Μια προβολή πωλήσεων είναι ένας εκτιμώμενος υπολογισμός, χρησιμοποιώντας στατιστικές τεχνικές, που επιτρέπει τη γνώση της πρόβλεψης πωλήσεων μιας εταιρείας σε μια μελλοντική χρονική περίοδο.
Βασικά συνίσταται στο να ανακαλύψουμε πόσα μπορούμε να πουλήσουμε, έχοντας κατά νου ότι η προβολή των πωλήσεων σχετίζεται με τις υπόλοιπες δραστηριότητες.
Ως εκ τούτου, είναι μια από τις βασικές αναλύσεις που πρέπει να πραγματοποιήσει κάθε εταιρεία. Να θυμάστε ότι το κέντρο οποιασδήποτε επιχείρησης είναι ο πελάτης και η χρέωσή τους είναι η κύρια πηγή εισοδήματος.
Από την άλλη πλευρά, ο υπεύθυνος για τη διενέργεια αυτών των υπολογισμών είναι ο εμπορικός διευθυντής.
Πώς να κάνετε μια προβολή πωλήσεων
Μια πρόβλεψη πωλήσεων σάς επιτρέπει να λαμβάνετε πληροφορίες σχετικά με τις απαραίτητες αγορές. Αυτά, με τη σειρά τους, θα μας επιτρέψουν να παρέχουμε επαρκή ταμεία και να διαχειριστούμε αποτελεσματικά τους ανθρώπινους πόρους. Επομένως, το να ξέρεις πώς να το κάνεις είναι πολύ σημαντικό. Μπορούμε να ξεκινήσουμε από τρεις καταστάσεις, θα δούμε κάθε μέθοδο με περισσότερες λεπτομέρειες στην ακόλουθη ενότητα:
- Η εταιρεία μας ξεκινά τη δραστηριότητά της. Σε αυτήν την περίπτωση, είναι πρακτικά αδύνατο να γνωρίζουμε δεδομένα από το παρελθόν. Μπορούμε να συγκρίνουμε μόνο με άλλους ανταγωνιστές που ήταν στην αγορά περισσότερο και αυτές οι πληροφορίες πρέπει να ληφθούν με προσοχή. Το συνηθισμένο πράγμα σε αυτές τις περιπτώσεις είναι η χρήση ποιοτικών τεχνικών, οι οποίες επιτρέπουν τη χρήση μικρών δειγμάτων και βασίζονται σε υποκειμενικές πληροφορίες, όπως η μέθοδος Delphi ή έρευνες εμπειρογνωμόνων.
- Η εταιρεία μας δραστηριοποιείται για μικρό χρονικό διάστημα. Σε αυτήν την περίπτωση έχουμε ήδη κάποια δεδομένα, αλλά δεν επαρκούν για την εκτέλεση ποσοτικών στατιστικών τεχνικών με μεγάλα δείγματα. Σε αυτήν την περίπτωση μπορούμε να στείλουμε ερωτηματολόγια ικανοποίησης στους πελάτες μας και επίσης να ανακαλύψουμε τις μελλοντικές προτιμήσεις τους. Μπορούμε να κάνουμε στατιστική διερευνητική ανάλυση για να συλλέξουμε πληροφορίες ή να χρησιμοποιήσουμε μεθόδους όπως το Run Rate.
- Τέλος, εάν η εταιρεία μας βρίσκεται στην αγορά για κάποιο χρονικό διάστημα, οι καλύτερες και πιο αποτελεσματικές είναι οι ποσοτικές τεχνικές. Αυτά σας επιτρέπουν να μοντελοποιήσετε την προβολή πωλήσεων μέσω μαθηματικών και στατιστικών. Τα πιο συνηθισμένα, τα οποία θα δούμε επίσης λεπτομερώς, είναι οι παλινδρομήσεις, τα ποσοστά διακύμανσης ή οι κινητοί μέσοι όροι, μεταξύ άλλων.
Μερικές μέθοδοι πρόβλεψης
Υπάρχουν πολλές ποιοτικές και ποσοτικές μέθοδοι για την πραγματοποίηση προβλέψεων για το μέλλον μιας μεταβλητής. Θα επικεντρωθούμε στις πιο σχετικές και μπορούν επίσης να εφαρμοστούν εύκολα σε μια μικρή ή μεσαία εταιρεία. Χρειαζόμαστε μόνο ένα υπολογιστικό φύλλο για τα περισσότερα από αυτά.
Ποιοτικές μέθοδοι
Αυτές οι μέθοδοι βασίζονται, όπως έχουμε πει, σε μικρά δείγματα και υποκειμενικότητα. Χρησιμοποιούνται για τη διεξαγωγή διερευνητικών αναλύσεων που μπορούν να ολοκληρωθούν με άλλες ποσοτικές. Μας εμποδίζουν επίσης σε μεγάλο βαθμό να τυφλώσουμε όταν ξεκινάμε. Δεν σας επιτρέπουν να κάνετε συμπεράσματα.
- Η μέθοδος των Δελφών. Είναι μια ποιοτική τεχνική που αναπτύσσει ένα σύστημα συλλογής δεδομένων από μια ομάδα εμπειρογνωμόνων. Αυτό που επιδιώκεται είναι η συναίνεση των συμμετεχόντων μέσω μιας διαδραστικής διαδικασίας. Μια σειρά ερωτηματολογίων απαντάται και με αυτά τα δεδομένα εκτελούνται ξανά, έως ότου επιτευχθεί η εν λόγω συναίνεση.
- Ομάδα εστίασης. Αυτή η τεχνική είναι παρόμοια με την προηγούμενη, αλλά βασίζεται σε προσωπικές ή εικονικές συναντήσεις. Σε αυτούς θα υπάρξει συντονιστής και μια σειρά από άτομα που εμπλέκονται στο θέμα για συζήτηση. Για παράδειγμα, σε αυτήν την περίπτωση θα μπορούσε να είναι ο εμπορικός διευθυντής και οι διαφορετικοί πράκτορες. Πρόκειται για την καθοδήγηση των συμμετεχόντων, μέσω διαδικασιών όπως το "σύννεφο ιδεών", προς τον στόχο της απόκτησης πληροφοριών σχετικά με πιθανές προβλέψεις πωλήσεων.
Ποσοτικές μέθοδοι
Αυτά είναι τα πιο συνηθισμένα σε εταιρείες που λειτουργούν εδώ και πολύ καιρό. Έχουν μεγάλα δείγματα πελατών και μεγάλες χρονικές περιόδους. Τα πιο σχετικά εμφανίζονται παρακάτω:
- Μέσος ρυθμός ανάπτυξης. Όταν η επιχείρησή σας δραστηριοποιείται για μεγάλο χρονικό διάστημα, μπορείτε να υπολογίσετε ένα μέσο ετήσιο ποσοστό ανάπτυξης. Με αυτό και τα δεδομένα από το προηγούμενο έτος, μπορείτε να κάνετε μια βασική πρόβλεψη πωλήσεων. Η μέθοδος είναι απλή, αυτό το ποσοστό προστίθεται στις παλιές πωλήσεις. Είναι παρόμοιο με τον υπολογισμό των ποσοστών αλλαγής.
- Η μέθοδος Run Rate χρησιμοποιείται για την πρόβλεψη πωλήσεων σε συγκεκριμένες περιόδους εντός του έτους. Για τον υπολογισμό, χρησιμοποιεί τους μηνιαίους μέσους όρους των πωλήσεων μιας περιόδου και με αυτούς, προβλέπονται εκείνοι που θα συμβούν την επόμενη περίοδο.
- Οι κινούμενοι μέσοι όροι, κατά την ανάλυση των χρονοσειρών, είναι πολύ χρήσιμοι για τις εταιρείες των οποίων τα προϊόντα έχουν σταθερές πωλήσεις και χωρίς εποχικότητα. Πραγματοποιείται ένας μέσος όρος ορισμένου αριθμού ιστορικών δεδομένων και με αυτό γίνεται η πρόβλεψη. Εάν υπάρχει υψηλή εποχικότητα, τότε μπορεί να χρησιμοποιηθεί μια άλλη τεχνική, που είναι οι δείκτες εποχικότητας.
- Απλή παλινδρόμηση, η οποία έχει γραφτεί λεπτομερώς εδώ. Στην περίπτωσή μας, η εξαρτημένη μεταβλητή είναι οι πωλήσεις και η ανεξάρτητη μεταβλητή είναι ο χρόνος. Μπορούν εύκολα να υπολογιστούν με στατιστικό λογισμικό ή υπολογιστικό φύλλο. Αυτά προσφέρουν ένα γράφημα και υπολογίζουν επίσης τον συντελεστή προσδιορισμού (R Squared), με τιμές μεταξύ μηδέν και ενός. Όσο πιο κοντά στο ένα, τόσο καλύτερη είναι η ικανότητα πρόβλεψης.
Παράδειγμα προβολής πωλήσεων
Για παράδειγμα θα χρησιμοποιήσουμε την απλή τεχνική παλινδρόμησης.
Ας φανταστούμε μια εταιρεία που προσφέρει τα δεδομένα που εμφανίζονται παρακάτω. Εμφανίζονται οι μηνιαίες πωλήσεις των τελευταίων 3 ετών. Έχουμε συμπεριλάβει μόνο ορισμένα δεδομένα στον πίνακα, ώστε να μην είναι πολύ μεγάλο. Η εξαρτημένη μεταβλητή (Y) θα έλεγε ότι οι πωλήσεις και η ανεξάρτητη μεταβλητή (X) θα ήταν χρόνος. Ο στόχος είναι να υπολογιστούν οι συντελεστές βήτα του X και του ανεξάρτητου όρου.
Μπορούμε να δούμε ότι το υπολογιστικό φύλλο δείχνει τη γραμμή παλινδρόμησης. Σε αυτήν την περίπτωση, η κλίση του είναι αρνητική αλλά μέτρια, όπως φαίνεται από τον συντελεστή X (μικρότερο από μηδέν). Δυστυχώς, ωστόσο, αυτή η τεχνική δεν θα μας έκανε πολύ καλό. Το R Squared έχει τιμή κοντά στο μηδέν και, επομένως, η γραμμή δεν μας βοηθά να προβλέψουμε και πρέπει να επιλέξουμε μια άλλη στατιστική μέθοδο.