Схема блок-факторов, оказывающих влияние на
Если в конъюнктурном анализе оценки состояния или изменения спроса использовались главным образом для характеристики степени сбалансированности рынка, а также в качестве предупреждающей информации, то в стратегическом анализе оценки спроса и прогнозы его дальнейшего развития рассматриваются как основа плановых/стратегических моделей перспектив сбыта/ продажи товаров и получения прибыли. Естественно, прогнозы спроса являются важнейшим критерием целесообразности инвестиций в производство товаров.
Напомним, что спрос до момента обмена товара на деньги существует лишь в представлении потребителей, в виде идеи покупки товара, подкрепленной сознательным или подсознательным подсчетом обеспеченности своих потребностей располагаемыми или ожидаемыми денежными средствами. Этот сложный экономико-психологический процесс находит свое завершение и воплощение на рынке: покупатель спрашивает товар и предлагает деньги, а продавец или отпускает товар, принимая взамен деньги, или отказывает по причине отсутствия товара (сделка купли-продажи может не состояться и в том случае, когда покупателя не устраивает качество предлагаемого товара).
В результате возникают две экономические категории: товарооборот (объем проданных/купленных товаров) и неудовлетворенный спрос. Товарооборот (продажа товаров потребителям) можно рассматривать как удовлетворенный спрос. Оценка неудовлетворенного спроса начинается в ходе конъюнктурного анализа на основе отчетов торговых корреспондентов. Причины, по которым спрос не удовлетворен, выявляются путем опросов потребителей.
Соотношение удовлетворенного и неудовлетворённого спроса оценивается экспертным путем. На рынке покупателя, где отсутствует само понятие дефицита, размер неудовлетворенного спроса обычно сводится к минимуму.
Из этого можно сделать очень важный для стратегического анализа вывод: по данным о товарообороте можно судить о закономерностях спроса.
Источником информации о товарообороте всей торговли являются статистическая отчетность и другие данные статистических органов. Параллельно каждое торговое предприятие должно вести строгий учет количества проданных товаров и в соответствии с продажными ценами - учет продажи в стоимостных единицах. В целях анализа полезно собрать данные, отражающие влияние различных факторов на спрос.
Такую информацию, в частности, как правило, содержат панели потребителей или предпринимателей/менеджеров. Определенную пользу могут принести опросы руководителей предприятий, В ряде случаев целесообразно прибегать к экспертным исследованиям.
В стратегическом маркетинговом анализе выдвигаются три основные задачи:
определение долговременных (стратегических) тенденций изменения покупательского спроса/товарооборота;
выявление и моделирование влияния комплекса факторов на динамику покупательского спроса/товарооборота;
прогнозирование покупательского спроса.
Разработка стратегических трендовых моделей имеет ряд особенностей. Во-первых, должна быть обеспечена надежная долговременная информационная база расчета; во-вторых, необходимо исключить внутригодовые сезонные и другие малые цикличные колебания, а также нерегулярные колебания; в-третьих, допускается осуществление экстраполяции, которая при соблюдении определенных правил может рассматриваться как предварительный прогноз.
Выбор функции для трендовой модели обусловлен характером динамического ряда, т.е. вектором развития спроса, скоростью его развития и колеблемостью эмпирических данных. В 3.2.4 приведены формулы основных функций, по которым строятся модели тренда.
Однако в стратегическом анализе важно не столько определить тенденцию спроса, сколько оценить степень и характер влияния тех факторов, которые обусловливают его изменение. На 5.4 перечислены лишь наиболее важные и поддающиеся формализации факторы.
5.4. Схема блок-факторов, оказывающих влияние напокупательский спрос В блок социально-демографических факторов входят: численность населения (в целом и по территории страны, уровень урбанизации, сальдо миграции, плотность и прогнозы численности населения); половозрастная структура населения (группировка населения по полу и возрасту);
социальная структура населения (распределение по классам и социальным группам, денежному доходу и сбережениям, национальному признаку, образованию, конфессиональной принадлежности и т.п.);
число и состав семей (их общее число, средний размер семьи, распределение по количеству детей, число браков и разводов, показатели жизненного цикла семей);
жилищные условия населения (обеспеченность жилой площадью и доля семей, имеющих отдельные квартиры, в целом и по социальным группам населения, качественные признаки структуры жилищ).
Рост численности населения при прочих равных условиях приводит к возрастанию спроса за счет увеличения числа потребителей. Оценить его роль в динамике спроса позволяет факторная динамическая модель товарооборота, аддитивная форма которой рассмотрена в 5.1 (см. формулы 5.3-5.5). Мультипликативная форма этой модели приведена ниже (стоимостные показатели уже пересчитаны в сопоставимые цены):
Данная модель позволяет определить, какую роль в динамике спроса/товарооборота играет скорость изменения численности населения (этот фактор можно считать экстенсивным в отличие от фактора увеличения покупок на душу, являющегося интенсивным). Оба этих фактора могут иметь противоположные векторы изменения, т.е. товарооборот на душу населения может расти, а численность населения - сокращаться. И наоборот, сокращение интенсивного фактора не исключает увеличения экстенсивного.
В нашем примере (см. исходные данные в табл. 3.20; расчет в сопоставимых ценах) оба вектора имеют одно и то же напоавление:
Эта модель интерпретируется следующим образом: рост объема проданных товаров (общий объем удовлетворенного спроса) на 45,5% обусловлен ростом покупок на душу населения на 36,9% (индивидуальный уровень удовлетворенного спроса, определяющий уровень потребления) и увеличением численности населения (числа потребителей) на 6,3%.
Одновременно на спрос влияют сдвиги в демографической структуре, особенно в распределении населения по доходу. Это влияние может быть выявлено с помощью индексной модели переменного и фиксированного состава, в которую входит индекс структурных сдвигов46. В окончательном виде данная модель принимает следующий вид:
где D0 и D1 - средний по всем группам населения товарооборот на душу (соответственно в базисном и текущем периодах);
Di0 и Di1 - товарооборот/покупки на душу i-й группы населения (соответственно в
базисном и текущем периодах);
Si0 и Si1 - структура населения (возрастная, социальная и т.п.), удельный вес i-й
группы населения в общей численности (в процентах) соответственно
в базисном и текущем периодах;
n - число i-х групп населения;
ID - индекс товарооборота на душу населения (в среднем по всей совокупности
населения);
IDi - чистый индекс товарооборота на душу населения в неизменной структуре
товарооборота;
Iстр.S - индекс влияния структуры населения на динамику товарооборота на душу
населения (индекс демографической структуры). Пример. В табл.
5.4 приведены данные о социальной структуре населения и покупках на душу населения в каждой группе (цифры условные).
Таблица 5.4Социальная структура населения и покупка товаров на душунаселения (в среднем за месяц)
| Группы населения по уровню дохода | Численность населения, % к итогу | Товарооборот/ покупка на душу населения, руб. на 100 чел. | Расчетные показатели товарооборота, руб, на 100 чел. | ||||
| в базисном периоде | в текущем периоде | в базисном периоде | в текущем периоде | Di0 Si0 | Di1 Si1 | Di0 Si1 | |
| Si0 | Si1 | Di0 | Di1 | ||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | |
| Высокообеспеченные | 6 | 7 | 2500 | 2500 | 15000 | 17500 | 15000 |
| Среднеобеспеченные | 40 | 17 | 540 | 500 | 21600 | 13500 | 20000 |
| Низкообеспеченные | 54 | 66 | 200 | 170 | 10800 | 11220 | 9180 |
| По всей совокупности | 100 | 100 | 474 | 422 | 47400 | 42220 | 44180 |
В данном примере средний товарооборот на душу населения сократился на 6,7%. Однако это сокращение вызвано сдвигами в социальной структуре населения (на 6,8%). Если бы структурных изменений не было, то в неизменной демографической структуре товарооборот на душу населения не уменьшился, а, наоборот, увеличился.
Правда, прирост крайне незначительный: всего на 1%. Другим эффективным методом выявления влияния факторов на динамику спроса являются группировки. Этот статистический метод, состоящий в расчленении совокупности на однородные группы по какому-либо признаку, в маркетинге встречается в форме сегментации рынка., В 5.1 мы использовали группировку для того, чтобы обнаружить зависимость уровня и структуры спроса от социальной структуры населения (табл. 5.2).
Такая группировка относится к классу аналитических и широко используется в анализе факторов.
В качестве группировочного признака можно взять не только статичные величины (на какой-то момент или за какой-то период), но и динамические показатели. Так, чтобы выяснить, каким образом темпы продажи/покупки товаров зависят от изменения численности населения, следует сгруппировать регионы по данному признаку и рассчитать для каждой группы средний темп роста продажи товара ( 5.5).
Данные свидетельствуют: рост численности населения представляет собой фактор динамики спроса.
Наиболее результативными с точки зрения изучения и прогнозирования спроса являются методы корреляции и регрессии. Существует ряд условий и ограничений применения корреляционно-регрессионных методов. Прежде всего, необходимо удостовериться, что исследуемая совокупность однородна, ее объем должен быть достаточно велик, вариация изучаемых признаков должна носить стохастической, вероятностной характер, а не быть детерминированной.
Имеется еще ряд ограничений, не всегда соблюдаемых на практике47.
Таблица 5.5Группировка регионов по темпам роста численности населенияза пятилетие (цифры условные)
| Группы регионов по темпам роста численности населения, % к базисному уровню | Число регионов, % к итогу | Средний по группе темп роста продажи продуктов питания, % к базисному уровню |
| До 90 | 7 | 82 |
| 90,0 - 99,9 | 18 | 89 |
| 100,0 - 109,9 | 42 | 97 |
| 110,0- 119,9 | 19 | 106 |
| 120,0 - 129,9 | 9 | 114 |
| 130,0 и выше | 5 | 128 |
| По всем регионам | 100 | 99 |
Корреляция (англ. correlation - соотношение, взаимосвязь) - зависимость результативного признака от одного или нескольких факторных (экзогенных) признаков, тесноту связи между которыми позволяет выявить корреляционный анализ. Для этой цели используется ряд показателей.
При линейной форме связи целесообразно использовать линейный коэффициент корреляции, который рассчитывается по следующей формуле:
где ху - среднее значение произведения факторного признака на результативный;
х и y - среднее значение соответственно факторного и результативного признаков:
x и y - среднеквадратические отклонения соответственно для факторного и
результативного признаков. При нелинейной форме связи используют корреляционное отношение, или индекс корреляции:
где 2ост - остатостаточная дисперсия, определяемая по формуле
где уi - значение i-го признака; ух - значение выровненного результативного признака;
n - число i-х единиц в совокупности. В множественной корреляции, когда на результативный признак влияет несколько факторных признаков, показатель тесноты связи, индекс корреляции (Ryx1, x2,xn) строится по аналогичной формуле. Только в остаточной дисперсии отражено влияние всех факторов:
Форма зависимости в соответствии с характером изменения результативного признака может быть линейной или нелинейной. Нелинейная функция может быть линеаризована (приведена к линейному виду с помощью логарифмирования). Чаще других в маркетинге используются следующие уравнения регрессии (табл.
5.6).
В практике статистического исследования и прогнозирования покупательского спроса по различным видам продуктов и услуг используются различные типы моделей, наиболее соответствующие характеру и закономерностям развития данного рынка. Выбор функции зависит от результата предварительных исследований (в частности от разведочного исследования и конкретной рыночной ситуации).
У каждого вида товара свои особенности развития спроса, его реакции на маркетинговые действия и влияние макросреды.
Таблица 5.6Функции, используемые при моделировании влияния факторовна покупательский спрос
Общие закономерности спроса нередко отражаются кривой Гомперца. При изучении влияния фактора дохода на спрос может быть использована логистическая (сигмоидальная) кривая.
Процесс затухания роста спроса по мере перехода к группам населения с высоким доходом удачно отражается полулогарифмической функцией. Рассмотрим пример (условный) зависимости доли непродовольственных товаров в покупках семьи от дохода на душу населения. В соответствии с законом Энгеля, чем больше доход в семье, тем больше доля покупок непродовольственных товаров.
При этом рост доли не пропорционален увеличению дохода, а отстает от него. Предположим, что это замедление можно смоделировать уравнением регрессии полулогарифмической функции (см формулу 5.16).
Прежде всего построим таблицу для расчета параметров уравнения и корреляционного отношения. Сложные модели строят с помощью ПЭВМ и пакетов прикладных программ, более простые - используя систему нормальных уравнений (для линейных и линеаризованных уравнений, а также для полиномов любой степени).
Как правило, вручную больше трех нормальных уравнении для параболы 2-го порядка не строят. Нам потребуется система из двух уравнений:
По данным, приведенным в табл. 5.7 (итоги гр. 2-6), построена система нормальных уравнений:
Решив данную систему, определяем параметры следующего уравнения регрессии, отражающего зависимость доли непродовольственных товаров в общем объеме покупок товаров семьей от дохода в расчете на одного члена семьи:
3 свидетельствует о точности расчета). После этого производится последовательный расчет гр. 9 (разность гр.З и гр.
8 возводится в квадрат). Итог гр.
9 делится на число групп в таблице, в результате получена остаточная дисперсия: 2ост = 1,55488. Общая дисперсия результативного признака определяется по формуле (средняя квадрата результативного признака минус квадрат его средней):
Это означает очень высокую степень тесноты связи. Квадрат корреляционного отношения (коэффициент детерминации), равный в нашем примере 0,970, показывает, что 97% вариации результативного признака объясняется изучаемым фактором (доходом) и только 3% остается на долю случайных воздействий.
Рассчитанные данные позволяют определить правильность выбора функции для построения модели. Рассчитывается среднеквад-ратическое отклонение эмпирических данных от теоретической линии как корень квадратный из остаточной дисперсии.
В нашем примере оно составляет 1,247. Исчислив его процентное отношение к среднему значению результативного признака, получим коэффициент аппроксимации:
Коэффициент аппроксимации очень близок к 0, что подтверждает правильность выбора функции. На 5.5 графически отражена зависимость структуры покупок от дохода.
Мы получили очень эффективный инструмент анализа закономерностей спроса. Однако в реальности на спрос оказывает влияние одновременно не один, а комплекс факторов ( 5.5), что выявляется с помощью множественной корреляции и регрессии. Чаще всего применяют линейную форму множественной регрессии:
Кроме того, рассчитываются так называемые бета-коэффициенты, дающие возможность сравнивать между собой силу влияния каждого фактора.
Очень интересные результаты в маркетинговом исследовании может дать один из методов многомерной статистики - кластерный анализ. В результате применения достаточно сложных действий (выполняемых на компьютере с использованием пакета прикладных программ) образуются группы качественно однородных единиц - кластеров, сформированные не по одному, а по совокупности факторов. В частности, этот метод применяется в региональном анализе и в процессе сегментации рынка. Приведем пример кластеризации регионов России за 1995 г. по признаку валового регионального продукта на душу населения, выполненный Н.В.
Хорошиловой в своей кандидатской диссертации48 (таблица 5.8 дана с некоторыми изменениями).
Таблица 5.8Кластеризация регионов России
|
Группы регионов по уровню валового регионального продукта (ВРК) |
Регионы, вошедшие в группу* |
Средний уровень доходов на душу населения, тыс оуб |
Средний товарооборот на душу насе- ления, тыс. руб. |
Средняя рентабельность розничных торговых предприя- тий, % |
|
|
С высоким ВРК |
Тюменская обл., Респ. Саха, гг. Москва, С.-Петербург, Респ. Коми, Вологодская обл., Красноярский кр., Чукотский авт. окр., Самарская, Мурманская, Камчатская, Магаданская, Свердловская, Пермская, Иркутская, Томская, Кемеровская, Липецкая, Сахалинская, Ярославская, Омская, Нижегородская обл., Хабаровский кр., Респ. Татарстан и Башкорстан. |
979 |
421 |
19,9 |
|
| Со средним ВРК |
Архангельская, Челябинская, Белгородская, Новосибирская, Оренбургская, Амурская, Рязанская, Читинская, Ленинградская, Саратовская, Калужская, Костромская, Волгоградская, Московская, Кировская, Ульяновская, Курская, Тверская, Тульская, Смоленская обл., Ставропольский и Приморский кр., Респ. Хакасия, Бурятия, Удмуртская Респ. |
547 | 282 | 19,6 |
Продолжение табл. 5.8
|
Группы регионов по уровню валового регионального продукта (ВРК) |
Регионы, вошедшие в группу* |
Средний уровень доходов на душу населения, тыс оуб |
Средний товарооборот на душу насе- ления, тыс. руб. |
Средняя рентабельность розничных торговых предприя- тий, % |
|
С низким ВРК |
Орловская, Владимирская, Ростовская, Новгородская, Курганская, Калининградская, Астраханская, Псковская, Брянская, Ивановская, Тамбовская, Пензенская обл., Краснодарский и Алтайский кр., Еврейская авт. обл., Чувашская респ., Респ. Мордовия, Марий-Эл, Алтай, Адыгея, Кар.-Черкесская, Северная Осетия - Алания, Тыва, Кабардино-Балкарская, Калмыкия, Дагестан, Ингушетия. |
436 |
205 |
19,3 |
| * Ввиду отсутствия данных не включена Чеченская Республика. |
При всей важности определения факторов, влияющих на рынок, эта задача стратегического анализа не является основной. Она скорее служебная, обеспечивающая главную цель стратегического анализа - прогнозирование развития рынка как на ближайшую, так и на отдаленную перспективу. Прогнозирование спроса закладывается в основу оперативного и стратегического планов маркетинга, представляя собой первый, исходный этап разработки товара, планирования сбыта и продажи товаров. В процессе прогнозирования смыкаются оперативные, конъюнктурные прогнозы и прогнозы стратегического характера.
Они должны быть увязаны и вытекать один из другого. Поэтому вопросы прогнозирования рассматриваются в данной главе, а не в гл.
4, посвященной конъюнктурному анализу.
В зависимости от охвата объектов исследования прогноз может быть глобальным, региональным, локальным (системным), т.е. охватывать весь рынок страны, осуществляться в границах определенного региона, а также охватывать локальный рынок отдельной фирмы. Он в состоянии рассматривать рыночную ситуацию в целом, или же его предметом явится рынок отдельного товара.
Каждая из этих задач может быть самостоятельной и выполняться на разных уровнях: фирмы, региональной администрации, федерального правительства.
Прогнозы рыночного развития различаются по протяженности сроков предсказания. В теории прогнозирования принято деление на следующие виды прогноза:
предупреждающий (конъюнктурный) - на неделю, декаду, половину месяца;
оперативный - месяц, квартал, полугодие;
краткосрочный - на год;
среднесрочный - до пяти лет;
долгосрочный, или перспективный, - от пяти лет и более, как правило, не более 10 - 15 лет.
Прогнозы могут быть точечными (когда результат выражается в виде одного уровня), интервальными (результат варьирует в определенных пределах) и многовариантными (результат предлагается в виде нескольких вариантов развития). Точность прогноза зависит от:
надежности и полноты информации о рыночных процессах и факторах, определяющих их уровень и развитие;
степени устойчивости рынка и экономики в целом (чем устойчивее рынок, тем меньше степень надежности прогноза);
адекватности прогнозной модели (т.е. от выбора вида функции, по которой строятся модели, от степени аппроксимации ею эмпирических данных);
технической вооруженности прогноза (от применяемой компьютерной технологии, качества прикладных программ, алгоритмов и т.п.).
Существуют различные приемы и методы прогнозирования. В маркетинге нередко находят применение аналоговые модели, когда в качестве прогноза рассматриваются благоприятные показатели рыночной ситуации в том или ином регионе (стране), или опыт какой-либо процветающей фирмы, которую берут в качестве образца.
Этот метод обычно используется, когда фирма следует стратегии гонки за лидером.
