Markets-Web.ru

С помощью метода коллективной генерации идей можно успешно решать многие задачи маркетинговых исследований, например:

· определение возможных путей развития прогнозируемого процесса или объекта, один из которых оптимальный; при решении подобных задач данный метод применяется с целью определения полного набора возможных путей развития;

· определение наиболее широкого круга применяемых методов, если решение проблемы требует параллельного или последовательного использования ряда разнообразных методов;

· выявление круга факторов, которые необходимо принимать во внимание, определяя окончательный вариант решения – например, величину спроса.

К числу важнейших недостатков метода коллективной генерации идей относятся значительный уровень информационного шума, создаваемого тривиальными идеями, спонтанный и стихийный характер генерации идей.

7.2.6. Прогнозирование спроса, основанное на методах математической статистики

Можно выделить два метода разработки прогнозов, основанных на методах математической статистики: экстраполяцию и моделирование.

В первом случае в качестве базы прогнозирования используется прошлый опыт, который пролонгируется на будущее. Делается предположение, что система развивается эволюционно в достаточно стабильных условиях. Чем крупнее система, тем более вероятно сохранение ее параметров без изменения, конечно, на срок не слишком большой. Обычно рекомендуется, чтобы срок прогноза не превышал одной трети длительности исходной временной базы.

Во втором случае строится прогнозная модель, характеризующая зависимость изучаемого параметра от ряда факторов, на него влияющих. Она связывает условия, которые, как ожидается, будут иметь место, и характер их влияния на изучаемый параметр.

Данные модели не используют функциональные зависимости; они основаны только на статистических взаимосвязях.

При построении прогнозных моделей чаще всего используется парный и множественный регрессионный анализ; в основе экстраполяционных методов лежит анализ временных рядов.

Парный регрессионный анализ

основан на использовании уравнения прямой линии:

у = а + bх,

где у – оцениваемая или прогнозируемая зависимая переменная (результативный признак);

а – свободный член уравнения;

х – независимая переменная (факторный признак), используемая для определения зависимой переменной.

b – коэффициент регрессии, измеряющий среднее отношение отклонения результативного признака от его средней величины к отклонению факторного признака от его средней величины на одну единицу его измерения – вариация у, приходящаяся на единицу вариации х.

Коэффициенты а и b рассчитываются на основе наблюдений величин у и х с помощью метода наименьших квадратов [5].

Предположим, что торговый агент продает детские игрушки, посещая квартиры случайным образом. Отсутствие посещения какой-то квартиры означает отсутствие продажи, или а = 0. Если в среднем каждый десятый визит сопровождается продажей на 62 доллара, то стоимость продажи на один визит составит 6,2 доллара, или b = 6,2.

Тогда у = 0 + 6,2х.

Таким образом, можно ожидать, что при 100 визитах доход составит 620 долларов. Надо помнить, что эта оценка не является обязательной, а носит вероятностный характер.

Анализ на основе множественной регрессии