Индекс сезонности формула excel

Из данной статьи вы узнаете, как рассчитать индексы сезонности и пики в Excel. А также, для чего их используют на практике.

Для чего используют индексы сезонности:

1. Для расчета прогноза;

2. Для планирования деятельности, т.е. для определения приоритетов развития в рамках года по месяцам;

3. Для выбора лучшего времени проведения мероприятий по стимулированию сбыта для товаров или услуг;

4. Для выбора лучшего времени для рекламирования товаров или услуг;

5. И т.д.

Расчет индексов сезонности рассмотрим на примере растительного масла по месяцам.

1. Возьмем продажи по растительному маслу за 3 года по месяцам (см. вложенный файл);

2. Определим средние продажи по месяцам с помощью формулы Excel “=СРЗНАЧ()”. Для января “=СРЗНАЧ(январь 2003; январь 2004; январь 2005)”;

3. Рассчитаем среднемесячные продажи за 3 года. Для этого в формулу “=СРЗНАЧ(диапазон с продажами с января 2003 до декабря 2005 года)”.

4. Вычислим индексы сезонности. Индекс сезонности месяца равен отношению средних продаж этого месяца к среднемесячным продажам за 3 года. Например, индекс января равен отношению средних продаж январей за 3 года к среднемесяцным продажам за 3 года — пункт 2 делим на пункт 3 (см. вложенный файл);

5. Также рассчитаем пики сезонности, для этого из каждого индекса сезонности вычитаем единицу, строим график  (см. вложенный файл).

Точных вам прогнозов.

С помощью программы для прогнозирования продаж Forecast4AC PRO вы сможете рассчитать индексы сезонности и проанализировать их на графике одним нажатием клавиши.

Статья полезная? Поделитесь с друзьями

Прогнозирование продаж в Excel не сложно составить при наличии всех необходимых финансовых показателей.

В данном примере будем использовать линейный тренд для составления прогноза по продажам на бушующие периоды с учетом сезонности.

Линейный тренд хорошо подходит для формирования плана по продажам для развивающегося предприятия.

Excel – это лучший в мире универсальный аналитический инструмент, который позволяет не только обрабатывать статистические данные, но и составлять прогнозы с высокой точностью. Для того чтобы оценить некоторые возможности Excel в области прогнозирования продаж, разберем практический пример.

Пример прогнозирования продаж в Excel

Рассчитаем прогноз по продажам с учетом роста и сезонности. Проанализируем продажи за 12 месяцев предыдущего года и построим прогноз на 3 месяца следующего года с помощью линейного тренда. Каждый месяц это для нашего прогноза 1 период (y).

Уравнение линейного тренда:

y = bx + a

• y — объемы продаж;
• x — номер периода;
• a — точка пересечения с осью y на графике (минимальный порог);
• b — увеличение последующих значений временного ряда.

Допустим у нас имеются следующие статистические данные по продажам за прошлый год.

1. Рассчитаем значение линейного тренда. Определим коэффициенты уравнения y = bx + a. В ячейке D15 Используем функцию ЛИНЕЙН:



2. Выделяем ячейку с формулой D15 и соседнюю, правую, ячейку E15 так чтобы активной оставалась D15. Нажимаем кнопку F2. Затем Ctrl + Shift + Enter (чтобы ввести массив функций для обеих ячеек). Таким образом получаем сразу 2 значения коефициентов для (a) и (b).



3. Рассчитаем для каждого периода у-значение линейного тренда. Для этого в известное уравнение подставим рассчитанные коэффициенты (х – номер периода).



4. Чтобы определить коэффициенты сезонности, сначала найдем отклонение фактических данных от значений тренда («продажи за год» / «линейный тренд»).



5. Рассчитаем средние продажи за год. С помощью формулы СРЗНАЧ.



6. Определим индекс сезонности для каждого месяца (отношение продаж месяца к средней величине). Фактически нужно каждый объем продаж за месяц разделить на средний объем продаж за год.



7. В ячейке H2 найдем общий индекс сезонности через функцию: =СРЗНАЧ(G2:G13).
8. Спрогнозируем продажи, учитывая рост объема и сезонность. На 3 месяца вперед. Продлеваем номера периодов временного ряда на 3 значения в столбце I:



9. Рассчитаем значения тренда для будущих периодов: изменим в уравнении линейной функции значение х. Для этого можно просто скопировать формулу из D2 в J2, J3, J4.
10. На основе полученных данных составляем прогноз по продажам на следующие 3 месяца (следующего года) с учетом сезонности:

Общая картина составленного прогноза выглядит следующим образом:

График прогноза продаж:

График сезонности:

Алгоритм анализа временного ряда и прогнозирования

Алгоритм анализа временного ряда для прогнозирования продаж в Excel можно построить в три шага:

1. Выделяем трендовую составляющую, используя функцию регрессии.
2. Определяем сезонную составляющую в виде коэффициентов.
3. Вычисляем прогнозные значения на определенный период.

Нужно понимать, что точный прогноз возможен только при индивидуализации модели прогнозирования. Ведь разные временные ряды имеют разные характеристики.

• бланк прогноза деятельности предприятия

Чтобы посмотреть общую картину с графиками выше описанного прогноза рекомендуем скачать данный пример:

Сезонность товаров отражает на сколько изменятся продажи на товары в будущем относительно заданного периода. Коэффициент сезонности используется для прогнозирования продаж на основе фактических продажах в прошлом.

Особенности расчета коэффициента сезонности:

1. Сезонность учитывает влияние внешних факторов на изменение продаж. Основным признаком показателя сезонности является то, что мы не можем оказать влияние на его изменения. Например, увеличение продаж на цветы и конфеты в праздники 8 марта или рост объемов продаж мороженного в летний период. Мы не можем повлиять с вами на жаркую погоду или наличие праздников. Следовательно, все эти факторы являются внешними и относятся к сезонным колебаниям.
2. Расчет сезонности исключает внутренние факторы изменения продаж Исключаем все колебания продаж в текущем периоде связанные с деятельностью магазина, которая не планируется в будущем. Например, проведение промо акций или отсутствием товара на полке.
3. Используются только сопоставимые продажи по магазинам – показатель LFL

Совет:

Не используйте усреднение показателя по месяцам, используйте отклонения от текущего периода. Нередко можно встретит рекомендацию – «при расчете коэффициента сезонности рассчитайте среднее значение продаж за период и посмотрите отклонение продаж относительно каждого месяца». В результате, данный метод приводит к ошибкам расчетах, так как не учитывает относительно какого месяца вы планируете продажи.

Факт продаж искомого периода Факт продаж равносильного периода в прошлом

Как рассчитать сезонность продаж? Формулы и таблица сезонности в Excel.

Давайте рассмотрим пример расчета. Предположим, что сейчас январь месяц и нам надо рассчитать сезонность продаж на следующий год по месяцам.

1. Исключаем все внутренние факторы, которые не планируются в будущем (акции, недопоставки и т.д.)
2. Учитываем только магазины и объекты LFL.
3. Возьмем продажи за прошлый период –  за год. Так как на дворе январь, то нам необходимо посмотреть на сколько продажи последующих месяцев отличаются от января.
4.  Делим продажи февраля прошлого периода на январь прошлого периода.  И так последующие месяцы.
5.  В результате мы получаем коэффициент, перемножив который на текущие продажи января мы получим прогноз продаж на будущий период.

Коэффициент сезонности в феврале относительно января 

Сезонностьфевраля=

Факт продажфевраля Факт продажянваря

Коэффициент сезонности товаров по месяцам в продажах по категориям

Каждая категория товаров имеет свое сезонное изменение продаж. Индекс сезонности в таблице рассчитан:

• • на основе факта продаж 456 магазинов формата Супермаркет
• • исключены все продажи промо акций
• • Учтены только сопоставимые магазины, присутствующие в течении всего периода (LFL)
• • Анализ построен на основе трех лет продаж

КатегорииБакалеяВодаДиабетическое питаниеКондитеркаМолокоМясоОвощи и фруктыПивоПтицаРыба

Индекс сезонности в сентябре относительно января больше на 23%

Наибольшие продажи по воде приходятся на май- на 36% больше продаж января

Коэффициент сезонности отражает динамику изменения продаж в продуктовых магазинах. Снижение продаж на овощи и фрукты с мая  по сентябрь связанно со снижением стоимости в летний период.

 

Продажи по дням недели

День недели играет важную роль в изменении продаж в розничной торговле. Самые низкие продажи приходятся на понедельник, а пик выручки приходится на субботу. Следовательно, выручка магазинов в субботу в 1,5 раза выше выручки понедельника.

Поделись или поставь Like, чтобы не потерять информацию:

Читайте также:

• Сокращаем товарный запас магазина.
• Анализ LFL показателей в торговле – метод сопоставимых продаж
• Доступность товара на полке 
• Как пошагово сделать заказ на поставку товара
• Инфляция и рост цен  — каким данным можно верить?
• Фронт маржа, Бэк маржа, Гросс маржа, Наценка

Если статья была для вас полезна, ставьте Лайк или поделитесь информацией со своими друзьями.

Хитрости »

23 Март 2017              157074 просмотров

---

Скачать файл, используемый в видеоуроке:

  Прогноз_продаж.xls (59,5 KiB, 34 787 скачиваний)

---

Прогнозирование продаж является неотъемлемой частью при планировании работы коммерческих и финансовых служб, поэтому задача довольно актуальная. Вариантов построения прогнозов достаточное множество, но я хочу показать как сделать простой, но в то же время достаточно жизнеспособный прогноз «на скорую руку», без лишних телодвижений и поправок «на ветер»(читайте как: без кучи доп.расчетов, которые применяются для создания более точных прогнозов). Почему я это уточняю? Потому что на мой взгляд, каким бы точным ни был прогноз продаж – это всего лишь предположение и быть уверенным в том, что именно так и будет развиваться ход событий, никак нельзя.
И тем не менее при помощи встроенных в Excel функций мы можем построить довольно неплохой прогноз даже с учетом сезонности. Плюс я хочу показать как сделать не просто прогноз, а прогноз с отклонениями – пессимистичный и оптимистичный. С помощью подобной модели можно будет выстроить тактику продаж таким образом, чтобы постараться максимально «вписаться» в границы между пессимистичным и оптимистичным прогнозом.
А в довершение мы построим красивый график с прогнозом.

---

Исходные данные

Для расчета прогноза потребуются данные о продажах за ранние периоды. Чем больше данных, тем точнее будет прогноз. Желательно, чтобы были помесячные данные хотя бы за два года. На мой взгляд это тот минимум, на основании которого можно построить весьма точный прогноз с учетом прошлого опыта. Именно из таких данных и будем исходить. Предположим, что у нас есть данные с января 2013 года по август 2015, в табличном виде:

Нам необходимо рассчитать прогноз продаж на будущий год: с сентября 2015 по август 2016 и отразить это на графике. Я специально беру рваный период посреди года, чтобы показать, что начало прогноза может быть с любой даты.

Чтобы дальше в статье не запутать вас столбцами и где они должны быть добавлены, сразу приведу конечную структуру:

Т.е. у нас должно быть именно в указанном порядке 7 столбцов: Период; Продажи компании, руб.; Прогноз; Оптимистичный; Пессимистичный; Коэффициент сезонности; Отклонение. И чтобы все получилось они должны идти точно в таком же порядке, как на картинке выше.

Советую сразу создать все эти столбцы или скачать готовую модель для примера, чтобы дальше использовать именно её для пошагового выполнения описанных ниже действий:
Скачать файл:

  Прогноз_продаж.xls (59,5 KiB, 34 787 скачиваний)

В файле два листа:

• Исходные данные — только фактические данные по продажам, без доп.столбцов, чтобы можно было самостоятельно с нуля построить модель
• Прогноз — лист с готовыми функциями и графиком прогноза

В самый низ таблицы, после последней фактической даты, я добавил даты, на которые необходимо построить прогноз(от сен.2015 до авг.2016).

---

Расчет прогноза

Для расчета непосредственно прогноза в Excel есть специальная функция, которая основываясь на данных предыдущих периодов предсказывает вероятные значения для указанной даты. Она так и называется – ПРЕДСКАЗ(FORECAST). Функция основана на линейной регрессии и специально предназначена именно для прогнозирования продаж, потребления товара и пр. В столбец Прогноз (столбец C – сразу после столбца с суммами продаж) в ячейку

C34

записываем функцию (и распространяем на все прогнозируемые даты –

C34:C45

):

=ПРЕДСКАЗ(A34;$B$2:$B$33;$A$2:$A$33)
=FORECAST(A34,$B$2:$B$33,$A$2:$A$33)

Сама функция требует указания следующих входных данных:

• х — Дата, значение для которой необходимо спрогонозировать (A34)
• Известные значения y — ссылка на ячейки таблицы с суммами продаж за известные периоды ($B$2:$B$33)
• Известные значения x — ссылка на ячейки таблицы с дата продаж за известные периоды ($A$2:$A$33)

С одной стороны, мы уже имеем готовый прогноз, а с другой…Данная функция пока не учитывает фактор сезонности. А это в продажах в большинстве случаев немаловажный фактор. Поэтому желательно потратить еще чуточку времени и сделать так, чтобы прогноз получился еще больше приближен к реальности. Для учета фактора сезонности сначала необходимо вычислить коэффициент сезонности для каждого месяца. Для этого добавим в столбец Коэффициент сезонности следующую формулу:
=(($B$2:$B$13+$B$14:$B$25)/СУММ($B$2:$B$25))*12
=(($B$2:$B$13+$B$14:$B$25)/SUM($B$2:$B$25))*12
Формула вводится в ячейку как формула массива и сразу в 12 ячеек(чтобы получить коэффициенты для каждого месяца года). Для этого сначала выделяем ячейки F2:F13 -переходим в строку формул и вводим формулу выше. После указания верных ссылок на нужные ячейки завершаем ввод формулы одновременным нажатием трех клавиш: Ctrl+Shift+Enter. Если этого не сделать, то функция вернет значение ошибки #ЗНАЧ!(#VALUE!)

Подробнее про принцип работы формулы: она берет отдельно сумму каждого месяца за 2013 и 2014 год, складывает их. Делит полученное значение на общую сумму продаж за весь период целых месяцев(т.е. 24 месяца) и умножает на 12, чтобы получить коэффициент именно за один месяц. И так для каждого месяца. Т.е. для ячейки F2 расчет будет выглядеть следующим образом:
=((56 769+68 521)/ 1 542 293)*12
=((сумма за янв.2013 + сумма за янв.2014)/ общая сумма за два года(янв.2013 – дек.2014))*12

В результате для января получим коэффициент 0,974834224106574, для февраля — 0,989928632237843 и т.д. Я для наглядности назначил ячейкам процентный формат(правая кнопка мыши —Формат ячеек -вкладка Число —Процентный(Format cells —Number —Percent), два знака после запятой):

Теперь добавим учет этих коэффициентов для расчета прогноза в имеющуюся функцию ПРЕДСКАЗ(ячейки C34:C45):
=ПРЕДСКАЗ(A34;$B$2:$B$33;$A$2:$A$33)*ИНДЕКС($F$2:$F$13;МЕСЯЦ(A34))
=FORECAST(A34,$B$2:$B$33,$A$2:$A$33)*INDEX($F$2:$F$13,MONTH(A34))
Здесь применяется функция ИНДЕКС(INDEX), в которой первым аргументом указываем ссылку на 12 ячеек с коэффициентами сезонности($F$2:$F$13), а вторым – номер месяца, чтобы вернуть коэффициент именно для нужного месяца(для этого используем функцию МЕСЯЦ(MONTH), которая возвращает только номер месяца из указанной даты). Для сентября 2015 это будет выглядеть так:
=ПРЕДСКАЗ(A34; $B$2:$B$33; $A$2:$A$33)*ИНДЕКС({97,48%:98,99%:90,38%:94,66%:100,86%:99,02%:100,66%:110,39%:100,47%:104,82%:105,13%:97,14%}; 9)

Основную задачу выполнили – у нас есть прогноз на будущие периоды. Теперь осталось в дополнение к самому прогнозу, создать допустимые верхние и нижние границы, которые часто еще называют оптимистичный прогноз и пессимистичный(но по сути это просто возможное отклонение от прогнозных данных). Такой прогноз даст нам возможность более гибко планировать тактику на будущие периоды.
Для того, чтобы построить такие прогнозы необходимо рассчитать допустимое отклонение от прогнозируемых значений. Здесь так же будем использовать имеющиеся в Excel функции. В ячейку G2 запишем формулу:
=ДОВЕРИТ(0,05; СТАНДОТКЛОН(C34:C45); СЧЁТ(C34:C45))
=CONFIDENCE(0.05,STDEV(C34:C45),COUNT(C34:C45))
ДОВЕРИТ(CONFIDENCE) – возвращает доверительный интервал, используя нормальное распределение.

• алфа – уровень значимости для вычисления доверительного уровня. Используемое в формуле 0,05 означает доверительный уровень в 95%. В большинстве случаев это оптимальное значение
• станд_откл – стандартное отклонение генеральной совокупности. Должно быть известно. Но т.к. мы этими данными не располагаем – то это значение вычисляем при помощи функции СТАНДОТКЛОН(STDEV), передавая ей для расчетов спрогнозированные данные
• размер – указывается целое число, обозначающее количество данных для выборки. Как правило равно количеству спрогнозированных данных. У нас количество определяется функцией СЧЁТ, которая подсчитывает количество чисел в указанных ячейках.

Теперь в ячейки столбцов Оптимистичный и Пессимистичный(D и E), начиная со строки 34, запишем такие формулы:
Оптимистичный: =$C34+$G$2
Пессимистичный: =$C34-$G$2

Т.е. мы для оптимистичного прогноза берем сумму прогноза и прибавляем к ней сумму рассчитанного отклонения. А для пессимистичного, мы сумму отклонения вычитаем. Вот мы и получили все необходимые данные.

---

График

Но было бы кощунством с нашей стороны проделать такую работу и не использовать возможности Excel для построения красивого графика. Придется добавить немного шаманства(на деле, мы уже начали шаманить, когда стали записывать прогноз в отдельный столбец, а не продолжать его в том же столбце, что и фактические продажи). В ячейки C33, D33 и E33 скопируем значение из ячейки B33, чтобы они все имели одинаковые значения:

Теперь выделяем все данные (A1:E45), переходим на вкладку Вставка(Insert) – группа Диаграммы(Charts) —График(Line). И получим такую картину:

Наглядно и сразу понятно что к чему и чего можно ожидать.

• Синим – фактические продажи
• Оранжевый – прогноз
• Серый – Оптимистичный прогноз
• Желтый – Пессимистичный

Согласитесь, такой график смотрится достаточно эффектно и может украсить собой отчет для руководства. Особенно, если проявить немного фантазии и отформатировать график в соответствии с корпоративными цветами компании.

---

Быстрый прогноз в Excel 2016 и выше
Начиная с версии 2016 в Excel появилась замечательная возможность создать прогноз двумя кликами мыши. При этом сразу с оптимистичным и пессимистичным развитием событий и графиком. За основу возьмем все те же исходные данные из двух столбцов:

Выделяем необходимые данные из двух столбцов -переходим на вкладку Данные(Data) -группа Прогноз(Forecast) —Лист прогноза(Forecast Sheet):

В появившемся окне раскрываем пункт Параметры(Options) и настраиваем:

• Завершение прогноза(Forecase End) – указывается дата, которой должен заканчиваться прогноз. Я советую всегда проверять эту дату, т.к. по умолчанию Excel почти всегда выставляет некую среднюю дату, которая отличается от необходимой.
• Начало прогноза(Forecase Start) – указывается дата, с которой необходимо начать строить прогноз. Как правило это последняя дата фактических данных. Если указать дату, которая будет раньше последней даты фактических данных, то для построения прогноза будут использоваться данные только ДО этой даты (так же это называется «ретроспективным прогнозированием»).
• Доверительный интервал(Confidence interval) – этот пункт поможет понять, насколько точно построен прогноз. Чем больше будет доверительный интервал, тем меньше точность прогноза и чем меньше доверительный интервал – тем выше точность прогноза. Что вполне логично. По умолчанию определяется для 95% точек, хотя его можно изменить в соответствующем поле. Если интервал создавать не нужно – снять галочку.
• Сезонность(Seasonality) – как понятно из названия, отвечает за определение фактора сезонности. Лучше оставлять автоматическим, при котором сезонность определяется на основании всех точек месяцев(т.е. 12). Но если этот фактор необходимо рассчитывать из иного количества точек, то необходимо выбрать Установка вручную и указать нужное количество точек. Но следует учитывать, что если точек будет недостаточно – то прогноз может быть очень неточным и график в итоге будет иметь вид, далекий от ожидаемого.
• Диапазон временной шкалы(Timeline Range) – указывается диапазон значений с датами фактических продаж, на основании которых необходимо построить прогноз. По размерам должен совпадать с параметром Диапазон значений.
• Диапазон значений(Values Range) – указывается диапазон значений с суммами фактических продаж, на основании которых необходимо построить прогноз. По размерам должен совпадать с параметром Диапазон временной шкалы.
• Заполнить отсутствующие точки с помощью(Fill Missing Poins Using) – если каких-то данных не хватает(например, имеются пропуски в ячейках с суммами), то можно выбрать чем эти данные заполнить. По умолчанию используется интерполяция. Это означает, что отсутствующие данные вычисляется как взвешенное среднее соседних ячеек, если отсутствует менее 30 % точек. Если необходимо заполнять отсутствующие точки нулями, то необходимо выбрать из выпадающего списка пункт Нули.
• Объединить дубликаты с помощью(Aggregate Duplicates Using) – если в фактических данных есть повторяющиеся даты, то Excel объединит их в одну точку с этой датой, а в качестве суммы подставит среднее арифметическое для этой даты. Это оптимальный вариант, но так же допускается выбрать из списка и другую функцию: Количество, СЧЁТЗ, Максимум, Медиана, Минимум, Сумма.
• Включить статистические данные прогноза(Include Forecast Statistics) – при включении данного пункта на листе с таблицей графика правее основных данных будет создана таблица с дополнительной статистической информации о прогнозе. В таблице при помощи функции ПРЕДСКАЗ.ЕTS.СТАТ будут рассчитаны коэффициенты сглаживания (Альфа, Бета, Гамма), и метрики ошибок (MASE, SMAPE, MAE, RMSE).

После нажатия кнопки Создать(Create) будет создан новый лист, в котором будет создана таблица со всеми необходимыми данными и формулами и готовым графиком:

если при создании был отмечен пункт Включить статистические данные прогноза(Include Forecast Statistics), то правее таблицы основных данных будет так же создана таблица статистических данных:

Скачать файл:

  Прогноз_продаж.xls (59,5 KiB, 34 787 скачиваний)

Так же см.:
Как быстро подобрать оптимальный вариант решения
Автообновляемая сводная таблица

---

Статья помогла? Поделись ссылкой с друзьями!

    Видеоуроки

---

Поиск по меткам



Access
apple watch
Multex
Power Query и Power BI
VBA управление кодами
Бесплатные надстройки
Дата и время
Записки
ИП
Надстройки
Печать
Политика Конфиденциальности
Почта
Программы
Работа с приложениями
Разработка приложений
Росстат
Тренинги и вебинары
Финансовые
Форматирование
Функции Excel
акции MulTEx
ссылки
статистика

Сезонность товара — это изменение спроса на него под влиянием времени года, климатических особенностей региона, календарных или профессиональных праздников. Простыми словами, коэффициент сезонности — показатель того, насколько изменился объем продаж товара по сравнению с другими периодами времени. Чаще всего сезонность рассчитывается по месяцам, но при необходимости этот показатель можно рассчитывать и за другие периоды, например, за квартал или за неделю.

Основная особенность показателя в том, что он рассчитывается с учетом влияния именно внешних факторов, изменить которые представители торговой компании не могут. Например, они никак не могут повлиять на рост продаж букетов перед 8 Марта или на полный спад спроса на новогодние елки с 1 января.

Зачем нужен бизнесу коэффициент сезонности

Показатель используется очень широко и помогает торговым компаниям решать сразу несколько задач:

• Формировать заказы для поставщиков/производителей товаров. Зная, что купальники в вашей торговой точке лучше всего покупают в мае, к маю есть смысл заказать больше такого товара.
• Распределять запасы товаров по филиалам. Если в первом филиале продажи в январе растут, а во втором стоят на месте, логичнее большую часть продукции передать в январе следующего года первому филиалу.
• Планировать продажи. Исходя из показателей прошлых периодов, прогнозируются показатели будущих. Это помогает избегать чрезмерного скопления товаров, их дефицита и определять адекватные KPI для продажников.
• Планировать набор линейного персонала. В сезоны высокого спроса торговым компаниям, возможно, понадобится привлекать дополнительных сотрудников. Или же, напротив, снижать количество персонала при временном спаде интереса к товару.
• Дорабатывать маркетинговую стратегию. Видя изменения покупательского поведения можно подобрать наиболее эффективные каналы продвижения и каналы продаж, приостановить или, напротив, активизировать рекламу.
• Составлять маркетинговый план. Торговые компании могут использовать показатель для планирования маркетинговых активностей, которые способны выровнять спрос в периоды спада или, как минимум, не допустить снижения узнаваемости бренда.

Типы сезонности

Все товары, которые продаются в розницу, по зависимости продаж от сезона делятся на три типа.

1. Жесткая сезонность

Это, как правило, праздничные товары. Карнавальные костюмы и гирлянды к Новому Году, плюшевые мишки с сердечками к 14 февраля, а также ранцы и школьная форма. Пик продаж приходится всего на 1-2 месяца в году.

2. Средняя сезонность

К этой группе относятся товары, объемы продаж которых в зависимости от сезона колеблются на 30-50 %. Например, это товары для дачи, сельскохозяйственный инвентарь, товары для пляжного отдыха и товары для ремонта.

3. Низкая сезонность

Фактически можно сказать, что это товары внесезонные — уровень их продаж в зависимости от времени года колеблется всего на 10-15 %. Например, это продукты и детские товары.

Формулы расчета сезонности и где еще можно брать этот коэффициент

Существуют два подхода к расчету показателя, применение которых зависит от периода статистических данных.

Расчет по годовым данным

Это классическая формула, при которой необходимо иметь данные желательно за 3 года и более. Сравнивая показатели одного и того же месяца каждого года, можно получить очень точный коэффициент сезонности.

Для расчета показателя необходимо сначала рассчитать средние продажи за каждый год.

Для этого количество продаж каждого месяца (в единицах товара) суммируется и делится на 12 — количество месяцев в году.

После этого количество продаж за каждый месяц делят на годовой показатель — так получаются ежемесячные сезонные коэффициенты.

Получив значение коэффициента для каждого месяца, можно вывести коэффициент сезонности бизнеса в целом:

Помесячный расчет

Если бизнес молодой и статистики продаж за прошлые годы нет, оперируют помесячными показателями — расчет будет менее точен, однако его тоже можно использовать для прогнозов. Рассчитывается он по формуле:

Или

А еще для расчета показателя можно использовать данные бесплатного сервиса «Яндекс.Вордстат». В сервисе есть возможность посмотреть историю запроса по любому товару за последние 2 года и понять, насколько велики колебания спроса на него в целом по рынку, а не в конкретном магазине.

Как рассчитать коэффициент сезонности в Excel

Расчет показателя рационально выводить в таблице Excel, куда будут заноситься показатели по каждому месяцу.

В этом случае продажи в январе условно принимаются за 100 %, а показатели каждого следующего месяца будут ниже 100 % при спаде покупательского интереса, и выше 100 % — при его росте. Таким образом колебания спроса будут представлены очень наглядно.

Функционал программы Excel позволяет рассчитать и более точный коэффициент сезонности с учетом тренда. Как и в классическом варианте расчета, сначала фиксируется общая сумма продаж за каждый месяц.

После этого с помощью функции «Тенденция» строится линия тренда.

Формула выглядит так:

Специфика в том, что тренд — это не среднее значение, а медианное. Почему медиана предпочтительнее — она всегда покажет сезонность, даже в случае, если среднее значение ее не отразит.

Месяц	Январь 2020	Январь 2021	Январь 2022	Январь 2023
Коэффициент сезонности	0,9	1,6	0,7	0,8
Среднее значение	1,00
Медиана	0,85

Как рассчитать медиану вручную

Есть последовательность цифр, в нашем случае это 0,7, 0,8, 0,9 и 1,6 (упорядочили цифры по возрастанию).

Берем два числа, наиболее близких к центру — это 0,8 и 0,9. Эти числа складываются и делятся на 2:

Это — медианное значение коэффициента сезонности в нашем примере.

Если количество цифр нечетное, например, 1, 2, 3, 4 и 5, то медианой будет центральное число, в данном случае 3.

Пример классического расчета коэффициента сезонности

Компания продает обувь трех категорий: детскую, мужскую, женскую.

На рынок компания вышла в 2021 году, статистику собирает начиная с 2022 года. Задача компании — рассчитать коэффициент сезонности за февраль 2023 года для каждой из групп товара и для бизнеса в целом.

Поехали:

• Обувь детская: продажи в феврале 2023 года составили 2 000 единиц.
• Обувь женская: продажи в феврале 2023 года составили 1 500 единиц.
• Обувь мужская: продажи в феврале 2023 года составили 800 единиц.

Среднее значение продаж по итогам 2022 года составило 1 200.

Коэффициент сезонности для детской обуви в феврале — 1,66, для женской 1,25 и для мужской — 0,66.

Общий коэффициент сезонности за февраль 2023 года для бизнеса составляет:

Имея такие расчеты за 3 года и более можно строить достаточно точный график сезонности продаж, планировать закупки и количество персонала. А также и акции, которые смогут стимулировать спрос.

Особенности и нюансы расчета

• Чем больше статистических данных — тем точнее результаты. Ведите статистику постоянно и непрерывно, это необходимо для аналитики в товарном бизнесе.
• На спрос могут влиять дополнительные внешние факторы, которые не относятся к сезонности — например, санкции или экономические кризисы. Это следует учитывать при работе с коэффициентом.
• Более рационально рассчитывать коэффициент сезонности не для каждого товара в отдельности, а для объединенной группы товаров — так нивелируется влияние случайных факторов, которые могли бы затормозить или разогнать продажи одного конкретного товара.
• При расчете коэффициента сезонности важно стараться не учитывать внутренние факторы. Так, если товар не завезли и его нет на полке — продажи упадут, но к сезонности это отношения не имеет. Если же этот фактор учесть, то показатель сезонности будет неточным и может привести к ошибкам в планировании закупок будущих периодов.

Коротко о главном

• Коэффициент сезонности — это отражение изменения объемов продаж, связанных с внешними факторами.
• Показатель нужен бизнесу, чтобы планировать продажи будущих периодов, регулировать количество линейного персонала, разрабатывать маркетинговую стратегию и маркетинговый план.
• Для расчета коэффициента сезонности рационально использовать таблицу Excel — функция «Тенденция» поможет найти наиболее точные значения показателя с использованием медианного, а не среднего значения.
• Важно исключить влияние на расчет внутренних факторов компании — распродаж, дефицита из-за ошибок в планировании закупок — того, что в будущем может не повториться.