنند که بتوانند سریعتر تحویل دهند. در مقابل ، پیش بینی های بیش از حد ارزیابی شده منجر به هزینه های بیشتر موجودی می شود.

نظر اجرایی

نظر اجرایی دقیقاً همان چیزی است که نام آن دلالت دارد: بهترین تخمین های حدس از مدیران یک شرکت. هر یک از اجرایی تخمین فروش شرکت را ارائه می دهد ، که به طور متوسط برای تشکیل پیش بینی فروش کلی ارائه می شود. مزایای عقاید اجرایی این است که آنها کم هزینه و سریع هستند و تأثیر آن را دارند که مدیران را برای دستیابی به آنها متعهد کنند. یک پیش بینی مبتنی بر عمل اجرایی می تواند نقطه شروع خوبی باشد. با این حال ، این روش مضرات وجود دارد ، بنابراین نباید به تنهایی استفاده شود. این مضرات مشابه با کامپوزیت های نیروی فروش است. اگر پیش بینی مدیران به سهمیه ای تبدیل شود که پاداش های آنها تخمین زده می شود ، انگیزه ای برای دست کم گرفتن پیش بینی خواهند داشت تا بتوانند اهداف خود را برآورده کنند. عوامل سازمانی نیز به مرحله اجرا در می آیند. به عنوان مثال ، یک مدیر اجرایی خردسال احتمالاً فروش کم برای محصولی را که مدیرعامل وی تحت فشار قرار می دهد ، پیش بینی نمی کند ، حتی اگر احتمالاً فروش کم نیز رخ دهد.

نظر متخصص

نظر متخصص مشابه نظر اجرایی است به جز اینکه متخصص معمولاً شخصی خارج از شرکت است. مانند نظر اجرایی ، نظر متخصص ابزاری است که در رابطه با روشهای کمی بیشتر استفاده می شود. با این حال ، به عنوان یک روش تنها پیش بینی ، نظرات متخصص اغلب بسیار نادرست است. فقط در نظر بگیرید که چگونه رتبه های فوتبال کالج Preseason با جدول رده بندی نهایی مقایسه می شود. پیش بینی های کارشناسان فوتبال معمولاً خیلی دقیق نیست.

تکنیک های سری زمانی

تکنیک های سری زمانی الگوهای فروش را در گذشته به منظور پیش بینی فروش در آینده بررسی می کنند. به عنوان مثال ، با تجزیه و تحلیل روند ، مدیرعامل بازاریابی میزان فروش شرکت در گذشته را مشخص می کند و از این نرخ برای تخمین فروش آینده استفاده می کند. به عنوان مثال ، اگر فروش طی 5 سال گذشته 3 درصد در سال رشد داشته باشد ، تجزیه و تحلیل روند در سال آینده 3 درصد رشد مشابه را فرض می کند.

اگر یک بازار پایدار باشد ، یک شکل ساده از تجزیه و تحلیل مانند این می تواند مفید باشد. مشکل این است که بسیاری از بازارها پایدار نیستند. تغییر سریع در هر یک از پویایی های بازار احتمالاً منجر به نوسانات گسترده در نرخ رشد خواهد شد. فقط در مورد فروش خودرو قبل ، حین و بعد از برنامه پول نقد دولت برای Clunkers فکر کنید. آنچه در ماه قبل فروخته می شود نمی تواند اثرات برنامه را به خود اختصاص دهد. در نتیجه ، اگر یک مدیر اجرایی بر اساس نرخ تغییر برای دوره قبلی ، فروش خودرو را برآورد می کرد ، تخمین می توانست از بین برود.

برنامه پول نقد دولت فدرال برای Clunkers منجر به افزایش قابل توجه کوتاه مدت در فروش خودروهای جدید و پر کردن حیاط های پر شده با هزاران نفر از کلوکرها شد!

برنامه Cash for Clunkers یک وضعیت غیرمعمول بود. بسیاری از محصولات ممکن است به دلایل دیگر تغییرات گسترده ای در تقاضا داشته باشند. تجزیه و تحلیل روند هنوز هم می تواند در این شرایط مفید باشد اما باید تنظیماتی انجام شود تا نوسانات نرخ تغییر را به خود اختصاص دهد. دو تنظیم متداول میانگین در حال حرکت است که به موجب آن میزان تغییر برای چند دوره گذشته به طور متوسط و هموار سازی نمایی ، نوعی از میانگین متحرک است که تأکید بیشتری بر جدیدترین دوره دارد.

همبستگی و مدل های دیگر

تعدادی از مدل های پیشرفته تر می توانند در پیش بینی فروش مفید باشند. یک روش نسبتاً متداول ، یک تجزیه و تحلیل همبستگی است ، که نوعی تجزیه و تحلیل روند است که فروش را بر اساس روند متغیرهای دیگر تخمین می زند. به عنوان مثال ، مدیران شرکت های مبلمان می دانند که مسکن جدید شروع می شود (تعداد خانه های جدیدی که در یک دوره ساخته می شوند) فروش مبلمان را در آینده نزدیک پیش بینی می کنند زیرا خانه های جدید تمایل به پر کردن مبلمان جدید دارند. چنین همبستگی یک شاخص اصلی محسوب می شود ، زیرا فروش را پیش می برد یا قبل از آن پیش می رود. هیئت کنفرانس شاخصی از شاخص های پیشرو را منتشر می کند ، که یک عدد واحد است که نمایانگر کامپوزیتی از شاخص های پیشرو است که معمولاً استفاده می شود. برخی از این شاخص های پیشرو شروع مسکن ، سفارشات عمده فروشی ، سفارشات کالاهای بادوام (مواردی مانند یخچال ، سیستم های تهویه مطبوع و سایر محصولات مصرفی طولانی مدت) و حتی احساسات مصرف کننده یا اینکه مصرف کنندگان فکر می کنند اقتصاد را انجام می دهد.

مدل های پاسخ

برخی از شرکت ها مدلهای آماری پیشرفته ای به نام مدل های پاسخ ایجاد می کنند که مبتنی بر نحوه پاسخ مشتریان در گذشته به استراتژی های بازاریابی است. به عنوان مثال ، JCPeey داده های فروش قبلی را می گیرد و آن را با داده های مشتری جمع آوری شده از وب سایت خرده فروشی ترکیب می کند. این مدل ها به JCPeey کمک می کنند تا ببیند چه تعداد مشتری حساس به قیمت هستند و فقط هنگام فروش محصولات خریداری می کنند و چه تعداد مشتری احتمالاً به پیشنهادات خاصی پاسخ می دهند. خرده فروش می تواند بر اساس پیشنهادات و تبلیغات مربوط به آن بخش ها ، فروش محصولات را بر اساس بخش بازار تخمین بزند.

تست های بازار

آزمایش بازار آزمایشی است که در آن شرکت به منظور کسب دانش در دنیای واقعی در مورد نحوه واکنش بازار به محصول ، پیشنهاد جدیدی را در یک بازار محدود راه اندازی می کند. از آنجا که هیچ اطلاعات تاریخی در مورد نحوه انجام محصول وجود ندارد ، مدل های پاسخ و تکنیک های سری زمانی مؤثر نیستند. یک آزمایش بازار در پاسخ به برنامه بازاریابی ، برخی از اندازه گیری های فروش را ارائه می دهد ، بنابراین از این نظر ، مانند یک مدل پاسخ ، فقط بر اساس داده های محدود است. سپس تقاضا برای محصول می تواند به بازار کامل برون یابی شود. با این حال ، به یاد داشته باشید که تست های بازار برای رقبای شما قابل مشاهده است و می توانند اقداماتی مانند کاهش شدید قیمت را انجام دهند تا نتایج شما را کاهش دهند.

HEB از Waco ، تگزاس ، به عنوان یک بازار آزمون استفاده می کند و داده های برنامه وفاداری خود را با داده های فروش ترکیب می کند تا ببیند چه کسی چه کسی را خریداری می کند و با چه قیمتی.

زنجیره مواد غذایی HEB از Waco ، تگزاس ، به عنوان یک سایت آزمایشی استفاده می کند. HEB یک برنامه وفاداری دارد که به آن امکان می دهد داده های زیادی را در مورد مشتریان خود جمع آوری کند. هنگامی که HEB می خواهد بازار جدیدی را آزمایش کند ، این شرکت این کار را در WACO انجام می دهد ، جایی که داده های مشتری شخصی را می توان با داده های فروش ترکیب کرد. آزمایش در WACO به HEB می گوید که احتمالاً محصول را خریداری می کند و با چه قیمتی ، اطلاعاتی که باعث می شود اکستراسیون به بازار بزرگتر آنها دقیق تر شود.

پیش بینی های بهتر

در بهترین حالت ، یک پیش بینی یک تخمین علمی است ، اما واقعاً ، یک پیش بینی هنوز فقط یک حدس پیچیده است. با این وجود ، مراحلی وجود دارد که می تواند احتمال موفقیت را تقویت کند. اولین قدم تعهد به صحت است. در کونیکا-مینولتا ، معاون رئیس جمهور منطقه به دلیل دقیق بودن و مجازات به دلیل اشتباه در مورد پیش بینی های خود ، پاداش می گیرند ، مهم نیست که جهت آنها چیست. همانطور که قبلاً نیز اشاره کردیم ، دست کم گرفتن توسط رهبری Konica-Minolta در نظر گرفته می شود که به همان اندازه بد است که فروش را بیش از حد ارزیابی کند.

ما همچنین ذکر کرده ایم که در صورت استفاده از تخمین ها برای تعیین سهمیه ، فروشندگان و مدیران چگونه تخمین ها را کاهش می دهند. استفاده صحیح از پیش بینی ها عامل دیگری است که می تواند دقت پیش بینی را بهبود بخشد. اما روش های دیگری برای دقیق تر پیش بینی وجود دارد. اینها با انتخاب روشهای مناسب برای تجارت شما شروع می شوند.

روش (های) مناسب را برای تجارت و تصمیم خود انتخاب کنید

برخی از محصولات چرخه فروش بسیار کوتاهی دارند. دیگران برای تولید و فروش مدت زمان زیادی طول می کشد. آنچه برای یک مصرف کننده سریع در حال حرکت مانند خمیر دندان مناسب است برای یک کالای دوام مانند یخچال مناسب نیست. یک مدل پاسخ ممکن است در کوتاه مدت برای خمیر دندان CREST کار کند ، اما پیش بینی های طولانی مدت ممکن است به یک تکنیک سری زمانی پیشرفته نیاز داشته باشد. در مقابل ، گرداب ممکن است به عنوان مثال ، بررسی های کانال پیش بینی کننده بهتر فروش یخچال در دراز مدت باشد.

از چندین روش استفاده کنید

از آنجا که پیش بینی ها برآورد می شوند ، هرچه تخمین های بیشتر از روشهای مختلف حاصل شود ، بهتر می شود. به عنوان مثال ، ترکیب نظرات متخصص با تجزیه و تحلیل روند می تواند به شما کمک کند نه تنها آنچه اتفاق می افتد بلکه به همین دلیل نیز درک کنید. هر پیش بینی منجر به تصمیماتی مانند تصمیم به استخدام افراد بیشتر ، اضافه کردن ظرفیت تولید ، منابع سفارش و موارد دیگر می شود. علاوه بر این ، همانطور که می گویند ، تمرین کامل می کند. هرچه پیش بینی های بیشتری برای تصمیم گیری و تصمیماتی که باید با آنها زندگی کنید ، در پیش بینی بهتر می شوید.

از متغیرهای زیادی استفاده کنید

پیش بینی برای واحدهای تجاری کوچکتر ابتدا می تواند به دقت بیشتری منجر شود. به عنوان مثال ، JCPeey ممکن است ابتدا فروش را بر اساس منطقه تخمین بزند ، و سپس این اطلاعات را به یک پیش بینی فروش ملی تبدیل کند. با پیش بینی محلی ، متغیرهای بیشتری را می توان در نظر گرفت و با توجه به متغیرهای بیشتر اطلاعات بیشتری به دست می آید که باید به صحت پیش بینی فروش کلی شرکت کمک کند. به همین ترتیب ، JCPeey ممکن است فروش را بر اساس بخش بازار تخمین بزند ، مانند زنان بالای پنجاه سال. باز هم ، پیش بینی در یک بخش کوچکتر یا واحد تجاری می تواند شرکت را قادر به مقایسه چنین پیش بینی هایی با پیش بینی با خط تولید کند و به طور کلی دقت بیشتری کسب کند.

از پیش بینی های مبتنی بر سناریو استفاده کنید

یک پیش بینی کافی نیست. در نظر بگیرید که در صورت تغییر شرایط چه اتفاقی خواهد افتاد. به عنوان مثال ، اگر رقبای شما به شدت به استراتژی شما واکنش نشان دهند ، پیش بینی شما چگونه می تواند تغییر کند؟اگر اصلاً واکنش نشان ندادند ، چگونه ممکن است تغییر کند؟یا اگر دولت سیاستی را تغییر می دهد که مالیات محصول شما را رایگان می کند؟همه این عوامل بر فروش تأثیر می گذارد ، بنابراین اجرایی هوشمند سناریوهای متعدد را در نظر می گیرد. در حالی که ممکن است اجرایی انتظار نداشته باشد که دولت چیزی را بدون مالیات ایجاد کند ، می توان سناریوهایی را ایجاد کرد که مقررات مطلوب دولت ، تنظیم پایدار و تنظیم منفی را در نظر بگیرد ، دقیقاً همانطور که می توان واکنش رقابتی سبک ، واکنش متوسط یا واکنش قوی را در نظر گرفت.

نتایج واقعی را پیگیری کنید و تنظیم کنید

با گذشت زمان ، پیش بینی هایی که ساخته شده اند باید تنظیم شوند تا واقعیت را منعکس کند. به عنوان مثال ، کیتی Scallan-Sarantakes ممکن است مجبور باشد پیش بینی سالانه برای فروش Scion را انجام دهد ، اما با گذشت هر ماه ، او داده های فروش سختی را برای تنظیم پیش بینی های آینده دارد. علاوه بر این ، او می داند که رقابت به شدت واکنش نشان داده است و می تواند تخمین های خود را بر این اساس تنظیم کند. بنابراین ، حتی اگر او ممکن است یک پیش بینی سالانه داشته باشد ، پیش بینی به طور مرتب بر اساس عملکرد خوب شرکت تغییر می کند.

غذای اصلی

پیش بینی یک حدس یا تخمین تحصیل کرده از فروش در آینده است. دقت مهم است زیرا بسیاری از تصمیمات دیگر که یک شرکت باید به پیش بینی ها بستگی داشته باشد. هنگامی که یک شرکت فروش را پیش بینی می کند ، باید پتانسیل بازار و پتانسیل فروش را در نظر بگیرد. بسیاری از روش های پیش بینی وجود دارد ، از جمله نظر متخصص ، بررسی کانال و مشتری ، کامپوزیت های نیروی فروش ، داده های سری زمانی و بازارهای آزمایش.

پیش بینی های بهتر را می توان با استفاده از روش های مختلف ، پیش بینی سناریوهای مختلف و ردیابی داده های واقعی (از جمله فروش) و تنظیم پیش بینی های آینده بر این اساس بدست آورد.