CC BY
14КОМПЛЕКСНАЯ ОЦЕНКА ОЖИДАЕМОГО ЭФФЕКТА ОТ ИННОВАЦИОННОГО ПРЕДЛОЖЕНИЯ ФИРМЫ (прогнозирование продаж)
Костецкий Андрей Николаевич,
заведующий кафедрой маркетинга и торгового дела, к. э. н., доц., Кубанский Государственный университет, г. Краснодар
Тян Елена Геннадиевна,
соискатель ученой степени канд. эконом. наук кафедры маркетинга и торгового дела, Кубанский Государственный университет, г. Краснодар lentyan@yandex.ru
В условиях быстрорастущей высокой конкуренции на товарных рынках важная роль отводится новым товарам. В российской бизнес-практике достаточно устойчивым является представление об инновационном продукте как о принципиально новом продукте, не имеющем аналогов или обладающим выдающимися качественными характеристиками, являющимися результатом сверхсложных наукоемких технологий. В то же время классическая маркетинговая модель продуктовых инноваций предполагает несколько
уровней дифференциации понятия «новый продукт» — принципиальная новинка, модернизированный продукт, перепозиционированный продукт. Кроме того, использование маркетинговых принципов потребительского восприятия инноваций предполагает, что для потребителя технико-технологическая сложность и новизна продукта сами по себе не имеют значения, для него важно субъективное ощущение новизны в воспринимаемом обобщенном качестве, т. е. совокупной полезности. Данная полезность формирует-
ся не только из рациональных, но и эмоциональных составляющих. Таким образом, на наш взгляд, при определении перспективы успеха инновационных продуктов большое значение имеет не только учет потребительских ценностей, которые вследствие изменений могут влиять на ожидаемый эффект (объем продаж). Прогнозирование успеха инновационных продуктов имеет высокий уровень неопределенности, который связан с новизной объекта.
Согласно исследованию К. Кана, точность прогнозов продаж новых продуктов составляет чуть более 50%1. Это связано и с отсутствием исторических данных в качестве основы анализа, и со специфическими характеристиками, присущими распространению новых продуктов. В результате фирма сталкивается с неточными прогнозами, которые являются следствием снижения эффективности всей деятельности предприятия в целом.
Вместе с тем в литературе по маркетингу существует множество методик, направленных на улучшение точности прогнози-
' Kahn K.B. (2006). New Product Forecasting: an Applied Approach. New York: M.E. Sharpe, Inc.E.
рования продаж нового продукта. Данные методики основаны на методах и моделях математической статистики и экономико-математического подхода.
В целом основываясь на анализе временных рядов, С.В. Че-ремушкин использует метод простого экспоненциального сглаживания2. В этом случае более старым наблюдениям приписывают экспоненциально убывающие веса и учитывают все предшествующие наблюдения ряда, а не те, что попали в определенное окно. Простое экспоненциальное сглаживание применяют только для прогнозирования стационарных временных рядов, т. е. таких, в которых отсутствуют тренд и сезонность. Существенно повысить точность получаемых на основе временных рядов прогнозов относительно динамики рыночных долей и объемов продаж позволяет учет сезонности, анализ сезонных колебаний объема продаж по соответствующему виду продукта. Такие более сложные версии Хейга Пола учитывают различные виды тренда и сезонности3.
В рассматриваемой методике И.В. Степновой при выявлении чистой зависимости продаж от цены предлагается исключить
влияние сезонного фактора, а затем, соответственно, и коэффициент сезонности4. При этом в качестве базовых методов прогнозирования используются методы математической статистики — анализ временных рядов и простая экстраполяция.
Иной подход к прогнозированию на основе анализа временных рядов предлагают А.С. Рогов, И.А. Дубровин5. При данном подходе прогноз осуществляется с помощью нейронных сетей. Данные о прогнозируемой переменной, например, уровне рыночного спроса, объеме продаж за некоторый промежуток времени, образуют направление, которое определяется значением прогнозируемой переменной в некоторый момент времени за пределами данного промежутка, т. е. значением переменной через интервал прогнозирования.
Основным недостатком рассмотренных выше методов и соответствующих методик прогнозирования является необходимость большого количества статистических данных прошлых лет. Тем не менее даже при наличии такой информации, высокая степень совпадения результатов трендовых прогнозов с фактическими данными соответствует ситуациям, характе-
ризующимся неизменностью потребительских предпочтений, а также действиям конкурентов, ценовой политике и другим составляющим элементов комплекса маркетинга. В остальных случаях степень совпадения прогнозируемых данных объемов продаж продукта с фактическими достаточно низка.
Достаточно популярным методом является пробный маркетинг. Такие авторы, как Кевин Дж. Кленси, Питер Крейг, Марианна МакГерри Вольф6, О.А. Панчен-ко7 предлагают свои методики его проведения и прогноза на его основе. Последний предлагает проведение тестирования сначала в каналах товародвижения, далее оптового звена и конечного потребителя.
Другим направлением, однако и более сложным инструментом прогнозирования, являются модели, а также соответствующие методики, устанавливающие причинно-следственные связи (экономико-математическое моделирование). Данные методики прогнозирования объемов продаж основываются на корреляционно-регрессионном анализе и включают разработку прогнозных моделей.
Так, Басс Ф. предлагает методику, описывающую рост во вре-
2 Черемушкин С.В. Прогнозирование спроса и количественная оценка эффективности методов стимулирования продаж (часть 1) // Управление продажами № 5(48). 2009.
3 Хейг Пол. Бизнес-прогнозирование. - М.: ИД «Вильямс», 2003.
4 Степнова И.В. Прогнозирование потребительского спроса в зависимости от цены на товар // Маркетинг и маркетинговые исследования. № 3 (75). 2008.
5 Рогов А.С, Дубровин И.А. Эффективное сырьевое обеспечение мясоперерабатывающих предприятий. - М.: ООП ФГУЭП «ЭФЕС», 2003.
6 Кевин Дж. Кленси, Питер С. Крейг, Марианна МакГерри Вольф. Как спрогнозировать успех нового продукта. -М.: Вершина, СПб., 2007.
7 Панченко О.А. Методика прогнозирования и моделирования объемов продаж нового продукта // Индустриальный
мени объемов продаж, а также доли рынка анализируемой продукции8, согласно которой объем продаж растет по закону модели жизненного цикла инновационной восприимчивости продукта. Проводится регрессионный анализ и на данной основе предлагается следующая модель:
dy/dt = (р + q ■ у - Ш где р, q — параметры уравнения регрессии, подлежащие оценке, значения которых определяют величину роста продаж по данной продукции в результате ее приобретения новаторами.Значения этих параметров всегда положительны, поэтому с ростом значений данных коэффициентов рост продаж и доли рынка возрастает, это приводит к уменьшению периода первоначального распространения продукции.
В целом рассмотренные выше методики и модели в основном учитывают факторы времени и цены. Данные факторы являются традиционными и достаточно ограничивают возможности оптимального прогнозирования результата от внедрения продукта — новинки.
Предлагаемая нами методика основывается на концепции потребительской ценности, предлагаемой в статье «Исследование особенностей потребительского восприятия нового продукта в инновационной поли-
тике фирмы»9. Сущность сводится к тому, что предлагаемый фирмами инновационный продукт воспринимается потребителями на основе совокупности ценностных элементов. Каждый ценностный элемент представляет собой реализацию одного из блоков традиционного комплекса маркетинга (продукт (качество), цена, место (доступность), продвижение (информированность), в свою очередь формирующихся из набора частных характеристик. Количество частных характеристик для блока «качество» может быть различным в зависимости от особенностей анализируемого продукта. Что касается других базовых блоков, то они могут совпадать для многих продуктов. Следовательно, создание любого продукта заключается в повышении его ценности. С этой точки зрения модернизация или создание абсолютно нового продукта необязательно связаны только с изменением качества продукта. Изменение ценовых параметров, повышение удобства приобретения, более высокий уровень информированности также дают потребителям прирост ощущаемой ценности и в перспективе приводят к росту объемов продаж. Описываемая ниже методика направлена на выявление потенциала роста объема продаж за счет изменения важных составляющих по-
требительской ценности продукта. В целом предлагаемая нами методика прогнозирования объема продаж, основанная на пробном маркетинге, состоит из следующих этапов: 1.Определение общего коэффициента прироста продаж. 2.Оценка вероятности прогноза.
Первый этап включает следующие действия:
Используя следующие варианты изменений ценностей: минимально, незначительно, значительно, проводим опрос потребителей о желаемом варианте изменения потребительской ценности продукта, что будет способствовать ее росту. Всех респондентов принимаем за сто процентов (100%). Введем коэффициент значимости Кзн. Чем больше доля опрошенных, тем выше значимость.
Изменения в целом по ценности, а также по различным параметрам, составляющим данные ценностные элементы, в различной степени могут повлиять на объемы потребления, следовательно, на объемы продаж данного продукта. Для этого мы предлагаем провести дальнейший опрос потребителей. Данный опрос будет основой для анализа изменения объема потребления, если изменяется каждый из значимых параметров, составляющих элементы ценности.
Сначала определим для каждого блока количество частных
маркетинг и В2В маркетинг. № 2 (44). 2011.
8 Bass Model Forecaster / Bass Basement Research institute Bass Model/-mode of access: http:/www.bassbasement. org/ Forecaster aspx.
9 Тян Е.Г. Исследование особенностей потребительского восприятия нового продукта в инновационной политике фирмы// Маркетинг и маркетинговые исследования. № 5. 2011.
А. Костецкий, Е. Тян. Комплексная оценка ожидаемого эффекта от инновационного предложения фирмы ...
характеристик, имеющих значимость для потребителя при выборе продукта, воспользовавшись стандартной процедурой опроса, при этом чем больше доля опрошенных, отдавших свой голос за тот или иной параметр, тем выше коэффициент значимости этого параметра в общем перечне характеристик. Кроме того, данная процедура позволяет исключить малозначимые характеристики, попавшие в перечень на первом этапе случайно, например, с коэффициентом значимости менее порогового значения 0,1.
Используем следующие варианты изменения потребления: несущественно, существенно, весьма существенно, упадет.
Многократные консультации с менеджерами дают нам возможность задать диапазон соответствующих значений изменений для каждого варианта (табл. 1). При этом необходимо отметить, что изменение отдельных базовых блоков, а также частных параметров возможны в сторону как повышения, так и снижения, что в целом будет способствовать росту потребительской ценности.
Возможные варианты изменений потребления при каждом варианте изменения ценности приведены в таблице 2.
При каждом варианте значения изменений ценностных параметров дается один вариант изменения потребления. Найдем коэффициент значимости для вариантов потребления как долю опрошенных при данном варианте изменений ценности.
Далее найдем среднее значение изменений потребления
д = : 100,
п
где
д/ — среднее значение / варианта изменений потреблений; Хд;. — сумма значений /'варианта изменений потреблений; п — количество значений в данном варианте изменений.
Скорректируем данное значение на коэффициент значимости для определения коэффициента прироста продаж.
К = д.х К ,
пр / зн
где
Кпр — коэффициент прироста продаж по данному параметру и варианту изменений; д/— среднее значение /варианта изменений;
Кн — коэффициент значимости.
Заносим результаты в сводную таблицу 3.
Общий коэффициент прироста продаж по каждому параметру варианта будет равен сумме составляющих коэффициентов прироста
Кобщ
Таблица 1
Значения изменений блоков ценности
Изменения ценности пов./сниж. Значения, %
Минимально 1-5
Незначительно 5-10
Значительно 11-40
Таблица 2 Значения изменения вариантов потребления
Изменения потребления Значения, %
Увеличится: 1. Несущественно 1-10
2. Существенно 11-20
3. Весьма существенно 21-40
4. Упадет 0
5. Не изменится 0
Таблица 3
Результаты прогнозных расчетов
Вариант изменений блок Вариант Кзн к гр
ценности (повыш./сниж.) потребления пов СНИЖ пов СНИЖ
Качество 1.1 1 Кзн Кзн Кпр1 Кцр1
2 Кзн Кзн Кпр1 Кцр1
п Кзн Кзн Кпр1 Кпр|
1.2 1 п Кзн Кзн Кпр1 Кпр1
В„ Цена 2.п 1 п Кзн Кзн Кпр1 Кпр|
доступность З.п 1 п Кзн Кзн Кпр1 Кпр1
Информиро ванностъ 4.п 1 п Кзн Кзн Кпр1 Кпр1
Таблица 4
Сравнительные данные прогноза продаж при изменении ценности
Изменения ценности Коэффициенты прироста Общий коэффициент прироста
Качество Пов/сниж Цена Пов/сниж Доступность Пов/сниж Информирован. Пов/сниж Пов/сниж
минимально Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кобщ Кобщ
незначительно Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кобщ Кобщ
значительно Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кпр1 Кобщ Кобщ
где
Кобщ — коэффициент прироста продаж общий по параметру ценности;
£Кпр/ — сумма коэффициентов прироста продаж по параметру.
В целом коэффициент прироста продаж за счет изменения ценности в целом по данному варианту изменений
КЦ = ЕКобщ ,
где
Кцц — коэффициент прироста продаж при данном варианте изменения ценности; £Кобщ — сумма коэффициентов прироста продаж общая по данному элементу ценности.
Общая прогнозная модель, предлагаемая нами, складывается из прогнозных составляющих параметров. В целом общий прирост объема продаж нового продукта будет обеспечивать повышение ценности качества, цены, доступности, информированности. КЛ = К+ К+ Кд + К,
Л к ц д и'
общ прогн к
где
К
общ прогн
— общий коэффициент прироста объема продаж; К — коэффициент прироста
продаж за счет изменения качества;
Кц — коэффициент прироста продаж за счет изменения цены; Кд — коэффициент прироста продаж за счет изменения доступности;
Ки — коэффициент прироста продаж за счет изменения информированности.
Заносим полученные результаты в сводную таблицу 4.
Однако необходимо иметь в виду, что не любое значение, выражающее прирост объема продаж, будет свидетельствовать о перспективе успеха продукта на рынке. Так, если общий коэффициент прироста продаж обеспечивает меньший доход или доход, равный вложенным затратам, это означает, что в этом случае идея продукта не принесет прибыли. Поэтому можно говорить об успехе, если общий коэффициент прироста продаж будет свыше 50%.
Сравнительный анализ полученных данных позволяет определить оптимальные изменения каждого из элементов ценности,
обеспечивающие наибольший прирост продаж.
Второй этап. При оценке вероятности прогноза введем коэффициент вероятности (Кв), чем ближе он к 1, тем больше вероятность данного прогноза. Коэффициент вероятности (Кв) определяется соответствующими коэффициентами значимости, определенными на первом этапе, при определении в целом варианта изменения ценности.
Таким образом, предложенная прогнозная модель позволяет наиболее полно учитывать все возможные факторы ценности, влияющие на объем продаж, так как прогнозируются изменения продаж за счет не одного фактора, а всех элементов, обеспечивающих продукту потребительскую ценность. Оценка вероятности прогноза снижает риск, связанный с недопрогно-зированием и перепрогнозированием, что имеет важное значение для определения перспективных результатов инновационной продуктовой политики фирмы.
