Оценка востребованности новых продуктов и торговой привлекательности региональных рынков сбыта
Особенности сбытовой деятельности торговых компаний на региональных рынках. Аналитический инструментарий обоснования решений относительно нового продукта и нового рынка сбыта. Авторская методика оценки привлекательности региона для ведения бизнеса.
| Рубрика | Маркетинг, реклама и торговля |
| Вид | диссертация |
| Язык | русский |
| Дата добавления | 30.03.2018 |
| Размер файла | 2,9 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
График автокорреляционной функции представлен на рис. 3.5.
Из построенного графика видно, что автокорреляционная функция имеет слабую немонотонную тенденцию к затуханию. Следовательно, приходим к выводу, что исходный ряд нестационарен.
Следовательно, необходимо рассмотреть один из методов приведения временного ряда к стационарному. Рассмотрим разность первого порядка наблюдаемого ряда, предполагая, что ряд первых разностей будет стационарным.
Рисунок 3.5 - Автокорреляционная функция (результаты моделирования в пакете STATISTICA)
Для нашего случая выберем d=k=2. Дважды возьмем разность первого порядка, выделив опцию Differencing (x=x-x(lag) и указав значение lag=1.
Из графика на рис. 3.6 видно, что ряд стал стационарным.
Автокорреляционная функция имеет тенденцию к затуханию (рис. 3.7), т.е. после преобразований построен стационарный временной ряд.
На следующем этапе анализа временного ряда необходимо оценить параметры модели: p-Autoregressive - параметр авторегрессии; P-Seasonal - сезонный параметр авторегрессии; Q-Moving average - параметр скользящего среднего; Q-Seasonal - сезонный параметр скользящего среднего.
Рисунок 3.6 - Преобразованный временной ряд (результаты моделирования в пакете STATISTICA)
Как показывает практика, на этапе идентификации целесообразно определить несколько подходящих моделей и затем, оценив их параметры, и исследовав остатки, оценить адекватность моделей, после чего выбрать наилучшую модель из нескольких возможных.
Рассмотрим несколько вариантов моделей:
1. ARIMA (1,0,0)
2. ARIMA (1,0,0)(1,0,0)
3. ARIMA (1,0,1)
4. ARIMA (0,0,1)(1,0,0)
Результаты анализа каждой модели представлены в таблицах на рис. 3.8 - рис. 3.11.
Рисунок 3.7 - Автокорреляционная функция преобразованного ряда (результаты моделирования в пакете STATISTICA)
Рисунок 3.8 - Итоги анализа модели 1 (результаты моделирования в пакете STATISTICA)
Рисунок 3.9 - Итоги анализа модели 2 (результаты моделирования в пакете STATISTICA)
Анализируя полученные данные, можно сказать, что параметры всех моделей, кроме третьей, значимы. Следовательно, дальнейшему анализу подвергаются модели 1, 2, 4. Наиболее лучшие характеристики свойственны модели ARIMA (0,0,1) (1,0,0).
Для анализа адекватности модели исследуют остатки, представляющие собой разности наблюдаемых значений, предсказанных с помощью модели. В пакете STATISTICA визуализацией графиков автокорреляционных функций, графиков остатков оценивают адекватность модели. Предположение о нормальности остатков может быть проверено с помощью нормальных вероятностных графиков. Стандартный нормальный вероятностный график строится следующим образом. Проанализировав график остатков (рис. 3.12), можно сделать вывод, что остатки имеют примерно равную вариацию на всем протяжении ряда, и нет очевидного тренда или сдвига в них.
Рисунок 3.10 - Итоги анализа модели 3 (результаты моделирования в пакете STATISTICA)
Рисунок 3.11 - Итоги анализа модели 4 (результаты моделирования в пакете STATISTICA)
Из графика автокорреляции остатков видно, что остатки практически являются белым шумом (рис. 3.13).
Таким образом, всесторонний анализ остатков показал, что при помощи процедуры ARIMA&autocorrelation function построена вполне адекватная модель. Поэтому на основе данной модели может быть построен прогноз объема продаж. График прогнозных значений представлен на рис. 3.14
Рисунок 3.12 - График остатков (результаты моделирования в пакете STATISTICA)
Рисунок 3.13 - Автокорреляционная функция остатков (результаты моделирования в пакете STATISTICA)
Таким образом, всесторонний анализ остатков показал, что при помощи процедуры ARIMA&autocorrelation function построена вполне адекватная модель. Поэтому на основе данной модели может быть построен прогноз объема продаж. График прогнозных значений представлен на рис. 3.14
Рисунок 3.13 - Фактические и прогнозные значения (результаты моделирования в пакете STATISTICA)
Аналогичные шаги были выполнены для всех укрупненных групп товаров. Результаты проведенных расчетов представлены в табл. 3.4.
Таблица 3.4 - Прогнозные оценки объема продаж, тыс. руб. (составлена автором)
|
Укрупненная группа ассортимента |
Январь 2014г. |
Февраль 2014 г. |
Март 2014 г. |
|
|
Молоко пастеризованное |
34124561 |
34259764 |
35897158 |
|
|
Молоко стерилизованное |
8482993 |
8321923 |
8448236 |
|
|
Сметана |
11935687 |
12084838 |
12177830 |
|
|
Творог |
13093938 |
13299583 |
13356289 |
|
|
Йогурт питьевой |
3788602 |
4732672 |
4621587 |
|
|
Творожные десерты |
1843605 |
1896437 |
1805425 |
|
|
Глазированные сырки |
2087585 |
2109743 |
2165843 |
|
|
Кефир |
20588384 |
20496893 |
20517646 |
|
|
Биокефир |
10383832 |
10402747 |
10412847 |
|
|
Ряженка |
11839249 |
11894838 |
11945728 |
С целью упрощения задачи разработки комплекса маркетинговых мероприятий и получения дополнительной информации для принятия решений относительно ассортимента предприятия предлагаемой методикой предусмотрен этап многомерной классификации укрупненных групп товаров. Критерии классификации содержит табл. 3.5.
Таблица 3.5 - Критерии для классификации укрупненных групп ассортимента предприятия (составлена автором)
|
Укрупненная группа ассортимента |
Рост продаж 1 квартал 2014 г. к 1 кварталу 2013 г. |
Численная дистрибуция |
Распределения доходности |
|
|
Молоко пастеризованное |
38 % |
96 % |
33 % |
|
|
Молоко стерилизованное |
-4 % |
95 % |
12 % |
|
|
Сметана |
-10 % |
91 % |
10 % |
|
|
Творог |
-5 % |
100 % |
11 % |
|
|
Йогурт питьевой |
26 % |
96 % |
4 % |
|
|
Творожные десерты |
34 % |
61 % |
4 % |
|
|
Глазированные сырки |
-7 % |
89 % |
1 % |
|
|
Кефир |
0 % |
96 % |
16 % |
|
|
Биокефир |
-13 % |
94 % |
5 % |
|
|
Ряженка |
3 % |
96 % |
4 % |
Кластерный анализ широко используется в маркетинговых исследованиях [81]. Этот метод применим в задачах сегментации, анализа поведения потребителей, позиционирования, выводе на рынок нового продукта. Достоинство данного метода в том, что он дает возможность производить разбиение объектов не по одному параметру, а по ряду признаков.
Существует огромное количество алгоритмов кластерного анализа. В результате использования метода k-средних в пакете STATISTICA были получены 3 кластера укрупненных групп ассортимента предприятия (табл. 3.6).
Из не совсем благополучно 2-го кластера была выбрана группа "глазированные сырки" как товар с наименьшей доходностью в 1 %. Для того чтобы эта группа перешла в более благополучные кластеры, было решено обновить ассортимент путем введения новой товарной позиции. С целью получения вероятностной оценки востребованности нового продукта нами предлагается методический подход, предусматривающий построение эконометрической модели бинарного выбора [81]. В кaчествe незaвисимoй переменной этой модели использован результат экспертной оценки, а в кaчествe зaвисимoй - переменная, имеющая следующий смысл:
Такая модель является прекрасной альтернативой экспертным методам оценивания востребованности нового продукта.
Таблица 3.6 - Результаты кластерного анализа (результаты моделирования в пакете STATISTICA)
|
Кластер 1 |
Кластер 2 |
Кластер 3 |
|
|
Молоко пастеризованное |
Творог |
Молоко стерилизованное |
|
|
Йогурт |
Глазированные сырки |
Сметана |
|
|
Твор-ожный десерт |
Кефир |
||
|
Биокефир |
|||
|
Ряженка |
Такой подход повышает точность расчет прогнозных покaзателей, так как предполагает возможность использования не только субъективного мнения экспертных оценок [117], но и своеобразную стaтистическую базу, содержащую информацию об ошибках или верности их мнения.
Для создания логит-модели используются статистические мониторинги ситуаций бинарного выбора, т.е. наблюдения, в которых значения зависимой переменной принимают всего два знaчения 0 и 1, а независимые являются непрерывными или категоризированными переменными. Фaктически это ситуация, порождающая задачу деления выборочного множества на два класса наблюдений. Модель бинарного выбора нелинейная, поэтому ее параметры оцениваются с помощью метода максимального правдоподобия, который реализован в пакете STATISTICA.
Для оценки востребованности новых глазированных сырков ТМ "Вкуснотеево" было проведено анкетирование, в ходе которого были получены экспертные оценки по 10-ти балльной шкале, отражающие зависимость нового продукта от следующих факторов: доступность для потребителя (соотношение "цена - качество"); вкус; дизайн упаковки.
Так полученные экспертные оценки выступают в качестве независимых переменных логит-модели бинарного выбора (, , - соответственно). Результаты экспертного опроса и эмпирическая оценка их правдоподобности представлены в табл. 3.7.
Таблица 3.7 - Исходные данные для построения логит-модели бинарного выбора (составлена автором)
|
№ п.п. |
№ п.п. |
|||||||||
|
1. |
0 |
5 |
4 |
3 |
26. |
0 |
4 |
3 |
4 |
|
|
2. |
0 |
4 |
6 |
3 |
27. |
0 |
5 |
4 |
1 |
|
|
3. |
1 |
7 |
3 |
8 |
28. |
1 |
5 |
9 |
10 |
|
|
4. |
1 |
6 |
5 |
10 |
29. |
1 |
10 |
8 |
7 |
|
|
5. |
0 |
2 |
3 |
1 |
30. |
0 |
6 |
4 |
5 |
|
|
6. |
0 |
3 |
4 |
2 |
31. |
1 |
6 |
10 |
8 |
|
|
7. |
1 |
8 |
9 |
10 |
32. |
1 |
9 |
8 |
6 |
|
|
8. |
1 |
5 |
8 |
6 |
33. |
0 |
8 |
1 |
5 |
|
|
9. |
0 |
4 |
4 |
3 |
34. |
1 |
9 |
6 |
8 |
|
|
10. |
1 |
6 |
8 |
5 |
35. |
0 |
3 |
7 |
6 |
|
|
11. |
1 |
9 |
6 |
10 |
36. |
1 |
7 |
8 |
10 |
|
|
12. |
0 |
6 |
7 |
4 |
37. |
1 |
10 |
5 |
7 |
|
|
13. |
1 |
7 |
10 |
9 |
38. |
1 |
9 |
6 |
8 |
|
|
14. |
0 |
4 |
3 |
6 |
39. |
0 |
2 |
4 |
3 |
|
|
15. |
0 |
2 |
1 |
2 |
40. |
0 |
4 |
6 |
10 |
|
|
16. |
1 |
8 |
7 |
10 |
41. |
1 |
9 |
5 |
8 |
|
|
17. |
0 |
5 |
4 |
3 |
42. |
1 |
9 |
6 |
2 |
|
|
18. |
0 |
2 |
3 |
4 |
43. |
1 |
6 |
9 |
8 |
|
|
19. |
0 |
4 |
6 |
7 |
44. |
0 |
2 |
4 |
3 |
|
|
20. |
1 |
7 |
8 |
10 |
45. |
1 |
7 |
8 |
10 |
|
|
21. |
0 |
2 |
6 |
3 |
46. |
1 |
9 |
7 |
8 |
|
|
22. |
1 |
5 |
3 |
6 |
47. |
0 |
6 |
4 |
2 |
|
|
23. |
1 |
6 |
4 |
8 |
48. |
0 |
8 |
5 |
6 |
|
|
24. |
0 |
8 |
5 |
6 |
49. |
1 |
10 |
8 |
1 |
|
|
25. |
1 |
10 |
6 |
4 |
50. |
1 |
6 |
9 |
9 |
По данным табл. 3.7 была построена следующая модель:
.
Из анализа табл. 3.8 видно, что полученные оценки коэффициентов являются статистически знaчимыми (все стандартные ошибки меньше значений коэффициентов, а все вероятности ошибки меньше 0,05).
Таблица 3.8 - Оценки коэффициентов модели бинарного выбора и их характеристики (результаты моделирования в пакете STATISTICA)
|
Оценки коэффициентов |
Стандартные ошибки |
Статистики Вальда |
Вероятности |
|
|
11,9553 |
3,6578 |
10,6829 |
0,0011 |
|
|
-0,9059 |
0,3274 |
7,6556 |
0,0057 |
|
|
-0,5670 |
0,2751 |
4,2490 |
0,0393 |
|
|
-0,5404 |
0,2433 |
4,9350 |
0,0263 |
Данные табл. 3.9 свидетельствует о высоком уровне надежности построенной модели.
Таблица 3.9 - Фактические () и предсказанные () значения моделируемого показателя (результаты моделирования в пакете STATISTICA)
|
№ п.п. |
№ п.п. |
|||||
|
1. |
0 |
0,0283 |
26. |
0 |
0,0113 |
|
|
2. |
0 |
0,0353 |
27. |
0 |
0,0098 |
|
|
3. |
1 |
0,6011 |
28. |
1 |
0,9561 |
|
|
4. |
1 |
0,8480 |
29. |
1 |
0,9956 |
|
|
5. |
0 |
0,0004 |
30. |
0 |
0,1751 |
|
|
6. |
0 |
0,0028 |
31. |
1 |
0,9699 |
|
|
7. |
1 |
0,9970 |
32. |
1 |
0,9816 |
|
|
8. |
1 |
0,5872 |
33. |
0 |
0,1917 |
|
|
9. |
0 |
0,0116 |
34. |
1 |
0,9806 |
|
|
10. |
1 |
0,6722 |
35. |
0 |
0,1165 |
|
|
11. |
1 |
0,9933 |
36. |
1 |
0,9869 |
|
|
12. |
0 |
0,4039 |
37. |
1 |
0,9764 |
|
|
13. |
1 |
0,9927 |
38. |
1 |
0,9806 |
|
|
14. |
0 |
0,0327 |
39. |
0 |
0,0019 |
|
|
15. |
0 |
0,0002 |
40. |
0 |
0,6163 |
|
|
16. |
1 |
0,9907 |
41. |
1 |
0,9663 |
|
|
17. |
0 |
0,0283 |
42. |
1 |
0,6639 |
|
|
18. |
0 |
0,0019 |
43. |
1 |
0,9481 |
|
|
19. |
0 |
0,2410 |
44. |
0 |
0,0019 |
|
|
20. |
1 |
0,9869 |
45. |
1 |
0,9869 |
|
|
21. |
0 |
0,0059 |
46. |
1 |
0,9889 |
|
|
22. |
1 |
0,0771 |
47. |
0 |
0,0403 |
|
|
23. |
1 |
0,5178 |
48. |
0 |
0,7973 |
|
|
24. |
0 |
0,7973 |
49. |
1 |
0,8984 |
|
|
25. |
1 |
0,9351 |
50. |
1 |
0,9691 |
Данные, предложенные в табл. 3.10, позволяют рассчитать индекс отношения правдоподобия МакФаддена.
,
значение которого свидетельствует об адекватности построенной модели.
Таблица 3.10 - Тест правдоподобия 1-го типа (результаты моделирования в пакете STATISTICA)
|
Логарифмы функции максимального правдоподобия |
Хи-квадрат |
Вероятности |
|
|
-34,49821 |
|||
|
-20,49584 |
28,00581 |
0,00001 |
|
|
-14,64663 |
11,69951 |
0,00062 |
|
|
-11,45401 |
6,38612 |
0,01151 |
Данная модель используется для принятия решения о включении в ассортимент малоизвестные товарные позиции с заданной товарной характеристикой. Так, вероятность того, что новый глазированный сырок молочного комбината, товарная характеристика которого была оценена экспертом таким образом: "цена - качество" - 6 баллов, вкус - 7баллов, упаковка - 8баллов, окажется востребованным, равна:
Следовательно, новый продукт целесообразно включить в ассортиментную линейку, поскольку с вероятностью 0,85 он будет востребован на рынке.
Применение предлагаемой методики позволяет разрешить проблему отсутствия статистической информации о новом продукте и в тоже время дает количественное обоснование принимаемому решению, что естественным образом повышает его надежность.
3.2 Авторская методика оценки привлекательности региона для ведения торгового бизнеса
С целью повышения степени обоснованности решений, которые принимает руководство компаний относительно выхода на новые рынки сбыта, в данном параграфе описывается авторская методика оценки торговой привлекательности регионов.
Основные этапы методики представлены на рис. 3.14.
Каждый этап предусматривает проведение логически связанных между собой расчетов с использованием методов и моделей, обеспечивающих адекватность сопоставления торговой привлекательности регионов. Отличительной особенностью данной методики является не только комплексное использование аппарата экономико-математического моделирования, но и применение прогнозирования, которое формируя упреждающую информацию об основных характеристиках потенциальных рынков сбыта, позволяет понять сохранится или нет в будущем текущая предпочтительность регионов. Естественно это повышает обоснованность и надежность принимаемых решений.
Возможность практического использования предложенной методики проверялась с помощью вычислительного эксперимента, в котором использовалась размещенная на официальном сайте Федеральной службы государственной статистики (http://www.gks.ru/) информация о регионах, входящих в состав ЦФО, за исключением Москвы и Московской области, которые своими показателями значительно превосходят другие регионы (табл. 3.11 - табл. 3.15). Выбор показателей социально-экономического развития регионов, по которым оценивалась торговая привлекательность, осуществлялся в соответствии с экспертным мнением. Причем, следуя замыслу, реализованному в методике, данные по каждому региону должны отражать не только текущее состояние, но и динамику, на основе которой предусмотрено построение прогнозных вариантов.
Рисунок 3.14 - Этапы методики оценки привлекательности региона для ведения торгового бизнеса (разработка автора)
Таблица 3.11 - Среднедушевые денежные доходы населения (в месяц; руб.) (составлена по материалам Федеральной службы государственной статистики)
|
Регионы |
Годы |
||||||||
|
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
||
|
Белгородская область |
5286 |
7083 |
9399 |
12749 |
14147 |
16993 |
18800 |
21563 |
|
|
Брянская область |
4788 |
6171 |
7626 |
10083 |
11484 |
13358 |
15348 |
17422 |
|
|
Владимирская область |
4107 |
5627 |
7015 |
9480 |
10827 |
12956 |
14312 |
16136 |
|
|
Воронежская область |
5398 |
6862 |
8307 |
10587 |
11999 |
13883 |
15909 |
18885 |
|
|
Ивановская область |
3480 |
4457 |
5684 |
8343 |
9351 |
11124 |
13006 |
15930 |
|
|
Калужская область |
5343 |
6925 |
9185 |
11612 |
13380 |
15477 |
17557 |
20621 |
|
|
Костромская область |
4985 |
6398 |
7857 |
9608 |
10696 |
13315 |
14574 |
15808 |
|
|
Курская область |
5218 |
6751 |
8687 |
11524 |
12801 |
14685 |
16387 |
18808 |
|
|
Липецкая область |
5591 |
7611 |
9472 |
12085 |
14487 |
15936 |
16811 |
19777 |
|
|
Орловская область |
4857 |
5972 |
7325 |
10027 |
10927 |
13115 |
14824 |
16762 |
|
|
Рязанская область |
4775 |
6133 |
8049 |
11215 |
11968 |
13886 |
14788 |
17664 |
|
|
Смоленская область |
5483 |
6723 |
8228 |
11222 |
12616 |
14546 |
15969 |
18250 |
|
|
Тамбовская область |
5292 |
6815 |
8515 |
11145 |
11970 |
13631 |
15151 |
17470 |
|
|
Тверская область |
5606 |
7267 |
8543 |
10803 |
12185 |
13873 |
14943 |
17247 |
|
|
Тульская область |
4988 |
6564 |
8265 |
11227 |
13191 |
15349 |
16975 |
19291 |
|
|
Ярославская область |
6321 |
8263 |
10101 |
12816 |
13425 |
14491 |
15509 |
18513 |
Таблица 3.12 - Численность населения с денежными доходами ниже величины прожиточного минимума (в процентах от общей численности населения субъекта)
|
Регионы |
Годы |
||||||||
|
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
||
|
Белгородская область |
18,1 |
15,1 |
12,5 |
10,0 |
10,1 |
8,2 |
8,6 |
6,5 |
|
|
Брянская область |
20,0 |
19,4 |
18,3 |
15,7 |
15,2 |
13,5 |
12,6 |
10,6 |
|
|
Владимирская область |
29,5 |
25,5 |
23,1 |
19,9 |
19,5 |
17,3 |
17,5 |
15,1 |
|
|
Воронежская область |
23,7 |
20,2 |
20,0 |
18,2 |
20,1 |
18,4 |
17,2 |
10,3 |
|
|
Ивановская область |
41,3 |
34,6 |
31,6 |
22,6 |
22,7 |
20,1 |
19,0 |
13,9 |
|
|
Калужская область |
19,9 |
17,4 |
14,0 |
12,9 |
12,3 |
11,3 |
11,1 |
8,6 |
|
|
Костромская область |
23,2 |
18,9 |
18,4 |
18,2 |
19,0 |
15,7 |
16,5 |
15,2 |
|
|
Курская область |
20,2 |
15,3 |
12,5 |
11,1 |
11,7 |
10,8 |
10,4 |
8,2 |
|
|
Липецкая область |
15,4 |
11,6 |
10,9 |
10,5 |
9,9 |
9,9 |
10,6 |
8,4 |
|
|
Орловская область |
23,5 |
20,8 |
19,4 |
16,3 |
17,5 |
14,7 |
14,5 |
11,3 |
|
|
Рязанская область |
22,7 |
20,5 |
17,3 |
14,6 |
15,9 |
15,0 |
16,0 |
12,5 |
|
|
Смоленская область |
18,1 |
19,73) |
18,0 |
14,9 |
15,4 |
15,2 |
17,3 |
14,9 |
|
|
Тамбовская область |
16,9 |
15,0 |
13,7 |
11,3 |
11,9 |
10,8 |
10,7 |
9,4 |
|
|
Тверская область |
18,6 |
13,9 |
14,83) |
13,9 |
14,1 |
13,2 |
13,5 |
11,4 |
|
|
Тульская область |
17,4 |
14,8 |
14,5 |
13,1 |
12,5 |
11,0 |
10,9 |
9,5 |
|
|
Ярославская область |
17,2 |
13,4 |
14,83) |
14,1 |
15,6 |
12,8 |
13,4 |
11,0 |
Таблица 3.13 - Уровень зарегистрированной безработицы (на конец года), в процентах (составлена по материалам Федеральной службы государственной статистики)
|
Регионы |
Годы |
||||||||
|
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
||
|
Белгородская область |
1,4 |
1,4 |
1,1 |
1,3 |
1,8 |
1,5 |
1,3 |
1,0 |
|
|
Брянская область |
1,9 |
1,8 |
1,3 |
1,4 |
2,6 |
1,8 |
1,5 |
1,3 |
|
|
Владимирская область |
2,1 |
1,8 |
1,7 |
2,2 |
3,3 |
2,3 |
1,9 |
1,3 |
|
|
Воронежская область |
1,9 |
2,0 |
1,8 |
1,9 |
2,4 |
1,7 |
1,5 |
1,1 |
|
|
Ивановская область |
2,2 |
2,1 |
2,1 |
2,3 |
4,2 |
2,9 |
2,3 |
1,5 |
|
|
Калужская область |
0,7 |
0,7 |
0,6 |
0,7 |
1,3 |
1,0 |
0,8 |
0,7 |
|
|
Костромская область |
1,4 |
1,4 |
1,2 |
1,2 |
1,9 |
1,3 |
1,1 |
0,8 |
|
|
Курская область |
1,5 |
1,4 |
1,3 |
1,3 |
1,9 |
1,7 |
1,5 |
1,2 |
|
|
Липецкая область |
0,8 |
0,8 |
0,8 |
1,0 |
1,0 |
0,8 |
0,7 |
0,6 |
|
|
Орловская область |
1,7 |
1,5 |
1,4 |
1,5 |
2,0 |
1,7 |
1,5 |
1,2 |
|
|
Рязанская область |
1,2 |
1,3 |
1,1 |
1,2 |
1,8 |
1,5 |
1,2 |
0,9 |
|
|
Смоленская область |
1,0 |
1,0 |
0,9 |
0,9 |
1,9 |
1,6 |
1,3 |
1,1 |
|
|
Тамбовская область |
2,7 |
2,7 |
2,0 |
1,4 |
1,7 |
1,4 |
1,2 |
1,0 |
|
|
Тверская область |
1,0 |
0,9 |
0,7 |
1,0 |
2,0 |
1,5 |
1,2 |
1,0 |
|
|
Тульская область |
1,0 |
0,9 |
0,9 |
1,0 |
2,1 |
1,6 |
1,4 |
1,0 |
|
|
Ярославская область |
1,7 |
1,7 |
1,5 |
1,8 |
4,2 |
2,8 |
2,2 |
1,7 |
Таблица 3.14 - Оборот розничной торговли на душу населения (в фактически действовавших ценах) (составлена по материалам Федеральной службы государственной статистики)
|
Регионы |
Годы |
||||||||
|
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
||
|
Белгородская область |
30174 |
41387 |
55460 |
74599 |
82140 |
93535 |
108563 |
129904 |
|
|
Бpянская область |
28892 |
36931 |
48448 |
64977 |
72683 |
86538 |
106940 |
121136 |
|
|
Владимиpская область |
21140 |
29719 |
42497 |
56943 |
60661 |
70284 |
85265 |
103848 |
|
|
Воронежская область |
35245 |
39692 |
49708 |
71127 |
79140 |
92305 |
113305 |
139133 |
|
|
Ивановская область |
19064 |
26811 |
34985 |
53683 |
55235 |
66734 |
86035 |
109822 |
|
|
Калужская область |
38301 |
48173 |
62354 |
79408 |
83886 |
97675 |
118038 |
133102 |
|
|
Костpомская область |
26448 |
33681 |
42714 |
56042 |
59735 |
73413 |
86738 |
95792 |
|
|
Курская область |
31238 |
41735 |
54693 |
69533 |
76319 |
86431 |
103221 |
117703 |
|
|
Липецкая область |
35123 |
44561 |
57819 |
78841 |
88532 |
100252 |
118546 |
134049 |
|
|
Оpловская область |
31477 |
36015 |
47717 |
65715 |
67382 |
79574 |
94270 |
105501 |
|
|
Рязанская область |
30404 |
37588 |
50214 |
70697 |
76080 |
83877 |
98147 |
112985 |
|
|
Смоленская область |
37938 |
45886 |
57527 |
76909 |
85583 |
99218 |
111641 |
123289 |
|
|
Тамбовская область |
33924 |
42611 |
55816 |
76549 |
81414 |
89808 |
105913 |
122576 |
|
|
Твеpская область |
41084 |
49903 |
57518 |
75203 |
81268 |
93371 |
105711 |
120844 |
|
|
Тульская область |
29868 |
38033 |
52842 |
74649 |
81080 |
97163 |
110791 |
124580 |
|
|
Яpославская область |
30451 |
40318 |
52702 |
71145 |
72642 |
82640 |
100762 |
114121 |
Таблица 3.15-Валовой региональный продукт (миллионов рублей) (составлена по материалам Федеральной службы государственной статистики)
|
Регионы |
Годы |
|||||||
|
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
||
|
Белгородская область |
144987,8 |
178846,1 |
237013,3 |
317656,3 |
304345,3 |
398361,4 |
511663,0 |
|
|
Брянская область |
66692,3 |
82100,4 |
102706,2 |
125834,4 |
126477,4 |
147024,0 |
179920,9 |
|
|
Владимирская область |
86926,8 |
112841,7 |
146663,0 |
175395,7 |
185824,6 |
224759,2 |
256409,2 |
|
|
Воронежская область |
133586,6 |
166176,5 |
222811,9 |
287072,1 |
301729,1 |
346568,2 |
447155,4 |
|
|
Ивановская область |
44415,4 |
55090,0 |
74752,0 |
86980,3 |
87061,9 |
109884,5 |
127218,6 |
|
|
Калужская область |
70953,9 |
86150,5 |
111869,0 |
150394,4 |
154946,1 |
188601,3 |
234278,6 |
|
|
Костромская область |
44684,7 |
54351,1 |
65700,4 |
81040,7 |
78920,7 |
98130,7 |
111462,3 |
|
|
Курская область |
86624,9 |
104035,7 |
128799,0 |
167865,8 |
161570,9 |
193648,6 |
233362,4 |
|
|
Липецкая область |
145194,4 |
179057,3 |
209821,5 |
259532,2 |
226662,0 |
248544,9 |
285884,3 |
|
|
Орловская область |
53181,9 |
64801,6 |
77101,2 |
96669,9 |
90623,6 |
106196,7 |
130951,4 |
|
|
Рязанская область |
84382,7 |
105491,9 |
121305,2 |
150151,2 |
153634,1 |
179127,9 |
210435,5 |
|
|
Смоленская область |
65525,6 |
79043,4 |
95703,4 |
121601,3 |
125348,9 |
154681,1 |
183201,3 |
|
|
Тамбовская область |
63614,8 |
79766,2 |
106039,6 |
120836,0 |
136323,9 |
143902,4 |
182305,1 |
|
|
Тверская область |
96897,4 |
127363,8 |
156034,6 |
192283,0 |
197687,0 |
219004,9 |
253757,1 |
|
|
Тульская область |
116221,2 |
142240,1 |
174110,9 |
231730,8 |
214925,4 |
237629,2 |
272462,8 |
|
|
Ярославская область |
131252,1 |
153251,5 |
186577,5 |
214946,3 |
212684,4 |
239644,0 |
285159,8 |
Как видно из таблиц, показатели имеют различный масштаб измерения, что не позволяет получить объективный результат сравнения регионов по их торговой привлекательности. Для сравнения удобно использовать индикаторные переменные, которые могут быть получены из исходного представления показателей путем нормирования. Нормированные показатели позволяют формировать многомерное представление об однородных в смысле торговой привлекательности регионах и получать интегральные оценки этой привлекательности. Поэтому первый этап предлагаемой методики предусматривает применение процедуры нормирования к показателям, характеризующим торговую привлекательность.
Есть несколько способов нормирования показателей, применяемых при решении задач многомерной классификации и формирования интегральных оценок. Так как методика предусматривает комплексное применение методов и естественно способ нормирования должен обеспечивать корректность применения каждого из них, то, по нашему мнению, целесообразно в методике для нормирования показателей использовать формулу:
, (3.9)
где - нормированное значение показателя , в момент времени i; - минимальное значение нормируемого показателя; - максимальное значение нормируемого показателя.
В нашем случае факторные переменные (среднедушевые денежные доходы населения, ; численность населения с денежными доходами ниже величины прожиточного минимума, ; уровень зарегистрированной безработицы, ; оборот розничной торговли на душу населения, ) оказывают на интересующий нас показатель (степень торговой привлекательности региона) разнонаправленное влияние. Такие показатели, как "численность населения с денежными доходами ниже величины прожиточного минимума", "уровень зарегистрированной безработицы", снижают степень торговой привлекательности, а остальные два - ее повышают. Чтобы все показатели действовали в одном направлении при оценке торговой привлекательности регионов показатели с отрицательным влиянием необходимо нормировать по формуле:
. (3.10)
Значения индикаторных переменных, т.е. показателей, нормированных по формулам (3.9) и (3.10), представлены в табл. 3.16
Таблица 3.16 - Значения индикаторных переменных (нормированных показателей) (составлена автором)
|
Регион |
год |
год |
|||||||||
|
Белгородская область |
2005 |
0,1003 |
0,3343 |
0,2232 |
0,0935 |
2006 |
0,2002 |
0,2481 |
0,2232 |
0,1869 |
|
|
Бpянская область |
0,0733 |
0,3889 |
0,3621 |
0,0829 |
0,1498 |
0,3717 |
0,3343 |
0,1498 |
|||
|
Владимиpская область |
0,0357 |
0,6619 |
0,4177 |
0,0183 |
0,1197 |
0,5470 |
0,3343 |
0,0897 |
|||
|
Воронежская область |
0,1071 |
0,4953 |
0,3621 |
0,1358 |
0,1880 |
0,3947 |
0,3899 |
0,1728 |
|||
|
Ивановская область |
0,0010 |
1,0010 |
0,4454 |
0,0010 |
0,0550 |
0,8085 |
0,4177 |
0,0655 |
|||
|
Калужская область |
0,1040 |
0,3861 |
0,0288 |
0,1612 |
0,1915 |
0,3142 |
0,0288 |
0,2434 |
|||
|
Костpомская область |
0,0842 |
0,4809 |
0,2232 |
0,0625 |
0,1624 |
0,3573 |
0,2232 |
0,1227 |
|||
|
Курская область |
0,0971 |
0,3947 |
0,2510 |
0,1024 |
0,1819 |
0,2539 |
0,2232 |
0,1898 |
|||
|
Липецкая область |
0,1177 |
0,2567 |
0,0566 |
0,1347 |
0,2294 |
0,1476 |
0,0566 |
0,2134 |
|||
|
Оpловская область |
0,0771 |
0,4895 |
0,3066 |
0,1044 |
0,1388 |
0,4119 |
0,2510 |
0,1422 |
|||
|
Рязанская область |
0,0726 |
0,4665 |
0,1677 |
0,0954 |
0,1477 |
0,4033 |
0,1954 |
0,1553 |
|||
|
Смоленская область |
0,1118 |
0,3343 |
0,1121 |
0,1582 |
0,1803 |
0,3812 |
0,1121 |
0,2244 |
|||
|
Тамбовская область |
0,1012 |
0,2999 |
0,5843 |
0,1248 |
0,1854 |
0,2453 |
0,5843 |
0,1971 |
|||
|
Твеpская область |
0,1186 |
0,3487 |
0,1121 |
0,1844 |
0,2104 |
0,2136 |
0,0843 |
0,2578 |
|||
|
Тульская область |
0,0844 |
0,3142 |
0,1121 |
0,0910 |
0,1715 |
0,2395 |
0,0843 |
0,1590 |
|||
|
Яpославская область |
0,1581 |
0,3085 |
0,3066 |
0,0958 |
0,2655 |
0,1993 |
0,3066 |
0,1780 |
|||
|
Белгородская область |
2007 |
0,3283 |
0,1734 |
0,1399 |
0,3041 |
2008 |
0,5136 |
0,1016 |
0,1954 |
0,4635 |
|
|
Бpянская область |
0,2303 |
0,3401 |
0,1954 |
0,2457 |
0,3661 |
0,2654 |
0... |
Подобные документы
Особенности создания новых продуктов в России. Неудачи при внедрении новых продуктов. Процесс продвижения нового продукта. Выработка маркетинговой стратегии выведения нового продукта. Определение оптимальной концепции нового продукта.
контрольная работа [19,5 K], добавлен 20.12.2002Использование маркетинговых программ по продуктам и по производству при организации разработки новых продуктов. Формирование инвестиционного замысла и анализ целевого рынка и показателей производственного-сбытовой деятельности ИП ООО "ВКТ Констракшн".
курсовая работа [1,1 M], добавлен 04.03.2014Способы организации сбытовой сети на промышленных рынках. Определение эффективности систем сбытовой деятельности: реализация через собственную сеть, прямой сбыт с завода-изготовителя. Посредники в промышленном сбыте. Особенности сбыта сырьевых товаров.
презентация [448,8 K], добавлен 17.04.2013Оценка целесообразности и рентабельности создания нового фотосалона. Особенность ООО "Фотос" - широкий спектр услуг по печати на твердых материалах. Конкурентные преимущества фирмы. Оценка рынка сбыта продукта. Стратегия маркетинга и план производства.
бизнес-план [115,9 K], добавлен 12.12.2010Характеристика методов сбыта. Методические подходы к исследованию сбытовой политики предприятия. Исследование состояния отраслевого рынка. Анализ структуры и результатов деятельности отдела сбыта. Пути совершенствования организации сбытовой деятельности.
курсовая работа [733,0 K], добавлен 18.03.2013Современные проблемы стимулирования сбыта и ценообразования в маркетинге потребительских товаров. Роль стимулирования сбыта в маркетинге. Развитие мирового рынка канцтоваров и особенности деятельности иностранных компаний в России.
дипломная работа [118,6 K], добавлен 14.12.2004Отечественный и зарубежный опыт продвижения нового товара на рынке. Методология оценки его конкурентоспособности. Сегментирование рынка пластиковых окон. Разработка маркетинговых решений по товарной, ценовой, сбытовой и коммуникационной политике.
дипломная работа [491,7 K], добавлен 29.06.2013Сущность сбытовой деятельности торгового предприятия. Мероприятия по стимулированию сбыта. Краткая характеристика российского рынка бытовой техники и электроники. Каналы сбыта и организация товародвижения. Совершенствование коммерческой деятельности.
дипломная работа [5,0 M], добавлен 21.02.2016Методы анализа структуры сбыта предприятий. Стимулирование сбыта, его каналы и оценка их эффективности. Результаты программы стимулирования сбыта. Анализ сбытовой деятельности на рынке мясной продукции. Сбытовая деятельность ООО "Осинский мясокомбинат".
дипломная работа [685,4 K], добавлен 05.06.2010Маркетинговые исследования на разных этапах создания и реализации нового товара. Этапы создания нового продукта. Критерии сегментации рынка. Направления маркетинговых исследований, особенности классификации. Методика исследования нового продукта.
курсовая работа [163,0 K], добавлен 27.11.2012Методика определения пяти сил, определяющих уровень конкуренции и привлекательности ведения бизнеса в отрасли. Анализ пяти сил Портера. Угрозы появления продуктов-заменителей, новых игроков. Рыночная власть поставщиков, потребителей, уровень конкуренции.
реферат [16,9 K], добавлен 07.04.2013Значение, функции и направления совершенствования сбытовой деятельности промышленного предприятия. Анализ ассортимента и структуры реализуемой продукции, рынков сбыта, ритмичности и сезонности сбыта. Направления совершенствования сбытовой деятельности.
курсовая работа [1,7 M], добавлен 25.03.2015Сущность сбытовой политики. Виды и функции каналов сбыта. Особенности системы товародвижения и прогнозирования сбыта. Анализ каналов сбыта продукции в сети аптек "Нордмедсервис". Анализ использования стимулирования сотрудников и разработка системы скидок.
курсовая работа [44,5 K], добавлен 01.01.2014Понятие и основные системы управления сбытовой деятельности предприятия в условиях рынка. Маркетинговый подход к разработке сбытовой политики на предприятии. Финансовый анализ деятельности предприятия. Характеристика рынков сбыта продукции фирмы.
дипломная работа [629,7 K], добавлен 13.03.2009Оценка привлекательности нового товара. Определение интегрированного показателя качества и коэффициента превосходства одного товара над другим. Исследование модели поведения потребителя на рынке и особенностей принятия решений о покупке потребителем.
презентация [231,4 K], добавлен 02.12.2013Сущность, виды, признаки сбытовой политики. Роль логистических посредников в распределении продукции. Разработка плана сбыта в магазине "Самара": оценка рынка сбыта, планирование ассортимента, составление сметы затрат, контроль маркетинговой деятельности.
курсовая работа [114,2 K], добавлен 08.10.2010Управление сбытовой деятельностью предприятия, выбор рынков сбыта продукции. Профиль и направления развития ЗАО "Галактика". Организационно-экономическая характеристика компании и конкурентов. Формирование товарной стратегии по росту производства и сбыта.
дипломная работа [709,6 K], добавлен 28.10.2014Анализ производственно-хозяйственной деятельности ОАО "НЛМК", его финансовой устойчивости, ликвидности, индекса кредитоспособности. Оценка маркетинговой деятельности предприятия. Разработка товарной и ценовой политики для увеличения рынка сбыта продукции.
дипломная работа [1,3 M], добавлен 08.10.2010Организация производственно-сбытовой деятельности на основании маркетингового подхода. Внедрение интернет-технологий для упрощения сбыта продукции. Совершенствование производственно-сбытовой деятельности путем внедрения нового канала распределения.
дипломная работа [1,8 M], добавлен 29.06.2010Основные проблемы и пути совершенствования сбытовой деятельности на предприятии оптовой торговли. Методика оценки эффективности управления сбытовой и маркетинговой деятельностью. Пути и методы совершенствования системы стимулирования сбыта продукции.
дипломная работа [627,7 K], добавлен 26.10.2014
