数分必备预测天花板的5种方法

当我们做某个产品功能、具体的策略优化、甚至是做一个新业务的时候,通常我们需要回答一个问题,即这个功能/策略/业务的天花板、上限到底有多高。目前的体量距离天花板还有多远,后续还有多少提升空间,以最终决策我们是否需要继续投入资源,投入多少资源以及判断预期收益。

针对这类预测天花板/上限的问题,一般有几种通用的思维方式和预测判断的分析方法。在面对不同的业务实际问题时可选择不同的分析方法作为参考。主要方法可分为:趋势拟合、演化、倒推、需求本质、类比法。

趋势拟合是我们最容易想到也最常用的方法,它通常和其他分析方法一起来搭配相互佐证。趋势拟合是根据现有的数据体量与增速进行拟合,同时综合考虑未来的可能变动因素以预测未来数据的增长情况。

但使用这种方法也有一些局限,趋势拟合更多的是基于历史已有的数据去预测未来,几乎无法预测意外变化;且它需要历史数据已经积累了足够多,时间也足够长,目前已能发现一些规律的变化以预测未来的趋势。我们需要不断地对齐拟合,拟合的越准则对业务的判断越准确,从而更容易在适当时候做出正确的决策。

演化则主要是基于子项拆解逻辑。假设我们要预测的是A,我们要对A的情况进行细分拆解,发现可以拆解为平行的子项B1、B2、B3等等。找到现状条件下的最优子项的值例如B2作为当前平行子项中理论上限值,然后再假设其它子项B1、B3最终都能达到、到B2这个上限值,最终得出整体的上限是B2*3。

用演化法需要注意,拆解下来的最优子项一定要有代表性且合理。例如我们需要预测一个家庭的收入上限,不要用学历最差的那个家庭成员来做最优子项,这样并不合理,也缺乏代表性。

一个用演化法的解法就是,可以了解目前现有各门店的状况,找出其中效益最高的分店B,然后我们假设某城的其他分店也都能达到分店B的体量,从而测算出在某城某连锁店的收入上限是多少。

倒推法主要是基于一定的逻辑去找到相同条件下理论上的最优情况,来作为目标上限值,此方法因需要限制条件相似所以比较依赖数据完整性。

一个用倒推法的解法就是,可以收集新开时装店的相关情况,可以用人货场的思路去枚举以找到相关指标。

例如附近流动/常驻人口数量、店面人口流动量、周边人均收入水平(购买力)、店铺成本、坪效、销售人员服务水平、周边竞品店面情况,以及以上指标相似情况下其它分店在第3个月时收入水平,从而获取在人-货-场等条件相似情况下,相似的其他时装店最高收入即是该时装店的理论收入上限。

另外一个通俗易懂的,小明是个大三在校生,他想预估毕业后他的收入天花板有多高。这时,他可以去找与他同个学校、同个专业、同个省份甚至家庭背景也较近似的学姐学长们聊,这样就可以对自己未来的收入天花板有个大致预估。

本文介绍的其他方法更多是偏向用数据来预测数据,但同时我们也可以从数据中抽离出来去看事物的本质。纵观整个人类发展史,就是把原来必须自给自足的事情交给一定程度的社会化分工来完成。

我们以分析外卖市场为例,在我们社会逐渐依赖社会化分工的大趋势中,吃饭/做饭这件事是还没有被社会化分工所取代的需求之一。

从需求端看,家庭的规模越来越小,也越来越多人选择独居生活,那么自己做饭这件事变得并不具备规模效应,吃饭这件事有被社会化分工取代的需求。

从供给端看,我国高人口密度使得外卖配送员一次可以带多份餐,此外智能手机的普及以及电车成本的低廉,导致我们具有高效的调度系统及低廉的维护成本。以上每一项优势都会导致外卖这项业务的市场空间的扩大,未来也会有越来越多的人将吃饭的需求移交给外卖。

需求本质分析法很适合当我们需要去思考一个新兴行业的终局以及创业机会选择时所用的分析方法。

最后是类比法,类比法的本质是用相近业态在他方市场的终局,来看我们作为新兴市场的未来。类比法与倒推法有些类似,本质区别在于类比法找的参照物是相同需求在他方市场的理论最优值,而倒推法聚焦在相似需求在我方市场的最优;

当我们想预测国内的中长视频市场的天花板,我们可以怎么做呢?一个类比法的思路是,我们可以通过youtube在海外市场的渗透率规模来预测国内的中长视频业务天花板。

我们还是以预测外卖业务天花板为例,当社会中自己做饭的规模效应越来越小后,人们会越来越多使用社会化分工来解决餐饮需求,那么具体这部分的市场体量可以占到多少呢?

还是可以用类比法的思路,我们可以参考日本。日本针对日常餐饮的社会化分工解决方案是便利店食品,且这一文化习惯已经相当成熟,所以我们可以参考日本便利店的市场体量及渗透率来预测我们自己外卖的市场规模天花板。

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注