Hoewel het hoofdkantoor van de winkelketen heeft geprobeerd een verkoopprognosemodel te maken, horen we vaak dat "de verkoopprognose voor nieuwe winkels niet klopt" of "er een discrepantie is tussen de prognose voor opening van een winkel en de werkelijke waarde".Als reactie op dergelijke problemen ben ik de laatste tijd sterk gaan nadenken omdat ik bedrijven heb geholpen.

Als het gaat om verkoopprognoses, hebben we de neiging om te denken dat dit kan worden gedaan door gerelateerde gegevens in Excel of iets dergelijks voor te bereiden en er statistische verwerking op uit te voeren.Toen ik ongeveer 20 jaar geleden voor het eerst met deze baan begon, verzamelde ik alle gegevens waarvan ik dacht dat ze relevant waren en maakte ik mechanisch een model om de nauwkeurigheid te verbeteren.Als je de procedure volgt, kun je iets doen, maar als je dit toepast op een nieuwe winkel, krijg je het niet per se goed.Ik kan ook niet aangeven waarom het niet werkte.Er was zo'n tijd.

Maar het wordt eindelijk duidelijk dat alleen het verzamelen van gegevens en het verwerken ervan niet voldoende is.

Wat is er echt nodig om de nauwkeurigheid van verkoopprognoses efficiënt te verbeteren?Ik wil er graag over praten, al lijken er nog wat ruwe kantjes aan te zitten.

Wanneer een pand voor een nieuwe winkel wordt voorgesteld en bij het beslissen of het zal verkopen of niet, gebruiken mensen in verschillende posities hun empirische regels en (denk ik) intuïtie die daarop gebaseerd zijn (zeg een mening die onverantwoordelijk klinkt).

Mensen in andere afdelingen dan winkelontwikkeling hebben de neiging om dingen te zeggen als: "Dit pand wordt niet verkocht omdat het zicht vanaf de ingang van de faciliteit slecht is". laat vallen als het uitvalt, en het klantenbestand is overal.Sommige mensen zeggen dat het wordt bepaald door mensen en productaanbod.

Deze verschillende meningen zijn bijna allemaal "juist".

Het probleem is echter dat ze proberen uit te leggen waarom de verkoop in sommige winkels hoog of laag is met slechts een paar dingen, en sommige mensen slechts één.

Afgaande op slechts een paar factoren, zouden de werkelijke verkoopcijfers sterk moeten fluctueren, en zelfs als ze dat doen, is het een toevalstreffer. Om te zeggen dat het geen toevalstreffer was, zou je 100 voorspellingen moeten doen voor hetzelfde doel en 90 ervan goed krijgen.Als je dat kunt, zul je het niet moeilijk hebben.

In werkelijkheid zijn er echter meer dan een paar verhalen over zelfs hooggeplaatste mensen in het bedrijf, zoals managers, die voorspellingen doen op basis van empirische regels uit het verleden, maar er niet in slagen om ze te bedenken en de oorzaak niet kunnen identificeren. .Het is verrassend omdat het een beursgenoteerd bedrijf kan zijn.Aangezien u een winkel opent zonder het winnende patroon te kennen, wat zouden beleggers dan denken als ze erom zouden vragen?Ik maak me er zorgen over.

Zulke dingen zijn gerelateerd, en het betekent dat "de verkoopprognose niet klopt".

Dus, wat zullen we doen?

Het is nog steeds moeilijk vanaf hier, maar er zijn enkele "werkpatronen" in de verkoopprognose, dus ik wil er graag een paar introduceren.

Allereerst is het noodzakelijk om de redenen waarom de verkoop hoog of laag is, afhankelijk van de winkel grondig te identificeren, inclusief verschillende meningen die eerder "juist" waren.

"Verkopen" en "niet verkopen" zijn niet zo eenvoudig dat ze door slechts één factor kunnen worden verklaard.Op dat moment is het niet voldoende om de factoren blindelings te identificeren, en het is noodzakelijk om factoren die verband kunnen houden uitputtend te identificeren.Uiteindelijk heeft het geen zin om alleen factoren te verzamelen die hetzelfde zeggen.

U kunt een whiteboard, een notitieboekje, post-it-notities gebruiken of minimaal 20 factoren opsommen.

De werkwijze staat beschreven in ons nieuwe seminar "Cursus Excel en statistiek voor winkelontwikkelingsmanagersIk wil het graag uitgebreid uitleggen.