پیدا کردن وجوه تمایز شرکت و وجوه تمایز هر یک از محصولات
چرخه عمر محصول
یک از مناسبترین فنون، ماتریس آنسف (شکل 8-2) است که گزینه های استراتژیک را در یک شبکه متشکل از دو پیوستار که یکی از آن ها نشان دهنده جدید بودن نسبی محصول و دیگری نشان دهنده جدید بودن نسبی بازار است، خلاصه می نماید ودر برگیرنده چهار استراتژی است که عبارتند از:
محصولات موجود برای مشتریان کنونی (نفوذ در بازار)

محصولات موجود برای بازارهای جدید (توسعه بازار)
محصولات جدید برای مشتریان کنونی (توسعه محصول)
محصولات جدید برای بازارهای جدید (تنوع)
محصولات
جدید
موجود
توسعه محصول
نفوذ در بازار
موجود
بازارها
منتوع سازی
توسعه بازار
جدید
شکل 8-2- ماتریس آنسف (هتن، 1387)
2-3-2- برآورد تقاضای آتی و پیش بینی فروش
پیش بینی های فروش بر پایه ی برآورد های انجام شده در مورد تقاضا استوارهستند. تقاضای بازار، برای یک کالا، مقدار کل کالایی است که توسط گروه مشخصی از مشتریان در یک منطقه جغرافیایی خاص در یک دوره زمانی معین در یک محیط بازاریابی مشخص و تحت یک برنامه بازاریابی خاص خریداری می شود. پس از اینکه بازاراریان تقاضای بازار شرکت را براورده کردند وظیفه بعدی آن ها انتخاب سطح تلاش های بازاریابی است. سطح تلاش های بازاریابی انتخابی سطح فروش مورد انتظار را تامین خواهد کرد.
فروش شرکت بطورطبیعی، نتیجه ی تعامل میان کوشش های بازاریابی شرکت، فرصت های بازاریابی شرکت و فرصت های بازاریابی است. به این امر ، موانعی که رقبا با شرایط عمومی اقتصادی تحمیل می کند را اضافه کنید. در نظر گرفتن همه ی موارد دخیل در کار، وظیفه پیش بینی مجموعه ای مناسب از جایگزین های توانایی فروش است که سناریوهای متعدد بازار ناشی میشود. در این پیش بینی هرگونه اثر احتمالی تحت هر شرایطی از بازار باید مد نظر قرار گیرد.
در اکثر بازارها تقاضای کل و تقاضای شرکت از ثبات لازم برخوردار نیست لذا رمز موفقیت شرکت در آینده نگری خوب است. هرچه تقاضا بی ثبات تر باشد، صحت انجام پیش بینی ها از اهمیت بیشتری برخوردار است و به روش های پیشرفته تری برای انجام پیش بینی نیاز است.
معمولا شرکت ها برای پیش بینی فروش از یک روش سه مرحله ای استفاده میکنند. روش با یک پیش بینی اقتصاد کلان آغاز میشود. آن گاه نوبت به پیش بینی صنعت میرسد و در مرحله آخر فروش شرکت پیش بینی میشود. تمام این پیش بینی ها بر یکی از سه پایه ی اطلاعاتی: مردم چه میگویند، مردم چه می کنند یا مردم چه کرده اند، استوار است . اولین پایه اطاعات “مردم چه می گویند” مستلزم بررسی نظرات و عقاید خریداران یا کسانی است که خرید را انجام می دهند. کسانی مانند فروشندگان یا کارشناسان بیرونی از آن جمله اند. این پایه ی اطلاعاتی شامل سه روش بررسی قصد خریدان، ترکیب عقاید و نظرات فروشندگان و نظرات کارشناسی است. پیش بینی بر اساس “آن چه که مردم انجام میدهند” مستلزم روش دیگری است و آن اینست که برای اندازه گیری عکسل العمل خریدار، کالا در بازار مورد آزمون قرار گیرد. آخرین پایه اطلاعاتی “آن چه که مردم انجام داده اند” مستلزم بررسی و تجزیه و تحلیل سوابق گذشته رفتار خرید یا استفاده از تجزیه سری های زمانی یا تحلیل آماری تقاضاست.
روش های پیش بینی بر اساس سری های زمانی عمدتا بر اطلاعات گذشته و عینی و نیز رویه های ریاضی برای محاسبات پیش بینی متکی است. هنگامی که اطلاعات فروش محصول در چند سال موجود و روابط و روندها واضح و ثابت است از روش های آماری استفاده میشود. استفاده از این روش ها بر مبنای این فرض است که الگوهای فروش موجود در آینده نیز وجود خواهند داشت.
در ادامه به چند نوع از روش های سری زمانی اشاره میشود:
تحلیل روند: بر اساس اطلاعات روش قبلی معادله ای برای توصیف رفتار آینده به دست میآیند. سارده ترین روش تحلیل روند روشی است که رگرسیون نامیده میشود. در این روش، خطی که با مناسب ترین برازش و حداقل خطا با اطلاعات تطبیق دارد به دست میآید.
تجزیه اطلاعات: فروش گذشته (Q) خود به چهار جزء مختلف سرشکن می شود:
اولین جزء روند (T) است و آن نتیجه تغییر و تحولاتی است که در جمعیت، تشکیل سرمایه و تکنولوژی پدید میآید. روند با بهره گرفتن از فروش گذشته با ترسیم یک خط مستقیم یا منحنی بدست میآندی. دومین جزء دوره (G) است و آن حرکات بالا و پایین فروش است. بسیاری از فروش ها هستند که تحت تاثیر نوسانات فصلی فعالیتهای کلی اقتصادی قرار می گیرند. جزء دوره ای می تواند در آینده نگری میان مدت مفید واقع گردد. سومین جزء فصل است (S) و به الگوی باثباتی از حرکات فروش در خلال سال اشاره دارد. اصطلاح فصل به طور گسترده و جامع الگوی تکراری ساعتی، هفتگی، ماهیانه یا سه ماه یکبار فروش را توصیف میکند. جزء فصلی ممکن است به عوامل جوی، تعطیلی و عرف تجاری وابستگی و ارتباط داشته باشد. الگوی فصلی معیاری را برای فروش کوتاه مدت فراهم می سازد. جزء چهارم وقایع و رویدادهای غیر مترقبه و عجیب و غریب (E) است و شامل اعتصابات، طوفان ها، سرگرمی های موقت، اغتشاشات، آتش سوزی ها، کمبودهای زمان جنگ و دیگر مسائل و رویدادهای غیرمنتظره میشود. از آنجاییکه رویدادهای غیرمنتظره غیر قابل پیش بینی هستند باید برا تشخیص رفتار عادی فروش از اطلاعات گذشته حذف شوند. پس از سرشکن کردن سری های فروش گذشته (Q) به اجزاء T,G,S ,E این اجزا برای انجام آینده نگری درباره ی فروش باید مجددا باهم ترکیب شوند.
میانگین های متحرک: این روش بر مبنای این فرض است که میانگین فروش دوره های گذشته تخمین احتمالی خوبی برای دوره های آینده است. هر چه تعداد دوره هایی که میانگین بر مبنای آن محاسبه میشود بیشتر باشد اثر هموارسازی بیشتر خواهد بود.میانگین متحرک میانگینی است که با اضافه کردن جدیدترین اطلاعات و حذف کردن قدیمی ترین اطلاعات محاسبه می شود.
هموار نمایی: برخی از پیش بینی کنندگان با این که تمایلی به نادیده گرفتن برخی از ا
طلاعات ندارند، نمی خواهند تحت تاثیر اطلاعات قدیمی پیش بینی کنند. در این موقعیت روش هموارسازی نمایی را انتخاب می کنند که در آن از میانگین وزن دار استفاده میشود. چون در این روش برای برخی از اطلاعات اهمیت بیشتری قایل میشوند. در هموارسازی نمایی می توان با توجه به اهمیت اطلاعات جدید به آن ها وزن داد. وزن بر حساسیت پیش بینی به تغییرات گذشته اثر می گذارد.
F(t)=F(t-1)+α[D(t-1)-F(t-1)]
در این فرمول F(t) پیش بینی فروش در زمان t، F(t-1) پیش بینی فروش در زمان (t-1)، α ضریبی بین 0و1 و D(t-1) تقاضا برای دوره (t-1) است.
روش های کمی دیگری نیز وجود دارد که به اختصار آن را شرح میدهیم:
تحلیل همبستگی: فروش یک محصول بر اساس فروش، استفاده یا موجود بودن یک یا چند محصول دیگر پیش بینی میشود.
روش کمترین مجذور:با محاسبه یک معادله خطی، فروش را به متغیر مستقل دیگری (مثلا تبلیغات) ربط می دهد.
روش رگرسیون چند متغیره: با محاسبه یک معادله چند متغیره، فروش را به چند متغیر مستقل ربط میدهد.
تجزیه و تحلیل آماری تقاضا: تجزیه و تحلیل سری های زمانی، با فروش گذشته و آینده به عنوان تابعی از زمان و نه تابعی از هر عامل واقعی تقاضا برخورد میکند. با این وجود عوامل واقعی بی شماری بر فروش هر کالایی تاثیر می گذارند. تجزیه و تحلیل آماری تقاضا مجموعه ای از روش های آماری است که برای دستیابی به مهم ترین عوامل واقعی که برفروش تاثیر میگذارند و اهمیت نسبی آن ها در نظر گرفته شده است.
تجزیه و تحلیل آماری تقاضا عبارت از فروش (Q) است بعنوان متغیری که به تعدادی از متغیرهای مستقل تقاضا (X1,X2,X3,….Xn) وابسته است. یعنی: (X1,X2,X3,….Xn)Q=f
متغیرهای مستقلی که بسیار مورد تجزینه و تحلیل قرار میگیرند عبارتند از قیمت فروش، درآمد، جمعیت و فعالیتهای پیشبردی، با بهره گرفتن از تجزیه و تحلیل رگرسیون چند گانه می توان به اشکال مختلف معادل دست یافت، معادله هایی که برای دستیابی به بهترین متغیرها و معادله پیش بینی می توانند از لحاظ آماری برای اطلاعات بسیار مناسب باشند.
علاوه بر پیش بینی های فروش ریاضی (کمی) که اغلب متکی بر اطلاعات هستند، روش های پیش بینی غیر ریاضی (کیفی) هم قابل استفاده می باشندکه بیشتر مبتنی بر قضاوت و تجربه میباشند. و در جدول 6-2 مقایسه ای نیز بین آن ها صورت گرفته است.
جدول 6-2-مقایسه روش های پیش بینی فروش غیرریاضی (پلی، 1384)
روش
ماهیت
فواید
ضعف
قضاوتی
قضاوت از نظر کارشناسان
طیف بالا/پایین محدود شونده ی متوالی
طیف به جای یک عد تنها
متکی ب تخمین فردی
روش بحث گروهی
تخمین اجتماعی گروهی
ادغام نظرات گوناگون با نظر میانه
سلطه نظر سطحی یک نفر
روش جمع آوری تخمین افراد
متوسط تخمین های فردی
بحث گروه را از خطرات دور می کند
فقدان پویایی گروه
مهارت دلفی
دوره های متوالی بازخورد تخمین های شرکت کنندگان