И аналитики, и маркетологи, вне зависимости от сферы, в которой они работают, регулярно решают одну и ту же задачу: прогноз выручки. Единственное, что разнится, это постановка задачи: «Сколько денег мы заработаем к концу года?», «Какая функция (А или Б) принесет нам больше прибыли?», «Выгодно ли это для коммерческого использования?» смысл выходить на новый рынок?» и так далее.

В этой статье Василий Сабиров, ведущий аналитик devtodev, собрал 9 проверенных советов, которые помогут повысить точность прогнозирования доходов.

СОВЕТ 1. ИСПОЛЬЗУЙТЕ ВРЕМЕННЫЕ РЯДЫ

Очень сложно (или даже невозможно!) прогнозировать доход, если вы не знаете, сколько денег вы заработали в предыдущие периоды времени. В большинстве случаев у вас есть данные о том, как изменялся ваш доход в прошлом. Итак, вы имеете дело с временными рядами.

Вот несколько методов, которые вам необходимо учитывать:

ТЕНДЕНЦИИ И СЕЗОННОСТЬ

Этой теме мы уже посвятили лонгрид. Теперь я хотел бы просто добавить к нему несколько практических советов.

Будьте осторожны с полиномиальными трендами. Они очень хорошо (иногда даже лучше, чем все остальные методы) повторяют имеющиеся данные. Однако, когда дело доходит до прогнозов, они, как правило, довольно бурны. В зависимости от степени многочлена хвост графика (сам прогноз) может изгибаться в ту или иную сторону. Чем выше степень, тем выше гибкость графа и вероятность того, что он изогнется не в ту сторону.

Обычный линейный тренд — самый простой способ понять динамику. Он просто показывает, увеличивается или уменьшается ваш доход, а также указывает скорость этих изменений. Этого абсолютно достаточно для понимания направления вашего развития. Однако для точного прогноза этого недостаточно.

Разделите временной ряд на сегменты. У всего есть жизненный цикл, онлайн-проекты не исключение. Поэтому было бы бессмысленно делать прогнозы с помощью линейного тренда, включающего в себя все данные с самого начала проекта: просто слишком много всего изменилось. Имеет смысл указать несколько этапов вашего проекта, понять причины, связанные с переходом от одного этапа к другому, и сделать прогноз на основе данных последнего этапа. Вы помните себя 5 или 10 лет назад? В тот момент не каждый мог представить себя в 2017 году. Это иллюстрация того, почему так важно делить временной ряд на отрезки.

АВТОРЕГРЕССИЯ

Как показывает практика, это более точный метод, чем использование тренда и сезонности. Вы строите регрессионную модель дохода на основе значений дохода за один, два или N предыдущих периодов.

Таким образом, вы можете выявить скрытые закономерности в данных, которые невозможно обнаружить с помощью трендов и сезонности. Чем больше периодов вы используете при построении регрессии, тем длиннее может быть период вашего прогноза.

Допустим, у вас есть данные о вашем доходе за каждый день предыдущего года. Затем вы можете делать прогнозы на каждый из 30 дней следующего месяца, добавляя 30 переменных в регрессионную модель.

АРМА И АРИМА

Эти модели являются результатом развития регрессионной модели. На самом деле AR в их названии означает авторегрессивный. MA означает скользящее среднее, что означает, что эти модели глубже проникают в данные и лучше раскрывают их внутренние закономерности. Реализовать эти модели в Excel может быть сложно (хотя для этого есть надстройки), но все же возможно. Я рекомендую использовать статистические инструменты, такие как SPSS или Statistica. Однако эти рекомендации основаны не более чем на моем личном опыте работы с этими инструментами.

Как правило, ARMA и ARIMA позволяют делать более точные прогнозы, чем простая авторегрессия. Однако рост точности не такой резкий, как может быть при сравнении авторегрессии с трендами и сезонностью. Поэтому для быстрого прогноза нет реальной необходимости тратить время на ARMA и ARIMA.

СОВЕТ 2. НЕ ЗАБЫВАЙТЕ О РЕГРЕССИОННЫХ МОДЕЛЯХ

На самом деле регрессия — достаточно универсальный метод. Его преимущество перед временными рядами заключается в том, что в случае временных рядов вы делаете прогнозы, основываясь только на значениях выручки за предыдущие периоды, тогда как в регрессионной модели учитываются и другие показатели.

Существует несколько способов расчета дохода. Например, доход — это аудитория, умноженная на ARPU (доход от пользователя). Аудитория — это количественный показатель, он многое говорит о масштабах проекта и зависит от посещаемости. Доход от пользователя — это качественная метрика: она показывает, насколько ваши пользователи готовы платить. Эти метрики можно и нужно рассматривать и прогнозировать отдельно, потому что они ведут себя по-разному и на них влияют разные факторы.

Аналогичные рассуждения можно сделать, взглянув на другую формулу дохода: количество платящих пользователей, умноженное на доход от платящего пользователя (ARPU). Теоретически можно использовать регрессию по отношению к любой из имеющихся у вас метрик.

Несколько советов:

  • Если есть возможность (в Excel — не всегда), используйте при построении модели только значимые переменные. Если вы вводите сотню метрик, это не обязательно означает, что все они должны использоваться в конечном уравнении.
  • Убедитесь, что входные показатели максимально независимы друг от друга и слабо коррелированы. В противном случае есть риск получить нестабильные результаты (которые будут хороши при повторении ваших входных данных, но будут давать странные значения, когда дело доходит до прогнозирования).
  • Знайте свои остатки. Если вы изучали регрессию в университете, то наверняка помните страшное слово «гетероскедастичность». Об этом мы и поговорим, и это не так страшно, как может показаться! Если вы все сделали правильно, то при взгляде на график с остатками вы ничего не сможете сказать: будет непредсказуемая случайная величина с математическим ожиданием, равным нулю. Если вы видите какую-то закономерность (скажем, синусоиду), то, возможно, вы столкнулись с гетероскедастичностью. Это значит, что вы не учли дополнительную логику, по которой распределяются данные. В этом случае нужно изменить уравнение регрессии, добавив в него неучтенное уравнение (в нашем случае — синусоиду).

СОВЕТ 3. СОЗДАВАЙТЕ МОДЕЛИ ДЛЯ ВАШЕГО ПРОЕКТА

Временные ряды и регрессия — не единственные возможные методы прогнозирования доходов. Вы всегда можете построить свои собственные модели, разработанные специально для вашего проекта.

Вот пример модели, которую мне нравится строить:

  • Мы можем посчитать, сколько пользователей находится на первом, втором, третьем и т. д. месяце в проекте в текущий момент.
  • Мы можем рассчитать процент пользователей, которые остаются активными во второй месяц, а также процент пользователей, которые переходят со второго на третий месяц и так далее.
  • Наконец, мы можем рассчитать среднюю сумму, которую пользователь, находящийся на N-м месяце в проекте, тратит в течение этого месяца. Другими словами, ARPU за месяц.

Информации достаточно для построения модели: вы будете знать, как ваши пользователи переходят из одного месяца в другой и сколько они платят. Кстати, расчеты можно производить за год, за неделю и даже за день (хотя, честно говоря, я сам не пробовал брать день за период). Это может быть любой период, который вам подходит — в зависимости от того, как долго пользователи остаются в вашем проекте.

С помощью этой модели вы можете легко планировать приток трафика. Вам просто нужно увеличить количество новых пользователей за конкретный месяц.

СОВЕТ 4. РАССЧИТАЙТЕ ОКУПАЕМОСТЬ ВАШЕГО ТРАФИКА

Иногда, особенно на ранних стадиях, проект полностью зависит от новых пользователей. Если есть новые пользователи, проект прибыльный; если пользователей мало — нет.

Именно поэтому все приведенные выше советы бесполезны, если вы не знаете, когда и сколько трафика вы привлечете.

Поэтому было бы здорово, если бы вы могли построить кривую с кумулятивным доходом от вашего трафика по дням: сколько денег в среднем приносит пользователь за первый день, первую, вторую или третью неделю, первый месяц и так далее. на. Это то значение, пределом которого является LTV. Когда вы знаете свой совокупный доход, вы можете более точно прогнозировать доход в зависимости от того, когда и сколько у вас пользователей, а также рассчитать окупаемость вашего трафика.

Нажмите здесь, чтобы прочитать еще 5 советов о том, как повысить точность прогнозов доходов.

Эта статья была впервые опубликована в Учебном центре devtodev: 9 СПОСОБОВ СДЕЛАТЬ ВАШ ПРОГНОЗ ДОХОДА БОЛЕЕ ТОЧНЫМ.