Pārdošanas prognoze ir aprēķināts aprēķins, izmantojot statistikas paņēmienus, kas ļauj uzzināt uzņēmuma pārdošanas prognozi nākotnē.
Tas būtībā sastāv no tā, cik daudz mēs varam pārdot, paturot prātā, ka pārdošanas prognoze ir saistīta ar pārējām darbībām.
Tāpēc tā ir viena no būtiskākajām analīzēm, kas jāveic jebkuram uzņēmumam. Atcerieties, ka jebkura biznesa centrs ir klients un viņu rēķini ir galvenais ienākumu avots.
No otras puses, par šo aprēķinu veikšanu ir atbildīgs komercdirektors.
Kā veikt pārdošanas projekciju
Pārdošanas prognoze ļauj iegūt informāciju par nepieciešamajiem pirkumiem. Tas savukārt ļaus mums nodrošināt atbilstošu kasi un efektīvi pārvaldīt cilvēkresursus. Tāpēc ir ļoti svarīgi zināt, kā to izdarīt. Mēs varam sākt no trim situācijām, mēs sīkāk redzēsim katru metodi nākamajā sadaļā:
- Mūsu uzņēmums sāk savu darbību. Šajā gadījumā praktiski nav iespējams zināt datus no pagātnes. Mēs varam salīdzināt tikai ar citiem konkurentiem, kuri tirgū ir bijuši ilgāk, un šī informācija jāņem piesardzīgi. Šajos gadījumos parasti tiek izmantoti kvalitatīvi paņēmieni, kas ļauj izmantot mazus paraugus un balstās uz subjektīvu informāciju, piemēram, uz Delfu metodi vai ekspertu aptaujām.
- Mūsu uzņēmums ir darbojies īsu laiku. Šajā gadījumā mums jau ir daži dati, bet tie nav pietiekami, lai veiktu kvantitatīvas statistikas metodes ar lieliem paraugiem. Šajā gadījumā mēs varam nosūtīt apmierinātības anketas saviem klientiem un uzzināt arī viņu vēlmes nākotnē. Mēs varam veikt statistikas izpētes analīzi, lai apkopotu informāciju vai izmantotu tādas metodes kā Izpildes ātrums.
- Visbeidzot, ja mūsu uzņēmums kādu laiku ir bijis tirgū, labākie un efektīvākie ir kvantitatīvie paņēmieni. Tie ļauj modelēt pārdošanas prognozi, izmantojot matemātiku un statistiku. Visizplatītākās, ko mēs arī detalizēti redzēsim, cita starpā ir regresijas, variācijas ātrumi vai mainīgie vidējie rādītāji.
Dažas prognozēšanas metodes
Ir daudz kvalitatīvu un kvantitatīvu metožu, lai izveidotu mainīgā nākotnes prognozes. Mēs koncentrēsimies uz visatbilstošāko, un to var viegli piemērot arī mazam vai vidējam uzņēmumam. Lielākajai daļai no tām mums būs nepieciešama tikai izklājlapa.
Kvalitatīvās metodes
Šīs metodes balstās, kā jau teicām, uz maziem paraugiem un subjektivitāti. Tos izmanto, lai veiktu izpētes analīzes, kuras var papildināt ar citām kvantitatīvām. Tie arī lielā mērā neļauj mums kļūt akliem, kad sākam darbu. Tie neļauj izdarīt secinājumus.
- Delfu metode. Tā ir kvalitatīva tehnika, kas izstrādā datu vākšanas sistēmu no ekspertu grupas. Tiek meklēts dalībnieku vienprātība, izmantojot interaktīvu procesu. Atbild uz virkni anketu un ar šiem datiem atkal tiek veiktas atšķirīgas, līdz tiek panākta minētā vienprātība.
- Fokusa grupa. Šī tehnika ir līdzīga iepriekšējai, taču tās pamatā ir personiskas vai virtuālas tikšanās. Tajos būs moderators un virkne cilvēku, kas iesaistīti apspriežamajā jautājumā. Piemēram, šajā gadījumā tas varētu būt komercdirektors un dažādi aģenti. Tas ir par dalībnieku virzīšanu, izmantojot tādus procesus kā "ideju mākonis", uz mērķi iegūt informāciju par iespējamām pārdošanas prognozēm.
Kvantitatīvās metodes
Tās ir visizplatītākās uzņēmumos, kas darbojas ilgu laiku. Viņiem ir lieli klientu paraugi un ilgs laika periods. Visatbilstošākie ir parādīti zemāk:
- Vidējais pieauguma temps. Kad jūsu bizness ir bijis ilgāku laiku, varat aprēķināt vidējo gada pieauguma procentu. Izmantojot šo un iepriekšējā gada datus, varat izveidot pamata pārdošanas prognozi. Metode ir vienkārša, šī procentuālā daļa tiek pievienota vecajiem pārdošanas apjomiem. Tas ir līdzīgs izmaiņu ātrumu aprēķināšanai.
- Izpildes ātruma metodi izmanto, lai prognozētu pārdošanas apjomu konkrētos gada periodos. Aprēķinam tā izmanto mēneša vidējos pārdošanas apjomus vienā periodā, un ar tiem tiek prognozēti tie, kas notiks nākamajā periodā.
- Slīdošie vidējie rādītāji laikrindu analīzē ir ļoti noderīgi tiem uzņēmumiem, kuru produkcija ir stabila un bez sezonalitātes. Tiek veikts vidēji noteikts skaits vēsturisko datu, un ar to tiek prognozēta. Ja ir augsta sezonalitāte, tad var izmantot citu paņēmienu, kas ir sezonalitātes indeksi.
- Vienkārša regresija, par kuru sīkāk rakstīts šeit. Mūsu gadījumā atkarīgais mainīgais ir pārdošanas apjoms, un neatkarīgais mainīgais ir laiks. Tos var viegli aprēķināt, izmantojot statistikas programmatūru vai izklājlapu. Tie piedāvā grafiku, kā arī aprēķina noteikšanas koeficientu (R kvadrātā) ar vērtībām starp nulli un vienu. Jo tuvāk vienam, jo labāka spēja paredzēt.
Pārdošanas projekcijas piemērs
Piemēram, mēs izmantosim vienkāršo regresijas paņēmienu.
Iedomāsimies uzņēmumu, kas piedāvā zemāk parādītos datus. Parādās pēdējo 3 gadu mēneša pārdošanas apjomi. Mēs esam iekļāvuši tikai dažus datus tabulā, lai tas nebūtu pārāk garš. Atkarīgais mainīgais (Y) būtu teikts par pārdošanu, un neatkarīgais mainīgais (X) būtu laiks. Mērķis ir aprēķināt X un neatkarīgā termiņa beta koeficientus.
Mēs varam redzēt, ka izklājlapā ir redzama regresijas līnija. Šajā gadījumā tā slīpums ir negatīvs, bet mērens, ko parāda koeficients X (mazāks par nulli). Diemžēl šī tehnika mums neko daudz nedotu. R kvadrāta vērtība ir tuvu nullei, tāpēc līnija nepalīdz mums prognozēt, un mums vajadzētu izvēlēties citu statistikas metodi.