IT и товарооборот — часть третья

Правильно построенная эко­нометрическая модель может давать прогнозы высокого качества. Но в повседневной практике, отмечает Грачев, можно ограничиться простым бинес-процессом, основанным на экспертном прогнозе — эту функцию обычно выполняет коммерческий блок либо выделенный бизнес-аналитик, и качество такого прогноза в большой степени зависит от знания рынка экспертом. «Действительно, кто, кроме менеджера по продажам “в полях”, который постоянно общается с клиентами, может более точно сказать, сколько продукции он сможет продать? Он может довольно точно оценить количество ближайших сделок, а для больших горизонтов планирования его оценки уже будет недостаточно. На уровне всей компании погрешность собранного таким образом прогноза будет достаточно велика», — поясняет Грачев.

К слову, современная торговля подразумевает активное взаимодействие с аудиторией посредством интернета. Woocommerce — довольно популярный плагин, предназначенный для реализации торговой площадки на платформе CMS WordPress. Как создать собственные поля для товаров в Woocommerce, тем самым максимально адаптировав продвинутый плагин для своих задач, можно узнать здесь.

Это один из весьма часто встречающихся на практике подходов к моделированию и прогнозированию продаж. «В своей работе мы имеем дело с двумя основными подходами к прогнозированию продаж: прогнозирование в масштабах компании и прогнозирование по отдельным клиентам, — рассказывает Роман Колеченков, руководитель BI-практики “Техносерв Консалтинг”. — Первый подход опирается на анализ продаж за прошедший период, учитывает сезонные тренды, результаты маркетинговых исследований. “факты из будущего” — например, вывод на рынок нового товара или изменения в законодательстве, а иногда и интуицию отдельных менеджеров. Однако этот подход работает только в компаниях со стабильным спросом, например в банках, телекоме или ретейле. Основа этого способа больше методологическая, чем техническая. Второй подход основан на накопленных данных о клиентах. Их анализ позволяет сформировать полный профиль клиента: сочетать социальные данные (пол, возраст, адрес) с поведенческими (средний чек, частота покупок и пр.). Используя исторические данные и статистические модели, можно с высокой вероятностью определить, скажем, отклик клиента на маркетинговое предложение. Основная сложность такого подхода — полнота и качество данных. По нашему опыту, на подготовку данных уходит 80% времени».