Энциклопедия маркетинга, https://www.marketing.spb.ru

Адрес документа: https://www.marketing.spb.ru/lib-mm/sales/sales_forecasting.htm
Обновлено: 20.11.2017

Увидеть будущее

Журнал «Маркетолог», № 2 за 2007 год

Обзор методов прогнозирования продаж нового продукта

Запуск нового продукта — дело рискованное. Сократить риски, связанные с выпуском новинок, призван инструмент, который есть в списке услуг практически всех серьезных исследовательских компаний: прогнозирование объемов продаж марки. Несмотря на заявления о высокой степени точности, прогнозирование всегда сопряжено с рисками и может не соответствовать реальным показателям. Чего же следует ожидать от этого инструмента в действительности?

Как правило, цель прогноза состоит в том, чтобы определить реальный объем товаров, который покупатели приобретут в розничной торговле за первый год его присутствия на рынке. Чаще всего это значение выражается в денежном эквиваленте и рассчитывается, исходя из розничной цены продукта, а не из стоимости, установленной производителем. Поэтому, чтобы оценить объем собственной выручки, после получения прогноза производитель должен «дисконтировать» полученную сумму с учетом маржи товаропроводящей цепочки.

Первый и, возможно, самый распространенный метод прогнозирования сбыта нового продукта — это экстраполяция исторических данных предыдущих периодов. Принцип простой. Если компания уже запускала сходные товары на такие же рынки, то этот опыт может помочь предсказать будущие продажи. Если же у компании нет подобного опыта, то можно воспользоваться опытом конкурентов или любых других компаний, которые помогут вам составить необходимый прогноз.

Этот метод, однако, не лишен недостатков. Во-первых, при прогнозировании сбыта новинки не всегда имеет смысл полагаться на прежний опыт работы. Ситуации «тогда» и «сейчас» могут принципиально отличаться друг от друга, и в лучшем случае экстраполяция может привести к появлению неоправданно завышенных ожиданий.

Иногда может казаться, что при «завоевании» рынка кривые продаж двух товаров прошли один и тот же путь. Однако за их результатами стоят абсолютно разные факторы — например, у них различаются показатели пробных покупок, уровни повторных покупок и сама частота их осуществления.

История не всегда помогает правильно предсказывать будущее; зачастую бывает трудно найти в прошлом опыте данные, соответствующие новому продукту. А то, что удалось одним компаниям, не обязательно приведет к успеху других. Таким образом, когда речь идет о запуске нового продукта, необходимо учитывать индивидуальные возможности разных производителей.

Есть и еще один важный момент: далеко не всегда кривые продаж проходят «гладко», без скачков. Поэтому все статистические методы прогнозирования основаны либо на усреднении, «выравнивании» низших и высших точек в истории продаж, либо на определении неких паттернов, повторяющихся между пиковыми значениями. Это помогает составить прогнозы на основе общих «трендов». Но как быть, если пики и спады продаж обусловлены произвольными факторами, например, рекламными акциями или активностью конкурентов? Более того, даже «сезонные колебания спроса» могут зависеть от погоды, праздников, событий мирового масштаба и т.п.

Чем полезны в таком случае статистические методы прогнозирования?

С одной стороны, усредненный прогноз принесет мало пользы, если главной целью прогнозирования является предсказание пиков и спадов продаж на ближайшее время. С другой стороны, насколько надежным можно считать второй подход (выбор повторяющихся моделей), учитывая случайный характер пиков и спадов продаж?

Очевидно, что при экстраполяции полагаться на голую статистику не следует. Для повышения точности оценок необходимо, чтобы анализ истории продаж проводился при участии эксперта, имеющего опыт работы на данном рынке. Суть экстраполяции на основе экспертной оценки — это применение знаний специалистов о прошлых событиях и их влиянии на продажи для планирования будущих событий и показателей. Среди ключевых факторов, которые могут повлиять на результаты продаж продукта, следует отметить:

  • трейд-промоушн;
  • рекламные кампании на этапе запуска;
  • подарки и специальные предложения на местах продаж;
  • изменения цены, скидки;
  • ситуации out of stock;
  • изменения в структуре дистрибьюции;
  • сезонные колебания спроса;
  • активность конкурентов;
  • специфические тенденции отдельно взятого рынка.

Несмотря на то, что ничего не повторяется дважды, если вы выработаете и будете применять свое понимание того, как продажи реагируют на различные события и комбинации факторов, это и будет самым эффективным способом прогнозирования. От такого подхода вы получите еще одну «побочную» пользу: он заставляет маркетологов и продавцов упорно и объективно думать о том, как увеличить продажи.

Второй метод прогнозирования сбыта нового продукта — это тестовый запуск на рынок. Суть этого метода такова. Разработав новый продукт «под ключ», компания запускает в производство пробную партию товара и выводит его на один или несколько «тестовых» рынков, под которыми подразумеваются реальные каналы розничной торговли. После этого в течение определенного периода времени маркетологи отслеживают реальные объемы магазинных продаж и высчитывают «долю рынка», которую новому продукту удалось завоевать в пределах данной розничной точки. Иногда мониторинг продаж сопровождается дополнительными замерами — изучением осведомленности потребителей о марке, оценкой уровня пробных и повторных покупок товара, исследованием usage and attitude. В некоторых случаях для отслеживания выше указанных показателей используют дневниковые панели или дневники покупок.

У метода тестового запуска множество плюсов. Это эксперимент в реальных условиях. Вы не упустите из виду ни один из переменных показателей. Успех на тестовых рынках с большой долей вероятности правильно спрогнозирует ваш успех на национальном рынке, особенно если для запуска товара было выбрано сразу несколько репрезентативных каналов. Тестовый рынок позволяет производителю устранить мелкие недоработки в новом продукте, его упаковке, процессе доставки, выкладки на полках магазинов и т.п.

Самым большим недостатком метода тестовых рынков является риск, что конкуренты обратят внимание на вашу инициативу и, спохватившись, будут готовы вывести свой продукт на национальный уровень в то же время, что и вы. Другой риск заключается в вероятности того, что конкуренты могут предпринять меры для искажения результатов тестовых продаж. К примеру, ваш основной конкурент может устроить акцию с большими скидками, и потребители начнут покупать продукцию конкурента, что значительно затормозит или заблокирует ваш эксперимент.

Другим ограничением данного метода является тот факт, что на основе показателей тестового рынка вы пытаетесь предсказать, как поведет себя рынок в целом. Другими словами, вы используете действия нескольких потребителей для прогнозирования поведения большинства.

В целом, в своей книге «Моделированный тестовый маркетинг — Технология запуска успешных новых товаров»1 Кевин Дж. Кленси (Kevin J. Clancy) перечисляет пять недостатков метода тестовых рынков:

1. Это дорого.

2. Это занимает слишком много времени.

3. Это подает хорошую идею вашим конкурентам.

4. Есть вероятность саботажа.

5. Нет объяснения причин, стоящих за показателями продаж.

В настоящее время исследователи продолжают применять метод тестовых рынков, но, как правило, эксперименты проводятся в мини-формате и на протяжении недолгого периода времени — например, в форме «контролируемого магазинного теста».

Третий метод прогнозирования — это симуляция сбыта, который можно считать альтернативой методу тестового запуска на рынок. Десятилетиями бренд-менеджеры и исследователи рынка хотели получить возможность имитировать условия реального рынка. Сегодня виртуальный запуск на рынок стал реальностью.

В рамках этой модели исследования выборке потребителей демонстрируются компьютерные «симуляции» розничного магазина, основных брендов в заданной категории товаров и самой новинки. Потребителей просят выбрать или «приобрести» те бренды, которые бы они купили в обычной ситуации или же в 10 типичных случаях покупки.

В предварительной части исследования новый продукт из эксперимента исключается. На следующем этапе потребитель видит ту же самую виртуальную выкладку товара, но с одним единственным исключением — теперь в ней присутствует исследуемый продукт. Его снова просят сделать выбор, т.е. совершить виртуальную покупку. Таким образом исследователи оценивают долю каждого из брендов в заданной категории еще до представления нового продукта, а потом получают те же данные, но уже с учетом новинки.

Доля рынка, полученная новым брендом при виртуальной выкладке, является основой для прогнозирования объема первичных продаж в розничной торговле на конец первого года (если предположить, что новый продукт равноценен предложениям конкурентов). Для окончательного расчета требуется также оценить такие факторы, как осведомленность потребителей о новинке в момент запуска, число пробных покупок и характер дистрибьюции нового бренда. Объем пробных покупок в течение 12 месяцев после запуска частично исключается из прогноза продаж, и оценка спроса дается не для первого года в целом, а для постоянного спроса в конце года.

Как показывает практика, применяя этот подход, можно переоценить реальный потенциал нового продукта, поэтому при оценке результатов необходимо делать скидку на эту тенденцию. С некоторыми другими корректировками (осведомленность потребителей благодаря рекламе, характер дистрибьюции, сопротивление ценам, регулировка зависимости от числа пробных покупок, ежемесячный прирост доли рынка и т.д.) можно получить разумный коэффициент поправки годового прогноза.

Необходимо отметить, что чем ближе виртуальная среда покупки к реальному опыту потребителей, тем дороже становится обустройство фактической атмосферы шоппинга. Однако с появлением возможности сбора информации онлайн долгожданная цель — создание наиболее реалистичной среды шоппинга экономично и эффективно — кажется более легкодостижимой. К примеру, онлайн-исследования Virtual Reality от маркетинговой компании Ipsos позволяют потребителю почувствовать себя в магазине, благодаря симуляции движения в трехмерном пространстве. Участник исследования не просто смотрит на статическую картинку — он может пройтись по магазину, остановиться у полки и рассмотреть понравившийся товар. Полки магазина интерактивны; респонденты могут брать с них товары, поворачивать их, читать этикетки и делать покупки. Цена товаров может соответствовать цене в настоящих магазинах, а некоторые продукты, при желании, можно продавать со скидкой. Любое взаимодействие респондента с полками виртуального магазина фиксируется, после чего исследователи задают вопросы, помогающие уточнить, что стоит за поведением потребителей, например:

  • Мы заметили, что вы взяли этот товар, но не купили. Почему?
  • Знаком ли вам этот бренд (тестируемого продукта)?
  • Вы купили продукцию той торговой марки, которой отдаете предпочтение в данной категории товаров? Или взяли товар наобум?

Кроме того, в данной виртуальной среде можно изучить влияние различных POS-рекламоносителей или условий продажи. Исследование можно остановить еще до того, как респондент войдет в магазин. Благодаря этому можно узнать о том, что он собирается купить, после чего будет легко оценить воздействие всевозможных условий продажи на покупательское поведение респондента.

Таким образом, очевидно, что виртуальный подход обладает множеством достоинств:

  • систематический контроль над всеми стимулами;
  • абсолютный контроль над атмосферой во время эксперимента;
  • большая эффективность/гибкость по сравнению с реальной магазинной выкладкой;
  • возможность одновременного тестирования большего количества переменных показателей по сравнению с другими методами;
  • создание «живого» прототипа продукта (вместо его реального производства);
  • исследования остаются неизвестными вашим конкурентам;
  • широкополосный доступ в Интернет больше не является ограничением для участия в виртуальных исследованиях — теперь к ним могут присоединяться даже те пользователи Всемирной паутины, у которых скорость соединения не превышает 56К.

Собрав всю необходимую информацию, исследователи должны ответить на следующие вопросы, и только после этого можно подсчитывать возможные объемы продаж:

1. Сколько человек являются потенциальными покупателями нового продукта? (А) Здесь потребуется дополнительная оценка или информация от производителя. Проблема в том, что заявленная клиентом цифра, которая отражает выбор целевого сегмента и оценку его размера, нередко бывает ошибочной. Исследователям стоит отнестись к ней внимательно и, возможно, дополнительно скорректировать ее вместе с клиентом, так как это база для прогнозирования продаж.

2. Скольких из них мы можем проинформировать о новом продукте? (В,%) Здесь нужно свериться с медиа-планом и, особенно с прогнозами рекламного охвата.

3. Какой процент осведомленных потребителей купят новый продукт хотя бы один раз (на пробу)? (C, %) Ответом на этот вопрос могут быть результаты описанных выше тестов, имитирующих реальные условия продаж.

4. Сколько человек из числа попробовавших новый продукт купят его еще раз (процент повторных покупок)? (D, %) Ответ должен основываться на тестировании продукта в домашних условиях. Для проведения таких тестов новый продукт выдается потребителям, которые будут использовать его в нормальных домашних условиях несколько дней или недель.

5. Как часто потребитель будет покупать новый продукт (сколько раз в год)? (E) И как много единиц товара за один раз? (F) Для ответа на этот вопрос, как правило, бывает достаточно простого опроса потенциальных покупателей.

6. У скольких потребителей будет возможность купить новый продукт (вопрос дистрибьюции)? (G) Этот простой фактор обычно оценивается в рамках общего объема продаж товарной группы. Проще говоря, если каждый потребитель ходит в один магазин, а ваш продукт есть только в половине всех магазинов, значит, только половина потребителей может купить ваш продукт. И снова эта информация, полученная от вашего клиента, будет иметь самое непосредственное влияние на прогноз продаж.

7. Какова цена за единицу товара? (H) Простой вопрос? Однако маркетологи должны осознавать, что соотношение цены нового продукта и цен на товары конкурентов может серьезно повлиять на пробные покупки и количество повторных покупок. Даже если производитель верен своей ценовой политике, никогда не угадаешь, что могут сделать конкуренты в ответ на появление нового продукта.

8. Какова потенциальная прибыль с каждой проданной единицы товара? (I)

Если все вышеуказанные факторы вам точно известны, их легко можно скомбинировать для следующих расчетов:

  • Количество единиц проданного товара (U) = A x B% x (C% + C% x D% x E x F) x G
  • Продажи в денежном выражении = U x H
  • Прибыль = U x I

Но повторимся: как правило, вся загвоздка в деталях и в точности информации, полученной от заказчика.

Четвертый метод прогнозирования сбыта нового продукта — это «нормативный» подход. Разработанный еще в 60-х годах, сейчас это один из старейших инструментов в наборе маркетолога. Вот как он работает. Составляется база данных исторических норм для новых продуктов (уровень пробных и повторных покупок, цикл осуществления покупки и т.д.) по категориям товаров. Во главе нормативной базы данных — математическая модель, включающая в себя переменные показатели рынка, от которых зависит, будут ли «достижения» нового продукта на уровне, выше или ниже нормы. К примеру, если у нового бренда отличная реклама на телевидении (по оценкам исследования рекламы), то в модели увеличится значение пробных покупок при нормативной дистрибьюции. Если тестирование продукта в домашних условиях покажет, что новый продукт превзошел своих основных конкурентов, то математическая модель скорректирует значение повторных покупок при дистрибьюции на уровне исторической нормы. Таким образом, на основе результатов концепт-теста, продукт-теста и тестирования рекламных материалов с учетом нормативных показателей модель оценивает шансы нового бренда. Затем из этого получаются кривые пробных и повторных покупок, которые помогут спрогнозировать сбыт нового продукта на первый год продаж.

Данный метод, в зависимости от точности нормативной и маркетинговой информации, а также качества математической модели, помогает составлять надежные прогнозы.

Последний метод — это модель «осведомленность — пробная покупка — лояльность». Принцип ее работы таков. Осведомленность прогнозируется на основе медиа- и рекламного планов на год. Вся реклама в СМИ (включая печатные издания, радио, Интернет и т.п.) конвертируется в эквиваленты телевизионного коэффициента GRP. Эти эквиваленты вводятся в математическую модель, которая спрогнозирует понедельную осведомленность потребителей о новом бренде в течение года. Затем модель конвертирует показатель осведомленности в суммарный коэффициент пробных покупок по неделям на основе предсказанных уровней дистрибьюции, планов продвижения торговой марки и данных концепт-теста и тестирования рекламных материалов.

В то же время исследователи проводят тестирование продукта в домашних условиях. Его результаты используются для прогнозирования кривой повторных покупок и цикла осуществления покупки. Затем модель объединяет прогноз на пробные покупки с кривой повторных покупок для составления прогноза диапазона розничных продаж на первый год. Подобные модели в руках опытных аналитиков, работающих со знакомыми им категориями товаров, помогают получить довольно точные прогнозы сбыта. Разброс незначителен и составляет плюс-минус 10-15% от реальной цифры (нормой среди профессионалов считается 20%).

Ни одна из выше указанных моделей и систем прогнозирования не является безупречной. Все они основываются на скрытых предположениях и включают в себя субъективные суждения. Если эти предположения или суждения окажутся неверными, то неверным будет и прогноз, то есть его погрешность может составить более 20%. Риск совершить более серьезную ошибку в прогнозе увеличивается, когда речь идет о товарах, представляющих собой сдвиг в маркетинговой парадигме и не имеющих аналогов на рынке.

Чтобы еще больше все усложнить, стоит сказать, что сам рынок непрерывно меняется. А конкуренты — в ответ на появление новых продуктов — действуют все агрессивнее. Предпринимаемые ими шаги так эффективно меняют ситуацию на рынке, что к любому предположению приходится относиться с некоторой настороженностью.

Другим источником ошибок являются сами клиенты (производители товара), которые зачастую предоставляют исследователям для работы неверные данные. Для того чтобы взвешенно оценить это утверждение, ознакомьтесь с информацией, которую исследовательская фирма может запросить у своего клиента (см. блок с дополнительной информацией на стр. 30).

И наконец, еще одна важная деталь. В списке продуктов, которые успешно провели свой первый год на рынке, вы найдете массу примеров того, как второй или третий год оказался для них крайне неудачным. Это происходит из-за того, что в течение первого года производитель обеспечивает большой объем продаж благодаря значительным затратам на рекламу, но затем эти затраты сокращаются, и бренд должен «выстоять» собственными силами. Как показывает опыт, успешными, в итоге, оказываются те бренды, которые сохраняют объемы продаж после уменьшения расходов на рекламу.

Если существует так много источников потенциальных ошибок, то почему же прогнозирование сбыта так популярно?

В первую очередь, потому, что есть необходимость подобных предсказаний. Во многих ситуациях производителю нужно заранее получить информацию о том, сколько продукции потребуется производить в дальнейшем. И выбора нет — надо назвать точную цифру. Это только один из аспектов процесса корпоративного планирования — многие подразделения компании должны действовать так, «как если бы» продажи действительно были на заявленном уровне. (Естественно, нужно быть готовым к непредвиденным обстоятельствам: зачастую все происходит так, как планировалось, но объемы продаж могут оказаться намного больше ожидаемого уровня, и тогда придется «подгонять» производство, или же наоборот — намного меньше, и тогда можно потерять много денег).

Второе. Прогнозирование — это упорядоченный способ размышления обо всех компонентах продаж, а также подспорье в управленческом анализе. Каждая деталь планов продаж, маркетинговых, производственных и дистрибьюционных планов может быть связана с другими. Это позволяет руководителям анализировать проблему. Кроме того, это дает возможность применять всевозможные сценарии развития событий, особенно в маркетинговых планах.

Наконец, в таких методах, как тестовый запуск на рынок, прогнозирование — это инструмент, а не ответ. С его помощью можно получить данные, объясняющие скрытые причины происходящего. Около 80% данных, собранных во время исследования рынка этим методом, подробно рассказывают о таких параметрах, как отношение потребителей к продукту и его использование. Все эти данные сами по себе могут оказаться для маркетолога более ценными, чем результат прогнозирования в цифровом выражении.


1 «Simulated Test Marketing — Technology for Launching Successful New Products»


© 1998-2023 Дмитрий Рябых
de virtual="/include/scr_footer.htm"-->