астота позитивних відповідей, може бути вельми корисна для оцінки потенціалу ринку і для прогнозування часткою ринку для різних марок.
Дослідження намірів здійснити покупку стосовно до конкретного товару або марці досить часто бувають менш надійними, ніж проведені дослідження загального характеру. При використанні результатів подібних досліджень необхідна велика обережність. Більш точні результати виходять, якщо мова йде про товари або послуги, перш ніж придбати - заздалегідь, що відноситься до дорогих покупок типу подорожі, будинки або автомашини.
Суб'єктивні методи мають очевидні обмеження, однак вони можуть бути корисні, як початкові дані при аналізі попиту та їх корисність можна применшувати.
При оцінці ринкового потенціалу регіонів чи країн часто використовують індикатори купівельної спроможності. Мета полягає у вимірюванні привабливості ринку за середньозваженим значенням трьох основних компонентів будь-якого потенціалу ринку, тобто:
) кількість споживаючих одиниць;
) купівельної спроможності цих споживаючих одиниць;
) готовності цих споживаючих одиниць до витрат.
Статистичні індикатори цих трьох перемінних визначаються для обраної територіальної бази (країна, область, район, місто), після чого розраховується середньозважений індекс для кожної зони. Для його визначення можна використовувати такі підходи: використання стандартного індексу купівельної спроможності (ІПС), який пропонують фірми по вивченню ринку, і побудовою індексу спеціально для аналізованого сектора чи гами товарів. Викладені підходи використовуються і при прогнозуванні попиту. У цих цілях в модель попиту включаються прогнозні оцінки окремих її параметрів.
Можна виділити два методи вимірювання попиту, які засновані на методах математичної статистики: екстраполяцію і моделювання.
У разі екстраполяції в якості бази прогнозування та вимірювання попиту використовується минулий досвід, який пролонгується на майбутнє. Робиться припущення, що система розвивається еволюційно у досить стабільних умовах. Чим система більше, тим стає сильней ймовірність збереження її параметрів без зміни, природно, на не надто великий термін. Бажано щоб термін прогнозу не перевищував однієї третини тривалості вихідної тимчасової бази.
У моделюванні відбувається побудова прогнозної моделі, яка характеризує залежність досліджуваного параметра від ряду факторів, що впливають на нього. Ця модель пов'язує ті умови, які в перспективі будуть мати місце і певний характер впливу на параметр, який підлягає вивченню.
Функціональні залежності даними моделями не використовуються; вони грунтуються лише на статистичних взаємозв'язках. Коли відбувається безпосередня побудова прогнозних моделей, то найчастіше використовують парний і множинний регресійний аналіз, фундаментом ж екстраполяційних методів служить аналіз часових рядів.
Парний регресійний аналіз заснований на використанні рівняння прямої лінії (формула 5).
, (5)
де y - оцінювана чи прогнозована залежна змінна
(результативний ознака);- Вільний член рівняння;- Незалежна змінна (факторний ознака), використовувана для визначення залежної змінної;- Коефіцієнт регресії, що вимірює середнє відношення відхилення результативної ознаки від його середньої величини до відхилення факторної ознаки від його середньої величини на одну одиницю його виміру - варіація y, яка припадає на одиницю варіації x.
Розрахунок коефіцієнтів a і b відбувається за допомогою методу найменших квадратів на основі спостережень величин y і x.
Наприклад, торговий агент продає кухонне приладдя, відвідуючи квартири випадковим чином. Не відвідування якої-небудь квартири означає відсутність продажу або a=0. При середній продажу на 62 долара на кожен десятий візит, вартість продажу за один візит буде дорівнює 6,2 долара або b=6,2.
Тоді y=0 + 6,2x.
У підсумку, можна припустити, що при 100 візитах доход складе 620 доларів. Важливо пам'ятати, що ця оцінка не є обов'язковою, а носить імовірнісний характер.
Аналіз попиту з використанням множинної регресії грунтується на використанні більш, ніж однієї незалежної змінної в рівнянні регресії. що ускладнює аналіз, і робить його багатовимірним. Однак регресійна модель відображає дійсність більш повно, так як в реальності досліджуваний параметр, найчастіше, залежить від безлічі різних факторів.
Найпростішими методами прогнозування попиту на основі статистичної маркетингової інформації є екстраполяційні методи, засновані на аналізі часових рядів. Ан...
