Raziskovalci univerze Washington State so razvili nov model napovedovanja, ki naj bi podjetjem pomagal natančneje oceniti, koliko strank se zanima za določen izdelek – tudi v primeru, da manjkajo ključni podatki.
Študija je bila objavljena v reviji Production and Operations Management in predstavlja metodo matematičnega modeliranja, ki za podjetja oceni zanimanje strank. Pristop presega tradicionalne tehnike napovedovanja in upoštevanje pravkar zaključenih transakcij ter omogoča natančnejše razumevanje povpraševanja, optimizacijo poslovanja, pa tudi boljše odločanje.
“Večina podjetij vidi le del slike povpraševanja – vedo, kdo kupuje, ne pa, koliko ljudi je razmišljalo o nakupu in ni. Naš model rekonstruira manjkajoče dele in podjetjem daje popolnejšo in zanesljivejšo oceno povpraševanja,” razlaga glavni avtor Xinchang Wang, strokovnjak za operativni management.
Natančne napovedi povpraševanja so zlasti težko dosegljive v panogah, kot so potovanja, gostinstvo, trgovina na drobno in e-trgovina. Podjetja v teh panogah se povečini zanašajo na široke predpostavke, kot je ocenjevanje velikosti trga na podlagi lastnega tržnega deleža. Wang opozarja, da te metode ne zajemajo vedenja strank, kar vodi v netočne prodajne napovedi ter neizkoriščene priložnosti za prihodek.
Wang je s soavtorjem Weikunom Xujem razvil pristop, ki poleg prodaje ocenjuje skupno število strank, ki razmišljajo o nakupu. Model zagotavlja jasnejši vpogled v razloge, zakaj si stranke premislijo, in pri tem upošteva, koliko jih je odšlo zaradi cen, časa ter drugih dejavnikov. Vse to z natančnejšo analizo podatkov o prodaji.
Inovativni model sloni na računalniški tehniki, imenovani algoritem zaporedne minorizacije-maksimizacije, s katerim je napoved povpraševanja natančnejša. Za razliko od tradicionalnih metod, ki med možnimi ocenami povpraševanja ne določajo najboljše, zagotavlja eno samo napoved.
“Z odpravo negotovosti lahko podjetja sprejemajo bolj samozavestne odločitve o cenah,” razlaga Wang.
V raziskavi so model preizkusili na prodaji letalskih kart, a Wang zagotavlja, da je metoda zasnovana za uporabo v vseh panogah, kjer vlada podobna negotovost povpraševanja. Model je bil razvit za delo z nepopolnimi podatki in presega posamezne panoge. Hoteli bi ga lahko uporabili za napovedovanje rezervacij na podlagi brskanja potnikov, tudi ko ti ničesar ne rezervirajo.
Preberite več:
“Model predstavlja močno orodje za panoge, kjer so nepopolni podatki stalen izziv. Z izboljšanjem napovedovanja povpraševanja lahko podjetja učinkoviteje načrtujejo, optimizirajo poslovanje in na koncu postanejo bolj konkurenčna,” zaključi glavni avtor.
