销售预测培训

1、销售预测培训l 预测概要l 预测方法与案例l 对预测方法的评价l 小结2003年8月l一个公司，一定时期l可以是长期、中期或短期短期预测：1-12个月中期预测：1-2年长期预测：超过2年l方法的选择取决于：费用、产品类型、市场特征、预测时间段、预测目的、历史数据的稳定性、可获得的信息、预测的专业知识、经验。2003年8月l公司可控因素：定价销售促销产品特征顾客选择etc.2003年8月l不可控因素：公司不能直接控制的环境因素不可控因素：公司不能直接控制的环境因素经济、利率、通胀公共政策、政府管制政治条件市场因素，人口特征竞争者、竞争者行为供应商、供应商行为行业趋势etc.2003年8月lSte

2、p 1确定预测目的和预测指标lStep 2搜集数据lStep 3选择预测方法lStep 4建立预测模型lStep 5进行预测、分析误差、改进预测模型lStep 6形成预测报告2003年8月l 预测概要l 预测方法与案例l 对预测方法的评价l 小结2003年8月l主观；基于直觉、经验管理人员综合意见销售人员的综合意见消费者预期会议调查法专家调查法 Delphi Techniques判断预测法：趋势判断、市场判断 l适用于： 长期预测 e.g., 技术、政治等因素起决定作用 数据有限或不存在 e.g., 新产品上市 2003年8月l弹性分析预测法l回归方法简单回归分析法多元回归分析法非线性回归分析

3、法l确定性时间序列移动平均指数平滑Holt方法Winter方法时间序列分解l随机时间序列l其它方法2003年8月l不同商品的需求量对价格变动的敏感程度是不同的，需求的价格弹性就是衡量这种敏感程度的。E=(Q/Q) / (P/P)l经济意义：若其他影响因素不变，当价格变动1%时，需求量变动的百分比。l产品饱和期预测：需求的收入弹性0l只能考虑两个变量；精度不高2003年8月l简单回归分析法Yt=a+bXt+et t=1,2,a,常数项 b,回归系数 e,随机项l显著性检验：回归系数，回归方程l预测精度的测定：误差00.020.040.060.080.10.120.140.160.180.2012

4、345678910BAC2003年8月2003年8月l多元回归分析法Yt=a+b1X1t+b2X2t+ +bkXkt+et t=1,2,a,常数项 b,回归系数 e,随机项 k,影响因素个数显著性检验：回归系数，回归方程预测精度的测定：误差自变量的选择：因素分析简单相关分析多重共线性逐个剔除法，逐步回归分析滞后变量模型因变量（Y) - TV Sales自变量 (X) - 个人收入 - 生产量 - 显像管产量 -etc2003年8月散点图：线性关系变量变换: 平方根，平方，对数，指数FX1X23X2X3X4X5X6X7X23X8X9X10X11X12X13X23X14X16X17X18X19X2

5、0X23X21X22Pearson相关系数0.75F所有可能回归结果Model 1 : 只有一个自变量Model 2 : 两个自变量Model 3 : 三个自变量F自变量分析2003年8月模型评价FModel 1Model 2Model 3Probability0.0000000.0000000.000000Adj R-Squared0.6517 0.6529 0.6479 Significance component variables1 of 11 of 21 of 3Model 1: TV sales = 58,13.639 + 1.100639 (X1) 2003年8月l非线性回归分析

6、法对数曲线回归模型 Y=a+blnX+e；幂函数曲线回归模型 Y=aXbe指数曲线回归模型 Y=abXe 2003年8月2.24 非线性回归分析法2003年8月l前提：历史数据可用来预测未来需求l 趋势项，季节项，循环项，随机因素移动平均预测法简单指数平滑预测法Holt方法Winter方法2003年8月l思想思想 “平均出”预测，以消除噪声的影响寻找某种趋势（上升或下降），平滑出趋势l x1, x2, , xt 是一个时间序列的观测值，xt 是这个时间序列t时期的观测值，ft,1是观察到xt后对t + 1时期的预测ft,1 = 最后N个观测值的平均 ft,1 = (xt + xt-1+ xt-

7、N+1) / N N 是一个给定参数2003年8月TV销售案例如下 (N=3): - 月份 实际销售 预测销售 预测误差 - 1 30 - 2 32 - 3 30 - 4 39 (30+32+30)/3=30.67 e4=39-30.67=8.33 5 33 (39+30+32)/3=33.67 e5=33-33.67=-0.67 6 34 (33+39+30)/3=34 e6=34-34=0 -TV Sales0100200300400500Apr-01Sep-02Jan-04May-05Oct-06Feb-08Jul-09Nov-10Apr-12Aug-13MonthUnits2003年8

8、月l如何选择 N? 使用平均绝对离差 (MAD) 衡量预测精度 预测误差 et = xt - (xt的预测)MAD 是所有et的绝对值的平均 MAD = (| e4 |+ | e5 |+ | e6 |)/3 = (8.33+0.67+0)/3 =3l选择使 MAD 最小化的N2003年8月l 1959年，美国布朗，库存管理的统计预测提出lAt = ft,1 是观测到xt 后对时期 t+1的预测 At = a xt + (1- a) At-1 a是平滑系数，满足 0 a 0 b1 Time Series-ARIMAS-Plus 进行预测S-Plus Output:Coefficients:AR

9、: -0.6669MA : 0.99186 0.22523 -1.24486 0.52081Optimizer has convergedConvergence Type: relative function convergenceAIC: 199.678692003年8月Time51015203223243263283303322003年8月lMarkov过程：无后效性l转移概率l用于：市场占有率预测等l三家厂商的市场占有率S=(S1,S2,S3)l转移概率矩阵p11 p12 p13p21 p22 p23p31 p32 p332003年8月l 预测概要l 预测方法与案例l对预测方法的评价l 小结2003年8月l弹性预测法l回归预测法简单回归分析法多元回归分析法非线性回归分析法l确定性时间序列预测方法移动平均预测法简单指数平滑预测法Holt方法Winter方法时间数列分解l随机性时间序列预测方法lMarkov预测法2003年8月l 预测概要l 预测方法与案例l 对预测方法的评价l 小结2003年8月l预测目标的