Den ultimata guiden till försäljningsprognoser

Försäljningsprognoser kan spela en viktig roll för ditt företags framgång (och din egen karriärutveckling).

Precisa försäljningsprognoser gör det möjligt för säljare och företagsledare att fatta smartare beslut när de sätter upp mål, anställer, budgeterar, prospekterar och andra faktorer som påverkar intäkterna.

Men trots fördelarna kämpar många säljledare med att skapa försäljningsprognoser som är i närheten av verkligheten.

Vi har sammanställt en djupgående guide för att skapa en trovärdig försäljningsprognos – i stället för en önskeprognos. Läs vidare för att lära dig, och missa inte mallen för försäljningsprognoser som vi har inkluderat i slutet.

Säljprognoser

En försäljningsprognos förutsäger vad en säljare, ett team eller ett företag kommer att sälja veckovis, månadsvis, kvartalsvis eller årligen.

Ledare använder representanternas försäljningsprognoser för att uppskatta vilka affärer deras team kommer att avsluta. Chefer använder teamets prognoser för att förutse avdelningens försäljning. Försäljningsdirektören använder avdelningsprognoser för att prognostisera organisationens försäljning. Dessa rapporter delas vanligtvis med företagets ledning, tillsammans med styrelsemedlemmar och/eller aktieägare.

Varför försäljningsprognoser är viktiga

Säljprognoser gör det möjligt för dig att upptäcka potentiella problem medan det fortfarande finns tid att undvika eller mildra dem. Om du till exempel märker att ditt team ligger 35 % under kvoten kan du ta reda på vad som händer och korrigera kursen.

Kanske har din konkurrent startat en ny aggressiv rabattkampanj, eller så uppmuntrar din nya kompensationsplan för försäljning oavsiktligt dåligt beteende.

Att upptäcka dessa problem nu – jämfört med i slutet av månaden eller kvartalet – har stor betydelse.

Säljprognoser spelar också in vid ett antal beslut, från anställning och resurshantering till målsättning och budgetering.

Antag att din försäljningsprognos förutspår en 26-procentig ökning av möjligheterna. För att se till att du håller jämna steg med efterfrågan bör du börja rekrytera. Om möjligheterna förutspås minska, å andra sidan, skulle det vara klokt att pausa dina rekryteringsansträngningar. Samtidigt bör du överväga att öka marknadsföringsutgifterna och investera i utbildning i prospektering för dina representanter.

En försäljningsprognos är dessutom ett kraftfullt motivationsverktyg. För att ta ett exempel kan du varje vecka uppdatera din kvartalsvisa försäljningsprognos för att se om teamet är på god väg att nå sitt mål. Du kan också skapa en prognos varje dag för en enskild säljare med en prestationsplan för att se till att han inte halkar efter.

En av de viktigaste punkterna att komma ihåg när det gäller försäljningsprognoser: De behöver inte vara perfekta för att vara värdefulla. Din försäljningsprognos kommer ofta, om inte alltid, att skilja sig något från dina resultat.

Självklart är det problematiskt med vilt felaktiga resultat – men om du använder rena data och har valt rätt metod (vilket vi kommer att gå in på) kommer din försäljningsprognos att hjälpa dig att både planera och driva tillväxt.

Faktorer som kan påverka din försäljningsprognos

Se upp för dessa tio interna och externa faktorer som du måste ta hänsyn till i din försäljningsprognos.

Interna faktorer som kan påverka din försäljningsprognos

1. Anställningar och uppsägningar

När säljare lämnar ditt företag – antingen för att de säger upp sig eller för att de blir uppsagda – kommer intäkterna att sjunka om du inte har en pipeline av potentiella rekryteringar. Om ett stort antal representanter började arbeta samtidigt bör din försäljningsprognos förutsäga ett stort uppsving i verksamheten när de har kommit igång.

2. Policyändringar

Justera inte din plan för försäljningskompensation utan att justera din prognos. Om du till exempel inför en fyra månaders återkrav på provisioner kommer intäkterna att minska eftersom dina representanter bara kommer att sälja till de bäst lämpade kunderna. Men under ett kvartal när betydligt färre kunder försvinner kommer vinsten att öka. Och kanske säger du att representanterna inte får ge rabatt efter den 15:e i varje månad. Du kommer att se en ökning av antalet avslut under de första två veckorna, följt av mindre försäljning än normalt.

3. Områdesförändringar

Det tar tid för representanterna att bekanta sig med ett nytt område och bygga upp sin pipeline, så räkna med att antalet avslut kommer att sjunka innan det ökar igen (om du har planerat dina nya områden väl).

Externa faktorer som kan påverka din försäljningsprognos

4. Förändringar hos konkurrenterna

Oförvånande nog kommer det som dina konkurrenter gör att påverka din vinstfrekvens. Om ett annat företag i branschen sänker sina priser kan dina representanter behöva ge mer aggressiva rabatter eller riskera att förlora affärer. Om en konkurrent å andra sidan går i konkurs kommer du förmodligen att se en ökad efterfrågan.

5. Ekonomiska förhållanden

När ekonomin är stark är köparna mer benägna att investera i sina företag. När den är svag tar försäljningscykeln vanligtvis längre tid och det finns en högre grad av granskning vid varje köp.

6. Marknadsförändringar

Håll dig uppdaterad om vad som händer med dina köpares kunder. Om du till exempel säljer konsulttjänster till hotell är du intresserad av en förväntad ökning av turismen.

7. Branschförändringar

Om en kompletterande lösning får en oväntat hög efterfrågan kommer du förmodligen att se din försäljning öka också. Tänk dig att du säljer gelé. Ju mer jordnötssmör folk köper, desto mer gelé kommer de också att köpa.

8. Förändringar i lagstiftningen

Nya lagar och mandat kan antingen hjälpa eller skada din verksamhet – antingen genom att skapa efterfrågan på din produkt eller genom att göra potentiella kunder ovilliga att köpa något nytt.

9. Produktförändringar

Lägger du ut en mycket efterfrågad funktion, inför du en ny prismodell eller erbjuder du en kompletterande produkt eller tjänst? Dessa förändringar kan hjälpa dina säljare att öka den genomsnittliga affärsstorleken, förkorta försäljningscykeln och/eller vinna fler affärer.

10. Säsongsmässighet

Dina kunder kanske är mer benägna att köpa vid vissa tider på året. Exempelvis bedömer skoldistrikt vanligtvis nya inköp på våren och bestämmer sig för vad de ska köpa på hösten.

Metoder för försäljningsprognoser

Inte alla metoder för försäljningsprognoser är lika bra. Här är några av de vanligaste sätten att prognostisera försäljningen. Vi har också inkluderat några exempel för att ytterligare illustrera varje försäljningsprognosmetod.

Opportunity Stage Forecasting

Metoden för försäljningsprognos i opportunitetsstadiet tar hänsyn till de olika stadierna i försäljningsprocessen som varje affär befinner sig i. Ju längre fram i pipeline, desto mer sannolikt är det att affären kommer att avslutas. När du väl har valt en rapporteringsperiod – vanligtvis en månad, ett kvartal eller ett år, beroende på längden på din försäljningscykel och ditt säljteams kvot – multiplicerar du helt enkelt varje affärskontrakts potentiella värde med sannolikheten för att den kommer att avslutas.

När du har gjort detta för varje affär i pipeline adderar du summan för att få din totala prognos.

Och även om det är relativt enkelt att skapa en försäljningsprognos på detta sätt är resultaten ofta felaktiga. Den här metoden tar inte hänsyn till hur gammal en möjlighet är.

Med andra ord behandlas en affär som har legat i din representants pipeline i tre månader på samma sätt som en affär som är en vecka gammal – så länge deras avslutsdatum är detsamma. Du måste lita på att dina säljare regelbundet rensar upp sina pipelines, vilket inte alltid är möjligt.

En försäljningsprognos i ett opportunitetsskede kan också förlita sig för mycket på historiska data. Om du ändrar ditt budskap, dina produkter, din försäljningsprocess eller någon annan variabel kommer dina affärer att avslutas med andra procentsatser per stadium än tidigare.

pros cons

Det är relativt enkelt att upprätta en försäljningsprognos.

Dess beräkningar är objektiva.

Orktiga uppgifter kan leda till felaktiga prognoser.

Dess beräkningar tar inte hänsyn till storleken eller åldern på varje tillfälle.

Exempel på prognostisering av opportunitetsstadier

Vad sägs om att du har fastställt följande procentsatser för sannolikhet för avslut baserat på din pipeline:

  • Första samtal: 5%
  • Kvalificerad: 10%
  • Produktdemonstration: 35%
  • Produktprovning: 60%
  • Slutsamtal: 80%
  • Avtal avslutat: 100%

Enligt denna prognosmodell är sannolikheten för att en affär på 1 000 dollar i produktdemonstrationsfasen kommer att avslutas 35 %. Det prognostiserade beloppet för den här affären skulle vara 350 dollar.

Prognos av försäljningscykelns längd

Prognosmetoden för försäljningscykelns längd använder åldern på enskilda möjligheter för att förutsäga när det är troligt att de kommer att avslutas. Då den här tekniken enbart förlitar sig på objektiva data och inte på representantens återkoppling, är det mindre troligt att du får en alltför generös prognos.

Antag att en säljare bokar en demo med en potentiell kund innan denne är redo. De kanske berättar för dig att kunden är nära att köpa – men den här metoden kommer att beräkna att det är osannolikt att de kommer att köpa eftersom de bara började prata med säljaren för några veckor sedan.

Den här tekniken kan dessutom omfatta olika försäljningscykler. En normal lead kan ta ungefär sex månader att köpa, men hänvisningar kan typiskt sett bara ta en månad, och leads som kommer från mässor kan ta ungefär åtta månader. Du kan spendera varje affärstyp efter den genomsnittliga längden på försäljningscykeln.

För att få exakta resultat måste du noggrant spåra hur och när potentiella kunder kommer in i dina säljares pipelines. Om ditt CRM inte integreras med din marknadsföringsprogramvara och inte heller automatiskt loggar interaktioner, kommer dina representanter att spendera mycket tid på att manuellt skriva in data.

pros cons

Dess beräkningar är objektiva.

Du kan enkelt integrera leadkällor för att bättre kunna prognostisera dessa möjligheter.

Dess beräkningar tar inte alltid hänsyn till storleken eller typen av varje tillfälle. Det fungerar bara med noggrant spårade data.

Prognostisering av försäljningscykelns längd exempel

Då säg att din genomsnittliga försäljningscykel varar sex månader. Om din säljare har arbetat med ett konto i tre månader kan din prognos visa att det är 50 % troligt att han/hon vinner affären.

Intuitiv prognos

En del försäljningschefer ber helt enkelt sina säljare att uppskatta sannolikheten för att avsluta affären. Säljaren kan säga: ”Jag är säker på att de kommer att köpa inom 14 dagar och att affären kommer att vara värd X”. Detta är en intuitiv försäljningsprognos.

Å ena sidan tar denna metod hänsyn till åsikterna hos dem som är närmast kunderna: Dina säljare. Å andra sidan är säljare naturligt optimistiska och ger ofta överdrivet generösa uppskattningar. Det finns inte heller något skalbart sätt att verifiera deras bedömning. För att se om det är lika troligt att en utomstående kund kommer att avsluta ett avtal som säljaren säger, måste försäljningschefen lyssna på hennes samtal, följa hennes möten och/eller läsa hennes konversationer.

Denna metod är mest värdefull i ett företags eller en produkts mycket tidiga skeden när det finns nästan inga historiska data.

pros cons

Den förlitar sig på åsikterna från säljteamet, som arbetar närmast dina utsikter.

Du behöver inte historiska data.

Beräkningar är subjektiva och varje säljare kan prognostisera på olika sätt.

Du kan inte skala eller replikera den här metoden.

Intuitivt prognostiseringsexempel

Säg att du vill prognostisera försäljningen för ditt helt nya företag. Du har bara varit verksam i tre månader och har inga historiska data. Du har två säljare i ditt team, så du ber dem att prognostisera försäljningen för de kommande sex månaderna baserat på deras intuition.

Varje säljare undersöker affärerna i sin försäljningspipeline samt eventuella prospekteringsmöjligheter som de har planerat för de följande månaderna. Baserat på sin analys prognostiserar de 50 000 dollar i försäljning för de följande sex månaderna.

Historiska prognoser

Ett snabbt och smutsigt sätt att förutsäga hur mycket du kommer att sälja under en månad, ett kvartal eller ett år är att titta på den matchande tidsperioden och anta att dina resultat kommer att vara lika stora som eller större än dessa resultat. Detta är historiska försäljningsprognoser.

Det finns några problem med denna metod. För det första tar den inte hänsyn till säsongsvariationer. För det andra antar den att köparnas efterfrågan är konstant. Men om något utöver det vanliga inträffar kommer din modell inte att hålla. I slutändan bör historisk efterfrågan användas som ett riktmärke snarare än som grunden för din försäljningsprognos.

pros cons
Den är beroende av beprövad historisk data, vilket kan vara till hjälp för stabila marknader.

Det är snabbt och enkelt.

Det tar inte hänsyn till säsongsvariationer eller marknadsförändringar.

Det tar inte hänsyn till köparnas efterfrågan.

Exempel på historisk prognos

Säg att ditt team tillsammans sålde 80 000 dollar i månadsvis återkommande intäkter (MRR) i oktober. Baserat på den här metoden kan du anta att de kommer att sälja 80 000 dollar eller mer i november.

Du kan göra den här förutsägelsen mer sofistikerad genom att lägga till din historiska tillväxt. Om du konsekvent ökar försäljningen med 6-8 % varje månad skulle en försiktig uppskattning för november vara 84 800 dollar.

Multivariabel analysprognos

Den mest sofistikerade försäljningsprognosmetoden – multivariabel analysprognos – använder sig av prediktiv analys och innehåller flera av de faktorer som nämnts, t.ex. genomsnittlig längd på försäljningscykeln, sannolikhet för avslut baserat på typ av tillfälle och individuella representanters prestationer.

Den här prognosen tenderar att vara den mest exakta. Den kräver dock en avancerad analyslösning, vilket innebär att den inte alltid är genomförbar om du har en liten budget. Du behöver också rena data – om dina representanter inte är dedikerade till att spåra sina framsteg och aktiviteter i samband med affärer kommer dina resultat att bli felaktiga, oavsett hur bra din programvara är.

pros cons
Den är mycket beroende av data och därför den mest exakta.

Då den är så datadriven kräver den en analyslösning och/eller ett prognosverktyg, vilket kan vara dyrt.

Säljarna måste konsekvent spåra och rensa data.

Exempel på prognostisering med multivariabla analyser

Föreställ dig att du har två säljare som var och en arbetar med ett enda konto. Din första representant har ett möte med inköpsavdelningen planerat till fredag, medan din andra representant just har gjort sin första presentation för inköpskommittén.

Baserat på din första representants vinstfrekvens i detta skede av försäljningsprocessen, i kombination med den relativt stora förutspådda storleken på affären och det antal dagar som återstår av kvartalet, är det 40 % troligt att han kommer att avsluta affären under den här perioden. Det ger dig en prognos på 9 600 dollar. Din andra representant befinner sig tidigare i försäljningsprocessen, men affären är mindre och hon har en hög avslutsfrekvens. Hon har också 40 % sannolikhet att avsluta, vilket ger dig en prognos på 6 800 dollar. Kombinera dessa och du får en kvartalsprognos på 16 400 dollar.

Pipeline Forecasting

Metoden för prognostisering av försäljningen i pipeline kan ta tid – kanske för mycket tid – om du inte har ett program för att hantera dina beräkningar. Den granskar varje möjlighet som för närvarande finns i din pipeline och beräknar dess chanser att avslutas baserat på unika företagsvariabler, inklusive representantens vinstfrekvens och möjlighetens värde.

Denna prognosmetod är beroende av din förmåga att tillhandahålla data av hög kvalitet. Om du strular till siffrorna eller använder ofullständiga data kommer du att få en prognos som inte ger något värde. Se till att dina representanter regelbundet matar in korrekta och aktuella data i sitt CRM för att få ut mesta möjliga insikt från den här metoden.

pros cons
Den är mycket datarelaterad, vilket gör den till en av de mest exakta.

Den tar hänsyn till unika faktorer för varje tillfälle.

Den är mycket datarelaterad och kan lätt bli skev.

Den kräver ofta ett verktyg för försäljningsprognoser.

Exempel på pipelineprognos

Om ditt säljteam vanligtvis avslutar affärer som är värda mellan 5 000 och 8 000 dollar inom 60 dagar, skulle alla aktuella affärer i teamets pipeline ges en hög sannolikhet att avslutas.

Du kan sedan använda dessa data för att räkna ut din månads- eller kvartalsprognos.

Hur man prognostiserar försäljningen

  1. Installera en försäljningsprocess för ditt team.
  2. Sätt upp individuella och teamkvoter.
  3. Investera i ett CRM.
  4. Välj en metod för försäljningsprognoser.
  5. Håll ditt säljteam informerat och ansvarigt.

Här är en uppdelning av hur du kommer igång med försäljningsprognoser. Dessa steg kommer att säkerställa en korrekt försäljningsprognos för ditt företag.

Etablera en försäljningsprocess för ditt team.

Om ditt säljteam inte konsekvent använder samma stadier och steg kommer du inte att kunna förutsäga sannolikheten för att en möjlighet avslutas. Se vår guide för att bygga upp en försäljningsprocess för att lära dig hur du skapar en dokumenterad, strukturerad försäljningsprocess som du kan använda när du omvandlar en utomstående från en ledtråd till en kund. Din försäljningsprocess kommer också att fastställa standarddefinitioner för tillfälle, ledtråd, utomstående och avslut. Alla måste komma överens om när och hur de ska räkna leads som kommer in och ut ur tratten.

Sätt upp individuella kvoter och lagkvoter.

För att mäta prestationer behöver du en objektiv definition av ”framgång”. Arbeta tillsammans med dina säljare och ledare för att fastställa försäljningskvoter. Dessa kommer att fungera som finansiella basmål som du kan jämföra med dina försäljningsprognoser.

Investera i ett CRM-verktyg (Customer Relationship Management).

CRM:er, som HubSpot CRM, ger dina säljare en databas för att spåra möjligheter så att du kan få exakta prognoser för avslut. Exakta uppgifter gör det möjligt att göra exakta prognoser. Även om ditt företag är helt nytt kommer det att gynna dina framtida prognoser om du inrättar ett CRM och får dina representanter att använda det. (Om du är helt ny kan du ta del av vår mall för försäljningsprognoser i nästa avsnitt.)

Välj en metod för försäljningsprognoser.

När du väl har din försäljningsprocess, försäljningskvot och CRM på plats kan du välja en metod för försäljningsprognoser. Metoden du väljer beror på några faktorer, bland annat företagets ålder, storleken på ditt säljteam och dina pipelines samt kvaliteten på dina försäljningsdata och dina vanor att spåra data. Om ditt företag är nytt eller inte har så mycket historisk försäljningsdata skulle den bästa metoden för dig vara intuitiv prognostisering. Om du precis har börjat med försäljningsprognostisering och har upptagna försäljningspipelines, prognostiserar du prognostisering av möjlighetsstadiet, prognostiserar du längden på försäljningscykeln. Dessa metoder presenterar dock båda objektiva prognosberäkningar, så om du letar efter mer detaljerade pipeline-specifika prognoser kan multivariabel analysprognos och pipelineprognos vara genomförbara alternativ. Dessa två fungerar bäst om ditt team har oklanderliga försäljningsdata och har för vana att hålla reda på sina pipeline-data. Slutligen, för de mest konsekventa marknaderna och branscherna kan historisk prognostisering vara en bra prognosmodell. Ta en noggrann titt på din affärsmodell, ditt säljteam, dataspårning och den bredare branschen innan du går vidare med en modell för försäljningsprognostisering.

Håll ditt säljteam informerat och ansvarigt.

Oavsett vilken metod för försäljningsprognostisering du väljer, ska du hålla dina säljare informerade och kommunicera förändringar och beslut ofta. Detta är ytterligare en bra anledning att investera i ett CRM – det håller dina säljare informerade om varje interaktion med leads och med varandra.

Samla in regelbunden feedback från ditt team om vad som fungerar och vad som inte fungerar. Håll dina representanter ansvariga för deras prestationer i förhållande till dina försäljningskvoter och försäljningsprognoser. Det är trots allt de som är närmast och mest förtrogna med dina utsikter och den övergripande försäljningsutvecklingen som företag.

Mall för försäljningsprognoser

Det finns ett gemensamt tema i alla dessa metoder för försäljningsprognoser:

Även de lättaste prognosalternativen bygger på att man vet hur många möjligheter som finns i varje representants pipeline och hur troligt det är att de kommer att avslutas.

För att hålla reda på alla dessa detaljer kan du använda en kostnadsfri mall för försäljningsprognoser, t.ex. vår sales pipeline tracker.

Denna spårare innehåller:

  • Ett kalkylblad för att spåra vilka affärer som garanterat, sannolikt, potentiellt och osannolikt kommer att avslutas den här månaden
  • En månatlig intäktsprognos som automatiskt uppdateras med den information som du har angett i det första kalkylbladet
  • En spårare för årliga mål så att du kan övervaka dina framsteg

Den här mallen för försäljningsprognos är idealisk när du bara börjar. Om ditt företag är mer etablerat kan du dock överväga att använda ett CRM i stället. Ett CRM räknar ut allt ovan på egen hand – så du behöver inte lyfta ett finger.

Prova HubSpot’s kostnadsfria CRM. Det håller inte bara reda på dina faktiska och förutspådda intäkter, utan loggar automatiskt varje interaktion med potentiella kunder – e-post, samtal och sociala medier – vilket gör din förmåga att bedöma sannolikheten för att en affär ska avslutas ännu mer exakt.

Start Sales Forecasting Today

Med en genomtänkt strategi för försäljningsprognoser kan du vara redo för framtiden – vad den än kommer att föra med sig. Få fler enkla strategier för att skapa en bättre modell för försäljningsprognoser här.

Redaktörens anmärkning: Det här inlägget skrevs ursprungligen i januari 2019 och har uppdaterats för att bli heltäckande.

Lämna ett svar

Din e-postadress kommer inte publiceras.