ما هو نموذج التوزيع الجيد للتنبؤ بالمبيعات والأرباح؟
Posted: Wed Dec 18, 2024 3:33 am
نظرًا لأن التوزيع الطبيعي يخلق بعض المشكلات، فمن المفيد إيجاد نموذج يأخذ في الاعتبار كل من المتوسط والتباين. بهذه الطريقة، ستحصل على مزيد من المعلومات حول كيفية توزيع المبيعات بمرور الوقت. سيناقش الجزء التالي من المقالة ما إذا كان بإمكانك استخدام التوزيع الطبيعي في نمذجة المبيعات الخاصة بك أم لا.
قد يكون التوزيع الطبيعي مفيدًا في بعض الأحيان للعناصر التي تتمتع بحجم مرتفع أو وتيرة عالية من المبيعات لكل وحدة زمنية؛
يكون التوزيع الطبيعي أقل فائدة لوحدات تخزين المواد التي تتمتع بحجم منخفض أو وتيرة منخفضة من المبيعات لكل وحدة زمنية.
لا تستجيب المنتجات غير المرنة لتغيرات الأسعار. على سبيل المثال، الأدوية الأساسية مثل الأنسولين أو لقاح كوفيد-19، والتي تكون ضرورية وسيتم شراؤها حتى لو ارتفعت الأسعار بشكل حاد.
تتفاعل المنتجات المرنة مع تغيرات الأسعار. على سبيل المثال، يشتري العديد من الأشخاص أحذية رياضية من علامة تجارية معينة مقابل 2500 بيانات رقم الهاتف للرسائل القصيرة للتسويق عبر الهاتف روبل، مقابل 3500 روبل يوجد عدد أقل من الأشخاص الذين يريدون شرائها، مقابل 10000 روبل يوجد عدد قليل جدًا من الأشخاص الذين يريدون شرائها.
إذا خفضت سعر منتج ما، فمن المرجح أن تبيع منه كمية أكبر. وهذا بدوره سيخلق منحنى على شكل حرف S حيث يتم خفض السعر ثم رفعه مرة أخرى. تكمن المشكلة في التوزيع الطبيعي في أنه في هذه الحالات يمكن أن يكون سلبيًا إذا بدأنا المنحدر من الصفر. إذا أردنا إنشاء شيء مثل منحنى الجرس، فيجب أن نبدأ بسعر منخفض، مما يؤدي إلى مبيعات قليلة أو معدومة، ثم نزيد السعر إلى المتوسط ونرى أعلى مبيعات، ثم نرفع السعر مرة أخرى ونرى مبيعات أقل. هذا بالطبع غير مرجح للغاية، مما يثبت مرة أخرى أن منحنى الجرس نادرًا ما يكون نتيجة واقعية للغاية.
عندما تكون المبيعات نادرة وتحدث على مدى فترة زمنية، فمن المفيد استخدام توزيعات الاحتمالات لنمذجة المبيعات والأرباح والتسعير. فيما يلي بعض الأمثلة على النماذج الإحصائية الجيدة للتنبؤ بحجم المبيعات والأسعار، خاصة إذا حدثت مبيعاتك بشكل غير متكرر وفي أوقات محددة:
توزيع بواسون
لنمذجة عدد الأحداث في المستقبل للاستخدام المنفصل (على سبيل المثال أحداث المبيعات). على سبيل المثال، إذا اشتريت عددًا لا نهائيًا من تذاكر اليانصيب، فسيكون توزيع التذاكر الفائزة هو توزيع بواسون.
توزيع جاما
للتنبؤ بوقت الانتظار حتى وقوع الأحداث المستقبلية (لأي عدد من الأحداث المستقبلية، وليس فقط الحدث الأول).
توزيع ثنائي سلبي
عند شراء تذكرتي يانصيب، يتم نمذجة احتمال الفوز من خلال توزيع ثنائي. ومع زيادة حجم العينة، يبدأ في التشابه بشكل وثيق مع توزيع بواسون (مزيج من بواسون وجاما).
كما يقول Lumen learning، فإن توزيع بواسون هو "توزيع احتمالي منفصل - احتمال وقوع عدد معين من الأحداث في فترة زمنية و/أو مكانية ثابتة، إذا حدثت هذه الأحداث بمعدل متوسط معروف وبغض النظر عن الوقت الذي مر منذ الحدث الأخير". يتناسب هذا النموذج بشكل جيد للغاية مع الأشخاص الذين يشترون المنتجات، لذلك يمكن نمذجة سلوك الشراء باستخدام توزيع بواسون.
يؤدي تراكم بعض السلع إلى الإفراط في توزيع البيانات، والذي يمكن نمذجته بتوزيع ثنائي سلبي. مع زيادة حجم العينة، يبدأ التوزيع في التشابه بشكل وثيق مع توزيع بواسون.
لذا، فإن توزيعات بواسون أو جاما أو ثنائية الحدين، أو مزيج منها، تعد خيارات جيدة للنمذجة. فقط تذكر أن تأخذ في الاعتبار الموسمية والعروض الترويجية وجميع التغييرات الأخرى في الأسعار في نماذجك.
قد يكون التوزيع الطبيعي مفيدًا في بعض الأحيان للعناصر التي تتمتع بحجم مرتفع أو وتيرة عالية من المبيعات لكل وحدة زمنية؛
يكون التوزيع الطبيعي أقل فائدة لوحدات تخزين المواد التي تتمتع بحجم منخفض أو وتيرة منخفضة من المبيعات لكل وحدة زمنية.
لا تستجيب المنتجات غير المرنة لتغيرات الأسعار. على سبيل المثال، الأدوية الأساسية مثل الأنسولين أو لقاح كوفيد-19، والتي تكون ضرورية وسيتم شراؤها حتى لو ارتفعت الأسعار بشكل حاد.
تتفاعل المنتجات المرنة مع تغيرات الأسعار. على سبيل المثال، يشتري العديد من الأشخاص أحذية رياضية من علامة تجارية معينة مقابل 2500 بيانات رقم الهاتف للرسائل القصيرة للتسويق عبر الهاتف روبل، مقابل 3500 روبل يوجد عدد أقل من الأشخاص الذين يريدون شرائها، مقابل 10000 روبل يوجد عدد قليل جدًا من الأشخاص الذين يريدون شرائها.
إذا خفضت سعر منتج ما، فمن المرجح أن تبيع منه كمية أكبر. وهذا بدوره سيخلق منحنى على شكل حرف S حيث يتم خفض السعر ثم رفعه مرة أخرى. تكمن المشكلة في التوزيع الطبيعي في أنه في هذه الحالات يمكن أن يكون سلبيًا إذا بدأنا المنحدر من الصفر. إذا أردنا إنشاء شيء مثل منحنى الجرس، فيجب أن نبدأ بسعر منخفض، مما يؤدي إلى مبيعات قليلة أو معدومة، ثم نزيد السعر إلى المتوسط ونرى أعلى مبيعات، ثم نرفع السعر مرة أخرى ونرى مبيعات أقل. هذا بالطبع غير مرجح للغاية، مما يثبت مرة أخرى أن منحنى الجرس نادرًا ما يكون نتيجة واقعية للغاية.
عندما تكون المبيعات نادرة وتحدث على مدى فترة زمنية، فمن المفيد استخدام توزيعات الاحتمالات لنمذجة المبيعات والأرباح والتسعير. فيما يلي بعض الأمثلة على النماذج الإحصائية الجيدة للتنبؤ بحجم المبيعات والأسعار، خاصة إذا حدثت مبيعاتك بشكل غير متكرر وفي أوقات محددة:
توزيع بواسون
لنمذجة عدد الأحداث في المستقبل للاستخدام المنفصل (على سبيل المثال أحداث المبيعات). على سبيل المثال، إذا اشتريت عددًا لا نهائيًا من تذاكر اليانصيب، فسيكون توزيع التذاكر الفائزة هو توزيع بواسون.
توزيع جاما
للتنبؤ بوقت الانتظار حتى وقوع الأحداث المستقبلية (لأي عدد من الأحداث المستقبلية، وليس فقط الحدث الأول).
توزيع ثنائي سلبي
عند شراء تذكرتي يانصيب، يتم نمذجة احتمال الفوز من خلال توزيع ثنائي. ومع زيادة حجم العينة، يبدأ في التشابه بشكل وثيق مع توزيع بواسون (مزيج من بواسون وجاما).
كما يقول Lumen learning، فإن توزيع بواسون هو "توزيع احتمالي منفصل - احتمال وقوع عدد معين من الأحداث في فترة زمنية و/أو مكانية ثابتة، إذا حدثت هذه الأحداث بمعدل متوسط معروف وبغض النظر عن الوقت الذي مر منذ الحدث الأخير". يتناسب هذا النموذج بشكل جيد للغاية مع الأشخاص الذين يشترون المنتجات، لذلك يمكن نمذجة سلوك الشراء باستخدام توزيع بواسون.
يؤدي تراكم بعض السلع إلى الإفراط في توزيع البيانات، والذي يمكن نمذجته بتوزيع ثنائي سلبي. مع زيادة حجم العينة، يبدأ التوزيع في التشابه بشكل وثيق مع توزيع بواسون.
لذا، فإن توزيعات بواسون أو جاما أو ثنائية الحدين، أو مزيج منها، تعد خيارات جيدة للنمذجة. فقط تذكر أن تأخذ في الاعتبار الموسمية والعروض الترويجية وجميع التغييرات الأخرى في الأسعار في نماذجك.