市场调研中用于销售预测的方法很多，限于篇幅，我们这里只讨论三类主要的预测技术：判断预测法、时间序列预测法和因果预测法。每类预测技术中，我们各介绍几种不同的方法。
10.3.1 判断预测法判断预测法是利用人们的判断
评价作为对于事物未来发展的预测。由于预测是以主观的判断为基础的，任何两个人对于同一个事物所做出的判断结果往往都是不同的。因此一般地说，判断预测的结果主观性比较强，误差较大。用判断预测法进行销售量（额）预测时，主要采用三种方法：推销人员意见综合法、专家调查法和德尔菲预测法。
1.推销人员意见综合法
用推销人员意见综合法进行预测时，首先是请每个推销人员估计预测期内他们各自所负责的产品或地区内的销售量（额），然后把所有推销人员的估计数相加，就得到总的销售预测量。
这种预测方法对于短期预测相对是比较精确的，同时成本也省。对于生产资料类产品的预测特别有用，因此，广泛地应用于生产资料类产品的销售预测当中。这种方法除了用于销售量（额）的预测外，也广泛地用于检测和评价公司的实际经营业绩的好坏。
用推销人员意见综合法进行预测时，要注意以下几个问题。
（1）要激励销售人员认真地做好预测估计工作。许多销售人员往往只关心与自己的收入有直接关系的业绩，而对预测并不感兴趣。因此，总是把预测看做是烦琐的例行公事，采取敷衍了事的态度。要通过激励调动他们作好预测的积极性，同时，也要认可和肯定他们为预测所作的努力。
（2）要对销售人员的估计进行调整，减少他们因乐观或悲观估计所造成的误差。除了销售人员个人判断中的片面性可能造成预测的偏差之外，销售人员之间估计时的相互影响也会造成误差。某一段时间内，整个的销售队伍可能受某些短期因素的影响会倾向于都高估销售预测值；而另一些时候，推销人员们又可能因受其他因素的影响而一致地倾向于低估销售预测值。此外，销售人员的估计也会受到供应因素的影响。当某一产品供应短缺时，销售人员总是倾向于特别地高估销售预测值，他们通常认为销售预测值估计得越高，今后分配到的产品一定也会越多。为了尽可能地减少这类估计误差，需要连续地对销售业务人员的每期估计值与实际销售业绩进行比较，然后，根据所得到的偏差大小对每个人的预测值按一定的比例进行调整。
（3）需要根据宏观经济状况对估计结果进行调整。销售人员通常对于今后几个月中他们的顾客购买量的变化是很敏感的，而且一般地也是能够掌握的，然而，他们常常不了解可能影响他们所在行业以及顾客购买情况的宏观经济变化趋势。为此，如果把每个销售人员个人所作的预测综合起来，再考虑到宏观的经济因素可能产生的影响，形成一个对今后半年或一年总的预测，尽管精度可能不高，但也是比较有价值的。问题在于，要用这种方法来辨别转折点，效果就不理想了。
（4）采用多种办法帮助销售人员提高预测精度。在采用这种技术进行预测时，通常企业还应采用几种辅助的办法来提高预测能力，改进预测精度。这些办法包括：
①在预测时，为每个销售人员提供他们过去销售业绩的记录。
②为每个销售人员提供预测期内公司经营的概况。
③让负责每一个地区销售的地区经理与本地区的销售人员进行讨论，以确认和修正预测值。
采用这些办法以后，就可以大大提高所得到的预测结果的精确度。
2.专家调查法
专家是指那些在专门的领域中具有特别的技能和知识的人。在销售预测中，专家包括市场调研人员、公司经理人员、咨询人员、行业协会的负责人、有关杂志的编辑，有时也包括政府官员等。公司经理和咨询人员既能够预测公司的销售量（额），也能预测整个行业的销售量（额）。而其他专家通常只能预测出整个行业的销售量（额），而无法预测出某个具体企业的销售量（额）。
（1）专家预测法的类型。根据预测所得到的结果进行分类，专家预测法可以分为三种形式：点预测、区间预测和概率分布预测。
①点预测。点预测就是以某一特定的数量作为销售量（额）的预测值。其实，今后的实际发生值恰好落在估计点上的可能性是相当小的，而且点预测也无法得到预测的误差是多少，误差发生的概率又是多少。因此，点预测是一种最简单的预测，所给出的信息量最小。
②区间预测。区间预测是确定销售量（额）以某给定的置信度落在某一范围内的预测。例如，某一公司的销售经理在预测时可能估计，他的公司下一年的销售额有80%的把握会落在500万元至550万元之间，这就是一个区间预测。
③概率分布预测。这种预测确定实际销售量落在两个或两个以上的可能销售区间内的概率。
尽管用概率分布预测法时可以把估计区域分为许多区间，但是，通常总是把估计区间分为三个，分别代表悲观的、最可能的和乐观的估计值。这种方法对于预测者来说比较简单方便，对于使用者来说，也比较容易应用。
（2）实施专家预测法的要点。应用专家预测法时，要解决两个问题：一是如何才能获得正确的专家预测值，即获得正确的专家预测结果的方法和手段。二是如何把几个专家的预测结果综合起来，得到一个较可靠的预测结果。
①如何才能获得正确的专家预测值。调研人员要从专家那里获得正确的预测值，最好是采用直接与专家面谈的方法。要想得到有价值的预测值，调研人员在面谈时还应当注意采取如下一些正确的策略：
第一，调研人员应当主动提出一些参考值，启发专家做出正确的预测。在面谈刚开始时，专家们多半难以给出有效的预测结果。他们往往不愿以单独一个数字作为估计值来满足调研人员的要求。但是，如果调研人员提出某一个参考值，他们可能会提出这个估计是过高了、略高了，还是过低了、略低了，他们也许会认为某一个估计数字是相当可能的。
第二，调研人员在询问中要逐渐缩小估计的区间范围。调研人员开始时所提出的预测区间总是比较大的，以后应当把范围逐渐缩小。在做出预测估计时，应当允许做出预测的专家表达对别人预测结果的看法，而不仅仅是迫使专家做出他自己个人的预测。
第三，面谈调查时，专家的谈话中往往隐含着对概率的估计，但是又不会直接给出一个估计的数字，所以调研人员需要据此来推测专家心目中的概率分布范围。
例如，某些人会说某一估计是完全不可能的，说另一个估计值是可能的或相当可能的。此时，调研人员就应当请专家对可能性的大小作更具体的描述，推测出一个具体数字。
②如何对专家预测的意见进行综合。要把从每一个专家得到的预测值综合成为一个总的预测结果时，通常可以采用加权平均的办法。常用的加权平均法有如下几种：
第一，如果每个专家的权重一样，可以采用算术平均的办法。
第二，对专家的专业知识进行主观评价，然后，采用一组与主观评价的结果成比例的权数加权。
第三，先请专家对本身与预测有关的专业知识熟悉的程度进行评价，然后采用一组与他们自身评价成比例的权数加权。例如，可以请专家用1～10的数字来表示他自己对所预测的产品或行业情况了解的程度，然后，用所得到的数字加权。
第四，先决定不同专家过去预测中的相对精确度，然后，采用一组与他们各自的预测精确度成比例的权数加权。
3.德尔菲预测法
德尔菲预测法是为了避免由于对每个专家的预测结果加权和由于专家的级别或者个性等方面的差异所造成的偏差，而提出的一种预测方法。这种方法是由以下几个步骤所组成的。
（1）让参加预测的专家分别根据背景资料做出他们自己的预测。
（2）请专家把预测结果寄回给预测的组织者，由组织者利用上面所讲过的加权平均法把各个专家的预测值综合成为一个预测结果。
（3）预测组织者把综合后的结果寄回给各个参加预测的专家。
（4）请参加预测的专家再利用上述信息进行新一轮的预测。
上述步骤要一直继续重复进行，直到结果稳定或者称做收敛，继续重复到不能得到进一步的结果为止。
德尔菲预测法的特点在于：首先是重复多次的估计可以使不同专家估计之间的差异逐渐缩小；其次是预测组织者的综合和反馈可以把不同专家所提出的预测逐渐引导到一个正确的结果。通过几轮的预测和反馈，结果几乎总是会收敛在某一个值的。问题只在于要保证收敛到正确的数值。
德尔菲预测法广泛地应用于对现有产品或刚处于引入期的新产品的销售量、市场份额、产品价格的变化和对盈利的潜在影响等问题的预测上。它既可以适合于短期的、中期的，也适合于长期的预测。绝大多数的这类预测经过大约四轮的反馈都能得到所需要的结果。
10.3.2 时间序列预测法
时间序列是指某一个变量，如销售量的观察值，按发生的时间先后顺序排列而成的序列。时间序列既可以是逐年的、逐月的，也可以是逐日的。
时间序列预测法所依据的基本假定是，过去几期中所观察到的销售方面的变化形式能够用于对将来销售情况的预测。时间序列的变动模式通常由四种变动-趋势性、周期性、季节性和随机性变动合成的结果。
趋势性变动是指时间序列的长期变动特性。趋势性变动通常具有三种形式：增长型的、稳定型的和下降型的。
周期性变动是指销售量（额）随时间变化而重复以前的变动规律的特性。大多数公司的销售量（额）总是随着整个宏观经济态势的变动状况、市场对产品的需求、竞争者的活动和其他因素的变动而波动的。当这种波动的期限超过一年时，我们就称这种波动为周期性变动。要预测这类波动一般是比较困难的。
季节性变动是指一年或一年以内的有规律的、重复发生的波动。许多产品的销售都或多或少地具有季节性变动。
随机性变动是受某些随机因素的影响而产生的波动。这种波动是不可预见的。
在时间序列的上述四种变动形式中，随机性变动无法预测；周期性变动往往与宏观经济波动有关，也难以预测；季节性变动影响大，也容易分析；趋势性变动也是可以分析出来的。因此，时间序列分析预测中，首先总是分析季节性变动的影响，在此基础上再分析趋势性变动和其他影响。
1.季节性变动和季节指数
季节性变动对于月或季的销售量（额）的预测有较大的影响。因此，在进行月或季的预测时，一般地总是先根据趋势性变动得到一个预测值，然后，利用季节变动指数进行调整，得到最终的预测结果。
某一季节的季节指数等于这一时期的销售量（额）除以一年中所有各期的平均值所得到的结果。通常所用的季节指数是把上述的比例乘上100，这样，100就表示了季节指数的平均值。季节指数小于100的季节就表示淡季。季节指数高于100的季节就相应地表示旺季。
季节指数的计算方法，根据所使用资料的期数不同，计算指数时技术上的处理方法不同，以及在计算季节指数前是否预先消除趋势性和周期性的影响等因素，可以分为多种类型。这里我们限于篇幅，主要讨论中心移动平均法。
中心移动平均法是计算季节指数的相对比较简单的方法。
（1）决定计算季节指数采用几年的数据资料。尽管只用一年的数据资料也可以计算出季节指数，但是，想要有一定的合理的精确性，至少应当采用两年的数据资料才能决定季节性的变动。如果看来季节性的变动很大，就应当采用更多期数的数据资料。我们现在以采用两年的资料为例。
（2）以要计算季节指数的这个月份为中心，计算13个月销售额的加权平均。
在我们的例子中，就是采用从2007年12月到2008年12月为止的13个月的资料。
这13个月的资料中，两个12月份的销售额分布在两头，对6月份的销售量影响不大，因此，分配权数为1，其余的11个月分配的权数为2，所有权数之和为24.根据例子中的数据，我们可以计算得到这13个月的销售额的加权平均是101.21.
（3）计算指定月份的季节指数。用这个月的销售额除以加权平均的月销售额，再乘上100，就得到所需要的结果。对于我们的例子来说，2008年6月的季节指数是128.
（4）以上一年的相应月份为中心，重复第2步、第3步，计算出相应的季节指数。在我们的例子中，以2007年6月为中心的13个月的销售额的平均值是100，于是，2007年6月的季节指数是121.
（5）对第3步、第4步所求得的季节指数求平均，得到未经规范化的对于6月份的季节指数为124.5.
（6）对于一年中的其他各月，也按上述方式计算出相应的每月未经规范化的季节指数，并相加。如果所得到的平均值不等于100，只要把每个月未经规范化的季节指数除以全年的平均值，再乘以100，就得到规范化以后的每月季节指数。类似地，应用中心移动法，可以计算出每季、每周甚至是每天的相应季节指数。
2.时间序列预测模型
利用时间序列进行外推预测时，可以采用四种方法：直观预测法、移动平均法、指数平滑法和回归分析法。
（1）直观预测法。直观预测法的特点是把上期的销售量（额）作为下期销售量（额）预测值的基础。其中，最简单的方法就是认为下一期的销售量（额）预测值就等于当期的实际销售量（额）。这种处理办法只有在销售量（额）是相当平稳的，既不增加，也不减少，而且，随机的、周期性的和季节性的影响都是可以忽略的情况下才是合理的。
稍微复杂一点的直观预测模型是把下期的销售量看做是上期的销售量加上一个调整值得到的结果。
对于那些销售量（额）的变化趋势是每期增加或减少一个相对固定的量，而且，周期性或季节性的影响可以忽略的情形，这个模型是很合适的。
（2）移动平均法。移动平均法就是以过去连续N期观察值的平均数作为预测值的预测方法。这里移动的意思是每一期的平均值都是不断更新的。如果我们每次都用N期观察值的平均数，即用X1……，XN的平均值珚X作为对XN+1的预测值，则当第N+1期结束，对第N+2期进行预测时，我们把XN+1的值加到求平均的数列中去，而把X1从求平均的数列中去掉，保证每次都用N个数据求平均。
如果被预测的对象的季节性变动很小或者没有季节性变动，那么，用移动平均法来预测的效果是很好的。移动平均法常常用来进行短期预测，进行周、月或季度的预测。
通常，季节性变动的影响是不能忽略的，这时，就应当用季节指数进行调整，预测值就等于移动平均值乘上季节指数再除以100.
移动平均法通常只用于预测下一期的值，用于对今后几期的预测时，精确度会迅速下降。移动平均法不能预测出转折点，它只能把出现的变化结合到预测值中去。移动平均法通常用来作为标准化产品的库存控制系统的预测，效果比较理想。
（3）指数平滑法。指数平滑法实际上是一种加权移动平均法，预测时对越是接近当前的观察值所加的权数越大。在销售预测中，对越接近当前的观察值所加的权数越大是合理的。因为越接近于当前的观察值与以前的观察值相比，越是适合于作为下一期的预测值。因此，所得到的结果比简单移动平均法要好。
指数平滑法模型的形式是：
Y^t+1=α·Yt（1-α）Y^t其中：Y^t+1为对下一期的销售预测值；Yt为当期的实际销售量（额）；Y^t为用指数平滑法得到的对当期的预测值；α为平滑系数。
应用上式进行预测时，第一次应用指数平滑法时所使用的预测值Y^0需要特别加以确定。通常，用这一期以前几期的销售平均值作为Y^0初始值。用这一Y^0代入上式作第一次预测后，所得到的结果就可以作为Y^t的预测值了。
尽管指数平滑法的形式是很简单的，但是由于每次计算都要用新的数据，计算过程是相当烦琐的。通常是用计算机来计算的。编制好一定的程序以后，执行起来相当方便。
（4）回归分析法。对时间序列应用回归分析法进行预测时，通常以时间作为自变量，而以时间序列本身，例如销售量（额）作为因变量。最简单的线性回归方程的形式是：
Yt+1=a+b（t+1）其中：Yt+1为对下一期的预测值；a和b各为回归系数；t为时间变量。
如果必要的话，还可以应用相应的季节指数对回归方程所得到的结果进行调整。
10.3.3 因果预测法
销售量的因果预测法是建立和应用一种预测模型，使得销售量的任何变化都看做是由于其他一个或多个变量变化的结果。因果预测法的预测步骤，首先是辨认原因变量是什么，度量或估计原因变量的变化值，再确定这些原因变量与销售量（额）之间的关系，最后，根据所确定的关系计算出销售量（额）的预测值。
因果预测法包括多种技术和可应用的模型，其中主要有：领先指标法、购买意向调查法、投入产出法、因果性回归模型、计量经济模型和实验预测法。
1.领先指标法
某些经济指标与公司的销售量之间具有领先或滞后的关系。如果公司的销售量与其他某些经济指标确实存在这种关系，我们就可以利用这些领先指标来预测销售量的变动。然而，对单个企业来说，通常不一定能找到合适的领先指标。因此，应用领先指标法预测时，通常先是对整个行业的或者宏观经济状况进行预测，而不是直接对单个企业的销售量进行预测。然而，大多数公司的销售情况至少在一定程度上是与宏观经济状况相关的。因此，我们可以先预测总的经济状况，然后再预测单个公司的销售量。
西方工业化国家常用的领先指标有：制造业平均的工作周数、新建公司数、耐用消费品生产行业中的新订货量、生产设备新制造合同或订货量、经政府批准的新建筑物的规模、工业原材料的价格和一些最大的股票上市公司的股票价格等。
应用领先指标法进行预测时，会遇到两个问题。第一，当应用多个领先指标进行预测分析时，会引起结果的不一致。用某一组领先指标进行预测分析所得到的结果，很可能与采用另外其他一组领先指标来预测所得到的结果不一致。在这种情况下，究竟接受哪一种结果常常是很难决定的，必须非常谨慎。第二，存在错误信号的问题。大多数领先指标一般都能预测出实际销售指标的转折点，但是问题在于，有时通过领先指标预测出的转折点实际上不一定发生。
领先指标计算出的扩散指数是解决多个领先指标预测不一致问题的一种办法。
在某一特定时期内，一组领先指标中的上升指标的百分比就称为这组指标在这一期间的扩散指数。扩散指数等于100，就表示全部指标都指示销售量上升；扩散指数为0，就表示全部领先指标都指示销售量是下降的；若有一半指标指示上升，一半指标指示下降，则扩散指数就等于50，表示销售量可能不变。
扩散系数也能帮助分析人员解决错误信号问题。如果在一个经济增长时期，在连续几个月中出现扩散指标很小的情况，就意味着有一个向下的转折点。如果在一个经济衰退时期，出现扩散指标很大的情形，就可能意味着即将出现一个向上的转折点。当然，要预测得精确就需要调研分析人员具有一定的技能和经验。
2.购买意向调查法
为了预测销售量，我们也可以直接请顾客预测他们自己的购买情况。无论如何，顾客要比其他任何人更了解他们自己未来的购买情况。从这一观点出发，许多公司和预测机构就通过对顾客购买意向进行定期调查，把结果作为销售量的预测值。用购买意向调查法进行预测既可以用于对工业生产资料产品进行预测，也可以对耐用消费品进行预测。但是一般地说，对于生产资料产品的预测效果远比对消费品的预测要好。对于普通消费品，甚至是耐用消费品的预测结果的误差通常比较大。因此，应当与其他方法结合起来使用。而对于工业生产资料产品，用购买意向调查法来预测所得到的结果通常是合理可靠的。
3.投入产出法
投入产出模型是通过编制投入产出表，建立投入产出之间的关系来反映不同经济部门或产品生产消费之间的内在联系。投入产出模型既可以用于对国民经济总体情况的预测，也可以用于对单个企业销售情况的预测。但是比较起来，更多是用于对整个国民经济总体的预测，并且效果更好。当研究一个工业大类产品的需求变化对另一个工业的影响时是特别有用的。
用投入产出法对单个企业的销售情况进行预测时，只能对一大类产品，而不能对一种特定的品种或规格进行有效的预测。
用投入产出法进行预测时所遇到的最大问题，首先是投入产出表中的资料要求正确及时，否则，部门间或产品间的投入产出关系发生变化就会直接影响结果的正确性。这是因为技术的变革、产品结构变化以及代用品相对价格变动等多种因素，都可能引起某些工业部门中销售量的迅速变化。
应用投入产出法进行预测时的另一个问题是综合的程度。应用投入产出法预测公司的销售量时，常常会发现大多数投入产出表中对工业部门的定义过于宽，对预测价值不大。公司必须根据自己产品的情况建立起更详细的投入产出表。这意味着公司要用投入产出模型进行预测时，需要花费相当大的财力、时间和精力。这对于大多数公司来说是有困难的。鉴于上述原因，通常只有那些规模特别大的公司才会偶尔用这种方法来预测。
4.因果回归模型
回归分析模型是销售预测中用得最广泛的一种因果预测模型。因果回归模型其实就是表示销售量与某些预测变量相互关系的回归方程式。回归方程是用多元回归技术来确定的。最常用的预测变量有：居民可支配收入、与竞争产品比较的相对价格、公司所投入的广告费用等。
利用回归模型进行预测时的步骤如下：
（1）选择回归方程中的自变量。通过评价，把影响销售量大小的主要决定因素选择作为预测变量。这些预测变量应当是能够进行度量的，或者至少是比较容易预测的。
（2）收集每一个自变量的时间序列或不同部门自变量的相应数值。通常，要得到满意的预测结果，每个自变量至少要获得20或20个以上的观察值。
（3）决定每个自变量与销售量之间的关系是线性的，还是非线性的。许多需求函数往往都是对数形式的，而不是线性的。此时，相应的数据也应当转换成对数的形式。
（4）进行回归分析，得到回归系数，决定回归方程拟合的优度。
（5）重复上述1～4步，直至获得满意的模型。所谓满意的模型就是把模型应用于历史数据能获得所需要的精确度。
5.计量经济模型计量经济模型是根据现实的统计资料，具体地评价由经济理论所给出的经济变量之间存在的各种关系，然后依据这种关系进行预测的方法。
从方法本身看，计量经济模型是一种相当科学合理的预测方法，但是，要使模型能够如实地反映经济系统的状况，必须有正确的经济理论作指导，否则应用不当会产生较大的误差。
用计量经济模型进行宏观经济预测已经取得了较成功的经验。然而，应用这种方法进行预测也曾出现过不少错误，甚至得出了相反的结论。但是，毫无疑问，计量经济模型是一种很有潜力的预测方法。问题是企业在应用这种模型时一定要结合本身的实际情况，运用正确的经济理论，积累经验，建立适当的模型并进行认真的分析评价。这样才能得到满意的预测结果。
6.实验预测法
通过实验也可以进行预测，如前所述，无论实验室实验或销售现场实验都能用于评价新产品和营销组合变量对销售的影响。在新产品引入期间，通过销售试验，预测新产品的销售量是非常有价值的。
10.3.4 预测模型的选择和预测结果的评价
1.预测模型的选择
由于预测方法众多，根据不同方法所建立起来的模型差异很大，一个市场调研人员在具体进行一项市场调研时，必须认真地进行分析，决定采用哪一种方法和模型。
选择预测模型时，首先必须考虑预测时的特定条件，然后把预测的要求与各种预测方法的功能特点相比较。一般地说，预测的要求是由几部分所组成的：一是对结果精确性的要求；二是对数据的要求；三是时间上的要求。如果要求预测结果精度达到5%，那么，那些预测精度不能保证达到10%的预测方法就被排除了。如果对于所研究的问题没有某种预测方法所需要的数据资料，那么也就不可能采用这种方法进行预测了。如果某种预测方法不可能在所要求的期限内得到预测结果，就只能考虑采用其他办法了。
上述三方面的要求和限制，有时会把相当数量的预测方法排除在选择之外，在余下的预测方法中进行选择时，常常会根据利益/成本的比来决定。
为了提高销售预测的精确度，常常对同一预测问题选用多于一种的预测方法进行预测。国外曾经有人对170家公司的销售预测情况进行过调查分析，结果发现，平均地，这些公司采用2.6种预测方法来解决某一个销售预测问题，只有少数公司偶尔会选用1.8种预测方法来解决一个销售预测问题。
2.预测结果的评价
企业销售预测的实践表明，一年的销售量预测通常可以达到相当高的精确度。
但是，由于不同公司的产品和市场状况的差异相当大，某些公司的销售预测特别精确，另一些公司的销售预测特别困难，误差特别大，因此，对预测结果进行客观的评价是必要的。
从预测的实际结果看，生产资料生产企业的预测结果的误差一般地要比消费品生产企业的预测误差要大。对于新产品销售预测的误差又要明显地大于对现有产品预测的误差。
对销售预测进行评价时，最好应用两种度量评价方法：一是每个预测期都运用直观预测法进行预测，并与其他的基本预测方法得到的整个预测期间上的结果进行比较。二是定期地检查预测精确度。如果发现其他基本预测方法的精确度并不比直观预测模型所得到的结果更好，则一般地说预测的结果就值得怀疑了。另一方面，如果在整个一段时期内，某种基本预测方法的预测精确度没有改进，则也意味着这种预测方法有问题，应该尝试采用其他的预测方法。
