Wie erstellt man genaue Verkaufsprognosen?

Das Erstellen guter Verkaufsprognosen mit Ergebnissen kann man lernen. Und es gibt eine Reihe von Möglichkeiten, dies zu tun. Wenn Sie in einem B2B-Unternehmen im Vertrieb tätig sind, wurden Sie sicher schon einmal nach Ihrer Meinung zu zukünftigen Verkäufen gefragt. Zum Beispiel: "Was glauben Sie, wie viel Sie im nächsten Quartal verkaufen werden?"

Ergibt das einen Sinn? Ergeben die groben Schätzungen vieler Vertriebsmitarbeiter gute Umsatzprognosen? Es gibt viele Möglichkeiten, Prognosen zu erstellen: von Schätzungen, die auf dem Bauchgefühl beruhen, über einfache bis hin zu sehr komplexen Modellen, die auf Mathematik und Statistik basieren. Einige sind einfach besser als andere. Bevor wir uns die verschiedenen Prognoseoptionen ansehen, sollten wir uns die folgende Frage stellen:

Verkaufsprognosen: Was sind sie?

Woran haben Sie zuerst gedacht, als Sie das Wort "Verkaufsprognosen" gelesen haben? Wir vermuten, dass es sich um Verkaufsprognosen handelt. Und das ist richtig. Aber Verkaufsprognosen sind nur eine der vielen Arten von Prognosen, die für den Verkauf nützlich sind. Denken Sie darüber nach: Welche Vorhersagen über Ihre B2B-Verkäufe Ihre Arbeit noch einfacher machen könnte?

Vorhersagen wie "welchen Preis wird Ihr Kunde höchstwahrscheinlich akzeptieren" (dynamische Preisgestaltung) oder "welcher Kunde wird wahrscheinlich abwandern" (Abwanderungsprognosen)Sie bewahren Sie vor unangenehmen Überraschungen und geben Ihnen Zeit zum Handeln. Amazon hat eine andere Art der Verkaufsprognose berühmt gemacht: die "Cross-Selling-Prognose".

Wir sind sicher, dass Sie mit den folgenden Sätzen vertraut sind: "andere Kunden kauften auch...". oder "Das könnte Sie auch interessieren...". Das Ziel von Cross-Selling ist es, einen Kunden dazu zu bringen, ein weiteres Produkt zusätzlich zu seinem ursprünglichen zu kaufen. Cross-Selling macht mehr als 25% der Amazon-Verkäufe aus. Sie sehen also, dass Verkaufsprognosen nicht die einzigen wertvollen Vorhersagen sind, die dem Verkauf helfen können.

Wie Prognosen erstellt werden - die "menschliche" Option.

Sie wären überrascht, wie viele B2B-Unternehmen ihre Umsätze anhand von Umfragen unter Vertriebsmitarbeitern und mit einer guten Portion Bauchgefühl prognostizieren. Das mag machbar sein, wenn Sie nur ein oder zwei Verkäufer beschäftigen und eine sehr kleine Produktpalette anbieten. Aber wann wird es wirklich schwierig? Wenn Sie viele Kunden oder Produkte haben, ist es schwierig, den Überblick zu behalten.

Ein weiterer Engpass sind detaillierte Prognosen. Eine Umsatzprognose ist eine Zahl, die den Gesamtumsatz in einem bestimmten Zeitraum umfasst. Aber was, wenn es tiefer geht. Zukünftige Umsätze pro Kunde oder Produkt. Unsere Erfahrung ist, dass "menschliche" Prognosen auf dieser detaillierten Ebene nicht besser als der Zufall sind.

Wie Vorhersagen gemacht werden - die "statistischen Modelle".

Um das Prinzip hinter diesen Modellen zu erklären, nehmen wir eines der einfachsten Modelle zur Hilfe: eine lineare Funktion. Ein kurzes Beispiel: Ein Kunde hat ein Jahr lang jeden Monat 100 € bei Ihnen gekauft. Dann können Sie ziemlich genau vorhersagen, wie viel Umsatz Sie mit diesem Kunden in den nächsten drei Monaten machen werden. Keine Raketenwissenschaft.

Was war nötig, um diese Verkaufsprognosen zu erstellen?

  • Historische Daten: Der Kunde hat in den letzten Monaten immer 100 € gekauft.
  • Mustererkennung: Sie gehen davon aus, dass der Kunde das "Muster" beibehalten wird (100 € jeden Monat).
  • Extrapolation: Anhand dieses Musters berechnen Sie (100 € x 3), wie viel der Kunde in 3 Monaten verdienen wird.

Leider folgen nicht viele Verkaufsprozesse diesem geradlinigen Muster. Das gilt insbesondere für das menschliche Verhalten. Und ja, auch Käufe im B2B-Bereich zählen als menschliches Verhalten.

Wie kann "die Mathematik" menschliches Verhalten vorhersagen?

Nach Mustern aus der Vergangenheit. Nicht so einfache Muster wie eine lineare Funktion - aber sie sind da, und das Prinzip ist ähnlich (historische Daten), Mustererkennung und Extrapolation). Denn Käufe passieren nicht zufällig. Wenn Sie in einem Großhandel oder bei einem industriellen Hersteller arbeiten, wissen Sie, dass Ihre Kunden bereits gewisse Regelmäßigkeiten und Vorlieben bei ihren Einkäufen haben.

  • Um nur ein paar zu nennen:
  • wie oft sie kaufen,
  • wie viel sie kaufen,
  • wie viel sie in der Vergangenheit gezahlt haben,
  • in welchen Abständen sie kaufen.
  • Und viele mehr.

Dies alles sind Kriterien, auf deren Grundlage eine Prognose für jeden Kunden "erstellt" werden kann. Welches statistische Modell verwendet werden sollte, hängt vom Zweck der Prognose ab. Also, was will ich wissen? Besteht die Gefahr, dass der Kunde abwandert? Hierfür benötigen Sie die Wahrscheinlichkeit der Abwanderung berechnen. Dies kann zum Beispiel mit Hilfe eines Wahrscheinlichkeitsbaums geschehen.

Welchen Preis könnte er akzeptieren? Hier müsste ein Preiskorridor pro Kunde und Produkt angelegt werden. Wie Sie sehen können, sind diese Hochrechnungen sehr zeitaufwändig und können nicht manuell für Hunderte von Kunden und Produkten durchgeführt werden.

Wie funktioniert es also?

Durch den Einsatz von künstlicher Intelligenz hat sich die Qualität der Verkaufsprognosen in den letzten Jahren enorm verbessert. Der Grund dafür ist, dass die dahinter stehenden Algorithmen sehr viele Merkmale in ihre Prognosen einbeziehen können. Sie sind Meister im Erkennen von Mustern in großen Datensätzen (maschinelles Lernen). In ähnlicher Weise hat sich der Begriff "Predictive Analytics" (oder speziell auf den Vertrieb bezogen: "Predictive Sales Analytics") etabliert.

Lesen Sie auch mehr über die Datenanalyse im B2B-Sektor im Wandel!

Vergeuden Sie Ihre Zeit nicht mit manuellen Excel-Tabellen. Auch die Zeit der Datenanalyse-Experten ist wertvoll und begrenzt. Automatisieren Sie Verkaufsprognosen mit Tools wie Trendskout. Auf diese Weise können Sie und Ihr Vertriebsteam sich auf Ihre Kunden konzentrieren.

Die Mindestanforderung für Verkaufsprognosen.

Eine Sache muss klar sein. Prognosen - und damit auch Umsatzprognosen - sind nie 100% genau. Wir können die Zukunft nicht genau vorhersagen, denn niemand von uns weiß das oder hat eine Kristallkugel.

Das Ziel der Prognosen und aller Modelle, die dahinter stehen, ist es, die zukünftige Realität so gut wie möglich abzubilden. Um dies zu erklären, lassen Sie uns noch einmal Amazon nehmen.

Erinnern Sie sich an die Produktvorschläge "Was Sie sonst noch interessieren könnte..."? Darunter schlägt Amazon Ihnen verschiedene Artikel vor. Und jedes Produkt, das Sie NICHT anklicken, ist eine falsche Vorhersage. Ziemlich viele falsche Vorhersagen, nicht wahr? Wenn Sie nur ein paar einzelne Vorhersagen berücksichtigen, ja. ABER alles in allem ist dieser Vorschlagsalgorithmus von Amazon so gut, dass er ¼ des Gesamtumsatzes einbringt!

Was ist also die Mindestanforderung an ein Modell zur Absatzprognose? Es muss zumindest besser als der Zufall sein. Amazon hat etwa 500 Millionen Verbraucherprodukte. Die Mindestanforderung für den Amazon-Algorithmus ist also, dass diese Vorschläge besser angenommen werden als völlig zufällig angebotene Produkte.

Was Trendskout für Ihre Verkaufsprognosen leistet

Mit der Trendskout-Plattform können Sie Ihre Daten blitzschnell darstellen. Die Plattform wechselt mit enormer Geschwindigkeit zwischen allen möglichen Modellen. Dadurch erhalten Sie eine unvergleichliche Lernkurve. Sobald der Algorithmus festgelegt ist, kann er feinabgestimmt werden. All dies geschieht auf der Grundlage Ihrer Datensätze. Nach dieser kurzen Lernphase optimieren wir die Ausgabe weiter. Ohne einen Datenwissenschaftler einstellen zu müssen. Ohne große finanzielle Anstrengungen. Mit einer maximalen Rendite.

Sie fragen sich, wie wir Trendskout für Sie arbeiten lassen können? Buchen Sie eine kostenlose Demo! In 30 Minuten zeigen wir Ihnen den Mehrwert unserer Plattform für Ihr Unternehmen, Ihren Absatz, Ihren Umsatz.

Bleiben Sie auch auf dem Laufenden für die neuesten Nachrichten über AI

GDPR*
Dieses Feld dient zur Validierung und sollte nicht verändert werden.

Welchen Mehrwehrt haben KI und Machine Learning für Organisationen?

Holen Sie sich den kostenlosen Zugang zu unserem Resource Center mit interessanten Anwendungsfällen.

Auf Facebook teilen
Auf Twitter teilen
Auf LinkedIn teilen
Auf Pinterest teilen
Freigabe per E-Mail