Управление продажами. Как построить систему продаж, которая реально работает

Например, мы считаем, что значение объема продаж предыдущего месяца влияет на значение объема продаж следующего месяца достаточно сильно и выбираем коэффициент, демонстрирующий степень этого влияния: b₁ = 5. В сравнении с ним коэффициент b₂, демонстрирующий изменение ВВП на душу населения, мы приравниваем к 1. Тем самым показываем, что изменение ВВП в пять раз слабее влияет на результат продаж следующего месяца, чем объем продаж предыдущего месяца.

X – значение переменных. Например, средний доход нашей целевой аудитории, количество проданных автомобилей в регионе, результаты продаж год назад.

Откуда брать все эти данные? Факторы можно взять из справочников (это область работы маркетологов, а точнее, отраслевых маркетологов) или разработать самим, собирая статистику и изучая взаимовлияние переменных. Работа нетривиальная и рисковая, но за это и платят зарплаты: за способность измерить будущую действительность.

ARIMA – интегрированная модель авторегрессии

Если результаты продаж отражают реальное положение дел (например, мы не сомневаемся, что занимаем равновесную долю рынка и рынок достаточно зрелый, то есть не подвержен или слабо подвержен случайным колебаниям), то мы можем опереться на временные ряды – результаты продаж предыдущих периодов за достаточно длительный промежуток времени (если такие данные есть и у нас есть основание им доверять). И в этом случае мы можем использовать другие модели планирования. Например, ARIMA (Autoregressive Integrated Moving Average) – интегрированная модель авторегрессии, скользящего среднего. Это модель и методология анализа временных рядов:

Суть модели в следующем: рассматривая достаточно большое количество данных – прошлых результатов деятельности, – мы можем спрогнозировать будущее значение наших продаж.

Допустим, у нас есть стационарный поток данных. Введем еще одно понятие – стационарность. Это свойство процесса не менять свои характеристики со временем.

Наши результаты изменяются, при этом изменения не хаотичны, а предсказуемы.

Берем параметры нашего «потока» и предполагаем, что будущее будет похожим на прошлое, поэтому продлеваем значения «потока» на следующий период – год или квартал.

А если поток данных не стационарный? Не прямая, к примеру, а некоторая кривая?

Тогда мы пытаемся посчитать эту нестационарность, по сути, эти отклонения. И если они стабильны и вычислимы, мы их включаем в наши расчеты.

Таким образом можно учесть сезонность продаж. Например, каждое лето объем продаж падает. И мы, оглядываясь на пять лет назад, понимаем, что падение, хоть и отличается по значению, всегда составляет 15 %. Значит, учитывая эти 15 %, мы сможем спрогнозировать сезонное падение следующего года.

Для применения этого метода у нас должно быть много данных. И в этих данных должна прослеживаться стационарность – стабильность.

Хорошо, имеем желаемый результат, который мы можем достичь с некой вероятностью, размер которой нас устраивает. Теперь займемся распределением ресурсов компании для максимизации результата. Кстати, доступные ресурсы должны быть одним из параметров приведенного многочлена. Для распределения ресурсов необходимо воспользоваться информацией и моделями, приведенными в начале книги (уровень 1 и уровень 2). Таким образом, учитываем USP компании и дифференциаторы, оцениваем возможности голубого океана, определяем каналы и ключевых клиентов.

Планирование дает нам ориентир для определения результата будущего периода. Используя методики планирования, вы повышаете вероятность получения того результата, который вы хотите. Как я уже говорил, планирование само по себе на результат продаж не влияет. Но оно абсолютно точно оправдывает цели, которые ставятся, и дает основание для распределения ресурсов. Планирование позволяет разбросать цифры по клиентам, после чего, собственно, и возникает деятельность по продаже.

Уровни планирования

А теперь я предлагаю перейти к распределению ресурсов. За основу возьмем модель компании Mercuri International – «Уровни планирования».

Развитие рынка

Прежде всего необходимо учесть развитие рынка. Или его «завитие».

В регрессионном анализе, нашем многочлене, это будет переменная с большим весом, так как колебания рынка – это всегда заметная переменная.

Откуда можно взять информацию о развитии рынка? Предлагаю брать на вооружение статистику, отраслевые отчеты, аналитические статьи, мнение экспертов. Изменение рынка – это большое событие, от него никуда не уйти, и оно достаточно широко освещается в различных источниках.

Есть довольно простое правило: при сокращении рынка компании с большой долей, без сомнения, потеряют в обороте. Другого сценария ожидать не стоит. Может ли случиться рост? Да, но вероятность этого события очень низка. Ориентироваться на это я бы не стал, потому что можно потратить очень много ресурсов на слабо достижимые цели.