Tema 7. Previziuni de marketing.

7.1. Conținutul și rolul previziunilor de marketing.

Previziunile de marketing sunt una din componentele de bază a

cercetărilor de marketing, necesare în vederea elaborării strategiilor de marketing,
și reprezintă o evaluare a evoluțiilor posibile ale unui fenomen de piață, în anumite
condiții probabile și posibile, pentru o anumită perioadă de timp.
(Previzionarea este încercarea de a conduce o maşină blindată, fiind
direcţionată de o persoană care priveşte prin geamul din spate).
În activitatea de marketing previziunea îndeplinește următoarele funcții
principale:
1. Furnizarea de informații privind tendințele posibile și probabile ale unor
fenomene de piață (cerere, vânzări, prețuri etc.);
2. Permit estimarea efectelor ce vor fi generate în viitor de către deciziile și
acțiunile prezente;
3. Permit elaborarea alternativelor strategice posibile și alegerea strategiei
optimale.
În funcție de intervalul de timp pentru care se fac, previziunile pot fi:
1. Previziuni pe termen scurt – până la 1 an;
2. Previziuni pe termen mediu – 1÷5 ani;
3. Previziuni pe termen lung – > 5 ani;

7.2. Tipologia metodelor de previziune.

Metodele și tehnicile de previziune sunt foarte variate li pot fi grupate în

două mari categorii (Des. 7.1):
1. Metode calitative de previziune în marketing.
2. Metode calitative de previziune în marketing.

1
 Des. 7.1. Metode de previziune în marketing.

Metodele calitative de previziune se bazează pe opiniile unor persoane

considerate apte să facă previziuni asupra fenomenelor cercetate. Printre
principalele metode calitative de previziune putem menționa:
1. Metode bazate pe opiniile experților. Pentru cunoașterea opiniilor
experților asupra evoluției subiectului cercetat fie că se consultă
individual mai mulți experți și la sfârșit se face o analiză a pronosticului
acestora, fie că se apelează la diferite forme de discuții în grup,
prevăzându-se ca ei să ajungă la un consens asupra variabilei supuse
investigației.
Din aceste metode poate fi evidențiată metoda Delphi, care prevede
un ciclu de operații ce se repetă, cum ar fi:
- Stabilirea unui chestionar;
- Obținerea de răspunsuri separate de la fiecare expert,
păstrându-se anonimatul răspunsului;
- Sintetizarea informațiilor obținute și elaborarea unui raport
intermediar;
- Elaborarea unui nou chestionar, mai detaliat, care împreună
cu sinteza ciclului anterior se trimite spre completare din
nou experților etc. Procedura se repetă până se ajunge la un
consens și răspuns considerata fi satisfăcător.
2. Anchete asupra intențiilor de cumpărare, efectuate asupra unor paneluri
de cumpărători. Folosirea acestei metode are unele limete, dintre care
pot fi menționate:

 clientul intervievat trebuie să fie capabil să răspundă la întrebările

adresate ( de regulă, pentru bunurile de consum curent nu se prevede
dinainte achiziționarea lor);

2
  în cadrul previziunii poate fi indicată mai ușor grupul de produse,
produsul, dar mai greu unele mărci concrete;
 De regulă, există un decalaj mare între intenția de cumpărare și
cumpărarea propriu-zisă, ceea ce face ca eroarea previziunilor să fie una
destul de mare.
3. Previziuni efectuate de personalul din vânzări din cadrul
întreprinderilor, care de regulă contactează direct cu clienții efectivi și
potențiali și își pot folosi informațiile pe care le posedă pentru a face
unele previziuni pe termen scurt.

Metodele cantitative, denumite de asemenea și metode de extrapolare, în măsura

în care se bazează pe extinderea în viitor a tendințelor observate în trecut, pot fi
folosite în previziunile de marketing în situația în care se respectă următoarele
condiții:
- Există informații despre trecutul variabilei previzionate și
acestea pot fi cuantificate;
- Există presupunerea că în viitor variabila previzionată va
continua să aibă o configurație asemănătoare cu cea din
trecut.
Previziunile cantitative se pot realiza printr-un șir de metode:
1. Metoda extrapolării grafice (Des. 7.2) – presupune o extrapolare grafică
pentru perioadă previzionată a evoluției din perioada anterioară a variabilei
previzionate.

7.2. Metoda extrapolării grafice.

2. Metoda sporului mediu absolut. Poate fi folosită în situația în care în perioada

anterioară celei pentru care se face previziunea variabila previzionată a evoluat
3
 asemănător unei progresii aritmetice. Metoda presupune calcularea sporului
mediu absolut al variabilei previzionate în perioada anterioară celei pentru care
se face previziunea și adăugarea acestuia la ultima valoare a seriei observate, în
dependență de intervalul de timp peste care se face previziunea, folosind relațiile
de mai jos.
De exemplu, pe parcursul ultimilor cinci ani (x1=1 – primul an; x2=2 – al
doilea an și așa mai departe), variabila previzionată Y a avut valorile y1=1;
y2=2 și așa mai departe. Se prevede previzionare valorii lui Y pentru x6=6,
x7=7 și x8=8.
x x1=1 x2=2 x3=3 x4=4 x5=5 x6=6 x7=7 x8=8
y y1=1 y2=2 y3=3 y4=4 y5=5 y6=? y7=? y8=?

Pentru aceasta:
a). Se calculează modificarea absolută a valorii variabilei previzionate Y în
fiecare interval de timp în perioada anterioară celei pentru care se face previziunea:

∆y1=y2-y1; ∆y2=y3-y2; ∆y3=y4-y3; ∆y4=y5-y4;

b). Se calculează creșterea medie absolută a variabilei previzionate Y în perioada

anterioară celei pentru care se face previziunea:
∆𝑦1 + ∆𝑦2 + ∆𝑦3 + ∆𝑦4
̅̅̅̅ =
∆𝑦 =
4
(𝑦2 − 𝑦1 ) + (𝑦3 + 𝑦2 ) + (𝑦4 + 𝑦3 ) + (𝑦5 + 𝑦4 ) 𝑦5 − 𝑦1
= =
4 4

Formula generală de calcul va fi:

𝑦 −𝑦
̅̅̅̅
∆𝑦 = 𝑛 1
𝑛−1

c). Se fac previziuni prin adăugarea valorii creșterii medii absolute din perioada
anterioară celei pentru care se face previziunea la ultima (dar și următoarele)
valoare a seriei luate în considerare:
̅̅̅̅; 𝑦7 = 𝑦6 + ∆𝑦
𝑦6 = 𝑦5 + ∆𝑦 ̅̅̅̅ = 𝑦5 + ∆𝑦
̅̅̅̅ + ∆𝑦
̅̅̅̅ = 𝑦5 + 2∆𝑦
̅̅̅̅

Formula general de calculare a valorilor extrapolate va fi:

̅̅̅̅, unde:
𝑦𝑛+𝑘 = 𝑦𝑛 + 𝑘∆𝑦
yn – ultimul termen al seriei;
∆y – sporul mediu anual;
k – intervalul de ani, peste care se face previziunea.
4
3. Metoda indicelui mediu de creștere (ritmului mediu anual de creștere). Poate
fi folosită în situația în care în perioada anterioară celei pentru care se face
previziunea variabila previzionată a evoluat asemănător unei progresii
geometrice. Metoda presupune calcularea ritmului mediu anual de creștere al
variabilei previzionate în perioada anterioară celei pentru care se face previziunea
prin înmulțirea acestuia la ultima valoare a seriei observate, în dependență de
intervalul de timp peste care se face previziunea, folosind relațiile de mai jos.
De exemplu, pe parcursul ultimilor cinci ani (x1=1 – primul an; x2=2 – al
doilea an și așa mai departe), variabila previzionată Y a avut valorile y1=1;
y2=2 și așa mai departe. Se prevede previzionare valorii lui Y pentru x6=6,
x7=7 și x8=8.

x x1=1 x2=2 x3=3 x4=4 x5=5 x6=6 x7=7 x8=8

y y1=1 y2=2 y3=3 y4=4 y5=5 y6=? y7=? y8=?

Pentru aceasta:
a). Se calculează ritmul anual de creștere a valorii variabilei previzionate Y în
fiecare interval de timp în perioada anterioară celei pentru care se face
previziunea:
𝒚𝟐 𝒚𝟑 𝒚𝟒 𝒚𝟓
𝐈𝟏= ; 𝐈𝟐= 𝐈𝟑= 𝐈𝟒=
𝒚𝟏 𝒚𝟐 𝒚𝟑 𝒚𝟒

b). Se calculează ritmul mediu anual de creșterea a variabilei previzionate Y în

perioada anterioară celei pentru care se face previziunea:

𝟒 𝒚𝟐 𝒚𝟑 𝒚𝟒 𝒚𝟓 𝟒 𝒚𝟓
𝑰̅ = 𝟒√𝑰𝟏 + 𝑰𝟐 + 𝑰𝟑 + 𝑰𝟒 = √ ∗ ∗ ∗ =√ ;
𝒚𝟏 𝒚𝟐 𝒚𝟑 𝒚𝟒 𝒚𝟏
Formula generală de calcul va fi:

𝒏−𝟏 𝒚𝒏
𝑰̅ = √
𝒚𝟏

5
 c). Se fac previziuni prin înmulțirea ritmului mediu anual de creștere din
perioada anterioară celei pentru care se face previziunea cu ultima (dar și
următoarele) valoare a seriei luate în considerare:

𝒚𝟔 = 𝒚𝟓 ∗ 𝑰̅ 𝒚𝟕 = 𝒚𝟔 ∗ 𝑰̅ = 𝒚𝟓 ∗ 𝑰̅𝑰̅ = 𝒚𝟓 ∗ 𝑰̅𝟐 ;

Formula general de calculare a valorilor extrapolate va fi:

𝒀𝒏+𝒌 = 𝑌𝑛 ∗ 𝐼 𝑘̅ , unde:
k este intervalul de timp peste care se face previziunea.

4. Metoda coeficientului de elasticitate.

Din câte cunoaștem, coeficientul de elasticitate exprimă intensitatea reacția
cantitativă a unei variabile dependente (vânzări, cerere) la o mică modificare a
factorilor de influență (prețuri, venituri) și poate fi apreciat folosind relația:
∆𝒚 ∆𝒙
𝑬𝒙 = : 𝒙 , unde:
𝒚
E – coeficientul de elasticitate;
X – factorul de influență;
Y – variabila dependentă ;
∆y, ∆x – modificarea celor doi factori;

Reieșind din cele indicate mai sus, și plecându-se de la nivelul actual al

vânzărilor (yn ), și cel al venitului sau al prețurilor (xn) și cunoscându-se, totodată,
coeficientul de elasticitate a vânzărilor fașă de nivelul veniturilor sau al prețurilor
(Ex) și modificarea posibilă a veniturilor sau prețurilor în perioada următoare (∆x),
se poate calcula care va fi creșterea vânzărilor (∆y), dar și valoarea previzionată a
vânzărilor (cererii) folosind relația:

𝑦𝑛+1 = 𝑦𝑛 + ∆𝑦

Relația generală de folosire a coeficientului de elasticitate în vederea

realizării unor previziuni de marketing va fi:
𝑦𝑛 ∗⌊100+(𝐸𝑥 ∗∆𝑥)⌋
𝑦𝑛+1 = 100

5. Metoda corelației și regresiei. Această metodă presupune stabilirea

existenței unei legături statistice reale între fenomenul cercetat și caracterizarea
direcției sale. În previziuni, variabila dependentă este pusă în legătură cu timpul,
care concentrează influențele celorlalte variabile independente, cunoscută sub
denumirea de funcție de regresie.

6
 După calcularea parametrilor funcției de regresie, valorile previzionate
pentru variabila cercetată se obțin prin adăugarea de valori ultimului nivel
atribuit variabilei timp, făcându-se, totodată, analiza economico-matematică
corespunzătoare:
- Aprecierea intensității legăturii dintre factori prin
calcularea coeficientului de corelație statistică (în cazul
corelațiilor liniare) sau a raportului de corelație (în cazul
corelațiilor curbilinii);
- Aprecierea semnificației intensității legăturii statistice între
factori și a parametrilor funcției;
- Aprecierea erorii și a intervalului de previziune.

Exemple de dependențe, funcțiile matematice care le redau și

formulele de calculare a parametrilor funcțiilor sunt redate mai jos:

a). Dependența liniară:

Funcția liniară:
y=a + bx
Calcularea parametrilor funcției liniare:
∑ x 2 ∗ ∑ y − ∑ x ∗ ∑ xy 𝑛 ∑ 𝑥𝑦 − ∑ 𝑥 ∗ ∑ 𝑦
a= b=
n ∗ ∑ x 2 − (∑ x)2 n ∗ ∑ x 2 − (∑ x)2

b). Dependența parabolică:

7
 Funcția parabolică:

𝑎) 𝑦 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 𝑏) 𝑦 = 𝑎 + 𝑏𝑥 − 𝑐𝑥 2

Calcularea parametrilor funcției parabolice:

∑ 𝑥4 ∗ ∑ 𝑦 − ∑ 𝑥2 ∗ ∑ 𝑥2𝑦 ∑ 𝑥𝑦 ∑ 𝑥2𝑦 − ∑ 𝑥2 ∗ ∑ 𝑦
𝑎= 𝑏= 𝑐=
𝑛 ∑ 𝑥 4 − (∑ 𝑥 2 )2 ∑ 𝑥2 𝑛 ∑ 𝑥 4 − (∑ 𝑥 2 )2

c). Dependența hiperbolică:

Funcția hiperbolică:

y=a+b/x
Calcularea parametrilor funcției hiperbolice:
∑(1/𝑥)2 ∗ ∑ 𝑦 − ∑(1/𝑥) ∗ ∑ 𝑦(1/𝑥) 𝑛 ∑ 𝑦 ∗ (1/𝑥) − ∑ 𝑦 ∗ ∑(1/𝑥)
a= 𝑏=
𝑛 ∑(1/𝑥)2 − (∑ 1/𝑥)2 𝑛 ∑(1/𝑥)2 − (∑ 1/𝑥)2
8
 d). Dependența semilogaritmică:

Funcția semilogaritmică:

𝐲 = 𝐚 + 𝐛𝐥𝐨𝐠(𝐱)

Calcularea parametrilor funcției semilogaritmice:

∑ 𝑦 ∗ ∑(log(𝑥))2 − ∑ 𝑦𝑙𝑜𝑔(𝑥) ∗ ∑ log(𝑥)

𝑎= 𝑏
𝑛 ∑(log(𝑥))2 − (∑ log(𝑥))2
𝑛 ∑ 𝑦𝑙𝑜𝑔(𝑥) − ∑ 𝑦 ∑ log(𝑥)
=
𝑛 ∑(log(𝑥))2 − (∑ log(𝑥))2

e). Dependența exponențială:

Funcția exponențială și calcularea parametrilor funcției exponențiale:

y = abx log 𝑦 = log 𝑎 + 𝑥 𝑙𝑜𝑔 𝑏

9
 log 𝑎 = 𝛼; log 𝑏 = 𝛽; log 𝑦 = 𝛼 + 𝛽𝑥;
∑(log(𝑦)) ∑ 𝑥 2 − ∑ 𝑥𝑙𝑜𝑔(𝑦) ∗ ∑ 𝑥
𝛼=
𝑛 ∑ 𝑥 2 − (∑ 𝑥 )2
𝑛 ∑ 𝑥𝑙𝑜𝑔𝑦 − ∑ 𝑥 ∑ 𝑙𝑜𝑔𝑦
𝛽=
𝑛 ∑ 𝑥 2 − (∑ 𝑥 )2

j). Funcția de putere:

Funcția de putere:

𝑦 = 𝑎𝑥 𝑏

6. Metode explicative (cauzale). Metodele explicative pun în legătură

variabila cercetată (vânzarea unui produs, cota de piață etc) nu cu timpul, dar cu unul
sau mai mulți factori de influență.
Variabilele explicative (factorii de influență) pot fi de două tipuri:
a) Variabile exogene:
 numărul populației;
 veniturile;
 PIB-ul;
 numărul de căsătorii etc.
b) Variabile endogene:
 bugetul publicitar;
 numărul de puncte de vânzare;
 numărul de vânzători;
 prețul etc.

10
 Folosirea metodelor explicative de previziune se bazează pe două condiții:
- că relațiile de cauzalitate constatate în trecut se vor menține
și pe viitor;
- că se poate prevedea evoluția viitoare a variabilei
explicative mult mai ușor și mai sigur decât cea a variabilei
cercetate.
Aceste două condiții sunt mult mai ușor de îndeplinit în cazul folosirii variabilelor
endogene și mai dificil în cazul celor endogene.
Dintre metodele explicative de previziune cel mai des folosite sunt:
6.1. Modelele univariabile (y = f(x)) – pot fi folosite pentru a anticipa răspunsurile
pieței (de exemplu, vânzările posibile) la diferite acțiuni de marketing luate
izolat, presupunând că toți ceilalți factori rămân constanți. Dependențele
dintre variabile pot fi similare celor menționate cu referință la metoda
corelației și regresiei.
6.2. Modelele multivariabile, care descriu și măsoară acțiunea combinată a
diferiților factori (y=f(x1, x2, x3, ..., xn)), care influențeză variabila
dependentă (de exeplu, vânzările unui produs, cota de piață etc). Cele mai
simple dintre acestea sunt modelele liniare de forma:

y=a0 + a1x1 + a2x2 + ... + anxn, în care a0, a1, an

reprezintă parametrii funcției.

De exemplu, în cazul explicării vânzărilor unui produs ( y ) în

funcție de doi factori determinanți, x1 – prețul produsului, și x2 – cheltuielile
pentru promovare, modelul liniar de regresie va avea următoarea formă:

y=𝒂𝟎 + 𝒂𝟏 𝒙𝟏 + 𝒂𝟐 𝒙𝟐 .

De regulă, însă, funcțiile de regresie cu mai multe variabile apar sub formă
neliniară, calcularea parametrilor funcției fiind destul de complicată.

După cum s-a menționat mai sus, pentru dependențele liniare aprecierea
intensității legăturii dintre factori se realizează prin calcularea coeficientului de
corelație statistică conform următoarei relații:

̅̅̅̅̅̅
𝑥 ∗ 𝑦 − 𝑥̅ ∗ 𝑦̅
𝑟=
𝜎𝑥 ∗ 𝜎𝑦

̅̅̅ se calculează în baza valorilor variabilelor x și y în perioada

unde: 𝑥̅ , 𝑦̅ ș𝑖 𝑥𝑦
anterioară celei pentru care se face previziunea după cum urmează:
11
 ∑𝑛
𝑖=1 𝑥𝑖
𝑥̅ = ;
𝑛

∑𝒏
𝒊=𝟏 𝒚𝒊
̅=
𝒚 ;
𝒏

∑𝒏
𝒊=𝟏 𝒙𝒊 𝒚𝒊
̅̅̅̅ =
𝒙𝒚 ;
𝒏

𝝈𝒙 și 𝝈𝒚 – reprezintă abaterea medie pătratică a variabilelor x și y, calculate

în baza valorilor din perioada anterioară celei pentru care se face previziunea în
baza următoarelor relații:
∑𝒏 (𝒙𝒊 − 𝒙
̅)𝟐 ∑𝒏𝒊=𝟏(𝒚𝒊 − 𝒚
̅ )𝟐
𝝈𝒙 = √ 𝒊=𝟏 𝝈𝒚 = √
𝒏 𝒏

Coeficientul de corelație statistică poate avea valori cuprinse între -1 și 1:

-1 ≤ r ≤ 1

Pentru r > 0 – dependența este una directă;

Pentru r < 0 – dependența este una indirectă.

Aprecierea calitativă a coeficientului de corelație statistică pentru alte valori

ale lui r se face reieșind din următoarele recomandări:

r = 0,1 ÷ 0,3 – dependență puțină;

r = 0,3 ÷ 0,5 – dependență moderată;
r = 0,5 ÷ 0,7 – dependență potrivită;
r = 0,7 ÷ 0,9 – dependență mare;
r = 0,9 ÷ 0,99 – dependență foarte mare;
r = 1 – dependență funcțională;
r = 0 – lipsește orice legătură.

12