Försäljningsprognoser: Så gör du det snabbt och träffsäkert [+ mall]
Med rätt metod, mall och verktyg
Om du vill bli bättre på försäljningsprognoser och få koll på vilken försäljning du kan förvänta dig framöver för ditt företag, hjälper jag dig att komma igång på nolltid – det lovar jag.
En bra försäljningsprognos är trots allt avgörande om du vill veta om du kommer att nå dina mål och få din provision eller bonus (som säljare), eller täcka dina kostnader (som företagsägare).
Jag går snabbt igenom vad försäljningsprognoser handlar om, hur du gör det på bästa sätt och vilken Excel-mall eller specialiserad programvara du kan använda (jag har båda redo åt dig! 😘).
Det här kommer jag att gå igenom:
- Vad är försäljningsprognoser?
- Vilka tillgängliga metoder och formler finns det, inklusive exempel?
- Hur gör jag det med de nedladdningsbara mallarna för Excel och Google Sheets?
- Hur gör jag det med ett verktyg som Salesflare?
Nu bryter vi ner det. 👇
En definition: Vad är försäljningsprognoser?
Innan jag sätter igång vill jag att vi är på samma sida kring vad jag menar när jag säger ”försäljningsprognoser”.
Här är en möjlig definition av vad försäljningsprognoser är:
Försäljningsprognoser är processen att uppskatta ett företags försäljningsintäkt för en specifik framtida period, oftast en månad, ett kvartal eller ett år. Det är en förutsägelse av hur mycket ett företag kommer att sälja i framtiden. Exakta försäljningsprognoser gör det möjligt för företag att fatta välgrundade affärsbeslut om resursfördelning och budgetering.
Om du inte har en exakt försäljningsprognos för ditt företag famlar du i princip i mörker. Du vet inte om du kommer att nå dina mål, eller om du behöver skära ner på kostnaderna och/eller dra in extra kapital.
Och om du är en enskild säljare är det förstås en bra idé att spåra dina framsteg mot att nå dina säljmål. 📊
Så gör du: Metoder och formler för försäljningsprognoser, inklusive exempel
Det finns många metoder där ute, och jag vill inte förvirra dig med allihop. I stället presenterar jag en rekommenderad metod och förklarar sedan några alternativa metoder.
Jag kommer också att ge dig konkreta exempel och/eller formler, så att du inte behöver googla vidare för att förstå hur allt fungerar. 🧐
Pipelineprognosmetoden (rekommenderad)
Om du har börjat med försäljningsprognoser och vill beräkna en prognos både snabbt och exakt, är det förmodligen bäst att använda ”Pipelineprognosmetoden”.
Den här metoden för försäljningsprognoser använder det du vet om möjligheterna i din nuvarande sales pipeline för att uppskatta hur stora försäljningsintäkter du sannolikt kommer att stänga inom en specifik period. 📈
Den använder följande prognosformel:
Försäljning enligt prognos = summan av ((sannolikheten att vinna en möjlighet) x (värdet av en möjlighet)) för alla möjligheter med ett förväntat stängningsdatum under den aktuella perioden
Om du till exempel har följande försäljningsmöjligheter i pipelinen:
- Möjlighet på 40 000 dollar med 50 % sannolikhet att stängas omkring den 31 januari
- Möjlighet på 100 000 dollar med 20 % sannolikhet att stängas omkring den 10 februari
- Möjlighet på 200 000 dollar med 10 % sannolikhet att stängas omkring den 15 mars
- Möjlighet på 100 000 dollar med 20 % sannolikhet att stängas omkring den 30 april
Då blir din försäljningsprognos för årets första kvartal:
$40,000 * 50% + $100,000 * 20% + $200,000 * 10% = $60,000
Det här är förstås ett mycket förenklat beräkningsexempel, så att det blir enkelt att kontrollera hur formeln fungerar.
Om du vill beräkna den här typen av försäljningsprognos live och löpande är den här pipelineprognosmetoden helt automatiserad i en sales CRM-lösning som Salesflare. ✨
Rapporten ”Förväntade intäkter jämfört med intäktsmål” i instrumentpanelen ”Intäkt” prognostiserar inte bara dina intäkter för den valda perioden, utan jämför dem också med ditt intäktsmål. På så sätt vet du om du ligger i fas för att nå din målgrupp. 🎯
För att få en träffsäker försäljningsprognos är följande saker viktiga:
- Ha minst 10–20 ej avslutade/öppna möjligheter i pipelinen med ett förväntat stängningsdatum under den aktuella perioden.
- Uppskatta stängningsdatumet så exakt som möjligt. Ett sätt att göra det är att uttryckligen fråga din prospekt eller kund om deras uppskattade tidsplan. Justera sedan uppskattningen utifrån din erfarenhet.
- Uppskatta möjligheternas värde så exakt som möjligt. Det blir vanligtvis enklare när möjligheten rör sig genom säljprocessen, eftersom omfattningen av möjligheten klarnar och offerter tas fram längs vägen. Som tur är multipliceras möjligheter som befinner sig tidigare i pipelinen med en lägre sannolikhetsprocent, så en enskild möjlighet i ett tidigt steg har mindre effekt på resultatet.
- Uppskatta vinstsannolikheten för varje möjlighet så exakt som möjligt. Det enklaste och mest träffsäkra sättet är att använda en vinstsannolikhet per steg. Den här ”stegsannolikheten” kan anpassas utifrån dina historiska resultat. (Observera att det som undantag kan ge mer träffsäkra resultat att ange en sannolikhet per möjlighet för pipelines med färre möjligheter av högre värde.)
För att beräkna den här vinstsannolikheten per steg på ett träffsäkert sätt kan en sales CRM-lösning som Salesflare bearbeta historiska data om dina möjligheter. Du hittar resultatet av den här databearbetningen i den inbyggda rapporten ”Trattanalys” på instrumentpanelen ”Intäkt”. 😁
Den här rapporten ger dessutom en bild av konverteringsgraden från steg till steg och av hur länge varje vunnen möjlighet i genomsnitt befann sig i varje steg av säljprocessen.
Andra metoder för försäljningsprognoser
Det finns flera andra möjliga metoder för försäljningsprognoser, men de flesta är antingen överdrivet komplicerade eller kräver en orimligt stor datamängd för att fungera. I de flesta fall är det dessutom osannolikt att de ger ett mer träffsäkert resultat än pipelineprognosmetoden.
För fullständighetens skull, och om du är intresserad eller bara vill göra en enkel rimlighetskontroll av resultaten från din pipelineprognosmetod, kommer här en snabb översikt över några av dessa andra metoder, inklusive ett konkret exempel eller en formel för varje metod:
Tidsserieanalys
Den här metoden går ut på att analysera historiska försäljningsdata för att identifiera mönster och trender. Den utgår från att tidigare försäljningsmönster kommer att fortsätta in i framtiden.
Det finns flera tidsseriebaserade formler du kan använda, till exempel ”naiv metod”, enkelt glidande medelvärde, viktat glidande medelvärde och exponentiell utjämning:
- Naiv metod: Utgå helt enkelt från att försäljningen blir densamma nästa månad som den här eller förra månaden.
- Enkelt glidande medelvärde: För att till exempel beräkna försäljningsprognosen för nästa månad tar du genomsnittet av försäljningsresultaten under de x föregående månaderna.
- Viktat glidande medelvärde: För att till exempel beräkna försäljningsprognosen för nästa månad tar du summan av (försäljningsresultat under månaden * viktfaktor) för de x föregående månaderna. Vanligtvis är viktfaktorn högre för de senaste månaderna och blir gradvis lägre för månader som ligger längre tillbaka i tiden.
- Exponentiell utjämning: Det här liknar vanligtvis ett viktat glidande medelvärde med en viktfaktor som blir exponentiellt mindre. Det finns dock mer komplicerade varianter som även kan hantera trender eller säsongsvariationer (googla ”double exponential smoothing” och ”triple exponential smoothing” – det kan bli lite mer komplicerat).
Kort sagt: den här metoden för försäljningsprognoser använder en extrapolering baserad på historiska resultat som låter eller ser mer avancerad ut än den egentligen är. 😏
Regressionsanalys
Den här metoden för försäljningsprognoser använder inte en ren tidsmässig extrapolering.
I stället använder den en matematisk ekvation för att modellera relationen mellan en beroende variabel (försäljning) och en eller flera oberoende variabler (till exempel reklamutgifter eller ekonomiska indikatorer). Grundformeln för en linjär regression är:
y = a + bx
där y är den beroende variabeln (försäljning), a är skärningspunkten med y-axeln, x är den oberoende variabeln (reklamutgifter) och b är koefficienten som anger förändringen i y vid en förändring på en enhet i x.
Den här typen av prognosmetod är användbar om du har identifierat faktorer som på ett träffsäkert sätt förutsäger dina försäljningsresultat och som du själv kan göra en träffsäker prognos för i framtiden. Dessutom behöver du någon som är väl insatt i statistik för att bygga prognosmodellen. Annars är det osannolikt att du får tillförlitliga resultat. Eller med en enda emoji: 🚮
Försäljningsprognoser i Excel eller Google Sheets med vår kostnadsfria mall
Om du snabbt vill komma igång med att göra försäljningsprognoser med Pipeline Forecasting Method har vi byggt en kostnadsfri mall för Excel och Google Sheets som hjälper dig med just det.
Du kan ladda ner den kostnadsfria mallen här. Du behöver inte ange någon e-postadress. 🆓
Några av de viktigaste funktionerna:
- Den visar en graf över din försäljningsprognos för året och per kvartal.
- Du kan anpassa stegen och deras sannolikheter för att dynamiskt justera din prognos.
- Du kan till och med spåra din sales pipeline i mallen och hålla koll på företagsnamn, kontaktuppgifter, senaste interaktioner, nästa steg och mycket mer.
Här är en videoguide som visar vad den gör och hur du kan använda den:
Den här 5 minuter långa videon går igenom alla detaljer i mallen för försäljningsprognoser ☝️
Den här 5 minuter långa videon går igenom alla detaljer i mallen för försäljningsprognoser ☝️
Självklart kan den här kalkylbladsmallen ge dig en översikt över din sales pipeline och beräkna en aktuell försäljningsprognos utifrån den, men den hjälper egentligen inte ditt säljteam med uppföljningen av försäljningen. Därför är det mindre sannolikt att den hålls snyggt uppdaterad.
Dessutom integrerar den inte med din inkorg eller LinkedIn, skickar inte e-postsekvenser, spårar inte e-postmeddelanden, skickar inte liveaviseringar och påminnelser, sparar inte historiska uppdateringar, spårar inte aktivitetsmått, …
Det är därför specialiserade CRM-verktyg för försäljning, som Salesflare, finns. 👇
Försäljningsprognoser i ett CRM-verktyg som Salesflare
Även om det finns gott om programvara för försäljningsprognoser är den största flaskhalsen för att få försäljningsprognoser att fungera att samla in nödvändiga data från säljteamet. 😅
Om dina säljare inte uppdaterar CRM-systemet noggrant bygger dina försäljningsprognoser på inaktuella eller ofullständiga data och blir sannolikt mycket felaktiga.
Därför behöver du ett system där de faktiskt spårar sin försäljning och som dessutom har inbyggda, livebaserade och automatiserade funktioner för försäljningsprognoser, som Salesflare. ✨
Tidigare, i avsnittet om ”Pipeline Forecasting Method”, visade jag hur en sådan rapport för försäljningsprognoser ser ut i Salesflare:
Salesflares funktioner för instrumentpaneler och rapportering är förstås mycket mer omfattande än den här enda rapporten.
Här är en skärmbild av en av de inbyggda instrumentpanelerna (den som innehåller rapporten ovan):
Om du vill ta reda på hur den här inbyggda rapporteringen fungerar kan du kolla in den här instruktionsvideon. Om du funderar på att bygga dina egna försäljningsrapporter kan du läsa den här översikten över exempel på instrumentpaneler och titta på den här instruktionsvideon om Salesflares anpassade rapportering.
Om du undrar varför ditt säljteam faktiskt kommer att använda Salesflare, kommer här några av de viktigaste sätten som det hjälper dem att bli mer framgångsrika på: 💪
- I stället för att förlita sig på manuell datainmatning från ditt säljteam, som andra CRM-system gör, till exempel Salesforce eller Hubspot, skapar Salesflare automatiskt kontakter för alla de e-postmeddelanden som säljarna skickar till och alla de möten de har. Det hittar namn, e-postadresser, telefonnummer, roller, adresser, sociala profiler och mycket mer genom att hämta information från inkorgen och internet.
- Salesflare håller automatiskt reda på alla e-postmeddelanden, möten, samtal, öppnade e-postmeddelanden, klick, webbplatsbesök och mycket mer. Därefter använder det informationen för att ge en översikt över alla interaktioner och utlösa påminnelser om att följa upp dina leads, så att inga leads faller mellan stolarna.
- Du kan spåra e-postmeddelanden, infoga e-postmallar, skicka e-postsekvenser och mycket mer, så du behöver i princip inte ägna hela dagen åt att skicka e-postmeddelanden. Särskilt om du försöker generera leads.
- Den mobila appen är den enda du hittar där ute som har 100 % av funktionerna i CRM-appen för datorer.
- Salesflare erbjuder också ett praktiskt sidofält i LinkedIn och i din inkorg (Gmail i Chrome och Outlook i Windows), så att du slipper växla mellan flikar. Dessutom kan chrome-tillägget hitta företags e-postadresser för LinkedIn-profiler.
Och det finns mycket mer! 😁
Salesflare är byggt för små och medelstora företag som säljer B2B, så om det är du kan du kolla in det. Om det inte är du kan du kolla in den här översikten över exempel på CRM-system för olika användningsområden.
Om du vill utforska Salesflare på djupet kan du enkelt testa programvaran gratis eller boka en demo med oss, så kan vi personligen visa dig runt.
Vanliga frågor
Vilken är den enklaste metoden för försäljningsprognoser?
Den enklaste metoden för försäljningsprognoser är metoden ”Procent av försäljningen”. Den innebär att du uppskattar framtida försäljning utifrån en procentandel av historiska försäljningsdata. Den är enkel att beräkna och ger en grundläggande prognos, men tar kanske inte hänsyn till externa faktorer som kan påverka försäljningen.
Vilka är de fem teknikerna för försäljningsprognoser?
Fem tekniker för försäljningsprognoser är 1) pipelineprognoser, 2) tidsserieanalys, 3) prognoser utifrån möjligheters steg, 4) regressionsanalys och 5) intuitiva prognoser. Teknikerna använder olika angreppssätt, till exempel att analysera tidigare data, samla in marknadsinsikter, utvärdera försäljningsmöjligheter, tillämpa statistiska modeller och förlita sig på expertbedömningar.
Hur gör du korrekta prognoser?
För att göra korrekta prognoser bör du tänka på följande: 1) samla in och analysera relevanta data, 2) använda flera prognostekniker, 3) ta hänsyn till marknadstrender och externa faktorer, 4) involvera tvärfunktionella team, 5) kontinuerligt övervaka och förbättra dina prognoser och 6) utnyttja teknik och verktyg för prediktiv analys för att öka träffsäkerheten och effektiviteten.
Hur gör du en säljprognos i Excel?
För att göra en säljprognos i Excel kan du använda olika metoder, till exempel glidande medelvärden, exponentiell utjämning, regressionsanalys eller Salesflares kostnadsfria mall för säljprognoser. Genom att organisera dina historiska försäljningsdata i Excel kan du tillämpa de här teknikerna med hjälp av formler eller inbyggda funktioner för att prognostisera framtida försäljning utifrån de mönster och trender du har identifierat.
Vad är ett exempel på en säljprognos?
Ett exempel på en säljprognos är en klädbutik som använder historiska försäljningsdata, marknadsundersökningar och trendanalyser för att förutsäga framtida försäljning inom olika produktkategorier. Utifrån de insikter de får kan de uppskatta efterfrågan på specifika produkter, planera lagernivåer och optimera marknadsförings- och kampanjaktiviteter.
Redo att göra en säljprognos? Vi hjälper dig gärna om du har fler frågor. Fråga bara vårt team via chattwidgeten på salesflare.com. 👈
Jag hoppas att du gillade det här inlägget. Om du gjorde det, sprid ordet!
👉 Du kan följa @salesflare på Twitter, Facebook och LinkedIn.
