Documente Academic
Documente Profesional
Documente Cultură
1
Des. 7.1. Metode de previziune în marketing.
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.
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:
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
̅̅̅̅
̅̅̅̅, 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.
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
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 ;
𝒀𝒏+𝒌 = 𝑌𝑛 ∗ 𝐼 𝑘̅ , unde:
k este intervalul de timp peste care se face previziunea.
𝑦𝑛+1 = 𝑦𝑛 + ∆𝑦
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.
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
7
Funcția parabolică:
𝑎) 𝑦 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 𝑏) 𝑦 = 𝑎 + 𝑏𝑥 − 𝑐𝑥 2
∑ 𝑥4 ∗ ∑ 𝑦 − ∑ 𝑥2 ∗ ∑ 𝑥2𝑦 ∑ 𝑥𝑦 ∑ 𝑥2𝑦 − ∑ 𝑥2 ∗ ∑ 𝑦
𝑎= 𝑏= 𝑐=
𝑛 ∑ 𝑥 4 − (∑ 𝑥 2 )2 ∑ 𝑥2 𝑛 ∑ 𝑥 4 − (∑ 𝑥 2 )2
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)
Funcția de putere:
𝑦 = 𝑎𝑥 𝑏
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 + 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
∑𝒏
𝒊=𝟏 𝒚𝒊
̅=
𝒚 ;
𝒏
∑𝒏
𝒊=𝟏 𝒙𝒊 𝒚𝒊
̅̅̅̅ =
𝒙𝒚 ;
𝒏
-1 ≤ r ≤ 1
12