销售作为市场营销行为的结果与目的在市场营销学中占有重要地位。销售模拟的作用在于科学地预测市场营销行为可能带来的结果，尽可能地做出最优的营销决策。例如，以前期较小的广告投资预算，获得未来最好的广告效应；通过比较不同的价格策略，预先选择最具竞争力的产品定价方案；库存管理中的订货和发货周期等，均与销售预测与模拟有关。截至目前，相关的研究很多也十分广泛，本文拟在概括性介绍目前国际上市场营销学领域常用的销售模拟与预测方法及结论，同时就其发展方向做一些探讨。 一、预测技术 1.时间序列分析方法 在许多领域中，被考察的对象在其发展过程中，由于受到偶然因素的影响，往往表现出某种随机性，它们常常以一串随时间而变化的数据序列形式被人们记录到，这种序列通称为时间序列。分析和研究这种序列的数学方法就叫做时间序列分析方法，相应的模型就叫做时间序列模型。时间序列模型的特点是依据历史数据对未来作出预测。在社会经济结构基本保持稳定的状态下，应用时间序列模型做短期预测是很有效的。 在销售过程中，采用时间序列分析方法，通过分析那些规律性地取自不同的时间段的销售数据，可以发现销售过程中的某种潜在的趋势和各类季节或周期性因素，从而依据这些特点做出有指导意义的预测。 通常，预测是建立在一个单一的时间序列上的，加之数据的来源也很单一，因此预测的效果往往不太理想。MORIARTY和SALOMON（1980 ）提出了改善这类问题的建议，即通过对描述同一问题的多个时间序列的分析做出预测（例如，考虑多个区域的销售或同类别系的不同产品的销售）。他们首先使用ARMA模型过滤每个单一的序列，然后再对所有序列采用SURARMA（seemingly unrelated ARMA）。他们指出， 这种多变量的时间序列方法比较单变量的时间序列方法有一个很大的优点，即可以获得准确得多的参数。但是，费用也被大幅度地提高了。 显然，由于销售预测是建立在销售的历史数据上的，而不考虑解释变量即影响因素，所以这种预测，只有在对稳定状态或可能的影响变量相对稳定的情况下才有意义。鉴于市场营销诸因素对销售的影响极具戏剧性，例如，促销性销售与正常性销售相比，前者可以导致销售额的大幅度上升，因此单一的使用时间序列方法预测销售尚有其局限性。然而需要指出的是，此方法在市场营销变量及其他影响变量呈连续变化趋势的情形下，对销售的预测还是比较理想的。1988年，LESSNE和HANUMARA提出了一种叫做增长曲线分析法的方法，这种方法对短期时间序列或对不存在长期时间序列的情形较适宜，并且可以较好地替代自回归法。例如，用于新产品试销阶段的销售预测。 2.计量经济学方法 计量经济学是一门集经济学、数学和统计学为一体，根据实际观测的统计资料来研究和解释带有随机影响的经济数量关系和规律的学科。最早是一些经济学家为了说明或量化一些经济学理论，将数学或统计学的一些简单方法应用其中所进行的尝试性研究。后来许多应用数学家看到了这门学科的巨大潜力及应用价值，便与经济学家联手共同开发，从而使之日臻完善。PARSONS和SCHULTZ于1976年就计量经济学应用于市场营销学的发展过程作了如下概述： 发展市场营销学中的行为理论；将这种理论用一系列的数学关系描述：模型；应用和发展模型的检验理论；选择适宜的统计假设；将模型与实际数据作对比；估计模型中的参数；评估模型的应用性与精确性。 （1）线性模型。线性模型即线性相加模型是最基本的模型形式。当需要考虑诸如价格、分销和广告等可能对销售产生直接影响的市场营销因素时，最先考虑的就是线性模型或可化成线性模型的对数模型及乘积模型。 关于线性模型的优点可概括为：第一，估计方法适应性强。第二，模型容易理解且可视性强。第三，是许多复杂函数的良好近似形式。但是，线性模型本身的局限性也是不容忽视的。在线性模型中，一般总是假设每个被解释变量总是随解释变量的变化而均匀增加或减少。但是，大多数市场营销学变量的变化并非如此简单，例如，区域效应和饱和效应等。 （2）原因变量。一个模型的建立一般要考虑以下变量（PARSONS和SCHULTZ，1976）： 第一，基本市场营销变量的影响效应：价格，广告，促销，销售能力和分销，以及这些变量间的相互影响作用也要予以考虑；第二，延迟效应：一些营销学变量在时间意义上存在所谓延迟效应（或称作时差效应）。将这些变量引入模型的时候，要将这种效应反应出来；第三，竞争效应：通常这是多种市场营销活动中的一种活动，它也是影响销售的决定性因素；第四，同时效应：销售函数是一系列同时化方程的一部分。如销售函数中要考虑一些决策原则，或者一些变量依赖于市场份额等；第五，多方位效应：一般来讲，营销学变量是一类异质性变量，它们往往涉及到多个方位。如广告效应与其相应的媒体种类、内容、播出时段和播出频率等相关；第六，政策法规效应：经济形势和金融政策等也应考虑，例如，经济危机的加重，直接影响产品的销售量。 3.估计方法 在一些线性模型中应用传统的估计方法会收到较好的估计效果。用线性形式近似代替较复杂的数学形式，可以大大简化模型中未知参数的估计。常用的估计方法有四种：极大似然估计法、最小二乘法、矩估计法和贝叶斯估计法。
