Поведение потребителей

Методы прогнозирования: обзор

Прогнозирование может проводиться эвристическими и статистическими мето­дами. Эти методы и их взаимосвязи показаны на рис. 1. Эвристические и статисти­ческие методы часто используют вместе, и с 1985 г. проводилось крупное исследо­вание интеграции статистического и эвристического подходов в прогнозировании (Armstrong & Collopy, 1998Ь). На рисунке видно растущее число пересечений эв­ристических и статистических процедур. Здесь приводится краткое описание этих методов.

Цели исследований — опросить людей и установить, как они будут вести себя в различных ситуациях. Этот метод широко используется и особенно важен в тех случаях, когда данных о продажах нет, например при прогнозировании нового товара.

В некоторых случаях, таких как предсказание поведения человека в рабочих ситуациях, важнейшим фактором может оказаться человеческий. При прогнози­ровании поведения людей, взаимодействующих друг с другом, и особенно в конф­ликтных ситуациях, бывают полезны ролевые игры (см. ПОВЕДЕНИЕ ПОТРЕ­БИТЕЛЕЙ).

Другой способ составить прогноз — попросить экспертов предсказать, как люди будут вести себя в данных ситуациях. Точность прогнозов экспертов можно про­верить с помощью структурированных методов, таких как метод Дельфи (Delphi). Метод Дельфи — это итеративная процедура, когда эксперты представляют про­гноз как задачу, получают на нее анонимный ответ от других экспертов и потом делают другие прогнозы. Метод Дельфи точнее, чем неструктурированные эврис­тические методы, — см. работу Г. Роу и Г. Райта (Rowe & Wright, 1999). Главный принцип — прогнозы экспертов должны быть совершенно независимыми друг от друга. Фокус-группы всегда нарушают этот принцип. Вывод — они не должны использоваться для прогнозирования.

Л-У-

Рис. 1. Характеристика методов прогнозирования и их взаимодействия

Намерения можно объяснить как соотношение «предсказаний» и различ­ных факторов, описывающих ситуацию. Попросив потребителей определить их намерения покупки в различных ситуациях, можно сделать вывод о том, как факторы соотносятся с намеченными продажами. Процедура анализа зависи­мости намерений от различных факторов известна под названием «сопряжен­ный анализ».

Используя сопряженный анализ, можно разработать модель с помощью экс­пертов. Этот подход, эвристический расчет прогноза, превращает субъективную теорию в объективные процедуры. Например, эксперты могут сделать прогноз объема продаж следующего года по географическим регионам. Этот процесс за­тем преобразуется в набор правил, используемых прогнозистом для определе­ния прогноза на основе новой информации. Однажды разработанные модели эвристического расчета прогноза предлагают процедуру создания прогнозов с низкими издержками. Они почти всегда дают лучшие результаты по сравнению с другими эвристическими прогнозами, хотя эти достижения обычно умеренные (Armstrong, 1999).

Методы экстраполяции используют только ретроспективные данные по ряду показателей. Наиболее популярные, недорогие и эффективные методы основаны на экспоненциальном сглаживании, которое реализует успешный принцип: «Наи­более свежая информация обладает большим весом». Другой принцип экстрапо­ляции — использование длинных временных рядов для разработки трендовой
модели прогнозирования. Однако в коммерческих фирмах наибольшее распрост­ранение получили методики прогнозирования с использованием временных ря­дов, фокусирующиеся на небольшом периоде, результат — неточность прогнозов (iGardner & Anderson, 1997).

Еще один принцип экстраполяции состоит в использовании надежной инфор­мации. Единая система сканеров в розничной торговле помогает получать такую информацию о существующих товарах. Информация со сканеров подробна, точ­на, оперативна и недорога. Результат — повышение точности прогнозов, особенно из-за снижения ошибок в оценке текущего состояния. Незнание точки отсчета ча­сто приводило к ошибкам в предсказании конечного пункта. Информация со ска­неров позволяет заблаговременно идентифицировать тенденции.

Эмпирические исследования привели к выводу, что относительно простые ме­тоды экстраполяции действуют так же, как и более сложные. Например, метод Бок­са-Дженкинса («Вох-Jenkins»), один из самых сложных, не дает большей точности прогнозов, чем менее сложные процедуры* (Makridakisetal., 1984; Armstrong, 1985). Этот факт не нравится статистикам, но приветствуется менеджерами.

Количественные методы экстраполяции (множественной регрессии) не ис­пользуют данные временных рядов. Они предполагают использование в прогно­зах причинных факторов, влияющих на временные ряды. Однако причинные фак­торы бывают противоположны временным рядам по динамике, и тогда в прогнозах появляются грубые ошибки (.Armstrong & Collopy, 1993). Хотя такие случаи встре­чаются редко, их результаты губительны. Тренд можно экстраполировать только в том случае, когда он совпадает с ожиданиями.

Если уровень продаж резко изменился за короткое время, то эвристические методы экстраполяции предпочтительнее количественных (.Armstrong & Collopy, 1998). Количественные методы экстраполяции лучше эвристических, когда дан­ные обширны, а большие изменения не ожидаются (.Armstrong, 1985). Однако ко­личественные методы обычно намного дешевле, и это важнее, чем небольшое пре­имущество в точности. Когда приходится делать тысячи прогнозов в месяц, эвристические методы редко бывают финансово эффективны.

Эксперты могут установить аналогичные случаи. С помощью экстраполяции результатов этих случаев можно предсказать развитие интересующей ситуации. Например, для оценки потери в продажах товара, когда заканчивается защита па­тента, можно посмотреть данные по другим товарам. Обычно наибольшие потери бывают в первый год.

Прогнозирование на основе правил интегрирует разные методы. Такое прогно­зирование — тип экспертной системы, которая ограничена статистическими вре­менными рядами. Основное его преимущество в том, что оно объединяет знания экспертов-менеджеров менее дорогостоящим путем.

Экспертные системы используют принципы экспертов. Кроме того, они обыч­но используют эмпирические исследования отношений, полученные из экономет­рических моделей. Мнение эксперта, сопряженный анализ и эконометрические модели могут помочь в разработке экспертных систем.

•Метод Бокса-Дженкинса представляет собой очень точный метод краткосрочного (до двух лет) прогнозирования, при более длительных сроках его точность резко падает.

Многомерные временные ряды здесь не рассматриваются, поскольку они не подтверждают своей пригодности для прогнозирования.

Эконометрические методы используют информацию для оценки параметров модели при различных ограничениях, когда возможно. Из предшествующего ис­следования всегда можно делать выводы для определения направлений, функци­ональных форм, значимости взаимоотношений. Кроме того, можно объединить мнения экспертов. Оценки отношений могут модифицироваться при помощи ин­формации кросс-секционнош анализа и данных временных рядов. И здесь снова необходима надежная информация. Информация со сканеров — это данные не­дорогих экспериментов, где основные переменные, такие как реклама или цена, варьируются и оценивается их влияние на объем продаж. Результаты таких экс­периментов полезны для оценки отношений. Эконометрические модели могут также использовать входящие данные сопряженного анализа. Такие модели по­зволяют эффективно соединить эвристические и статистические методы.

Эконометрические модели могут быть прямо связаны с планированием и при­нятием решений. Они могут оценивать влияние переменных маркетинга-микс, а также характеристик рынка и окружения. Эконометрические методы подходят в тех случаях, когда надо спрогнозировать, что произойдет при различных вариан­тах развития окружающей среды и стратегий. Такие методы наиболее полезны, когда:

1. Ожидаются сильные причинные связи переменных с продажами.

2. Эти связи можно оценить.

3. За горизонтом прогноза в причинных переменных ожидаются большие из­менения.

4. Эти изменения в причинных переменных можно спрогнозировать или про­контролировать, особенно в отношении их направления.

Если любое из этих условий не выполняется (что типично для прогнозирова­ния с малым радиусом действия), то от эконометрических методов не следует ждать высокой точности.