قالب وردپرس قالب وردپرس آموزش وردپرس قالب فروشگاهی وردپرس وردپرس
خانه / تحقیقات بازاریابی / پیش بینی فروش در ماههای آتی

پیش بینی فروش در ماههای آتی


یکی از مهم‌ترین سوالاتی که از تحلیل‌گران داده می‌پرسند، در مورد پیش‌بینی است. در حوزه فروش، تحلیل‌گران داده بایستی در مورد فروش در ماه‌های آتی پیش‌بینی‌های خود را ارائه دهند تا شرکت برای آن برنامه‌ریزی کند. در این قسمت، یکی از روش‌های ساده و کاربردی تحلیل و پیش‌بینی سری زمانی فروش را مرور می‌کنیم.

فرض کنید، سری زمانی محصولی را در دست داریم که روند قوی و نوسانات فصلی تکرارپذیر دارد. سری زمانی با این کیفیت، طبق طبقه‌بندی که در بخش قبل ارایه کردیم، تا حد خوبی پیش‌بینی‌پذیر است.

در پیش‌بینی فروش معمولا از معادله زیر استفاده می‌شود که قادر به نشان دادن روند و نوسانات فصلی نیز هست:

فروش پیش‌بینی‌شده در ماه t = مقدار مبنا + (مقدار روند) * (عدد دوره) + شاخص نوسانات فصلی ماه t


مقدار مبنا:
بهترین تخمین از سطح اولیه (و بدون نوسانات فصلی) سری زمانی در شروع دوره زمانی مشاهداتی. به زبان ساده، معادل مقداری است که نوسانات فروش و تغییرات روند حول آن اتفاق می‌افتد.در این معادله چند کلیدواژه داریم:

مقادیر روند: نرخ تغییرات سری زمانی طی هر دوره نسبت به دوره قبلی.

عدد دوره: عدد دوره زمانی مورد نظر نسبت به کل تعداد دوره‌ها.

شاخص فصلی برای هر ماه: این شاخص انعکاسی از نوسانات فصلی ماه‌های مشابه، در ماه ‌پیش‌بینی شده است. مثلا شاخص فصلی ۴ برای ماه اول سال یعنی اولین ماه سال همواره ۴ واحد بیشتر از یک ماه میانگین طی سال است.

در این معادله، مقادیر مبنا، روند و شاخص فصلی برای هر ماه را باید به کمک محاسبات ریاضی تقریب زد به گونه‌ای که پیش‌بینی، حداقل خطا را داشته باشد. البته این کار به راحتی  دراکسل و با کمک ابزار Solver قابل انجام است. پس از انجام تحلیل به مقادیر زیر رسیدیم:

تفسیر جدول فوق به شرح زیر است:

  • مقدار مبنا در اولین دوره‌ی سری زمانی ۳۷٫۳ واحد است.
  • روند کلی ماهانه افزایشی و معادل ۰٫۵۹ واحد است.
  • ۶ اُمین ماه سال بیشترین و دومین ماه، کمترین تقاضا را نسبت به یک ماه میانگین دارد.

برای اطمینان از اینکه خروجی نهایی، دقت مورد انتظارمان را دارد و نیز تفسیر بهتر مدل، مقادیر انحراف معیار، ضریب همبستگی پیرسون و مجموع مربعات خطا را نیز محاسبه کردیم:

تفسیر جدول فوق به شرح زیر است:

  • با احتمال ۹۵% مقادیر پیش‌بینی حداکثر دوبرابر انحراف معیار، ۰٫۷۷۲ واحد، خطا دارند.
  • ضریب همبستگی پیرسون ۰٫۹۸۹ است، یعنی مدلی که برای پیش‌بینی این سری زمانی برآورد کردیم قادر به توضیح ۹۸٫۹% تغییرات در مقادیر فروش است.
  • مجموع مربعات خطا نیز هرچه کمتر باشد بهتر است، اما در واقع برای مقایسه با سایر روش‌های پیش‌بینی به‌کار می‌رود.

حال اگر برای برنامه ریزی به مقادیر پیش‌بینی فروش ماه‌های آینده نیاز داشته باشیم، با کمک فرمولی که ابتدا ذکر کردیم، قادر به محاسبه مقادیر فروش در ماه‎های آینده هستیم. نتیجه را در نمودار زیر مشاهده می‌کنید:

 نویسندگان : سجاد درخشان، علی حاتمی (اعضای هیئت علمی مدیر پیشرو)

۲۵۰۶-۲

درباره ی محمد رضا حق پرست

نویسنده کتاب شخصیت شناسی انیگرام برای فروشندگان حرفه ای، کارشناس ارشد مدیریت بازرگانی گرایش بازاریابی، 28 سال سابقه کار در صنعت و بازرگانی و 14 سال سابقه مدیریت و مشاوره

پاسخ دهید