В исследовании, опубликованном в журнале Production and Operations Management, представлен метод математического моделирования, который позволяет компаниям оценивать заинтересованность клиентов, выходя за рамки только что завершенных транзакций и традиционных методов прогнозирования. Этот подход предлагает более точный способ понимания спроса, оптимизации операций и улучшения процесса принятия решений.

"Большинство компаний могут видеть только часть картины спроса - они знают, кто покупает, но не знают, сколько людей рассматривали возможность покупки и не сделали этого", - сказал ведущий автор Синьчан Ван, доцент кафедры операционного менеджмента в Карсоновском колледже бизнеса WSU. "Наша модель восстанавливает недостающие фрагменты, предоставляя компаниям более полную и надежную оценку спроса".

Предприятия в таких отраслях, как туризм, гостиничный бизнес, розничная торговля и электронная коммерция, долгое время испытывали трудности с точным прогнозированием спроса. Многие полагаются на широкие допущения, такие как оценка общего размера рынка на основе их доли на рынке. По словам Вана, эти традиционные методы часто не учитывают фактическое поведение клиентов, что приводит к неточным прогнозам продаж и упущенным возможностям получения дохода.

Ван и его соавтор Вэйкун Сюй, аспирант Карсона по менеджменту, разработали новый подход, который оценивает не только продажи, но и общее количество клиентов, рассматривающих возможность покупки. Благодаря более точному анализу реальных данных о продажах модель дает более четкое представление о том, сколько клиентов ушло из-за цен, сроков или других факторов.

Для разработки своей модели исследователи использовали вычислительный метод, называемый алгоритмом последовательной минимизации-максимизации, который повышает точность прогнозирования спроса. В отличие от традиционных методов, которые могут генерировать множество возможных оценок спроса без четкого способа определения наилучшей из них, этот алгоритм - при определенных условиях данных, определенных в их исследовании - обеспечивает единый, наиболее точный прогноз. "Устраняя неопределенность, предприятия могут принимать более уверенные решения о ценообразовании", - сказал Ван.

Поскольку модель была разработана для работы с неполными данными, ее применение выходит за рамки какой-либо отдельной отрасли.

Хотя в ходе исследования модель тестировалась с использованием данных о продажах авиабилетов, Ванг сказал, что метод разработан для применения в отраслях, где предприятия сталкиваются с аналогичной неопределенностью спроса.

Отели могли бы использовать его для прогнозирования бронирований, даже когда путешественники просматривают сайт, но не делают заказ. Розничные торговцы и бакалейщики могли бы применить его для оценки общего рыночного спроса, даже если некоторые покупатели делают покупки у конкурентов. Платформы электронной коммерции могли бы лучше понимать отказ от корзины покупок и соответствующим образом совершенствовать стратегии продаж.

"Эта модель предоставляет мощный инструмент для отраслей, где неполные данные являются постоянной проблемой", - сказал Ван. "Улучшая прогнозирование спроса, предприятия могут более эффективно планировать, оптимизировать операции и, в конечном счете, стать более конкурентоспособными".