服装销售定量预测方法新探
第30卷第6期东华大学学报(自然科学版)Vol.30,No.6
2004年12月JOURNALOFDONGHUAUNIVERSITYDec.2004
服装销售定量预测方法新探
薛美君,沈剑剑,杨以雄
(东华大学服装学院,上海,200051)
摘要 服装销售预测的准确性对企业的营销企划、生产安排、资金有效运作起着重要作用。这里从服装销售的实例出发,利用季节因子与统计分析方法对销售量进行定量预测。关键词:服装,销售量,预测,统计分析中图分类号:F123.7
1 服装销售预测
在服装市场营销竞争日趋激烈的今天,提高服装品种的市场竞争力,推行科学合理的营销活动是企业立足服装市场的保证。
服装销售预测是根据服装市场的销售信息和营销计划,用科学的方法进行市场和销售分析,确定在未来某一时间段的销售量(额)。准确的预测可以使企业或公司有计划地安排面辅料采购、服装生产、合理进仓和减少库存、加快资金流动,对服装企业良性营销活动起着重要作用。然而,服装营销是一个涉及多个行业和部门的活动过程,而消费变化的快速和多样,使影响服装消费的因素很难精确地描述,也使服装销售预测工作变得愈加困难。
服装销售预测要达到高准确度,必须注意数据资料的可靠性、及时性和连贯性以及预测方法的科学性。同时要灵活地利用信息资源,按具体问题进行分析,不可机械地套用预测工具。
目前,在销售预测中已经有一些定量的预测方法[1,2],例如营销专业人员预测法、一次、二次移动平均法等,每种方法都有其特点和使用的局限性。所以,对于高准确度的预测方法,有必要继续探讨和研究。
表众多变量进行讨论,是预测需求的一种方法。一次、二次移动平均法是这种方法之一。它适合短、近期的预测或服装销售不显现长期增长、下降及周期变动的场合[2]。
直接平均季节指数法可以对受季节影响的销售起到预测作用,但其中没有考虑服装销售的长期趋向性变化。
对有一定趋向性需求的服装产品,它的总需求随着时间的推延而朝着某一个方向有规律地变化,具有较为明确的发展方向和稳定的变化幅度。同时,服装是对季节反应相当敏感的一种商品,随着季节的变化,销售量会有所起伏,且呈现一定规律,用现有的方法对以上品种较难达到高预测精度。在此,通过对实际销售的观察和数据分析,引用季节因子和统计回归分析的方法,建立时间和销售量(额)之间的函数关系,从而预测后阶段的销售量(额),以达到较好的准确度。具体方法如下:
(1)收集近年(≥3a)来,各季度(xj)的销售量(yj)。
(2)确定季节因子:某一季度的季节因子等于近年某一季度销售量的平均值除以总季度销售量的平均值。
(3)将原始季度销售量(yj)修正为消除需求季节性影响的销售量(ydj)
ydj=yj÷季节因子。
(4)对修正后的销售量ydj用最小二乘法进行线性回归,建立时间(季度x)与消除需求季节性影响的销售量(yd)的回归方程
2 服装销售预测的统计方法
服装销售受诸多因素影响,往往有些因素主次难分。将众多因素综合为时间变量,以时间变量代
76
Yd=a+bx。
东华大学学报(自然科学版)第30卷
脑生产设备,依据严格的质量管理和完善的售后服务,公司一直保持快速发展的良好势头。2002年该公司已拥有遍布全国各大中城市的200多个营销
网点,销量逐年递增。
在此以N公司A款型的女装作为研究对象,进行销售数据的收集、分析和预测。A款是市场畅销的女式羊毛裙套装,面料由60%羊毛、40%锦纶组成,里料是100%醋酯纤维,市场零售价为1080元/套。A款从1999年开始销售,是N公司的经典款式,表1是该款服装3年(1999~2001年)间的季度销售数据。服装款式与时尚密切相关,尽管A款属于经典的长期畅销的款式,但随着销售时间的延续,销售数量仍有逐年递减的趋势。
(5)用回归方程计算后阶段某季度的消除需求季节性影响的销售量ydi。
(6)用季节因子修正ydi,得到预测的后阶段某季度销售量yi
yi=ydi×季节因子。
3 服装销售预测案例分析
上海N时装有限公司是于1993年在沪投资设厂开办的台商独资企业,拥有多个品牌,以销售淑女装而立足于国内市场。公司决策者具有敏锐的管理意识,成立不久就购进了计算机管理系统和电
表1 季度销售量记录
时期xj季度销量yj/套
1Ⅰ2000
2Ⅱ1640
3Ⅲ1000
4Ⅳ3000
5Ⅰ1850
6Ⅱ2030
7Ⅲ890
8Ⅳ2160
9Ⅰ940
10Ⅱ1060
11Ⅲ700
12Ⅳ800
本文的目标是预测第4年各季度的销售需求量。具体步骤如下(见表2):
表2 最小二乘回归后的时间序列分解结果
(1)时期(x)
(2)
季度
(3)实际销量(y)/套
(4)
三年相同季度的平均值
(5)季节因子
(6)消除需求季节性影响的(yd)/套(3)÷(5)
123456789
101112
ⅠⅡⅢⅣⅠⅡⅢⅣⅠⅡⅢⅣ
[***********][***********]60700800
1596.71576.7863.31986.7////////
1.061.050.571.321.061.050.571.321.061.050.571.32
1886.81561.91754.42272.71745.31933.31561.41636.4886.8
1009.51228.1606.1
第三步:考虑到销售逐年递减的趋势,对消除需求的季节性影响后的数据yd用最小二乘法建立回归直线方程;
消除季节性影响后的最终方程为:
yd=2187.5-104.7x
该回归方程的线性相关系数 R=0.78通过统计假设检验,在α=0.05时,Rα=0.5760
R>Rα,说明线性相关性比较密切,该回归方程有效;
第四步:经过预测期,外推回归直线。现在的目标是预测第13至16期(即第四年的各季度),将各期数值代入上式即可求得值yd,见表3;
表3 预测值列表
时期x13141516
季度ⅠⅡⅢⅣ
由回归直线
得到的yd
826.4721.7617512.3
季节因子1.061.050.571.32
预测值
Y(yd×季节因子)
[1**********]6
第一步:确定季节因子。将3年中同季度销量值分别相加并除以3,求得3年期间相同季度的需求平均值,列入表2中的(4),然后以此结果再除以
12个季度的平均值即为季节因子,将其列入表2中的(5);
第二步:消除需求的季节性影响。为剔除数据中的季节效应,将原始数据除以季节因子,得到yd2 第五步:用季节因子修正由回归方程得到的yd,即用已求出的季节因子乘以yd,得到如表3所示的第四年各季度销量的预测值Y。
6期薛美君,等:服装销售定量预测方法新探
77
测。为了检验预测效果,将1999~2002年间的有关数据(消除季节性时的需求预测值、考虑季节性时的需求预测值、实际需求量)汇总到表4中,并以
此绘制出折线图如图1所示,作进一步比较分析。
表4 预测值/实际值汇总表
季 度[***********]41516
消除季节性时的需求预测值(取整)
[***********][***********][***********]17512
考虑季节性时的需求预测值(取整)
[***********][***********][***********]2676
实际需求量(销量)/套[***********][***********]60700
[1**********]0/
升、中后期下降的趋势,基本符合服装商品的生命周期,因此2002年第四季度的生产和库存水平可适当降低;
(2)需求预测值与实际需求量数值基本吻合;
(3)需求预测还有不精确之处,由图中可以看出,2002年前三季度的实际销量均小于预测值,且差别较大,这是因为2002年已是A款式投入市场的第四年,服装商品不但受季节影响,还受诸如流行趋势、产品生命周期等其他因素的影响。因此,服装企业在进行需求预测时,为提高需求预测的准确性,还应综合考虑影响服装销售的其他因素。
4 小结
(1)对受季节销售影响敏感,且有较长销售周期的服装销售预测,用季节因子处理数据,结合最小二乘法进行时间与销售量的统计分析对预测服装企业未来销售需求量是可行的,并对安全库存量等指标有积极的指导意义。
(2)影响服装销售量的因素有可控因素和不可控因素,有一定的复杂性,要提高预测的准确性,必须以实际市场各种因素为出发点,尽可能地综合考虑主次因素,灵活运用统计分析方法,由此获得准确的预测结果。
参 考 文 献
[1] 杨以雄.服装市场营销.上海:中国纺织大学出版社,1998:
74
[2] 万艳敏.服装营销.上海:中国纺织大学出版社,2001:
61
64
图1 预测效果比较图
由图1可知:
(1)1999~2002年间,A款式销量呈前期上
NewExplorationonQuantitativelyForecastingMethodof
ClothingSalesVolume
XUEMei-jun,SHUNjian-jian,YANGYi-xiong
(CollegeofFashion,DonghuaUniversity,Shanghai,200051)
Abstract Accuracyofclothingsalesforecastingplaysanimportantroleinmarketingplan,productionarrangementandeffectiveoperationoffundsofanenterprise.Inthispaper,onthebasisoftheactualclothing
marketingthesalesvolumewasquantitativelyforecastusingthefactorofseasonsandthemethodofstatisticalanalysis.
Keywords:clothing,salesvolume,forecast,statisticalanalysis