Экономическая целесообразность применения фотоэпиляции в салонах красоты различного класса

Итак, давайте рассмотрим задачу, в которой коммерческому предприятию, не имеющему специального штата прогнозистов, необходимо спрогнозировать объем продаж по своему товару (услуге). При этом на рынке нет предприятий монополистов, поведение которых диктовало бы рыночную ситуацию - на рынке присутствует много мелких и средних предприятий. Требуется спрогнозировать объем продаж конкретной фирмы для планирования объема закупок (производства) услуги (услуг) и оценить риск принятия решения.

Этап I. Отбор факторов, вероятно определяющих количественное изменение объема продаж

Прогнозирование начнем с подбора факторов, которые "вероятно" определяют количественное изменение объема продаж. То есть мы создаем гипотезу в отношении возможных факторов, влияющих на поведение кривой продаж. Подбор факторов производится экспертным путем: эксперт по соответствующему рынку предполагает возможные параметры: которые по мнению эксперта оказывают влияние на поведение продаж;

динамика которых, выраженная математически, известна на том же промежутке, что и объем продаж (то есть это количественный параметр или качественный, который можно преобразовать к количественной характеристике);

относящиеся как к внешним (факторы "внешней среды маркетинга" фирмы), так и внутренним (факторы "внутренней среды маркетинга" фирмы).

Число выбираемых факторов не ограничено, чем больше их будет на первом этапе, тем лучше, это определит более точный результат в прогнозировании. В данном примере (табл. 6) мы выбрали три абстрактных фактора, которые мы назвали F1, F2, F3.

В случае затруднения в выборе факторов рекомендуется выбрать "макро" факторы внешней и внутренней среды для конкретного рынка и конкретной фирмы, например некоторые возможные из них:

"внешние факторы среды маркетинга фирмы"

курс валют;

емкость потребительского сегмента;

суммарные продажи на сегменте;

динамика численности конкурентов;

удовлетворенность сегмента товарами на рынке;

"внутренние факторы среды маркетинга фирмы"

наличие товарного запаса;

эффективность работы штата менеджмента фирмы;

затраты на рекламу или тип рекламного сообщения;

изменение способа позиционирования товара;

изменение количества дистрибьютеров товара.

Этап II. Выделение "факторов влияния"

Теперь необходимо разобраться: какие из выбранных факторов ("факторы влияния") действительно оказывают влияние на изменение объема продаж, а какие нужно просто "отбросить" из рассмотрения. Критерием такого соответствия, безусловно, можно считать коэффициент корреляции, который показывает, насколько близки тенденции двух факторов (в данном случае - насколько связано распределение во времени факторов F1-F3.

В табл. 7 показан расчет коэффициента корреляции между объемом продаж (Q) и факторами (F1, F2, F3). Коэффициент корреляции может быть рассчитан, например, с помощью программного пакета MS Excel, в котором подобный расчет реализуется функцией "CORREL". Из расчета видно, что по коэффициенту корреляции в данном примере "факторами влияния" будут F1 и F3, а фактор F2 можно отбросить из рассмотрения.

Этап III. Линейное прогнозирование "факторов влияния"

Теперь в нашем примере мы имеем динамику "факторов влияния" и объема продаж на период с марта 2003 по ноябрь 2003 г. Соответственно, мы прогнозируем по времени поведение каждого из "факторов влияния" (линейная тенденция для факторов, рассматриваемых в примере представлена в табл. 8).

Таблица 8 Линейное прогнозирование "факторов влияния" (спрогнозированная линейная тенденция для факторов F1, F3 представлена выделенными курсивом цифрами)

Этап IV. Прогнозирование продаж по прогнозу "факторов влияния"

Очевидно, что мы не можем прогнозировать продажи, используя только саму тенденцию продаж во времени, это как раз и рассматривалось бы как "прогнозирование фактора по самому фактору". Но у нас имеется тенденция "факторов влияния", которая по своей сущности определяет поведение тенденции продаж (это следует из рассчитанного нами коэффициента корреляции). И именно эта предсказанная тенденция позволяет нам спрогнозировать объем продаж в соответствии с со значениями каждого из факторов. Реализация такого алгоритма на основе функций MS Excel представлена в табл. 9

Отметим, что предсказанное значение объема продаж получается как среднеарифметическое от суммы предсказанных значений на основе каждого из "факторов влияния". Это позволяет учесть каждый из "факторов влияния" в прогнозе. Результат прогнозирования для нашего примера представлен в табл. 10.

Этап V. Оценка риска прогнозирования

Необходимо учесть, что прогнозирование ведется с целым рядом допущений, которые могут сильно повлиять на наш прогноз:

в наше исследование может не попасть фактор, оказывающий серьезное влияние на продажи;

используем линейное прогнозирование, а тенденция может оказаться значительно сложнее;

производим расчет прогнозного значения, как среднеарифметическое от спрогнозированных по факторам значений (см. табл. 10) без учета уровня корреляции соответствующего фактора.

Эти факторы, безусловно, снижают точность прогнозирования. Более того, заметьте (см. табл. 10), что прогнозирование в нашем примере периодов последующих за декабрем 2003 года ведется на основе не проверенных временем значений, а значений также спрогнозированных математически. То есть, чем на более длительный период времени мы пытаемся сделать прогноз, тем более не точны прогнозируемые значения.

Указанные выше ограничения не влияют на использование метода (и тем более его не отменяют), а лишь указывают нам на необходимость расчета величины "риска прогнозирования". В случае нашей методики эту погрешность можно оценить как "риск прогнозирования" по соотношению между спрогнозированным значением тенденции продаж (Q TREND) и прогнозными значениями продаж от каждого "фактора влияния" (Q1 TREND и Q3 TREND). Реализация расчета "риска прогнозирования" (var) на основе пакета MS Excel представлена в табл. 11.

В табл. 12 расчет "риска прогнозирования" построен на расчете отношения среднеарифметического отклонения прогнозных значений по отношению к среднеарифметическому значению тенденции продаж:

var =((ABS(QTREND - Q1TREND)+ABS(QTREND - Q3TREND))/2)/QTREND.

Оценка риска прогнозирования для нашего примера представлена в табл. 12. Необходимо отметить, что с увеличением срока прогнозирования растет и "риск прогнозирования": 6% для декабря 2003 года и 27% для марта 2004 года.

"Риск прогнозирования" может быть учтен в объемах закупки услуги или объеме подготовленной услуги (численность наемного штата специалистов) как прямая величина процента от объема продаж. То есть в нашем примере, рекомендуется запланировать на декабрь 2003 года продажи в объеме:

Q= QTREND* var=46,3*0.94=43.5 тыс. руб.



То есть рассчитанная величина риска снижает планируемый нами объем продаж.

2.2 Анализ тенденций развития предприятия

Статистическое описание движения во времени экономических явлений осуществляется, как известно, с помощью динамических (временных) рядов. Уровни таких рядов формируются под совокупным влиянием множества длительно и кратковременно действующих факторов и в том числе различного рода случайностей. Изменение условий развития явления приводит к более или менее интенсивной смене самих факторов, к изменению силы и результативности их воздействия и в конечном счете к вариации уровня изучаемого явления во времени. Лишь в очень редких случаях в экономике встречаются чисто стационарные ряды, т.е. ряды, динамика уровней которых такова, что средние характеристики не изменяются во времени. В таких случаях вариацию можно приписать действию только случайных причин и изучать ее с помощью теории стационарных случайных процессов.

В западной статистической литературе уровень динамического ряда, характеризующего развитие экономического явления, традиционно рассматривается как сумма четырех компонент, которые непосредственно не могут быть измерены (ненаблюдаемые компоненты): вековой уровень (secular trend), или тренд, циклическая составляющая, сезонная составляющая и случайные колебания. Расчленение на вековой уровень и циклическую составляющую можно рассматривать лишь как технический прием при изучении циклов, если требуется измерить продолжительность отдельных этапов цикла. Несмотря на условность подобного расчленения уровней динамического ряда, этот прием можно применить для различного рода практических расчетов, главным образом для выделения тенденции развития, определения закономерности движения того или иного уровня во времени.

Понятие тенденции развития не имеет достаточно четкого определения. В статистической литературе под тенденцией развития понимают некоторое общее направление развития, долговременную эволюцию. Обычно тенденцию стремятся представить в виде более или менее гладкой траектории. Предполагается, что такая траектория, которую можно охарактеризовать в виде некоторой функции времени, назовем ее трендом, характеризует основную закономерность движения во времени и в некоторой мере (но не полностью) свободна от случайных воздействий. Тренд описывает фактическую усредненную для периода наблюдения тенденции изучаемого процесса во времени, его внешнее проявление. Результат при этом связывается исключительно с ходом времени. Предполагается , что через время можно выразить влияние всех основных факторов. Механизм их влияния в явном виде не учитывается. По существу, линия тренда выполняет ту же функцию для последовательных во времени наблюдений, что и средняя величина в ряде распределения.

Часто под трендом понимают регрессию на время. Иногда тренд представляют как детерминированную компоненту переменной (причем не обязательно изменение этой компоненты связывают со временем). Каждое из подобных определений, скорее, указывает на частный прием отыскания тренда, а не на его сущность.

Простые приемы анализа тенденций развития.

Пожалуй, ни один вид статистических показателей, исключая разве что средние, не используется так часто в экономическом анализе, как средний темп роста.

Средний темп роста можно получить как геометрическую среднюю из ряда последовательных (цепных) темпов роста. Цепной темп роста характеризует отношение какого-либо уровня динамического ряда к предыдущему уровню и выражается в процентах или в долях единицы. В последнем случае его называют коэффициентом роста.

Если ряд состоит из уровней y1, y2, … yt, то цепные темпы роста (?t) будут равны:

Соответственно цепные темпы прироста, выраженные в долях единицы будут равны:

Если тенденция развития в известном временном интервале охарактеризована с помощью некоторого постоянного темпа роста, то в качестве последнего принимается средний темп за соответствующий период. Средний темп роста обычно определяют как

Нетрудно показать, что средний темп роста при дискретных показателях времени представляют собой знаменатель геометрической прогрессии, а средний темп прироста соответствует норме процента в формуле сложных процентов :

Cn = C0 ,

где Сn, C0 - суммы на конец и начало периода; n=t-1 - число истекших лет; р- норма процента. Заменив в формуле сложных процентов Сn и С0 на yt и y1 соответственно, а на некоторый постоянный темп роста ?, получим:

yt =y1 ??t-1 (1.11)

Величина t-1 соответствует показательной функции. Допустим теперь, что изменение ряда происходит непрерывно, тогда формула (1.11) будет характеризовать развитие по показательной или экспоненциальной кривой.

Если исследуемый ряд непрерывен (такой ряд можно представить себе как результат наблюдений при бесконечном дроблении интервалов времени) и задан в виде дифференцируемой функции yt = ft, то мгновенный темп прироста определяется как

где f`t -производная функции.

Возьмем теперь экспоненциальную функцию ,

где е - основание натуральных логарифмов, a1 и a2 - параметры.

Производная этой функции составит:

а исчисленный в соответствии с (1.12) темп прироста равен:

Таким образом, экспоненциально зависящая от времени функция имеет постоянный темп прироста, равный значению ее параметра a2 . Напишем теперь выражение для экспоненциальной функции в виде

Рассмотрим теперь ряд вопросов, связанных с одновременным анализом нескольких динамических рядов, и прежде всего проблему соотношения темпов роста частей и целого. Пусть анализируется m динамических рядов, j = 1,…, m, причем сумма этих рядов дает новый ряд:

Пусть динамика каждого ряда характеризуется цепными темпами роста jt Соответственно цепной темп роста суммарного ряда равен ?t. Уровни этих рядов на период t можно представить как уровни предшествующего периода, умноженные на соответствующие темпы роста:

Таким образом, цепной темп роста суммарного ряда на момент t равен взвешенной средней арифметической из цепных темпов частных рядов, исчисленных для того же момента времени. Если принять, что каждый частный ряд имеет постоянный темп роста, т.е., что ?jt = ?j, то

Весами здесь, как и в предыдущей формуле, служат уровни предшествующих периодов. Заметим, что веса изменяются вместе с изменением t, причем удельный вес уровней рядов с большими темпами растет, а с меньшими падает. Следовательно, темп роста суммарного ряда не может быть постоянным даже при условии, что темпы роста составляющих рядов не изменяются. Такая проблема, естественно, не возникает в тривиальном случае, когда темпы роста всех m рядов одинаковы. В этом случае темп суммарного ряда равен темпу частных рядов.

Как известно, средняя применяется в качестве обобщающей характеристики, свободного признака, в котором взаимно погашаются индивидуальные особенности. Порядок или последовательность, соответственно которой индивидуальные значения признака выступают в действительности, не имеет значения. Иное дело, когда усреднение относится к динамическим рядам. Закономерность изменения темпов является сутью динамики и, во всяком случае, представляет собой очень важный аспект исследования динамического ряда. Средний темп скрывает эту закономерность. В статистической литературе неоднократно высказывались сомнения относительно ценности среднего темпа для экономического анализа.

К недостаткам среднего темпа как обобщающего показателя, исчисляемого в виде , следует отнести следующее:

1. Средний темп полностью определяется двумя крайними уровнями

ряда, при этом выбор периода для расчета среднего темпа существенным образом определяет его значение. Сдвиг периода даже на 1 шаг может привести к значительному изменению величины темпа. К сказанному следует добавить, что при достаточной протяженности ряда имеется возможность для подсчета большого набора значений среднего темпа (на все вкусы!). В самом деле, если принять, что средний темп может быть определен за период не менее чем l лет, то при протяженности всего ряда, равной n годам, можно определить k различных вариантов среднего темпа:

k=C2n-l+2

Так, ряд протяженностью в 15 лет дает возможность определить 78 различных средних темпов роста (при l = 4). Таким образом, значение среднего темпа будет в известном смысле случайным.

Особенно наглядно неустойчивость показателя среднего темпа проявляется в том случае, когда ряд имеет чередующиеся повышения и понижения.

2. Применение среднего темпа роста предполагает, что траектория

развития приближается к экспоненциальной кривой. Т.е. процесс, в общем, следует геометрической прогрессии. Если это не так и ряду свойственна иная закономерность развития, то описание динамики с помощью среднего темпа будет иметь очень условный характер.

3. Средний темп скрывает характер динамики исследуемого периода, поскольку не принимает во внимание промежуточные члены ряда, отсюда теряется существенная для анализа информация. Именно эти опущенные при расчете среднего темпа члены определяют форму тенденции развития. Отсюда, чем продолжительнее период, для которого исчисляется средний темп, тем больше теряется информации, тем меньше он играет роль обобщающего признака. Очевидно, что точность его определения не увеличивается при увеличении числа наблюдений, т.е. увеличении длины ряда. Из сказанного выше следует, что средний темп как обобщающий показатель динамики имеет весьма ограниченную ценность.

2.3 Комплексная оценка услуги

В данной части приведен метод комплексной оценки услуги и отдельных ее составляющих, позволяющий выявить компоненты, которые необходимо скорректировать в процессе позиционирования услуги на рынке, скорректировать систему позиционирования и продвижения услуги, получить количественную оценку в отношении услуги и ее составляющих.

Определение вышеописанных показателей принципиально необходимо при выведении нового товара на рынок (или репозиционирования, модернизации старого), поскольку именно на их основе возможно формирование рационального и экономически оправданного комплекса продвижения услуги на рынке.

2.3.1 Оценка составляющих услуги по методу МКОТС

Как оценить потребности потенциального покупателя, на основе которых мы могли бы сформировать конкурентоспособные составляющие нашей услуги? Для этого необходимо еще раз рассмотреть и понять сущность услуги с точки зрения маркетинга. Рассмотрение предлагается на базе маркетинговой инновационной модели "МКОТС", которая по своей методической сущности согласовывается с "западной" моделью "сервисного качества". Модель позволяет:

определить значимость для потребителя отдельных составляющих услуги;

определить составляющие новой услуги и внимание, которое необходимо каждой из них;

определить "акценты" рекламной политики предприятия (сравнительный критерий);

рассчитать степень удовлетворенности потребителя составляющими услуги и всей услугой в целом;

определить составляющие, которые необходимо корректировать в услуге;

определить эффективность мероприятий по корректированию составляющих услуги.

Рассмотрим метод построения модели как поэтапный алгоритм, позволяющий реализовать все ее вышеперечисленные возможности.

Этап I. Определение составляющих услуги

В первую очередь, метод, построенный на базе маркетинговой инновационной модели "МКОТС", подразумевает определение составляющих услуги. Составляющие услуги - это потребности, удовлетворяемые с ее помощью. Очевидно, что любая услуга удовлетворяет не одну потребность, а несколько. Рассмотрим это на примере услуги "фотоэпиляция" в салоне красоты.

привлечение клиентов;

создание имиджа фирмы;

соответствие цены предполагаемому ценовому диапазону;

наличие "высокой" репутации фирмы, оказывающей услугу;

эстетика (дизайн и эстетико-этические составляющие) оказываемой услуги.

Соответственно, данные потребности, удовлетворяемые в процессе оказания услуги, и будут являться составляющими услуги (компонентами услуги). Для краткости, назовем компоненты услуги: "привлечение", "имидж", "цена", "репутация" и "эстетика". То есть определено - из каких составляющих нам нужно комплектовать услугу. Формирование комплекса составляющих для конкретных услуг производится экспертами в соответствующих предметных областях на основе опыта позиционирования и/или исследования базовых потребительских тенденций. Рекомендуется формирование компонентов в количестве от 5 до 7, поскольку меньшее количество компонентов не выразит сущности потребностей, удовлетворяемых услугой, а большее количество заведомо избыточно и размывает сущность услуги.

Очевидно, что каждая составляющая (компонента) услуги это также сумма ряда подкомпонентов, которые на более детальном уровне уточняют ее сущность. Составляющие первого и второго уровня могут быть представлены в виде древовидной разветвленной структуры.

Этап II. Формирование системы опроса

Исходными данными для решения поставленной задачи (оценка составляющих услуги) являются результаты опроса потенциальных потребителей, то есть метод построен на экспертном опросе. На основе предварительно определенных компонентов услуги ("привлечение", "имидж", "цена", "репутация" и "эстетика") формируется система опроса потенциальных потребителей, в которую закладываются следующие задачи: определение значимости (веса) компонентов услуги для потенциального потребителя и определение отношения потребителя к каждому из компонентов системы по четырех- и более дифференциальной шкале. При формировании системы опроса, во-первых, задается вопрос с целью определения значимости параметров. Во-вторых, вопрос о степени реализации составляющих услуги для опрашиваемого клиента (очевидно, что опрос по данному методу должен проводиться только после оказания клиенту услуги). В-третьих, в той или иной форме задается вопрос с целью определения принадлежности опрашиваемого к определенному сегменту. Накопление результатов и их обработка могут производиться по расчетному базису, представленному в III-IV этапах метода. Для реализации расчетного алгоритма возможно применение программного пакета "МКОТС 2.0".

Этап III. Оценка веса (значимости) составляющих услуги

Очевиден принцип пересчета значений базы данных в соответствующий вес компонентов, например это можно сделать простым суммированием значений по всем полям (w1:w5) с последующей нормализацией значений для каждого сегмента.

Мы можем видеть вес (значимость для потребителей услуги) отдельных ее составляющих. И на основе полученного распределения значимости между составляющими услуги можно сделать соответствующие выводы:

если формируется новая услуга, то возможно определение составляющих, которые необходимо усилить (уделить первейшее внимание при формировании) в первую очередь. В нашем примере (см. табл. 13) мы должны сделать акцент на “эстетику” выполняемой услуги и на ее стоимость. Это необходимо для привлечения клиентов.

Для существующей услуги, в процессе реализации комплекса ее продвижения, возможно определение акцентов рекламной компании в отношении предлагаемой услуги. В нашем примере "эстетика" и “цена” имеют наибольшие значения веса среди составляющих услуги (1.00 и 0.71 соответственно). Соответственно и акценты рекламной политики должны основываться на "подчеркивании" того, насколько эффективна наша услуга с точки зрения ее эстетического уровня и насколько ее стоимость соответствует этому уровню.

Этап IV. Расчет удовлетворенности составляющими услуги и услугой в целом

Удовлетворенность составляющими оказанной услуги пересчитывается из расчетной базы данных аналогично пересчету веса: вычисляется сумма по колонкам (по всем составляющим услуги m1-m5), результат пересчета взаимно нормализуется (приводится к визуально сопоставимым значениям от 0 до 1). Результаты расчета представлены в табл. 14.

Оценка составляющих услуги (uij) может быть проанализирована напрямую: какие составляющие "удались" в процессе проектирования и позиционирования услуги. В нашем примере, очевидно, что наиболее удачно мы реализовали компоненты "эстетика" и “репутация”, а в отношении "цены" произошла некоторая неудача.

Оценка удовлетворенности нашей услугой в целом (этот параметр называют "критерием потребительской удовлетворенности" услугой - КПУ) рассчитывается с учетом соответствующего веса составляющей:

U= S(Wij* uij).

КПУ имеет смысл анализировать только в сравнении с КПУ услуг-конкурентов, или КПУ других товаров в ассортименте, либо рассматривать значение показателя в динамике (его изменение). Показатель КПУ сам по себе не имеет ценности - это сравнительный показатель, соответственно, по этому показателю возможно:

определить рейтинг услуги среди услуг-конкурентов;

определить, насколько наше влияние на состав услуги было эффективным в течение времени;

сравнить показатель КПУ в рамках предлагаемого нами ассортимента услуг, установив их "рейтинг".

Логично предположить, что по каждой услуге из ассортимента, имея ряд значений КПУ (по одному на каждый сегмент для каждой услуги), мы вправе провести предварительное сегментное позиционирование, которое бы определило наиболее удачный сегмент для предложения исследованной услуги.

Критерием такого позиционирования служит максимум удовлетворенности (максимум КПУ), выраженной тем или иным сегментом.

Этап V. Оценка свойств услуги, которые необходимо модернизировать

В соответствии с разработанным МКОТС, если значение U (КПУ) меньше, чем значение удовлетворенности товаром - конкурентом (Uк), то необходима корректировка потребительских свойств услуги. Значение коэффициентов удовлетворенности товарами-конкурентами определяется аналогичным способом по методу комплексной оценки товарных систем (МКОТС). Для определения потребительского свойства услуги, требующего наибольшего внимания при корректировке, выделяют свойства с минимальным значением ui (u1=min) и максимальным значением веса wi. При создании формулы для расчета "коэффициента необходимости корректирования" в качестве исходных предпосылок было взято два утверждения, логично проистекающих из сути предложенного метода МКОТС:

чем больше вес компонента, тем больше необходимость корректирования компонента;

чем больше критерий суммарной удовлетворенности, тем меньше необходимость корректирования компонента.

Таким образом, необходимость корректирования компонента можно выразить следующим математическим условием:

NESi = Wi / ui,

где NESi - коэффициент необходимости (или приоритетности) корректирования компонента услуги; Wi - вес i-го компонента; ui - критерий потребительской удовлетворенности компонентом.

В нашем примере, исходя из данных табл. 15, очевидно, что наибольшего внимания и усилий по модернизации требует параметр "репутация" (NESi=4,78).

Этап VI. Оценка эффективности мероприятий по модернизации свойств услуги

После изменения свойств (или свойства) услуги проводится повторный анализ потребительских свойств и определяется эффективность корректирующих мероприятий, как разность между начальным значением КПУ (U) и достигнутым в результате корректировки (U'):

E=(U'-U)/U

2.3.2 Оценка прибыльности составляющих ассортимента услуг

В разделе 2.2.1 были рассмотрены принципы оценки отдельной услуги и ее составляющих. Но в реальной практике предпринимательской деятельности приходится иметь дело с ассортиментом услуг и управлять им. Поэтому в настоящей главе рассмотрим принципы маркетингового исследования ассортимента услуг розничного предприятия на основе прибыльности отдельных составляющих ассортимента.

Сущность управления ассортиментом услуг можно изложить одной фразой: "прибыль предприятия складывается из прибыльности отдельных услуг". А, соответственно, нам необходимо рассмотреть в контексте вопроса принципы исследования прибыльности составляющих ассортимента услуг для принятия решения о его составе.

Итак, механизм расчета прибыли предприятия может быть распространен на расчет прибыли, получаемой от отдельной услуги, ведь, по сути, предприятие имеет прибыль от проданных услуг, а не от "функционирования предприятия":

Пу = Ву - Зу,



где Пу - величина прибыли, получаемая от продажи услуги в некотором промежутке времени (будем рассматривать в качестве такого промежутка один месяц); Ву - выручка (или оборот) от продажи одного типа услуги в течение месяца. Выручка от продажи одной услуги рассматривается как произведение количества проданных услуг (Nу) на ее цену (Цу).

Ву = Nу*Цу;

Зу - затраты на реализацию рассматриваемой услуги. Затраты на данный тип услуги могут быть определены исходя из общих затрат всего предприятия в целом и "себестоимости изготовления" (покупки дополнительных составляющих, субподрядчиков) услуги. То есть мы можем условно приравнять (распределить) все косвенные затраты по функционированию предприятия (аренда помещения, зарплата персонала, прочие затраты) между всеми услугами в равной пропорции. Мы вправе это сделать поскольку все косвенные затраты в равной степени (или не в равной, а определенной весовым показателем) служат продвижению каждой из услуг ассортимента:

Зу = (З / n) + Су* Nу,

где З - затраты на функционирование предприятия (постоянные издержки); n - количество продаваемых услуг (услуг, находящихся в ассортименте предприятия); СТ - себестоимость изготовления (покупки) услуги.

Расчет себестоимости косметической услуги.

Себестоимость рассчитывается на основе следующих калькуляционных статей:

1. Сырье и материалы собственного производства

2. Возвратные отходы (это отходы от основного производства, которые можно использовать для приготовления другой продукции). Возвратные отходы вычитаются из себестоимости.

3. Покупные сырье и материалы.

4. Зароботная плата непосредственных исполнителей услуги (в данном случае - косметолога).

5. Начисления на заработную плату 35.6% (пенсионный фонд - 28%, фонд социального страхования - 4%, фонд медицинского страхования - 3.6%)

6. Затраты топлива, электроэнергии, тепла, воды на производственные нужды.

7. Расходы на ремонт и обслуживание оборудования, приборов, используемых для оказания услуги.

8. Затраты прочих материалов, которые используются при оказании услуги.

9. Затраты на содержание управленческого аппарата.

Эти статьи образуют цеховую себестоимость, т.е. себестоимость непосредственно выполнения услуги.

10. Содержание административного аппарата.

11. Расходы, связанные с управлением и прочие общепроизводственные расходы: аренда, амортизация, канцелярские расходы, стоимость бракованной продукции, страхование, содержание работников охраны, уборщиц, % по кредитам и т.д.

Затраты с 1 по 11 статьи образуют производственную себестоимость услуги.

12. Затраты, связанные с реализацией услуги или продукции: реклама, склад готовой продукции, подготовка договоров с покупателями.

Статьи с 1 по 12 образуют полную себестоимость услуги.

Теперь давайте посмотрим, какая картина может получиться, если мы реализуем представленную схему расчетов для всего предприятия и всего ассортиментного ряда. Представим, что у нас есть предприятие, которое продает 3 услуги, при этом все издержки по функционированию предприятия составляют 60 рублей, а соответственно издержки по продаже одной услуги можно считать равными 20 рублей (З / n = 60 / 3 = 20 рублей). Рассмотрим все сводные показатели по ассортименту наших товаров в нижеприведенной таблице. Итак, как видно из рис. 1.1 (см. приложения), прибыль предприятия отрицательна (-3 рубля). Причем негативный баланс нашей предпринимательской деятельности, определен всего лишь негативной позицией по прибыли одной услуги из трех.

Заметим, что в нашем примере одна из услуг в нашем ассортименте в таком контексте рассмотрения и расчета имеет отрицательную прибыльность ("Услуга 2"). Конечно, необходимо отметить, что в более полном анализе мы должны рассматривать и динамику прибыльности отдельных товаров: не прибыльное сегодня изделие может стать прибыльным завтра. По нашему графику видно, что хотя единица ассортимента "Услуга 1" на сегодняшний день имеет нулевую прибыль, но ее динамика положительна (+12% по отношению к продажам предыдущего месяца). "Услуга 3" имеет как положительную динамику продаж, так и положительную прибыль - стабильный и перспективный товар. А вот "Услуга 2" приносит не только отрицательную прибыль, но и имеет отрицательную динамику продаж. Соответственно теперь мы имеем и адекватный механизм принятия решения в отношении составляющих ассортимента.

Вышеприведенный анализ позволяет нам определить и рычаги управления прибылью, как отдельных услуг, так и всем предприятием в целом.

Для того чтобы говорить о системе рычагов по управлению прибылью ассортиментного ряда услуг, необходимо вспомнить о системе ценообразования на услугу, которая может быть рассмотрена как одна из трех стратегий предложения цены на услугу. Проведенные исследования показали, что потребители не всегда делают рациональный выбор, ставя под вопрос абсолютность "рациональности потребителя". Поэтому вопрос о назначении цены достаточно тесно связан с вопросом о рациональности потребительского поведения и определяется признаками сегментирования, типом целевого сегмента, характером продвижения и позиционирования на рынке и самим характером услуги.

Традиционно различают три стратегии ценообразования на услуги: "Наилучшая стоимость" (best value) опирается на теорию о рациональном поведении потребителя - выбирается торговая марка с наименьшей общей стоимостью и ожидаемого качества. Рациональное соотношение цены и качества;

"Искомая цена" (price-seek) опирается на исследования завершенного продукта - выбирается как марка с максимальной ценой с целью максимизации ожидаемого потребительского качества. Максимизация качества и в следствие рост цены;

"Бросовая цена" (price aversion) опирается на теорию, исследующую риски неприятия товаров - выбирается марка с наименьшей ценой с целью минимизации текущих затрат. Минимизация цены за счет минимизации качества.

Отсюда, очевидны и рычаги управления прибылью в товарном ассортименте: снижение стоимости в стратегии "бросовой цены" с увеличением объема продаж; увеличение цены вместе с увеличением качества при "наилучшей стоимости"; рационализация цены и качества в стратегии "искомая цена".

По сущности изложенного мы могли видеть, что прибыльность деятельности предприятия определяется прибыльностью отдельных единиц ассортимента услуг. А, следовательно, анализ ассортимента услуг, с точки зрения его прибыльности по отдельным позициям и, соответственно, оценка ценовой политики это базис для грамотного экономически обоснованного поведения предприятия на рынке, базис грамотного управления ассортиментом услуг.



2.4 Методы прогнозирования объема продаж

Цель данной части дипломной работы -- изложить в систематизированном виде методы прогнозирования объема продаж, наиболее часто применяемые в экономической практике. Главное внимание в работе обращено на прикладное значение рассматриваемых методов, на экономическое истолкование и интерпретацию получаемых результатов, а не на объяснение математико-статистического аппарата, который подробно освещается в специальной литературе.

Самым простым способом прогнозирования рыночной ситуации является экстраполяция, т.е. распространение тенденций, сложившихся в прошлом, на будущее. Сложившиеся объективные тенденции изменения экономических показателей в известной степени предопределяют их величину в будущем. К тому же многие рыночные процессы обладают некоторой инерционностью. Особенно это проявляется в краткосрочном прогнозировании. В то же время прогноз на отдаленный период должен максимально принимать во внимание вероятность изменения условий, в которых будет функционировать рынок.

Методы прогнозирования объема продаж можно разделить на три основные группы:

методы экспертных оценок;

методы анализа и прогнозирования временных рядов;

казуальные (причинно-следственные) методы.

Методы экспертных оценок основываются на субъективной оценке текущего момента и перспектив развития. Эти методы целесообразно использовать для конъюнктурных оценок, особенно в случаях, когда невозможно получить непосредственную информацию о каком-либо явлении или процессе.

Вторая и третья группы методов основаны на анализе количественных показателей, но они существенно отличаются друг от друга.

Методы анализа и прогнозирования динамических рядов связаны с исследованием изолированных друг от друга показателей, каждый из которых состоит из двух элементов: из прогноза детерминированной компоненты и прогноза случайной компоненты. Разработка первого прогноза не представляет больших трудностей, если определена основная тенденция развития и возможна ее дальнейшая экстраполяция. Прогноз случайной компоненты сложнее, так как ее появление можно оценить лишь с некоторой вероятностью.

В основе казуальных методов лежит попытка найти факторы, определяющие поведение прогнозируемого показателя. Поиск этих факторов приводит собственно к экономико-математическому моделированию -- построению модели поведения экономического объекта, учитывающей развитие взаимосвязанных явлений и процессов. Следует отметить, что применение многофакторного прогнозирования требует решения сложной проблемы выбора факторов, которая не может быть решена чисто статистическим путем, а связана с необходимостью глубокого изучения экономического содержания рассматриваемого явления или процесса. И здесь важно подчеркнуть примат экономического анализа перед чисто статистическими методами изучения процесса.

Каждая из рассмотренных групп методов обладает определенными достоинствами и недостатками. Их применение более эффективно в краткосрочном прогнозировании, так как они в определенной мере упрощают реальные процессы и не выходят за рамки представлений сегодняшнего дня. Следует обеспечивать одновременное использование количественных и качественных методов прогнозирования.

Рассмотрим подробнее сущность некоторых методов прогнозирования объема продаж, возможности их использования в маркетинговом анализе, а также необходимые исходные данные и временные ограничения.

Прогнозы объема продаж с помощью экспертов могут быть получены в одной из трех форм:

1) точечного прогноза;

2) интервального прогноза;

3) прогноза распределения вероятностей.

Точечный прогноз объема продаж -- это прогноз конкретной цифры. Он является наиболее простым из всех прогнозов, поскольку содержит наименьший объем информации. Как правило, заранее предполагается, что точечный прогноз может быть ошибочным, но методикой не предусмотрен расчет ошибки прогноза или вероятности точного прогноза. Поэтому на практике чаще применяются два других метода прогнозирования: интервальный и вероятностный.

Интервальный прогноз объема продаж предусматривает установление границ, внутри которых будет находиться прогнозируемое значение показателя с заданным уровнем значимости. Примером является утверждение типа: «В предстоящем году объем продаж составит от 11 до 12,4 млн. руб.».

Прогноз распределения вероятностей связан с определением вероятности попадания фактического значения показателя в одну из нескольких групп с установленными интервалами. Примером может служить прогноз типа:

Объем продаж компании, млн. руб.

Хотя при составлении прогноза существует определенная вероятность, что фактический объем продаж не попадет в указанный интервал, но прогнозисты верят, что она настолько мала, что может игнорироваться при планировании.

Интервалы, учитывающие низкий, средний и высокий уровень продаж, иногда называют пессимистичными, наиболее вероятными и оптимистическими. Конечно, распределение вероятностей может быть представлено большим количеством групп, но наиболее часто используются три указанных группы интервалов.

Для выявления общего мнения экспертов необходимо получить данные о прогнозных значениях от каждого эксперта, а затем произвести расчеты, используя систему взвешивания индивидуальных значений по какому-либо критерию. Известны четыре метода взвешивания различных мнений:

1) использование равных весов, если эксперты, как полагают исследователи, имеют одинаковые компетентности;

2) использование весов, пропорциональных степени «важности» экспертов, соответствующей их компетентности, известности в ученом мире, опыту в конкретной области деятельности и т.п.;

3) использование весов, пропорциональных самооценкам экспертов. Имеются свидетельства наличия прямой связи между уровнем самооценки компетентности экспертов и точностью экспертных оценок;

4) использование весов, пропорциональных относительной точности последних прогнозов конкретного эксперта.

Выбор метода остается за исследователем и зависит от конкретной ситуации. Ни один из них не может быть рекомендован для использования в любой ситуации.

Избежать проблемы взвешивания индивидуальных прогнозов экспертов и искажающего влияния отмеченных нежелательных факторов позволяет Дельфи-метод. Его основу составляет работа по сближению точек зрения экспертов. Всех экспертов знакомят с оценками и обоснованиями других экспертов и предоставляют возможность изменить свою оценку.

Прогнозирование на основе анализа временных рядов предполагает, что происходившие изменения в объемах продаж могут быть использованы для определения этого показателя в последующие периоды времени. Временные ряды обычно служат для расчета четырех различных типов изменений в показателях: трендовых, сезонных, циклических и случайных.

1. Тренд -- это изменение, определяющее общее направление развития, основную тенденцию временных рядов. Выявление основной тенденции развития (тренда) называется выравниванием временного ряда, а методы выявления основной тенденции -- методами выравнивания.

Один из наиболее простых приемов обнаружения общей тенденции развития явления -- укрупнение интервала динамического ряда. Смысл этого приема заключается в том, что первоначальный ряд динамики преобразуется и заменяется другим, уровни которого относятся к большим по продолжительности периодам времени. Так, например, месячные данные могут быть преобразованы в ряд годовых данных. Тренд в пользовании той или иной услугой является характеристикой относительно стабильного темпа роста показателя за период.

Выявление основной тенденции может быть осуществлено также методом скользящей средней. Для определения скользящей средней формируются укрупненные интервалы, состоящие из одинакового числа уровней. Каждый последующий интервал получаем, постепенно передвигаясь от начального уровня динамического ряда на одно значение. По сформированным укрупненным данным рассчитываем скользящие средние, которые относятся к середине укрупненного интервала.

Изучение основной тенденции развития методом скользящей средней является эмпирическим приемом предварительного анализа. Для того чтобы дать количественную модель изменений динамического ряда, используется метод аналитического выравнивания. В этом случае фактические уровни ряда заменяются теоретическими, рассчитанными по определенной кривой, отражающей общую тенденцию изменения показателей во времени. Таким образом, уровни динамического ряда рассматриваются как функция времени:

Yt = f(t).

Наиболее часто могут использоваться следующие функции:

1) при равномерном развитии -- линейная функция: Yt = b0 + b1t;

2) при росте с ускорением:

а) парабола второго порядка: Yt = b0 + b1t + b2t2;

б) кубическая парабола: Yt = b0 + b1t + b2t2 + b3t3;

3) при постоянных темпах роста -- показательная функция: Yt = b0b1t;

4) при снижении с замедлением -- гиперболическая функция: Yt = b0 + b1 х 1/t.

Однако аналитическое выравнивание содержит в себе ряд условностей: развитие явлений обусловлено не только тем, сколько времени прошло с отправного момента, а и тем, какие силы влияли на развитие, в каком направлении и с какой интенсивностью. Развитие явлений во времени выступает как внешнее выражение этих сил.

Оценки параметров b0, b1, ... bn находятся методом наименьших квадратов, сущность которого состоит в отыскании таких параметров, при которых сумма квадратов отклонений расчетных значений уровней, вычисленных по искомой формуле, от их фактических значений была бы минимальной.

Для сглаживания экономических временных рядов нецелесообразно использовать функции, содержащие большое количество параметров, так как полученные таким образом уравнения тренда (особенно при малом числе наблюдений) будут отражать случайные колебания, а не основную тенденцию развития явления.

2. Сезонные колебания -- повторяющиеся из года в год изменения показателя в определенные промежутки времени. Наблюдая их в течение нескольких лет для каждого месяца (или квартала), можно вычислить соответствующие средние, или медианы, которые принимаются за характеристики сезонных колебаний.

При проверке ежемесячных данных по салонам красоты можно обнаружить, что пик использования эпиляции приходится на осеннее - зимние месяцы. Объем продаж детской обуви приходится на период перед началом учебного года, увеличение потребления свежих овощей и фруктов происходит осенью, повышение объемов строительных работ -- летом, увеличение закупочных и розничных цен на сельхозпродукты -- в зимний период и т.п. Периодические колебания в розничной торговле можно обнаружить и в течение недели (например, перед выходными днями увеличивается продажа отдельных продуктов питания), и в течение какой-либо недели месяца. Однако самые значительные сезонные колебания наблюдаются в определенные месяцы года. При анализе сезонных колебаний обычно рассчитывается индекс сезонности, который используется для прогнозирования исследуемого показателя.

В самой простой форме индекс сезонности рассчитывается как отношение среднего уровня за соответствующий месяц к общему среднему значению показателя за год (в процентах). Все другие известные методы расчета сезонности различаются по способу расчета выровненной средней. Чаще всего используются такие методы расчета индекса сезонности, как:

Метод центрированной скользящей средней

Метод сезонной корректировки.

Метод экспоненциального сглаживания используется для краткосрочного прогнозирования объема продаж. Расчет осуществляется с помощью экспоненциально-взвешенных скользящих средних:

Zt = a х Yt + (1 - a) х Zt - 1,

где Z -- сглаженный (экспоненциальный) объем продаж;

t -- период времени;

a -- константа сглаживания;

Y -- фактический объем продаж.

Последовательно используя эту формулу, экспоненциальный объем продаж Zt можно выразить через фактические значения объема продаж Y:

где SO -- начальное значение экспоненциальной средней.

При построении прогнозов с помощью метода экспоненциального сглаживания одной из основных проблем является выбор оптимального значения параметра сглаживания a. Ясно, что при разных значениях a результаты прогноза будут различными. Если a близка к единице, то это приводит к учету в прогнозе в основном влияния лишь последних наблюдений; если a близка к нулю, то веса, по которым взвешиваются объемы продаж во временном ряду, убывают медленно, т.е. при прогнозе учитываются все (или почти все) наблюдения. Если нет достаточной уверенности в выборе начальных условий прогнозирования, то можно использовать итеративный способ вычисления a в интервале от 0 до 1. Существуют специальные компьютерные программы для определения этой константы.

3. Объемы продаж услуг большинства салонов красоты показывают значительные колебания. Они растут и падают в зависимости от общей ситуации в бизнесе, уровня спроса на услуги, предоставляемые салонами, деятельности конкурентов и других факторов. Колебания, отражающие конъюнктурные циклы перехода от более или менее благоприятной рыночной ситуации к кризису, депрессии, оживлению и снова к благоприятной ситуации, называются циклическими колебаниями. Существуют различные классификации циклов, их последовательности и продолжительности. Например, выделяются двадцатилетние циклы, обусловленные сдвигами в воспроизводственной структуре сферы производства; циклы Джанглера (7--10 лет), проявляющиеся как итог взаимодействия денежно-кредитных факторов; циклы Катчина (3--5 лет), обусловленные динамикой оборачиваемости запасов; частные хозяйственные циклы (от 1 до 12 лет), обусловленные колебаниями инвестиционной активности [8, с. 92].

Методика выявления цикличности заключается в следующем. Отбираются рыночные показатели, проявляющие наибольшие колебания, и строятся их динамические ряды за возможно более продолжительный срок. В каждом из них исключается тренд, а также сезонные колебания. Остаточные ряды, отражающие только конъюнктурные или чисто случайные колебания, стандартизируются, т.е. приводятся к одному знаменателю. Затем рассчитываются коэффициенты корреляции, характеризующие взаимосвязь показателей. Многомерные связи разбиваются на однородные кластерные группы. Нанесенные на график кластерные оценки должны показать последовательность изменения основных рыночных процессов и их движение по фазам конъюнктурных циклов.

Казуальные методы прогнозирования объема продаж включают разработку и использование прогнозных моделей, в которых изменения в уровне продаж являются результатом изменения одной и более переменных.

Казуальные методы прогнозирования требуют определения факторных признаков, оценки их изменений и установления зависимости между ними и объемом продаж. Из всех казуальных методов прогнозирования рассмотрим только те, которые с наибольшим эффектом могут быть использованы для прогнозирования объема продаж. К таким методам относятся:

корреляционно-регрессионный анализ;

метод ведущих индикаторов;

метод обследования намерений потребителей и др.

К числу наиболее широко используемых казуальных методов относится корреляционно-регрессионный анализ. Техника этого анализа достаточно подробно рассмотрена во всех статистических справочниках и учебниках. Рассмотрим лишь возможности этого метода применительно к прогнозированию объема продаж.

Может быть построена регрессионная модель, в которой в качестве факторных признаков могут быть выбраны такие переменные, как уровень доходов потребителей, цены на продукты конкурентов, расходы на рекламу и др. Уравнение множественной регрессии имеет вид

Y (X1; X2; ...; Xn) = b0 + b1 х X1 + b2 х X2 + ... + bn х Xn,

где Y -- прогнозируемый (результативный) показатель; в данном случае -- объем продаж;

X1; X2; ...; Xn -- факторы (независимые переменные); в данном случае -- уровень доходов потребителей, цены на продукты конкурентов и т.д.;

n -- количество независимых переменных;

b0 -- свободный член уравнения регрессии;

b1; b2; ...; bn -- коэффициенты регрессии, измеряющие отклонение результативного признака от его средней величины при отклонении факторного признака на единицу его измерения.

Последовательность разработки регрессионной модели для прогнозирования объема продаж включает следующие этапы:

1) предварительный отбор независимых факторов, которые по убеждению исследователя определяют объем продаж. Эти факторы должны быть либо известны (например, при прогнозировании объема продаж услуг салона красоты (результативный показатель) в качестве факторного признака может выступать число оказанных услуг в настоящее время); либо легко определяемы (например, соотношение цены на исследуемый услугу фирмы с ценами конкурентов);

2) сбор данных по независимым переменным. При этом строится временной ряд по каждому фактору либо собираются данные по некоторой совокупности (например, совокупности предприятий). Другими словами, необходимо, чтобы каждая независимая переменная была представлена 20 и более наблюдениями;

3) определение связи между каждой независимой переменной и результативным признаком. В принципе, связь между признаками должна быть линейной, в противном случае производят линеаризацию уравнения путем замены или преобразования величины факторного признака;

4) проведение регрессионного анализа, т.е. расчет уравнения и коэффициентов регрессии, и проверка их значимости;

5) повтор этапов 1--4 до тех пор, пока не будет получена удовлетворительная модель. В качестве критерия удовлетворительности модели может служить ее способность воспроизводить фактические данные с заданной степенью точности;

6) сравнение роли различных факторов в формировании моделируемого показателя. Для сравнения можно рассчитать частные коэффициенты эластичности, которые показывают, на сколько процентов в среднем изменится объем продаж при изменении фактора Xj на один процент при фиксированном положении других факторов. Коэффициент эластичности определяется по формуле