‫پیش بینی فروش‬

‫پس از افزایش تقسیم بازار و انتخاب بازار هدف‪ ،‬پیش بینی فروش مناسب بسساعث برنسسامه ریزیهسسای اسسستراتیژیک و‬
‫اصولی می شود‪ .‬پیش بینی فروش وسیله ای ضروی برای عرضۀ محصسولت جدیسسد‪ ،‬برنسامه ریسسزی تولیسسد‪ ،‬تعییسن‬
‫سطح موجودی لزم و ایجاد روش توزیع مطلوب است‪ .‬پیش بینی فروش یکسسی از زمینسسه هسسای پرچسسالش بازاریسسابی‬
‫است‪ .‬اشتباه در تخمینهای کم یا زیاد ممکن است بسیار بسیار پسسر هزینسسه باشسسد‪ .‬از طرفسسی پیسسش بینسسی خیلسسی بسسال در‬
‫ل به افزایش پیش بیش از اندازه سرمایه گذاریهای شرکت در تولید و موجودی منجر شده‪ ،‬با هدر‬
‫مورد تقاضا احتما ً‬
‫دادن منابع مالی‪ ،‬سود آوری را کاهش میده‪ .‬از طرفی دیگر پیش بینی خیلی پایین تقاضا نیز زیسسان بسسار اسسست‪ .‬پیسسش‬
‫بینی کمتر از حد واقعی باعث می شود شرکت تحرک‪ ،‬سرمایه گذاری و اقسدامات لزم بسرای آینسده را محسدود کنسد؛‬
‫در نتیجه چنانچه تقاضای واقعی بیش از مقدار پیش بینی شده باشد‪ ،‬ضمن از دست دادن فرصتها و مشتریان بالقوه‪،‬‬
‫بعضی از مشتریان خود را نیز ناراضی میسازد؛ زیرا نمی توانسسد پاسسسخگوی تقاضسسا آنسسان باشسسد و آینسسده ای زیانبسسار‬
‫خواهد داشت‪.‬‬
‫تخمین اندازه و سم بازار‬
‫اندازه بازار به اتعداد خریداران موجود بسستگی دارد‪ .‬خریسداران موجسود در بسازار دارای سسه خصوصسیت هسستند‪:‬‬
‫علقه‪ ،‬درآمد ودسترسی؛ برای مثال موتورسکلیت را در نظر بگیرید‪ .‬گام اول تخمین تعداد مصرف کنندگانی است‬
‫که به داشتن موتورسکلیت علقه مندند‪ .‬معمولترین را برای تخمین زدن تعداد افراد در ایسن گسروه ایسن اسست کسه بسا‬
‫نمونه های تصادفی از مصرف کنندگان تماس گرفته‪ ،‬سوال شود ‪ :‬آیا علقه مندید صاحب یک موتورسکلیت شوید؟‬
‫اگر از هسر نفسر ده نفسر‪ ،‬جسواب یسک نفسر مثبست باشسد‪ ،‬میتسوان فسرض کسرد کسه ‪ 10‬در صسد کسل مصسرف کننسدگان‬
‫»بازاربالقوه« موتورسکلیت »بازار بالقوه« موتورسکلیت را تشکیل می دهنسسد؛ ولسسی بسسرای مشسسخص کسسردن انسسدازه‬
‫بازار بالقوۀ مصرف کننده گان کافی نیست‪ .‬خریداران بسسالقوه بایسسد تسسوان مسسالی بسسرای هریسسد موتورسسسکلیت را داشسسته‬
‫باشند و باید به این سوال نیز پاسخ مثبت دهند که‪ :‬از نظر مالی قدرت خرید موتورسکلیت را دارند یا خیر‪ .‬هسسر چسسه‬
‫قیمت بال باشد‪ ،‬تعداد خریداران کمتر میشود‪ .‬اندازۀ بازار که تابع علقه و درآمد مصرف کننده گان است‪ ،‬بسسر پسسایه‬
‫دسترسی محصول محدود میشود‪ .‬اگر موتور سکلیت در منطقه توزیسسع نشسسود افسسراد آن منطقسسه جسسزو بسسازار نیسسستند؛‬
‫بنابراین بازار موجود جمع کل خریداریی است که علقه‪ ،‬درآمد کافی و دسترسی به محصول ندارند‪ .‬در برخسسی از‬
‫بازارها ممکن است محدود یتهای وجود داشته باشد‪ .‬مانند قانونی که طبق آن فروش موتورسکلیت به افراد کمتر از‬
‫‪ 21‬سال ممنوع است‪ .‬مصرف کنندگانی که باقی میمانند بازار موجود شرایط را تشکیل میدهند‪ .‬بازار هدف قسسسمتی‬
‫از بازار است که که شرکت آمیختۀ بازاریابی خود را به آن گسروۀ عرضسۀ کنسسد؛ بسسرای مثسسال سسازنده موتورسسکلیت‬
‫میتواند محصول خود را فقد در تهران بفروش رساند‪.‬‬
‫بازار رخنه شده‪ ،‬گروه مصرف کنندگانی هستند که از شرکت مورد نظر یا رقبا موتورسکلیت خریده اند‪.‬‬
‫شکل ‪ 6-1‬مفاهیم مربوط به پیش بینی فروش‬
 ‫بازار بالقوه ‪100‬‬ ‫کل جمعیت‬
‫‪100%‬‬

‫بازار موجود ‪40‬‬

‫بازار واجد‬
‫‪%‬شرایط ‪20‬‬

‫بازار هدف ‪10‬‬

‫بازار رخنه شده‬ ‫بازار بالقوه‬
‫‪5%‬‬ ‫‪10%‬‬

‫تعاریف مزبور‪ ،‬ابزارهایی برای برنامه ریزی بازرایابی است‪ .‬چند راه برای شرکت وجود دارد که متواند سعی‬
‫کند در صد بیشتری از بازار هدف را به خود اختصاص دهد یا از راهای ریگری استفاده کند؛ برای مثال شرایط‬
‫لزم برای بازار بالقوه را پایین آورد‪ .‬مناطق دیگری را به بازار موجود اضافه کند‪ .‬قیمت را پایین آورد تا بدین‬
‫ویسله سطح بازار موجود بالتر رود‪ .‬با تبلیغات‪ ،‬سطح بازار بالقوه را بالتر برد‪ .‬محصولی مانند ژلتین را در‬
‫نظر بگیرید‪ .‬از این محصول به طور سنتی برای درست کردن ژله یا دسرهای مختلف استفاده میشود‪ .‬شرکت تولید‬
‫کنندۀ ژلتین برای بلند بردن سطح بازار بالقوه‪ ،‬در تبلیغات خود ادعا میکرد که اگر مصرف کننده گان ژلتین حل‬
‫شده را به گیاهان و گل های خانگی بدهند پربارتر و زیبا تر خواهند شد‪ .‬این ادعا سطع بازار بالقوه را افزایش داد‪.‬‬

‫تخمین نیازهای کل بازار‬

‫ابتدا لزم است یادآوری کنیم که نیازهای کل بازار عددی ثابت نیست‪ ،‬بلکه تابع شرایط بخصوصی است؛ از جمله‬
‫میزان فعالیت بازار یابان و وضع عمومی اقتصادی‪ .‬این وابستگی در شکل ‪ 6-1‬نشان داده شده است‪.‬‬
‫شرکتها برای تخمین نیازهای کل بازار از روشهای مختلفی استفاده کنند که در اینجا به دو نمونه از آنها اشاره‬
‫میکنیم‪.‬‬
‫نمونه اول‪ :‬فرض کنید شرکت فروشنده نوار کاست مایل است فروش کل سالنه نوار کاست را در تهران تخمین‬
‫بزنید‪ .‬برای این کار میتواند از فورمول ذیل استفاده کند‪:‬‬
‫‪Q = n ×q × P‬‬

‫در این ‪ Q‬نیازهای کل بازار‪ n ،‬تعداد خریداران در بازار برای محصولی بخصوص‪،‬‬
‫شکل ‪6-1‬‬
‫بازار بالقوه‬
‫نیاز بازار‬
‫نیازهای بازار تابع وضعیت اقتصادی‬ ‫بالقوه‬
‫وضعیت خوب اقتصادی‬ ‫نیازهای‬
‫بازار تابع‬
‫هزینه های بازار یابی‬
‫است‬
‫بازار باالقوه‬ ‫تخمین بازار‬
‫وضعیت رکود اقتصادی‬

‫حد اقل‬

‫هزینه بازار یابی‬ ‫هزینه های بازار یابی‬

‫ب( رابطه اندازه و هزینه های بازار یابی در زمانهای‬ ‫الف(رابطه اندازۀ بازار و هزینه های بازاریابی‬
‫رونق یا رکود اقتصادی‬
‫‪ Q‬تعداد محصولی خریدارن شده به طور متوسط به وسیله یک خریدار در سال و ‪ p‬قیمت متوسط است؛ بنابراین‬
‫اگر در سال یک میلیون خریدار نوار کاست وجود داشته باشد و هر کدام از آن به طور متوسط شش عدد نوار‬
‫کاست خریداری کنند و قیمت متوسط آن دویست تومان باشد‪ ،‬نیاز کل بازار عبارت از‪:‬‬
‫‪Q = 1000000 × 6 × 200 = 1200000000‬‬

‫نمونۀ دوم روش دیگری نیازمندان کل بازار روش نسبت زنجیری است‪ .‬در این روش عدد پایه در چند در صد‬
‫متوالی ضرب میشود‪ .‬فرض کنید نیروی دریایی مایل است ‪ 11200‬نفر را هر ساله از دبیرستانهای پسرانه ایران‬
‫جذب کند‪ .‬آیا این هدف با توجه به توان بازار بالقوه بازار منطقی است؟ بازار بالقوه بدین محاسبه میشود‪:‬‬
‫یک میلیون نفر‬ ‫تعداد کل جوانان فارغ التحصیل از دبیستان‬
‫‪%50‬‬ ‫درصدی که واجدی شرایطند‬
‫‪%15‬‬ ‫در صدی که واجدی شرایطند و به خدمت وظیفه علقه مندند‬
‫در صدی که به خدمت وظیفه علقه مندند و خدمت در نیروی‬
‫‪%30‬‬ ‫دریایی را ترجیع میدهدند‬
‫بنابر این‪:‬‬
‫‪1000000 × 0.5 × 0.15 × 0.3 = 22500‬‬
‫این عداد زنجیره ای توان بالقوه بازار را ‪ 22500‬نشان می دهد‪ .‬از آنجا که رقم به دست آمده از تعداد مورد نیاز‬
‫نیروی دریایی بالتر است‪ ،‬با در نظر گرفتن میزان فعالیت بازاریابی مشکلی وجود نخواهد داشت‪.‬‬

‫تخمین فروش حقیقی و سهم بازار‬

‫اگر در یک بازار شرکتی بخواهد سهم بازار خود را تخمین بزند‪ ،‬میتواند از فورمول ذیل استفاده کند‪.‬‬
‫‪Qi = S i Q‬‬

‫در این فورمول ‪ Qi‬تقاضا برای شرکت ‪ i، Si‬سهم بازار شرکت ‪ I‬و ‪ Q‬نیاز کل بازار است‪ .‬برای به دست آوردن‬
‫سهم بازار نیز میتوان از فورمول ذیل استفاده کند‪:‬‬
‫‪Mi‬‬
‫= ‪Si‬‬
‫‪∑M i‬‬
‫در این فورمول ‪ Mi‬فعالیت بازاریابی شرکت ‪ I‬است‪ .‬این فورمول هنگامی مورد استفاده قرار میگیرد که اثربخشی‬
‫هزینه های بازار یابی شرکتها مختلف یکسان فرض شود‪ .‬اگر اثر بخشی هزینه های بازار یابی شرکتها متفاوت‬
‫باشد از فرمول ذیل استفاده میشود‪:‬‬
‫‪aM i‬‬
‫= ‪Si‬‬
‫‪∑ ai M i‬‬
‫در این فورمول ‪ ai‬اثر بخشی پول هزینه شده بازاریابی برای شکت ‪ I‬است‪ ،‬در حالی که اثر بخشی دارای میانکین‬
‫یک باشد‪.‬‬
‫در صورتی که بازده نزولی وجود داشته باشد‪ ،‬میتوان از فورمول ذیل استفاده کرد‪:‬‬
‫‪(ai M i ) emi‬‬
‫‪Si‬‬
‫‪∑(ai M i ) emi‬‬
‫در این فورمول‪ emi ،‬کشش سهم بازار به نسبت فعالیتهای مؤثر بازاریابی شرکت ‪ I‬است‪.‬‬

‫روشهای پیش بینی فروش‬

‫دو نوع مختلف پیش بینی فروش وجود دارد‪ .‬پیش بینی مبتنی بر اطلعات قبلی و پیش بینی در زمانی که اطلعات‬
‫قبلی وجود ندارد‪ .‬در مورد نوع اول‪ ،‬فرض کنید صاحب مغازه خرده فروشی بزرگی مایل است ماه حمل را پیش‬
‫بینی نماید‪ .‬او میتواند از فرایندی که در ذیل تشریح است استفاده کند‪:‬‬
‫فروش متوسط در ماهای حمل را در طی سالهای گذشته محاسبه کند‪ .‬این کار آغاز خوبی‬ ‫‪.1‬‬
‫خواهد بود‪.‬‬
‫روند و گرایش فروش را در سال جاری بررسی کند؛ برای مثال اگر فروش تا این ماه ‪ 5‬در‬ ‫‪.2‬‬
‫صد بال از سال گذشته بوده است‪ ،‬می تواند پیش بینی فروش قبلی را ‪ 5‬درصد افزایش دهد‪.‬‬
‫عوامل دیگری را از قبیل آب و هوا رفتن ارزش پول که ممکن است بر فروش اثر بگذارند در‬ ‫‪.3‬‬
‫نظر بگیرید؛ به طور مثال اگر تاریخچه فروش نشان می دهد که در ماهای که بارندگی زیاد است فروش‬
‫افزایش میابد‪ ،‬پیش بینی را برای این اساس تنظیم کند‪.‬‬
‫البته او نمی تواند به طور کلی به پیش بینی فروش که از این طریق حاصل میشود اعتماد کند‪» .‬اگر برف شدیدی‬
‫ببارد چه اتفاقی می افتد؟« با این حال‪ ،‬این کار از اتکا به حدسیات بهتر است و در صورتی که تمامی عوامل مهم‬
‫را در نظر گرفته باشد‪ ،‬چنین تعمیمی به آینده نتایج صیح به همراه خواهد داشت‪.‬‬
‫نوع دوم پیش بینی فروش در حالتی به کار گرفته می شود که اطلعات قبلی وجود ندارد‪ ،‬یا شرکت تازه آغاز به‬
‫ل جدید و ابداعی است‪ .‬در این موارد فرد باید ترکیبی از روشها را به کار گیرد؛‬
‫کار کرده است‪ ،‬یا محصول کام ً‬
‫از جمله قضاوت‪ ،‬مقایسه و عقل سلیم‪ .‬روشهای مختلفی برای پیش بینی فروش مذکور وجود دارد‪ .‬انتخاب روش به‬
‫موجود بودن اطلعات‪ ،‬بودجه‪ ،‬وقت و تجزیه و مهارت پیش بینی کننده بستگی دارد‪ .‬برای ساده تر کردن مطلب‬
‫میتوان روشهای را به کیفی و کمی تقسیم کرد‪ .‬پیش بینیهای کیفی بیشتر بر قضاوت و تجزیه مبتنی است؛ در‬
‫صورتی که پیش بینیهای کمی اغلب متکی بر اطلعات است‪ .‬در ضمن‪ ،‬کاربردهای پیش بینی ممکن است وسیع یا‬
‫محدود باشد؛ به طور مثال در حالت کاربرد وسیع مدیران ایران خود مایل اند نیاز مردم به خودرو را در ایران و‬
‫کشورهای همسایه طی ده تا بیست سال آینده بدانند ودر حال کاربرد محدود مدیر نمایشگاه ماشینهای پیکان مایل‬
‫است بداند در منطقه خود در هفته ماه یا سال آینده چه تعداد پیکان صفر کیلومتر خواهد فروخت‪ .‬در هر روز‬
‫موقعیت به پیش بینی فروش برای آینده نیاز است‪ .‬در جدول ذیل روشهای مختلف پیش بینی همراه با ماهیت و‬
‫کاربرد آنها شناسایی شده است که به طور مشروح در باره هرکدام آز این روشها توضیح خواهیم داد‪.‬‬
‫ماهیت‬ ‫نوع‬ ‫روش‬
‫بحث گروهی هیاتی از مدیران برای دستیابی به همگرایی و تفاهم‬ ‫هیات مدیران‬ ‫روشهای‬
‫روش پیش بینی گروهی از طرف اعضایی که نامشان آشکار نمی گردد‬ ‫روش دلفی‬ ‫کیفی‬
‫بررسی نظر‬
‫پیش بینی از طرف کارکنان فروش‬ ‫نیروی فروش‬
‫بررسی نظر‬
‫بررسی عقیده مشتریان راجع به قصد خرید آنها‬ ‫مصرف کننده‬
‫پیش بینی عملکرد احتمالی محصول در موقیعت آزمایشی‬ ‫شبیه سازی‬
‫آزمایش بازار‬
‫پیش بینی عماکرد احتمالی محصول در سطحی محدود و تعمیم آن به کل‬ ‫آزمایش بازار‬
‫کشور‬
‫بر اساس اطلعات فروش قبلی معادله ای برای توصیف آینده به دست‬ ‫تحلیل روند‬ ‫روشهای کمی‪:‬‬
‫میآید‬ ‫سرویهای‬
‫اثر روند‪ ،‬تغیرات دوره ای‪ ،‬تغیرات فصلی و تغیرات نامنظم مجزا میگردد‬ ‫تجزیه‬ ‫زمانی‬
‫اطلعات‬
‫فرافکنی فروش آتی بر اساس الگوهای فروش قبلی‬ ‫میانگینها‬
‫متحرک‬
‫میانگین متحرک وزن دار فروشهای گذشته‬ ‫هموار سازی‬
‫نمایی‬
‫مدل باکس‬
‫مدل سازی ریاضیاتی با استفاده از چند روش‬ ‫جنکینز‬
‫فروش یک محصول بر اساس فروش‪ ،‬استفاده‪ ،‬یا موجود بودن یک یا چند‬ ‫تحلیل‬ ‫روشهای‬
‫محصول دیگر پیش بینی میشود‬ ‫همبستگی‬ ‫کمی دیگر‬
‫با محاسبه یک معادله خطی‪ ،‬فروش را به متغیر مستقل یگری)تبلیغات(‬ ‫روش کمترین‬
‫ربط میدهد‬ ‫مجذور‬
‫روش رگراسیون با محاسبه یک معدله چند متغیره‪ ،‬فروش را به چند متغیر مستقل ربط میدهد‬
 ‫چند متغیره‬

‫روشهای کیفی پیش بینی فروش‬

‫پیش بینیهای کیفی مزایا و معایب مشترکی دارند‪ .‬از جمله مزایایی آن این است که افرادی که با بازار های خاصی‬
‫اشنا هستند می توانند بر اساس معلومات خود راجع به پویا ییهای بازار میزان فروش را به طور صحییح تخمین‬
‫بزنند و از جمله معایب آن اینست که کیفیت این گونه پیش بینیها تا حدی زیادی به ویژه گیهای پیش بینی کننده‬
‫بستگی دارد‪ .‬پیش بینی کننده که با بازار خاصی نا آشنا است‪ ،‬یا قضاوت ضعیفی دارد به احتمال زیاد به طور غلط‬
‫پیش بینی خواهد کرد‪ .‬روشهای متداول پیش بینی های کیفی عبارت از‪:‬‬
‫بررسی هیات مدیران‪ ،‬روش دلفی‪ ،‬بررسی نظر نیروی فروش‪ ،‬بررسی قصد مصرف کننده گان ازخرید‪ ،‬شبیه‬
‫سازی آزمایش بازار و آزمایش بازار‪.‬‬
‫‪ .1‬بررسی نظر هیات مدیران‪ .‬در این روش پیش بینسی فسروش بسا بررسسی عقایسد مسدیران حاصسل‬
‫میشسود‪ .‬اعضسای گسروه ممکنسد اسست شسامل کارکنسان فسروش‪ ،‬بازاریسابی و امسور مسالی باشسند‪.‬‬
‫بسیاری از شرکتهای بزرگ برای پیش بینی فسسروش از ایسسن روش اسسستفاده مسسی کننسسد؛ بسسه طسسور‬
‫مثال در شرکت بزرگی پنج نفر از مدیران شرکت از فسسسمت امسسور مسسالی‪ ،‬بازاریسسابی‪ ،‬فسسروش‪،‬‬
‫تحقیقات بازاریسسابی و تولیسسد بسسا هسسم رودررو ملقسسات کننسسد‪ .‬در مسسورد هسسر محصسسول‪ ،‬اطلعسسات‬
‫فروش ‪ 5‬ساله گذشته روندهای بازار و استراتیژی های بازار رقبابه مدیران داده شده اسسست کسسه‬
‫هر کدام به طور مستقل اطلعات را بررسی کرده‪ ،‬برای چهسسار دوره سسسه مسساهه در سسسال آینسسده‬
‫میزان فروش را پیش بینی میکند‪ .‬پس از بحث گروهی که در آن افراد عضسو بسالترین و پسایین‬
‫ترین پیش بینی ها را اعلم نموده دلیل خود را در این مورد بیان کردنسسد‪ ،‬سسر انجسام راجسع بسسه‬
‫یک پیش بینی توافق نظر حاصل میشسود گساهی نیسز پیسش بینسسی هسا ترکیسسب شسسده‪ ،‬میسانگین آنهسا‬
‫محاسبه میشود به بدین وسیله تصویری از انتظارات مدیران راجسسع بسسه عملکسسر آتسسی شسسرکت بسسه‬
‫دست می آید‪.‬‬
‫مزیت این روش‪ -‬که برای پیش بینیهای کوتاه مدت مناشسسب تسسر اسسست ایسسن اسست کسسه اعضسسایی گسروه از رونسسد هسای‬
‫فروش از روندهای فروش و قصد خرید مشتریان آگاهی دارند‪ ،‬به همین دلیل از بهتیرین موقیعیت بسسرای ارئه پیسسش‬
‫بینیهای صجیح بر خوردارند‪ .‬اجرای این روش آسان است و نسبت به روشهای دیگر کمتر زمان میبرد‪.‬‬
‫معایب این روش عبارت از‪:‬‬
‫علئق شخصی مدیران ممکن است سبب پیش بینی های غیر واقعی شود‬ ‫•‬
‫در مواردی که هر مدیر بر اساس تجقیایت شخصی اطلعات میدهد‪ ،‬این اطلعسات ممکسن‬ ‫•‬
‫است از لجاظ زمانی محدود باشد‬
‫در پیش بینی های گروهی مسئولیت فردی وجود ندارد‪.‬‬ ‫•‬
‫این روش مستلزم این است که مدیران صرف کاری را انجسام دهنسسد کسسه پرسسسنل سسستادی بسسه‬ ‫•‬
‫طور شایسته از عهده آن بر می ایند‪.‬‬
‫‪ .2‬روش دلفی‪ .‬در این روش که مشابه روش قبلسی اسست اغلسب از کارشناسسان خسارج از سسازمان‬
‫استفاده می شود‪ .‬آنها برای پیش بینی اطلعات راجع به رویدادهای تکنالوژیکی یا جمیعسستی کسسه‬
‫ممکن است به طور شایان توجهی بر تمام صنعت یا بازار اثر بگذارد در اختیار مسئولن قرار‬
‫دهند؛ بنا بر یان روش دلفی بسرای مشسخص کسردن رونسسد هسای آینسسده و فرصستهای بسازار بسسرای‬
‫محصولت جدید به کار میرود‪ ،‬بخصوص هنگامی که اطلعات قبلسی راجسسع بسه بسازار موجسود‬
‫نباشد‪ .‬ویژه گیهای ابتدایی روش دلفی عبارت از‬
‫اعضایی شناخته نشده گروه‬ ‫•‬
‫تکرار با بازخور کنترول شده‬ ‫•‬
‫پاسخهای گروهی اماری‬ ‫•‬
‫در این روش کارشناسان ابتدا پیش بینی های فردی خود را ارائه میدارند؛ سپس محقق هماهنگ کننده میسسانگین ایسسن‬
‫نتایج را محاسبه کرده‪ ،‬آنرا با دلیل مطرح شده از طرف هر مشارکت کننده برای کارشناسان ارسال میکنند و آنهسسا‬
‫میخواهند که با در نظر گرفتن نتایج در اول پیش بینی دیگری را اعلم کنند‪ .‬پیش بینی کننده گان ازاد اند پیش بینسسی‬
‫اول خود را اصلح کنند‪ ،‬یا تغیر ندهند‪ .‬در این روش اطمینان اعتقاد پیش بینی کننده گان نسبت به پیسسش بینسسی قبلسسی‬
‫آزمایش میشود‪ .‬هدف اصلی پش از چندین دوره دسیابی به اتفاق نظر تمام گروه است‪ .‬ایسسن روش فشسسارهای روانسسی‬
‫ل از طرف سائر اعضا و فراز مسلط گروه وارد میشسسود کسساهش میدهسسد‪ .‬در صسسورتی عسسدم دسسستیابی بسسه‬
‫را که معمو ً‬
‫اتفاق نظر عقیده گروه راجع به رویدادهای اینده با محاسبه میانگین آماری عقاید فرد فرد اعضا به دست می آید‪.‬‬
‫این روش دارای چند مزیت است‪ .‬با اسسستفاده از گروهسسی کارشناسسسان‪ ،‬اطلعسسات مشسسروحی از رشسسته هسسای مختلسسف‬
‫حاصل میشود منطق این روش از قضاوت گروه حمایت میکند‪ .‬در بیشتر مسسوارد اعضسسایی گسسروه در اجسسرای روش‬
‫ل از سطح متوسط تا خیلی خوب اسسست‪.‬‬
‫دلفی همکاری می کنند‪ .‬صحت پیش بینی های کوتاه مدت و بلند مدت معمو ً‬
‫البته صحت پیش بینی به تخصص افراد مشارکت کننده بستگی دارد شرکت مشهوری که از کارشناسان اگاه استفاده‬
‫مکنند پش از یک سال استفاده از روش دلفی برای پیش بینی های کوتاه مدت به پیش بینی های دسست یسافت کسه فقسد‬
‫یک در صد با عملگرد واقعی تفاوت داشت‪ .‬در عین حال باید توچه کرد که صسسحت روش دلفسسی بسسه میسسزان توانسسایی‬
‫مشرکت کننده گان وابسته است‪.‬‬
‫از معایب این روش اینست که به دلیل پیروی از رای گیری مستقل وقت گیر است‪ .‬بعلوه طسسرح پرسشسسنامه ممکسسن‬
‫است واضح نباشد و تعدادی زیادی از سوالت را در برگیرد‪.‬‬
‫‪ .3‬روش نظر نیروی فففروش‪ .‬بسیاری از شسسرکت هسسای بازرگسسانی از نسسوعی روش پیسسش بنینسسی از‬
‫پایین سازمان به بال استفاده می کنند که در آن از کار کنان فروش خواسته می شود که فسسروش‬
‫کوتاه مدت را پیش بینی کنند‪ .‬به دلیل ارتباط نزدیسسک فروشسسندگان بسسا مشسستریان‪ ،‬اطلعسسات آنسسان‬
‫بسیار مفید است‪ .‬این نوع پیش بنینی بیشتر هنگامی سود مند است کسسه بسسازار شسسامل تعسسداد کمسسی‬
‫مشتریان باشد و نیازهای خاص ان برای فروشندگان شناخته شده باشد‪ .‬در مسسوارد دیگسسر برخسسی‬
‫از شرکتها پیش بینی تقاضا را از توزیع کنندگان با واسطه های خود درخواست کنند‪ .‬پیش بینی‬
‫ل جمع آوری شده‪ ،‬برای هسسر فسسروش سسسازمانی از قبیسسل منطقسسه‪ ،‬نسساحیه‪ ،‬و‬
‫فروش انفرادی معمو ً‬
‫ملی بررسی شود؛ برای مثال یک تعداد از تولیدندۀ صسسنعتی بسسرای پیسسش بینسسی خسسط محصسسول و‬
‫مشتری از روش ذیل استعاده میکنند‪:‬‬
‫فرایند پیش بینی با تقسیم مشتریان به دو گسسروه هسسدف آغسساز میشسسود‪ .‬گسسرره اول شسسامل‬ ‫‪.a‬‬
‫مشتریان است که به طور سنتی با شرکت قراداد بسته اند و نوسان های شسسدیدی در دوره برنسسامه ریسزی شسامل‬
‫حال آنهای نمی گرد‪ .‬گرره دوم شامل مشتریان اند که با انها باید رابطه بازرگسسانی برقسسرار کسسرد ودر صسسورتی‬
‫بازریابی میاسب از طریق فروشنده‪ ،‬فرصتهای شایان توجهی برای سفارش کردن ایجاد می شود‪.‬‬
‫فررشندگان عوامل موثر برای خریدهای سال آینده هر مشتری را شناسایی میکند‪.‬‬ ‫‪.b‬‬
‫برای هر حساب احتمالی‪ ،‬سه نوع پیش بنیی در نظر گرفته میشود‪:‬‬ ‫‪.c‬‬
‫پیش بینی خوش بینان بر اساس انطظارات خوب از بازار‬ ‫‪.i‬‬
‫پیش بینی متحمل تر بر اساس ارزیابی واقعگرایانه تر از توان مندی بازار‬ ‫‪.ii‬‬
‫پیش بینی بد بینانه بر اساس شرایط فرض شده رکود بازار‬ ‫‪.iii‬‬
‫‪ .d‬به رویداد هر کدام از سه نوع پیس بینی مزبور وزنهای داده می شود‬
‫‪ .e‬سطوح مورد انتظار فروش با ضرب کردن هر پیامد در احتمال رویدادش محاسبه می گردد‬
‫‪ .f‬نتایج محاسبه در مورد مشتریان و خط محصول با توجه به منطقه فروش جمع آوری می شود‪.‬‬
‫این روش دارایی مزایایی است‪ .‬کارکنان با بازار اشنایی بیشتر دارند نتیجه این روش بهترین روش بسسرای مشسسخص‬
‫شدن انتظارارت فروش بر اساس خط محصول‪ ،‬حسابهای مشتریان و منطقه های فروش است‪ .‬در ضمن از آنجایی‬
‫که از کارکنان فروش استفاده می شود نیروی انگیزشی بیشتر است‪ .‬این روش معایبی نیز دارد‪ .‬بیشسستر فروشسسندگان‬
‫در حالتی که سهمیه فروش با پرداخت های تشویقی برای سنجش‪ ،‬کنترول و ترغیب آنهای ارتباط میابد‪ ،‬پیسسش بینسسی‬
‫های در سطح پایین ارائه می دهند‪ .‬برای کاهش چنین مشکلی‪ ،‬بسسسیاری از شسرکتها فعسالیت مربسوط بسسه پیسش بیینسی‬
‫فروشندگان را از وظیفه شناسایی کردن سهمیه های فروش مجزا میکنند‪.‬‬
‫‪ .4‬بررسففی قصففد مصففرف کننففدگان از خریففد‪ .‬روش مسسستقیم بسسرای پیسسش بینسسی فسسروش پرسسسش از‬
‫مشتریان بالقوه در مورد قصد خرید آنها است‪ .‬این بررسسسی در صسسد بازارهسسدفی را کسسه احتمسسا ً‬
‫ل‬
‫محصول شما را خواهند خرید نشان می دهد و هنگامی مؤ ثر است که شسسرکت مشسستریان بسسالقوه‬
‫محدودی داشته باشد‪ .‬متاولترین کار اینست که از مصر گنندگان بخواهیم احتمال خریسسد خسسود را‬
‫در دوره معیین از صفر تسسا ‪ 100‬در رتبسسه بنسسدی کننسسد‪ .‬واضسسح اسست کسسه هسر چنسسد دوره زمسسانی‬
‫طسسولنی تسسر باشسسد‪ ،‬صسسحت ایسسن نسسوع بررسسسی کسساهش میابسسد‪ .‬مزیسست ایسسن روش در اینسسست کسسه‬
‫هنگامیکه مشتریان مرود بررسی قرار می گیرند صحیتری امکان پسسذیر میگسسردد‪ .‬البتسسه در ایسسن‬
‫روش قصد خرید مشتریان رتبه بندی میشود که ممکن اسسست نشسسان دهنسسدۀ رفتسسار واقعسسی نبسساش؛‬
‫برای مثال افرادی که برای خرید محصول ابراز تمایل می کنند ممکن است بعد هسسا عقیسسده شسسان‬
‫عوض شود بنابر این صحت پیش بنی به قضاوت مشتریان راجع به نیازهای شان بسسستگی دارد‬
‫در ضمن برخی از شرکتها قادر به درست انجام دادن چنین تحقیق نیستند و این کار ممکن است‬
‫برای آنها بسیار پر هزینه باشد‪.‬‬
‫‪ .5‬شبیه سازی آزمایش بازار‪ .‬در این روش سعی مسسی گسسردد رفتسسار خریسسد مشسستریان بسسدون وقسسوع‬
‫خرید واقعی اندازه گیری شود‪ .‬برای انجام دادن این کار دو را وجسسود دارد‪ .‬راه اول اینسسست کسسه‬
‫برای مشتریان در یک سوپر مارکیت ازمایشی از بعضی مشتریان به عنوان نماینده ای جمعیت‬
‫خواسته شود که با انتخاب محصولت موجود از سوپر مارکیت خرید کنند با تعمیم نتایج به کسسل‬
‫جمعیت به طسور نسسبی میتسسوان فسسروش را پیسش بینسسی کسسرد‪ .‬راه دوم اینسست کسه کاتالوگهسای در‬
‫اختیاری مشتریان گذارده شود‪ ،‬با محصولت از طریق کامپیوتر یا ویدئو به مشتریان نشان داده‬
‫شود و واکنش انان ارزیسسابی گسسردد‪ .‬مزیسست اصسسلی ایسسن روش هزینسسه پسسایین آن اسسست و یکسسی از‬
‫معایب آن این است که نمونه ممکن است نماینده کل جمعیت نباشد‪.‬‬
‫‪ .6‬آزمایش بازار‪ .‬روش دیگری‪ ،‬عرضه محصول در بازار و مشاهده واکنش مشسستریان نسسسبت بسسه‬
‫آن است‪ .‬آزمایش بازار همان طور که از نامش مشهود است بازار محصول در مقیاسی محسسدود‬
‫است‪ .‬استفاده از این روش در مورد برخی از محصولت ممکسسن اسسست تنهسسا راه بسسرای سسسنچش‬
‫واکنش بازار باشد‪ .‬محصول در این شهرها میتوا بخوبی فسسروش محصسسول را پیسسش بینسسی کسسرد؛‬
‫مشروط براینکه شهرها به طور مناسسب اتخساب شسسده باشسسند‪ .‬عیسسب عمسده روش آزمسایش بسازار‬
‫هزینه بسیار بال آن اسسست‪ .‬شسسرکتها در مسسورد هزینسسه بسسازار یسسابی آن بیشسستر باشسسد از ایسسن روش‬
‫استفاده نمی کنند‪ .‬این شرکتها مقادیر زیادی پول هزینه کرده اند؛ بنابر این انخاب موجود بسسرای‬
‫آنها بازاریابی فعالنه محصول است‪ .‬از طرف دیگر آزمسسایش بسسازار مسسوجب تجسسارت بسسسیار از‬
‫شرکتها شده است؛ برای مثال شرکتی نوعی خامه مصنوعی بدون کلسسسترول تولیسسد کسسرده آن را‬
‫در سطحی محدودی به طور آزمایشی وارد بازار کرد‪ .‬این شرکت پس از مدتی پی برد که ایسسن‬
‫محصول در حرارت اتسساق در مسسدت کوتسساهی آب میشسسود امسسا در صسسورتی برطسسرف کسسردن ایسسن‬
‫عیب‪ ،‬بازار بزرگی برای آن وجود دارد‪ .‬شرکت این عیب را بر طرف کرد سپس محصسسول را‬
‫در سطح کشور عرضسۀ نمسود و مفقیست چشسمگیری را بسسه دسست آورد‪ .‬اگسر ایسسن شسرکت بسدون‬
‫آزمایش به عرضۀ محصول در سطح ملی می پرداخت مطمئنًا با واکنشهای منفی وسیع روبسسرو‬
‫میشد و تغیر دادن ذهنیتها موجود پر هزینه و غیر ممکن بود‪.‬‬

‫روش های کمی پیش بینی فروش‬

‫بسیاری از شرکتها فروش هود را بر پایه اطلعات کمی محاسبه میکنند‪ .‬بسسرای اسسستفاده از مسسدیران روشسسهای کمسسی‬
‫مختلف وجود دارد؛ از روشهای ساده تا روش های کامپیوتری پیش رفته‪ .‬درفسسمت قسسمت ذیسل بسه طسور مختصسر‬
‫چندین روش را در این زمینه بررسی خواهیم کرد‪.‬‬
‫‪ .1‬تحلیل سریهای زمانی‪ .‬روشهای پیش بینی بر اساس سریهای زمانی عمدتًا بر اطلعات کذشسسته و عینسسی و‬
‫رویدادهای ساده ریاضیاتی برای محاسبه پبش بینی متکی است‪ .‬هنگامی که اطلعات فروش محصول در چنسسد‬
‫سال موجود و روابط و روندها واضع و ثابت است از روشهای آماری استفاده میشسسود‪ .‬اسسستفاده از ایسسن روشسسها‬
‫بر مبنای این فرضیه است که الگوهای فروش موجود در آینده نیز وجود خواهند داشت‪ .‬از آنجسساکه ایسسن فسسرض‬
‫ل در کوتاه سریع تر است از این روشها برای پیسسش بنینیهسسای کوتسساه مسسدت اسسستفاده میشسسود‪ .‬غیسسب اصسسلی‬
‫احتما ً‬
‫روشهای پیش بینی آماری اینست که نقطه های عطف را پیسسش بینسسی نمسسی کننسسد‪ 5 .‬نسسوع از روشسسهای سسسریهای‬
‫زمانی عبارت اند از‪:‬‬
‫‪ .a‬تحلیل روند‬
‫‪ .b‬تحلیل اطلعات‬
‫‪ .c‬میانگینهای متحرک‬
‫‪ .d‬هموار سازی نمای و مدل باکس جنکینز‬
‫تحلیل روند‪ .‬شکل ذیل که اطلعات فرضی فروش در آن آورده شده است ملحظه کنید‪.‬‬

‫‪1000‬‬

‫‪800‬‬

‫‪600‬‬

‫‪400‬‬

‫‪200‬‬

‫‪0‬‬
‫ماه های سال‬

‫شکل ‪ 6-2‬اطلعات فرضی فروش‬

 ‫‪1000‬‬

‫‪800‬‬

‫‪600‬‬

‫‪400‬‬

‫‪200‬‬

‫‪0‬‬
‫ماه های سال‬

‫فروش این محصول با چهار صد عدد در حمل آغاز شده است و به ‪ %9‬عسدد در اردیبهشست افزایسش یسافته و سسپس‬
‫بین ‪300‬و ‪ 675‬نوسان داشته است‪ .‬با توجه به اطلعات یازده ما فروش تصور می کنید میزان فروش در ماه اسفند‬
‫چقدر باشد؟‬
‫در ساده ترین روش میتوان فرض کرد که فروش ماه اسفند برابر با بهمن خواهد بود‪ .‬ولسسی اطلعسسات فسسروش نشسان‬
‫می دهد که فروش هر ماه برابر الگوهای فروش گذشته نیست‪ .‬شاید میانگین فروش ماهای کذشته مناسبتر باشد ولی‬
‫ممکن است گرایش و روند خاصی در اطلعات وجود داشته باشد که در این صورت تعییسسن میسسانگین سسساده مناسسسب‬
‫نخواهند بود‪ .‬با تحلیل روند این اطلعات میتوان گرایشها را بررسی کرد و با تسسوجه بسسه تسساریخچه فسسروش تحرکسسات‬
‫بلند مدت در اطلعات را جستجو نمود‪ .‬ساده ترین روش تحلیسسل رونسسد‪ ،‬روشسسی اسسست کسسه تجزیسسه و تحلیسسل خطسسی و‬
‫قهفرایی )رگراسیون( نامیده میشود‪ .‬در این روش خطی که به بهترین وجه با اطلعسسات تطسسبیق دارد بدسسست مییایسسد‪.‬‬
‫در شکل دیل روند خطی اطلعات فروش در یازده ما کذشته نشان داده شده است‪.‬‬

‫‪1000‬‬

‫‪800‬‬

‫‪600‬‬

‫‪400‬‬

‫‪200‬‬

‫‪0‬‬
‫ماه های سال‬
‫شکل ‪ 6-3‬روند خطی اطلعات فرضی در یازده ماه گذشته‬
‫همان طویکه ملحظه میکنید در ماینگین فروش ماه به ماه افزایش کمی رخ داده است ‪ .‬بسسا اسسستفاده از تحیلیسسل رونسسد‬
‫میتوان خط روند را تا اسفند گسترش داد؛ در این صورت پیش بینی می شود که فروش برابسسر بسسا ‪ 615‬عسسدد خواهسسد‬
‫بود‪ .‬البته مسائلی نیز وجوددارد که باید در نظر گرفته شود‪ .‬وضعیت بازار ممکسسن اسسست در طسسی سسسال تغیسسر کسسرده‬
‫باشد‪ .‬شاید رقیب جدی در مسسا آزر وارد بسسازار شسسده و فسسروش در طسسی سسسه مسساه اخیسسر را کسساهش داده اسسست‪ .‬در ایسسن‬
‫ل محاسبه برای کل سال مناسب است‪ .‬اگر روند برای سه ماه اخیر محاسسسبه شسسود کسساهش چشسسمگیری‬
‫موقعیت احتما ً‬
‫در فروش مشاهده خواهد شد و میزان فروش برای ماه اسفند معادل ششصد عدد پیش بنینی می شود‪.‬‬

‫‪1000‬‬

‫‪800‬‬

‫‪600‬‬

‫‪400‬‬

‫‪200‬‬

‫‪0‬‬
‫ماه های سال‬

‫شکل ‪ 6-4‬روند خطی اطلعات فرضی در سه ماه اخیر‬

‫همان طور که مشاهده می کنید انتخاب چهارچوب زمانی بسیار مهم است؛ چون با توچه به اطلعات فرضسسی رونسسد‬
‫بلند مدت در حال افزایش و روند کوتاه مدت در حال کاهش است‪ .‬شرکتها باید پیش از انتخساب میسزان اطلعسات بسا‬
‫وقایع رخ داده در بازار اشنا باشند‪.‬‬
‫تجزیه اطلعات‪ .‬این روش اطلعات سریهای زمانی را بر مبنایی چهار عنصر مجزا میسازد که عبسارت از‪ :‬رونسد‬
‫)‪ ،(T‬تغیرات دوره ای )‪ ،(C‬تغیرات فصلی )‪ (S‬و تغیرات نا منظم )‪ (I‬پس‪:‬‬
‫‪ = T * C * S * I‬فروش آینده‬
‫هر عنصر برای تعیین اثر نسبی بر فروش جدا می شود‪ .‬در مورد تحلیل روند در قسمت پیش بینسسی توضسسیح دادیسسم‪.‬‬
‫تحلیسسل رونسسد تسساثیرات کلن اقتصسسادی را مجسسزا کسسرده‪ ،‬آنهسسا را در تحلیسسل کسسل دخسسالت مسسی دهسسد )مثسسل تسساثیر رکسسود‬
‫اقتصسادی(‪» .‬تحلیسسل فصسلی«‪ ،‬روش تعسدیلی دیگسسری اسست؛ بسسرای مثسسال بخسا ری‪ ،‬یخچسال و پوشساک تابسسستانی یسا‬
‫زمستانی غالبًا دچا نوسان های فصلی می گردد‪ .‬به علت اینکه این نوسانها را به طسسور نسسسبی مسسی تسسوان پیسسش بینسسی‬
‫کرد‪ ،‬مجزا کردن آنها از اطلعات کلی آسان است‪ .‬سر انجام »تحلیل عوامل نا منظم«‪ ،‬یعنی تحلیسسل عوامسسل کسسه بسسه‬
‫ل اینگسسونه وقسسایع را نمسسی تسسوان پیسسش‬
‫طور تصادفی رخ می دهد؛ از جمله اعتصابات ‪ ،‬جنگ و آتش سسسوزی‪ .‬مهمسسو ً‬
‫بینی کرد‪ ،‬ولی برای شرح روند تاریخچه های فروش می توان از آنها استفاده کرد‪.‬‬
‫به این مثال تو جه کنید‪ .‬شرکت الفا در سال اخیر ‪ 12‬هزار محصول فروخته اس و اکنون مسسی خواهسسد فسسروش خسسود‬
‫را در ماه اسفند آینده تخمین بزند‪ .‬روند فروش‪ ،‬در صد رشد سالیانه را نشان می دهد‪ .‬به ایسسن ترتیسسب فسسروش چنیسسن‬
‫تخمین زده می شود‪:‬‬
‫‪12000 ×1.05 = 12600‬‬
‫ولی اگر در سال آینده احتمال رکود اقتصادی وجود داشته باشد فروش شرکت ‪ %90‬فروش سال گذشته خواهد بود‬
‫و چنین محاسبه می شود‪:‬‬
‫فروش سالنه ‪12600 × 0.9 = 11340‬‬

‫فروش ماهانه ‪11340 = 945‬‬

‫‪12‬‬
‫ماه اسفند‪ ،‬ماه خوبی برای فروش این محصول است و شاخص فصل برای ماه اسفند ‪ 1.3‬است؛ بنابر این فروش‬
‫ماه اسفند ممکن است در حد ذیل باشد‪:‬‬
‫‪945 ×1.3 = 1228 .5‬‬
‫با توجه به اینکه احتمال رخ دادن انفاقات نا گهانی مانند وضع قوانین جدیسسد یسسا بسسروز اعتصسسابات وجسسود ندارنسسد مسساه‬
‫اسفند برابر ‪ 1228‬عدد خواهد بود‪.‬‬
‫مزیت این روش این است که ارزیابی عناصر سسریهای زمسانی )رونسد‪ ،‬دوره و فصسل( را امکسان پسذیر مسی سسازد‪.‬‬
‫عیب اصلی آن این است که این روش فقط فراکنی میکانیکی رونسسد و دوره اسسسات و متغیسسر هسسای مسساورای سسسریهای‬
‫زمانی را که ممکن است به طور علی بر پیش بینی اثر بگذارند در نظر نمی گیرند‪.‬‬
‫میکانیکهای متحرک‪ :‬این روش بر مبنای این فرضیه اسسست کسسه میسسانگین فسسروش دورهسسای گذشسسته تخمیسسن احتمسسالی‬
‫خوبی برای دوره های آینده است‪ .‬هر چند تعداد دوره های که میانگین بر مبنای آن محاسبه مسسی شسسود بیشسستر باشسسد‪،‬‬
‫اثر هموار سازی بیشتر خواهد بود؛ بنابر این میانگین متحرکی که برای دوره ای ششماه محاسبه میشود‪ ،‬نسسسبت بسسه‬
‫آنچه برای دوره های سه ماهه صورت میگیرد با ثبات تر اسسست‪ .‬میسسانگین متحسسرک‪ ،‬میسسانگینی اسسست کسسه بسسا اضسسافه‬
‫کردن جدیدترین اطلعات و حذف کردن قدیمترین اطلعسات محاسسسبه مسسی شسود‪ .‬در جسسدول ذیسسل بسا ایسن فسرض کسه‬
‫جدیدترین میانگین سه ماهه )‪ (650‬متحمل ترین فروش مورد انتظار برای دوره آینده خواهد بود‪ ،‬پیش بینی فسسروش‬
‫برای اسفند به دست می آید‪.‬‬
‫میانگین متحرک‬ ‫میانگین متحرک‬ ‫میانگین متحرک‬ ‫میانگین متحرک‬ ‫اطلعات واقعی‬ ‫ماه‬
‫سوبل سه ماهه‬ ‫دوبل سه ماهه‬ ‫سه ماهه ششماهه‬ ‫فروش)واحد(‬
‫‪400‬‬ ‫فروردین‬
‫‪900‬‬ ‫اردیبهشت‬
‫‪425‬‬ ‫خرداد‬
‫‪575‬‬ ‫‪700‬‬ ‫تیر‬
‫‪675‬‬ ‫‪300‬‬ ‫مرداد‬
‫‪475‬‬ ‫‪600‬‬ ‫شهریور‬
‫‪575‬‬ ‫‪554‬‬ ‫‪533‬‬ ‫‪400‬‬ ‫مهر‬
 ‫‪561‬‬ ‫‪554‬‬ ‫‪433‬‬ ‫‪610‬‬ ‫آبان‬
‫‪480‬‬ ‫‪506‬‬ ‫‪537‬‬ ‫‪675‬‬ ‫آذر‬
‫‪539‬‬ ‫‪501‬‬ ‫‪548‬‬ ‫‪562‬‬ ‫‪650‬‬ ‫دی‬
‫‪514‬‬ ‫‪511‬‬ ‫‪539‬‬ ‫‪645‬‬ ‫‪625‬‬ ‫بهمن‬
‫‪497‬‬ ‫‪581‬‬ ‫‪593‬‬ ‫‪650‬‬ ‫پیش بینی اسفند‬

‫در صورتی که میانکین متحرک ششکاهه‪ ،‬یا میانگینهای متحرک دوبل و سوبل سه ماهه را بسسر اسسساس میانگینهسسای‬
‫متحرک سه ماهه محاسبه کنیم‪ ،‬تفاوتهایی را مشاهده خواهیم کرد‪.‬‬
‫میانگین سه مهه تغییرات کوتاه مدت در فروش را نشان می دهسسد؛ در حسسالی کسسه میسسانگین شسسش مسساهه اطلعسسات را‬
‫هموار تر مسسی سسسازد‪ .‬بیشسسترین اثسسر همسسوار کننسسده را بسسه ترتیسسب میانگینهسسای متحسسرک دوبسسل و سسوبل دارنسسد کسسه ‪(1‬‬
‫اطلعات نامرتب را هموار می سازند‪ (2 ،‬گرایسسش و رونسسد فسسروش را بسسه صسسورت محسوسسسی مسسی نمسسا یسسا ننسسد‪(3 ،‬‬
‫هرگونه تغیرات نا گهانی را در روند نشان می دهند‪(4 ،‬تغیرات فصلی روند را نشان می دهند‪.‬‬
‫میانگینهای متحرک چندین مزیت دارند‪ .‬محاسبات این روش بسیار ساده اسست‪ .‬هنگسامی کسه سسریهای فسروش ثسابت‬
‫باشد‪ ،‬این روش‪ ،‬پیش بنینی نسبتًا صحیحی را به دست می دهد‪.‬‬
‫نمودار ‪ 6-5‬میانگینهای متحرک سه ماهه و ششماهه‬
‫نمودار ‪ 6-6‬میانگینهای متحرک دوبل و سوبل‬
‫عیب این روش این است که میانگینهای متحرک بر مبنای این فرض محاسبه می شوند که داده های هر دوره دارای‬
‫ارزش برابر هستند؛ در حالی که اگر نوسانهای فصلی وجود داشته باشد‪ ،‬پیش بینی واقعی نخواهد بود‪.‬‬
‫هموار سازی نمایی‪ :‬برخی از پیش بینی کنندگان با اینکسه تمسایلی بسه نادیسده گرفتسسن برخسی اطلعسسات ندارنسسد‪ ،‬نمسسی‬
‫خواهند تحت تاثر اطلعات قدیمی پیش بینی کنند‪ .‬در این موقعیت‪ ،‬روش هموار سازی نمسسایی را انتخسساب مسسی کننسسد‬
‫که در آن از میانگینهای وزن دار استفاده می شود؛ چون در ایسن روش بسرای برخسی از اطلعسات اهمیست بیشستری‬
‫قائل می شوند‪ .‬در هموار سازی نمایی‪ ،‬مسسی تسسوان بسسا تسسوجه بسسه اهمیسست اطلعسسات جدیسسد بسسه آنهسسا وزن داد‪ .‬وزن بسسر‬
‫حساسیت پیش بینی به تغییرات گذشته اثر میگذارد‪ .‬فرمول متداول عبارت است از‪:‬‬

‫])‪F (t ) = F (t −1) + a[ D ( t −1) − F (t −1‬‬

‫در این فرمول‪ (F(t ،‬پیش بینی فروش در زمان ‪ (t، F(t-1‬پیش بینی فروش در زمان ‪ ،t-1‬ش ضریب بیسسن ‪0‬و ‪،1‬‬
‫‪ (D(t-1‬تقاضای برای دوره ‪ t-1‬است‪ .‬با انجام دادن عملیات ریاضی متوجه می شویم که تخمین آینده با تقاضسساهای‬
‫دوران گذشته ارتباط دارد‪:‬‬
‫)‪F (t ) = F (t − 1) + aD (t − 1) − aF (t − 1‬‬
‫)‪F (t ) = aD (t − 1) + (1 − a ) F (t − 1‬‬
‫)‪F (t − 1) = aD (t − 2) + (1 − a ) F (t − 2‬‬

‫‪F4 = aD 3 + (1 − a ) F3‬‬
‫)) ‪F4 = aD 3 + (1 − a )( aD 2 + (1 − a )( aD1 + (1 − a ) F1‬‬
‫‪F4 = aD 3 + a (1 − a ) D2 + a (1 − a ) 2 D3 + (1 − a ) 3 F1‬‬

‫‪F8 = aD 7 + a (1 − a ) D6 + a(1 − a ) 2 D5 + a (1 − a) 3 D4 + a(1 − a ) 4 D3 + a (1 − a) 5 D2‬‬

‫‪+ a(1 − a ) 6 D1 + (1 − a ) 7 F1‬‬
‫هر چند مقدار ‪ a‬بشتر باشد تخمین فروش بسسه تغییسر در بسسازار حساسسستر اسست؛ بسه عبسارت دیگسسر واکنسش نسسسبت بسه‬
‫تقاضای قبل سریعتر است‪ .‬ضریبهای ذیل برای ‪ a=0.8‬و ‪a=0.1‬با یکدیگر مقایسه کنید‪.‬‬
‫‪a=0.8‬‬ ‫‪a=0.1‬‬
‫‪a=0.1‬‬ ‫‪1-a=0.9-1‬‬
‫‪a(1-a)=0.16‬‬ ‫‪a(1-a)0.09‬‬
‫‪a(1-a)2=0.032‬‬ ‫‪a(1-a)2=0.081‬‬
‫در جدول ‪ 6-3‬محسبات مربوظ به تاکید زیاد و تاکید کم بر اطلعات جدید به ترتیب ش بزرگ و ش کوچسسک آورده‬
‫شده است‪.‬‬
‫هموار سازی نمای پایین‬ ‫هموار سازی نمایی بال‬ ‫فروش واقعی )واحد(‬ ‫ماه‬
‫‪400‬‬ ‫فروردین‬
‫‪400‬‬ ‫‪400‬‬ ‫‪900‬‬ ‫اردیبهشت‬
‫‪500‬‬ ‫‪750‬‬ ‫‪425‬‬ ‫خرداد‬
‫‪485‬‬ ‫‪523‬‬ ‫‪700‬‬ ‫تیر‬
‫‪528‬‬ ‫‪647‬‬ ‫‪300‬‬ ‫مرداد‬
‫‪482‬‬ ‫‪404‬‬ ‫‪600‬‬ ‫شهریور‬
‫‪504‬‬ ‫‪541‬‬ ‫‪400‬‬ ‫مهر‬
‫‪485‬‬ ‫‪442‬‬ ‫‪610‬‬ ‫آبان‬
‫‪510‬‬ ‫‪560‬‬ ‫‪675‬‬ ‫آذر‬
‫‪543‬‬ ‫‪640‬‬ ‫‪650‬‬ ‫دی‬
‫‪564‬‬ ‫‪647‬‬ ‫‪625‬‬ ‫بهمن‬
‫‪576‬‬ ‫‪632‬‬ ‫‪----‬‬ ‫اسفند‬

‫نمودار دو منحنی هموار شده نمایی اطلعاتی مذکور را نشان می دهد‪.‬‬

‫‪1000‬‬

‫‪800‬‬

‫‪600‬‬

‫‪400‬‬

‫‪200‬‬

‫‪0‬‬
‫ماه های سال‬
 ‫نمودار ‪ 6-7‬میانگینهای متحرک سه ماهه و ششماهه‬
‫یکی از این منحنیها نشان دهنده تاکید زیاد بر اطلعات جدید است و میزان فروش را دی ماه اسفند ‪ 632‬عسسدد پیسسش‬
‫بنینی می کند‪ .‬منحنی دیگر نشان دهندۀ تاکید کم بر اطلعات جدید است و میزان فروش را در همین مسساه ‪ 576‬عسسدد‬
‫پیش بینی می نماید‪.‬‬
‫مزیت این روش این است که چون مدیر میزان اهمیت را تعییسسن مسسی کنسسد در هموارسسسازی نمسسایی میتسسوان از عامسسل‬
‫قضاوتی برای پیش بینی فروش استفاده کرد‪ .‬در این روش مانند روش میانگین متحرک‪ ،‬اشسستباهات گذشسسته نزدیسسک‬
‫هموار شده و بر آن اساس تخمین جاری میانگین تعدیل می گردد‪.‬‬
‫این روش معایبی نیز دارد‪ .‬پیش بینی مانند دیگر پیش بینیهای سریهای زمانی بر این فرض اسسستوار اسسست کسسه آینسسده‬
‫را می توان بر اساس مطالعه تاریخچه گذشته پیش بینی کرد؛ بنا براین کاربرد هموارسازی نمایی بسسه پیسسش بینیهسسای‬
‫کوتاه مدت محدود است و صحت آن از متوسط تا خیلی خوب متغیر است‪.‬‬
‫مففدل بففاکس جنکینففز‪ :‬در ایسسن روش بسسرای محاسسسبه تحرکسات دوره ای از روشسسهای اتوماتیسک قهقرایسسی و میسانگین‬
‫متحرک و برای محاسبه تحرک فصلی و روند از روشهای متفاوتی استفاده می شود‪.‬‬
‫مزیت مدل باکس در این است که پیش بینیهای بسیار درستی را در کوتاه مدت به دست میدهد‪ .‬این روش معایبی هم‬
‫دارد استفاده از آن مستلزم داشتن مهارتهای فنی برای انجام دادن تحلیلهای مبنی بر مسدل سسازی اسست‪ .‬هزینسسه هسای‬
‫کامپیوتری بالی نیز دارد و کسانی که از آن استفاده می کنند باید مزایای صسسحت بسسالتر را در مقابسسل زمسسان مسسورد‬
‫نیاز و پیچیده گی روش ارزیابی کنند‪ .‬همچنین برای نشان دادن نقاط عطف در سسریهای دوره ای خسسوب عمسسل نمسسی‬
‫کند‪.‬‬
‫روشهای کمی دیگر‪ :‬روشهای کمی دیگر عبارتند از‪ :‬تحلیل همبستگی‪ ،‬روش کمترین مجذور)رگراسیون( و روش‬
‫قهقرایی چند متغیره )رگراسیون چند متغیره(‪ .‬در اینجا به طور خلصه این روشهای را شرح می دهیم‪.‬‬
‫تحلیل همبستگی‪ .‬در برخی از موارد‪ ،‬مدیر شرکت میتواند با توجه به فروش محصولت دیگسسر‬ ‫‪.1‬‬
‫فروش محصول خود درا پیش بینی کند‪ .‬تحلیل همبستگی روشی است که در آن فروش محصولی با تسسوجه‬
‫به فروش‪ ،‬استفاده یا موجود بودن یک یا چند محصول دیگر پیش بینی می شود بسسرای مثسسال تولیسسد سسالیانه‬
‫فولد پیش بینی کننده صحیحی برای فروش سنگ آهن است‪ .‬هدف از تحلیل همبستگی یسسافتن یسسک یسسا چنسسد‬
‫متغیر است که به طور صحیح تغیرات در متغیر دیگری را پیش بینی می کند‪ .‬البته مسسدیران بایسسد اطمینسسان‬
‫حاصل کند که بین فروش محصول پیش بینی می کننسسده و محصسسول مسسورد نظسسر همبسسستگی واقعسسی وجسسود‬
‫دارد و این امر تصادفی نیست‪.‬‬
‫روش کمترین مجذور‪ .‬در این روش ازمیان نقساط اطلعسات خسط راسستی محاسسبه مسی شسود کسه‬ ‫‪.2‬‬
‫کمترین فاصله را با هم یک از این نقاط دارد‪ .‬خط بدست آمده خطی است که مجذور فاصله بیسسن آن و هسسر‬
‫یک از نقاط حد اقل باشد‪ .‬معادله آن عبارت است از‪:‬‬

‫‪y = a + bx‬‬
‫در این معادله‪ x ،‬متغیر مستقل‪ y ،‬متغیر وابسته‪ a ،‬محل تقاطع با محور ‪ y، b‬ضریب زاویه است پارامتر های ‪ a‬و‬
‫‪ b‬را از فرمولهای ذیل میتوان بدست آورد‪:‬‬

‫=‪a‬‬
‫‪∑ y − b∑x‬‬
‫‪N‬‬
‫) ‪N (∑xy ) − ( ∑x )( ∑y‬‬
‫=‪b‬‬
‫‪N (∑x 2 ) − ( ∑x ) 2‬‬

‫فرص کنید با توجه به هزینه های تبلیغات می خواهیم فروش را پیش بینی کنیم‪.‬‬

‫جدول ‪ 6-4‬محاسبه مقادیر در روش کمترین مجذور‬

‫‪y‬‬ ‫‪x‬‬ ‫‪x‬‬ ‫‪2‬‬
‫‪xy‬‬ ‫‪y2‬‬
‫‪20‬‬ ‫‪8‬‬ ‫‪64‬‬ ‫‪160‬‬ ‫‪400‬‬
‫‪22‬‬ ‫‪9‬‬ ‫‪81‬‬ ‫‪198‬‬ ‫‪484‬‬
‫‪26‬‬ ‫‪12‬‬ ‫‪144‬‬ ‫‪312‬‬ ‫‪676‬‬
‫‪18‬‬ ‫‪7‬‬ ‫‪49‬‬ ‫‪126‬‬ ‫‪324‬‬
‫‪12‬‬ ‫‪5‬‬ ‫‪25‬‬ ‫‪60‬‬ ‫‪144‬‬
‫‪∑y =98‬‬ ‫‪∑x‬‬ ‫‪2‬‬
‫‪= 363‬‬ ‫‪∑xy‬‬ ‫‪=856‬‬ ‫‪∑y = 2028‬‬
‫‪2‬‬

‫‪∑x = 41‬‬

‫) ‪5(856 ) − (41)( 98‬‬

‫=‪b‬‬ ‫‪= 1.95‬‬
‫‪5(363 ) − ( 41) 2‬‬
‫‪98‬‬ ‫‪41‬‬
‫=‪a‬‬ ‫) ‪− (1.95‬‬ ‫‪= 3.75‬‬
‫‪5‬‬ ‫‪5‬‬
‫‪y = 3.75 +1.95 x‬‬

‫حال اگر بخواهیم بدانیم که تخمین فروش برای هزینه تبلیغات به ارزش ‪ 15‬چقدر خواهد شد از فورمول ذیل‬
‫بدست آمده می تواند‪.‬‬
‫‪y = 3.75 +1.95 (15 ) = 32 .82‬‬

‫روش ریگراسیون‪ :‬با استفاده از روش رگراسیون چند متغیره می توانیم ارتباط بین فروش و چند متغیر مستقل را‬
‫محاسبه کرد‪ .‬پارا متر هایی که اغلبًا تجزیه و تحلیل می شوند عبارت اند از‪:‬‬
‫قیمت‪ ،‬درآمد‪ ،‬جمعیت و تبلیغات؛ برای مثال از شرکتهای تولید کننده نوشابه در امریکا با این روش فرمول ذیل را‬
‫محاسبه کرد‪:‬‬
 ‫‪y = −145 .5 + 6.46 x1 − 2.37 x 2‬‬

‫در این فرمول‪ X1 ،‬میانگین درجه حرارت سالنخ به فانهایت و ‪ X2‬در آمد سالنه تقسیم بر ‪ 1000‬است‪ .‬در یکی‬
‫از ایالتهای آن کشور میانگین درجه حرارت سالنه ‪ 54‬درجه فارنهایت و درآمد سرآنه ‪ 24‬هزار دالر بود‪ .‬با‬
‫استفاده از فرمول مذکور می توان فروش سرانه نوشابه در سال را در این ایالت چنین تخمین زد‪:‬‬
‫‪y = −145 .5 + 6.46 (54 ) − 2.37 (24 ) =146 .6‬‬

‫فروش حقیقی سرانه نوشابه در این ایالت ‪ 143‬عدد بود‪ .‬با این فرمولها مانند همین فرومول می توان پیش بنینی کل‬
‫فروش در ایالت دیگر را به دست آورد ‪.‬‬
‫مسائل مربوط به پیش بینی‬
‫انتخاب روش پیش بنی فروش مسئله مهمی در فرایند پیش بینی است ؛ اما مسائل دیگری نیز وجود دارد که در‬
‫پیش بینی داریی اهمیتند؛ مانند کاهش دادن اشتبهای پیش بینی ؛ ایجاد روش پیش بینی قابل اعتماد و محول کردن‬
‫مسئلیهای پیش بینی‪.‬‬
‫کاهش دادن اشتباهات پیش بینی‬
‫فرضهای غلط علت اصلی اشتباه در پیش بینی است‪ .‬مدیر هنگام پیش بینی فروش اغلبًا راجع به آینده فرضها را‬
‫در نظر گیرد؛ بنا بر این منطقی بودن این فرضها باید بررسی شوند؛ برای مثال مدیران فروشگاهی مانند‬
‫فروشگاههایی زنجیره ای قدس می توانند فرض کنند علقه مندی به محصولتی که عرضه کرده اند کاهش چندانی‬
‫نخواهد داشت‪ ،‬ولی فرضهای غیرد منطقی‪ ،‬بخصوص در مورد به کار گیری تکنولوژی جدید‪ ،‬بسیاری از پیش‬
‫بینیها را بی اثر ساخته است‪ .‬هلیکوپترهای شخصی‪ ،‬منازل پلستیکی و هتلهای زیر دریایی محصولتی هستند که‬
‫به تغیرات بسیاری در رفتار و طرز تفکر مشتریان بستگی دارند‪ .‬در گذشته پیش بینی کننده گان به طور غلط‬
‫فرض کرده بودند که مردم خواهان چنین تغیرات هستند همچنین زمانی بسیاری از شرکتها فکر می کردند‬
‫لستیکهای رادیال‪ ،‬کتابهای جیبی‪ ،‬ساعتهای دیجیتال و پوشکهای یا بار مصرف مجصولتی هستند که مقبولیت‬
‫وسیع پیدا نخواهند کرد‪.‬‬
‫مسله بعدی در مورد کاهش دادن سطح اشتباهات منطق اعداد بدست آمده است برای مثال آیا پیش بینی فروش سهم‬
‫بازاری باور نکردنی را نشان می دهد؟ قضاوت و عقل سلیم در اینجا کمک کننده است‪ .‬با بررسی روشهای که در‬
‫ل در میابیم که نمام این روشها تا حدی بسیار مستلزم قضاوتی مدیریتی است‪ .‬در این‬
‫باره آن توضیع دادیم احتما ً‬
‫روشهای باید در مورد نوع رو ش مورد استفاده‪ ،‬تعداد و نوع اطلعات و عوامل دیگر از قبیل وزن دادن به‬
‫اطلعات تصیم گیری شود‪ .‬این مسئله نکته مهمی را اشکار می سازد اینکه در استفاده از هر روش منتخبی‪ ،‬نمی‬
‫توان اطلعات را به کامپیوتر داده نتیجه را کورکورانه پذیرفت‪ .‬تجربه و قضاوت درست همشه جنبه های‬
‫ضروری در فروآیند پیش بینی است‪.‬‬
‫ایجاد روش پیش بینی قابل اعتماد‬
‫نتیجه روش پیش بینی ای که بدقت تنظیم شده است پیش بینیهای فروش قابل اعتماد است‪ .‬روشهای پیش بینی بر تر‬
‫داری شرایط هستند‪:‬‬
‫ارزیابی و آزمون دقیق گزینه های پیش بینی‬ ‫‪.1‬‬
‫انتخاب دقیق داده های اطلعاتی‬ ‫‪.2‬‬
‫اطلع از امکان اشتباههای پیش بینی‬ ‫‪.3‬‬
‫تعریف دقیق فرضهایی که مبنای پیش بینی است‬ ‫‪.4‬‬
‫توجه دائمی به بروز و تصحیح پیش بینیهای فبلی و اثر بخشی آنها در پیش بینیهای آینده‪.‬‬ ‫‪.5‬‬

‫محول کردن مسولیتهای پیش بینی‬

‫در اغلب شرکتها بازرگانی‪ ،‬پیش بینیهای فروش و بازار از طرفی کارکنانی بازاریابی و غیر بازاریابی در سطوح‬
‫مختلف مدیریتی آماده و بررسی می شود‪ .‬شرکتهای بزرگ از کارشناسان خود استفاده می کنند‪ .‬این افراد پیش‬
‫بینیهای اقتصادی و فروش را برای بررسی و تصویب به مدیران عالیمرتبه می دهند‪ .‬برخی از شرکتها برای به‬
‫دست آوردن تعهد سازمانی به پیش بنینی فروش‪ ،‬مسولیت پیش بینی را به کارشناسان فروش و مدیران محصول‬
‫تفویض می کنند‪ .‬در شرکتهای دیگر پیش بینی ها از طرف مدیر کل‪ ،‬معاون بازاریابی و یا مدیر مالی بررسی و‬
‫ل در پیش بینی نقش اصلی را ایفا می کنند‪ .‬برنامه‬
‫تصویب می شود‪ .‬برنامه ریزی بازار و مدیران محصول معمو ً‬
‫ریزان بازرا بر روندها در صنعت تاکید می کنند‪ .‬در بیشتر موارد مدیران محصول دونوع پیش بنینی تهیه‬
‫مینمایند‪:‬‬
‫پیش بینی کوتاه مدت سه ماهه یا یکساله و پیش بینی بلند مدت پنجساله که هز ساله مطابق با اطلعات جدید اصلح‬
‫گردیده‪ ،‬ادامه میابد‪.‬‬

‫روندها و گرایشها درپیش بینی‬

‫بسیاری از شرکتها فروش را با ترکیب دو یا چند روش که در باره آن گفتگو کردیم پیش بینی می کنند‪ .‬فرایند‬
‫تحلیل فروش ممکن است با بررسی نظر های مدیران آغاز شده‪ ،‬با بررسی قصد مشتریان از خرید‪ ،‬تحلیل سریهای‬
‫زمانی‪ ،‬تحلیل همبستگی و آزمایش بازار ادامه یابد‪ .‬این روشها مانعته الجمع نیستن‪ ،‬بلکه همه در جهت بهبود‬
‫توانایی شرکت برای بررسی وضعیت آینده به وجود آمده اند؛ بنابر این آنجا که بودجه و برنامه اجازه دهد‪ ،‬اگر از‬
‫روشهای بیشتری استفاده شود بهتر است‪ .‬روند دیگر این است که مدیران به جای تخمین ساده‪ ،‬درخواست طیفی از‬
‫اعداد و احتمال رویداد واحتمال رویداد آنها را می نمایند‪ .‬در سالهای اخیر نیز ساخت کامپیوتر و نرم افزار های‬
‫کامپیوتری استفاده از روشهای پیشبرفته پیش بینی را امکان پذیر کرده است‪.‬‬