مدل‌سازی انتخاب؛ روشی برای پیش‌بینی فروش محصولات جدید (۲)

مدل‌سازی انتخاب؛ روشی برای پیش‌بینی فروش محصولات جدید (۲)

در طول دهه گذشته، مدل‌سازی انتخابی به عنوان یک روش پایدار جهت پیش‌بینی فروش محصولات و خدمات جدید، اعتبار کسب کرده است. مدل سازی انتخابی در سال ۲۰۰۰ شاخه‌های جدیدی پیدا کرد؛ زمانی که دنیل مک فادن استاد آمریکایی جایزه نوبل اقتصاد را به خاطر اقدامات پیشتازانه‌اش برای استفاده از مدل‌سازی انتخابی در تصمیم‌گیری‌های اقتصادی دریافت کرد. شهرت مدل‌سازی انتخابی همچنین با پیشرفت‌های نرم‌افزاری، کامپیوترهای قدرتمندتر، و تکنولوژی انیمشن‌های سه بعدی تقویت شد.

اما چرا مدل‌سازی انتخابی به طور فزاینده ای برای پیش‌بینی فروش محصولات جدید استفاده می‌شود؟ دلیل اصلی این است که مدل‌سازی انتخابی نسبت به سیستم‌های قدیمی پیش‌بینی، اطلاعات بهتر و بیشتری را ارائه می دهد. مشتریان زمانی که به خوار و بار فروشی یا نمایندگی‌های ماشین مراجعه می کنند مجبور به انتخاب برند هستند. مدل‌سازی انتخابی، شبیه‌سازی خرید و فرآیند اخذ تصمیم را ممکن می سازد؛ در این روش تمام متغیرهای مهم به وسیله یک طرح تجربی، کنترل شده به گونه‌ای که درآمد حاصل از فروش محصولات جدید را بتوان به طور دقیق پیش‌بینی کرد. همچنین مدل‌سازی انتخابی به فروشندگان کمک می کند تا بسیاری از متغیرهایی که در پیش بینی به کار می روند را بشناسند.

طرح یک مثال فهم این موضوع را آسان‌تر می کند. فرض کنید که برند جدیدی از کره بادام‌زمینی آماده ورود به بازار است؛ اما قبل از عرضه‌ی محصول،  فروشنده مایل به پیش‌بینی فروش خود در سال اول باشد. تابع تولید مشخص است اما مسائل حل‌نشده‌ای وجود دارد: چهار طرح بسته‌بندی، سه سطح قیمت، پنج ویتامین افزودنی و چهار شعار بر روی جلد در نظر گرفته شده است.  واضح است که ۲۴۰ حالت منحصر به فرد برای مسائل حل‌نشده وجود خواهد داشت. این همان جایی است که مدل‌سازی انتخابی به کمک تحلیل‌گر می‌شتابد. با انتخاب زیرمجموعه کوچکی از همه احتمالات و دنبال کردن یک طرح تجربی، مدل‌سازی انتخابی اجازه می‌دهد تا نتایج برای همه ۲۴۰ حالت ممکن از ترکیب متغیرها به طور دقیق برآورد شوند.

روش کار به این صورت است که ابتدا طرح تجربی مورد استفاده تعیین می‌شود. هر مصاحبه‌شونده تعدادی از سناریوهای فروش را می‌بیند و به آن‌ها پاسخ می‌دهد. هر سناریو را به عنوان یک بسته‌ی خرید در نظر بگیرید. کل تجربه‌های خرید را می‌توان به وسیله انیمیشن سه بعدی به صورت آنلاین شبیه‌سازی نمود. برای هر فرد مشارکت‌کننده یک سناریو (بسته خرید محصول جدید به همراه سایر برندهای موجود در بازار) نمایش داده می‌شود. از پاسخ‌دهنده خواسته می‌شود تا اظهار دارد که مایل به خرید چه میزان از محصول هر برند برای هفته یا ماه آینده می باشد. به این وسیله یک سناریو تکمیل می شود. سپس بسته خرید به صورت آنلاین تغییر می‌کند (قیمت محصول، بسته بندی و… عوض می شود) و دوباره از پاسخ‌دهنده خواسته می شود که به همان صورت میزان خرید خود را از محصولات مشخص کند. به این ترتیب سناریوی دوم نیز تکمیل شده و این پروسه ادامه می یابد. هر پاسخ دهنده چیزی بین ۶ تا ۱۰ سناریو را تکمیل کرده به گونه ای که در هر سناریو متغیرهای بازاریابی متفاوت خواهند بود.

زمانی که همه متغیرهای بازاریابی براساس طرح تجربی تغییر داده شدند؛ سهم بازار و پیش‌بینی فروش برای محصول جدید کره بادام زمینی در همه ۲۴۰ ترکیب ممکن را می توان محاسبه نمود. نهایتاً معادلات به دست آمده از مدل می توانند برای ساخت یک شبیه‌ساز پیش‌بینی کننده مورد استفاده قرار گیرند به گونه‌ای که تحلیل‌گر با تغییر دادن یک یا چند متغیر، اثر هر یک از آن‌ها را بر سهم بازار و میزان فروش مشاهده می‌کند.

این مدل‌سازی انتخابی اولیه، برای پیش‌بینی مقداری کاملاً آماده نیست. یکی از اصلی‌ترین متغیرها کیفیت و کارایی  محصول جدید است که این متغیر را نیز باید در مدل انتخابی ترکیب نمود زیرا کیفیت محصول مهم‌ترین عامل تعیین کننده تکرار خرید آن می باشد.

ساخت توزیع یکی از مهم‌ترین معیارهای میزان موفقیت محصول جدید است. ساخت توزیع درصدی از ذخیره است که پس از معرفی محصول به صورت ماهانه فروخته خواهد شد. این درصد به وسیله میزان فروش فروشگاه وزن دهی می شود. بنابراین، این متغیر باید در مدل وارد شود. یکی دیگر از متغیرهای مهم ساخت آگاهی  است که اضافه نمودن آن نیز به مدل ضروری می باشد. ساخت آگاهی نشان می دهد که میزان آگاهی از برند جدید در سال اول با چه سرعتی رشد می‌کند و در پایان سال به چه سطحی می‌رسد.

گام نهایی، سنجش مدل انتخابی برمبنای مقیاس واقعی روندها و سهم بازار می‌باشد. با انجام این کار مدل انتخابی برای پیش‌بینی فروش محصول آماده است. این مدل دارای تعدادی ابزار فرعی می باشد که می‌توان از آن‌ها نیز بهره گرفت؛ هرچند تاثیری در افزایش قدرت پیش‌بینی مدل ندارند.

منبع: marketresearchworld.net

مطالب مرتبط

نظر بدهید

نشانی ایمیل شما منتشر نخواهد شد.