市场需求测量与预测.ppt

营销决策模型,MarketingDecisionModel,河海大学商学院,第三章市场需求测量与预测,本章要点市场需求与企业需求市场需求测量的概念及方法市场需求预测的方法,Page2,第一节需求测量的相关概念,一、市场需求的概念（一）市场需求市场需求是关于产品价格、产品改进、促销和分销、营销预算甚至市场环境的影响的函数。市场需求函数或市场反应函数市场需求函数不随时间变化，只表示当前营销努力与当前需求的关系。,Page3,市场最小值（基本销售量）在没有任何需求刺激，不开展任何营销活动，市场对某种产品的需求仍会存在，这种情形下的销售额称为基本销售量（也称市场底量）。市场潜量指市场需求的最高界限，既指在一定区域、一定时间内以及一定营销环境和一定的营销费用水平条件下，消费者可能购买的商品总量。销售灵敏度市场最小值与市场潜量之间的距离，表示行业营销对市场需求的影响力。,Page4,（二）企业需求在一定时点下，市场总需求中企业所占的需求份额Qi=SiQQi企业i的需求Si企业i的市场占有率Q市场总需求,Page5,二、市场需求测量的相关概念,Page6,需求测量,潜量测量,总市场潜量,区域市场潜量,企业市场潜量,实际量测量,行业实际量,企业实际量,企业市场份额,测量市场或企业在一定营销环境下市场需求的最大值,行业及企业在某一时点的实际销售额和市场占有率,（一）潜量测量中包含的概念1.总市场潜量：在一定期间内，一定水平的行业营销努力下，在一定的环境条件下，一个行业中所有企业可能达到的最大销售量。Q=nqpQ总市场潜量n既定条件下，特定产品或市场中购买者的数量q平均每个购买者的购买数量p单位产品价格,Page7,连锁比率法是一种估计市场总需求的方法，该法是将一个总数乘以若干个百分比加以调整。该方法就是对与某产品的市场潜量相关的几个因素进行连锁相乘，即通过对几个相关因素的综合考虑，进行预测。例：美国海军计划每年吸收112,000名高中毕业生入伍，这个目标与市场潜量相比是否合理，可以估计市场潜量如下:,Page8,2.区域市场潜量（1）市场累加法：先识别某一地区市场的所有潜在顾客并估计每个潜在顾客的购买量，然后计算得出该地区市场需求。当企业掌握左右潜在买主的名单以及每个人可能购买产品的估计量时，则可直接应用市场累加法。多用于产业用品生产企业（2）多因素指数分析法：是利用指数体系，对现象的综合变动从数量上分析其受多个因素影响的方向、程度及绝对数量。多用于消费品生产企业,Page9,3.企业市场潜量指企业的营销力量相对于竞争者不断增加时，企业需求所达到的极限。极端情况（垄断）企业潜量市场潜量,Page10,（二）实际量测量中的相关概念1.行业实际量行业内的实际需求量实际量测量的关键：对于竞争对手的识别及其销售量的估计用企业销售状况与整个行业发展相比较例：企业的销售额年增长率为6%，整个行业的增长率为10%,Page11,2.企业实际量与市场占有率市场占有率：企业实际销售量与行业销售量之比各竞争者的市场占有率同其营销力量成正比Mi企业i的营销力量Mi行业营销力量考虑各企业营销费用的使用效率ai企业i花费的营销费用的有效率,Page12,考虑营销努力弹性指数emi相对于企业i的有效营销力量的市场占有率弹性分析企业营销力量的各个主要组成部分，分别考虑个组成部分的有效性及弹性,Page13,0非耐用消费品,Page20,（二）市场实验法指在即定条件下，通过实验对比，对市场现象中某些变量之间的因果关系及其发展变化过程加以观察分析的一种调查方法。适用于：购买者对购买没有认真细致的计划购买意向变化不定专家意见不可靠预测新产品的销售情况预测现有产品在新的地区或通过新的分销渠道的销售情况,Page21,三、时间序列法时间序列是按时间顺序的一组数字序列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。方法假设：1.过去的统计数据之间存在着一定的关系，而且这种关系利用统计方法可以揭示出来；2.过去的销售状况对未来的销售趋势有决定性影响，销售额只是时间的函数。,Page22,（一）简单平均法根据过去已有T期的销售量，用平均数的方法来预测下一期的销售数值。设时间序列已有的销售量为X1,X2,Xt，则第t+1时期预测的销售量：适用于对较为平稳的时间序列进行预测。,Page23,（二）移动平均法将最近K期数据加以平均作为下一期的预测值，是简单平均法的一种改进。设Xt为t时期的销售量，则t+1时期预测的销售量为：,Page24,例：某地区运用移动平均法进行葡萄酒销量预测的结果。,Page25,K值的确定（拥有n期销售量的观察值）K=n，利用全部n个观察值的算术平均值作为预测值；K=1，利用最新的观察值作为下一期的预测值；当数据的随机因素较大时，宜选用较大的K；反之，宜选用较小的K。优点：计算量小，能较好地反映时间序列的趋势及变化。缺点：K个过去观察值中每一个权数都相等，往往与事实不符。,Page26,（三）指数平滑法是通过对原始数据的修匀来显示其规律性，并建立预测模型反映这种规律，达到预测目的的一种预测方法。基本思想：预测值是以前观测值的加权和，且对不同的数据给予不同的权数，新数据给予较大的权数，旧数据给予较小的权数。指数平滑法是生产预测中常用的一种方法。也用于中短期经济发展趋势预测。所有预测方法中，指数平滑是用得最多的一种。,Page27,指数平滑法的基本公式St第t期的平滑值Xt第t期的实际值St-1第t-1期的平滑值平滑常数，其取值范围为0,1,Page28,影响预测系数的St由历史数据加权形成，且权数,(1-),是递减的。t期的平滑值与t-1期及之前的所有期的实际观察值按(1-)n的n递增，所以这里就是指数平滑法中的“指数”的意义所在。对离预测期较近的观察值赋予较大的权数，对离预测期较远的观察值赋予较小的权数，权数由近到远按指数规律递减，所以叫做指数平滑法。,Page29,加权系数的选择在指数平滑法中，预测成功的关键是的选择。的大小规定了在新预测值中新数据和原预测值所占的比例。值越大，新数据所占的比重就越大，原预测值所占比重就越小，但平滑作用越差；反之亦然。当原始数据波动剧烈时，取值宜小，以增强平滑效果；反之，则宜取大些。常用值有0.1,0.3,0.5,0.9等。初始平滑值的选择S0是第0期的平滑值，但数据中并没有第0期的平滑值。当样本为大样本时（n42），S0一般以第一期的观察值X1代替；当样本为小样本时（n42），S0一般取前几期的平均观察值代替。,Page30,根据平滑次数不同，指数平滑法分为：一次指数平滑法二次指数平滑法三次指数平滑法,Page31,1.一次指数平滑适用于历史数据呈水平发展趋势的预测。当时间数列无明显的趋势变化，可用一次指数平滑预测。其平滑公式为：St(1)第t期的一次指数平滑值；Xt第t期的实际值；加权系数（也称平滑系数）。预测公式：第t+1期的预测值,Page32,例：已知某种产品最近15个月的销售量如下表所示，用一次指数平滑值预测中下个月的销售量y16。,Page33,为了分析加权系数的不同取值的特点，分别取0.1,0.3,0.5计算一次指数平滑值，并设初始值为最早的三个数据的平均值：以0.5的一次指数平滑值计算为例，有,Page34,以此类推，求得0.1,0.3,0.5时的一次指数平滑值数列，计算结果如下表所示：15月对应的一次指数平滑值19.9、26.2、28.1可以预测第16个月的销售量。,Page35,例：某产品过去20个月的销售数据如下：初始值取前三期的平均值,Page36,预测趋势与实际变动趋势一致，但预测值比实际值滞后。,Page37,由上述例题可得结论指数平滑法对实际序列具有平滑作用，权系数（平滑系数）越小，平滑作用越强，但对实际数据的变动反应较迟缓。在实际序列的线性变动部分，指数平滑值序列出现一定的滞后偏差的程度随着权系数（平滑系数）的增大而减少。当时间序列的变动出现直线趋势时，用一次指数平滑法来进行预测仍将存在着明显的滞后偏差。因此，也需要进行修正。修正的方法也是在一次指数平滑的基础上再进行二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型，故称为二次指数平滑法。,Page38,2.二次指数平滑适用于历史数据呈线性增（减）趋势的预测。在一次指数平滑的基础上得二次指数平滑的计算公式为：St(2)第t期的二次指数平滑值；St(1)第t期的一次指数平滑值；St-1(2)第t1期的二次指数平滑值。,Page39,二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法。它不能单独地进行预测，必须与一次指数平滑法配合，建立预测的数学模型，然后运用数学模型确定预测值。,Page40,预测系数公式：预测公式：T预测超前期数,Page41,例：某地1983年至1993年财政入的资料如下，试用指数平滑法求解趋势直线方程并预测1996年的财政收入。,Page42,Page43,，,，,3.三次指数平滑若时间序列的变动呈现出二次曲线趋势，则需要采用三次指数平滑法进行预测。三次指数平滑是在二次指数平滑的基础上再进行一次平滑，其计算公式为：,Page44,预测系数公式：预测公式：,Page45,例：我国某种耐用消费品1996年至2006年的销售量如下表所示。试预测2007年、2008年的销售量。,Page46,解：（1）通过实际数据序列呈非线性递增趋势，采用三次指数平滑预测方法。解题步骤如下。确定指数平滑的初始值和权系数（平滑系数）。设一次、二次指数平滑的初始值为最早三个数据的平均值，即取。实际数据序列的倾向性变动较明显，权系数（平滑系数）不宜取太小，故取0.3。,Page47,（2）根据指数平滑值计算公式依次计算一次、二次、三次指数平滑值。,Page48,（3）计算非线性预测模型的系数at,bt,ct。目前周期数t11，将上表中的有关数据代入相关公式后分别得：,Page49,（4）建立非线性预测模型。将各系数代入预测公式得,Page50,（5）预测2007年和2008年的产品销售量。2007年，其预测超前周期为T1；2008年，其预测超前周期为T2。代入模型，得于是得到2007年的产品销售量的预测值为809万台，2008年的产品销售量的预测值为920万台。预测人员可以根据市场需求因素的变动情况，对上述预测结果进行评价和修正。,Page51,指数平滑法的优点：（1）对不同时间的数据的非等权处理较符合实际情况。（2）使用中仅需选择一个模型参数即可进行预测，简便易行。（3）具有适应性，也就是说预测模型能自动识别数据模式的变化而加以调整。缺点：（1）对数据的转折点缺乏鉴别能力，但这一点可通过调查预测法或专家预测法加以弥补。（2）长期预测的效果较差，故多用于短期预测。,Page52,（四）分解法分解法将产品销售的时间序列分成四个组成部分：长期趋势因素（T）：反映了经济现象在一个较长时间内的发展方向，它可以在一个相当长的时间内表现为一种近似直线的持续向上或持续向下或平稳的趋势。周期变动因素（C）：也称循环变动因素，是受各种经济因素影响形成的上下起伏不定的波动。季节变动因素（S）：经济现象受季节变动影响所形成的一种长度和幅度固定的周期波动。不确定变动因素（E）：又称随机变动，实受各种偶然因素影响所形成的不规则变动。,Page53,时间序列Y可以表示为以上四个因素的函数，即：Y=f(T,C,S,E)这些因素可构成线性模型，即：Y=T+C+S+E或乘数模型，即：Y=TCSE或混合模型，即：Y=T(C+S+E),Page54,时间序列的分解方法：（1）运用移动平均法剔除长期趋势和周期变化，得到序列TC。然后再用按月（季）平均法求出季节指数S。（2）做散点图，选择适合的曲线模型拟合序列的长期趋势，得到长期趋势T。（3）计算周期因素C。用序列TC除以T即可得到周期变动因素C。（4）将时间序列的T、S、C分解出来后，剩余的即视为不规则变动，即：,Page55,（五）ARMA法描述各类静止过程的模型可以分为三类：自回归（AR）：反映经济