不同的销售预测技术/方法
预测方法包括因果法和非因果法。在因果法中,企业无法控制社会中的因果变量。这些变量包括国民生产总值、人口和一般经济状况。然而,企业确实对其价格、广告、生产线和销售团队的规模有一定的控制。
在对潜在原因和变量进行深入分析和研究之后,分析人员使用各种数学方法来预测未来趋势。基于这些预测,管理层得到了销售预测。
非因果方法关注的是对历史销售模式进行彻底而详细的分析。这些模式由分析师绘制在图表上,以反映未来的销售预测。由于没有对潜在的因果变量进行识别和评估,分析人员的工作假设是,潜在的原因将以与过去类似的方式影响未来的销售。
应用特定的统计方法从过去的销售额推断未来销售额的方法经常受到批评,因为专家们认为,技术的快速改进正在导致各种业务运作的重大变化。必威可信吗
分析师使用间接技术首先预测该行业的销售情况。这些数据用于预测该公司在整个行业中的份额。在直接技术中,步骤与行业相关跳过了预测,对公司的销售额进行了简单而直接的估计。这些技术中的任何一种都可以应用于因果和非因果方法。
销售预测技术
一些销售预测技术可供大小企业使用。
1.自上而下的预测
这是工业应用中常用的技术。这是工业应用中常用的方法。首先,管理层在制定销售配额之前对销售潜力进行估计。
最后一个阶段是构建销售预测。然而,当过去的基本假设不适用时,这种方法就会出现问题。随着时间的推移,需求量和经济变量之间的相关性可能会变弱或改变。
2.自底向上的预测
这是分析师使用的一种技术,其中市场被分成几个部分,每个部分的需求分别计算。行业调查,购买意向调查,以及销售队伍分析师使用复合数据来收集数据。各细分市场的总和用于编制总销售预测。
这不是一项简单的技术,因为数据可能并不总是准确或简单。数据的有用性取决于客户回答的准确性、完整性和诚实性。这也取决于销售人员对调查的重视程度。
这两种预测技术包括多种方法,可分为因果分析、定性分析、时间序列分析和回归分析。
(a)定性技术
定性技术依赖于准备销售预测的非统计方法。公司会征求专家、销售主管、销售团队、销售部门主管以及外部专家或顾问的意见。定性方法可以说是“预期销售或预期销售的判断组合”。这些技术通常是在以下情况下的首选
(i)变量影响消费者购买习惯已经改变;
(ii)当前数据不可用;
(iii)没有定性的技术证明是成功的在特定情况下;
(iv)规划范围超出标准定量方法的范围
(v)当数据未考虑已发生或预期将发生的技术进步或突破时。
的概率评估方法(PAM)根据内部专家的意见预测销售量。这为某些目标量提供了大约1- 99%的概率。为了将这些估计转化为累积概率曲线,分析师们根据分配给他们的概率绘制成交量。这条曲线有助于预测。
的PERT或计划评估和审查技术包括对“悲观”、“乐观”和“最有可能”的未来情况的估计。这三个估计值由分析师考虑和权衡,以形成一个期望值,这有助于计算标准偏差。
通过这种方式,分析师将小商人的估计转化为分散和集中趋势的度量。由于标准偏差,预测者有可能在预期值周围估计一个置信区间。
的德尔菲法这取决于一个假设,即许多专家都可能比一个专家单独工作得出更好的预测。德尔菲法的使用者征求一个小组的意见,并在小组中重新处理结果,直到在一个狭窄而坚定的中位数上达成共识。
在德尔菲技术中,小组成员是孤立的,因此防止了小组行为的许多方面产生不必要的影响。这些方面包括少数成员的统治、侵略性和社会压力。大多数小型企业避免这样做,因为它涉及到费用。
一个有远见的预测很大程度上取决于一个受人尊敬和负责任的人的个人意见、见解和判断。有远见的预测是由与未来不同情景相关的事实、信息和数据支持的。然而,它在本质上是非科学的,以想象和主观猜测为特征。尽管科学信息不是这种预测的基础,但许多小企业通过依赖这种主观数据而获利。
历史类比方法旨在通过分析产品的推出或介绍以及类似项目或产品的销售增长来确定未来的销售。历史类比寻找可以应用于当前考虑引入的产品的模式。这项技术需要一个或多个产品过去几年的记录,然后应用于新产品的介绍。
(b)定量技术
时间序列分析和投影:在预测者可以从一个变量过去的行为推断其未来对销售的影响的情况下,趋势项目方法将是最有效的。预测者寻找的趋势形成的模式可以被识别和经常出现。随机变量导致复杂的预测,周期性模式和季节变化形成明显的趋势。
最简单的形式是,趋势预测分析考查过去的事件。分析师们提出了一个特定的线性百分比趋势,预计这一趋势将继续下去。随机性(主要影响预测的随机元素或事件)是在简单趋势预测中出现的问题。
趋势预测的另一种复杂形式是移动平均线.这一预测所基于的假设是,未来将是业绩后的平均值,而不是遵循特定的线性百分比趋势。
行业调查关注构成某一产品行业的各种企业或公司的调查。这些调查可能包括制造商以及消费者或用户。在行业调查技术中使用自顶向下的预测方法会产生与传统方法相同的优点和缺点销售队伍复合材料和高管意见。
回归分析可以是多重的,也可以是线性的。在线性回归的情况下,分析师在单个自变量和销售额之间建立关系。然后将此关系用于销售预测。通过多元回归,分析人员研究多个自变量与销售之间的关系。
通常,这是通过计算机来实现的,计算机有助于估计自变量的值,并将其纳入多元回归方程。如果分析人员发现了各种自变量之间的关系,就可以建立一个多元回归方程来预测来年的销售额。
另一种类似于移动平均线的时间序列方法是指数平滑法.分析师使用一组指数增长的权重,而不是一组一致的权重来观察。这可以确保将更多的权重赋予最近或最新的值,而不是旧的值。在更复杂的模型中进行了各种调整以处理季节性模式和趋势。
3.因果关系的方法
当分析师在一个变量和销售额之间建立了因果关系时,用因果模型做出的预测可能比用其他方法做出的预测更好。
新产品的增长率是通过生命周期分析来预测的,这是基于各个小组的分析师对产品接受阶段的预测。这些群体包括早期或晚期多数人、创新者、落后者和早期适应者。这种方法通常用于预测新产品的销售情况。
分析师所需的最低数据包括所考虑项目的年销售额或类似商品的年销售额。通常,是因果关系只有通过市场才能建立关系调查。