8 Methoden zur Verkaufsprognose: Ein definitiver Leitfaden

Sujan Patel

• 30.09.2022

Wie viele Leads müssen wir generieren, um unsere Ziele zu erreichen? Müssen wir mehr Vertriebsmitarbeiter einstellen, um unseren Umsatz zu steigern? Wie viel Umsatz wird dieses neue Produkt generieren? Dies sind alles wichtige Fragen, bei deren Beantwortung Verkaufsprognosemethoden Ihrem Unternehmen helfen können.

Verkaufsprognosen sind entscheidend für den Erfolg eines Unternehmens und helfen Führungskräften, kluge Entscheidungen zu treffen, wenn es um die Festlegung von Verkaufszielen , die Einstellung von Mitarbeitern, die Einführung neuer Produkte und die Budgetierung für das kommende Quartal oder Jahr geht.

In diesem Leitfaden behandeln wir Best Practices für Verkaufsprognosen und acht verschiedene Methoden sowie die jeweiligen Vor- und Nachteile.

• Kapitel
• 01 Was ist Verkaufsprognose?
• 02 Warum sind Verkaufsprognosen wichtig?
• 03 8 Absatzprognosemethoden
• 04 Best Practices für Verkaufsprognosen
• 05 Häufige Fehler bei der Verkaufsprognose
• 06 Häufig gestellte Fragen
• 07 CRM-Systeme für Absatzprognosen

Was ist Verkaufsprognose?

Verkaufsprognosen sind ein datengestützter Prozess, der prognostiziert, wie viel Umsatz ein Unternehmen in einem bestimmten Zeitraum machen wird – z. B. auf wöchentlicher, monatlicher, vierteljährlicher oder jährlicher Basis, je nach Bedarf des Unternehmens.

Verkaufsprognosen berücksichtigen verschiedene Faktoren wie historische Daten, Wirtschafts- und Branchentrends und die bestehende Verkaufspipeline eines Unternehmens. Im Wesentlichen besteht das Ziel einer Umsatzprognose darin, diese Fragen zu beantworten: Wie viel Geld wird ein Unternehmen verdienen? Und wann werden diese Einnahmen erwartet?

Verkaufsprognosen können Unternehmen dabei helfen, strategische Pläne zu erstellen; Sie sind jedoch keine felsenfesten Projektionen. Genau wie Wettervorhersagen sind Umsatzprognosen nicht zu 100 % genau und können unter- oder überschätzt werden. Daher ist es wichtig zu verstehen, dass sie aufgrund von Märkten, wirtschaftlichen Trends und Unternehmensveränderungen wie Entlassungen oder Einstellungen schwanken.

Warum ist Verkaufsprognose wichtig?

Bei Verkaufsprognosen geht es darum, Unternehmen dabei zu helfen, strategisch für die Zukunft zu planen, indem sie Folgendes bestimmen:

• Interne Budgets : Umsatzprognosen helfen sicherzustellen, dass Teams und Unternehmen im Allgemeinen innerhalb ihres Budgets für das Quartal/Jahr bleiben.
• Wachstumsraten : Ein Gefühl dafür zu haben, wohin sich Ihr Unternehmen bewegt, macht es einfacher, Ihre Verkaufsquote zu erreichen und diese Ziele sogar zu übertreffen.
• Einkauf und Vorbereitung der Lieferkette : In der Lage zu sein, Verkaufszahlen zu prognostizieren und zu verstehen, wie Saisonalität sie beeinflusst, kann Ihrem Unternehmen helfen, Inventar richtig einzukaufen.
• Einstellung und Kapazitätsplanung : Hohe Verkaufszeiten bedeuten, dass Sie möglicherweise mehr Personal benötigen; Ausfallzeiten können Entlassungen bedeuten. Verkaufsprognosen können Ihnen bei der entsprechenden Planung helfen.
• Verkaufs- und Partnerstrategien : Verkaufsprognosen schaffen Mehrwert im gesamten Unternehmen und helfen Ihnen, sich intern auf den Verkauf vorzubereiten und Partnerschaften richtig zu planen.

Für Privatunternehmen hilft die Umsatzprognose Mitarbeitern und Führungskräften, Vertrauen in ihr Geschäft zu gewinnen. Andererseits hilft die Umsatzprognose börsennotierten Unternehmen, an Glaubwürdigkeit auf dem Markt zu gewinnen.

8 Methoden zur Verkaufsprognose

Obwohl es eine Reihe verschiedener Prognosemethoden gibt, fallen die meisten unter zwei Oberkategorien: quantitativ und qualitativ.

• Quantitative Prognosen : Diese Prognosen verfolgen einen datenbasierten Ansatz zur Umsatzprognose und stützen sich auf historische Daten vergangener Verkaufserlöse, um zukünftige Trends vorherzusagen. Quantitative Prognosen können sowohl einen Bottom-up- als auch einen Top-down-Ansatz verfolgen. Bottom-up-Ansätze vergleichen einen bestimmten Zeitraum mit dem gleichen Zeitraum des Vorjahres und schlagen auf der Grundlage dieses Vergleichs Wachstumssteigerungen vor. Quantitative Top-down-Ansätze berücksichtigen Marktinformationen und verschiedene andere Faktoren, um eine Prognose zu erstellen.
• Qualitative Prognosen : Diese Prognosen sind eher subjektiver Natur und beruhen auf den Meinungen von Vertriebsmitarbeitern, Führungsteams und anderen Marktvariablen, um den Umsatz zu prognostizieren. Qualitative Prognosen sind in der Regel die einfachste Prognosemethode für ein Unternehmen, sie ist jedoch auch mit einem gewissen Grad an Fehlern behaftet, da sie sehr subjektiv ist.

Opportunity-Phasen-Prognose

Die Prognose der Opportunity-Phasen basiert auf der Chance, zukünftige Geschäfte oder Verkäufe abzuschließen, die Sie in Ihrer Pipeline geplant haben.

Die meisten Unternehmen unterteilen ihre Verkaufspipeline in die folgenden Phasen:

• Perspektiven
• Qualifiziert
• Vorschläge
• Schließen
• Gewinne/Verluste

Nehmen wir an, Sie haben potenzielle Kunden im Wert von 1.500 USD, von denen normalerweise 10 % abgeschlossen werden. Dann haben Sie in der Angebotsphase 2.000 USD, für die Sie normalerweise 3/4 Ihrer Verkäufe abschließen würden Angebote für diesen bestimmten Zeitraum.

Vorteile

• Einfach zu verwenden
• Kann mit CRM-Programmen gekoppelt werden
  

Nachteile

• Berücksichtigt nicht die Subjektivität von Verkaufsgeschäften
• Ohne Input von Vertriebsmitarbeitern nicht genau

Prognose der Länge des Verkaufszyklus

Die Umsatzdauerprognose bewertet den Umsatz basierend auf dem Alter des Deals.

Um mit dieser Methode zu berechnen, verwenden Sie die Gesamtzahl der Tage, die zum Abschluss aller kürzlich abgeschlossenen Geschäfte benötigt wurden, und dividieren Sie diese dann durch die Gesamtzahl der abgeschlossenen Geschäfte.

Angenommen, Ihr Unternehmen hat kürzlich sechs Geschäfte abgeschlossen:

• Angebot 1: 60 Tage
• Angebot 2: 65 Tage
• Deal 3: 44 Tage
• Deal 4: 52 Tage
• Deal 5: 31 Tage
• Angebot 6: 49 Tage

Sie würden dann die Gesamtzahl der Tage (301) durch sechs teilen, um einen Durchschnitt von 50 Tagen zu erhalten. Angesichts dieses Zeitrahmens würden Sie, egal wie vielversprechend ein Geschäft erscheinen mag oder wie viele Geschäfte Sie in Ihrer Pipeline haben, immer noch alle Geschäfte prognostizieren, die Sie in etwa zwei Monaten abschließen müssen.

Vorteile

• Einfache Prognosemethode
• Verwendet objektive Daten
  

Nachteile

• Berücksichtigt nicht die Nuancen einzelner Deals
• Erfordert eine sehr genaue Verfolgung des Verkaufszyklus, was mühsam sein kann

Historische Datenprognose

Die Prognose historischer Daten, die auch als Zeitreihenprognose bezeichnet wird, ist eine Methode, die vergangene Daten analysiert, um die Umsätze Ihres Unternehmens basierend auf dem gleichen Zeitraum des Vorjahres vorherzusagen. Diese Methode geht oft von einer Wachstumsrate aus der vergangenen Periode aus.

Wenn Sie beispielsweise im vergangenen September einen Umsatz von 60.000 US-Dollar erzielt haben und von einer Wachstumsrate von 10 % ausgehen, dann würden Sie für diesen September 66.000 US-Dollar prognostizieren.

Vorteile

• Einfache Methode, die einfach zu implementieren ist
• Genau, solange der Markt keine signifikanten Veränderungen erfährt

Nachteile

• Berücksichtigt keine Saisonabhängigkeit oder Marktveränderungen
• Berücksichtigt nicht Anforderungen aus sich ändernden Umgebungen

Lineare Regressionsanalyse

Die Regressionsanalyse ist eine gründliche, quantitative Prognosemethode, die ein solides Verständnis der Statistiken und der verschiedenen Elemente erfordert, die sich auf den Umsatz Ihres Unternehmens auswirken. Auf der grundlegendsten Ebene geht es darum, die verschiedenen Variablen zu betrachten, die den Verkauf beeinflussen, und die Beziehungen zwischen ihnen zu berechnen.

Die Regressionsanalyse verwendet die Formel Y = a + bX . Um eine Regressionsanalyse durchzuführen, müssen Sie zuerst:

• Bestimmen Sie, warum Sie Prognosen erstellen und was Sie daraus lernen möchten.
• Bestimmen Sie den am stärksten betroffenen Faktor – dies könnte beispielsweise der Umsatz sein, den Sie als Ihr Y (oder die abhängige Variable in der Gleichung) bezeichnen würden.
• Identifizieren Sie unabhängige Variablen ( X in der Gleichung), die Ihren Umsatz beeinflussen könnten.
• Grenzen Sie einen Zeitraum ein.
• Sammeln Sie die Daten sowohl für Ihre abhängige (Y) als auch für Ihre unabhängige (X) Variable.
• Wählen Sie eine Software wie Excel, um Ihr Regressionsmodell auszuführen.
• Analysieren Sie eine Korrelation zwischen Ihren X- und Y-Variablen.

Wenn Sie beispielsweise den Umsatz für das kommende Jahr prognostizieren und entsprechende Vertriebsmitarbeiter einstellen möchten, können Sie sich die Beziehung zwischen Verkaufsgesprächen (Ihre X-Variable) und Verkäufen (Ihre Y-Variable) in den letzten fünf Jahren ansehen.

Unter Verwendung der Regressionsanalyseformel wäre Ihre Gleichung Umsatz = a + b(Verkaufsgespräche) , die Sie mit einer Regressionsanalysesoftware entsprechend in einem Diagramm darstellen würden. Denken Sie daran, dass a und Die Software hilft Ihnen, eine Linie der besten Anpassung zu erstellen, die zeigt, wie eng die Beziehung zwischen Verkäufen und Verkaufsgesprächen über die von Ihnen gewählten Zeiträume war. Anhand dieser Daten können Sie dann bestimmen, ob Sie für das kommende Jahr weitere Vertriebsmitarbeiter einstellen müssen.

Vorteile

• Gut für Unternehmen, die ihre Prognosestrategie optimieren möchten
• Aufgrund der Objektivität gut für Unternehmen
• Gibt einen realistischen Überblick über die Prognosezahlen eines Unternehmens
  

Nachteile

• Schwer zu führen und zu verstehen
• Erfordert solide Statistikkenntnisse

Pipeline-Prognose

Die Pipeline-Prognose analysiert jede Gelegenheit oder jeden potenziellen Verkauf in der Verkaufspipeline Ihres Unternehmens und prognostiziert den Erfolg bis zum Abschluss auf der Grundlage einer Vielzahl von Faktoren wie Alter, Art des Geschäfts und Phase des Geschäfts. Es ist eine sehr genaue und ausgeklügelte Methode, die jedoch auf große Datenmengen und benutzerdefinierte Tools angewiesen ist, die möglicherweise nicht für jedes Unternehmen zugänglich sind.

Vorteile

• Konten für jeden Schritt der Verkaufspipeline
• Datenzentriert und genau
  

Nachteile

• Benötigt benutzerdefinierte Tools, um verschiedene Verkaufsfaktoren zu berücksichtigen
• Erfordert große Datenmengen

Intuitive (Vertriebsmitarbeiter) Prognosen

Intuitive Prognosen sind eine Methode, die sich auf die Meinung von Vertriebsmitarbeitern stützt, wie zuversichtlich sie sind, dass ein Geschäft in ihrer Pipeline abgeschlossen wird. Da Vertriebsmitarbeiter ihren Verkaufsinteressenten und den Produkten oder Dienstleistungen, die sie verkaufen, am nächsten sind, haben sie in der Regel den besten Einblick.

Intuitive Prognosen sind jedoch auch sehr subjektiv, da Vertriebsmitarbeiter dazu neigen, optimistisch zu sein und übermäßig großzügige Antworten geben könnten. Da sich die intuitive Prognose nicht wie viele der anderen oben beschriebenen Methoden auf Verkaufsdaten stützt, funktioniert sie nur, wenn Sie ehrliche Vertriebsmitarbeiter haben, denen Sie vertrauen können.

Vorteile

• Einfach umzusetzen
• Vertriebsmitarbeiter haben den besten Einblick in die Produkte, die sie verkaufen

Nachteile

• Sehr subjektive Methode
• Vertriebsmitarbeiter neigen dazu, zu optimistische Einblicke zu geben

Szenario schreiben

Das Schreiben von Szenarien ist eine Prognosemethode, die sich auf mögliche Extreme konzentriert, basierend auf einer Reihe von Annahmen. Mit dieser Methode entwerfen Prognostiker mehrere verschiedene Fälle für Deals in einer Pipeline und schließen die besten und schlechtesten Szenarien ab.

Die meisten Szenarios folgen einem achtstufigen Prozess:

1. Schwerpunktthemen : Jahresumsatz
2. Schlüsselfaktoren : Faktoren, die den Jahresumsatz beeinflussen, wie z. B. Verkaufsgespräche, Demos und Produktanfragen
3. Äußere Kräfte : Wettbewerb oder staatliche Beschränkungen
4. Kritische Unsicherheiten : alle Herausforderungen, die im nächsten Jahr auftreten könnten, wie z. B. eine neue Technologie, zu der sich Kunden hingezogen fühlen und die den Umsatz verringert
5. Szenarien : Berücksichtigen Sie jedes mögliche Szenario
6. Szenariologik : Berücksichtigen Sie das mögliche Ende jedes Szenarios und was als nächstes passieren wird
7. Auswirkungen und Optionen : Ihre nächsten Schritte basierend auf den verschiedenen Szenariooptionen
8. Frühindikatoren : Überlegen Sie, in welcher Beziehung diese zu Schwerpunktthemen und Schlüsselfaktoren stehen, um bei der Planung zu helfen

Vorteile

• Effektive Methode, wenn für jedes mögliche Ergebnis in Bezug auf Unsicherheiten ein Aktionsplan entwickelt wurde
  

Nachteile

• Verlässt sich auf ein subjektives Verständnis von Geschäft und Vertrieb
• Zeitaufwendig

Multivariable Prognose

Multivariable Prognosen sind das, was der Name schon sagt – sie beinhalten verschiedene Faktoren aus den oben genannten Methoden, wie die Länge eines Verkaufszyklus, Opportunity-Prognose, Eingaben von Vertriebsmitarbeitern und historische Daten. Prognosen auf der Grundlage mehrerer Variablen sind im Allgemeinen am genauesten, aber auch am komplexesten und erfordern eine fortschrittliche Analyselösung, die am besten von großen Organisationen mit dem entsprechenden Budget implementiert wird.

Vorteile

• Stützt sich auf mehrere Faktoren, wodurch es am genauesten ist
• Gut für große Organisationen
  

Nachteile

• Komplex und erfordert Zollsysteme
• Nicht empfohlen für Startups oder kleine Unternehmen

Best Practices für Verkaufsprognosen

Wie Sie sehen können, gibt es viele Methoden zur Umsatzprognose. Unabhängig davon, welche Methode Ihr Unternehmen verwendet, gibt es immer einige Best Practices, die befolgt werden sollten:

• Etablieren Sie einen klaren Verkaufsprozess
• Verwenden Sie genaue Daten
• Verlassen Sie sich auf historische Daten
• Integrieren Sie Änderungen
• Antizipieren Sie Markttrends
• Analysieren Sie die Konkurrenz
• Stützen Sie sich auf gemeinschaftlichen Input aus verschiedenen Abteilungen

Es ist am besten, Verkaufsprognosen als etwas zu betrachten, auf dem man aufbauen kann. Versuchen Sie immer, aus früheren Prognosen zu lernen, um zukünftige Prognosemethoden zu verfeinern . Durch den Einsatz fortschrittlicherer Prognoseprozesse und -tools und das Aufbauen auf früheren Prognosen können Unternehmen ihre Wettbewerber übertreffen, da sie ein tieferes Verständnis dafür haben, was ihr Geschäft antreibt und wie sie das Ergebnis einer Verkaufsperiode gestalten können, bevor diese Periode endet.

Häufige Fehler bei der Verkaufsprognose

Natürlich ist die Erstellung konstant genauer Verkaufsprognosen nicht ohne Herausforderungen. Einige häufige Fallstricke, die Sie kennen sollten, sind ungenaue Daten, Ineffizienz und totale Subjektivität.

Ungenaue Daten

Obwohl dies normalerweise unbeabsichtigt ist, ist Ungenauigkeit eine der größten Fallstricke bei der Verkaufsprognose und kann zu Misstrauen zwischen Teams und Stakeholdern führen. Es gibt eine Reihe von Gründen, warum Daten in einer Verkaufsprognose ungenau sein können, z. B.:

• Schlechte Akzeptanz und Schulung von CRM-Software im gesamten Unternehmen
• Dateninkonsistenz zwischen den Teams oder unvollständige Daten von Vertriebsmitarbeitern
• Inkonsistenz mit den Methoden, mit denen die Interessengruppen die Prognosen erstellen
• Mangelnde Zusammenarbeit zwischen verschiedenen Abteilungen und Teams

Ineffizienz

Ineffizienzen treten besonders häufig auf, wenn mit großen Verkaufsprognosen und mit großen Teams oder abteilungsübergreifend gearbeitet wird. In diesen Fällen hat eine Prognose oft mehrere Eigentümer, was mehr Spielraum für Fehler lassen kann. Wenn sich ein Team nicht an die Regeln der Prognose hält, kann es außerdem zu Streitigkeiten und Fehlern bei der Erstellung kommen, was zu mehreren Überarbeitungen führen kann.

Subjektivität

Während viele Prognosemethoden datengesteuert sind, verlassen sich alle in gewisser Weise darauf, dass der Prognostiker gute Entscheidungen darüber trifft, wie die Daten verwendet werden. Da stark datengesteuerte Methoden tendenziell komplexer und zeitaufwändiger sind, verlassen sich viele Unternehmen auf einfachere, subjektivere Methoden wie Gelegenheitsphasen und intuitive Prognosen.

Häufig gestellte Fragen

Welche Methode eignet sich am besten für Verkaufsprognosen?

Welche Prognosemethode die beste ist, hängt oft von den Bedürfnissen, der Größe und dem Budget Ihres Unternehmens ab. Datengesteuerte Prognosemethoden sind jedoch in der Regel die genauesten. Insbesondere die multivariable Prognose ist die genaueste Prognosemethode, die es gibt.

Was ist ein Beispiel für eine Verkaufsprognose?

Die meisten Verkaufsprognosemethoden fallen unter den Begriff quantitativ oder qualitativ. Qualitative Verkaufsprognosen sind subjektiv und verlassen sich entweder auf Verkaufsteams oder Führungsteams, um Prognosen zu erstellen. Quantitative Methoden verfolgen einen datenbasierten Ansatz für Verkaufsprognosen und sind für Teams tendenziell zeit- und ressourcenintensiver.

Ein einfaches Beispiel für eine quantitative Methode ist die Prognose der Länge des Verkaufszyklus, bei der die Gesamtzahl der Tage, die zum Abschluss neuer Geschäfte benötigt wurden, durch die Gesamtzahl der abgeschlossenen Geschäfte dividiert wird.

Wer ist für Verkaufsprognosen verantwortlich?

Vertriebsleiter sind fast immer für die Verkaufsprognosen verantwortlich. In den meisten Fällen ist der VP of Sales derjenige, der den Prognosebericht orchestriert.

CRM-Systeme für Verkaufsprognosen

Die Investition in ein Customer Relationship Management (CRM)-System ist ein wichtiger Teil, um Ihrer Vertriebsabteilung genaue Daten zur Verfügung zu stellen, mit denen sie arbeiten kann.

Selbst wenn Sie ein Startup sind und gerade erst an den Start gehen, wird die Einrichtung eines CRM und die Sicherstellung, dass Ihre Vertriebsmitarbeiter wissen, wie man es benutzt, die Arbeit später optimieren, wenn Sie Ihre Verkaufsprognose erstellen.

Wenn es um die Automatisierung der Verkaufsakquise geht, können Tools wie Mailshake Ihren Vertriebsteams dabei helfen, deutlich mehr E-Mails zu versenden und gleichzeitig die Personalisierung im Vordergrund zu behalten. Mailshake kann Ihnen auch dabei helfen, Ihre Verkaufsprognosen zu unterstützen, indem es Ihnen genaue Verkaufsprognosedaten liefert.