VII Международная студенческая научная конференция Студенческий научный форум - 2015

Аннотация:В данной статье освещена сезонность и ее влияние на проведение рекламных кампаний на телевидении. В ходе исследования были проанализированы данные продаж рекламы телеканала "М24".

Abstract:This article highlights the seasonality and its impact on advertising campaigns on television. Thestudyanalyzeddataadvertisingsaleschannel "M24".

В процессе математического моделирования экономических явлений и объектов часто возникает необходимость оценки существующих колебательных процессов. Под сезонными колебаниями понимают более или менее устойчивую закономерность внутригодовой динамики социально-экономических явлений. Их причинами являются особенности товарного предложения, покупательского спроса, изменения затрат в зависимости от изменения климатических условий в разные временные промежутки рассматриваемого периода и пр. Практическое значение изучения сезонных колебаний состоит в том, что получаемые при анализе рядов внутригодовой динамики количественные характеристики отображают специфику развития изучаемых явлений по месяцам годового цикла.

В данной статье освещена сезонность и ее влияние на проведение рекламных кампаний на телевидении. Актуальность данной темы особо подчеркивает тот факт, что некоторые менеджеры запускают рекламные кампании без предварительного применения сезонного фактора и в результате тратят рекламные бюджеты впустую.

При планировании рекламных компаний следует учитывать наличие сезонного фактора. Влияние сезонности проявляет себя как правило во всплесках и падениях активности со стороны потребителей. Задача рекламного менеджера просчитать период возможного всплеска и нацелить всю мощь рекламы именно на него.

Актуальная финансовая отчетность по проведенным рекламным кампаниям за 2012-2014 гг. была предоставлена ОАО "ММедиа". Отчетность 2012 - 2014 года экспортирована в формате Excel, что делает её удобной для фундаментального эконометрического анализа. В отчете представлены ежемесячные доходы компании (табл.1).

Месяц	Ежемесячное размещение рекламы на канале "М24", млн. руб
	2012	2013	2014
Январь	11,8	12	13,1
Февраль	11,3	11,6	11,9
Март	10,7	11,5	11,7
Апрель	10,3	10,9	11,4
Май	9,5	10,1	10,8
Июнь	9,2	9,6	10,5
Июль	8,8	9,4	10,3
Август	9,1	9,3	10,3
Сентябрь	9,9	10,1	11,6
Октябрь	10,5	10,9	12,3
Ноябрь	12,6	13,8	15,4
Декабрь	14	15,5	17

Таблица 1. Ежемесячные доходы компании за 2012 - 2014 гг.

Определим наличие компоненты сезонности. Ряд можно считать несезонным, если при рассмотрении его внешнего вида нельзя сделать предположений о повторяемости формы кривой через равные промежутки времени.

Рисунок 1. Исходные данные представленные в табл.1.

В результате расчетов в качестве лучшей выбрана авторегрессионная интегрированная модель скользящего среднего, сокращенно АРИСС (1, 1, 1).

Модель	Адекватность	Точность	Качество
Y(t)= +10.857+0.00000000000000*t**11	0,03	0,00	0,01
Метод Брауна(+0.300)	46,84	58,01	55,22
Метод Хольта(+0.200, +0.200)	45,49	0,00	11,37
Гармонических весов	45,21	75,60	68,00
Метод эволюции (модель Хольта)	40,69	0,00	10,17
АР(1, 1)	54,95	57,68	57,00
АРИСС(1, 1,1)	79,03	70,45	72,60
ОЛИМП(1, 1)	63,73	73,92	71,37
Лучшая модель АРИСС(1, 1,1)

Таблица 2. Характеристики базы моделей.

Модель	a1	a2
АРИСС(1, 1,1)	0,14	-0,71

Таблица 3. Параметры модели.

Упреждение	Прогноз	Нижняя граница (p = 85%)	Верхняя граница (p = 85%)
1	16,73	14,83	18,63
2	16,95	14,37	19,52

Таблица 4. Прогноз объема продаж, границы доверительного интервала.

Рисунок 2.Прогнозирование объема продаж по модели АРИСС (1, 1, 1).

Характеристика	Значение
Среднее значение	0,00
Дисперсия	1,10
Приведенная дисперсия	1,17
Средний модуль остатков	0,70
Относительная ошибка	5,87
Критерий Дарбина-Уотсона	2,05
Коэффициент детерминации	0,70
F - значение ( n1 = 1, n2 = 32)	76,30
Критерий адекватности	79,03
Критерий точности	70,45
Критерий качества	72,60
Асимметрия	-0,69
Эксцесс	1,97
Гипотеза о среднем	0,00
Гипотеза о гетероскедастичности	0,00
Гипотеза о случайности	0,00
Гипотеза о нормальности	1,00
Гипотеза о независимости	0,00

Таблица 5. Характеристика остатков.

Согласно полученным данным модель адекватна по критерию серий и критерию независимости остатков. Так же не отвергается гипотеза об отсутствии гетероскедастичности остатков.

Расчетное значение критерия Дарбина-Уотсона означает, что гипотеза об отсутствии автокорреляции остатков не отклоняется на уровне значимости 0,15. Это является одним из подтверждений высокого качества модели.

Таким образом, удалось спрогнозировать значения объемов продаж исследуемой компании. Очевидно, что при анализе показателей размещения рекламы на телеканале «М24» необходимо учитывать сезонность. Данную модель можно использовать и на других предприятиях при проведении финансового анализа и прогнозировании прибылей.

Список литературы:

1. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. М.: Высшая школа, 1997.;

2. «Статистические методы прогнозирования в экономике», Т.А. Дуброва, Москва, 2007г.;

3. Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование. / учебное пособие для студентов высших учебных заведений, обучающихся по специальности "Статистика" и другим экономическим специальностям / Москва, 2011. Сер. Вузовский учебник (3-е издание, переработанное и дополненное);

4. Эконометрика: учебник для магистров / под ред. И.И. Елисеевой. – М.: Издательство Юрайт, 2012.;

5. Турундаевский В.Б. Компьютерное моделирование экономико-математических методов / Международный журнал прикладных и фундаментальных исследований. 2014. № 1-2. С. 229-230.

Код для цитирования: Скопировать