1.2.3 预测未来

【案例】通过数据回归预测产品投放结果

甲乙两家公司是竞争对手，它们在某年10月分别投放了A品牌手机和B品牌手机，这两款手机从配置来说差不多，价格差异也不大，一款售价为3500元，另一款售价为3400元。两款手机上市前6个月的销量与负面评价率数据如表1-6所示。

表1-6

【分析】通过对A品牌和B品牌前6个月的销量和负面评价率的分析，我们可以发现A品牌的销量逐月下滑，负面评价率逐月上升；B品牌的销量则逐月上升，负面评价率逐月下降。

根据较长周期数据分析结论，产品投放失败与否与其负面评价率具有强相关性。因此，需要对A、B两个品牌的销量和负面评价率进行相关性分析，如图1-6所示。

图1-6

通过对A品牌和B品牌前6个月的销量和负面评价率的相关性分析，我们可以发现销量和负面评价率呈现非常强的负相关性。结合前6个月两个品牌的负面评价率的走势，可以预测A品牌产品后续销量会继续下滑，投放失败；B品牌产品后续销量会继续上升，投放成功。

【案例】预测明年销售情况

某公司产品今年的销量如表1-7所示。领导要求运营部门预测明年销售情况，并要求预测必须有理有据，不能是“空中楼阁”。

表1-7

【分析】有同事用本年度销量的平均值6133进行预测，领导不满意，认为没有前瞻性。有同事直接把今年的销售数据复制过来，领导认为没有基于本年度销售数据进行预测，是一种敷衍的行为。有个别同事则采用回归分析法对本年度的销售数据进行分析，从而得到预测结果，如图1-7所示。

图1-7

显然，前两种预测方法很粗糙，也不准确，都是基于经验，没有理论支撑。最后这种采用回归分析法的方法是一种科学的做法，它可以对数据进行预测或估算。