Cómo desarrollar y utilizar un modelo de regresión para la previsión de ventas

Escrito por mark koltko-rivera | Traducido por maria gloria garcia menendez
  • Comparte
  • Twittea
  • Comparte
  • Pin
  • E-mail
Cómo desarrollar y utilizar un modelo de regresión para la previsión de ventas
Los modelos de regresión te ayudan a predecir y a aumentar las ventas. (line 2 image by chrisharvey from Fotolia.com)

El éxito del negocio se resume en las ventas y las ventas, y con bastante frecuencia, se reducen a ser capaces de identificar y manipular las variables que influyen en las ventas. Estas variables podrían incluir el número de mercados en los aparecen anunciadas, el número de anuncios en los que aparece cada mercado y demás. La manera de predecir la ventas por medio de estadísticas es desarrollar un modelo de regresión. Vamos a utilizar el ejemplo de predicción de la venta de entradas para una gira de conciertos de un grupo musical.

Nivel de dificultad:
Moderadamente difícil

Otras personas están leyendo

Necesitarás

  • Un programa de análisis estadístico para la regresión múltiple (como SPSS)
  • Datos sobre las ventas y los posibles predictores de ventas.

Lista completaMinimizar

Instrucciones

    Preparación

  1. 1

    Determina los datos que respectivos a las ventas y los factores que podrían influir en ellas. Podrías tener más datos de los que puedes pensar. Por ejemplo, permítenos decir que tenemos registros de las ventas de entradas de la gira y gastos de publicidad para cada lugar de actuación en una gira por el país en 10 ciudades.

  2. 2

    Presenta tus datos en forma de tabla, con VENTAS en la columna 1. Coloca cada factor que podría influir en las ventas, llamado predictor de ventas, en una columna propia. En nuestro ejemplo de ventas para el concierto, podrías tener columnas para VENTAS, CIUDAD, NÚMERO DE CARTELES, NÚMERO DE ANUNCIOS IMPRESOS y NÚMERO DE ANUNCIOS EN RADIO.

  3. 3

    Asigna números a cada valor en tu tabla. Por ejemplo, en la columna de CIUDAD, "Nueva York" podría ser el 1, "Filadelfia" podría ser el 2 y así sucesivamente. Es genial si la progresión de números representa cada rango de población o progresión geográficas por el país (es decir, de este a oeste), pero esto no es estrictamente necesario.

  4. 4

    Si tienes más de un año de datos de las ventas de la gira puedes introducir los datos de otros años. Añade una columna llamada AÑO para que puedas comparar los datos de un año con los de otro. Lo ideal es que tengas al menos cifras de 67 VENTAS si tienes dos predictores de ventas en el modelo de regresión final, 76 si tienes tres, 84 si tienes cuatro, mira "Power Primer" de Cohen.

  5. 5

    Introduce tus datos en una hoja de cálculo de un programa de estadística. Comprueba los datos con cuidado. Lo ideal es pedir a dos personas que introduzcan los datos en hojas de cálculo separadas, luego revisarlas y resolver las discrepancias.

    Cálculo

  1. 1

    Utiliza el programa estadístico para hacer los cálculos. Calcula las correlaciones del momento del producto para VENTAS con cada predictor de ventas. Identifica los predictores de ventas que tengan una correlación importante en lo que respecta a la estadística con VENTAS, sólo debes introducir esto en el modelo de regresión en Cálculo Paso 2. Esto significa que la correlación entre VENTAS y un predictor de ventas dado tiene un valor para el significado estadístico de "p" que es menor o igual a .10, para pasar el "el test de correlación".

  2. 2

    Utiliza el programa estadístico para calcular el modelo de regresión múltiple. Haz que VENTAS sea la variable independiente. Como "predictores" en el modelo, utiliza sólo los predictores de ventas que pasaron el "test de correlación" en el paso 1.

  3. 3

    Observa el significado estadístico, o valor "p", para cada uno de los predictores. Si el valor para "p" es mayor de .10 para cualquier predictor dado, repite el modelo, disminuyendo el predictor de ventas con el valor más alto de "p" (lo que significa que tiene el significado estadístico menor).

  4. 4

    Repite el paso tres hasta que los únicos predictores de ventas que queden tengan valor importantes estadísticos de "p", esto es, que "p" sea igual o menor de .10. Lo que queda es el "modelo de regresión final".

    Interpretación

  1. 1

    Haz una tabla de los predictores de tus ventas y sus pesos "Beta" asociados (no los pesos "B"), utilizando los datos del modelo de regresión final. El predictor de ventas con el peso Beta más grande es el único predictor más importante de ventas y así sucesivamente.

  2. 2

    Eleva al cuadrado el peso Beta para un predictor de ventas dado para encontrar la proporción de VENTAS que está influenciado por el predictor. Por ejemplo, si el peso de Beta de un predictor es .50, esto significa que (.50 x .50) = .25 = 25% de VENTAS se puede atribuir a ese predictor. Colocar dinero en el predictor más influyente tendrá el mejor efecto en VENTAS.

  3. 3

    Escribe la ecuación de regresión utilizando los pesos de "B" (no los "pesos Beta") de los predictores. La ecuación será como esta: VENTAS=[(predictor #1) x {B peso de predictor #1)] + [(predictor #2) x (B peso de predictor #2)] + ... , hasta que hayas utilizado todos los predictores de ventas que sobrevivieron hasta el modelo de regresión final. Por ejemplo, "VENTAS=[(número de anuncios impresos) x .34] + [(número de anuncios de radio) x .42]”, lo que te permite predecir las VENTAS basadas en predictores fáciles de visualizar.

Consejos y advertencias

  • - Las VENTAS pueden ser tanto valores en dólares como números de artículos vendidos (por ejemplo, el número de ventas de billetes). Si incluyes los datos de múltiples años o de muchos lugares, donde los precios de las ventas podrían ser diferentes de un año a otro o por los lugares, obtendrás un modelo más fiable utilizando unidades de venta para VENTAS, en lugar de dólares.
  • - Ten en cuenta que los mínimos ideales dados en el Paso 4 (Preparación) se refieren al número de predictores en el modelo de regresión final. Digamos que comienzas con cuatro predictores de ventas potenciales pero sólo hay 68 números de VENTAS. Esto es mucho menos que el 84 que se dijo que necesitarías para un modelo de predictor cuatro. No tengas miedo. Bien podría ser eso, por ejemplo, uno de tus predictores no pase la prueba de correlación y otro se retire durante el paso de CÁLCULO #3. Esto significa que tu modelo de regresión final sólo tiene dos predictores y los números de VENTAS 68 es más que suficiente para satisfacer el requisito de tamaño simple. Incluso si no encajas en los requisitos, puedes darle un giro, sin embargo, cuanto más bajo caigan los requisitos de tamaño simple, menos fiable será tu modelo de regresión.
  • - Todo esto asume que hay una relación lineal entre VENTAS y los predictores de ventas. Realmente debes determinar si esto es así. Si efectivamente tienes una relación curvilínea entre VENTAS y un predictor, tus resultados se deben interpretar con precaución. Los especialistas llevarán a cabo una transformación estadística para "normalizar" el predictor que tiene una relación curvilínea con VENTAS.
  • - Todo esto también asume que los datos sobre todos los predictores importantes de VENTAS se han introducido en el modelo. Esto incluye los número de marketing y de publicidad, así como quizás las cifras del número de ventas de personal en el campor.
  • - Podrías encontrar que ninguno de los predictores de ventas sobreviven al modelo de regresión final. Esto es más probable cuando no tienes datos referentes a los determinantes actuales de ventas. Si esto es cierto, ninguna cantidad de juego de manos estadística puede cubrir el hecho de que necesitas reunir datos sobre cosas como esfuerzos de publicidad y de marketing. Si de hecho has introducido los datos completos de publicidad y de marketing, es probable que se haya hecho algún tipo de error en los siguientes pasos implicados. Comprueba las cifras e inténtalo de nuevo.
  • - Como se vio en el Paso 2 (Interpretación), poner dinero en el predictor más poderoso tendrá el mayor efecto en VENTAS. Esto es cierto en una base por unidad para el predictor, no una base de gasto por dólar. Por ejemplo, podría ser que añadiendo un lugar de radio tendrá el mayor efecto en VENTAS, sin embargo, esto no significa que sea rentable añadir ese lugar de radio. Tendrás que combinar los resultados del modelo de regresión con las cifras para los gastos de marketing para determinar lo que es rentable para promover las ventas.

No dejes de ver

Filtrar por:
  • Mostrar todos
  • Artículos
  • Galerías de fotos
  • Videos
Ordenar:
  • Más relevante
  • Más popular
  • Más reciente

No se encuentran artículos disponibles

No se encuentran slideshows disponibles

No se encuentran videos disponibles