深化市场监测体系在需求预测和货源供应中的运用.doc

深化市场监测体系在需求预测和货源供应中的运用
------精准营销小组工作方案
2010年，精准营销小组在营销中心的的领导下，建立了市场监测体系，全面把握不同时期、不同产品、不同业态的市场状况，为做好对市场“摸得清、看得懂”，为货源“投的准、控得住“提供了有力支持，但是，市场监测体系对订单流程的支持驱动作用还是相对有限的，体现在监测结果对需求预测和供应环节的指导还处于试点阶段，特成立该项目小组，探索如何根据检测体系中反映的相关指标，建立需求预测和货源供应的模型，深入地推进各项检测指标的实际运用。
一、现状分析
1.通过在不同业态，不同区域的客户样板店设立，近一年来获得的大量客户周、月的重点产品的存销比数据。
2.通过近一年的数据采集工作的不断规范化，样本点的数据采集、录入、校对工作基本趋向完善。
3.但在数据采集后的分析及利用方面，由于在样本点数据准确性上还有所偏差，也没有任何经验，所以公司上没有很好的利用过，特别是运用到需求预测及货源投放上的实践经验几乎为零，这是需要在今年的工作中不断探索的。
二、工作目标
1.通过对市场监测数据的分析，建立并完善部分大牌号的需求预测模型。
以上海牌为试点，利用现有的样本点数据从需求和供应两个方面对上海烟的卷烟销量做出量化判断，作出需求预测和货源供应。借助存销比指标，设立存销比基准值；同时参照相对销售占比，最后结合客户经理的实际市场走访情况来进行定性判断。通过定量与定性两者的结合来确定牌号的实际供需情况以及未来需求趋势。
2.通过对上海牌预测和供应模式的调整，实现区域和也太贱的供应平衡；
目前上海牌在区域和也太贱供应的平衡情况针对不平衡大的区域或业态，对货源供应才去差异化投放，或调整合理定量的手段，通过若干月的调整、跟踪，缩减区域和业态间供应的水平差异。
3.通过对中华牌预测和供应模式的调整，实现先进业态客户间的供应平衡；
分析目前中华牌在各先进液态（商场、超市、便利店）间供应的平衡情况，针对不平衡情况交突出的液态，对货源供应采取差异化投放，或调整合理定量的方法，通过若干月的调整、跟踪、缩减各先进业态间供应的水平差异。
4.通过上海和中华试点，逐步调整其他卷烟的预测和供应模式。
通过上海和中华的试点，总结一套适用于平铺和紧俏两大类牌号的预测和供应模式，逐步使其他牌号的预测和供应趋于平衡。
三．模型建立的设想
1．合并相似的业态，街道
闵行区有12个乡镇街道，12类业态的样本点，如果全部进行交叉分析，过于复杂，因此需要对各相似的街道和业态进行合并，简化分析。根据各乡镇街道和各业态的相似性，我们将现有的12个乡镇街道归并为3个片区，将12类业态归并为5类，对其中的特殊业态和街道进行单独分析。
2．建立市场监测数据库
（1）数据库引入两个参考指标，月末存储比和销量系数，确定街道和业态基准存销比并且以此为基础判断目前的存销比是否存在异常，是否需要调整目前的货源供应策略。
（2）需要解决的问题
目前所掌握的存销比数据太少，缺乏历史数据的支持。
样本点数据的准确性有特提升。
基准存销比需要参考历史数据确定，可以考虑确定数据如（存销比0.3）或者是一个范围（存销比0.1—0.2之间），但含理性需要探讨和和验证。
3.上海牌精确营销试验
（1）列出假设条件
假设1：样本点数据较为真实的反映消费都有的需求
假设2：上海牌基准存销比的确定比较合理
（2）参考目前上海牌的基础数据
通过基本数据的汇总获得客房的进销存数据，从而得出存销比与销量系数。
存销比=期末库存/上期销售
月均销量系数=当月销售/月均销售
日均销售=当月销售/当月天数
日均销售系数=当月日均销售/全库日均销售
以下是闵行区POS机客户2009年各月的期初，进货，销量及期末库存数据库的汇总。为了保证数据的参考价值，我们剔除了全年销售数据不连续的异常客户，即有任意一个进货或销量数为0的客户，剩余的客户数共222家。
全客户期初进货销售期末存销比月均销量系数日均销量系数222家POS机客户中有23家直属店，通过下表数据可以发现直属店不论从存销还是销量系数都明显偏离了全客户汇总，说明直属店的销量数据不具有代表性，为保证数据的参考价值，在之后的数据平衡不同区域，不同业态的销售。
基础数据，进行需求预测
09年每月的投放量，结合样本点数据来推算出的全客户的进情况，季节系数即每月的日销售系数。
前的数据将货源投放量设定为进货量，销量和期末库存同得出下表：
季节系数期初进货销售期末存销比通过我们建立的预测模型，已知全年的季节系数，同时设定存销比将通过这张表来建立我们的预测模型，通过期望存销比来分析数据，从而平衡各区域各业态的存销比情况。
我们认为，二月的销售预测可以通过一月的实际销售数量来预测，用1月的日均销售除以一月的季节系数，再乘以二月的天数以及二月的季节