商品销售量
目录 |
什么是商品销售量[1]
商品销售量是指贸易企业向其以外的单位和个人出售(包括对境外直接出口)商品的数量(金额)。
影响商品销售量变动的因素[2]
影响商品销售量变动的因素很多，在商品货源可以充分保证的情况下，企业的商品销售量主要受三个方面的因素制约：
1．消费者需求因素
消费者需求因素包括消费者数量及构成、购买力水平、购买动机等，对商品销售量大小有决定性的影响。一般地说，在其他条件不变的情况下，商品销售量与消费人口数量成正比关系。但在一定的商圈范围内，消费者构成不同，其购买力水平不同、购买动机不同、消费结构存在一定的差异，对不同商品的销售量大小有明显影响。
2．市场竞争因素
市场竞争因素包括同类商品的市场投放量、市场需求饱和程度、新老产品更新换代情况、同类企业之间的竞争态势都会对企业的销售量带来影响。一般地讲，市场同类商品投放量越大、需求饱和程度越高，企业的销售量会相应减少；新产品上市，会削弱老产品的销售量；竞争对手数量增加或者实力增强，也会减少企业同类产品的市场销售量。
3．企业经营因素
企业经营因素主要指企业的经济实力、职工素质、促销能力及占有的市场份额，对销售量有直接影响。一般地说，企业经济实力强、职工素质高、促销方式灵活、市场占有份额大，销售量相应也大；反之亦然。
商品销售量变化的规律性[2]
尽管影响商品销售量变动的因素很多，但通过销售量变动的历史资料分析可以发现，任何一种商品的销售量变动都有一定的规律性。归纳起来，在正常情况下，一种商品的销售量变化大致有以下6种类型：
1．销售量均衡增长，逐期扩大
这种趋势，对处于成长期的产品来说，表现尤为明显。若用坐标图显示，其销售量表现为一条呈上升趋势的曲线。
2．销售量起伏变化大体平稳
这种趋势，对处于成熟期的产品来说，表现更为明显。若用坐标图显示，其销售量表现为一条波浪式的曲线。
3．销售量变化不规则，但总体上趋于增长
这种趋势，若用坐标图显示，表现为一条不规则的、总体上呈上升趋势的曲线。
4．销售量受相关产品制约大,随相关产品销售量变化
具有正相关和负相关两种情况。前者如房屋装修材料的销售量与房屋建筑规模(面积)呈正相关关系；后者如陶瓷用品与塑料用品的销售量呈负相关关系。
5．销售量受季节性影响大,随季节变化
而周期性变化 如各种时令性商品、节日用品、旅游用品等，其销售量变化不仅具有上述某种类型特征，而且兼有明显的季节性特点。如用坐标图显示，其销售量的季节性变化趋势在企业各个经营周期(或年份)中相同。
6．销售量受产品经济寿命周期影响，呈抛物线变化
如产品在试销期的销售量缓慢增长，中期快速增长，衰退期销售量下降，用坐标图显示，表现为一条抛物线。
商品销售量(额)及变化趋势预测[3]
企业在计划期间究竟能销售多少，必须通过市场调查，进行科学的销售预测。销售预测是根据市场上供需情况的发展趋势，以及本企业的销售单价、推销活动、产品改进、分销途径等方面的计划安排，来对该项商品在计划期间的销售量或销售额所做出的预计或估量。
商品销售量(额)及变化趋势预测常见的技术方法是趋势预测分析法。它是应用事物发展的连续性原理来预测事物发展的趋势。其方法是：首先把本企业过去的销售历史资料按时间顺序排列下来；然后运用数理统计的方法预计、推测计划期间的销售数量或销售金额，也称时间序列预测分析法。
这类方法的优点是收集信息方便、迅速；缺点是对市场情况的变动未加考虑。根据采用的具体数学方法的不同，又分为算术平均法、移动加权平均法、指数平滑法和回归分析法。
- 一、算术平均法
以过去若干时期的销售量或销售金额的算术平均数作为计划期的销售量(销售额)。计算公式为：
计划期销售量(销售额) = |
|
【例1】甲公司今年上半年乙产品销售量的资料如下。要求预测7月份的乙产品销售量。
| 月份 | 1 | 2 | 3 | 4 | 5 | 6 |
| 乙产品(万斤) | 138 | 136 | 142 | 134 | 146 | 144 |
7月份的乙产品销售量＝(138+136+142+134+146+144)／6=140(万斤)
这种方法的优点是计算简便，但它使各个月份的销售差异平均化，特别是没有考虑到近期的变动趋势，因而测出的预计数与实际数可能发生较大误差。
注意这种方法的适用条件：适用于销售量(销售额)比较稳定的商品，如没有季节性的食品、文具、日常用品等。
- 二、加权平均法
根据过去若干时期的销售量或销售金额，按其距计划期的远近分别进行加权，然后计算其加权平均数，据以作为计划期的销售预测数。
注意：所取的观察值应随时间的推移而顺延。预测8月份，则以5、6、7三个月的历史资料为依据。接近计划期的实际销售情况对计划期预计数的影响较大。近期确定的加权数大，远期确定的权数小。
加权平均法的计算公式为：计划期销售量(销售额)(</math>(\overline x)</math>)＝各期销售量(销售额)分别乘其权数之和(∑wx)
【例2】依[例1]资料，要求预测7月份的乙产品销售量。
预测7月份的乙产品销售量我们选取4、5、6三个月的历史资料来计算。
令w1＝0．2；w2＝0．3；w3＝0．5
预测7月份的乙产品销售量=134×0．2+146×0．3+144×0．5=142．6(万斤)
- 三、指数平渭法
指数平滑法实质上也是一种加权平均法。导入平滑系数α，前期实际销售量(销售额)乘以α，前期预测的销售量(销售额)乘以(1-α），这两个乘积相加得到本期预测销售量(销售额)。选取α值大于0，小于1，一般取值为0．3-0．7。选取的平滑系数越大，则近期实际数对预测结果的影响越大；选取的平滑系数越小，则近期实际数对预测结果的影响越小。
注意：选取较小的平滑系数计算的结果能反映观察值变动的长期趋势；选取较大的平滑系数计算的结果能反映观察值变动的新近趋势。指数平滑法计算公式为：
计划期销售量(销售额)(</math>(\overline x)</math>)＝平滑系数×上期实际销售数+(1-平滑系数)×上期预测销售数
【例3】依[例1)资料，甲公司6月份的实际销售量为144万斤，原来预测6月份的销售量为148万斤，平滑系数采用0．7。要求按指数平滑法预测7月份的乙产品销售量。
预测7月份的乙产品销售量＝0．7×144+(1-0．7)×148＝145．2(万斤)
- 四、回归分析法
回归分析法是根据直线方程式y＝a+bx，按照数学上最小平方法的原理来确定一条能正确反映自变量x与因变量y之间具有误差的平方和最小的直线，这条直线为回归直线。
直线方程式y＝a+bx中常数项。与系数占的值可按下列公式计算：
回归分析法应用到销售预测，可用y代表销售量(销售额)，x代表间隔期(观察期)。
由于观察期是按时间顺序排列的，间隔期相等，故可以采用简捷的办法，令∑x=0来求回归线。具体说，如果实际观察的期数为奇数，则取x的间隔期为1；如果实际观察的期数为偶数，则取x的间隔期为2。确定间隔期的具体做法如下：
当实际观察的期数为奇数时，取x的间隔期为1，如表2所示。
| 观察期 | 间隔期(x) |
| 1 2 3 4 5 | -2 -1 0 1 2 |
| n=5 | ∑x=0 |
当实际观察的期数为偶数，取x的间隔期为2，如表3所示。
| 观察期 | 间隔期(x) |
| 1 2 3 4 5 6 | -5 -3 -1 1 3 5 |
| n=6 | ∑x=0 |
根据上述∑x=0的确定，a与b的值的公式可简化为：
【例4】依[例1)资料，要求预测7月份的销售量。
| 月份 | 间隔期(x) | 销售量(y) | xy | x^2 |
| 1 2 3 4 5 6 | -5 -3 -1 1 3 5 | 138 136 142 134 146 144 | -690 -408 -142 134 438 720 | 25 9 1 1 9 25 |
| n=6 | ∑x=0 | ∑y=840 | ∑xy=52 | ∑x^2=70 |
所以y＝a+bx＝140+0．74×7＝145．18(万斤)
(注意这里的间隔期确定为7。)
【例5】依[例4—1)资料，如果不考虑1月份的基本资料，要求根据2—6月份基本资料预测7月份的销售量。
| 月份 | 间隔期(x) | 销售量(y) | xy | x^2 |
| 2 3 4 5 6 | -2 -1 0 1 2 | 136 142 134 146 144 | -272 -142 0 146 288 | 4 1 0 1 4 |
| n=5 | ∑x=0 | ∑y=702 | ∑xy=20 | ∑x^2=10 |
所以y＝a+bx＝140.4+2×3＝146.4(万斤)
(注意盆单的间隔期的确定为3。)