无论预测什么内容，都要推导出一个结果，取得预测结果的技术手段便是预测方法。市场预测方法可以归纳为定性预测和定量预测两大类。将这两大类方法结合起来，并越来越多地吸收计算机技术，是预测方法发展的总趋势。

（1）定性预测方法。依靠预测者的专门知识和经验，来分析判断事物未来发展的趋势，称为定性预测。它要求在充分利用已知信息的基础上，发挥预测者的主观判断力。定性预测适合预测那些模糊的、无法计量的社会经济现象，并通常由预测者来进行。定性预测的主要方法有指标法、图形法、专家预测法和概率预测法等。

指标法。指标法又称朴素预测法，是通过一些通俗的统计指标，利用最简单的统计处理方法和有限的数据资料来进行预测的一种方法。这些统计指标包括平均数、增减量、平均增减量等。

社会上的许多事物都可以看作是随时间流逝而不断发展的变量。比较各种变量变化的曲线图形，常常会发现某些变量的图形存在着明显的相似性，即某些曲线的起伏变化间距与另一些曲线的起伏变化间距几乎是相同的。就是说某一曲线经过一段时间由波峰（或波谷）发展到了波谷（或波峰），而另一条曲线也以相同的时间从波峰（或波谷）发展到了波谷（或波峰）。根据这种情况，人们可以把发生在前的事物作为参照物，从而推测后发生相似事物的发展变化趋势。

与预测对象的发展有相似性的变量可分为三类。一类是在变化时间上早于预测对象，即波峰或波谷的出现时间均早于预测对象，这类变量称为领先指标（或先行指标）；第二类是变化时间与预测对象完全同步，即出现波谷与波峰的时间与预测对象相一致，它们被称为同步指标（或同行指标）；第三类是在变化时间上迟于预测对象，它们被称为滞后指标（或后行指标）。

基本建设的投资，是机械产品、钢材、木材、水泥等建筑材料需求量的先行指标。根据国家公布的基本建设投资规划，可以预测一段时间后这些生产资料的需求情况。人口增长和人均收入的变化是生活资料需求量的先行指标。根据国家的人口规划和提高人民收入水平的计划，可以预测一定时期之后某些消费者的需求量。基本建设对钢材、水泥和木材三大材料的需求量是同步指标，并且各需求量之间还有较为固定的比例关系。如果其中某种材料的生产或供应能力有限，则另外两种材料的需求也将受到限制。因此，通过研究“短线”（供应能力不足）材料可供数量的变化情况，可以预测供应能力有余材料的需求量。滞后指标有助于验证领先指标所表示的经济趋向是否真实。

必须指出，指标之间的关系是根据以往的经验和历史数据来确立的，国家的某些政策很可能已改变了指标之间以往的伴随关系，领先指标与预测对象之间的提前时间也不一定是常数。认真分析这些情况，确认指标之间的伴随关系到现在是否仍然存在、间隔时间有什么变化，是应用领先指标法进行预测的必要条件，也是减少预测风险的要求。领先指标法适用于诸如原材料价格的变动先于制成品价格的变动，教育事业的发展先于科学技术的发展等中短期预测。

专家预测法。专家预测法是以专家为索取信息的对象，运用专家的知识和经验，考虑预测对象的社会环境，直接分析研究和寻求其特征规律，并推测未来的一种预测方法。其主要包括个人判断法、集体判断法和特尔菲法。

个人判断法是用规定程序对专家个人进行调查的方法。这种方法是依靠个别专家的专业知识和特殊才能来进行判断预测的。其优点是能利用专家个人的创造能力，不受外界影响，简单易行，费用也不多。但是，依靠个人的判断，容易受专家的知识面、知识深度、占有资料是否充分以及对预测问题有无兴趣所左右，难免带有片面性。专家的个人意见往往容易忽略或贬低相邻部门或相邻学科的研究成果，专家之间的当面讨论又可能产生不和谐。因此，这种方法最好与其他方法结合使用，让被调查的专家之间不发生直接联系，并给时间让专家反复修改个人的见解，才能取得较好的效果。

集体判断法。这种方法是在个人判断法的基础上，通过会议进行集体的分析判断，将专家个人的见解综合起来，寻求较为一致的结论的预测方法。这种方法参加的人数多，所拥有的信息量远远大于个人拥有的信息量，因而能凝聚众多专家的智慧，避免个人判断法的不足，在一些重大问题的预测方面较为可行可信。但是，集体判断的参与人员也可能受到感情、个性、时间及利益等因素的影响，不能充分或真实地表明自己的判断。

因此，运用集体判断法，会议主持人要尊重每一位与会者，鼓励与会者各抒己见，使与会者在积极发言的同时保持谦虚恭敬的态度，对任何意见都不应带有倾向性。同时还要掌握好会议的时间和节奏，既不能拖得太长，也不要草草收场；当话题分散或意见相持不下时，能适当提醒或调节会议的进程等。

德尔菲法是为避免专家会议法之不足而采用的预测方法。这种方法的应用始于美国兰德公司，在国外颇为流行。这一方法的特点是，各专家不通过会议形式交换意见和进行讨论，而是在互相保密的情况下，用书面形式独立地回答预测者提出的问题，并反复多次修改各自的意见，最后由预测者综合确定市场预测的结论。

德尔菲法进行市场预测的步骤：第一步，做好准备。准备好已搜集到的有关资料，拟定向专家小组提出的问题（问题要提得明确）。第二步，请专家做出初步判断。在做好准备的基础上，邀请有关专家成立专家小组，将书面问题寄发各专家（如有其他资料，也随同寄发），请他们在互不通气的情况下，对所咨询的问题做出自己的初次书面分析判断，按规定期限寄回。第三步，请专家修改初次判断。为使专家集思广益，对收到各专家寄回的第一次书面分析判断意见加以综合后，归纳出几种不同判断，并请身份类似的专家予以文字说明和评论，再以书面形式寄发各专家，请他们以与第一次同样的方式，比较自己与别人的不同意见，修改第一次的判断，做出第二次分析判断，按期寄回。如此反复修改多次，直到各专家对自己的判断意见比较固定，不再修改时为止。在一般情形下，经过三次反馈，即经过初次判断和两次修改，就可以使判断意见趋于稳定。第四步，确定预测值。即在专家小组比较稳定的判断意见的基础上，运用统计方法加以综合，最后做出市场预测结论。

假设对某新产品投放市场后的年销售量进行预测。预测前，选择了产品设计生产专家3人、商品学专家3人、批发业务专家5人、零售业务专家5人、消费者代表5人，并向他们发出了预测的征询意见表。经过三次意见反馈，专家们给出判断意见。

（2）定量预测方法。定量预测方法很多，这里介绍几种简单的预测方法。

①朴素指标法。

全期简单算术平均法。对于一个上下波动的平稳的需求现象，预测公式是：

其中，表示t的预测值，表示1～t－1的简单算术平均值。

随着数据资料的积累，预测可以逐期延伸，公式是：

增减量法。对于一个受t期变化影响较大的需求现象，t+1期的预测值可用t期的实际值加上t期与t－1期的差额表示，即用逐期增减量对实际值进行调整。预测公式是：

平均增减量法。对于一个逐期向上或逐期向下，且上升幅度和下降幅度基本一致的需求现象，可使用这一方法。公式为：

增减率。对于一个受t期变化影响较大的需求现象，t+1期的预测值可用t期的实际值乘以t期与t－1期的发展速度表示，即用逐期增减百分数加上百分之一百对实际值做出调整。预测公式是：

式中，即rt为增长速度，也叫增减率。

平均增减率。对于一个逐期呈几何级数状上升的需求现象，可使用这一公式：

式中

例1. 某商场某日用化妆品日销售量统计数据资料如表4-1所示。

表4-1　某月1-8日某商场某日用化妆品日销售量　单位：瓶

（1）简单算术平均法预测得第9日的需求量为：

（2）增减量法预测得第9日的需求量为：

（3）增减率法预测得第9日的需求量为：

（4）平均增减量法预测得第9、10日的需求量为：

（5）平均增减率法预测得第9、10日的需求量为：

②移动平均法

移动平均法是根据时间序列，逐项推移，依次计算包含一定项数的序时平均数，以此进行预测的方法。移动平均法包括一次移动平均法、加权移动平均法和二次移动平均法。我们在此只介绍前两种方法。

一次移动平均法是指将观察期的数据由远而近按一定跨越期进行一次移动平均，以最后一个移动平均值为确定预测值的依据的一种预测方法。预测公式为：

其中：t为周期序号，Mt为第t周期的移动平均数，为第t周期的一次移动平均数，xt为第t周期的实际值，N计算移动平均数所选定的数据个数。

例2.以表4-1中的数据为例，进行一次移动平均法预测结果见表4-2。

表4-2　某月1-8日某商场某日用化妆品日销售量的一次移动平均法预测结果　单位：瓶

当N=3时，第9日的预测值为：

当N=5时，第9日的预测值为：

加权移动平均法是指加权移动平均法就是根据同一个移动段内不同时间的数据对预测值的影响程度，分别给予不同的权数，然后再进行平均移动以预测未来值。对近期数据给予较大的权数，对较远的数据给予较小的权数。预测公式为：

例3.以表4-1中的数据为例，进行加权移动平均法预测结果见表4-3。

表4-3　某月1-8日某商场某日用化妆品日销售量的加权移动平均法预测结果

第9日的预测值为：

③指数平滑法。是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型。

表4-4　某月1-8日某商场某日用化妆品日销售量的指数平滑法预测结果　单位：瓶

对现象的未来进行预测。在此我们只介绍一次指数平滑法，其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。计算公式为：

其中：St+1为第t+1时期的预测值，α为平滑系数，且01≤≤α，xt为第t时期的实际值，x^t为第t时期的预测值。

一次指数平滑法的初值确定有几种方法：方法一是取第一期的实际值为初始值；方法二是取最初几期的平均值为初值。

例4.以表4-1中的数据为例，α可以取0.2、0.5、0.8时，取第1期的实际值为初值，进行指数平滑法预测结果见表4-4。

动态数列模型预测方法有很多，在此只介绍动态数列直线模型预测法。(www.daowen.com)

④直线模型预测法。以时间因素（t）作为自变量，把数列水平（y）作为因变量，拟合的直线趋势方程为：

其中，a、b为参数。

用最小平方法推导如下方程组估计参数a、b：

例5.以表4-1中的数据为例，进行动态数列直线模型预测结果见表4-5和图4-1。

将表4-5中的数据代入方程组4-11中，得：

解方程组4-12得：

表4-5　某月1-8日某商场某日用化妆品日销售量的动态数列直线模型预测

由此可得销售量的预测模型为：

图4-1　某月1-8日某商场某日用化妆品日销售量及其预测图

当t=9时，第9日的预测值为：

回归模型预测方法有很多，我们在此只介绍一元线性回归模型预测方法。

一元线性回归模型表达为：

其中，y为因变量，x为自变量，β为参数，ε为随机扰动项。

用最小平方法进行估计一元线性回归模型参数β的方程组为：

例6.表4-6是2001—2014年某地区社会物流总额和地区生产总值，用2005—2018年的数据建立回归模型，预测该地区2017年、2018年的社会物流总额。

表4-6　2005—2018年某地区社会物流总额和地区生产总值　单位：亿元

续表

第一步，因为预测目标是社会物流总额，所以令社会物流总额为因变量y，GDP为自变量x。

第二步，依据表4-6的2005—2016年的统计资料，做出散点图，如图4-2所示。

图4-2　2001-2012年某地区全社会物流总额与CDP关系图

从图4-2可以看出，x与y呈高度线性相关，故设预测模型为：

第三步，估计参数见表4-7。

表4-7　参数估计表

续表

将表4-7中的数据代入方程组4-16得：

解得：

所求回归模型为：

第四步，由于β1＞0，即全社会物流总额随着GDP的增加而增加，符合实际意义。

第五步，进行预测。

2017年GDP为588亿元，代入模型，得：

第六步，计算相对误差。

2017年和2018年预测值和实际值之间的相对误差较小, 说明模型的预测效果较好，可以用于预测。

思考题

1.什么是市场信息？它的作用有哪些？

2.简述市场信息系统及其特点。

3.市场信息系统包含哪几个子系统？

4.什么是营销调研？

5.营销调研的方法有哪些？

6.问卷设计的程序有哪些？

7.常见的市场需求预测方法有哪些？

案例分析

可口可乐：一次市场调研失败的教训

20世纪70年代中期以前，可口可乐一直称霸于美国饮料市场，市场占有率一度高达80%。然而，70年代中后期，百事可乐迅速崛起，1975年，可口可乐的市场占有率仅比百事可乐多7%；9年后，差距更缩小到3%。在与百事可乐的长期争斗中，可口可乐发现百事可乐一种有效的营销策略，即口味对比——请毫不知情的消费者分别品尝没有贴任何标签的可口可乐与百事可乐，同时百事可乐会将实况进行现场直播。结果是，有八成的消费者回答百事可乐的口感好过可口可乐，这一举动直接促进了百事可乐的销量。因此，可口可乐认为百事可乐是以口味取胜。

面对对手强势的营销策略，可口可乐压力重重，为了尽快摆脱这种尴尬的境地，1982年，为找出可口可乐口味不如百事可乐的真正原因，可口可乐决定在全国10个主要城市进行一次深入的消费者调查。

可口可乐设计了“您认为可口可乐的口感如何？”“您想尝试一种新的饮料吗？”“您是否喜欢口感变得更温和的可口可乐？”等问题，希望了解消费者对可口可乐口感的评价并征询对新可乐口味的意见。调查结果显示，大多数消费者愿意尝试新口味可乐。因此可口可乐的高层决定开发新可口可乐。不久，口感更柔和、品味更甜的新可口可乐样品便出现人们面前。在正式批量生产前，可口可乐公司又花费数百万美元在13个城市进行口味测试，邀请了近20万人品尝无标签的新/老可口可乐。结果让可口可乐更加放心：六成的消费者回答说新可口可乐味道比老可口可乐好，更有半数的人认为新可口可乐的口感好过百事可乐。至此，可口可乐更坚定了推出新可乐的信念，并开始不惜血本协助瓶装改造生产线，而且，为配合新可乐上市，可口可乐还进行了大量的广告宣传。

但让可口可乐的决策者们始料未及的是，市场上并没有出现想象的购买热潮，反而是越来越多的忠实消费者开始抵制新可乐。在他们心中，老可乐不仅是一种饮料，它还融入了美国梦想和美国精神，放弃传统配方就等于背叛美国精神。他们认为，“只有老可口可乐才是真正的可乐。”有些消费者甚至扬言将再也不买可口可乐。在巨大的压力面前，可口可乐不得不作出让步，在保留新可乐生产线的同时，再次启用近100年历史的传统配方，生产让美国人视为骄傲的“老可口可乐”。

资料来源：王彬.企业创新系统研究［D］.四川大学：2004.

讨论题：

可口可乐失败的主要原因有哪些？