Как составить прогноз продаж если нет данных

Соглашение о конфиденциальности

и обработке персональных данных

1.Общие положения

1.1.Настоящее соглашение о конфиденциальности и обработке персональных данных (далее – Соглашение) принято свободно и своей волей, действует в отношении всей информации, которую ООО «Инсейлс Рус» и/или его аффилированные лица, включая все лица, входящие в одну группу с ООО «Инсейлс Рус» (в том числе ООО «ЕКАМ сервис»), могут получить о Пользователе во время использования им любого из сайтов, сервисов, служб, программ для ЭВМ, продуктов или услуг ООО «Инсейлс Рус» (далее – Сервисы) и в ходе исполнения ООО «Инсейлс Рус» любых соглашений и договоров с Пользователем. Согласие Пользователя с Соглашением, выраженное им в рамках отношений с одним из перечисленных лиц, распространяется на все остальные перечисленные лица.

1.2.Использование Сервисов означает согласие Пользователя с настоящим Соглашением и указанными в нем условиями; в случае несогласия с этими условиями Пользователь должен воздержаться от использования Сервисов.

1.3.Сторонами (далее – «Стороны) настоящего Соглашения являются:

«Инсейлс» – Общество с ограниченной ответственностью «Инсейлс Рус», ОГРН 1117746506514, ИНН 7714843760, КПП  771401001, зарегистрированное по адресу: 125319, г.Москва, ул.Академика Ильюшина, д.4, корп.1, офис 11 (далее — «Инсейлс»), с одной стороны, и

«Пользователь» –

либо физическое лицо, обладающее дееспособностью и признаваемое участником гражданских правоотношений в соответствии с законодательством Российской Федерации;

либо юридическое лицо, зарегистрированное в соответствии с законодательством государства, резидентом которого является такое лицо;

либо индивидуальный предприниматель, зарегистрированный в соответствии с законодательством государства, резидентом которого является такое лицо;

которое приняло условия настоящего Соглашения.

1.4.Для целей настоящего Соглашения Стороны определили, что конфиденциальная информация – это сведения любого характера (производственные, технические, экономические, организационные и другие), в том числе о результатах интеллектуальной деятельности, а также сведения о способах осуществления профессиональной деятельности (включая, но не ограничиваясь: информацию о продукции, работах и услугах; сведения о технологиях и научно-исследовательских работах; данные о технических системах и оборудовании, включая элементы программного обеспечения; деловые прогнозы и сведения о предполагаемых покупках; требования и спецификации конкретных партнеров и потенциальных партнеров; информацию, относящуюся к интеллектуальной собственности, а также планы и технологии, относящиеся ко всему перечисленному выше), сообщаемые одной стороной другой стороне в письменной и/или электронной форме, явно обозначенные Стороной как ее конфиденциальная информация.

1.5.Целью настоящего Соглашения является защита конфиденциальной информации, которой Стороны будут обмениваться в ходе переговоров, заключения договоров и исполнения обязательств, а равно любого иного взаимодействия (включая, но не ограничиваясь, консультирование, запрос и предоставление информации, и выполнение иных поручений).

2.Обязанности Сторон

2.1.Стороны соглашаются сохранять в тайне всю конфиденциальную информацию, полученную одной Стороной от другой Стороны при взаимодействии Сторон, не раскрывать, не разглашать, не обнародовать или иным способом не предоставлять такую информацию какой-либо третьей стороне без предварительного письменного разрешения другой Стороны, за исключением случаев, указанных в действующем законодательстве, когда предоставление такой информации является обязанностью Сторон.

2.2.Каждая из Сторон предпримет все необходимые меры для защиты конфиденциальной информации как минимум с применением тех же мер, которые Сторона применяет для защиты собственной конфиденциальной информации. Доступ к конфиденциальной информации предоставляется только тем сотрудникам каждой из Сторон, которым он обоснованно необходим для выполнения служебных обязанностей по исполнению настоящего Соглашения.

2.3.Обязательство по сохранению в тайне конфиденциальной информации действительно в пределах срока действия настоящего Соглашения, лицензионного договора на программы для ЭВМ от 01.12.2016г., договора присоединения к лицензионному договору на программы для ЭВМ, агентских и иных договоров и в течение пяти лет после прекращения их действия, если Сторонами отдельно не будет оговорено иное.

2.4.Не будут считаться нарушением настоящего Соглашения следующие случаи:

(а)если предоставленная информация стала общедоступной без нарушения обязательств одной из Сторон; 

(б)если предоставленная информация стала известна Стороне в результате ее собственных исследований, систематических наблюдений или иной деятельности, осуществленной без использования конфиденциальной информации, полученной от другой Стороны;

(в)если предоставленная информация правомерно получена от третьей стороны без обязательства о сохранении ее в тайне до ее предоставления одной из Сторон; 

(г)если информация предоставлена по письменному запросу органа государственной власти, иного государственного органа,  или органа местного самоуправления в целях выполнения их функций и ее раскрытие этим органам обязательно для Стороны. При этом Сторона должна незамедлительно известить другую Сторону о поступившем запросе;

(д)если информация предоставлена третьему лицу с согласия той Стороны, информация о которой передается.

2.5.Инсейлс не проверяет достоверность информации, предоставляемой Пользователем, и не имеет возможности оценивать его дееспособность.

2.6.Информация, которую Пользователь предоставляет Инсейлс при регистрации в Сервисах, не является персональными данными, как они определены в Федеральном законе РФ №152-ФЗ от 27.07.2006г. «О персональных данных».

2.7.Инсейлс имеет право вносить изменения в настоящее Соглашение. При внесении изменений в актуальной редакции указывается дата последнего обновления. Новая редакция Соглашения вступает в силу с момента ее размещения, если иное не предусмотрено новой редакцией Соглашения.

2.8.Принимая данное Соглашение Пользователь осознает и соглашается с тем, что Инсейлс может отправлять Пользователю персонализированные сообщения и информацию (включая, но не ограничиваясь) для повышения качества Сервисов, для разработки новых продуктов, для создания и отправки Пользователю персональных предложений, для информирования Пользователя об изменениях в Тарифных планах и обновлениях, для направления Пользователю маркетинговых материалов по тематике Сервисов, для защиты Сервисов и Пользователей и в других целях.

Пользователь имеет право отказаться от получения вышеуказанной информации, сообщив об этом письменно на адрес электронной почты Инсейлс — contact@ekam.ru.

2.9.Принимая данное Соглашение, Пользователь осознает и соглашается с тем, что Сервисами Инсейлс для обеспечения работоспособности Сервисов в целом или их отдельных функций в частности могут использоваться файлы cookie, счетчики, иные технологии и Пользователь не имеет претензий к Инсейлс в связи с этим.

2.10.Пользователь осознает, что оборудование и программное обеспечение, используемые им для посещения сайтов в сети интернет могут обладать функцией запрещения операций с файлами cookie (для любых сайтов или для определенных сайтов), а также удаления ранее полученных файлов cookie.

Инсейлс вправе установить, что предоставление определенного Сервиса возможно лишь при условии, что прием и получение файлов cookie разрешены Пользователем.

2.11.Пользователь самостоятельно несет ответственность за безопасность выбранных им средств для доступа к учетной записи, а также самостоятельно обеспечивает их конфиденциальность. Пользователь самостоятельно несет ответственность за все действия (а также их последствия) в рамках или с использованием Сервисов под учетной записью Пользователя, включая случаи добровольной передачи Пользователем данных для доступа к учетной записи Пользователя третьим лицам на любых условиях (в том числе по договорам или соглашениям). При этом все действия в рамках или с использованием Сервисов под учетной записью Пользователя считаются произведенными самим Пользователем, за исключением случаев, когда Пользователь уведомил Инсейлс о несанкционированном доступе к Сервисам с использованием учетной записи Пользователя и/или о любом нарушении (подозрениях о нарушении) конфиденциальности своих средств доступа к учетной записи.

2.12.Пользователь обязан немедленно уведомить Инсейлс о любом случае несанкционированного (не разрешенного Пользователем) доступа к Сервисам с использованием учетной записи Пользователя и/или о любом нарушении (подозрениях о нарушении) конфиденциальности своих средств доступа к учетной записи. В целях безопасности, Пользователь обязан самостоятельно осуществлять безопасное завершение работы под своей учетной записью по окончании каждой сессии работы с Сервисами. Инсейлс не отвечает за возможную потерю или порчу данных, а также другие последствия любого характера, которые могут произойти из-за нарушения Пользователем положений этой части Соглашения.

3.Ответственность Сторон

3.1.Сторона, нарушившая предусмотренные Соглашением обязательства в отношении охраны конфиденциальной информации, переданной по Соглашению, обязана возместить по требованию пострадавшей Стороны реальный ущерб, причиненный таким нарушением условий Соглашения в соответствии с действующим законодательством Российской Федерации.

3.2.Возмещение ущерба не прекращают обязанности нарушившей Стороны по надлежащему исполнению обязательств по Соглашению.

4.Иные положения

4.1.Все уведомления, запросы, требования и иная корреспонденция в рамках настоящего Соглашения, в том числе включающие конфиденциальную информацию, должны оформляться в письменной форме и вручаться лично или через курьера, или направляться по электронной почте адресам, указанным в лицензионном договоре на программы для ЭВМ от 01.12.2016г., договоре присоединения к лицензионному договору на программы для ЭВМ и в настоящем Соглашении или другим адресам, которые могут быть в дальнейшем письменно указаны Стороной.

4.2.Если одно или несколько положений (условий) настоящего Соглашения являются либо становятся недействительными, то это не может служить причиной для прекращения действия других положений (условий).

4.3.К настоящему Соглашению и отношениям между Пользователем и Инсейлс, возникающим в связи с применением Соглашения, подлежит применению право Российской Федерации.

4.3.Все предложения или вопросы по поводу настоящего Соглашения Пользователь вправе направлять в Службу поддержки пользователей Инсейлс www.ekam.ru либо по почтовому адресу: 107078, г. Москва, ул. Новорязанская, 18, стр.11-12 БЦ «Stendhal» ООО «Инсейлс Рус».

Дата публикации: 01.12.2016г.

Полное наименование на русском языке:

Общество с ограниченной ответственностью «Инсейлс Рус»

Сокращенное наименование на русском языке:

ООО «Инсейлс Рус»

Наименование на английском языке:

InSales Rus Limited Liability Company (InSales Rus LLC)

Юридический адрес:

125319, г. Москва, ул. Академика Ильюшина, д. 4, корп.1, офис 11

Почтовый адрес:

107078, г. Москва, ул. Новорязанская, 18, стр.11-12, БЦ «Stendhal»

ИНН: 7714843760 КПП: 771401001

Банковские реквизиты:

Р/с 40702810600001004854

В ИНГ БАНК (ЕВРАЗИЯ) АО, г.Москва,
к/с 30101810500000000222, БИК 044525222

Электронная почта: contact@ekam.ru

Контактный телефон: +7(495)133-20-43

Алгоритм планирования товародвижения.

Стандартный алгоритм планирования товародвижения, в частности закупок и отгрузок поставщиками:

1. Планирование продаж или потребления.
2. Планирование графика потребности в запасах.

Которые позволят удовлетворить спрос и выполнить план продаж или потребления.

1. Планирование графика пополнения запасов.

Который позволит поддержать запасы на уровне, необходимом и достаточном, чтобы удовлетворить спрос и выполнить план продаж.

1. Планирование графика отгрузок поставщиками.

Который обеспечит выполнение плана-графика пополнения запасов.

1. Планирование возврата денежных средств от продаж (реализации).
2. Планирование графика операционных расходов (затрат на обеспечение закупок и пополнение запасов).
3. Планирование графика cash&flow.

В свою очередь каждый из этапов можно разбить на несколько.

Здесь, например, мы поговорим про планирование продаж.

Последовательность планирования продаж.

Фильтрация статистики продаж и определение спроса. Фильтрация по:

• дефициту,
• пикам – выбросам продаж,
• акциям – при возможности.

Формирование корректированной статистики.

Формирование статистики продаж, которые “были бы, если бы не дефицит и выбросы”.

Прогнозирование спроса.

Прогнозирование спроса осуществляется на базе корректированной статистики продаж.

Если прогнозирование спроса осуществляется без фильтрации статистики продаж, то возникают 2 системные ошибки:

• Заведомое прогнозирование ниже фактического спроса, – то есть в прогноз закладывается дефицит.
• Завышение спроса при наличии случайных выбросов – пиков продаж.

Друг друга они не перекрывают. Растут: вероятность отклонения от плана, вероятное отклонение и, по факту (на опыте автора), потери от “недопродаж”.

Определение погрешности прогноза.

Размер наиболее вероятного отклонения от прогноза и вероятности этого отклонения.

Определение стратегии пополнения и поддержания страхового запаса (зависит от стратегии продаж компании).

Расчет страхового запаса для покрытия рисков отклонения от плана продаж.

Планирование продаж – формирование плана продаж с определением допустимого коридора колебания спроса.

Планирование возврата денежных средств от продаж.

Каким образом и в какие сроки клиенты будут оплачивать товар.

Что влияет на качество прогноза.

Качество статистики.

Данные о движении товара: поступлениях, продажах и остатках, являются базовыми в управлении и, в частности, при расчёте потребностей, – планировании продаж (реализации).

• Любое искажение либо некорректность этих данных, ведёт к ошибкам в определении потребности, всегда занижая прогноз, что, в свою очередь, грозит дефицитом (“недопродажей”) и потерей объёма продаж и прибыли.
• Основным принципом корректного управленческого учёта товародвижения является принцип соблюдения реальной картины состояния склада по каждому дню.
• При рассмотрении статистики продаж в данные о продажах не должны быть включены внутренние перемещения, переезды со склада на склад, списания товара и т.д. и т.п.
• По прибытии партии после приёмки на основе приёмки и выбраковки товара[1] накладная корректируется соответствующим образом[2] и проводится. Проводка осуществляется той датой, когда товар реально становится доступен к продаже.

Качество товарного потока и наличие дефицита.

Ниже будут кратко рассмотрены методы фильтрации дефицита и выбросов в продажах.

Но качество товарного потока, тем не менее, все равно оказывает значимое влияние на формирование прогноза.

Так, если дефицит товара в течение месяца был 5-10 дней, то фильтрация даст более-менее адекватную картину.

Если же дефицит существовал более 2-х недель, либо товара по каким-то причинам не было в течение всего месяца, то качество фильтра снижается: если товара не было месяц, то сложно понять, сколько могло бы продаться в течение этого месяца: как в прошлом месяце, как в прошлом году, либо как-то еще.

При длительном прошлом дефиците растёт погрешность прогноза и вероятность отклонения от плана.

Учёт внутренних тенденций.

Под внутренними тенденциями понимаем:

• сезонность спроса, рост или падение продаж,
• жизненный цикл товара – учитывать его необходимо, чтобы не формировать прогнозы с дефицитом, либо, если товар находится на спаде ЖЦ, – не создавать неликвидные запасы,

Учёт внешних тенденций.

Эту информацию можно получать при отлаженном взаимодействии с другими подразделениями компании (в частности, – с отделом продаж), клиентами, в результате исследований или иных мероприятий.

Необходимо установить, какое влияние могут оказать внешние факторы, действие которых установлено в процессе получения этой информации, на ситуацию в будущем.

Горизонт планирования или период планирования.

Необходимо знать, на какой временной интервал планируются продажи.

Качество планирования сильно зависит от продолжительности периода планирования и от “плеча планирования” – времени до наступления планируемого периода от момента формирования плана.

Кроме того, значительно влияет период от момента планирования до начала планируемого периода: чем мы блиде к планируемому периоду, тем выше точность нашего прогноза и далее плана продаж.

Фильтрация статистики и коррекция спроса.

Фильтрация по дефициту.

Фильтрация по дефициту осуществляется для того, чтобы оценить реальный спрос на товар в периоде.

Основной вопрос, на который мы получим ответ:

• Сколько бы мы могли продать, если бы товар был на складе?

При этом в дни существования дефицита продажи (отгрузки), принимаются равными среднедневным продажам (отгрузке) в дни отсутствия дефицита.

Фильтрация по дефициту может производится несколькими подходами, которые отличаются значением “коммерческого остатка”:

• “Прохождение через ноль”

Когда за дефицит считаются дни отсутствия товара на складе – остаток товара был равен 0.

В этом случае за среднедневные продажи принимается значение среднедневных продаж в те дни, когда остаток товара на начало дня был положительным и более 0.

• Другой подход с определением коммерческого остатка.

Часто дефицит возникает задолго до того, как запас станет равен 0.

Например, среднедневная отгрузка (при рассмотрении только одного периода) – 272 ед.

Коммерческий остаток – это минимальный запас товара на начало дня, при котором компания может осуществлять продажи в “номинальном (коммерческом, “промышленном”) режиме”, а не распродавать остатки и проводить штучные продажи (если она не розничная).

В этом подходе также присутствует несколько вариантов.

• Среднедневная отгрузка.

Коммерческий остаток принимается равным среднедневной отгрузке за дни, когда остаток товара был больше 0.

Например, среднедневная отгрузка в дни наличия товара на складе составляет 459 ед. товара. Неровные значения необходимо округлять до значимого (в данном случае – целого):

Коммерческий остаток = 459 ед.

Допустимо округление (для оптовых и дистрибьюторских компаний) до кратности упаковке.

То есть, если данная товарная позиция имеет кратность упаковки в 6 ед., то коммерческий остаток составит:

Коммерческий остаток = 462 ед.

То есть в дни, когда остаток товара был менее 459 (462) единиц товара существовал дефицит товара.

В этом случае при фильтрации по дефициту в дни, когда остаток товара был менее коммерческого остатка, продажи принимаются равными среднедневной отгрузке в дни, когда остаток товара был не менее коммерческого остатка.

В случае среднедневная отгрузка получится равной (после округления до целого) 587 ед. товара в день.

Разница в подходах для иллюстрации:

• если бы остаток товара был больше 0, то продали бы примерно на 800-900 штук больше фактического значения продаж,
• если бы остаток был не ниже среднедневных продаж в дни наличия товара, то продажи были бы более чем на 10 тыс. ед. больше.
• Фильтрация по значимым продажам.

Фильтрация по значимым продажам используется в случаях, когда в компании существенная доля товара постоянно или часто находится в резерве, то есть когда существует “замороженный” зарезервированный запас.

Второе непременное условие: фильтрация по значимым продажам применяется только для товаров регулярного спроса: товаров, которые продаются “каждый день”.

При такой фильтрации дефицита определяется минимальный объем “коммерческой” продажи: не разовой, не периодической, а именно нормальная работа при продаже клиентам.

При этом отсекаются продажи, когда продаётся товар из небольшого остатка (по сути, – из дефицита) мелкими партиями.

Для отсечения “значимых продаж” определяется порог этих самых продаж.

Обычно этот порог лежит в пределах от “нижних” 10% дневных продаж (первый дециль) до “нижних” 25% дневных продаж (нижний квартиль) за период не менее года.

В большинстве компаний достаточно нижнего (первого) дециля продаж.

Последовательность действий следующая:

• Выгружается таблица данных:

За период в 1-2, максимум 3 года.

• Суммируются продажи за период.

Пример в Excel: = сумм(E2:E184) = 48468

• Находится значение 10% от суммарных продаж за период.

10% Продаж = 0,1*48468 = 4846,8

• Сортировка от меньшего к большему по столбцу “Отгрузка за день”.
• Добавление столбца с суммой накопительным итогом:

Сумма накоплением (i) = Сумма накоплением (i-1) + Отгрузка за день (i)

• Значение отгрузки за день, которая даёт значение в столбце “Сумма накоплением” равное 10% Продаж за период принимается за “значимые продажи”:

Отгрузка за день = 138 ед.

• Определяется коммерческий запас.

Коммерческий запас может быть определен как минимальный запас, который позволяет обеспечить дневную продажу в объёме не менее минимальной коммерческой отгрузки⁄продажи.

• Продажи (отгрузки) в дни, в которых запас был менее коммерческого, принимаются равными средней продажи за те дни, когда дефицита не было.
• По зависимости “запас-продажи”.

Этот метод заключается в анализе соответствия продаж общим физическим запасам, находящимся на складе.

Коммерческий запас часто может значительно превышать среднедневные продажи, иногда в несколько раз.

Причины этого могут быть разные:

• Не списанные брак, недостача и т.п.
• Резервирование дефицитного товара

Видно, что наиболее существенный скачок отгрузок приходится на остаток товара, превышающий, примерно, 1400 ед. товара.

Значит, за коммерческий остаток по данному товару можно принять запас от 1400 ед. товара: среднедневная отгрузка при остатке товара менее 600 ед. товара составит около 150 ед. в день.

Фильтрация по пикам продаж.

Практически в любой компании встречаются дни, когда дневная отгрузка значительно превышает среднедневную.

Это может быть обусловлено разными факторами, например:

• Разовая крупная отгрузка, – например, разово приехал клиент, возможно, ранее закупавшийся у конкурента или просто разовый клиент.
• Существование дефицита, после которого клиенты берут больше, чем им реально необходимо, формируя некий страховой запас.
• Клиент получил большой крупный заказ.
• Проводилась акция/ распродажа.

Если рассчитывать на то, что такие пики продаж будут происходить и в будущем, то, притом, что сложно прогнозировать случайное возникновение такого всплеска продаж, необходимо держать завышенный запас.

Чтобы избежать завышения запаса и замораживания средств, осуществляется фильтрация пиков продаж.

• Данные.

Для фильтрации по пикам продаж берётся статистика ежедневных отгрузок за год или два.

• Определение порога максимальной отгрузки.

За порог максимальной отгрузки, дневные отгрузки сверх которой считаются случайными выбросами определяются “верхние” 10% дневных отгрузок.

“Верхние” 10% отгрузок определяются после фильтрации по дефициту, вне зависимости от выбранного для такой фильтрации метода.

Порог, отгрузки сверх которого принимаются за случайные выбросы, определяются аналогично тому, как определяются “верхние” 80% при ABC анализе.

Только там объектом служит продажа товара за отчетный период, а здесь – дневная отгрузка и при фильтрации по дефициту результат – непосредственное значение дневной отгрузки.

Например – 10% от суммарной отгрузки за период (после фильтрации по дефициту по коммерческому остатку) = 1760 ед. товара.

Верхний дециль отсекается значением отгрузки 1370 ед. в день.

Все значения дневных отгрузок, превышающих данное значение, мы принимаем равными ему, принимая превышение над ним как случайное.

Для прогнозирования продаж мы принимаем значение объема продаж за данный период (сентябрь 2009 г.) для данной товарной позиции равным 18460 ед. за месяц.

Фильтрация по акциям.

Эта фильтрация необходима для того, чтобы отсечь акционные продажи и не принимать их при планировании регулярных (коммерческих) продаж, чтобы избежать затоваривания – создания избыточного запаса.

Фильтрация осуществляется исходя из 2-х параметров:

• Периода проведения акции.
• Прироста продаж при проведении акции относительно “нормального течения событий”.

Прирост в объеме продаж, вызванный акцией, вычитается из объема продаж за период.

Дополнительные возможности.

ABC и XYZ анализ.

Аналогично, – после фильтрации можно провести ABC и XYZ анализ, чтобы определить реальное положение дел с ассортиментом.

Картина ассортимента может несколько поменяться.

Например, часть товаров при постоянном наличии на складе переместится в более высокие группы.

Часть товаров, переместится в более низкие группы, т.к. их объем продаж составлял бы меньшую часть в увеличившемся объеме продаж.

Это позволяет реально оценивать ассортиментную матрицу.

Уровень удовлетворения спроса⁄уровень доступности.

Также после фильтрации данных можно определить уровень доступности товара (УД) как отношение фактических продаж к “продажам, которые могли бы быть, если бы не было дефицита”.

Факт продаж – 7338 единиц товара.

Фильтрованная статистика даёт оценку спроса в 18460 единиц.

УУС = 7338/18460 = 39,8%

То есть спрос удовлетворен примерно на 40%.

Период ожидания.

Под периодом ожидания здесь понимается допустимый период существования дефицита товара, в течение которого отсутствие товара не отражается существенным образом на суммарном объеме продаж.

Определяется он исходя из того, насколько отличаются “фильтрованный” объем продаж и фактический.

Например, если при дефиците товара в течение 4-5 дней разница между фильтрованным и фактическим объемом продаж составляет менее 3-5%, то мы принимаем, что допустимый срок существования дефицита товара на складе составляет 5 суток.

Замечания по фильтрации.

Первое.

Фильтрацию статистики имеет смысл проводить для товаров групп A и B, если ассортимент свыше 1,5-2 тысяч позиций.

Второе.

Из-за трудоёмкости, при отсутствии возможности автоматизировать, вручную фильтровать данные лучше ежемесячно, чтобы объем работы был не таким большим.

Третье.

Данные:

• по коммерческому остатку,
• пикам продаж

рекомендуется рассчитывать по периоду не менее года, лучше два, и сохранять их для дальнейшего использования, чтобы не пересчитывать каждый раз.

Четвертое.

Коммерческий остаток и пиковые продажи можно пересчитывать в зависимости от “сезон/ не сезон” для повышения точности фильтрации.

Особенности прогнозирования спроса и планирования продаж при длинном плече поставок.

При плече поставок свыше 1 месяца рекомендуется отработать модель не только используемую при формировании заказа поставщикам, но и модели, работающие уже после заказа. Необходимость этого вызвана причинами:

• Необходимостью как можно более точно рассчитать остаток товара на начало очередного планируемого периода.
• Чем ближе мы к периоду планирования, тем точней можем запланировать продажи.

Так, за 2 месяца до наступления периода продаж, чаще всего мы можем запланировать продажи с более высокой точностью (меньшим наиболее вероятным отклонением), чем за 3, за месяц до наступления периода продаж, мы можем спланировать продажи с большей точностью, чем за 3 или за 2 месяца до наступления.

При этом модели могут отличаться: как для товаров, так и для разных сроков прогноза. Модель “к заказу” может отличаться от модели “перед началом периода” и модели “через месяц после заказа”.

Объемно-календарное планирование.

Для более точного управления запасами и закупками, а также для более точного управления оборотными средствами рекомендуется использовать принципы объемно-календарного планирования при планировании продаж.

Суть проста: планируя реализацию своей продукции, компания понимает, что возврат средств за реализованную продукцию получит, исходя из условий оплаты клиентами относительно срока отгрузки и исходя из графика реализации товара может сформировать потребность в запасах.

Период продаж (обычно – месяц) делится на несколько подпериодов: шагов продаж.

Чаще всего для оптовых компаний шаг продаж имеет продолжительность в неделю или декаду.

Для прогнозирования продаж необходимо сначала вычленить основные факторы, которые на них влияют, затем убрать лишние, которые перестали действовать, добавить новые и понять, насколько изменилась сила действующих. Для этого недостаточно методов количественного анализа статистики продаж, т.к. только эксперты могут выделить влияющие факторы, которые не видны за цифрами. Если дать математику просто набор статистических рядов и попросить спрогнозировать продажи, скажем на товар, который нельзя купить уже несколько месяцев, то он не сможет этого сделать. А если, например, это автомобиль западного концерна, который временно прекращал поставки в Россию из-за санкций, но затем объявил, что возвращается? Не зная этого, математик не сможет составить корректный прогноз, а знает это только автоэксперт, который следит за рынком. При этом сам эксперт не сможет рассчитать прогнозную реализацию без количественных методов.

Таким образом, для анализа и прогнозирования продаж необходима совместная работа математика (или экономиста) и эксперта по рынку, чтобы применять одновременно количественные и качественные методы анализа.

Алгоритм прогнозирования продаж  

1.   Корректировка линии тренда и прогноз совокупных продаж. Несмотря на то, что меняется номенклатура товаров, отсутствуют конкретные sku на складах в определенные промежутки времени и т.п. – все эти частности «гасят друг друга» и не особо влияют на общий объем продаж. Например, если отсутствует товар «А», то приобретут его аналог или заменитель – товар «Б», но в сумме продажи не сильно изменятся. Поэтому правильный прогноз строится от общего к частному. Сначала прогнозируется общее число продаж, а потом оно уже распределяется по конкретной номенклатуре, сезонам и т.д. 

Но для прогноза совокупных продаж необходимо выровнять перепады прошлых периодов из-за факторов, которые больше не действуют, и учесть новые глобальные факторы, которые начали действовать или будут действовать с определенной долей вероятности. Например, у нас есть данные продаж с 2006 по 2009 года по какому-то товару (рисунок 1).

Рисунок 1. Продажи товара в 2006-2009 годах

Мы видим, что в 2008 году у нас какой-то неестественный провал. Вспоминаем, что 2008 год – это был год кризиса, поэтому необходимо скорректировать данные по нему так, чтобы они не влияли на уменьшение прогноза продаж, ибо кризис давно миновал. Для этого присваиваем 2008 году среднее арифметическое значение между 2007 и 2009 годами, т.е. 1300 шт. По новым данным рисуем линию тренда, из которой видно, что если ничего не изменится, то продажи вырастут в 2011 году до 1700 шт. Однако нам, к примеру, известно, что с вероятностью 70% на наших смежников могут наложить санкции и наши продажи из-за этого просядут процентов на 20. Тогда мы должны скорректировать наш прогноз 1700*(1-0,2*0,7) = 1462 шт. за 2011 год (рисунок 2).

Рисунок 2. Скорректированный прогноз продаж

2.    После определения общего объема продаж, его необходимо распределить по номенклатуре и сезонам. Для этого:

2.1. Необходимо очистить и восполнить данные по конкретным товарам и временным промежуткам. Из статистики продаж нужно убрать случайные всплески продаж, например, крупные разовые покупки, а также провалы продаж, например, когда товара не было на складе. Проще всего данные перепады можно увидеть на диаграмме или рассчитать максимальные отклонения от средних продаж в Excel. В любом случае, и всплески и провалы нивелируются с помощью простой арифметической средней между двумя периодами. Например, если в мае продали 100 шт. товара «А», в июне его не было на складе, а в июле продали уже 120 шт., то в июне можно поставить продажи в 110 шт. «А».

2.2. Следует убрать из прогноза товары, которые выводятся из продаж. И, соответственно, очистить статистику от этих товаров. 

2.3. Провести конкурентный анализ рынка, выяснить какие товары планируются к запуску в прогнозном периоде, включая собственные новинки. После этого понять по их техническим характеристикам, потребительским свойствам и ценовому диапазону, какие товары из ушедших они заменят, а какие из существующих потеснят. Для этого маркетологу необходимо прибегнуть к помощи экспертов (технических специалистов) по каждой категории товаров. 

2.4. После этого необходимо составить новую товарную матрицу, с учетом выбывших товаров и новинок, и распределить по ним общие продажи, пропорционально их продажам в предшествующие периоды. Но при этом учитывать, что у каждого товара своя линия тренда!  

Если взять наш условный пример, то выглядеть это будет следующим образом (таблица 1). 

Таблица 1. Прогноз продаж 

Год	Всего	А	Б	С
2006	1000	300	500	200
2007	1200	400	500	300
2008	1300	300	600	400
2009	1400	200	500	700
2010	1600	300	600	700
2011 (тренд)	1700	250	600	850
2011 (прогноз с учетом вероятности 0,7 падения продаж на 20%)	1462	215	516	731

2.5. Распределение продаж по сезонам.

Здесь самое важное понимать: чтобы определить сезонные коэффициенты, нужно брать не средние из всех значений за каждый месяц в течение нескольких лет, а суммировать все продажи за последние годы по каждому месяцу и определить их удельный вес в общем объеме продаж.   

Покажем весь этот алгоритм на примере.

Как провести анализ и составить прогноз продаж на примере автомобилей

Для иллюстрации анализа и прогнозирования продаж я взял статистику продаж автомобилей, так как эта тема более-менее понятна и мне как автовладельцу, и большинству читателей. 

Вычленение основных факторов

Сначала нужно понять, какие факторы в принципе действуют на продажи автомобиля:

Понятное дело, что если мы прогнозируем продажи в отдельно взятом районе, где по плану, наконец-то, должны построить дорогу, то это будет сильно влиять на спрос. Но если мы рассматриваем продажи в масштабах страны, то, во-первых, это мизерный процент, а во-вторых, если фактор дорог влияет на количество приобретаемых машин, и динамика их строительства особо не изменилась, то этот фактор уже учитывается при построении тренда динамических рядов, поэтому отдельно его рассматривать нет смысла. 

Например, предположим, что на 100 км. дорог приобретается одна машина и за один период строят дополнительно 100 км. дорог (см. таблицу 2). 

Таблица 2. Сколько автомобилей покупают на 100 км дорог

Период	I	II	III	IV
Км. дорог	100	200	300	х
Кол. авто	1	2	3	4

Тогда нам не нужно, знать сколько километров дорог построено и планируется, нам достаточно знать динамику покупок автомобилей, чтобы рассчитать, что в IV периоде их купят 4 при сохранении динамики строительства дорог. Иными словами, если правительство не объявило, что на следующий год мы, мол, планируем увеличить количество дорого в 10 раз, то данный фактор можно и не принимать во внимание.

Таким образом, отдельно нужно учитывать только резкие изменения, которых не было до прогнозного периода. Но давайте разбираться по порядку. 

Анализ данных по продажам наиболее ходовых моделей авто за 2019-2022 годы

Рассмотрим статистику продаж автомобилей за 2019-2022 годы (таблица 3). 

Таблица 3. Продажи топ-25 автомобилей в 2019-2022 годах

2019	янв.19	фев.19	мар.19	апр.19	май.19	июн.19	июл.19	авг.19	сен.19	окт.19	ноя.19	дек.19
Chery Tiggo 7
Chevrolet Niva						1574	1614
Haval Jolion
Hyundai Creta	4187	6085	6498	6123	5781	5955	5410	5522	6408	6806	7273	5439
Hyundai Solaris	3805	4449	5945	5192	5296	6023	4683	4489	5402	4545	4476	4377
Hyundai Tucson	1566	2135	1868	2100	1776			1650	1718	2204	2152	1984
Kia Cerato	1121	1216
Kia K5
Kia Optima	1712	1713			2009	2190	2345	2403	2676
Kia Rio	6246	7102	8927	8509	8365	8282	7171	6989	7758	8724	7733	6669
Kia Seltos
Kia Sportage	2761	2456	2440	2704	2860	2367	3567	3850	3063	2101	2942	3259
Mazda CX-5	1209	1408	1771	1452	1644	1748	1995	2369	2349	1859	2050	2711
Mitsubishi Outlander			2640	1644						2381	2334	2065
Nissan Qashqai	1571	2068	2988	902	1664	2077	1660	2154	3111	1096	2458	3409
Nissan X-Trail	1588	2299	2790	736	1194	1616	1002	2019	2290	886	1394	3101
Renault Arkana
Renault Duster	2338	2394	3536	3620	3278	3547	2690	3109	3137	3431	3443	4508
Renault Kaptur	1554	1938	2764	2288	2190	2649	2226	2428	2108	1858	1693	2103
Renault Logan	2036	2307	3549	3204	2305	2995	2753	2855	3177	3298	3057	3855
Renault Sandero	1797	1796	2988	3263	2588	2464	2163	2301	2742	2887	2471	3036
Skoda Karoq
Skoda Kodiaq	1292	1664	1768	1964	1907	1996	2333	2296	2297	2364	2553	2635
Skoda Octavia	1618	1693	2077	2042	1879	2190	1857	1923	2034	3404	3266	3178
Skoda Rapid	2510	2487	2966	3261	3088	2666	3015	2689	2918	3089
Toyota Camry	1873	2973	3405	2614	2454	3002	2886	2865	2974	2685	2868	3418
Toyota RAV4	1468	1826	2609	2235	2519	2620	3360	2960	1673	1721	2672	4964
Volkswagen Polo	3693	3825	4283	5665	4929	5415	4591	4627	5385	4702	4681	4306
Volkswagen Tiguan	1716	2462	3120	2847	2915	3234	2821	3134	3192	3704	3718	4379
Лада 4×4	2048	2631	3044	2658	2392	2273	2552	2648	3218	2861	2919	2679
Лада Веста	7078	7960	12850	10131	8818	8947	8937	9329	9452	8296	8703	10958
Лада Гранта	7630	10574	10422	12652	11095	11609	10652	11132	11208	11712	12574	14571
Лада ИксРэй			2674	2284	2427	2567	2651	2532	2670	2531	2489	2365
Лада Ларгус	2375	3075	3981	3646	3204	4381	3718	3446	3837	3691	3678	4091
Лада Нива
2020	янв.20	фев.20	мар.20	апр.20	май.20	июн.20	июл.20	авг.20	сен.20	окт.20	ноя.20	дек.20
Chery Tiggo 7
Chevrolet Niva						2228	529
Haval Jolion
Hyundai Creta	5376	6636	6803	1079	3243	6417	7122	7632	7790	6688	7692	7059
Hyundai Solaris	3408	4453	4245	603	1924	3811	4074	4943	5410	5271	5791	5347
Hyundai Tucson	1382	1570	2064	303	584			2371	2853	2564	3003	2829
Kia Cerato	1366	1532
Kia K5
Kia Optima	1588	1553			697	1455	1666	1702	2342
Kia Rio	6258	8367	8274	1737	3655	7873	7031	7664	7830	9251	9938	10186
Kia Seltos
Kia Sportage	2531	2192	2538	762	745	2104	3750	2898	2885	2646	2651	2488
Mazda CX-5	1380	1618	2592	581	697	1981	2015	1780	1164	1626	2221	2378
Mitsubishi Outlander			2554	81						2518	2054	1889
Nissan Qashqai	1538	2608	3392	368	792	1583	2157	1833	2017	2031	1843	1948
Nissan X-Trail	2073	1986	2422	358	786	1546	1769	908	2303	2549	1890	1647
Renault Arkana
Renault Duster	1773	2043	3268	975	1470	2557	2916	3101	3109	3264	3453	3711
Renault Kaptur	1380	1747	2363	428	815	1804	1774	1785	2181	2352	2035	1620
Renault Logan	2083	2657	3066	760	1396	2208	2868	2737	3885	3926	4211	2831
Renault Sandero	1685	2019	2923	578	1256	2466	2679	1823	2995	2969	2218	2427
Skoda Karoq
Skoda Kodiaq	1981	1356	2406	810	678	1497	1631	1091	1133	2378	2827	2790
Skoda Octavia	1835	1574	2951	820	844	1726	2756	2039	3597	2092	1136	252
Skoda Rapid	2040	1958	2813	622	550	1533	5271	4523	3807	3329	3805	3889
Toyota Camry	1972	2425	3133	649	1103	2084	2961	2696	2928	2435	2179	2808
Toyota RAV4	2618	3684	5293	601	1226	2635	3311	2534	4146	3676	3309	3400
Volkswagen Polo	3483	3966	5371	1372	2158	4991	6847	7426	6020	5642	5809	5370
Volkswagen Tiguan	2273	2924	3568	1332	1199	2152	3336	3334	3626	3245	3310	2683
Лада 4×4	1584	2246	2821	1093	1664	2004	2697	2473	2809	3299	3513	2886
Лада Веста	7506	8107	11172	2913	4475	8442	9807	8522	11520	11853	11771	11193
Лада Гранта	8470	9559	11631	3058	5726	11478	11450	10550	12488	12756	14540	14406
Лада ИксРэй			2393	615	1094	1772	1874	1445	1776	1833	1669	2038
Лада Ларгус	2312	2790	3782	1286	1981	3376	3718	2831	3394	3743	3093	4860
Лада Нива
2021	янв.21	фев.21	мар.21	апр.21	май.21	июн.21	июл.21	авг.21	сен.21	окт.21	ноя.21	дек.21
Chery Tiggo 7	849	1051
Chevrolet Niva
Haval Jolion					115
Hyundai Creta	5701	6676	6946	6445	5717	7315	5246	5502	3851	5088	6513	3081
Hyundai Solaris	3481	5514	5945	5163	6232	7206	4592	4449	6258	5323	4255	2643
Hyundai Tucson
Kia Cerato
Kia K5							3528	3048	2298	2270	1789
Kia Optima
Kia Rio	7763	8773	8102	6996	6682	6434	5640	6195	6635	6983	5682	7056
Kia Seltos	1503	1214	1561	1502	1733	2100	1817	1358				1994
Kia Sportage			3432	2952	2084	1971	1900	1967	1860	1692	1593	1535
Mazda CX-5	1572	2183	1867	1536	1234	1218		1314	1458	1759	1975	2412
Mitsubishi Outlander	598	1289		1541
Nissan Qashqai	1359	1968	2017				1547		1614	2210	1885	2493
Nissan X-Trail	1101	1753	1864							2181	1875	2138
Renault Arkana	774	1444			1678			1696	1491		1845
Renault Duster	2888	2246	2226	3696	3784	4875	3408	3592	3063	2924	4436	4333
Renault Kaptur	1158	1619	1833		1785		1401	1547			2087	1745
Renault Logan	1735	2663	3358	3617	2905	2548	2972	1730		2307	1925	3025
Renault Sandero	1938	2138	2481	2683	2257	2068	2163			1774	1516	1556
Skoda Karoq							1483					1894
Skoda Kodiaq
Skoda Octavia
Skoda Rapid	2314	2755	4471	4378	4469	4922	4311	2326	4002	3078	1991	2663
Toyota Camry	1338	1845	1845				3105	1950	3156	2860	2630	3366
Toyota RAV4	2321	3869	5058	2941			2797	1888	3416	3540	3366	4331
Volkswagen Polo	3256	3880	5045	5164	5102	6080	4229	2747	4186	2766	2292	2140
Volkswagen Tiguan	1955						2302	2350	2318
Лада 4×4
Лада Веста	6347	8745	8779	11178	10050	11932	10223	6882	8724	10261	9035	11542
Лада Гранта	7720	9790	12686	14050	12829	14133	10885	5007	3886	7273	7231	5940
Лада ИксРэй	1587	2058		2773	2636	2698	2035	1268				1507
Лада Ларгус	2379	2824	3530	3474	4864	3982	3345	1887	2081	3349	3350	4476
Лада Нива	2809	4369	6016	5346	6169	5399	4555	3438	1530	2634	3618	5359
2022	янв.22	фев.22	мар.22	апр.22	май.22	июн.22
Chery Tiggo 7	1139	1387
Chevrolet Niva
Haval Jolion	1410	1557	662	350	425
Hyundai Creta	4153	4338	1563	1162	1197	1012
Hyundai Solaris	4898	7238	1666	1804	754	528
Hyundai Tucson
Kia Cerato
Kia K5
Kia Optima
Kia Rio	6206	7893	2918	1660	1202	1196
Kia Seltos	1754	1550	597	578	502	525
Kia Sportage			812	382	560	611
Mazda CX-5	1456	1409	1214	363	359	334
Mitsubishi Outlander	1155	1951		526
Nissan Qashqai	1874	1834	1270
Nissan X-Trail	1618	1538	996
Renault Arkana	1062	1428			250
Renault Duster	3021	4048	1457	644	561	517
Renault Kaptur	1102	1415	554		301
Renault Logan	1592	2006	853	902	361	654
Renault Sandero	1127	1469	719	319	315	318
Skoda Karoq
Skoda Kodiaq
Skoda Octavia
Skoda Rapid	1505	2506	1473	686	444	311
Toyota Camry	1746	1786	831
Toyota RAV4	2762	3003	1216	273
Volkswagen Polo	2161	3499	1565	599	397	483
Volkswagen Tiguan	1238
Лада 4×4
Лада Веста	5953	7161	3167	1977	1538	1767
Лада Гранта	5526	6220	3433	2598	2305	3305
Лада ИксРэй	1042	1266		497	256	329
Лада Ларгус	2237	2744	1555	840	642	705
Лада Нива	2555	3854	2898	1941	1102	881

  Источник: сайт АвтоБизнесРевью

Если внимательно изучить данные, можно заметить, что в первой половине 2022 года продажи автомобилей в России резко упали (см. таблицу 4). 

Таблица 4. Сравнение средних продаж за 2019-2021 годы и 2022 год

Автомобили	Ср 19-21	Ср I пол 22	Дин %
Chery Tiggo 7	950	1 263	32,9%
Chevrolet Niva	1 486	0	-100,0%
Haval Jolion	115	881	665,9%
Hyundai Creta	5 920	2 238	-62,2%
Hyundai Solaris	4 695	2 815	-40,1%
Hyundai Tucson	1 934	0	-100,0%
Kia Cerato	1 309	0	-100,0%
Kia K5	2 587	0	-100,0%
Kia Optima	1 861	0	-100,0%
Kia Rio	7 319	3 513	-52,0%
Kia Seltos	1 642	918	-44,1%
Kia Sportage	2 457	591	-75,9%
Mazda CX-5	1 746	856	-51,0%
Mitsubishi Outlander	1 814	1 211	-33,3%
Nissan Qashqai	1 949	1 659	-14,9%
Nissan X-Trail	1 735	1 384	-20,3%
Renault Arkana	1 488	913	-38,6%
Renault Duster	3 115	1 708	-45,2%
Renault Kaptur	1 852	843	-54,5%
Renault Logan	2 766	1 061	-61,6%
Renault Sandero	2 268	711	-68,6%
Skoda Karoq	1 689	0	-100,0%
SkodaKodiaq	1 902	0	-100,0%
Skoda Octavia	2 033	0	-100,0%
Skoda Rapid	3 074	1 154	-62,5%
Toyota Camry	2 530	1 454	-42,5%
Toyota RAV4	2 958	1 814	-38,7%
Volkswagen Polo	4 485	1 451	-67,7%
Volkswagen Tiguan	2 827	1 238	-56,2%
Лада 4×4	2 542	0	-100,0%
Лада Веста	9 234	3 594	-61,1%
Лада Гранта	10 371	3 898	-62,4%
Лада ИксРэй	2 081	678	-67,4%
Лада Ларгус	3 329	1 454	-56,3%
Лада Нива	4 270	2 205	-48,4%

Глядя на эти данные, можно догадаться, что резкое падение продаж связано с западными санкциями. Некоторые модели и вовсе исчезли с российского рынка, например американская Chevrolet Niva. Однако при этом Hyundai Tucson продажи в 2022-ом году 0, а по Hyundai Creta и Hyundai Solaris упали только наполовину. Значит ли это, что модель Tucson вывели с рынка, но в целом Hyundai продолжает работать в РФ или просто по Creta и Solaris у дилеров большие остатки, которые надо распродавать? Точно такой же вопрос возникает по другому корейскому бренду Kia. Три модели Cerato, K5 и Optima выбыли с рынка, а еще по трем: Rio, Seltos и Sportage продажи упали более, чем на половину.

По японским, французским и немецким машинам продажи тоже просели, но с рынка ни одна модель пока не ушла. Что это значит? Они что, не собираются выполнять санкции США и ЕС? 

Непонятно, почему у чехов из четырех моделей Skoda: Karoq, Kodiaq, Octavia и Rapid останется только последняя. Зато единственные, у кого выросли продажи, это китайцы – более, чем на 30%!

Ну и наконец, а что случилось с отечественной Ладой? Почему у нее продажи упали в два раза?

Все это я к тому, что невозможно прогнозировать продажи не зная, что происходит, почему, кто и что планирует. Давайте разбираться.  

Санкции: кто уйдет с российского рынка, а кто останется

Американцы запретили все автомобили, которые производятся в США или принадлежат американским компаниям еще в 2018 году, поэтому уже в 2020 году они распрощались с производством Chevrolet Niva на Автовазе. 

ЕС же не разрешили импорт только машин стоимостью свыше 50 000 евро, т. е. при среднем курсе 75 руб. за 1€ это автомобили стоимостью свыше 4 млн руб. Таким образом, большинство автомобилей из Европы, производство которых локализовано в РФ, не попадают под санкции. Отсюда понятно почему «французы» и «немцы» пока остались в России. Сами производители, такие как Renault и Volkswagen сворачивают свое производство в РФ, но их машинки будут импортироваться. 

Что касается «корейцев», то они договорились с американцами, и США сделали для Южной Кореи исключение. Поэтому исчезновение популярных корейских моделей с российского рынка связано с тем, что корейцы решили постепенно отказаться от седанов в пользу электрокроссоверов.    

Япония вслед за Европой запретила экспорт машин стоимостью более 6 млн иен, что по средневзвешенному курсу также составляет чуть меньше 4 млн руб. Поэтому Toyota Camry, например, свободно продается в среднем по цене от 2,5 до 3,8 млн руб. в разной комплектации.

Что касается исчезнувших моделей Skoda, то это модели, которые собирались на заводе ГАЗ, по отношению к которому США приняли санкции еще в 2018 году, поэтому Volkswagen group, куда входит Skoda, начала сворачивать их производство еще в 2020 году. 

Осталось понять, что с нашими родными Ладами. После объявления санкций Автоваз ушел в простой, т.к. прекратились поставки необходимых импортных комплектующих, в частности микросхем и электронных блоков. Кроме того, группа Renault решила продать свою долю. Похоже, что Ваз отказывается от выпуска Лада LADA XRay, у которой больше половины импортных комплектующих. 

Итак, для чего нужна была вся эта информация с точки зрения прогноза продаж? 

 Новые авто на российском рынке

Мы узнали, какие позиции нужно убрать из прогноза продаж, теперь нужно понять, какие новые автомобили могут появится (или уже есть) на нашем рынке во второй половине 2022 года и кого они потеснят. 

Так, вновь с конвейера начнет сходить Lada Granta, но уже без подушки безопасности, усилителя руля, АБС, электростеклоподъемников и двигателем с пониженной экологической безопасностью. Зато она станет раза в два дешевле нынешней. Появятся дополнительные китайцы: Dongfeng DF6 (копия Nissan Navara), Dargo от Haval. Вместо Рено на Московском заводе будут выпускать автомобили китайского и иранского происхождения под возрожденным брендом «Москвич». Всего 5 моделей: 4 кроссовера и 1 седан. 

Количественный анализ

В результате предшествующего качественного анализа мы выяснили: какие автомобили уйдут с российского рынка, а какие придут на их место. При этом мы рассмотрели, конечно, не все автомобили и нам не важно, что некоторые модели будут запущены только в 2023 году. Для целей данной статьи –  показать пример анализа данных –  это не нужно. Будем считать, что все они запущены с 1 июля 2022 года.

Итак, в таблице 6 список автомобилей ТОП-25 в прогнозируемом периоде (розовым – выбывшие; зеленым – новые).

Таблица 6. ТОП-25 в прогнозируемом периоде

Модели были	Модели будут
Chery Tiggo 7	Chery Tiggo 7
Chevrolet Niva	Haval Dargo
Haval Jolion	Haval Jolion
Hyundai Creta	Hyundai Creta
Hyundai Solaris	Hyundai Solaris
Hyundai Tucson	Dongfeng DF6
Kia Cerato
Kia K5
Kia Optima
Kia Rio	Kia Rio
Kia Seltos	Kia Seltos
Kia Sportage	Kia Sportage
Mazda CX-5	Mazda CX-5
Mitsubishi Outlander	Mitsubishi Outlander
Nissan Qashqai	Nissan Qashqai
Nissan X-Trail	Nissan X-Trail
Renault Arkana	Renault Arkana
Renault Duster	Renault Duster
Renault Kaptur	Renault Kaptur
Renault Logan	Renault Logan
Renault Sandero	Renault Sandero
Skoda Karoq
Skoda Kodiaq
Skoda Octavia
Skoda Rapid	Skoda Rapid
Toyota Camry	Toyota Camry
Toyota RAV4	Toyota RAV4
Volkswagen Polo	Volkswagen Polo
Volkswagen Tiguan	Volkswagen Tiguan
Лада 4×4
Лада Веста	Лада Веста
Лада Гранта	Лада Гранта
Лада ИксРэй	Москвич
Лада Ларгус	Лада Ларгус
Лада Нива	Лада Нива

Посмотрим динамику совокупных продаж автомобилей по годам:

Рисунок 4. Динамика продаж топ-25 авто с 2017 по 2021 годы

 

По диаграмме видно, что с 2018 года продажи автомобилей в России неуклонно шли вниз. Если просто прочертить линию тренда (полиномиальная в 3 степени – наиболее точно описывает график), то емкость рынка на 2022 год будет где-то 870 000 шт., а уже в 2023 – 960 000 шт. 

При этом за первую половину 2022 года по факту продано только 209 859 автомобилей, т.е. за год едва будет продано 450 000 шт. 

Иными словами, чтобы правильно спрогнозировать общие продажи, мы должны понять, будут ли факторы спада действовать и дальше. В 2019–2021 годах этот спад был вызван пандемией (многие заводы автозапчастей и электроники простаивали, а у людей снизились доходы), которая постепенно утихает. А спад 2022 года – санкциями, которые также постепенно нивелируются за счет «китайцев» и «корейцев».  

При нормальном развитии (2017-2018 годы) рынка ежегодный рост составлял около 10% в год. Значит, если бы не ковид и санкции, рынок к концу 2023 года мог достигнуть примерно 1000000*1,10^{^5} = 1 600 000 автомобилей в год. Но поскольку негативные факторы продолжают действовать, но не с такой силой, то тренд (полиномиальный в 4 степени) будет выглядеть следующим образом (рисунок 5). 

Рисунок 5. Линия прогноза на 2022–2023 годы

К концу 2023 года объем продаж автомобилей должен выйти на 1 150 000 шт. в год.

Таким образом, при сохранении существующих тенденций продажи будут выглядеть следующим образом (рисунок 6). 

Рисунок 6. Прогноз продаж топ-25 по полугодиям до конца 2023 года, тыс. шт.

Теперь надо распределить общие продажи по оставшимся и новым автомобилям. Здесь, чтобы понять, в какой пропорции какие автомобили будут покупать, нужно опять проводить качественной анализ по потребительским характеристикам. Для этого нужно проводить отдельное исследование потребительских предпочтений, но можно предположить некоторую привязку автовладельцев к любимым брендам и схожим характеристикам. Например, те, кто думал приобрести Skoda Octavia, наверняка, купят вместо нее Skoda Rapid, а те, кто, хотел получить кроссовер Лада ИксРэй, возьмут кроссовер «Москвич»-412 и т.п.

Поэтому поступим так: все легковушки отдадим другим легковушкам своего бренда, оставшиеся легковушки другим брендам производства той же страны и также поступим с кроссоверами. При этом, модели, которые исчезли уже в 2021 году, распределились между теми, что продавались в 2022 году (таблица 7).  

Таблица 7. Перераспределение автомобилей

Модели были	Страна / бренд	Класс	Ср прод 21-22 гг	Модели вместо	Страна / бренд	Класс	Ср прод 21-22 гг	Итого
Kia K5	Корея	средний	2587	Toyota Camry	Япония	Бизнес класс	2205	4 791
Skoda Karoq	Чехия	Компактный кроссовер	1689	Volkswagen Tiguan	Германия	Компактный кроссовер	2033	3 721
Лада ИксРэй	РФ	Компактный кроссовер	1535	Москвич	РФ	Компактный кроссовер		1 535
Mitsubishi Outlander	Япония	Среднеразмерный кроссовер	1177	Haval Dargo	Китай	Среднеразмерный кроссовер		392

Теперь необходимо по всем планируемым к продаже моделям (текущим и новым) занести средние продажи за 2021-2022 годы. И определить их долю продаж в общем объеме (таблица 8). 

Таблица 8. Прогнозируемая доля продаж по моделям в общем объеме

Со II пол 2022	Ср. 21-22	%
Chery Tiggo 7	1107	1,5%
Haval Jolion	753	1,0%
Hyundai Creta	4528	6,0%
Hyundai Solaris	4331	5,8%
Kia Rio	5779	7,7%
Kia Seltos	1353	1,8%
Kia Sportage	1668	2,2%
Mazda CX-5	1392	1,9%
Mitsubishi Outlander	1177	1,6%
Nissan Qashqai	1825	2,4%
Nissan X-Trail	1674	2,2%
Renault Arkana	1296	1,7%
Renault Duster	2873	3,8%
Renault Kaptur	1379	1,8%
Renault Logan	2068	2,8%
Renault Sandero	1553	2,1%
Skoda Rapid	2700	3,6%
Toyota Camry	4791	6,4%
Toyota RAV4	2913	3,9%
Volkswagen Polo	3088	4,1%
Volkswagen Tiguan	3721	5,0%
Лада Веста	7515	10,0%
Лада Гранта	7490	10,0%
Лада Ларгус	2681	3,6%
Лада Нива	3582	4,8%
Haval Dargo	392	0,5%
Москвич	1 535	2,0%
Всего	75 162	100,0%

Соответственно, теперь данные проценты необходимо распределить по суммарному объему продаж за каждое полугодие согласно рисунку 4. 

Таблица 9. Прогноз продаж топ-25 по полугодиям во второй половине 2022 года  –  2023 году

Модели со II пол 2022	Ср. 21-22	II пол 2022	I пол 2023	II пол 2023
Chery Tiggo 7	1,5%	4416	6625	10305
Haval Jolion	1,0%	3006	4509	7014
Hyundai Creta	6,0%	18073	27110	42171
Hyundai Solaris	5,8%	17285	25927	40331
Kia Rio	7,7%	23065	34597	53818
Kia Seltos	1,8%	5398	8098	12596
Kia Sportage	2,2%	6657	9986	15534
Mazda CX-5	1,9%	5556	8334	12964
Mitsubishi Outlander	1,6%	4697	7045	10959
Nissan Qashqai	2,4%	7283	10924	16993
Nissan X-Trail	2,2%	6681	10021	15588
Renault Arkana	1,7%	5175	7762	12074
Renault Duster	3,8%	11468	17203	26760
Renault Kaptur	1,8%	5504	8256	12842
Renault Logan	2,8%	8254	12380	19258
Renault Sandero	2,1%	6197	9295	14459
Skoda Rapid	3,6%	10778	16167	25148
Toyota Camry	6,4%	19123	28684	44620
Toyota RAV4	3,9%	11627	17440	27129
Volkswagen Polo	4,1%	12327	18490	28763
Volkswagen Tiguan	5,0%	14852	22279	34656
Лада Веста	10,0%	29993	44990	69985
Лада Гранта	10,0%	29895	44842	69755
Лада Ларгус	3,6%	10702	16053	24972
Лада Нива	4,8%	14297	21445	33359
Haval Dargo	0,5%	1566	2348	3653
Москвич	2,0%	6126	9189	14294
Всего	100,0%	300 000	450 000	700 000

Осталось только определить сезонные коэффициенты и распределить продажи по месяцам.

Конечно, более правильным было бы определять сезонные коэффициенты для каждой модели отдельно, но для целей данной статьи достаточно определить их для каждой категории: легковые, кроссоверы, внедорожники. Т.е. понятно, что городские легковушки имеют одну сезонность, а джипы, разъезжающие осенью по бездорожью, другую.

Для определения сезонных коэффициентов необходимо суммировать по месяцам все классы автомобилей за несколько лет и посчитать удельный вес каждого месяца в суммарном объеме (таблица 10).  Но было бы неправильным, с точки зрения математики, считать процент каждого месяца за отдельный год, а потом выводить средний процент месяца за несколько лет. 

Таблица 10. Сезонные коэффициенты по классам автомобилей

Класс	Ед	янв	фев	мар	апр	май	июн	июл	авг	сен	окт	ноя	дек	Всего
Кроссовер	шт	62700	75744	97820	57401	59305	73108	79859	79809	80069	80196	90168	94733	930912
Компактный	116531	141776	171968	128418	131756	163351	158740	137610	154058	160778	153503	163005	1781494
Внедорожник	2809	4369	6016	5346	6169	5399	4555	3438	1530	2634	3618	5359	51242
Кроссовер	%	6,7%	8,1%	10,5%	6,2%	6,4%	7,9%	8,6%	8,6%	8,6%	8,6%	9,7%	10,2%	100,0%
Компактный	6,5%	8,0%	9,7%	7,2%	7,4%	9,2%	8,9%	7,7%	8,6%	9,0%	8,6%	9,1%	100,0%
Внедорожник	5,5%	8,5%	11,7%	10,4%	12,0%	10,5%	8,9%	6,7%	3,0%	5,1%	7,1%	10,5%	100,0%

Для наглядности нарисуем график. 

Рисунок 7. Сезонные коэффициенты по классам автомобилей

Видно, что у внедорожников присутствует сильная сезонность и она отличается от остальных машин. 

Распределяем прогнозные значения продаж по месяцам (таблица 11).

Таблица 11. Прогноз продаж моделей Топ-25 по месяцам до конца 2023 года

II пол 2022	Группа	янв	фев	мар	апр	май	июн	июл	авг	сен	окт	ноя	дек	II пол 2022
Chery Tiggo 7	Кроссовер	297	359	464	272	281	347	379	379	380	380	428	449	4416
Haval Jolion	Кроссовер	202	245	316	185	192	236	258	258	259	259	291	306	3006
Hyundai Creta	Кроссовер	1217	1471	1899	1114	1151	1419	1550	1549	1555	1557	1751	1839	18073
Hyundai Solaris	Компактный	1131	1376	1669	1246	1278	1585	1540	1335	1495	1560	1489	1582	17285
Kia Rio	Компактный	1509	1836	2226	1663	1706	2115	2055	1782	1995	2082	1987	2110	23065
Kia Seltos	Кроссовер	364	439	567	333	344	424	463	463	464	465	523	549	5398
Kia Sportage	Кроссовер	448	542	700	411	424	523	571	571	573	574	645	677	6657
Mazda CX-5	Кроссовер	374	452	584	343	354	436	477	476	478	479	538	565	5556
Mitsubishi Outlander	Кроссовер	316	382	494	290	299	369	403	403	404	405	455	478	4697
Nissan Qashqai	Кроссовер	491	593	765	449	464	572	625	624	626	627	705	741	7283
Nissan X-Trail	Кроссовер	450	544	702	412	426	525	573	573	575	576	647	680	6681
Renault Arkana	Кроссовер	349	421	544	319	330	406	444	444	445	446	501	527	5175
Renault Duster	Кроссовер	772	933	1205	707	731	901	984	983	986	988	1111	1167	11468
Renault Kaptur	Кроссовер	371	448	578	339	351	432	472	472	473	474	533	560	5504
Renault Logan	Компактный	540	657	797	595	610	757	735	638	714	745	711	755	8254
Renault Sandero	Компактный	405	493	598	447	458	568	552	479	536	559	534	567	6197
Skoda Rapid	Компактный	705	858	1040	777	797	988	960	833	932	973	929	986	10778
Toyota Camry	Компактный	1251	1522	1846	1378	1414	1753	1704	1477	1654	1726	1648	1750	19123
Toyota RAV4	Кроссовер	783	946	1222	717	741	913	997	997	1000	1002	1126	1183	11627
Volkswagen Polo	Компактный	806	981	1190	889	912	1130	1098	952	1066	1112	1062	1128	12327
Volkswagen Tiguan	Кроссовер	1000	1208	1561	916	946	1166	1274	1273	1277	1280	1439	1511	14852
Лада Веста	Компактный	1962	2387	2895	2162	2218	2750	2673	2317	2594	2707	2584	2744	29993
Лада Гранта	Компактный	1955	2379	2886	2155	2211	2741	2664	2309	2585	2698	2576	2735	29895
Лада Ларгус	Компактный	700	852	1033	771	792	981	954	827	925	966	922	979	10702
Лада Нива	Внедорожник	784	1219	1678	1492	1721	1506	1271	959	427	735	1009	1495	14297
Haval Dargo	Кроссовер	105	127	165	97	100	123	134	134	135	135	152	159	1566
Москвич	Кроссовер	413	498	644	378	390	481	526	525	527	528	593	623	6126
Всего	19701	24167	30267	20855	21641	26149	26336	24030	25079	26035	26890	28849	300000
I пол 2023	Класс	янв	фев	мар	апр	май	июн	июл	авг	сен	окт	ноя	дек	I пол 2023
Chery Tiggo 7	Кроссовер	446	539	696	408	422	520	568	568	570	571	642	674	6625
Haval Jolion	Кроссовер	304	367	474	278	287	354	387	387	388	388	437	459	4509
Hyundai Creta	Кроссовер	1826	2206	2849	1672	1727	2129	2326	2324	2332	2335	2626	2759	27110
Hyundai Solaris	Компактный	1696	2063	2503	1869	1918	2377	2310	2003	2242	2340	2234	2372	25927
Kia Rio	Компактный	2263	2753	3340	2494	2559	3172	3083	2672	2992	3122	2981	3166	34597
Kia Seltos	Кроссовер	545	659	851	499	516	636	695	694	696	698	784	824	8098
Kia Sportage	Кроссовер	673	813	1049	616	636	784	857	856	859	860	967	1016	9986
Mazda CX-5	Кроссовер	561	678	876	514	531	654	715	714	717	718	807	848	8334
Mitsubishi Outlander	Кроссовер	474	573	740	434	449	553	604	604	606	607	682	717	7045
Nissan Qashqai	Кроссовер	736	889	1148	674	696	858	937	937	940	941	1058	1112	10924
Nissan X-Trail	Кроссовер	675	815	1053	618	638	787	860	859	862	863	971	1020	10021
Renault Arkana	Кроссовер	523	632	816	479	494	610	666	665	668	669	752	790	7762
Renault Duster	Кроссовер	1159	1400	1808	1061	1096	1351	1476	1475	1480	1482	1666	1751	17203
Renault Kaptur	Кроссовер	556	672	868	509	526	648	708	708	710	711	800	840	8256
Renault Logan	Компактный	810	985	1195	892	916	1135	1103	956	1071	1117	1067	1133	12380
Renault Sandero	Компактный	608	740	897	670	687	852	828	718	804	839	801	851	9295
Skoda Rapid	Компактный	1058	1287	1561	1165	1196	1482	1441	1249	1398	1459	1393	1479	16167
Toyota Camry	Компактный	1876	2283	2769	2068	2121	2630	2556	2216	2481	2589	2472	2625	28684
Toyota RAV4	Кроссовер	1175	1419	1833	1075	1111	1370	1496	1495	1500	1502	1689	1775	17440
Volkswagen Polo	Компактный	1209	1472	1785	1333	1368	1695	1648	1428	1599	1669	1593	1692	18490
Volkswagen Tiguan	Кроссовер	1501	1813	2341	1374	1419	1750	1911	1910	1916	1919	2158	2267	22279
Лада Веста	Компактный	2943	3580	4343	3243	3327	4125	4009	3475	3891	4060	3877	4117	44990
Лада Гранта	Компактный	2933	3569	4329	3232	3316	4112	3996	3464	3878	4047	3864	4103	44842
Лада Ларгус	Компактный	1050	1278	1550	1157	1187	1472	1430	1240	1388	1449	1383	1469	16053
Лада Нива	Внедорожник	1176	1828	2518	2237	2582	2259	1906	1439	640	1102	1514	2243	21445
Haval Dargo	Кроссовер	158	191	247	145	150	184	201	201	202	202	227	239	2348
Москвич	Кроссовер	619	748	966	567	585	722	788	788	790	792	890	935	9189
Всего	29552	36250	45401	31283	32461	39224	39505	36046	37618	39053	40335	43273	450000
II пол 2023	Класс	янв	фев	мар	апр	май	июн	июл	авг	сен	окт	ноя	дек	II пол 2023
Chery Tiggo 7	Кроссовер	694	838	1083	635	657	809	884	883	886	888	998	1049	10305
Haval Jolion	Кроссовер	472	571	737	433	447	551	602	601	603	604	679	714	7014
Hyundai Creta	Кроссовер	2840	3431	4431	2600	2687	3312	3618	3615	3627	3633	4085	4292	42171
Hyundai Solaris	Компактный	2638	3210	3893	2907	2983	3698	3594	3115	3488	3640	3475	3690	40331
Kia Rio	Компактный	3520	4283	5195	3879	3980	4935	4795	4157	4654	4857	4637	4924	53818
Kia Seltos	Кроссовер	848	1025	1324	777	802	989	1081	1080	1083	1085	1220	1282	12596
Kia Sportage	Кроссовер	1046	1264	1632	958	990	1220	1333	1332	1336	1338	1505	1581	15534
Mazda CX-5	Кроссовер	873	1055	1362	799	826	1018	1112	1111	1115	1117	1256	1319	12964
Mitsubishi Outlander	Кроссовер	738	892	1152	676	698	861	940	940	943	944	1061	1115	10959
Nissan Qashqai	Кроссовер	1145	1383	1786	1048	1083	1335	1458	1457	1462	1464	1646	1729	16993
Nissan X-Trail	Кроссовер	1050	1268	1638	961	993	1224	1337	1336	1341	1343	1510	1586	15588
Renault Arkana	Кроссовер	813	982	1269	745	769	948	1036	1035	1039	1040	1169	1229	12074
Renault Duster	Кроссовер	1802	2177	2812	1650	1705	2102	2296	2294	2302	2305	2592	2723	26760
Renault Kaptur	Кроссовер	865	1045	1349	792	818	1009	1102	1101	1105	1106	1244	1307	12842
Renault Logan	Компактный	1260	1533	1859	1388	1424	1766	1716	1488	1665	1738	1659	1762	19258
Renault Sandero	Компактный	946	1151	1396	1042	1069	1326	1288	1117	1250	1305	1246	1323	14459
Skoda Rapid	Компактный	1645	2001	2428	1813	1860	2306	2241	1943	2175	2270	2167	2301	25148
Toyota Camry	Компактный	2919	3551	4307	3216	3300	4091	3976	3447	3859	4027	3845	4083	44620
Toyota RAV4	Кроссовер	1827	2207	2851	1673	1728	2131	2327	2326	2333	2337	2628	2761	27129
Volkswagen Polo	Компактный	1881	2289	2776	2073	2127	2637	2563	2222	2487	2596	2478	2632	28763
Volkswagen Tiguan	Кроссовер	2334	2820	3642	2137	2208	2722	2973	2971	2981	2986	3357	3527	34656
Лада Веста	Компактный	4578	5570	6756	5045	5176	6417	6236	5406	6052	6316	6030	6404	69985
Лада Гранта	Компактный	4563	5551	6733	5028	5159	6396	6215	5388	6032	6295	6010	6382	69755
Лада Ларгус	Компактный	1633	1987	2411	1800	1847	2290	2225	1929	2159	2254	2152	2285	24972
Лада Нива	Внедорожник	1829	2844	3916	3480	4016	3515	2965	2238	996	1715	2355	3489	33359
Haval Dargo	Кроссовер	246	297	384	225	233	287	313	313	314	315	354	372	3653
Москвич	Кроссовер	963	1163	1502	881	911	1123	1226	1225	1229	1231	1384	1455	14294
Всего	45970	56389	70623	48663	50495	61015	61452	56071	58517	60748	62743	67314	700000

Заключение

Разумеется, данный анализ – это лишь упрощенная схема для понимания общего алгоритма действий. В нем, например, совсем не учитываются цены. Общий смысл данного анализа, следующий: сначала, мы с помощью эксперта определяем основные факторы, которые влияют на наши продажи (качественный анализ). Затем определяем их вес, убираем их из прогноза и добавляем туда новые факторы (количественный анализ).  

Примечание: полиномиальные линии тренда в Excel довольно точно строят прогнозы по статистическим рядам, их вполне можно использовать для первичного прогнозирования.  

Прогнозы продаж помогают менеджерам, руководителям и собственникам бизнеса принимать взвешенные решения при постановке целей, найме, составлении бюджета, поиске клиентов и других процессах, влияющих на финансовое благополучие компании.

Рассказываем, какие методики прогнозирования продаж существуют, как выбрать оптимальную и какие плюсы и минусы есть у каждой.

Почему важно прогнозировать продажи

Вовремя заметить проблемы и принять меры, чтобы избежать негативных последствий или смягчить их.

Принимать правильные решения: от найма и управления ресурсами до постановки целей и составления бюджета.

Мотивировать сотрудников: у них будет понятная цель, основанная на данных, и инструменты, чтобы отслеживать собственный прогресс и прогресс команды. Это даёт соревновательный эффект или наоборот — желание сплотиться, чтобы выполнить план.

Методы прогнозирования продаж

Методик прогнозирования много: зачастую руководители изобретают собственный способ на основании опыта, особенностей отрасли и продукта. В статье рассмотрим базовые методики.

Интуитивный метод прогнозирования

Если в компании не зафиксирован метод прогнозирования, скорее всего, там используют интуитивные прогнозы. Руководитель узнаёт у менеджеров по продажам вероятность закрытия сделки. Менеджер говорит: «Я уверен, что они купят в течение 14 дней, и сделка будет стоить Х». Это и есть интуитивный метод.

С одной стороны, учитывать мнение продавцов полезно: они находятся ближе всего к потенциальным клиентам. С другой стороны, менеджеры могут давать слишком щедрые оценки — в том числе из подсознательного желания порадовать руководителя.

Масштабируемого способа проверить их оценку нет. Чтобы увидеть, насколько велика вероятность закрыть сделку, руководителю необходимо прослушивать звонки, следить за встречами и читать переписку. Вряд ли у него будет на это время.

Плюсы

• Метод опирается на мнение менеджеров отдела продаж, которые близко работают с потенциальными клиентами.
• Не нужны исторические данные.

Минусы

• Субъективная оценка.

Вывод

Интуитивный метод пригодится компаниям, которые работают недавно и не накопили исторические данные для глубокого анализа.

Исторический метод прогнозирования

Быстрый способ предсказать, сколько компания продаст через месяц, квартал или год, — посмотреть на соответствующий период времени и предположить, что результаты будут равны или выше прежних показателей. Это исторический прогноз продаж.

Плюсы

• Опирается на проверенные исторические данные: это работает в условиях стабильного рынка.
• Сделать расчёты быстро и легко.

Минусы

• Не учитывает сезонность или изменения рынка.
• Не учитывает покупательский спрос.

Вывод

Историческое прогнозирование — быстрый и простой способ, можно использовать в качестве ориентира, но не основы для прогноза продаж.

Прогнозирование по стадии воронки продаж

Чем дальше сделка по воронке продаж, тем выше вероятность, что она будет закрыта.

Чтобы спрогнозировать объём продаж по этой методике, нужно:

• Выбрать отчётный период. Зависит от продолжительности цикла продаж: обычно месяц, квартал или год.
• Умножить потенциальную стоимость каждой сделки на вероятность закрытия.
• Сложить сумму по каждой сделке и получить общий прогноз.

Плюсы

• Легко создать прогноз продаж.

Минусы

• Результаты бывают неточными.

Вывод

К подобной методике прогнозирования стоит относиться с долей скепсиса. Покупательское поведение инертно: даже если клиент двигается дальше по воронке, это не означает, что ему всё нравится. Он может продвигаться вперёд по привычке, из надежды «вдруг станет лучше» или из любопытства.

Нередка ситуация, когда сделка бодро доходит до предпоследнего этапа и срывается. Почему так происходит — читайте в статье →

Метод прогнозирования по продолжительности цикла продаж

Похож на предыдущий — основанный на этапах воронки. Только здесь вместо этапов — данные о том, сколько времени требуется лиду, чтобы превратиться в платящего клиента.

Лиды можно разделить на «корзины» в зависимости от источника. Это даст более точную картину. Например, клиент, пришедший по рекомендации, завершает сделку за две недели, а холодный клиент — за три месяца.

Плюсы

• Можно применять к различным источникам потенциальных клиентов, чтобы получить более точный прогноз.

Минусы

• Результаты бывают неточными.
• Нужно тщательно отслеживать, как и когда потенциальные клиенты попадают в каналы продаж.

Вывод

Аналогичен выводу предыдущего блока. Покупательское поведение инертно: даже если клиент долго находится в сделке, это не означает, что ему всё нравится. Он может продвигаться вперёд по привычке, из надежды «вдруг станет лучше» или из любопытства. Подробности читайте в статье →

Метод прогнозирования по источнику лидов

Основано на анализе исторических данных о продажах для каждого из источников потенциальных клиентов. Начало пути покупателя может рассказать о том, чем путь закончится.

Понадобятся данные по:

• количеству лидов в месяц за предыдущий период времени,
• коэффициенту конверсии потенциальных клиентов по источникам,
• средней цене продажи по источнику.

Этот метод — отличная отправная точка. Но необходимо учитывать факторы, которые могут повлиять на конечные результаты. Например, если маркетинговая команда изменит стратегию генерации лидов, это скажется на коэффициенте конверсии. Важно работать в связке с маркетингом и учитывать изменения при прогнозировании.

Плюсы

• Достаточно точный прогноз продаж.

Минусы

• Подвержен изменениям из-за влияния разных факторов.

Вывод

Метод наиболее ценен для компаний, которые отслеживают, как и когда потенциальные клиенты попадают в воронку продаж. Важно, чтобы отделы продаж и маркетинга тесно взаимодействовали друг с другом и обменивались информацией.

Метод многофакторного прогнозирования

Наиболее сложный и точный метод прогнозирования. Строится на анализе:

• продолжительности цикла продаж,
• размера каждой потенциальной сделки,
• стадии цикла продаж,
• процента успеха при каждом размере сделки,
• процента успеха на каждом этапе цикла продаж,
• процента успеха каждого из менеджеров.

Чтобы делать прогнозы на основе многофакторного анализа данных, потребуются:

• «Чистые данные»: менеджеры должны педантично отслеживать каждый параметр сделки, иначе результаты прогнозирования будут неточными.
• Программное обеспечение — например, CRM-система.

Плюсы

• Метод основан на данных и даёт точные результаты.
• Математика сложная, но аналитические инструменты сами рассчитывают прогноз и выдают результаты.

Минусы

• Необходимы аналитические инструменты: не всегда их покупка вписывается в бюджет компании.
• Неточные данные дадут искажённые прогнозы продаж.

Вывод

Многофакторный анализ непрактичен для малого бизнеса или стартапов: там требуется дорогое программное обеспечение и много корректно собранных данных.

Какие ещё факторы учитывать при прогнозировании продаж

Компания может влиять на внутренние факторы: производственные мощности, качество, цена, рекламная политика, ресурсы.

На успех продаж влияют и внешние факторы: условия в отрасли и общие условия жизни. Их тоже важно учитывать — и если не вносить в модель, то хотя бы держать в голове, быть готовыми вовремя реагировать на изменения и внедрять корректировки в стратегию.

Условия в отрасли

Количество конкурентов, виды и ассортимент продукции, характеристики, политика ценообразования, стратегия конкурентов. Эти факторы не контролируются компанией, но их нужно тщательно изучить при подготовке прогнозов продаж.

Общие условия бизнеса и окружающей среды

Экономическое состояние страны, население, распределение богатства, обычаи и традиции, сезонные колебания, мода, доход на душу населения, государственная политика. Эти факторы находятся вне контроля коммерческого предприятия. К ним нужно быть готовыми: представлять риски и создать запасной план действий на случай, если настанет кризис.

________

Прогнозирование продаж можно делать в Экселе: это удобно, когда компания только начинает работу. Однако если организация уже прочно заняла место на рынке и наращивает количество клиентов и сделок, будет настроить прогнозирование в CRM-системе.

На примере 1С:CRM рассказываем, как это сделать: