Хотел бы сегодня поговорить об особенности применения моделей сезонной декомпозиции.

Думаю все, кто так или иначе занимался прогнозированием, сталкивались с сезонной составляющей и вероятнее всего ее применяли. Но вероятно не многие задумывались о том, что за сезонностью могут скрываться абсолютно другие причины.

Всегда ли нужно применять модель сезонной декомпозиции, когда вам кажется что есть сезонная составляющая и я вам даже больше скажу бывают ситуации, когда и математические модели говорят о наличии сезонной составляющей, но после получение такого прогноза, факт может быть абсолютно другим и не всегда соответствующим тренду.

Давайте попробуем разобраться в каких ситуациях это происходит. Для универсальности и упрощения выявления факторов, я бы порекомендовал использовать классификацию CRTconnection(единовременные платежи), rent (регулярные платежи, основанные на ежемесячной фиксированной плате за месяц), traffic (платежи за конкретно потребляемый объем услуг).

С точки зрения Connection – тут все просто, как правило зависимость от изменения тарифов (например акции, распродажи и др. управляемые факторы) и сезонность достаточно очевидна, например, увеличение объемов продаж кондиционеров в летнее время. Поэтому достаточно проверить действительно ли менялись тарифы и товар подвержен сезонности.

С точки зрения rent – как правило, изменение может наступить в двух причинах, вы изменили тарифы, возможно предоставили скидку какому-то из клиентов с целью его удержания либо изменилось количество клиентов, увеличились продажи или отток. Для выявления этих факторов, достаточно иметь под рукой тренд продаж, оттока, список клиентов по которым проводилась работа по удержанию, список клиентов склонных к оттоку. Так как этот показатель не подвержен сезонности, а полностью зависит от управляемых вами факторов, то достаточно просто определить.

Самым сложным для выявления и анализа является traffic – объемы потребления конкретных услуг, например, для операторов связи это объем исходящих соединений. Здесь куда больше факторов может влиять на тренд. В этом случае в обязательном порядке присутствует сезонная составляющая, но она может быть «зашумлена». Во-первых, может меняться количество клиентов, во вторых клиент может изменить структуру потребления и резко уменьшить или увеличить объем, тренды этого изменения могут совпасть с сезонностью, тогда их достаточно сложно распознать по сгруппированным показателям. Решение найдется в детальном анализе клиентской базы. Если trafic сезонно себя ведет, в этом случае тренд будет однонаправленным по всем клиентам. Для упрощения анализа выгрузки при увеличенной базе клиентов, достаточно выделить только тех клиентов, чей тренд изменился больше чем в среднем. В этом случае объем выборки будет много меньше и выявить клиентов, у которых появились аномалии в поведении, будет много проще, эта же выборка сможет быть использована для проведения работы с клиентами, например, по удержанию. Если у вас есть список клиентов, с которыми проводилась работа, вы всегда сможете определить как изменилась среднедоходная такса на единицу продукции, а значит скорректировать тренд в соответствии с этим изменением, исключив этот фактор из сезонной составляющей.

Не ленитесь проводить детальный анализ, в этом случае вы, как аналитики, сможете не только построить корректный прогноз, но также выявить сегменты клиентов, с которыми требуется проведение дополнительной работы, а это более значимый вклад вашей работы в деятельность предприятия, чем простой прогноз трендов. Тут конечно стоит оговориться, что для некоторых отраслей угадывание трендов стоит дороже, но в большинстве коммерческих розничных предприятий не связанных с финансовыми рынками, этот подход вполне может оправдывать себя.

Удачи вам! Будьте полезны для своих компаний.