La previsión de productos es la ciencia de predecir el grado de éxito que tendrá un nuevo producto en el mercado . Para hacer esto, el modelo de pronóstico debe tener en cuenta aspectos como el conocimiento del producto , la distribución , el precio , la satisfacción de las necesidades insatisfechas y las alternativas competitivas.
Modelo de bajo
El modelo Bass es un tipo de método de pronóstico que se utiliza principalmente en el pronóstico de nuevos productos. En general, no habrá demanda histórica de nuevos productos. Luego, el modelo de Bass intenta capturar la forma de la demanda del producto existente y aplicar un nuevo producto.
dónde,
- F (t) es la probabilidad de adopción en el tiempo t
- f (t) es la tasa a la que cambia la adopción con respecto a t
- N (t) es el número de adoptantes en el momento t
- m es el número total de consumidores que eventualmente adoptarán
- p es el coeficiente de innovación
- q es el coeficiente de imitación
Se pueden utilizar técnicas multivariadas como la regresión para determinar los valores de p, qy N si se dispone de datos históricos de ventas.
Modelo de Fourt-Woodlock
El modelo Fourt-Woodlock es otro método utilizado para estimar las ventas de productos.
El lado izquierdo de la ecuación es el volumen de compras por unidad de tiempo (generalmente se toma como un año). En el lado derecho, el primer paréntesis describe el volumen de prueba y el segundo describe el volumen de repetición.
HH es el número total de hogares en el área geográfica de proyección y TR ("tasa de prueba") es el porcentaje de esos hogares que comprarán el producto por primera vez en un período de tiempo determinado. TU ("unidades de prueba") es la cantidad de unidades compradas en esta primera ocasión de compra. MR es "repetición medida", o el porcentaje de quienes probaron el producto y lo comprarán al menos una vez más durante el primer año del lanzamiento del producto. RR es las repeticiones por repetidor: el número de compras repetidas dentro de ese mismo año. RU es el número de unidades repetidas compradas en cada evento repetido.