Скопировать ссылку
Почему важно уметь планировать продажи?
С точки зрения бизнеса умение точно планировать свою деятельность является залогом его долгосрочного развития и стабильности. Планирование продаж при этом является отправной точкой для процессов кадрового, инвестиционного, производственного планирования, бюджетирования и так далее. Невозможно строить производственную программу, не зная, какой объем произведенной продукции может быть реализован в будущем периоде.
Отличие прогнозирования от планирования
Необходимо, однако, различать прогнозирование продаж от планирования. Прогнозирование — это процесс, необходимый для проработки различных сценариев развития окружения бизнеса: спроса, конкурентов, ценовой политики и так далее. В результате прогнозирования, как правило, получаются некие сценарии: базовый, пессимистичный и оптимистичный. Их может быть и больше трех в зависимости от условий прогноза, но точно не должно быть меньше двух. Далее необходимо перейти к плановым цифрам продаж. Именно они послужат основой для расчета всех базовых финансово-экономических показателей деятельности компании.
Прогнозы бывают разные
Как подойти к прогнозированию продаж? Этот вопрос особенно сложен для новых компаний, стартапов: нет никакой истории продаж, отсутствует отправная точка. И все немного проще для компаний с многолетней историей бизнеса, так как возможностей применения разнообразного инструментария для прогнозирования становится больше.
Прогнозирование бывает долгосрочное, среднесрочное и краткосрочное. Как правило все зависит от размера компании. Небольшие компании и индивидуальные предприниматели редко фокусируются на прогнозировании с горизонтом более 3–6 месяцев. В таких компаниях руководитель совмещает несколько функций, поэтому его основная задача — обеспечить безубыточную работу на коротком горизонте времени. На крупных предприятиях с длинными циклами производства продажи прогнозируют на 5 лет вперед. Специфика бизнеса сама предъявляет требования к прогнозированию, а, следовательно, к инструментам, которые вы сможете для этого использовать.
Кейс 1. Идем вместе с рынком
Для кого подходит: компании, имеющие историю продаж на конкретном продуктовом рынке более одного года. Размер компании не имеет критического значения.
Суть: метод заключается в простой предпосылке. Если вы и конкуренты в своем бизнесе/продукте ничего не меняете, либо придерживаетесь сложившегося паритета (качество/ценовое позиционирование), то ваши продажи будут изменяться в том же направлении, что и рынок. Если рынок вырастет на 5%, то продажи всех участников вырастут на 5%. Если рынок упадет на 10%, то продажи всех упадут пропорционально. Это справедливо и это работает. Редко можно найти такие рынки, где нет острой конкурентной борьбы и где условия стабильны. Но все же в отсутствии какого-либо математического или статистического инструментария этот подход вполне рабочий.
Необходимые инструменты и информация: для прогнозирования данным методом необходимо знание прогноза роста вашего территориального рынка. Например, если вы продаете товар по всей России, то потребуется прогноз российского рынка. Если же ваш бизнес ограничен территорией Астраханской области, то и прогнозы нужны соответствующие. Как правило, данные по стране можно найти в интервью отраслевых экспертов или купить готовые отчеты аналитических агентств. Сложнее с небольшими территориальными рынками.
Пример: компания производит и продает велосипеды по всем регионам РФ. Локальные рынки могут отличаться своей спецификой, но в целом на уровне страны производитель имеет долю рынка 10%. Чтобы спланировать продажи на амбициозном, но достижимом уровне, производитель купил готовое исследование рынка велосипедов у аналитической компании. В этом исследовании на основании ряда предположений сделан прогноз общего рынка на ближайшие 5 лет со среднегодовым темпом роста (CAGR) +2%. Для производителя это означает, что при прочих равных его продажи также могут расти на 2% в год.
Кейс 2. Экстраполяция
Для кого подходит: компании, имеющие историю продаж на конкретном продуктовом рынке более 3 лет. Размер компании не имеет критического значения.
Суть: с помощью простого статистического аппарата прогнозируется сложившийся в продажах тренд. История продаж за 3 года позволит выявить имеющуюся сезонность в продажах и учесть это в прогнозе. Экстраполяцию чаще всего используют как дополнительный метод получения прогнозных данных на более длительном горизонте времени. Например, на базе доступной информации о рынке строится прогноз продаж на ближайшие три года. Далее с помощью экстраполяции получают прогноз еще на два года. В результате имеем пятилетний прогноз продаж.
При использовании экстраполяции необходимо подобрать наиболее подходящий метод: линейный, экспоненциальный, логарифмический или полиномиальный. Все это можно сделать с помощью встроенных инструментов MS Excel.
Необходимые инструменты и информация: для построения прогноза необходимы данные о продажах за прошедшие периоды в формате таблицы Excel. На основании этих данных можно будет построить прогноз сразу в таблице, либо на графике. Я рекомендую использовать график. Так вы сможете визуально понять, как ведут себя данные о продажах за прошедшие года: изменяются линейно, волнообразно с пиками в сезонные месяцы и так далее.
Это поможет подобрать соответствующий тип функций для построения прогноза. В MS Excel это называется «Линия тренда». Эта функция становится доступна после щелчка правой кнопкой мыши на построенном графике продаж. Интуитивно понятное меню настройки позволит вам выбрать тип линии, количество прогнозируемых периодов и другие параметры.
Кейс 3. Дистрибьюторы
Для кого подходит: компании, реализующие продукцию через дистрибьюторов (оптовиков). Размер имеет критическое значение.
Суть: дистрибьюторы в некоторых сегментах рынка являются ключевым элементом цепочки реализации товаров. Оптовик владеет критически важной информацией для прогнозирования спроса — товарные остатки на своем складе и складах розничных клиентов. Даже если предыдущий год для вас как для производителя был хорош, на продажи будущего периода могут повлиять плохие розничные продажи и, следовательно, высокие остатки под конец сезона.
Если ваша компания сравнительно небольшая и товар не отличается уникальностью, то с большой вероятностью доля вашей продукции в общем объеме реализации этой товарной группы низкая. В таком случае дистрибьютор будет принимать решение о закупке по остаточному принципу. Но даже в такой ситуации можно получить хоть какое-то предположение закупщика относительно планов на будущий период с объяснением базовых причин. Если же ваша компания является крупным производителем, работает с несколькими национальными дистрибьюторами и имеет существенную долю в их продажах (более 10–15%), то всегда можно рассчитывать на более качественный подход к прогнозу закупок со стороны оптовика.
Ведь теперь уже от его грамотного решения зависит финансовый результат его компании. Также при обсуждении планов на будущий период дистрибьютор запросит программу поддержки реализации складских остатков, если по вашей продукции они выше норматива.
Необходимые инструменты и информация: для получения прогноза таким способом вам потребуется телефон, ручка и лист бумаги. Все, что требуется — это установить доверительный диалог с сотрудником дистрибьютора, отвечающим за закупки вашего товара — категорийным менеджером. Вы сможете кратко обсудить результаты совместной работы за прошедший период и обсудить планы на будущее. Наиболее целесообразно проводить такие беседы в конце года (ноябрь-декабрь).
Пример: реализация автомобильных шин построена на нескольких национальных дистрибьюторах, которые далее обеспечивают распространение шин во все розничные точки, шиномонтажные мастерские, автосервисы и так далее. Каждый год перед началом сезона сотрудник отдела продаж, отвечающий за ключевых клиентов, проводит индивидуальные встречи с оптовиками для обсуждения их прогнозов по закупкам. Эти прогнозы сопоставляются с предполагаемым ростом рынка и маркетинговыми целями производителя (доля на рынке, доля продаж через оптовый канал и так далее). После объединения с данными по другим каналам продаж получается целостная картина прогноза.
Кейс 4. Воронка продаж
Для кого подходит: компании, имеющие длинные циклы продаж (более 1 года). Часто встречается на промышленных b2b и b2g-рынках.
Суть: метод заключается в формализованном описании воронки продаж в компании, включая наиболее ранние ее стадии. Каждая стадия предполагает наличие мониторинга запросов с рынка, сотрудника, отвечающего за отработку по этим запросам и % вероятности конверсии данного запроса в продажи. У каждого запроса есть ожидаемая дата заключения контракта, сумма контракта, количество единиц товара. Все запросы клиентов будут находиться в разной степени проработки.
Перемножив стоимость (количество единиц продукции) контракта на % вероятности, получаем математическое ожидание стоимости. Если просуммировать все математические ожидания по всем этапам воронки и сгруппировать результаты по месяцам, то получится прогноз продаж.
Необходимые инструменты и информация: для реализации этого подхода необходим четко налаженный процесс консолидации информации по запросам клиентов со всех этапов воронки и по всем каналам продаж (колл-центр, отдел продаж, интернет-сайт).
Пример: в тяжелом машиностроении с момента выявления потребности у заказчика до поставки продукции может пройти больше двух лет. Подобная длительность связана с тем, что процесс разбивается на несколько крупных самостоятельных стадий: выявление потребности, формулирование технических требований к решению, проведение тендера, заключение контракта, производство продукции, поставка. Если речь идет о транспортных проектах, то с момента появления потребности в строительстве железной дороги может пройти не один год на технико-экономическое обоснование, проектно-изыскательские работы, строительство инфраструктуры прежде чем заказчик начнет закупать подвижной состав. Однако включение таких проектов в воронку продаж на самой ранней стадии, позволяют прогнозировать продажи на длинном горизонте (5 лет и более).
Кейс 5. Модель многофакторной регрессии
Для кого подходит: компании, имеющие историю продаж на конкретном продуктовом рынке не менее 3 лет. Размер компании не имеет критического значения.
Суть: метод заключается в разработке собственной статистически обоснованной модели многофакторной регрессии. Модель позволяет связать продажи с изменением факторов, которые могли повлиять на них, например, ценовое позиционирование, количество холодных звонков, количество скачанных демоверсий, потраченного бюджета на продвижение в социальных сетях и так далее. Факторы подбираются исходя из специфики вашего бизнеса. Чем больше исторических данных в вашем распоряжении имеется, тем качественнее получится модель и, следовательно, меньше ошибок в прогнозе.
Необходимые инструменты и информация: для создания такой модели потребуется сотрудник, владеющий необходимым математическим аппаратом, либо аналитическое агентство. В любом случае вам потребуется набор данных за довольно продолжительное время. Чем больше ретроспектива, тем выше шанс найти аномалии в данных, которые могли быть связаны не с исследуемыми факторами, а со структурными изменениями в экономике (глобальные кризисы). В конечном итоге вы получите формулу, которая позволит вам, задав значения факторов, получить прогнозное значение продаж.
Пример: компания, производящая мобильные телефоны, может построить свой прогноз продаж на данных о ценовом позиционировании против ключевого конкурента, размере бюджета на рекламу и охвате розничных точек, в которых присутствует товар данной компании.
Кейс 6. Машинное обучение
Для кого подходит: компании, имеющие историю продаж на конкретном продуктовом рынке не менее 3 лет. Размер компании не имеет критического значения. Объем данных для обучения модели имеет критическое значение.
Суть: сегодня разрабатывать сложные многофакторные модели можно с помощью методов машинного обучения. Говоря простым языком, вам необходимо загрузить большой объем данных, в которых компьютер с помощью алгоритмов будет распознавать устойчивые связи и подбирать факторы внешней и внутренней среды компании, максимально влияющие на продажи.
Необходимые инструменты и информация: для разработки такого рода моделей нужен сотрудник, знающий языки программирования, например, Python или R, и модели для прогнозирования временных рядов. Одной из достаточно распространенных моделей является SARIMA. Однако нужно учитывать, что для разного уровня сложности могут потребоваться разные модели или даже корпус моделей. Отталкиваться нужно всегда от решаемой задачи.
Пример: множество сложных вычислительных задач поиска закономерностей и прогнозирования временных рядов.
Какой бы способ прогнозирования в компании вы ни выбрали, необходимо помнить, что прогноз — это только составная часть этапа планирования продаж. Прогноз всегда должен содержать как минимум два варианта: оптимистичный и пессимистичный. Где-то между ними и будет располагаться ваш план продаж — консенсус маркетинга и коммерции относительно перспектив развития рынка и амбиций компании по доле на этом рынке.
