2023年新产品开发PDMA手册新产品预测

2023年新产品开发PDMA手册新产品预测下面是我为大家整理的新产品开发PDMA手册新产品预测,供大家参考。新产品开发 PDMA 手册（第三版）第十六章 第十六章新产品预测 16.1 导言 预测是新产品开发过程的一个基本组成部分，因为在此过程中大多数（如果不是全部）决定/不进行决策需要某种预测来作出这些决策。因此无法避免或忽略新产品预测。尽管如此，许多公司往往忽略了新产品预测工作的要求，而只是简单地接受这样一个事实，即由于与市场接受度，技术可行性和公司使新产品取得成果的能力的不确定性，任何新产品预测的特征是不准确。但是，成功的新产品预测是可能的。那些通过新产品预测工作取得更大成功的公司通过采用适当的技术和使用跨职能的系统化流程表现出了这样的成功。这些成功的公司也更注重产生有意义的新产品预测，而不是专注于准确性。在本章中，概述了新产品预测的主题以及公司如何实现更好，更有意义的新产品预测。本章首先建立了新产品预测工作参数的定义。这些包括预测目标，所需预测类型，预测时间范围，预测间隔和预测形式。接下来，讨论新产品预测与产品开发过程之间的联系。然后呈现可用的各种技术以及围绕使用一种特定技术与另一种技术的决定的考虑因素。本章最后介绍了新产品预测准则的新产品预测策略和指南，以及成功的新产品预测流程。16.2 建立预测参数 成功进行新产品预测的第一步是建立预测参数。在更重要的参数中，需要明确定义预测目标，期望预测类型，预测时间范围，预测间隔以及提供预测的形式。应该直接确定预测目标，以澄清需要回答的问题。然后可以适当地导出要进行的预测类型，预测将应用的预测水平，预测时间范围，预测间隔和预测形式。因此，预测目标有助于澄清预测的目的和意图，以便在做出有意义的预测，有意义是指预测以可用的，可理解的形式呈现出来，并满足公司的需求。如果没有明确的目标，就会产生出无数的预测，导致混淆应该采用哪种预测。成功进行新产品预测的第一步是建立预测目标。选择要生成的预测类型是另一个重要的考虑因素。有几种类型的新产品预测是可能的，且可以根据潜力与预测以及市场与销售进行细分。潜力代表可达到的最大估计值，而预测代表可能达到的估计值。市场代表特定行业市场中的所有公司，而销售仅涉及相应的焦点公司。提供为新产品预测相关定义：市场潜力：在给定条件下可合理达到的总市场量的最大估计值 销售潜力：在给定条件下，在给定市场内可合理获得的公司销售额的最大估计值 市场预测：在给定条件下，该市场中公司可获得的市场出货量的合理估计 销售预测：在给定条件下对给定市场中可达到的公司销售额的合理估计 在新产品预测工作期间，可能感兴趣的是上述一个或全部。关键是通过预测目标澄清在新流程开发的特定点需要什么。一旦建立了预测，就需要根据级别，时间范围，间隔和形式进一步定义此预测。预测级别是指预测适用的公司层次结构中的焦点。常见的级别包括库存单位（SKU）级别，每个地点的库存单位（SKUL）级别，产品线，战略业务单位（SBU）级别，公司级别和/或行业级别。预测时间范围是指应该预测未来的距离。新产品预测可能对应于未来的单个点或一系列延长一段时间的预测（后者更为常见）。例子包括1 至 2 年的时间范围，这是大多数时尚产品的典型特征；大多数消费品 2 至 5 年；药品 10 年或更长时间。药品时间跨度较长的一个原因是考虑专利技术和相应专利的期限。预测时间间隔是指相对于时间段的预测颗粒度以及预测可能更新的频率。例如，可以每周，每月，每季度或每年提供一系列预测。预测形式是指预测的计量单位。通常，早期的新产品预测以货币形式（例如，美元）提供，并且在该过程的后期，以单位体积的形式提供用于生产目的。一些新产品预测也可以采用描述未来事件的叙事场景的形式。16.3 新产品开发过程中的预测 与决策一样，新产品开发过程的不同阶段的预测也会有所不同。在此过程的早期，预测重点将是市场潜力。这些预测通常以美元为单位，用于回答这是一个很好的机会吗？营销和财务部门在这个早期阶段建立预测方面发挥着关键作用。在概念生成和技术评估阶段，预测调查销售潜力，回答这对我们公司来说这是一个好主意吗？同样，此时的预测通常是以美元的形式，并由营销和财务提供部门。进入技术开发和启动阶段，产品销售预测变得至关重要，以便计划发布并确保通过渠道提供足够的产品供应。此时，运营和供应链部门在制定这些销售预测以推动运营决策方面发挥着关键作用。特定测试，如技术开发期间的产品测试和商业化期间的市场测试，有助于确定关键假设，并更好地估计产品需求以及相关的销售收入。16.4 预测技术 有许多预测技术可供使用。在对这些技术进行分类的多种方式中，一种方法是将它们分为三类：判断技术，定量技术和客户/市场研究技术。虽然只展示了这些技术的样本，但图 16.1 显示了与这三个类别中的每一个相关的更流行的技术。图 16.1 新产品预测技术示例 判断技术试图把经验，判断和直觉为正式的预测。此类别中的六种流行技术包括执行意见评审，销售人员综合，情景分析，德尔菲方法，决策树和基于假设的建模：高管陪审团意见：一种自上而下的预测技术，通过经验丰富的高管和专家的意见和预测的专门组合来预测。销售汇总：一个自下而上的预测技术，其中个体（通常是销售人员）提供他们的预测。然后汇总这些预测以计算更高级别的预测。情景分析：涉及预测未来情景发展的分析。存在两种情景分析：探索性和规范性。探索性情景分析从现在开始，并根据当前趋势向未来发展。规范性情景分析向未来发展并回过头来确定应该采取哪些措施来实现预期发生的情况。德尔菲法：一种基于主观专家意见的技术，通过几轮匿名的结构化的方式收集数据。每一轮都会向受访者提供综合反馈，并进一步完善预测。德尔菲方法的目标是捕捉委员会中多个专家的优势，同时尽量减少附和大多数人意见的社会压力，出于自尊不顾有新的信息而仍然坚持之前的预测，重复论证，以及处于主导地位个体的影响。决策树：一种概率预测方法，通过主观方式确定各种意外事件及其相关的发生概率。然后计算条件概率，并识别最可能的事件。图16.2 中的示例显示了两个正在考虑的方案：选项 A 和选项 B.A 有两个需求方案及其相关的发生概率;B 有三种需求情景及其相关概率。使用决策树方法，选项 A 看起来更具吸引力，因为预期收入的预测为200 万美元，而选项 B 的情况则没有收入。图 16.2 使用决策树方法进行预测基于假设的建模：一种尝试将市场分解为市场驱动因素以模拟相关市场环境行为的技术。然后，通过假设这些驱动的值，生成预测。这些模型也称为链模型或市场细分模型。图 16.3 说明了 ATAR 模型，它代表了听闻，试用，和重复购买的驱动因素，通常用于预测消费包装商品（参见 Kahn，2023,2023）。如图所示，ATAR 模型从总体市场规模开始，并使用这些驱动因素按比例分解市场规模。图 16.3 基于假设的预测示例：ATAR 模型 定量技术分为三个子类别：时间序列，因果/回归建模和其他定量技术。时间序列技术分析销售数据以检测历史销售模式，并构建代表性图表或公式以预测未来的销售情况。与新产品预测相关的时间序列技术包括：趋势线分析：一条线适配一组数据。这可以通过图形或数学方式完成。移动平均：一种仅平均先前销售期特定数量的技术。指数平滑技术：一组通过解决水平，趋势，季节性和周期的预测成分来开发预测的技术。统计确定这些组分中的每一种的重量或平滑系数，并应用于平滑的前期信息（参见 Makridakis，Wheelwright和 Hyndman，1997;Mentzer 和 Bienstock，1998）。看似分析（类似预测）：一种尝试将其他产品的销售映射到预测产品上的技术。看似分析是一种应用于产品线扩展的流行技术，它通过以前产品线的销售曲线来预测新产品。图 16.4 显示了两个先前产品发布的产品线销售曲线，按销售前 10 个月的月份比例计算。平均销售曲线将从这些数据中推断出来，并用于预测下一个扩展产品线的销售额。图 16.4 类似分析 扩散模型：通过考虑影响消费者采用过程的各种因素来估算产品销售增长率的模型。考虑的因素包括大众媒体（创新系数）和口碑（模仿系数）影响主要用户，早期采用者，早期多数，晚期多数和落后客户群的比率。存在不同类型的扩散模型。Bass 模型，Gompertz 曲线和逻辑曲线是流行的扩散模型的示例。扩散模型也称为技术 S 曲线（参见 Lilien，Rangaswamy 和 VandenBulte1999;Mahajan，Muller和 Wind，2000;Morrison，1996）。自回归移动平均线（ARMA）/自回归综合移动平均线（ARIMA）模型：一组先进的预测统计方法，包含时间序列和回归模型构建的关键要素。考虑三个基本活动（或阶段）：（1）识别模型，（2）确定模型的参数，以及（3）测试/应用模型。使用任何这些技术的关键是理解自相关和差分的概念。ARMA/ARIMA 模型也被称为 Box-Jenkins 技术（参见 Makridakis 等，1997）。因果/回归建模技术使用外部或独立变量，并通过统计方法，开发将这些变量与因变量相关联的公式。因果关系一词使用非常宽松，因为这些模型是基于相关关系，而不是真正的因果关系。该子类别中的四种流行技术包括：线性回归：一种统计方法，用于评估一个或多个管理变量与因变量（销售）之间的关系，严格假设这些关系本质上是线性的。例如，价格可能是新产品销售的重要驱动因素。价格与销售数量之间的关系将根据产品线内其他产品的先前数据确定，然后用于预测即将推出的产品的销售额。非线性回归：一种统计方法，用于评估一个或多个管理变量与因变量（销售额）之间的关系，但这些关系不一定被认为是线性的。逻辑回归：一种统计方法，用于评估一个或多个管理变量与二元结果（如购买与非购买）之间的关系。逻辑回归模型计算事件发生或未发生的概率。事件建模：通常是基于回归的方法，用于评估一个或多个事件（公司发起或不附属于公司）与因变量（销售）之间的关系。例如，将分析与先前产品发布一起使用的促销，并且通过统计确定此促销导致销售增加。销售额的预期增长将相应地映射到新产品的销售额。另一类包含采用独特方法或代表时间序列和回归技术的混合的技术。这些预测技术的示例包括：专家系统：通常基于计算机的启发式或预测规则。这些规则是通过采访预测专家然后构建if-then语句来确定的。通过遍历各种适用的if-then语句生成预测，直到所有语句都被考虑为止。神经网络：高级统计模型，试图破译特定销售时间序列中的模式。这些模型耗费很多时间来构建并且难以解释。在大多数情况下，它们是专有的。模拟：用于将市场力量纳入决策模型的方法。然后考虑假设分析情景。通常，模拟是基于计算机的。典型的模拟模型是蒙特卡罗模拟，它使用随机生成的事件来驱动模型并评估结果。客户/市场研究技术包括那些收集客户/市场数据的方法，然后系统地分析这些数据以得出进行预测的推论。四种一般的客户/市场研究技术包括：概念测试：客户（当前和/或潜在客户）评估新产品概念，并对他们对此概念是否可能感兴趣并可能购买发表意见。概念测试的目的是验证新产品概念。产品使用测试：客户（当前和/或潜在客户）评估产品功能特性和性能的过程。产品使用测试的目的是验证产品的功能。市场测试：目标客户在市场环境中评估新产品的营销计划的过程。市场测试的目的是验证建议的营销计划和最终新产品。上市前测试：使用联合数据和主要消费者研究来估算新产品计划的销售潜力的程序。Assessor 和 BASES 是与市场前测试相关的两种专有新产品预测模型。BASES 通常用于消费品行业。16.5 新产品预测策略 虽然有许多预测技术可供使用，但重要的是要认识到并非所有预测技术都适用于每种预测情况。定性技术具有很强的适应性，但非常耗时;因此，在存在严重时间限制的情况下，它们不适合。定量技术需要数据，并依赖于当前数据将与未来状态相对应的关键假设;如果这种情况不存在，定量技术将没有意义。应用客户/市场研究技术既费时又昂贵。预算限制可能严重限制可能适用的客户/市场研究的程度。因此，建议使用工具箱式的方法来应用新产品预测技术。虽然有许多预测技术可供使用，但重要的是要认识到并非所有预测技术都适用于每种预测情况。为了帮助做出与新产品预测相关的决策，产品-市场矩阵的一个变异被定制以揭示四种新产品预测情况（参见图 16.5）。在当前和新的两个维度上绘制市场不确定性和产品技术不确定性，揭示了四个单元，每个单元由以下新产品预测策略之一表示：销售分析，产品线/生命周期分析，客户和市场分析，以及情景分析。图 16.5 新产品预测策略 销售分析与当前市场和当前产品技术相关，其中市场和产品技术的不确定性最低。成本降低和产品改进将填补这一单元。这些产品自身意味着销售数据可用，因为该产品以前存在。分析将侧重于根据先前的成本降低和产品改进来寻找销售模式的偏差和缺陷。诸如时间序列和回归之类的定量技术可能非常有用并提供客观预测。产品线/生命周期分析是关于当前市场和新技术的。产品线扩展与此单元相关联，代表了更高的产品技术不确定性。由于对当前市场的了解，分析将尝试在新产品线扩展上覆盖先前推出的产品的模式。这些模式将使用类似于看试分析或类似预测来表征上市曲线或生命周期曲线。由于市场不确定性较高，在现有技术和新市场的情况下，客户和市场分析是必要的。该预测策略的目的是了解新市场，从而减少这种不确定性，并更好地了解新市场。可以使用各种客户和市场研究以及基于假设的模型来试图指定市场驱动因素，这将通.