Тренд може бути вираженим рівнянням прямої, логарифмічної, гіперболічної, показникової функції та параболи другого порядку.

Суттєва вада цього методу – він є придатним лише для ринків і галузей зі стабільною кон'юнктурою ринку. До таких галузей можна віднести, наприклад, комунальне господарство. Щодо ринків споживчих товарів і ринків багатьох промислових товарів, прогнозування їхнього розвитку виключно на основі екстраполяції тренда було б недалекоглядним, оскільки основна умова використання цього методу — стабільність показників макросередовища – не дотримується, так само, як і щодо ринків країн з перехідною економікою.

Метод згладжування за експонентою – прогноз попиту, базується на середньозваженому значенні обсягу продажу за певну кількість попередніх періодів.

Метод може бути використаний лише для короткострокових прогнозів.

Методи кореляційно-регресивного аналізу. Прогнозування попиту можливе та-кож, якщо знайдено статистичну модель, яка характеризує залежність між обсягом продажу та незалежними змінними, що впливають на його величину.

Для вирішення завдань такого типу можуть бути використані два методи — кореляційний аналіз і регресивний аналіз.

Завдання регресивного аналізу – визначення форми залежності та побудова про-гнозної моделі, що характеризує залежність збуту від факторів, які впливають на нього.

Завдання кореляційного аналізу полягає у визначенні щільності зв'язку між збутом продукції та зовнішніми статистично значущими факторами, які впливають на збут.

Ряд дослідників об'єднують ці методи в кореляційно-регресивний аналіз, що має певні підстави, враховуючи наявність деяких загальних процедур обчислення, взаємо-доповнення під час інтерпретації тощо.

Тому можна говорити про кореляційний аналіз у широкому розумінні — коли всебічно характеризується взаємозв'язок. Водночас виділяють кореляційний аналіз у вузько-му розумінні — коли досліджується щільність зв'язку, і регресивний аналіз, у процесі якого оцінюють його форму та вплив одних факторів на інші.

До факторів, які впливають на попит, можна віднести ціни, витрати на рекламу, дохо-ди населення та інші.

За умов побудови прогнозних моделей може бути використаний парний і багатофакторний регресивний аналіз.

Парний регресивний аналіз заснований на використанні рівняння прямої лінії: у = ах + b.

Для цього визначають значення коефіцієнтів а і b.

Тільки в цьому випадку незалежна змінна х — не час (як у рівнянні тренда), а неза-лежна змінна.

У разі використання кореляційно-регресивного аналізу для прогнозування попиту завдання маркетингової служби полягає у встановленні найбільш точного статистичного зв'язку між продажем і незалежними змінними.

Регресивний аналіз може бути використаний для прогнозування місткості ринків та обсягів збуту. Моделі, отримані в результаті методу регресивного аналізу, базуються на статистичному зв'язку і не використовують функціональних залежностей.

Обмеження застосування регресивного аналізу вимагає стабільності інших зовнішніх факторів. Саме тому найточніші результати можна отримати за умов стабільної кон'юнктури ринку. А застосування цього методу за умов нестабільності є про-блематичним.

Результати кореляційного аналізу не залежать від форми динаміки попиту і дають змогу визначити щільність зв'язку між обсягом збуту та зовнішніми незалежними факторами:

обсяг збуту — відсоток за кредит;

обсяг збуту — дохід споживачів;

обсяг збуту — витрати на рекламу;

обсяг збуту — ціна товару.

Вади методу:

порівняно з даними про збут за попередні роки не завжди легко та своєчасно може бути отримана інформація про зовнішні фактори (відсоток за кредиті умовах нестабільної економіки, дані про погоду тощо);

метод дорогий, вимагає спеціальних комплексних досліджень, проведення яких з огляду на значні витрати не завжди виправдане.

Багатофакторна регресивна модель дає змогу визначити взаємозв'язок між попи том і кількома факторами, на відміну від рівняння парної регресії, де враховується лише одна змінна.

Це пояснює, чому багатофакторна модель точніше характеризує реальність. Для опису залежності результативної ознаки (попиту) від кількох факторів використовують багатофакторну регресивну модель:

Y = F (х1, х2, х3, хn).

Через труднощі обґрунтування форми зв'язку частіше використовують багатофакторні лінійні рівняння і рівняння, що приводяться до лінійного виду відповідними перетво-реннями, тобто:

Y = F а + b1х1 + b2х2 + b3х3 + ... + bnхn).

Параметр рівняння називають частковим коефіцієнтом регресії, який показує, як у середньому зміниться результативна ознака у в разі зміни факторної ознаки х на одиницю за умови, що інші факторні ознаки залишаються незмінними.

При відборі факторів слід враховувати:

не рекомендується включати до моделі фактори, які слабко пов'язані з ре-зультативною ознакою у, але тісно, пов'язані з іншими факторами;

неприпустимо включати фактори, між якими існує функціональний зв'язок (коефіцієнт кореляції r = 1).

Прогнозування на основі індикаторів — прогнозування зростання попиту на основі показників, які випереджають зміну попиту в часі. Наприклад, стабілізація еко-номічних показників зумовлює інвестиції у розвиток промислових підприємств; збільшення доходу на душу населення є індикатором подальшого попиту на певні товари та послуги, а збільшення частки населення похилого віку в загальній структурі населення Західної Європи сигналізує про зміни у структурі попиту в межах таких товарних груп, як продукти харчування, одяг, послуги служб соціальної допомоги тощо.

Метод індикаторів використовується для оцінки потенціалу територій (країн, регіонів) на основі стандартних або спеціально визначених для певного сектора чи різновидів товарів індексів купівельної спроможності.

Нормативний метод – обсяги купівель визначаються нормами споживання (для споживчих товарів) і нормативами використання (для промислових товарів). Так, баланс вуглеводів, білків, жирів – передумова встановлення фізіологічних норм споживання продуктів харчування, а нормативи використання будівельних матеріалів виз-начають технологічні вимоги надійності та безпеки.

Аналіз частки ринку передбачає прогнозування товарообігу як частки фірми на ринку певної галузі. Тобто спочатку прогнозується попит для всієї галузі, а потім розраховується частка підприємства в загальному обсязі продажу галузі. Зрозуміло, точний прогноз для галузі – гарант точності прогнозу обсягу продажу для конкретної фірми.

Метод стандартного розподілу ймовірностей дає змогу на основі експертних оцінок визначити найімовірніший діапазон прогнозних оцінок збуту.

Суть методу:

експертним