什麼是銷售預測：定義、方法、最佳實踐

銷售預測是公司所做的最重要的事情之一。 它為銷售計劃提供動力，並在整個企業中用於人員配備和預算編制。 儘管它很重要，但許多組織使用過時的做法會產生糟糕的預測。

可以與過去進行比較，當時農民依靠貓在耳後洗漱或老人膝蓋疼痛等信號來預測天氣。 隨著超級計算機的出現，天氣預報得到了極大的改善。 但在大型企業中，用於預測銷售的工具仍然只比關節炎患者更可靠。

銷售預測有多可疑？ 根據 Gartner 的數據，整整 55% 的銷售領導者和 57% 的配額銷售商對預測的準確性缺乏信心。

雖然您可能認為這種情況會隨著時間的推移而改善，但 Gartner 估計，即使到 2025 年，“90% 的 B2B 企業銷售組織將繼續依賴直覺，而不是高級數據分析或 B2B CRM，從而導致預測不准確，銷售管道和配額實現。”

什麼是銷售預測？

銷售預測是估計公司在特定時間段（通常是一個月、季度或一年）的銷售收入的過程。 銷售預測是對公司未來銷售量的預測。

生成準確的銷售預測對於業務成功至關重要。 招聘、工資單、薪酬、庫存管理和營銷都依賴於它。 如果上市公司錯過預測，它們很快就會失去信譽。

預測與銷售管道管理密切相關。 準確了解每筆交易的資格、參與度和速度有助於銷售代表和經理為可靠的銷售預測提供數據。

預測不同於銷售目標，後者是企業希望實現的銷售額。 銷售預測使用各種數據點來提供對未來銷售業績的準確預測。

銷售預測方法和技巧

儘管不同的組織可能有截然不同的銷售結構和流程，但大多數組織傾向於使用以下一種或多種主要方法進行銷售預測：

1. 使用歷史數據來預測未來的結果。 查看歷史數據可能是最常見也是最直接的方法。 這些數據很容易獲得，基於季節性和新產品推出等因素的變化將提供方向性洞察力是有道理的。 當然，限制是不一定要考慮影響銷售的外部宏觀趨勢——至少不是以系統的方式。
2. 基於漏斗的預測。 對於許多公司而言，銷售漏斗的當前狀態被視為可能的銷售結果的最準確預測指標。 只要賣家提供有關特定追求狀態的準確且經常更新的信息，使用漏斗就可以成為一種合理可靠的預測方式。
3. 基於多個變量的預測。 鑑於上述兩種方法都有固有的局限性，一些組織正在尋求構建更複雜的預測模型，將智能線索評分等技術與可能影響交易完成的宏觀因素結合起來。 訣竅是採用一種足夠複雜的方法，使其有意義，而又不會太複雜而無法管理和維護。

常見的預測錯誤

銷售團隊面臨交付壓力，將焦點放在預測上。 面對激烈的競爭和不確定的市場，對銷售人員的期望不斷提高——而預測是最容易監控銷售活動以及業務健康狀況的手段。

1. 銷售數據無法提供對交易狀態的洞察。 現有預測方法的一個限制是它們嚴重依賴賣家提供有關特定機會狀態的準確信息。 鑑於賣家面臨的壓力，他們提供的信息往往比現實更樂觀也就不足為奇了。

4. 耗時的手動流程會縮短寶貴的銷售時間。 據估計，銷售代表每週花費 2.5 小時進行預測，而他們的經理平均花費 1.5 小時。 花費在這些耗時且手動的活動上的每一個小時都最好花在實際銷售上。
5. 在推動承諾收入的過程中，往往會犧牲準確性。 在提供正數的壓力下，賣家通常會高估將完成的交易數量。 也許不足為奇的是，79% 的銷售組織報告通常會比他們的預測差 10% 以上。 與此同時，銷售代表預測的 54% 的交易從未完成。

回歸本源

幸運的是，銷售組織可以通過多種方式構建預測流程，幫助實現更高的準確性，並最終獲得更好的銷售結果。

在最基本的層面上，改進銷售預測意味著使用數據更準確地預測業績並管理計劃以確保銷售成功。 這包括以下步驟：

1. 確保就銷售流程達成共識。 看起來很簡單，對吧？ 您的銷售團隊使用關於銷售漏斗和您的組織使用的銷售漏斗階段的通用詞典進行操作。 實際上，經常存在真正的脫節。
2. 設定切合實際的銷售目標或配額並進行溝通。 同樣，這似乎很明顯。 但許多公司要么設置了不切實際的銷售配額，要么未能有效地傳達個人目標以及他們如何提升到更廣泛的計劃。
3. 對您的基本銷售指標進行基準測試。 預測涉及使用歷史數據來有效地估計未來的結果。 基準測試可確保與之前的結果進行比較有良好的基礎。
4. 了解您當前的銷售渠道。 如果您想實現更好的預測，準確性從現在開始。 新技術為銷售團隊提供了情報，使他們能夠清除實際上不可行的潛在客戶，現實地評估那些存在風險的潛在客戶，並在未來實現更高程度的精確度。

這些觀點的一個共同點是它們說明了銷售組織中文化變革的必要性。 換句話說，只有在銷售人員沒有誇大預測的壓力的情況下，您才能提高預測的準確性。

而且，通過擴展，即使在不利的情況下，他們也需要樂於分享交易信息。

數據集成：準確性的關鍵

鑑於準確的銷售預測的所有好處，是什麼阻止了公司追求更現代的方法？

一方面，無論採用何種方法，預測的質量都與它們所依據的數據的質量密不可分。 僅僅擁有所有可用數據是不夠的； 它需要以易於實時分析的方式進行集成。

不幸的是，這種類型的數據集成並不常見。 根據 APQC 的規劃和管理會計基準，目前只有 14% 的組織將運營和財務數據存儲在單個集成系統中。 這意味著對於大多數公司而言，預測需要跨組織孤島和不同系統收集數據，這變得耗時且成本高昂。

然而，好消息是，數據集成使組織能夠更好地利用人工智能和機器學習等技術，這些技術非常適合發現數據可以揭示的趨勢類型。

通過將最先進的工具整合到數據分析的集成方法中，組織可以將銷售預測轉變為戰略優勢。