Försäljningsprognoser: Hur du gör det snabbt och korrekt [+ mall]

Med rätt metod, mall och verktyg

Om du vill förbättra din förmåga att göra försäljningsprognoser och veta vilken framtida försäljning du kan förvänta dig för ditt företag, kommer jag att hjälpa dig att komma igång på nolltid - det är ett löfte.

En bra försäljningsprognos är trots allt avgörande om du vill veta om du kommer att nå dina mål för att få din provision eller bonus (som säljare) eller för att täcka dina utgifter (som företagare).

Jag kommer snabbt att gå igenom vad försäljningsprognoser handlar om, hur du bäst kan göra det och vilken Excel-mall eller specialiserad programvara du kan använda (jag har båda dessa redo för dig! 😘).

Det här är vad jag ska ta upp:

Låt oss bryta ner det. 👇

En definition: Vad är försäljningsprognoser?

Innan jag börjar ska vi komma överens om vad jag menar när jag säger "försäljningsprognoser".

Här är en möjlig definition av vad försäljningsprognoser är:

Försäljningsprognoser är en process där man uppskattar ett företags försäljningsintäkter för en viss framtida tidsperiod, 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 resursallokering och budgetering.

Om du inte har en exakt försäljningsprognos för ditt företag flyger du i princip i blindo. Du vet inte om du kommer att nå dina mål eller om du måste skära ner på kostnaderna och/eller skaffa lite extra pengar.

Och om du är en enskild säljare är det självklart en bra idé att följa dina framsteg mot att uppnå dina försäljningsmål. 📊

Hur man gör det: Metoder och formler för försäljningsprognoser, inklusive exempel

Det finns många metoder där ute och jag vill inte förvirra dig med alla dessa. Istället kommer jag att presentera en rekommenderad metod och sedan förklara några alternativa metoder.

Jag kommer också att presentera konkreta exempel och/eller formler så att du inte behöver googla mer för att förstå hur allt fungerar. 🧐

Metod för pipelineprognoser (rekommenderas)

Om du ska börja med försäljningsprognoser och vill beräkna en prognos både snabbt och exakt, är det förmodligen bäst att använda "Pipeline Forecasting Method".

Denna metod för försäljningsprognoser använder vad du vet om möjligheterna i din nuvarande försäljningspipeline för att uppskatta hur mycket försäljning du förmodligen kommer att stänga inom en viss tidsperiod. 📈

Följande formel används för att göra prognoser:

Prognostiserad försäljning = Summan av ((Sannolikhet att vinna en möjlighet) x (Möjlighetens värde)) för alla möjligheter med ett förväntat slutdatum under den relevanta perioden

Om du till exempel har följande säljmöjligheter i pipelinen:

  • $40.000 möjlighet med en 50% sannolikhet att stänga den runt den 31 januari
  • $100.000 möjlighet med en 20% sannolikhet att stänga den runt den 10 februari
  • $200.000 möjlighet med en 10% sannolikhet att stänga den runt den 15 mars
  • $100.000 möjlighet med en 20% sannolikhet att stänga den runt den 30 april

Då kommer din försäljningsprognos för årets första kvartal att vara:

$40,000 * 50% + $100,000 * 20% + $200,000 * 10% = $60,000

Detta är naturligtvis ett mycket förenklat räkneexempel för att man lätt ska kunna verifiera hur formeln fungerar.

Om du vill beräkna den här typen av försäljningsprognos live och löpande är denna Pipeline Forecasting Method helt automatiserad i en sales CRM-lösning som Salesflare. ✨

Rapporten "Förväntade intäkter vs. intäktsmål" i instrumentpanelen "Intäkter" kommer inte bara att prognostisera dina intäkter för den valda perioden, utan också jämföra dem med ditt intäktsmål. På så sätt vet du om du är på rätt spår för att nå ditt mål. 🎯

En bra försäljningsprognos hjälper dig att förstå om du är på rätt väg för att nå ditt mål 🎯

För att få en korrekt försäljningsprognos är följande saker viktiga:

  1. Ha minst 10-20 icke avslutade/öppna möjligheter i pipeline med ett förväntat avslutsdatum under den relevanta perioden.
  2. Uppskatta slutdatumet så exakt som möjligt. Ett sätt att göra detta är att uttryckligen fråga ditt prospekt eller din kund om deras uppskattade tidsramar. Korrigera sedan uppskattningen baserat på dina erfarenheter.
  3. Uppskatta värdet på affärsmöjligheterna så exakt som möjligt. Detta blir vanligtvis lättare när möjligheten avancerar genom säljpipelinen, eftersom omfattningen av möjligheten blir tydligare och offerter görs under resans gång. Lyckligtvis multipliceras möjligheter som ligger tidigare i säljpipelinen med en lägre sannolikhetsprocent, så en enda möjlighet i ett tidigt skede kommer att ha mindre effekt på resultatet.
  4. Uppskatta vinstsannolikheten för varje möjlighet så exakt som möjligt. Det enklaste och mest exakta sättet är att använda en vinstsannolikhet per steg. Denna "etappsannolikhet" kan anpassas utifrån dina historiska resultat. (Observera att det i undantagsfall, för pipelines med färre möjligheter av högre värde, kan ge mer exakta resultat att ange en sannolikhet per möjlighet).

För att exakt beräkna denna vinstsannolikhet per steg kan en CRM-lösning för försäljning som Salesflare krossa de historiska uppgifterna om dina möjligheter. Du kan hitta resultatet av denna dataknackning i den inbyggda rapporten "Trattanalys" på instrumentpanelen "Intäkter". 😁

Låt Salesflare beräkna din verkliga vinstsannolikhet per etapp 🔮

Den här rapporten ger dig också en uppfattning om konverteringsgraden från steg till steg, samt hur länge varje vunnen möjlighet i genomsnitt stannade i varje steg i säljpipelinen.

Andra metoder för försäljningsprognoser

Det finns flera andra möjliga metoder för försäljningsprognoser, men de flesta av dem är antingen överkomplicerade eller kräver ett alltför stort dataset för att fungera. I de flesta fall är det också osannolikt att de ger ett mer exakt resultat än Pipeline Forecasting Method.

För fullständighetens skull och om du är intresserad, eller om du bara vill ha en enkel sanitetskontroll av resultaten av din Pipeline Forecasting Method, kommer här en snabb översikt över några av dessa andra metoder inklusive ett konkret exempel eller en formel för var och en:

Analys av tidsserier

Denna metod innebär att man analyserar historiska försäljningsdata för att identifiera mönster och trender. Metoden förutsätter att tidigare försäljningsmönster kommer att fortsätta i framtiden.

Det finns flera tidsseriebaserade formler som du kan använda för detta, t.ex. den "naiva metoden", det enkla glidande medelvärdet, det viktade glidande medelvärdet och exponentiell utjämning:

  • Naiv metod: Anta bara att försäljningen kommer att vara densamma nästa månad som denna eller förra månaden.
  • Enkelt glidande medelvärde: För att beräkna försäljningsprognosen för nästa månad tar du till exempel genomsnittet av försäljningsresultaten under de x föregående månaderna.
  • Vägt glidande medelvärde: För att beräkna försäljningsprognosen för nästa månad tar man till exempel summan av (försäljningsresultat i månaden * viktningsfaktor) för de x föregående månaderna. Vanligtvis är denna viktningsfaktor högre för de senaste månaderna och blir successivt lägre för de senaste månaderna.
  • Exponentiell utjämning: Detta är vanligtvis som ett viktat glidande medelvärde med en viktningsfaktor som blir exponentiellt mindre. Det finns dock mer komplicerade versioner som också kan stödja trender eller säsongsvariationer (googla bara "dubbelexponentiell utjämning" och "trippelexponentiell utjämning" - det kan bli lite mer komplext).

Kort sagt: den här metoden för försäljningsprognoser använder en extrapolering baserad på historiska resultat som låter eller ser mer avancerad ut än vad den egentligen är. 😏

Regressionsanalys

Denna metod för försäljningsprognoser använder inte enbart en tidsextrapolering.

Den använder en matematisk ekvation för att modellera förhållandet mellan en beroende variabel (försäljning) och en eller flera oberoende variabler (t.ex. reklamutgifter eller ekonomiska indikatorer). Den grundläggande formeln för en linjär regression är:

y = a + bx

där y är den beroende variabeln (försäljning), a är y-interceptet, x är den oberoende variabeln (reklamutgifter) och b är koefficienten som representerar förändringen i y för en förändring på en enhet i x.

Den här typen av prognosmetod är användbar om du har identifierat faktorer som exakt förutsäger dina försäljningsresultat och som du själv kan förutsäga exakt i framtiden. Dessutom behöver du någon som är insatt i statistik för att bygga upp prognosmodellen. Annars är det osannolikt att du får tillförlitliga resultat. Eller med en emoji: 🚮

Försäljningsprognoser i Excel eller Google Sheets med vår kostnadsfria mall

Om du snabbt vill komma igång med att prognostisera din försäljning med hjälp av Pipeline Forecasting Method har vi skapat en kostnadsfri mall för Excel och Google Sheets för att göra just det.

Du kan ladda ner den kostnadsfria mallen här. Ingen e-postadress frågas. 🆓

Du kan använda denna gratis Excel & Google Sheets-mall för att prognostisera din försäljning 🙌

Några av dess viktigaste funktioner:

  • Den visar en graf över din försäljningsprognos för året + per kvartal.
  • Du kan anpassa stadiet och dess sannolikheter för att dynamiskt justera din prognos.
  • Du kan till och med spåra din försäljningspipeline i mallen, spåra företagsnamn, kontaktuppgifter, senaste interaktioner, nästa steg etc.

Här är en videohandledning om vad den gör och hur du kan använda den:

Denna 5-minutersvideo kommer att gå igenom varje detalj i mallen för försäljningsprognoser ☝️

Även om den här kalkylbladsmallen kan ge en översikt över din försäljningspipeline och beräkna en liveförsäljningsprognos baserat på den, kommer den naturligtvis inte riktigt att hjälpa ditt säljteam i deras försäljningsuppföljning, vilket gör det mindre troligt att den håller sig snyggt uppdaterad.

Dessutom integreras det inte med din e-postinkorg eller LinkedIn, skickar inte e-postsekvenser, spåra e-post, skicka liveaviseringar och påminnelser, hålla historiska uppdateringar, spåra aktivitetsmätvärden, ...

Det är därför det finns specialiserade CRM-mjukvaruverktyg för försäljning som Salesflare. 👇

Försäljningsprognoser i ett CRM-mjukvaruverktyg som Salesflare

Det finns en hel del programvara för försäljningsprognoser, men den största flaskhalsen för att få försäljningsprognoser att fungera är att få nödvändig data från säljteamet. 😅

Om dina säljare inte uppdaterar CRM-systemet flitigt baseras dina försäljningsprognoser på inaktuella eller ofullständiga uppgifter och blir sannolikt mycket felaktiga.

Det är därför du behöver ett system där de faktiskt spårar sin försäljning, plus att det har inbyggda live- och automatiserade försäljningsprognosförmågor, som Salesflare. ✨

Jag visade tidigare i avsnittet om "Pipeline Forecasting Method" hur en sådan försäljningsprognosrapport ser ut i Salesflare:

Prognostisera din försäljning och jämför den med ditt mål för den aktuella perioden 📊

Salesflare:s funktioner för försäljningsöversikt och rapportering är naturligtvis mycket mer omfattande än denna enda rapport.

Här är en skärmdump av en av de inbyggda instrumentpanelerna (den som innehåller ovanstående rapport):

Analysera din intäktsmaskin med denna inbyggda Salesflare instrumentpanel 🤩

Om du vill ta reda på hur den här inbyggda rapporteringen fungerar kan du kolla in den här handledningsvideon. Om du funderar på att bygga dina egna anpassade försäljningsrapporter, läs denna översikt över exempel på instrumentpaneler och se denna instruktionsvideo om Salesflare:s anpassade rapportering.

Om du undrar varför ditt säljteam faktiskt kommer att använda Salesflare, här är några av de bästa sätten på vilka det kommer att hjälpa dem att bli mer framgångsrika: 💪

  • Istället för att förlita sig på manuell datainmatning från ditt säljteam som andra CRM gör, till exempel Salesforce eller Hubspot, skapar Salesflare automatiskt kontakter för alla som de skickar e-post till eller har möten med. Den hittar namn, e-postadresser, telefonnummer, roller, adresser, sociala profiler, ... genom att extrahera information från din e-postinkorg såväl som från internet.
  • Salesflare håller reda på alla e-postmeddelanden, möten, samtal, e-postöppningar, klick, webbplatsbesök, ... automatiskt och använder denna information för att ge en översikt över alla interaktioner och utlösa påminnelser om att följa upp med dina leads, så att ingen slinker igenom sprickorna.
  • Du kan spåra e-postmeddelanden, infoga email templates, send email sequences, ... så att du i princip inte spenderar hela din dag med att skicka e-post. Speciellt om du försöker genererar leads.
  • mobilappen är den enda du hittar där ute med 100% av funktionaliteten i CRM-appen för skrivbordet.
  • Salesflare ger också ett praktiskt sidofält i LinkedIn och din e-postinkorg (Gmail i Chrome & Outlook på Windows) så att du inte behöver byta flikar hela tiden. Dessutom kan tillägget finna företagsmejl för LinkedIn-profiler.
Hitta e-postmeddelanden och lägg till kontakter i Salesflares CRM, direkt från LinkedIn.

Och det finns mycket mer! 😁

Salesflare är byggt för små och medelstora företag som säljer B2B, så om det är du, kolla in det. Om det inte är du, kolla in den här översikten över exempel på CRM per användningsfall.

Om du vill utforska Salesflare i detalj kan du enkelt prova programvaran gratis eller boka en demo med oss så att vi personligen kan visa dig runt.

VANLIGA FRÅGOR

Vilken är den enklaste metoden för försäljningsprognoser?

Den enklaste metoden för försäljningsprognoser är "Procent av försäljningen"-metoden. Metoden innebär att man uppskattar framtida försäljning baserat på en procentandel av historiska försäljningsdata. Den är enkel att beräkna och ger en grundläggande prognos, men den kanske inte tar hänsyn till externa faktorer som kan påverka försäljningen.

Vilka är 5 tekniker för försäljningsprognoser?

Fem tekniker för försäljningsprognoser är 1) Pipelineprognoser, 2) Tidsserieanalys, 3) Prognoser i möjlighetsstadiet, 4) Regressionsanalys och 5) Intuitiva prognoser. Dessa tekniker använder olika tillvägagångssätt, t.ex. att analysera tidigare data, samla in marknadsinsikter, utvärdera försäljningsmöjligheter, tillämpa statistiska modeller och förlita sig på expertbedömningar.

Hur gör du en korrekt prognos?

För att göra korrekta prognoser bör du tänka på följande: 1) Samla in och analysera relevanta data, 2) Använd flera olika prognosmetoder, 3) Ta hänsyn till marknadstrender och externa faktorer, 4) Involvera tvärfunktionella team, 5) Övervaka och förfina dina prognoser kontinuerligt, och 6) Utnyttja teknik och prediktiva analysverktyg för att förbättra precisionen och effektiviteten.

Hur prognostiserar du försäljningen i Excel?

För att prognostisera försäljningen i Excel kan du använda olika metoder som glidande medelvärden, exponentiell utjämning, regressionsanalys eller den kostnadsfria mallen för försäljningsprognoser av Salesflare. Genom att organisera dina historiska försäljningsdata i Excel kan du tillämpa dessa tekniker med hjälp av formler eller inbyggda funktioner för att projicera framtida försäljning baserat på identifierade mönster och trender.

Vad är ett exempel på försäljningsprognoser?

Ett exempel på försäljningsprognoser är en klädkedja som använder historiska försäljningsdata, marknadsundersökningar och trendanalyser för att förutse framtida försäljning för olika produktkategorier. Baserat på de insikter som erhålls kan de uppskatta efterfrågan på specifika artiklar, planera lagernivåer och optimera marknadsförings- och kampanjaktiviteter i enlighet med detta.

Är du redo att prognostisera din försäljning? Vi finns här för att hjälpa dig om du har fler frågor. Fråga bara vårt team med hjälp av chattwidgeten på salesflare.com. 👈

Prova Salesflare:s CRM

Jag hoppas att du gillade det här inlägget. Om du gjorde det, sprid ordet!

👉 Du kan följa @salesflare på Twitter, Facebook och LinkedIn.

Jeroen Corthout
Senaste inläggen av Jeroen Corthout (se alla)