N- liczba potencjalnych klientów w całym regionie,

n- liczba potencjalnych klientów na rynku testowania produktu.

Drugi sposób polega na użyciu skorelowanej ze zmienną prognozowaną , innej zmiennej X.

y ^* =

y * (

test

X / X )

test

X-wartość skorelowanej zmiennej w całym regionie

Xtest - wartość skorelowanej zmiennej X na rynku testowania produktu

Trzeci sposób to użycie modelu ekonometrycznego, zbudowanego na podstawie n obserwacji o kształtowaniu się zmiennej prognozowanej y_test oraz skorelowanej z nią zmiennej objaśniającej X_test.

*

y =

N

n

y test + b ( X −

N

X test )

n

Zasadniczym czynnikiem determinującym dokładność prognoz budowanych na podstawie

testów rynkowych jest założenie o podobnym oddziaływaniu otoczenia marketingowego na

oba rynki.

Przykład:

Producent samochodów wypuścił na rynek serię próbną nowego modelu w pewnym
mieście, by sprawdzić, jak będzie się sprzedawał. Na 10 tysięcznym rynku nabywców

sprzedano 50 samochodów.

Na tej podstawie producent chce oszacować ile powinien wyprodukować samochodów, by móc je sprzedać w 25 tysięcznym mieście.

Zadanie rozwiązuje się według wzoru:

y* = ytest*( N / n)

przy czym:

y_test - to wielkość sprzedaży na rynku testowania, czyli ilość samochodów sprzedana w 10

tysięcznym mieście

N - liczba potencjalnych nabywców na nowym rynku
n - liczba nabywców na rynku testowania

y^* = 50 * ( ^{25 000}/_{10 000} ) = 125

Jeżeli założymy, że preferencje nabywców w większym mieście są takie same jak na rynku
testowania, to można liczyć na to, że producent sprzeda 125 samochodów w 25 tysięcznym
mieście.

Wykł. 1: dr Lesław Fornal, prognozy i symulacje .

3) Test koniunktury

Test ten jest badaniem przedsiębiorstw za pomocą ankiet. Badanie to odbywa się zwykle co miesiąc lub kwartał. Pytania odnoszą się do podstawowych cech koniunktury, takich jak: popyt, produkcja, sytuacja finansowa, zapasy, ceny, zatrudnienie, wykorzystanie mocy produkcyjnych, inwestycje, bariery działalności. Mają one charakter jakościowy (respondent wybiera jedną z dostępnych odpowiedzi w ankiecie).

Na tej podstawie buduje się saldo odpowiedzi dla danego okresu, które jest różnicą odpowiedzi wskazujących na polepszenie, a procentem odpowiedzi wskazujących na pogorszenie sytuacji przedsiębiorstwa.

Przykład:

Mieszkańcy miasta Miłków wypowiadali się co miesiąc na temat sytuacji finansowej swojego miasta. Ponieważ nie znają oni aktualnego stanu kasy, ani umów i inwestycji poczynionych przez Wojewodę, mogą oni jedynie domniemywać stanu finansów miasta na podstawie informacji z prasy i aktualnego widoku swoich okolic.

Co miesiąc reprezentatywna grupa mieszkańców odpowiadała na pytanie ankietowe:

Jak zmienia się sytuacja finansowa miasta Miłków?

 sytuacja polepsza się

 nie ma żadnych zmian
 jest coraz gorzej

Odpowiedzi z kolejnych miesięcy zebrano w tabeli. Wyniki w każdej komórce są procentowym udziałem odpowiedzi z danego miesiąca.

miesiąc > I II III IV V VI VII VIII

polepsza się 14 16 19 19 18 16 15 12

bez zmian 23 24 21 16 16 14 13 13

coraz gorzej 63 60 59 65 66 70 72 75

Różnicę między procentem odpowiedzi na wariant pierwszy (sytuacja finansowa Miłkowa

polepsza się), a procentem odpowiedzi na wariant trzecie (jest coraz gorzej) przedstawiono w

następnej tabeli:

miesiąc > I II III IV V VI VII VIII

saldo -49 -44 -40 -46 -48 -54 -57 -63

Każda pozycja salda jest ujemna, więc mieszkańcy Miłkowa dość krytycznie patrzą na stan kasy swojego miasta. Widoczne pogorszenie nastrojów jest widoczne od kwietnia, po którym coraz większe grono respondentów stwierdza, że jest coraz gorzej.

Wykł. 1: dr Lesław Fornal, prognozy i symulacje .
Literatura:

 „Prognozowanie i symulacja a decyzje gospodarcze”

Jan B. Gajda

 „Metody prognozowania. Zbiór zadań”.

pod redakcją Barbary Radzikowskiej

 „Metody prognozowania w sprzedaży w przedsiębiorstwie”

Paweł Dittmann

 „Przegląd zastosowań analogowych metod prognozowania”

Maria Cieślak

 „Współczesne problemy badań statystycznych i ekonometrycznych”

pod redakcją Aleksandra Zeliasa

 „Podstawy ekonometrii”

Barczak, Biolik

---