De meeste organisaties begrijpen hun eigen sales forecasting methodologie niet goed. Ze willen er zich pas in verdiepen als ze voelen dat er iets niet klopt. En dan is het kalf vaak al verdronken. Bedrijven gaan ervan uit dat sales forecasting een leidende indicator is, omdat het letterlijk voorspelt hoe de omzet periodiek zal veranderen – klassiek, toch?
In werkelijkheid is forecasting echter een achterlopende indicator omdat de meeste mensen hun prognose niet loskoppelen van hun plan en resultaten. Je kunt niet wachten tot het einde van de periode nadert om impulsieve acties te ondernemen wanneer je je doel hebt gemist. Dat is als op de weegschaal stappen om vervolgens sit-ups te doen omdat je het getal niet leuk vindt. Too little, too late!
Wat is Sales Forecasting?
Sales forecasting is het gebruik van expertise, historische gegevens, verkoopactiviteitsgegevens en voorspellende analysetechnologieën om het verkoopvolume en de daaropvolgende omzet in een toekomstige periode te schatten. Bijna elk verkoopteam, en zeker elk succesvol verkoopteam, heeft een methode voor het voorspellen van verkoop. Een goede sales forecast maakt gebruik van echte gegevens om te schatten welke resultaten waarschijnlijk zijn en vertrouwt niet op giswerk. Sales forecasting is belangrijk omdat het kan helpen bij het plannen van middelen en het aannemen van personeel, het projecteren van budgetten, risicobeheer en meer.
Lees meer als je wil weten wat Advanced Sales Forecasting bij Trendskout inhoudt.
Het is dan belangrijk om te begrijpen dat een sales forecast moet worden gebruikt om jouw proces te begeleiden, niet andersom. Maar laten we eerst enkele van de methoden bespreken die vaak worden gebruikt om de verkoop te voorspellen.
Sales Forecasting Methodes
Doorheen de tijd evolueerden sales forecasting methodes aanzienlijk. Vaak onder impuls van technologische vooruitgang. Hieronder vind je alle sales forecasting methodes doorheen de jaren. Van de meest rudimentaire methodes tot de meest complexe en geavanceerde. Dit gaat ook hand in hand met de verwachte nauwkeurigheidsniveaus van elke prognosemethode:
"Gut-Feel Forecasting" of Buikgevoel forecasting
Dit is letterlijk wanneer je aan je sales reps vraagt hoe ze zich voelen over hun deals, hoe waarschijnlijk het is dat ze sluiten en wanneer ze verwachten dat ze sluiten. Het is dus een bottom-up aanpak. Maar, deze methode is de minst nauwkeurige en het is als vliegen zonder instrumenten in 2023 – veel te riskant.
We raden deze methode niet aan, maar wilden er toch even over praten voor de volledigheid. Het wordt vooral gebruikt door kleinere sales organisaties, teams met minder deals, langere verkoopcycli, grotere contractwaarde en in meer traditionele sectoren. Deze bedrijven vertrouwen op de ervaring van hun sales reps en managers om de toekomst te voorspellen.
Almanac Methode
Het gebruik van historische gegevens om toekomstige prestaties te voorspellen, noemen we de Almanac methode. Het gebruik van historische gegevens en een groeiprojectie kan iets nauwkeuriger zijn dan simpelweg op je gevoel afgaan, maar er zijn enkele nadelen.
De Almanac voorspellingsmethode houdt geen rekening met "klimaatverandering". Als er een verschuiving is in de branche of macro-economische volatiliteit, kunnen de historische gegevens niet langer relevant zijn. Het jaar 2020 illustreert dit probleem, omdat voorspellingen gebaseerd op gegevens uit 2019 nutteloos werden.
In dit voorbeeld kijkt de sales manager bijvoorbeeld, wanneer de CFO hem benadert om Q2 te voorspellen, meteen naar de prestatiegegevens van het vorige jaar van het Q2 vergeleken met andere kwartalen, evenals Q2-trends over het afgelopen decennium. De manager kijkt ook naar de historische verkoopactiviteit gegevens van hun vertegenwoordigers om trends in de vaardigheden en het ritme van elk lid bij het sluiten van deals te ontdekken.
Deze voorspellingsmethode is nuttig voor gevestigde bedrijven met veel historische gegevens om uit te putten. Hoe groter de backlog van prestatiegegevens, hoe nauwkeuriger de voorspelling waarschijnlijk zal zijn.
Funnel forecasting
Begrijpen hoe jouw funnel presteert, zoals jouw win-rates en gemiddelde verkoopcyclustijd, kan helpen bij het begeleiden van jouw voorspellingsmethodologie. We noemen dit de funnel forecast.
Als voorbeeld, als jouw verkoopcyclustijd twee maanden is en jouw win-rate gemiddeld 40% is, kun je deze informatie gebruiken om te voorspellen op basis van de dekking van jouw pipeline. Als je tien kansen hebt van elk €1 miljoen, dan zou een veilige voorspelling voor het kwartaal €4 miljoen zijn.
Funnel forecasting is sterk afhankelijk van de dekking, gezondheid en hygiëne van jouw pipeline. Hoe langer jouw verkoopcyclustijd, hoe belangrijker dit wordt.
Deze voorspellingsmethode is het meest bruikbaar wanneer jouw deals homogeen zijn en daarom consistent en voorspelbaar zijn op basis van hun status in de pipeline.
Portfolio forecasting
Net zoals een portfoliobeheerder financiële gegevens gebruikt om prestaties te voorspellen en risico's af te dekken, gebruikt een sales teamlead zijn ervaring en deskundige mening in combinatie met de beschikbare verkoopgegevens om te voorspellen.
Deze methode maakt gebruik van de verschillende reeds besproken voorspellingsstrategieën en combineert ze om tot een nauwkeurigere voorspelling te komen.
Een salesmanager heeft bijvoorbeeld de historische verkoopgegevens geëvalueerd, de pipeline beoordeeld, met haar vertegenwoordigers besproken hoe waarschijnlijk het is dat ze deals sluiten, en kan nu haar expertise combineren met echte gegevens om een voorspelling te doen.
Deze methode van forecasting kan ook helpen om risico's te beperken. Bijvoorbeeld, als de manager voorspelt dat het een rustig kwartaal wordt, kan hij de interne middelen verschuiven om zich vooral te richten op het upsellen van bestaande klanten, wetende dat deze extra inkomsten winstgevender en duurzamer zouden zijn.
Multivariate regressie
Multivariate regressie is een statistische methode voor het voorspellen van de verkoop die meerdere variabelen als invoer gebruikt die invloed hebben op de gewenste uitvoer, meestal omzet. De verandering in elke variabele zal een overeenkomstig effect hebben op de voorspelde uitvoer.
De multivariate regressie-aanpak is sterk afhankelijk van volledigheid en nauwkeurigheid van gegevens, omdat deze waarden worden gebruikt om vorige en toekomstige prestaties te analyseren en voorspellen. Multivariate regressie vormt de basis van machine learning – een onderwerp waar we binnenkort dieper op ingaan.
In dit voorbeeld vraagt de CFO de verkoopmanager om advies en vervolgens vraagt de manager de hulp van haar data-analist om een regressieanalyse uit te voeren. De analist neemt eerdere verkoopactiviteiten en de resultaten van afgesloten kansen (gewonnen of verloren) en kan vervolgens de huidige verkoopactiviteiten analyseren om te bepalen hoe waarschijnlijk het is dat een bepaalde deal wordt gewonnen.
Bedrijven die multivariate regressie gebruiken, zijn doorgaans geavanceerder en meer datagestuurd in hun verkoopbenadering.
Van sales forecasting naar advanced sales forecasting
Dit brengt ons bij de meest geavanceerde – en krachtige – methode voor sales forecasting. Moderne machine learning algoritmes worden getraind op historische data en krijgen gewichten en vooroordelen toegewezen door het algoritme om de verwachte uitkomst te leren. ML en AI leren van de data op manieren waarvan zelfs de ontwikkelaars niet op de hoogte zijn of niet begrijpen waarom.
Als het ML-algoritme voldoende is getraind en getest, kan de data in real-time worden geanalyseerd om rollende voorspellingen en zeer nauwkeurige voorspellingen te maken. Veel ML-modellen hebben nauwkeurigheidspercentages in de 99e percentiel, met een begrijpelijke en acceptabele foutmarge.
Als voorbeeld train je een model op de data van het salesteam, inclusief enkele kenmerken (datapunten) zoals datum, aantal dagen vanaf opportunity tot close, contractwaarde en uitkomst. Door te trainen op deze data, haalt het model informatie over seizoensinvloeden, de impact van de contractwaarde op de sales cyclus, en meer, die kunnen worden gebruikt om soortgelijke data (zonder de uitkomst) in te voeren en nauwkeurig te voorspellen.
Wil je deze vorm van Advanced Sales Forecasting aan het werk zien? Een eerste indruk krijgen hoe dit kan werken voor jouw bedrijf? Boek dan een volledig vrijblijvende demo met ons team.
