|
к. э. н., консультант, MAN Ferrostaal AG, Москва;
Силакова Вера Владимировна,
к. э. н., доцент кафедры политэкономии МИСиС;
Силаков Александр Викторович,
к. э. н., кафедра менеджмента и организации производства
ГОУ ВПО «МГТУ им. А.Н. Косыгина»
Как было показано в ранее опубликованных работах [2], процесс управления товарным портфелем предприятия промышленности является комплексным и многоступенчатым. Он включает пять последовательных и взаимозависимых этапов [2, с. 72]: структурирование; диагностирование; определение целей, стратегий портфеля и его составляющих,
их оценку; окончательный выбор наиболее сбалансированной структуры портфеля. Оптимальная (по системе сбалансированных показателей) структура портфеля должна максимально соответствовать всему комплексу целей организации как в краткосрочном, так
и в более отдаленных горизонтах планирования с учетом всех имеющихся условий.
Под условиями следует понимать производственную структуру организации, ситуацию на рынке и перспективы ее изменения, а также, что особенно важно, сложившуюся структуру товарного предложения организации, перспективы имеющего ассортимента на рынке и возможности его обновления. Отсюда видна важность второго
этапа рассматриваемого процесса, а именно, диагностирования позиций на рыке
и перспектив на нем каждого товара.
Согласно теории управления важным этапом построения любой устойчивой (робастной) системы управления (менеджмента) является выбор модели, адекватно описывающей управляемый объект и процесс. Наличие подобной модели дает реальную
возможность оценивать влияние управленческих воздействий на объект, процесс или
систему на конечное их состояние (результат) в некотором определенном временном горизонте. В качестве объекта в нашем случае выступает товар, а в качестве процесса – его рыночный жизненный цикл. Имея в наличии адекватную модель, построенную на учете значимых факторов явления, можно реализовать все этапы товарного
менеджмента предприятия (см. последовательность этапов поиска сбалансированной
структуры товарного портфеля [1, c. 71]). Построение подобной модели управляемого
объекта является ключевым моментом, так как открывает путь реализации всего этапа
диагностирования портфеля и составляющих в товарном менеджменте. Целью данной
работы является разработка подобной имитационной модели.
Как уже освещалось авторами, большими перспективами для описания жизненного цикла товара (ЖЦТ) обладают так называемые модели диффузии инноваций [1;
2; 6; 7]. Как известно, описание жизненного цикла продукции в таком случае строится в форме моделирования процесса авторегрессии величины текущего уровня продаж [1], при этом параметрами модели являются коэффициенты: инновации, имитации
и неоднородного влияния, а также константой модели является общий суммарный
объем потребления товара за период жизненного цикла.
Определенной сложностью в использовании моделей диффузии для описания
жизненных циклов товаров является именно определение параметров прогнозных
моделей. Как правило, это возможно только на основе изучения жизненных циклов
ранее выпускавшегося ассортимента (товаров с законченным жизненным циклом) путем экстраполяции значений параметров товаров в прошлом для моделирования
кривых жизненных циклов товаров-аналогов в настоящем (метод Поли–Кук).
Так, например, авторам удалось в процессе осуществления ряда научно-исследовательских проектов на предприятиях текстильной отрасли России на основе модели
неоднородного влияния Mahajan–Muller [6] с использованием метода наименьших
квадратов [4] смоделировать кривые жизненных циклов для ряда товарных групп ассортиментной линейки жаккардовых мебельно-декоративных тканей отечественного
производства [1, c. 3–5]. В результате были определены средние для различных товарных групп значения параметров жизненного цикла (коэффициента инновации – p,
коэффициента имитации – q, а также коэффициента неоднородного влияния – δ)
и смоделировать характерный для них профиль ЖЦТ.
Для данного ассортимента также была выявлена зависимость между среднегодовыми темпами обновления ассортимента дизайнов, выпускаемых на основе определенных артикулов тканей, и величиной суммарной потребности, которую может удовлетворить данный артикул ткани (товар) за период жизни (иначе – суммарным
объемом потребления товара – m):
где t0 – среднегодовые темпы обновления дизайна артикула (число новых дизайнерских решений, вводимых в производственную программу данного артикула
(структуры) ткани в год). Значение индекса корреляции для выявленной
зависимости составляет r = 0,97 при уровне значимости a = 0,01; m – общий суммарный объем потребления товара за период жизненного цикла
в натуральном выражении (тысяч погонных метров).
Также определено влияние показателя обновления дизайна на продолжительность
жизненного цикла товара (артикула ткани):
В данной зависимости линейный коэффициент корреляции r = 0,67 при уровне
значимости а = 0,01.
Используя средние групповые параметры модели, а также рассчитанные на основании информации о динамике разработки новых рисунков (значения m и Т), можно спрогнозировать уровень кривой и продолжительность жизненного цикла любого
выпускаемого в производстве артикула ткани. В дальнейшем подобную кривую будем
называть эталонной.
Однако сложностью подобного подхода к прогнозированию является целый ряд
факторов, которые не принимаются во внимание в моделях диффузии: наличие конкуренции на рынке и, как следствие, перераспределение долей рынка между товарами
и производителями, изменение конъюнктурных условий. Также следует учитывать, что
на практике имеет место изменение и перераспределение рыночной динамики и свойств
потребительских групп во времени, при этом величина и само наличие данных явлений
может находиться для лиц, принимающих решения, в области неопределенности.
Наконец, имеют наличие реально сложившиеся объемы производства и реализации
конкретных товаров, которые, как показывала практическая апробация моделей, в настоящее время для подавляющего большинства товаров российских предприятий перерабатывающей промышленности не соответствуют уровню прогноза по эталонной
кривой жизненного цикла, рассчитанного на основе данных «золотого советского
прошлого».
Действительно, для выявления параметров эталонной кривой с учетом продолжительности жизненного цикла, например, текстильного товара (артикула ткани) – от
нескольких лет до десятилетия – в качестве базы прогнозирования необходимо охватывать обзор статистики продаж за значительный временной интервал – начиная середины 1980-х гг. (а для расширения статистической базы – еще ранее) до текущего момента.
В любом случае для анализа жизненных циклов даже небольшой группы товаров нужна
статистика за период не менее 10 лет (это стандартный срок пребывания товаров определенной группы на рынке, в данном случае мы не рассматриваем товары высокотехнологичного сектора (машиностроение, электроника, программное обеспечение)). Имея
в качестве базы прогнозирования такой продолжительный период, мы сталкиваемся с тем,
что в течение его происходили существенные изменения социально-экономических условий, серьезное изменение конкурентной среды (от ее практического отсутствия до
интенсивной конкуренции в настоящее время). То есть данные, закладываемые в основание определения параметров прогнозной модели ЖЦТ, нельзя в полной мере считать
статистически репрезентативными применительно к текущей ситуации. То есть необходима существенная модификация прогнозной модели с учетом данных факторов.
Рассмотрим возможности модификации базовых моделей ЖЦТ (диффузии инновации) с учетом увеличения рыночной конкуренции за период 1980-е гг. – настоящее время. Можно с высокой достоверностью предположить, что за это время произошло перераспределение долей рынка между различными товарами и производителями, которые ранее покрывались товарами одного предприятия в условиях
планово-распределительной экономики. То есть если в 1980-е гг. некий товар (ткань)
данной фабрики мог удовлетворить за период жизненного цикла некую суммарную
потребность m, то с появлением в рыночных условиях конкурентов она удовлетворяется помимо рассматриваемого товара (пришедшего ему на смену аналога) также товарами-конкурентами. Тогда величина m определяется не как сумма по годам объемов
реализации одного данного товара, а как сумма объемов сбыта всех конкурирующих
продуктов, участвующих в перераспределении рынка, ранее принадлежавшего только
рассматриваемому продукту.
Даже полагая суммарную потребность (m) величиной постоянной (на практике
в условиях снижения социально-экономических и демографических показателей в постперестроечной России она могла снижаться), видно, что в результате действия эффекта замещения объемы реализации исходного товара предприятия в условиях конкуренции должны уменьшиться по сравнению с эталоном. В этом заключается сущность
конкурентного замещения товаров и технологий.
Описание данного процесса возможно с использованием моделей замещения [5; 7].
В общем виде они представляют собой усовершенствованные модели диффузии, в которых учтено перераспределение рынка между конкурентами. Для конкретного товара
в общем виде базовую зависимость модели замещения можно представить, как систему уравнений:
где f'(t) – относительный (в долях от суммарной потребности m) объем потребления
товара предприятия за год t; p, q – параметры модели диффузии для данного товара (сегмента рынка); F'(t) – накопленный объем потребления товара предприятия в к началу года t;
{F''i (t)} – множество величин накопленного объема потребления товаров-конкурентов к началу года t; n'(t) – объем потребления товара предприятия в год t в натуральном выражении; m – величина суммарной потребности, на удовлетворение которой нацелен
рассматриваемый товар.
Существует два принципиально различных типа моделей замещения: модели многокомпонентного замещения и модели бикомпонентного замещения. Первые [5] рассматривают взаимодействие в процессе конкуренции множества товаров и технологий.
В работе И.Н. Щепиной практически доказана возможность точного прогнозирования
объемов потребления множества товаров и технологий на основе моделирования многокомпонентного замещения. Эти модели можно применять для описания конкурентного замещения некоторого (достаточно ограниченного и строго определенного) числа
конкурирующих товаров и технологий. Однако практическое применение данных моделей в практике работы современных предприятий в России (особенно с небольшим
масштабом деятельности), когда существует огромное число конкурирующих продуктов,
не являющихся строго детерминированными, значительно затруднено. Главная причи
на – отсутствие достоверной исходной информации, так как невозможно проследить
объемы продаж конкурентов (обычно это закрытая информация), невозможно получить
достоверную информацию об объемах ввоза потребительских товаров (в частности текстильной продукции) по общеизвестной причине существенных объемов «черного»
и «серого» импорта, отсутствует детальная статистическая информация. Таким образом,
невозможно не только проследить процесс взаимодействия конкурирующих товаров, но
и оценить суммарную емкость и структуру рынка. При этом, учитывая действительно
огромное разнообразие ассортимента товаров на рынке, даже если бы необходимый
массив информации и был собран, серьезнейшим вопросом стала бы размерность и принципиальная вычислимость задачи подобного объема.
Нами установлено, что в условиях непрозрачности (неопределенности информации об объемах и взаимном перераспределении «конкурирующей части рынка») определенные возможности открывает использование моделей бикомпонентного замещения. Это показано в работе [7] на примере прогнозирования объемов реализации
пиратского программного обеспечения для оценки потерь легальных производителей
(некоторая ситуативная аналогия с российским рынком потребительских товаров, где
сохраняются значительные доли «серой» продукции).
Использование модели бикомпонентного замещения основано на том, что на
практике для лиц, принимающих решения, единственной доступной для анализа репрезентативной количественной информацией являются данные внутреннего учета по
объемам продаж в настоящем и в прошлом. Этой информации достаточно для моделирования замещения товара на основе эталонной кривой (о ее моделировании см. [1]).
Предлагается следующая методика.
1. Гипотеза модели бикомпонентного замещения.
Вводятся две группы величин, характеризующих динамику объемов продаж товара: f'(t) и F'(t) – объемы потребления, остающиеся за товаром предприятия; f''(t) и F''(t) – объемы потребления, отходящие к конкурентам (замещение товара относим
ко всему внешнему рыночному конкурентному фону без детализации, какими именно
товарами и в каких объемах осуществлено замещение).
Будем рассматривать только полное замещение, когда величина m остается постоянной. То есть уравнения f = f' + f''; F = F' + F'' будут верны для любого этапа. Тогда на базе уравнений модели диффузии может быть выведено уравнение модели бикомпонентного замещения.
2. Уравнение модели замещения.
Запись уравнения будет зависеть от исходного типа модели диффузии, которая
используется. Авторами работы рекомендуется модель неоднородного влияния как
наиболее универсальная. Тогда уравнение расчета динамики объема реализации товара по годам его ЖЦТ на базе модели неоднородного влияния с учетом замещения
примет следующий вид.
. 
В данной модели все параметры, кроме р, соответствуют исходной модели диффузии; величина F рассчитывается для каждого года при построении эталонной кривой
товара по модели диффузии как постоянная; величина F' – реально накопленный
объем потребления товара.
Коэффициент p' – реальный коэффициент инновации, характеризующий процесс
распространения изучаемого товара. Эмпирически установлено, что в реальных условиях конкуренции происходит разделение величины первоначального потребления на
две составляющие: p' – уровень первоначального потребления непосредственно изучаемого товара; p'' – уровень первоначального потребления, отошедший на счет конкурентов. При полном замещении имеется соотношение:
p = p' + p''
Расчет величины p' достаточно просто осуществим: p' = f'(t = 1).
3. Метод прогнозирования изменений позиций товара фирмы на рынке на основемодели бинарного замещения.
Таким образом, с использованием модели замещения на основе эталонной кривой
жизненного цикла товара и реальных данных по объемам продаж может быть осуществлено прогнозирование будущей динамики объемов продаж товара. Последовательность
построения прогноза будет иметь следующий вид.
3.1. На основе средних параметров жизненного цикла исследуемой товарной
группы, а также зависимостей (1)–(2) строится модель эталонной кривой
жизненного цикла. Как правило, она учитывает конкурентоспособность товара и уровень конкуренции на рынке прошлых периодов, когда предприятие
могло иметь более высокую долю рынка.
3.2. Вводится ряд реальной динамики объемов продаж рассматриваемого товара, который, как правило, оказывается ниже уровня эталонной кривой.
Осуществляется его пересчет из натурального в относительное выражение с использованием зависимости (4).
3.3. Определяется величина p', и на основании имеющихся данных с помощью модели диффузии (5) осуществляется расчет прогнозного ряда объемов продаж.
Расчет прогноза объемов реализации товара удобнее всего производить в форме
таблиц. На рис. 1 приведено графическое изображение уровня различных кривых
жизненного цикла: реальной, эталонной и прогнозной с учетом фактора замещения
для случая товара с незаконченным жизненным циклом.
При проведении апробации метода на примере данных по динамике сбыта мебельных тканей было выявлено, что при построении эталонной кривой параметр мо-
дели диффузии p может быть задан не только как среднее значение для группы, но и с
использованием статистической линейной зависимости от насыщенности производственной программы артикула ткани различными вариантами рисунков в первый год
существования. При этом варианты значений параметра могут получиться различными.
Предлагается проведение расчета по двум вариантам, после чего на основе сопоставления реальной и прогнозной кривой по критерию минимума суммы квадратов разности (S 2) [4] осуществляется выбор наиболее адекватного варианта прогноза.
Следует иметь в виду, что использование предлагаемого метода допустимо только
в описанных условиях: реальный объем реализации товара должен быть меньше уровня, прогнозируемого на основе эталонной кривой.
В случае соответствия или незначительного отклонения реальных данных от эталонных следует воспользоваться для прогнозирования динамики объема продаж эталонной кривой и констатировать отсутствие эффекта замещения и, как следствие,
признать сохранение уровня конкурентоспособности продукции предприятия. Для
установления данного факта можно рекомендовать использование метода проверки
статистических гипотез по t-критерию Стьюдента и F-критерию Фишера [4].
В том случае, если реальная кривая будет превосходить эталонную кривую (при
практической апробации метода на примере текстильной продукции подобных случаев в современных условиях не установлено), следует предположить, что произошло
изменение параметров ЖЦТ под воздействием улучшения конкурентоспособности
товара или фирмы, а также из-за изменения внешних факторов рыночной конъюнктуры. В этом случае можно рекомендовать осуществление корректировки параметров модели или пересчет величины суммарной потребности в товаре (m) с учетом охвата
продукцией фирмы новых сегментов рынка.
Таким образом, методика моделирования жизненных циклов товаров на основе
модели бикомпонентного замещения долей рынка сформулирована.
Рассмотрим пример расчета прогноза объема продаж по модели бинарного замещения из практики консультирования авторами одного отечественного предприятия
по выпуску мебельно-декоративных тканей (табл. 1). Ткань мебельная артикул «Аркаим» группы жаккардовых материалов с вложением ворсистой пряжи типа «шенилл»
была выведена на рынок в 2002 г. При составлении плана продвижения товара были
определены: прогнозное значение m (на основе зависимости (1) и данных плана разработки дизайнов под данный артикул), по (2) – плановая продолжительность ЖЦТ
в T = 6 лет (2002–2007 гг.), а также на основе экстраполяции средних значений товарной группы «Ткани шенилловые» данного предприятия определены параметры модели эталонной кривой ЖЦТ (p, q, δ), что позволило спрогнозировать эталонную ЖЦТ
товара на основе модели диффузии (динамика n, f, F) .
Таблица 1
Жизненный цикл ткани шенилл «Аркаим»
Как видно из табл. 1, фактические данные продаж товара за первые три года
(2002–2004 гг.) достаточно близко соответствовали прогнозу, что позволяло говорить
о приемлемости прогноза по эталонной кривой для целей планирования в дальнейшем.
Однако в 2005 г. в результате мероприятий таможенных органов по ужесточению режи-
ма таможенного администрирования экспорта-импорта текстильного сырья фактически
на 6,5 месяцев для предприятия были заблокированы возможности ввоза в РФ незаменимой для производства данной ткани турецкой пряжи типа «шенилл», практически не
выпускаемой отечественными предприятиями в должном объеме и ассортименте. Таким
образом, выпуск ткани был остановлен на длительное время, в результате чего объем
продаж за год составил только 43,8 тыс. пог. м ткани против 83,8 тыс. планировавшихся.
При этом, парадоксальным образом, ужесточение таможенного режима ввоза сырья не
сопровождалось аналогичным для импорта готовой продукции – мебельных тканей, что
привело к широким возможностям замещения неудовлетворенного спроса клиентов
предприятия (в результате остановки производства) импортными аналогами. С большой
долей уверенности можно говорить о полном замещении спроса в этот период. Задачей
корректировки прогноза с учетом фактора замещения явилось определение влияния
эффекта замещения на остаточный жизненный цикл товара (расчет величин n' и n'' –
в табл. 1) с помощью моделей (4)–(6). Сопоставление прогноза n' с реальными данными,
имевшими место впоследствии, говорит о высокой достоверности прогноза. На рис. 2
показаны эталонная, реальная, фактическая, остаточная и замещенная кривые ЖЦТ,
соответствующие расчетам в табл. 1.
В заключение нам необходимо высказать некоторую оговорку. Методики (1)–(6)
предполагают описание жизненного цикла (как правило, нового) товара с использованием четких описаний, то есть подразумевается наличие у лиц, принимающих решения, достаточно строго детерминированных и статистически значимых параметров
и констант модели, определенных на основе в той или иной мере репрезентативной
статистики прошлых лет. При этом может быть получен, конечно, достаточно четкий
результат прогнозирования, а дисперсия, среднее квадратическое и предельное отклонение ожидаемого результата от прогноза определяются по известной статистической
методике [4]. Это позволяет достаточно четко определять риски, связанные с достоверностью полученного прогноза. Однако следует учитывать, что в реальных условиях
подобная «идиллическая картина» может и не иметь места. Например, может просто
отсутствовать репрезентативная статистика для определения параметров эталонной
кривой (нет статистики за достаточно длительный период). Также сами параметры
целевых групп, учитываемые в модели, могут меняться во времени, что зачастую невозможно определить в течение того промежутка времени, который имеется для принятия управленческого решения. То есть практически важным является случай, когда
параметры модели диффузии (замещения), а следовательно, и сама модель не являются статистически детерминированными по субъективным причинам (дурная неопределенность). При этом набор имеющихся данных для анализа, не являющихся статистически репрезентативными, мы назовем квазистатистикой.
Подобные условия не отменяют для предприятия острой необходимости принятия
устойчивых (робастных) решения. Эта проблема может быть успешно решена и на
основе данных квазистатистики путем приложения к их анализу аппарата нечетких
множеств, как показано в работе [8] и продолжено нами в работе [3] применительно
к задачам управления производственно-коммерческой деятельностью предприятий
промышленности. При этом требуется переход от детерминированных описаний параметров модели к нечетким, а сама модель жизненного цикла товара будет превращаться в нечеткую модель на основе нечеткой функции (функции с нечетко-множественными параметрами). При этом результатом прогнозирования объемов продаж товара на рынке будет также нечетко-множественная оценка, которая может служить не
только для целей управленческого прогнозирования, но и анализа рисков [3]. Описанию нечетко-множественного моделирования жизненных циклов товаров на основе
моделей диффузии и замещения будут посвящены наши дальнейшие работы.
Выводы
Прогнозирование будущей динамики объемов продаж товара на рынке может
быть осуществлено только с учетом фактора замещения
На основе использования модели замещения можно оценить не только потенциал товара на рынке в будущем, но и сложившийся уровень его конкурентоспособности относительно эталона. При этом можно сделать вывод о сохранении
или снижении уровня конкурентоспособности товара и канала сбыта.
Эффективность использования данного метода может быть повышена на основе использования данных о динамике продаж товаров-конкурентов. В этом
случае возможно определение товара и производителя, занимающих лидирующие позиции на рынке, и использование их данных продаж для моделирования
эталонной кривой. Таким образом можно получить более репрезентативные
результаты.
По итогам моделирования прогнозной кривой можно спрогнозировать общий
срок жизни товара на рынке, остаточный срок ЖЦТ, текущую фазу ЖЦТ.
Интеграция данных по всем товарам, входящим в товарный портфель, может
дать информационную базу для реализации следующих этапов формирования сбалансированной структуры портфеля. В частности, можно определить
стратегию портфеля, необходимые объем и структуру обновления его состава
(снятие товаров с производства и выведение на рынок новых).
Важнейшей информацией, получаемой по итогам реализации данного этапа,
является прогноз динамики объемов сбыта товара на рынке. Эти данные необходимы для реализации комплекса оптимизационных расчетов в процессе
поиска сбалансированной структуры и расчета рисков портфеля, см. [2; 3].
Дальнейшим направлением совершенствования методики приложения моделей замещения к прогнозированию жизненных циклов новых товаров может
являться совмещение теории диффузии и конкурентного замещения с аппаратом теории нечетких множеств.
Литература
- Силаков А.В., Иващенко Н.С. Методика прогнозирования жизненных циклов
текстильных товаров // Известия вузов: Технология текстильной промышленности. – 2004. – № 2.
- Силаков А.В., Иващенко Н.С. Выбор структуры товарного портфеля предприятия на
основе анализа сбалансированности // Маркетинг в России и за рубежом. – 2004. – № 6.
- Силаков А.В., Силаков А.В. Анализ ценовых факторов при оценке товарных
рисков промышленного предприятия на примере текстильного производства // Управление риском. – 2007. – № 2.
- Теория статистики: Учебник / Под ред. проф. Р.А. Шмойловой. – 3-е изд.,
перераб. – М.: Финансы и статистика, 1999.
- Щепина И.Н. Моделирование многокомпонентного замещения продуктов и тех-
нологий: Дис. … к. э. н. – М., 1991.
- Givon M., Mahaian V. Software piracy. Estimations of lost sales and the impact on
software diffusions // The Journal of Marketing. – 1995. – Vol. 59, № 1.
- Mahajan V., Muller E., Bass F.M. New product diffusion models in marketing: a review
and directions for research // The Journal of Marketing. – 1990. – Vol. 54, № 1.
- Недосекин А.О. Управление продажами нового товара с использованием нечетко-множественных описаний // Управление продажами. – 2004. – № 3.
| 
Журнал «Маркетинг в России и за рубежом»
