Även om butikskedjornas huvudkontor försökte skapa en försäljningsprognosmodell hör vi ofta att "försäljningsprognosen för nya butiker inte stämmer" eller "det finns en diskrepans mellan prognosen innan en butik öppnas och det faktiska värdet".Som svar på sådana problem har jag kommit att tänka starkt den senaste tiden eftersom jag har hjälpt företag.

När det kommer till försäljningsprognoser tenderar vi att tro att det kan göras genom att förbereda relaterad data i Excel eller liknande och utföra statistisk bearbetning på den.När jag började det här jobbet för ungefär 20 år sedan brukade jag samla all data jag tyckte var relevant och skapa en modell mekaniskt för att förbättra noggrannheten.Om du följer proceduren kan du göra något, men om du applicerar detta på en ny butik kommer du inte nödvändigtvis att få det rätt.Dessutom kan jag inte peka ut anledningen till att det inte fungerade.Det fanns en sådan tid.

Men det börjar äntligen bli klart att det inte räcker att bara samla in data och bearbeta den.

Vad är egentligen nödvändigt för att effektivt förbättra träffsäkerheten i försäljningsprognoser?Jag skulle vilja prata om det, även om det verkar som att det fortfarande finns några grova kanter.

När en fastighet för en ny butik föreslås och när man bestämmer sig för om den ska säljas eller inte, använder människor i olika positioner sina empiriska regler och (tror jag) intuition utifrån dem som grund (säg en åsikt som låter oansvarig).

Människor på andra avdelningar än butiksutveckling tenderar att säga saker som: "Den här fastigheten kommer inte att sälja eftersom sikten från ingången till anläggningen är dålig," Av någon anledning verkar det som att negativa åsikter ofta kommer fram, till exempel försäljning släpp om det slocknar, och kundbasen är överallt.Vissa säger att det bestäms av människor och produktsortiment.

Dessa olika åsikter är nästan alla "korrekta".

Problemet är dock att de försöker förklara varför försäljningen är hög eller låg i vissa butiker med bara några få saker, vissa människor bara en.

Att döma av endast ett fåtal faktorer bör de faktiska försäljningssiffrorna fluktuera kraftigt, och även om de gör det är det en slump. För att säga att det inte var en "fluke", måste du göra 100 förutsägelser för samma orsak och få 90 av dem rätt.Om du kan göra det kommer du inte ha svårt.

Men i verkligheten finns det mer än ett fåtal berättelser om till och med högt uppsatta personer i företaget, såsom chefer, som gör förutsägelser baserade på tidigare empiriska regler, men misslyckas med att komma på dem och misslyckas med att identifiera orsaken. .Det är förvånande eftersom det kan vara ett börsbolag.Eftersom du öppnar en butik utan att känna till det vinnande mönstret, vad skulle investerare tycka om de frågade?Och jag är orolig.

Sådant hänger ihop, och det betyder att "försäljningsprognosen inte slår".

Så vad ska vi göra?

Det är fortfarande ruggigt härifrån, men det finns några "arbetsmönster" i försäljningsprognosen, så jag skulle vilja presentera några av dem.

Först och främst är det nödvändigt att noggrant identifiera orsakerna till att försäljningen är hög eller låg beroende på butik, inklusive olika åsikter som var "korrekta" tidigare.

"Sälja" och "säljer inte" är inte så enkla att de bara kan förklaras av en faktor.Vid den tiden räcker det inte att blint identifiera faktorerna, utan det är nödvändigt att uttömmande identifiera faktorer som kan vara relaterade.I slutändan är det meningslöst att bara samla på faktorer som säger samma sak.

Du kan använda en whiteboard, en anteckningsbok, post-it-lappar eller lista minst 20 faktorer.

Arbetsordningen beskrivs i vårt nya seminarium "Excel- och statistikkurs för butiksutvecklingscheferJag skulle vilja förklara i detalj.