Имя материала: Маркетинговое исследование: информация, анализ, прогноз

Автор: И. К. БЕЛЯЕВСКИЙ

5.2. изучение и прогнозирование покупательского спроса

 

Основной проблемой стратегического анализа рынка является исследование закономерностей состояния и развития рынка, и прежде всего покупательского спроса. Разработка маркетинговой стратегии товарного производства и сбыта товара остро нуждается в научно обоснованных предсказаниях перспектив развития рынка. Каким будет спрос? Будет ли он расти или падать? Эти вопросы задают себе все предприниматели. Сухой язык статистики бесстрастно переводит их: каковы были объем, структура и уровень спроса в истекшем периоде, какие факторы определили данное состояние спроса, каковы вектор и скорость их изменения в последующие годы?

Как в оперативной маркетинговой деятельности, так и в разработке стратегии маркетинга на длительную перспективу предприятие, занимающееся производством или продажей товаров, ориентируется на потребности рынка, т.е. в конечном счете на покупательский спрос. Следовательно, прогноз спроса - главная цель стратегического анализа.

Подпись: Покупательский спрос, как концентрированное денежное воплощение по-требностей, является важнейшим стратегическим ориентиром маркетинга фирмы на перспективу.

Если в конъюнктурном анализе оценки состояния или изменения спроса использовались главным образом для характеристики степени сбалансированности рынка, а также в качестве предупреждающей информации, то в стратегическом анализе оценки спроса и прогнозы его дальнейшего развития рассматриваются как основа плановых/стратегических моделей перспектив сбыта/ продажи товаров и получения прибыли. Естественно, прогнозы спроса являются важнейшим критерием целесообразности инвестиций в производство товаров.

Напомним, что спрос до момента обмена товара на деньги существует лишь в представлении потребителей, в виде идеи покупки товара, подкрепленной сознательным или подсознательным подсчетом обеспеченности своих потребностей располагаемыми или ожидаемыми денежными средствами. Этот сложный экономико-психологический процесс находит свое завершение и воплощение на рынке: покупатель спрашивает товар и предлагает деньги, а продавец или отпускает товар, принимая взамен деньги, или отказывает по причине отсутствия товара (сделка купли-продажи может не состояться и в том случае, когда покупателя не устраивает качество предлагаемого товара).

В результате возникают две экономические категории: товарооборот (объем проданных/купленных товаров) и неудовлетворенный спрос. Товарооборот (продажа товаров потребителям) можно рассматривать как удовлетворенный спрос. Оценка неудовлетворенного спроса начинается в ходе конъюнктурного анализа на основе отчетов торговых корреспондентов. Причины, по которым спрос не удовлетворен, выявляются путем опросов потребителей. Соотношение удовлетворенного и неудовлетворённого спроса оценивается экспертным путем. На рынке покупателя, где отсутствует само понятие дефицита, размер неудовлетворенного спроса обычно сводится к минимуму. Из этого можно сделать очень важный для стратегического анализа вывод: по данным о товарообороте можно судить о закономерностях спроса.

Источником информации о товарообороте всей торговли являются статистическая отчетность и другие данные статистических органов. Параллельно каждое торговое предприятие должно вести строгий учет количества проданных товаров и в соответствии с продажными ценами - учет продажи в стоимостных единицах. В целях анализа полезно собрать данные, отражающие влияние различных факторов на спрос. Такую информацию, в частности, как правило, содержат панели потребителей или предпринимателей/менеджеров. Определенную пользу могут принести опросы руководителей предприятий, В ряде случаев целесообразно прибегать к экспертным исследованиям.

В стратегическом маркетинговом анализе выдвигаются три основные задачи:

• определение долговременных (стратегических) тенденций изменения покупательского спроса/товарооборота;

• выявление и моделирование влияния комплекса факторов на динамику покупательского спроса/товарооборота;

• прогнозирование покупательского спроса.

Разработка стратегических трендовых моделей имеет ряд особенностей. Во-первых, должна быть обеспечена надежная долговременная информационная база расчета; во-вторых, необходимо исключить внутригодовые сезонные и другие малые цикличные колебания, а также нерегулярные колебания; в-третьих, допускается осуществление экстраполяции, которая при соблюдении определенных правил может рассматриваться как предварительный прогноз.

Выбор функции для трендовой модели обусловлен характером динамического ряда, т.е. вектором развития спроса, скоростью его развития и колеблемостью эмпирических данных. В 3.2.4 приведены формулы основных функций, по которым строятся модели тренда.

Однако в стратегическом анализе важно не столько определить тенденцию спроса, сколько оценить степень и характер влияния тех факторов, которые обусловливают его изменение. На рис. 5.4 перечислены лишь наиболее важные и поддающиеся формализации факторы.

 

 

Рис. 5.4. Схема блок-факторов, оказывающих влияние на

               покупательский спрос

 

В блок социально-демографических факторов входят: численность населения (в целом и по территории страны, уровень урбанизации, сальдо миграции, плотность и прогнозы численности населения);

половозрастная структура населения (группировка населения по полу и возрасту);

социальная структура населения (распределение по классам и социальным группам, денежному доходу и сбережениям, национальному признаку, образованию, конфессиональной принадлежности и т.п.);

• число и состав семей (их общее число, средний размер семьи, распределение по количеству детей, число браков и разводов, показатели жизненного цикла семей);

• жилищные условия населения (обеспеченность жилой площадью и доля семей, имеющих отдельные квартиры, в целом и по социальным группам населения, качественные признаки структуры жилищ).

Рост численности населения при прочих равных условиях приводит к возрастанию спроса за счет увеличения числа потребителей. Оценить его роль в динамике спроса позволяет факторная динамическая модель товарооборота, аддитивная форма которой рассмотрена в 5.1 (см. формулы 5.3-5.5). Мультипликативная форма этой модели приведена ниже (стоимостные показатели уже пересчитаны в сопоставимые цены):

 

                            (5.7)

 

Данная модель позволяет определить, какую роль в динамике спроса/товарооборота играет скорость изменения численности населения (этот фактор можно считать экстенсивным в отличие от фактора увеличения покупок на душу, являющегося интенсивным). Оба этих фактора могут иметь противоположные векторы изменения, т.е. товарооборот на душу населения может расти, а численность населения - сокращаться. И наоборот, сокращение интенсивного фактора не исключает увеличения экстенсивного. В нашем примере (см. исходные данные в табл. 3.20; расчет в сопоставимых ценах) оба вектора имеют одно и то же напоавление:

                                                       (5.8)

Эта модель интерпретируется следующим образом: рост объема проданных товаров (общий объем удовлетворенного спроса) на 45,5\% обусловлен ростом покупок на душу населения на 36,9\% (индивидуальный уровень удовлетворенного спроса, определяющий уровень потребления) и увеличением численности населения (числа потребителей) на 6,3\%.

Одновременно на спрос влияют сдвиги в демографической структуре, особенно в распределении населения по доходу. Это влияние может быть выявлено с помощью индексной модели переменного и фиксированного состава, в которую входит индекс структурных сдвигов. В окончательном виде данная модель принимает следующий вид:

 

                                       (5.9)

 

где       D0 и D1 - средний по всем группам населения товарооборот на душу (соответственно

                             в базисном и текущем периодах);

   Di0 и Di1 - товарооборот/покупки на душу i-й группы населения (соответственно в

                    базисном и текущем периодах);

    S¢i0 и S¢i1 - структура населения (возрастная, социальная и т.п.), удельный вес i-й

                      группы населения в общей численности (в процентах) соответственно

                     в базисном и текущем периодах;

   n - число i-х групп населения;

   ID - индекс товарооборота на душу населения (в среднем по всей совокупности

          населения);

   IDi - «чистый» индекс товарооборота на душу населения в неизменной структуре

          товарооборота;

   Iстр.S - индекс влияния структуры населения на динамику товарооборота на душу

              населения (индекс демографической структуры).

 

Пример. В табл. 5.4 приведены данные о социальной структуре населения и покупках на душу населения в каждой группе (цифры условные).

Таблица 5.4

Социальная структура населения и покупка товаров на душу

населения (в среднем за месяц)

 

 

 

Группы населения по уровню дохода

Численность населения, \% к итогу

Товарооборот/ покупка на душу населения, руб. на 100 чел.

Расчетные показатели товарооборота, руб, на 100 чел.

в базисном периоде

в текущем периоде

в базисном периоде

в текущем периоде

Di0 S¢i0

Di1 S¢i1

Di0 S¢i1

S¢i0

S¢i1

Di0

Di1

1

2

3

4

5

6

7

Высокообеспеченные

6

7

2500

2500

15000

17500

15000

Среднеобеспеченные

40

17

540

500

21600

13500

20000

Низкообеспеченные

54

66

200

170

10800

11220

9180

По всей совокупности

100

100

474

422

47400

42220

44180

 

Проверка правильности расчета:

 

1,001×0,932 = 0,933.

 

В данном примере средний товарооборот на душу населения сократился на 6,7\%. Однако это сокращение вызвано сдвигами в социальной структуре населения (на 6,8\%). Если бы структурных изменений не было, то в неизменной демографической структуре товарооборот на душу населения не уменьшился, а, наоборот, увеличился. Правда, прирост крайне незначительный: всего на 1\%.

Другим эффективным методом выявления влияния факторов на динамику спроса являются группировки. Этот статистический метод, состоящий в расчленении совокупности на однородные группы по какому-либо признаку, в маркетинге встречается в форме сегментации рынка., В 5.1 мы использовали группировку для того, чтобы обнаружить зависимость уровня и структуры спроса от социальной структуры населения (табл. 5.2). Такая группировка относится к классу аналитических и широко используется в анализе факторов.

В качестве группировочного признака можно взять не только статичные величины (на какой-то момент или за какой-то период), но и динамические показатели. Так, чтобы выяснить, каким образом темпы продажи/покупки товаров зависят от изменения численности населения, следует сгруппировать регионы по данному признаку и рассчитать для каждой группы средний темп роста продажи товара (рис. 5.5).

Данные свидетельствуют: рост численности населения представляет собой фактор динамики спроса.

Наиболее результативными с точки зрения изучения и прогнозирования спроса являются методы корреляции и регрессии. Существует ряд условий и ограничений применения корреляционно-регрессионных методов. Прежде всего, необходимо удостовериться, что исследуемая совокупность однородна, ее объем должен быть достаточно велик, вариация изучаемых признаков должна носить стохастической, вероятностной характер, а не быть детерминированной. Имеется еще ряд ограничений, не всегда соблюдаемых на практике.

Таблица 5.5

Группировка регионов по темпам роста численности населения

за пятилетие (цифры условные)

 

Группы регионов по темпам роста численности населения, \% к базисному уровню

Число регионов, \% к итогу

Средний по группе темп роста продажи продуктов питания, \% к базисному уровню

До 90

7

82

90,0 - 99,9

18

89

100,0 - 109,9

42

97

110,0- 119,9

19

106

120,0 - 129,9

9

114

130,0 и выше

5

128

По всем регионам

100

99

 

Корреляция (англ. correlation - соотношение, взаимосвязь) - зависимость результативного признака от одного или нескольких факторных (экзогенных) признаков, тесноту связи между которыми позволяет выявить корреляционный анализ. Для этой цели используется ряд показателей.

При линейной форме связи целесообразно использовать линейный коэффициент корреляции, который рассчитывается по следующей формуле:

                                                                                (5.10)

где     ху̅ - среднее значение произведения факторного признака на результативный;

х̅ и y̅ - среднее значение соответственно факторного и результативного признаков:

sx и sy - среднеквадратические отклонения соответственно для факторного и

               результативного признаков.

 

При нелинейной форме связи используют корреляционное отношение, или индекс корреляции:

 

                                                                             (5.11)

 

где   s2ост  - остатостаточная дисперсия, определяемая по формуле

 

                                                                    (5.12)

 

где      уi - значение i-го признака;

 ух - значение выровненного результативного признака;

  n - число i-х единиц в совокупности.

 

В множественной корреляции, когда на результативный признак влияет несколько факторных признаков, показатель тесноты связи, индекс корреляции (Ryx1, x2,…xn) строится по аналогичной формуле. Только в остаточной дисперсии отражено влияние всех факторов:

                                        (5.13)

 

Теснота связи тем меньше, чем ближе ее показатель к 0, и тем сильнее, чем ближе ее показатель к 1.

Регрессионный анализ - способ моделирования характера и силы влияния факторного признака/признаков на результативный признак:

                                                                                    (5.14)

Форма зависимости в соответствии с характером изменения результативного признака может быть линейной или нелинейной. Нелинейная функция может быть линеаризована (приведена к линейному виду с помощью логарифмирования). Чаще других в маркетинге используются следующие уравнения регрессии (табл. 5.6).

В практике статистического исследования и прогнозирования покупательского спроса по различным видам продуктов и услуг используются различные типы моделей, наиболее соответствующие характеру и закономерностям развития данного рынка. Выбор функции зависит от результата предварительных исследований (в частности от разведочного исследования и конкретной рыночной ситуации). У каждого вида товара свои особенности развития спроса, его реакции на маркетинговые действия и влияние макросреды.

Таблица 5.6

Функции, используемые при моделировании влияния факторов

на покупательский спрос

     

 

В.мировой практике довольно широко используют формулы Торнквиста, причем 1-го типа - для моделирования спроса на продукты питания, а 3-го типа - для моделирования спроса на предметы роскоши. Спрос ряда непродовольственных товаров аппроксимируется степенной функцией, или экспонентой (особенно на активных этапах жизненного цикла товаров). Общие закономерности спроса нередко отражаются кривой Гомперца. При изучении влияния фактора дохода на спрос может быть использована логистическая (сигмоидальная) кривая. Процесс затухания роста спроса по мере перехода к группам населения с высоким доходом удачно отражается полулогарифмической функцией.

Рассмотрим пример (условный) зависимости доли непродовольственных товаров в покупках семьи от дохода на душу населения. В соответствии с законом Энгеля, чем больше доход в семье, тем больше доля покупок непродовольственных товаров. При этом рост доли не пропорционален увеличению дохода, а отстает от него. Предположим, что это замедление можно смоделировать уравнением регрессии полулогарифмической функции (см формулу 5.16).

Прежде всего построим таблицу для расчета параметров уравнения и корреляционного отношения. Сложные модели строят с помощью ПЭВМ и пакетов прикладных программ, более простые - используя систему нормальных уравнений (для линейных и линеаризованных уравнений, а также для полиномов любой степени). Как правило, вручную больше трех нормальных уравнении для параболы 2-го порядка не строят. Нам потребуется система из двух уравнений:

                                                       (5.15)

Рабочая таблица строится таким образом, чтобы располагать показателями и данными, необходимыми для расчета корреляционного отношения (табл. 5.7).

По данным, приведенным в табл. 5.7 (итоги гр. 2-6), построена система нормальных уравнений:

Решив данную систему, определяем параметры следующего уравнения регрессии, отражающего зависимость доли непродовольственных товаров в общем объеме покупок товаров семьей от дохода в расчете на одного члена семьи:

                                               

 

Подставляя значения логарифма факторного признака, заполняем гр. 8 таблицы (равенство ее итога с итогом гр. 3 свидетельствует о точности расчета). После этого производится последовательный расчет гр. 9 (разность гр.З и гр. 8 возводится в квадрат). Итог гр. 9 делится на число групп в таблице, в результате получена остаточная дисперсия: s2ост = 1,55488. Общая дисперсия результативного признака определяется по формуле (средняя квадрата результативного признака минус квадрат его средней):

Это означает очень высокую степень тесноты связи. Квадрат корреляционного отношения (коэффициент детерминации), равный в нашем примере 0,970, показывает, что 97\% вариации результативного признака объясняется изучаемым фактором (доходом) и только 3\% остается на долю случайных воздействий.

Рассчитанные данные позволяют определить правильность выбора функции для построения модели. Рассчитывается среднеквад-ратическое отклонение эмпирических данных от теоретической линии как корень квадратный из остаточной дисперсии. В нашем примере оно составляет 1,247. Исчислив его процентное отношение к среднему значению результативного признака, получим коэффициент аппроксимации:

Коэффициент аппроксимации очень близок к 0, что подтверждает правильность выбора функции. На рис. 5.5 графически отражена зависимость структуры покупок от дохода.

 

 

Рис. 5.5. Зависимость структуры покупок от дохода

 

Мы получили очень эффективный инструмент анализа закономерностей спроса. Однако в реальности на спрос оказывает влияние одновременно не один, а комплекс факторов ( рис. 5.5), что выявляется с помощью множественной корреляции и регрессии.

Чаще всего применяют линейную форму множественной регрессии:

                                    (5.17)

 

Если же характер множественной связи явно нелинейный, то чаще всего прибегают к использованию линеаризованных форм степенной и показательной функций.

 

Модели множественной регрессии определяются на компьютерах с помощью пакетов прикладных программ. Одновременно рассчитываются коэффициенты множественной корреляции и детерминации. Большинство программ позволяют также рассчитать частные коэффициенты корреляции, отражающие «чистое» влияние только одного выбранного фактора и исключающие влияние всех остальных. Кроме того, рассчитываются так называемые бета-коэффициенты, дающие возможность сравнивать между собой силу влияния каждого фактора.

Очень интересные результаты в маркетинговом исследовании может дать один из методов многомерной статистики - кластерный анализ. В результате применения достаточно сложных действий (выполняемых на компьютере с использованием пакета прикладных программ) образуются группы качественно однородных единиц - кластеров, сформированные не по одному, а по совокупности факторов. В частности, этот метод применяется в региональном анализе и в процессе сегментации рынка. Приведем пример кластеризации регионов России за 1995 г. по признаку валового регионального продукта на душу населения, выполненный Н.В. Хорошиловой в своей кандидатской диссертации (таблица 5.8 дана с некоторыми изменениями).

Таблица 5.8

Кластеризация регионов России

 

Группы регионов по уровню валового

регионального продукта

(ВРК)

 

Регионы,

вошедшие в группу*

 

 

Средний уровень доходов на душу населения,

тыс оуб

 

Средний товарооборот

на душу насе-

ления,

тыс. руб.

Средняя рентабельность розничных торговых

предприя-

тий, \%

 

С высоким

ВРК

 

 

 

 

 

 

Тюменская обл., Респ. Саха,

гг. Москва, С.-Петербург,

Респ. Коми, Вологодская обл.,

Красноярский кр., Чукотский авт. окр., Самарская, Мурманская, Камчатская,  Магаданская, Свердловская, Пермская, Иркутская, Томская, Кемеровская, Липецкая, Сахалинская,  Ярославская, Омская, Нижегородская обл., Хабаровский кр., Респ. Татарстан и Башкорстан.

 

 

 

 

 

 

 

979

 

 

 

 

 

 

 

421

 

 

 

 

 

 

 

19,9

 

Со средним ВРК

 

 

 

 

 

 

 

 

 

 

Архангельская, Челябинская, Белгородская, Новосибирская, Оренбургская, Амурская, Рязанская, Читинская, Ленинградская, Саратовская, Калужская, Костромская,

Волгоградская, Московская, Кировская, Ульяновская, Курская, Тверская, Тульская, Смоленская обл., Ставропольский и Приморский кр., Респ. Хакасия, Бурятия, Удмуртская Респ.

 

 

 

 

 

 

 

 

 

 

547

 

 

 

 

 

 

 

 

 

 

282

 

 

 

 

 

 

 

 

 

 

19,6

 

 

                                                                                                                                Продолжение табл. 5.8

 

Группы регионов по уровню валового

регионального продукта

(ВРК)

 

Регионы,

вошедшие в группу*

 

 

Средний уровень доходов на душу населения,

тыс оуб

 

Средний товарооборот

на душу насе-

ления,

тыс. руб.

Средняя рентабельность розничных торговых

предприя-

тий, \%

С низким

ВРК

 

 

 

 

 

 

 

 

 

 

 

 

Орловская, Владимирская, Ростовская, Новгородская, Курганская, Калининградская, Астраханская, Псковская, Брянская, Ивановская, Тамбовская, Пензенская обл., Краснодарский и Алтайский кр., Еврейская авт. обл., Чувашская респ., Респ. Мордовия,

Марий-Эл, Алтай, Адыгея, Кар.-Черкесская, Северная Осетия - Алания, Тыва, Кабардино-Балкарская, Калмыкия, Дагестан,

Ингушетия.

 

 

 

 

 

 

 

 

 

 

 

 

 

436

 

 

 

 

 

 

 

 

 

 

 

 

 

205

 

 

 

 

 

 

 

 

 

 

 

 

 

19,3

* Ввиду отсутствия данных не включена Чеченская Республика.

 

Подпись: Прогнозирование развития рынка, в первую очередь покупательского спроса, - это научно обоснованное предсказание изменений спроса и других параметров в бу-дущем на основе изучения причинно-следственных связей, тенденций и закономер-ностей.При всей важности определения факторов, влияющих на рынок, эта задача стратегического анализа не является основной. Она скорее служебная, обеспечивающая главную цель стратегического анализа - прогнозирование развития рынка как на ближайшую, так и на отдаленную перспективу. Прогнозирование спроса закладывается в основу оперативного и стратегического планов маркетинга, представляя собой первый, исходный этап разработки товара, планирования сбыта и продажи товаров. В процессе прогнозирования смыкаются оперативные, конъюнктурные прогнозы и прогнозы стратегического характера. Они должны быть увязаны и вытекать один из другого. Поэтому вопросы прогнозирования рассматриваются в данной главе, а не в гл. 4, посвященной конъюнктурному анализу.

 

В зависимости от охвата объектов исследования прогноз может быть глобальным, региональным, локальным (системным), т.е. охватывать весь рынок страны, осуществляться в границах определенного региона, а также охватывать локальный рынок отдельной фирмы. Он в состоянии рассматривать рыночную ситуацию в целом, или же его предметом явится рынок отдельного товара. Каждая из этих задач может быть самостоятельной и выполняться на разных уровнях: фирмы, региональной администрации, федерального правительства.

Прогнозы рыночного развития различаются по протяженности сроков предсказания. В теории прогнозирования принято деление на следующие виды прогноза:

• предупреждающий (конъюнктурный) - на неделю, декаду, половину месяца;

• оперативный - месяц, квартал, полугодие;

• краткосрочный - на год;

• среднесрочный - до пяти лет;

• долгосрочный, или перспективный, - от пяти лет и более, как правило, не более 10 - 15 лет.

Прогнозы могут быть точечными (когда результат выражается в виде одного уровня), интервальными (результат варьирует в определенных пределах) и многовариантными (результат предлагается в виде нескольких вариантов развития). Точность прогноза зависит от:

• надежности и полноты информации о рыночных процессах и факторах, определяющих их уровень и развитие;

• степени устойчивости рынка и экономики в целом (чем устойчивее рынок, тем меньше степень надежности прогноза);

• адекватности прогнозной модели (т.е. от выбора вида функции, по которой строятся модели, от степени аппроксимации ею эмпирических данных);

• технической вооруженности прогноза (от применяемой компьютерной технологии, качества прикладных программ, алгоритмов и т.п.).

Существуют различные приемы и методы прогнозирования. В маркетинге нередко находят применение аналоговые модели, когда в качестве прогноза рассматриваются благоприятные показатели рыночной ситуации в том или ином регионе (стране), или опыт какой-либо процветающей фирмы, которую берут в качестве образца. Этот метод обычно используется, когда фирма следует стратегии «гонки за лидером».

Также прибегают к имитационным моделям., когда вместо реальных данных используются построения, созданные по специальной программе с помощью ЭВМ на основе полевых исследований или пробного маркетинга. Данный метод применяется, когда фирма обладает апробированными имитационными моделями.

Редко используются нормативные или рационализированные прогнозные расчеты, например проистекающие из рационального бюджета или рациональных рекомендуемых норм потребления. Во-первых, не всегда существуют достаточно надежные, устойчивые нормативы. Например, в России на пороге XXI в. не решен окончательно вопрос о потребительской корзине и прожиточном минимуме. Часто этот метод субъективен, он мало подходит для рыночной экономики, его скорее можно рекомендовать для рынка товаров производственного назначения, где большую роль играют производственно-технические нормативы и прочие детерминанты, чем для изменяющегося стохастически потребительского рынка, где потребности проявляются в форме статистических закономерностей.

Наиболее простым статистическим способом прогноза является экстраполяция, т.е. распространение тенденций, сложившихся в прошлом, на будущее. Для этой цели используются трендовые модели (см. формулы 3.18 и 3.19). Однако применение этого способа ограничено краткосрочными прогнозами, преимущественно в конъюнктурном анализе. Он дает хорошие результаты, когда можно утверждать, что нет резких изменений в рыночной ситуации и инерционность развития весьма вероятна. Надо всегда помнить, что любой прогноз на будущее опирается на закономерности развития, выявленные в прошлом. Это закон гносеологии.

Более глубокий прогноз, особенно на отдаленный период, должен максимально принимать во внимание вероятность изменения услов

Страница: | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 |

гадалка отворот