Профиль сезонности.

Профиль сезонности. Прочие приёмы для уточнения прогноза спроса.

Спрос на многие товары отличается от  погоды или сезона. Например, спрос на тёплую обувь в октябре будет иным, чем в июне.

Чтобы учитывать подобные сезонные колебания спроса при закупках, строят профиль сезонности. Как это делается, разберём на примере.

Статистика продаж сезонного товара (для примера приравняем её к спросу) за прошлый год такова:

Предположим, что прошло три месяца текущего года, и мы 31 марта хотим спрогнозировать спрос на апрель и до конца текущего года.

Просто взять 1/12 от статистики продаж прошлого года как 600/12 =50 штук, либо взять 1/3 от продаж  текущего месяца 150/3=50 шт  и предположить, что ожидаемый спрос сезонного товара в апреле будет = 50 штук будет ошибкой. Нужно, как минимум, учесть вес продаж апреля в годовых продажах и рост продаж текущего сезона к прошлому.

Коэффициент роста по данным января-марта:

К= (58+50+42)/(48+40+32) = 150/120 = 1.25 (это может быть и рост рынка, и рост продаж за счёт укрепления наших позиций на рынке)

В апреле, соответственно, прогнозируем спрос = 1.25*10 = 13 штук, в мае 1.25*12=14 шт и так далее..

Представим теперь,  что в матрице не один товар, а множество. При этом разные позиции имеют разную сезонную зависимость. Кроме того, часть товара новая, и вообще не имеет статистики продаж в прошлом году. Чтобы упростить и автоматизировать расчёт спроса, строят единый профиль сезонности по товарам с одинаковой сезонной зависимостью. В этом случае пропадает необходимость «знать» всю историю продаж по каждой позиции. Достаточно лишь знать последние продажи и, с помощью профиля сезонности, становится возможным спрогнозировать будущий спрос.

Профиль сезонности обычно представляет собой набор коэффициентов, которые показывают отклонение спроса конкретного месяца сезона от среднемесячного спроса в течение года. Среднемесячный спрос в нашем примере = 600 / 12 = 50 шт/мес. Тогда коэффициент для января = 48/50, для февраля = 40/50, для марта = 32/50, для апреля = 10/50 и так далее. В сумме эти 12 коэффициентов за год должны иметь значение 12. Такое правило применяют для проверки, когда статистики недостаточно и профиль сезонности аналитик строит по иным источникам.  Итак, на основе продаж товара 1 мы получили профиль сезонности и прогноз спроса до конца текущего года:

 

Полученный профиль можем использовать не только для прогноза спроса на товар1, но и на любой товар, имеющий сезонную зависимость спроса схожую с товаром1.

Например, у нас появился «Товар2», который имеет ту же сезонную зависимость, что и «товар1». Но у нас нет статистики продаж, поскольку мы продаём «Товар 2» всего 3 месяца. Продажи «Товара 2» имеют такую статистику:

Чтобы вычислить «среднемесячный» спрос, мы должны поделить известный нам факт продаж на коэффициенты сезонности января-апреля:

((29/0.96)+(24/0.80)+(19/0.64))/3=30 шт/мес

Затем можем использовать это среднее значение для вычисления прогнозов на апрель = 0.2*30 = 6 шт, май = 0,24*30 = 7 шт, июнь = 0,12*30 = 4 шт и так далее.

 

Как видно из примера, при составлении профиля сезонности, крайне важно использовать корректную статистику. Использовать «статистику продаж» в необработанном виде не рекомендуется. Например, если Вы в какой-то период продавали товар и через сайт и через обычный магазин, а затем обычный магазин закрыли, то «брать» для будущего прогнозирования спроса на сайте можно только статистику продаж сайта. Если у Вас были дни с отсутствием товара, то уравнивать статистику продаж таких месяцев с месяцами, когда товар всегда был в доступности, также нельзя. Потребуется «очищенное» вычисление среднедневных продаж только по дням  с наличием товара.

Если Вы проводили акции и распродажи, то такой «искусственный» спрос не должен учитываться в профиле сезонности. Что же делать, если Вы хотите проводить акции и в дальнейшем, и хотите учесть их в закупках? Рекомендуют производить специальные «закупки под акции», с указанием срока действия, подразумевая продажу определённого количества специально купленного для акции товара по специальной цене. Если же акции носят не характер дисконта цены, а связаны с особым стимулированием спроса (например, через акцию-рекламу в СМИ), строят дополнительный «профиль акций» показывающий, сколько в % от обычных продаж данное мероприятие увеличит спрос в том или ином месяце. В отличие от профиля сезонности «профиль акций» не обязан иметь сумму коэффициентов = 12. Статистика продаж товара, проданного по акциям, не должна участвовать в составлении «профиля сезонности» и дни действия акций на спрос не должны приниматься в расчёт при вычислении средних продаж.

Особое внимание нужно уделить «канибализирующему» или замещающему товару, усилению или ослаблению конкуренции. Может оказаться, что статистика продаж, которую Вы восприняли как «сезонный всплеск» на самом деле связана с временными трудностями у конкурента. Например, у него не было данного товара, и его клиенты временно покупали у Вас. Или могло оказаться, что у Вас в матрице отсутствовал один из товаров-аналогов, и Ваши клиенты активнее покупали именно анализируемый товар (но такая ситуация больше не повторится в следующем сезоне, поэтому учитывать такой факт продаж как сезонный спрос нельзя).

Сбалансированная товарная матрица, долгая история продаж и стабильные поставки уменьшают риск ошибки при использовании собственной статистики для определения профиля сезонности. Кроме того,  Закупщику в большинстве случаев вообще не обязательно проводить столь сложные вычисления. Информацию о сезонной зависимости спроса на товар можно получить в готовом виде из доступных источников (поставщики, маркетинговый анализ).

Использование профиля сезонности, как составляющей аналитики  продаж и расчёта прогноза сбыта, позволяет точнее и своевременнее производить закупку товара. Чем лучше анализ продаж и прогноз спроса – тем точнее закупки и эффективнее работа компании в целом.

Как часто перенастраивать профили сезонности? Ведь каждый новый факт меняет среднее значение. Рекомендуется обновлять профили раз в сезон (при отсутствии сезона – раз в год) с учётом последних фактических продаж. Слишком часто «переделывать» профили не всегда технически возможно. Кроме того, профиль на основе длительного периода наблюдений (если всё было верно учтено)  обычно точнее,  чем на основе «сиюминутного всплеска». Используя среднее за долгий период, Вы  меньше учитываете последнюю тенденцию, зато снижаете риск ошибки «случайных колебаний».

 

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *