С 4 года продажи снижались. Был сделан вывод, что это связано со снижением рекламной поддержки бренда со стороны производителя. А также с 4 года в России появился прямой конкурент с аналогичным товаром. У покупателей появилась более дешевая альтернатива, которая имела более сильную рекламную поддержку. Эти два факторы значительно усилили связь цены и продаж за период. Ниже вернемся к этому обстоятельству, как к способу добиться снижения цен у поставщика.
Заложить «люфт» для прогноза результатов.
Разница между расчётами и фактами всегда есть. Чтобы эта разница была учтена итоговые прогнозы предлагались в виде интервалов «от и до». Для этого вычислил ошибку для указанного набора данных через пакет анализа. Она составила ~13%.
Вот как выглядел прогноз продаж с учетом ошибки на ~13%.:Для стоимости товара= 800$, значение продаж колеблется в пределах: ~4991 шт. <… <~6483 шт.*Для стоимости товара= 820$, значение продаж колеблется в пределах: ~4422 шт. <… <~5744 шт.*Для стоимости товара= 900$, значение продаж колеблется в пределах: ~2145 шт. <… <~2786 шт.*Какова максимальная цена, при которой вообще перестанут покупать товар.
Вы хотите знать предел цены, по которой товар еще можно будет продать? Используя созданную простую модель, я представил руководству и этот ответ:
Для стоимости товара свыше 975 $. – анализ требует поквартального анализа.При цене 975 $ за 1шт продукта придется приложить усилия, чтобы продать несколько штук. Важно отметить, что в данном кейсе прогноз строится без учета других факторов.
В идеале нужно делать поправку на другие важные обстоятельства работы:
- семинары по продукту;
- реклама;
- конкуренция;
- сильное изменение курса валют и т.д.
Все эти параметры также можно заложить в модель.
Представленные прогнозы сделаны при условии неизменности факторов, которые работали в 6 году.
Насколько можно доверять этой модели?
Анализ качества уравнения указывает, что влияние цены на количество продаж не случайное. Это очевидно. Важно это проверять. Если бы мы взяли другой набор данных (по месяцам), то модель имела бы схожие характеристики. Результаты прогноза на 90% верны при повторных аналогичных исследованиях. Оценка значимости проводилась по F-критерию Фишера.