Математические методы в прогнозировании интернет-продаж

Сейчас проходит регистрация на V конференцию "Электронная торговля – 2009" – крупнейшее событие года в интернет-коммерции.

Чтобы вы могли составить представление о содержании конференции, мы публикуем избранные доклады II "Электронной торговли", прошедшей в 2006 году. Конечно, за три года в онлайн-торговле появились новые идеи и наработки, но некоторые доклады из коллекции Oborot.ru сохранили свою ценность и уникальность.

Самая актуальная информация и свежий опыт успешных интернет-магазинов будут озвучены в октябре 2009 года, на V конференции "Электронная торговля". Не пора ли зарегистрироваться?

Сегодня я хотел бы рассказать об оригинальном подходе, который мы, в компании "Оборот.ру", сейчас разрабатываем и с помощью которого можно будет достаточно просто и точно прогнозировать объем продаж интернет-магазина.

Единственное, хотел бы подчеркнуть, что этот доклад – не готовый рецепт, пока это – описание подхода, который будет корректироваться и дорабатываться.

С задачей прогнозирования сталкиваются все – чаще всего нам она встречалась на этапе бизнес-планирования для наших клиентов, поэтому, естественно, возникла мысль стандартизировать, повысить точность и достоверность этих расчетов, которые обычно носят весьма оценочный характер.

На пути решения этой проблемы мы всегда сталкивались с двумя серьезными препятствиями. Во-первых, так как интернет-магазины – компании достаточно молодые или же, как в нашем случае, вообще только начинают работу в качестве предприятия электронной торговли. Поэтому, данные о прошедших годах работы у них отсутствуют, ориентироваться фактически не на что. Вторая, системная, проблема – в отсутствии обоснованных моделей работы предприятия интернет-торговли. Если для офлайновых магазинов разработаны методы, позволяющие прогнозировать продажи в зависимости от данных, которые можно легко получить (например, зависимость продаж от "проходимости" места, площади торгового зала и т.д.), для интернет-магазинов аналогичных исследований не проводилось.

Напомню (или расскажу, если кто не знает), что прогнозирование розничного товарооборота торгового предприятия, в общем случае, может осуществляться четырьмя различными методами:

1. Опытно-статистическим (позволяет определить плановый объем товарооборота на год исходя из сопоставимого объема товарооборота за отчетный год и среднегодового темпа изменения товарооборота за 3-5 лет);

2. Экономико-статистическим (основан на сглаживании данных о приросте товарооборота за ряд лет, предшествующих планируемому году);

3. Экономико-математического моделирования.

Как я уже отметил выше, данные по предыдущим 3-5 годам у нас, как правило, отсутствуют, поэтому опытно- и экономико-статистический методы, а также простейшие модели, основанные на временном факторе, неприменимы.

Значит, нам нужна модель, выражающая зависимость товарооборота (или прибыли) от параметров, на которые мы можем влиять (вкладывая имеющиеся у нас в наличии ресурсы – деньги или человеческие ресурсы), от управляемых параметров. Итак, задача стоит следующим образом: надо найти оптимальный набор факторов, максимизирующих товарооборот либо прибыль интернет-магазина на определённом временном отрезке.

В математическом виде это записывается следующим образом:

Здесь:

y – целевая функция (зависимая переменная);

x1… xn – факторы, которые мы можем контролировать (независимые переменные);

g1… gm – ограничения, накладываемые на имеющиеся у нас ресурсы.

Данное уравнение представляет собой классическое уравнение математического программирования, для решения которого существуют хорошо проработанные методы. Однако перед тем как приступить к решению этой задачи, мы должны определить вид функции f(x1… xn).

Это можно сделать, используя аппарат линейной регрессии. В этом докладе я не буду подробно вдаваться в математические подробности, потому что наше время ограничено – кто заинтересуется, сможет ознакомиться с математическим подробностями. Скажу вкратце, что в нашем случае, с помощью линейной регрессии, по известным нам данным разных магазинов за один временной период, мы можем попробовать выявить зависимость, которая будет иметь вид . Точнее, по известным нам y, x1… xn – определить параметры a1… an и таким образом, найти наше уравнение, связывающее целевую функцию и переменные, на которые мы можем воздействовать.

Но для этого, нам надо понять, какую именно переменную мы будем максимизировать и какие независимые переменные использовать. Например, мы можем максимизировать: товарооборот, количество заказов, прибыль. Переменных же, на которые мы можем влиять напрямую, можно вообще придумать очень много: хиты, хосты, удобство сайта, активность и эффективность рекламной политики, способы доставки и оплаты, наличие call-центра, известность магазина, цены и многое другое.

Поэтому, сформулируем критерии, которым должны отвечать наши переменные. Они должны быть:

1. Относительно легко измеряемы (чтобы метод можно было широко использовать);

2. Доступны стороннему наблюдателю (чтобы собрать существующие данные у магазинов);

3. Адекватными выбранным методикам и модели (в частности, должна быть линейная зависимость между зависимой и независимыми переменными).

Мы разбили все управляемые нами ("независимые") переменные на 4 группы и выбрали из каждой группы переменную, которая, на наш взгляд, наилучшим образом удовлетворяет указанным выше условиям. В скобках указаны выбранные переменные:

1. Факторы посещаемости (посетителей сайта за период);

2. Факторы удобства (индекс удобства, вычисляется по опроснику из 120 пунктов);

3. Факторы бренда и лояльности (количество запросов бренда в "Яндексе" за период);

4. Ценовые факторы (ценовой индекс, вычисляется регулярно за период с помощью "Яндекс.Директа" и цен в конкурирующих магазинах).

В качестве зависимой, целевой переменной мы взяли количество заказов за период, т.к. с одной стороны, этот показатель относительно легко получить у интернет-магазинов, с другой – из него просто (умножением на средний чек) получается товарооборот в денежном выражении.

Периодом расчета был взят год, чтобы устранить сезонный фактор.

В настоящее время проведено исследование по данным 18 магазинов. Найден результат (уравнение f(x)), объясняющее 82% отклонений количества заказов исследуемых магазинов. Мы продолжаем исследование, включая в него все новые магазины и соответствующим образом корректируя результаты.

После завершения, результаты исследования можно будет использовать не только для прогнозирования продаж отдельно взятого магазина и оптимального распределения ресурсов, но и для ретроспективного анализа объема рынка (с высокой точностью).

Переформулировав задачу, можно использовать данный подход и для решения обратной задачи – вычисления объема ресурсов, необходимых для достижения целевых показателей (прибыли, товарооборота).

Мы надеемся завершить масштабное исследование к следующей конференции, которая пройдет в середине октября 2007 года. Там же и будут оглашены первые результаты.

Тем, кто заинтересовался и хотел бы поподробнее глубже ознакомиться с математическим аппаратом, который используется в подходе, я рекомендую специализированную литературу:

Экономика и организация деятельности торгового предприятия / Под общ.ред.А.Н.Соломатина – М.: ИНФРА-М,2003

Замков О.О., Толстопятенко А.В., Черемных Ю.Н., Математические методы в экономике – М.: "Дело и Сервис", 2004

Тихомиров Н.П., Дорохина Е.Ю., Эконометрика, М.: "Экзамен", 2003

Интрилигатор М., Математические методы оптимизации и экономическая теория – М.: Айрис-пресс, 2002

Со времени проведения II конференции "Электронная торговля", на которой был представлен этот доклад, многое изменилось. Хотите владеть актуальной информацией? Не только узнать больше, но и обменяться опытом с коллегами, завести полезные знакомства и получить достоверные данные для развития бизнеса?

Регистрируйтесь на Пятую, юбилейную конференцию по интернет-продажам "Электронная торговля – 2009"!
Общая информация о конференции
Программа
Регистрация