ניהול תחזיות למשפחות שונות של מוצרים


 

כיצד ניתן לנהל תחזית למוצרים שונים השייכים למשפחות שונות עם התנהגות צריכה שונה זה מזה.

 

מאת: צור אמיתי

 

במאמר זה אציג את החשיבות של זיהוי התנהגויות קבוצתיות של מוצרים ואת המאפיינים המשפיעים אל חישוב תחזית צריכה טובה.

 

חישוב תחזית בעזרת זיהוי התנהגות היסטורית

 

חישוב תחזית צריכה למוצר מתבסס על נתונים שונים שבעזרתם ניתן לנבא את הצריכה העתידית של המוצר. הנתונים העיקריים הנם:

 

  • נתוני הצריכה ההיסטורית של המוצר (למוצר פעיל עם היסטוריית מכירות). בעזרת נתוני הצריכה ההיסטורית ניתן לחשב תחזית סטטיסטית
  • נתוני אירועים שהשפיעו על צריכת המוצר בעבר ועשויים להשפיע על צריכתו בעתיד. דוגמאות לאירועים: מבצעי מכירות, חוסר מלאי, חגים וחופשות, מכרזים וכו
  • הזדמנויות עתידיות והערכות למכירות עתידיות. הערכות אילו עוזרות להעריך את תחזית המוצרים
  • תקציב יעד למכירת המוצר. בדרך כלל נעשים מאמצים של המכירות והשיווק לעמוד ביעדי המכירה, כך שתקציבי היעד למכירת המוצר נוטים להתממש או לפחות נותנים כיוון מגמה לביצועי המכר של המוצר
  • תחזיות חיצוניות מלקוחות. חלק מהלקוחות יודעים לספק תחזיות צריכה עתידיות למוצרים שהם רוכשים. הלקוחות מספקים את התחזיות כדי לשפר את רמת השרות ולהבטיח זמינות למוצרים. פעילות זאת שכיחה בין לקוחות עסקיים המקימים יחסים ארוכי טווח.
  • נתוני עזר (משקלים). נתוני עזר הם סדרות נתונים המאפשרות לתמוך בחישוב התחזית. לדוגמה: למוצרים מסוג חלקי חילוף ניתן להשתמש בכמות המוצרים שיש לספק להם שרות בתור נתוני עזר לחישוב התחזית. למוצרים הנמכרים ברשתות שיווק ניתן להיעזר בשטח המכר לצורך חישוב התחזית.

 

השיטה המקובלת לחישוב תחזית הצריכה למוצר הנה להשתמש בתוכנת חישוב תחזיות, כדוגמת תוכנת Forecast Pro , ולחשב את התחזית הסטטיסטית בעזרת נתוני המכר ההיסטוריים, נתוני האירועים (בעבר ובעתיד) נתוני העזר (משקלים) וסינון נתונים חריגים.

 

לאחר בניית התחזית הסטטיסטית, משלבים את התחזיות החיצוניות (אם הן קיימות) ואת הערכות אנשי השיווק והמכירות. ניתן להיעזר גם בשילוב נתוני יעדי התקציב כשהם מתורגמים לכמויות. זאת פעילות המבוצעת באופן אוטומטי על ידי תוכנות מתקדמות לניהול תחזיות כדוגמת Forecast Pro.

 

כאמור, הבסיס לחישוב התחזית מתבסס בעיקר על ההתנהגות ההיסטורית של המוצר בתוספת כלים נוספים המאפשרים להסביר התנהגויות חריגות ולנטרל אותם מחישוב ההתנהגות הצפויה למוצר, או לחילופין לזהות התנהגות חריגה הצפויה בעתיד (כדוגמת חג או מבצע).

 

התנהגות קבוצתית של מוצרים

 

את התנהגות צריכת המוצר אפשר לתאר על ידי גרף. מרבית האנשים יכולים לזהות התנהגות מחזורית של התחזית על ידי זיהוי התנהגות דומה של הגרף לאורך ציר הזמן. ניתן לחשב את התנהגות הצריכה (חישוב משוואת הגרף) ולחלץ ערכים של:

 

  • מגמה (עליה, ירידה או מצב קבוע) של הצריכה לאורך זמן.
  • מחזוריות (מחזוריות רגילה, מחזוריות מורכבת או ללא מחזוריות) החוזרת על עצמה לאורך זמן.
  • ערך קבוע של הגרף ביחס לנקודת ההתחלה. מציין ערך קבוע של צריכה בתחילת מחזור החיים (או תחילת הנתונים ההיסטוריים של מכירות המוצר)

 

במקרים רבים ניתן לזהות כי צריכת מוצרים שונים נראית דומה על פני תקופה. כלומר הגרף של אותם המוצרים נראה דומה, גם אם ערכי המספרים שונה.

 

גם מבחינה מתמטית ניתן יהיה לראות במקרים אילו שנוסחת החיזוי שחושבה על ידי התוכנה הנה דומה ובדרך כלל ושייכת לאותה משפחת  נוסחאות.

 

ההסבר לכך שמוצרים שונים מתנהגים באופן דומה הוא פשוט, המוצרים השונים מצרכים על ידי לקוחות דומים (או אותם הלקוחות ממש) וגם הנתונים הנוספים, כגון אירועים ומשקלים (לדוגמה: חגים) משפיעים בצורה דומה על אותם המוצרים.

 

השימוש בהתנהגות קבוצתית

 

במקרים רבים קשה ואף בלתי אפשרי לחשב תחזית למוצר בודד. הסיבות לכך הן רבות. אפרט רק חלק מהסיבות:

 

  • חיי המדף קצרים של המוצר והוא מוחלף בכל תקופה קצרה ע”י מוצר אחר. למשל מוצרי אופנה המתחלפים בכל קולקציה, או רכיבים אלקטרונים המתחדשים בכל תקופה קצרה ע”י דגמים חדשים יותר.
  • קניבליזם בין מוצרים. כלומר בעיני הלקוחות המוצרים נראים זהים או תחליפיים ולכן הצריכה שלהם באה האחד על חשבון השני.
  • מוצרים מיובאים ממקורות וספקים שונים. במקרים רבים יבואנים מייבאים מוצרים זהים מספקים שונים, כך שלאורך זמן מספרי המוצרים מתחלפים בכל תקופה.

 

במקרים אילו בהם לא ניתן לחשב תחזית לכל מוצר, כיוון שתקופת הצריכה ההיסטורית של המוצר קצרה, או שהתנהגות המוצר משתנה בגלל צריכה של מוצרים אחרים, ניתן לחשב את התחזית ברמה הקבוצתית, ו”להוריד” את חישוב התחזית מרמת הקבוצה לרמת המוצר.

 

לשיטה זאת קוראים Top-Down והיא שימושית מאוד לצורך שיפור חישוב התחזית. על ידי שימוש ב Top-Down ניתן לחשב תחזיות תחזית גם לאוכלוסיות מוצרים בעייתיות ואיטיות.

 

בשיטת Top-Down ניתן לשפר את התחזית לקבוצת פריטים שהצריכה שלהם מתנהגת בצורה דומה. לכן מקובל לסווג את המוצרים לקבוצות ותת קבוצות הומוגניות.

 

קבוצות הומוגניות של פריטים ניתן לקבל על ידי חלוקת המוצרים להיררכיה. אחד מהסודות החשובים ביותר לניהול תחזית מדויקת הוא היכולת לחלק את הפריטים להיררכיה הנכונה, וכך לזהות קבוצות פריטים המתנהגים בצורה דומה. לאותם הפריטים נגדיר פקודת Top-Down ונקבל בדרך כלל שיפור בביצועי דיוק התחזית.

 

בדרך כלל נחלק את הפריטים להיררכיה המכילה הגדרות טכנולוגיות (משפחת פריטים ותת משפחת פריטים) וכן חלוקה על פי שווקים שונים, או ערוצי הפצה שונים (למשל מכירות לפי יבשת, או מכירות לפי סוגי לקוחות וכו) לדוגמה:

 

  • חלוקה על פי משפחה טכנולוגית של המוצרים (מה הוא המוצר)
  • חלוקה על פי אזורי מכירה (אירופה, אפריקה, הודו, סין, צפון אמריקה)
  • חלוקה על פי ערוץ ההפצה (מכירה ללקוחות פרטיים, מכירה לסוכנים ומפיצים, מכירה לרשתות שיווק, וכו)

 

ניהול תחזית למשפחות שונות של מוצרים

 

במקרים רבים אנו מזהים קבוצות שונות של מוצרים שההתנהגות שלהם שונה משאר המוצרים. במקרים מסוימים, כשהתחזית מנוהלת על פי שווקים או סוגי לקוחות, אנו רואים כי אותו המוצר מתנהג בצורה שונה בשווקים שונים. זהו מצב הגיוני כיוון שהמוצר מושפע באופן שונה בכל אזור.

 

כיצד מנהלים תחזית מורכבת כזאת ?

 

השיטה המקובלת והמוצלחת ביותר לכך היא לזהות את ההיררכיה המתאימה לחלוקת המוצרים לקבוצות הומוגניות. לדוגמה, ניתן לחלק את המוצרים לאזורי מכירה (בחברה המוכרת לאזורי מכירה שונים בעולם) או לערוצי הפצה (למשל חברת מזון המוכרת לשוק המוסדי, לשוק הקמעונאי ולשוק המקצועי), ובעל חלוקה להגדיר תת חלוקה על פי משפחות מוצרים.

 

בצורה זאת ניתן לזהות התנהגות הומוגנית של מוצרים. לדוגמה: לחברת משקאות נסווג את סוג המשקה והטעם בכל ערוץ הפצה. כך ניתן לזהות מגמות אופייניות שונות לכל קבוצת טעמים בכל ערוץ הפצה שונה.

 

לאחר שמצאנו את ההיררכיה הטובה ביותר, ניתן להשתמש בחישוב Top-Down לכל משפחה תחת כל ערוץ הפצה שונה.

 

לשיפור התחזית ניתן לייצר נתוני עזר שונים לכל קבוצה המנוהלת כ Top-Down. ניתן להגדיר קבוצת אירועים ומשקלים שונים לכל משפחת מוצרים המוגדרת תחת ערוץ הפצה שונה. לדוגמה: ניתן להגדיר אירועי שיווק או אירועי הנחות לכל משפחת מוצרים תחת ערוצי הפצה שונים. זה הגיוני כיוון שבכל מגזר אכן מתנהלים אירועים שונים המשפיעים בצורה שונה על המוצרים.

 

על ידי שילוב נכון של הגדרת היררכית הנתונים, שימוש מושכל בחישוב Top-Down והגדרת נתוני עזר ממוקדים, ניתן לנהל באותה התחזית מוצרים המתנהגים שונה.

 

שיטה זאת יושמה בהצלחה על ידנו בעשרות חברות בארץ הפועלים באמצעות תוכנת Forecast Pro.

לפרטים נוספים

כל הזכויות שמורות ל ASC