7 Beispiele für Umsatzprognosen für RevOps-Leiter

Warum ist die Vertriebsprognose für Revenue Operations so wichtig?

Bei all dem, was Vertriebsteams leisten müssen, könnten einige Kollegen meinen, dass Prognosen nur ein weiterer Punkt auf der To-do-Liste sind. Aber Prognosen beeinflussen den Vertrieb – und das gesamte Unternehmen – auf vielen Ebenen. Die Vertriebsprognosen helfen dabei, Erwartungen für ein Quartal oder Jahr zu definieren. Sie ermöglichen Vertriebsleitern und Teams, angemessene Ziele und Quoten zu setzen. Ohne Daten und Prognosen könnte es schnell passieren, dass Zielvorgaben entweder zu wenig fordernd oder nicht erreichbar sind.

Für RevOps-Teams helfen Vertriebsprognosen dabei, nicht nur den Umsatz, sondern auch die Kosten abzuschätzen. Wenn Sie wissen, wie hoch Ihr Umsatz wahrscheinlich sein wird, können Sie auch besser planen – ob bei Neueinstellungen für Vertrieb, Marketing oder Customer Success. Genaue Vertriebsprognosen erlauben es Ihnen, Chancen am Markt zu nutzen, indem Sie Personalbestand, Vertriebstechnologien und Budgets anpassen.

Eine verlässliche Vertriebsprognose ist zudem ein zentrales Instrument für Unternehmen, die ein starkes Wachstum planen. Darum sind die besten Praktiken bei Vertriebsprognosen besonders wichtig. Für wachsende SaaS-Unternehmen oder andere Start-ups kann schnelles Wachstum bedeuten, dass die Zahlen des Vorjahres wenig hilfreich für künftige Planungen sind. Exakte Prognosen, die neue Daten und Marktforschung berücksichtigen, helfen wachsenden Unternehmen, sich besser auf die kommenden Herausforderungen einzustellen.

Vertriebsprognosen können außerdem wertvoll sein, um Investoren und Partner zu gewinnen. Selbst wenn Ihr Unternehmen noch klein ist, können Prognosen auf der Grundlage aussagekräftiger Daten das Potenzial Ihres Unternehmens verdeutlichen.

Schließlich ist die Prognose auch wichtig, um Ihre Vertriebsprozesse zu bewerten und neu zu justieren. Sie können überprüfen, ob die Prognosen zutreffend sind und damit Annahmen über Gewinnwahrscheinlichkeit oder andere Kennzahlen testen.

Selbst wenn sie danebenliegt, kann die Vertriebsprognose zu Prozessverbesserungen führen. Angenommen, Ihre tatsächlichen Umsätze bleiben hinter den Prognosen zurück. Dann können Sie die einzelnen Prozessschritte vergleichen, um die Ursache zu finden. Vielleicht haben Sie die erwartete Anzahl an Leads gewonnen, aber Ihre Abschlussquote war niedriger als erwartet. So erkennen Sie, ob Sie die Prognoseformel anpassen oder Ihre Abschlussquote steigern müssen.

Die Bedürfnisse und Erwartungen Ihrer Kunden entwickeln sich ständig weiter – womöglich müssen Sie auch Ihren Vertriebsbetrieb anpassen. Stimmen die Prognosen nicht mit den Ergebnissen überein, sollten Sie die Ursachen dafür analysieren.

7 Beispiele für Vertriebsprognosen

Ich habe diese Beispiele für die besten Methoden der Vertriebsprognose ausgewählt. Ich erläutere, welche Informationen der jeweiligen Prognose zugrunde liegen und welche Vor- und Nachteile die Ansätze mit sich bringen.

For the next generation of CROs

Join our newsletter for trends, tips, and tools to help you tackle today's challenges and prepare for the future of GTM.

Sign up with LinkedIn

Or sign up with email:

Email

This field is for validation purposes and should be left unchanged.

Name*

First name Last name

Business email*

This field is hidden when viewing the form

Free Account Module

Bottom BarLanding PageFooterInlinePop UpSidebarSSO

LinkedIn profile

Seniority*

Select an optionExecutive / C-suiteVPDirectorManagerIndividual ContributorOther

Company's AI adoption maturity*

Select an optionExploring opportunitiesRunning pilotsScaling adoptionEmbedded in the business model

1. Intuitive Vertriebsprognose

Wie der Name schon sagt, stützt sich die Intuitive Vertriebsprognose auf die Meinungen und subjektiven Einschätzungen Ihres Vertriebsteams.

So funktioniert sie

Bei der intuitiven Prognose bittet eine RevOps-Führungskraft das Vertriebsteam, die Wahrscheinlichkeit für den Abschluss der jeweils bearbeiteten Verkaufschancen einzuschätzen. In der absolut einfachsten Form könnten Sie eine intuitive Prognose erstellen, indem Sie jeden Vertriebsmitarbeiter fragen, wie viel Umsatz er im aktuellen Quartal oder Jahr erwartet. Diese Bauchgefühl-Schätzungen werden anschließend addiert, um eine Gesamtsumme für die Vertriebsprognose zu erhalten.

Für eine etwas detailliertere Einschätzung könnten Sie jeden Vertriebsmitarbeiter bitten, zwei Schätzungen zu kombinieren:

• Welchen Umsatz der jeweilige Deal einbringen wird (in Dollar)
• Wie wahrscheinlich es ist, dass der Abschluss im genannten Zeitraum erfolgt (als Prozentwert)

Sie können nun die Abschlusswahrscheinlichkeit mit der Dealgröße multiplizieren. Diese Rechnung führen Sie für jedes Geschäft einzeln durch und addieren die Ergebnisse, um den erwarteten Umsatz eines Vertriebsmitarbeiters zu schätzen.

Jeder Vertriebsmitarbeiter nimmt diese Einschätzungen für alle eigenen Verkaufschancen vor. Anschließend können Sie die Werte und Wahrscheinlichkeiten aggregieren, um den Umsatz einzelner Mitarbeiter und des gesamten Teams zu prognostizieren.

Beispiel für eine intuitive Vertriebsprognose

Nehmen wir an, Sie haben fünf Vertriebsmitarbeiter und bitten jeden um eine Einschätzung, was er bis zum Quartalsende verkaufen wird. Jeder im Team sendet Ihnen seine beste Schätzung, und Sie erhalten folgende Zahlen:

Sie addieren dann diese Zahlen, um die Umsatzprognose für das Quartal zu erstellen: 460.000 $.

Wenn Sie einen genaueren Blick auf jedes Geschäft werfen möchten, bitten Sie jeden Vertriebsmitarbeiter, die einzelnen Dealgrößen und die Wahrscheinlichkeit des Abschlusses in diesem Quartal einzuschätzen. Sehen wir uns als Beispiel die Geschäfte eines Teammitglieds an.

Sie würden die gleichen Berechnungen für die Chancen jedes Vertriebsmitarbeiters durchführen und dann deren insgesamt prognostizierten Umsatz addieren, um eine gesamte Umsatzprognose zu erstellen.

Vorteile

• Ermöglicht neuen Unternehmen mit wenig historischen Daten die Umsatzprognose
• Bezieht die Einschätzung von Vertriebsmitarbeitern ein, die direkt an den Geschäften arbeiten

Nachteile

• Basiert auf Meinungen, nicht auf Daten
• Erfordert kompetente, erfahrene Vertriebsteams

2. Prognose auf Basis von historischen Daten

Die Prognose auf Basis von historischen Umsätzen geht von dem Grundsatz aus, dass die bisherige Leistung der beste Indikator für die zukünftige Entwicklung ist. Es werden tatsächliche Verkaufsdaten aus vorherigen Quartalen oder Jahren genutzt, um den zukünftigen Umsatz vorherzusagen.

So funktioniert es

Wir verwenden ständig historische Daten, um Prognosen zu erstellen. Wenn wir etwas kaufen müssen, richten wir unsere Kostenerwartung oft nach dem Betrag, den wir zuletzt dafür bezahlt haben. Bei der Umsatzprognose auf Basis historischer Daten beginnen Sie mit den vergangenen Zahlen und passen diese anhand verschiedener Faktoren an, z. B. Preisänderungen, Marktentwicklung oder Größe Ihres Vertriebsteams.

Beispiel für eine Prognose auf Basis historischer Verkaufszahlen

Um zu zeigen, wie ein Unternehmen eine historische Prognose nutzen könnte, nehmen wir an, Ihr Unternehmen hat im letzten Jahr 2 Millionen $ Umsatz erzielt. Wenn Sie wirklich erwarteten, dass sich nichts ändert, würden Sie für dieses Jahr ebenfalls einen Umsatz von 2 Millionen $ prognostizieren. In den meisten Fällen ist die Prognosehistorie jedoch etwas komplexer.

Vielleicht sehen wir uns die Daten der letzten Jahre an und stellen fest, dass der Umsatz im Durchschnitt um 10 % pro Jahr gewachsen ist. Sie könnten dann die historische Wachstumsrate zur Anpassung der Basisdaten verwenden.

• Umsatz des Vorjahres = 2.000.000 $
• Ø jährliches Wachstum = 10 %
• Umsatzprognose = 2.200.000 $

2 Millionen Dollar Umsatz mit erwarteten 10 % Wachstum ergeben eine Prognose von 2,2 Millionen $. So können bei der Prognose verschiedene Kennzahlen kombiniert werden, um ein genaueres Bild zu erhalten.

Das Problem ist: Beim Umsatz gibt es viele Variablen. Vielleicht bringt Ihr Wettbewerber gerade ein sehr gefragtes Produkt auf den Markt. Oder Ihr bester Vertriebsmitarbeiter ist aus dem Unternehmen ausgeschieden. Wenn Sie eine Umsatzprognose auf Basis historischer Daten erstellen, müssen Sie entscheiden, welche Faktoren für Ihre Berechnungen berücksichtigt werden sollten.

Vorteile

• Schnell und einfach berechenbar
• Beruht auf bestätigten Vergangenheitsdaten

Nachteile

• Berücksichtigt keine internen oder externen Veränderungen
• Für Unternehmen mit starkem Wachstum weniger hilfreich

3. Prognose basierend auf der Länge des Verkaufszyklus

In gewisser Weise geht diese Methode ebenfalls von historischen Daten aus, genauer: der durchschnittlichen Länge des Vertriebszyklus eines Unternehmens.

So funktioniert es

Die Länge des Verkaufszyklus ist der Zeitraum, den ein neuer Lead durchschnittlich vom Erstkontakt bis zum erfolgreichen Abschluss benötigt. Wenn Sie heute einen neuen Lead erhalten, wann erwarten Sie den Abschluss des Geschäfts?

Diese Zeitspannen können stark variieren – je nachdem, welches Produkt Sie verkaufen, wie groß der potenzielle Kunde ist, der Preis usw. Deshalb ist es so wichtig, Ihre eigenen Verkaufszyklusdaten zu nutzen.

Mit den Daten Ihrer Plattform für Kundenbeziehungsmanagement berechnen Sie die durchschnittliche Länge Ihres Vertriebszyklus. Anschließend vergleichen Sie diese mit der Zeit, die jede Opportunity bereits im Vertriebsprozess verbracht hat.

Beispiel für eine Prognose auf Basis der Länge des Verkaufszyklus

Der erste Schritt bei dieser Prognose ist die Ermittlung der durchschnittlichen Länge Ihres Vertriebszyklus. Wenn Sie es ganz einfach halten möchten, addieren Sie die Dauer jedes abgeschlossenen Geschäfts und teilen dieses Ergebnis durch die Anzahl der Abschlüsse.

Der Nachteil dieser Methode besteht darin, dass sie die verlorenen Abschlüsse nicht berücksichtigt. Glücklicherweise gibt es eine einfache Formel, um das zu korrigieren. Sie beginnen damit, die Länge des Verkaufszyklus aller Abschlüsse in einem bestimmten Zeitraum zu addieren – egal, ob Sie diese gewonnen oder verloren haben. Anschließend teilen Sie diese Summe durch die Anzahl der gewonnenen Abschlüsse in diesem Zeitraum. So wird die Länge Ihres Verkaufszyklus angepasst, um zu optimistische Prognosen zu vermeiden. Das folgende Beispiel zeigt, wie sich die durchschnittliche Verkaufszyklusdauer verändert, wenn auch die verlorenen Abschlüsse einbezogen werden.

Mit dieser Formel kommen wir auf einen Verkaufszyklus von 45 Tagen. Sie würden dann für jeden potenziellen Abschluss prüfen, ob er innerhalb des Prognosezeitraums die 45 Tage erreicht.

Vorteile

• Basiert auf umfangreichen Daten
• Prognosen beruhen auf Ihrem Verkaufszyklus

Nachteile

• Erfordert ein tiefes Verständnis Ihres Verkaufszyklus
• Zykluslänge kann je nach Interessentenprofil variieren

4. Prognose nach Verkaufsphasen

Die Prognose nach Verkaufsphasen nutzt die Struktur Ihres Verkaufsprozesses, um die Wahrscheinlichkeit einzuschätzen, mit der Sie einen Abschluss in einem bestimmten Zeitraum gewinnen. Im Gegensatz zu anderen Methoden berücksichtigt sie, dass Interessenten, die im Verkaufsprozess schon sehr weit fortgeschritten sind, mit höherer Wahrscheinlichkeit zu Kunden werden.

Wie es funktioniert

Wenn Sie die Methode der Verkaufsphasen anwenden, schätzen Sie die Abschlusswahrscheinlichkeit basierend auf der Phase im Verkaufsprozess ab, in der sich der jeweilige Abschluss befindet. So könnten Sie z. B. bestimmen, dass jeder Interessent, der die letzte Phase erreicht hat, eine 90%ige Abschlusswahrscheinlichkeit hat, während Interessenten im Produkt-Demo-Stadium nur eine 40%ige Chance haben.

Um Ihre Verkaufsprognose für einen bestimmten Zeitraum (Monat, Quartal usw.) zu berechnen, wenden Sie diese Wahrscheinlichkeit auf jeden potenziellen Abschluss an. Sie multiplizieren diese Wahrscheinlichkeit mit dem geschätzten Deal-Volumen, um zukünftige Umsätze vorherzusagen.

Beispiel für Prognosen nach Verkaufsphasen

Nehmen wir an, Ihr Unternehmen unterteilt die Kaufreise in fünf Phasen und ordnet jeder Abschlusswahrscheinlichkeiten zu.

• Lead-Phase = 5% Abschlusswahrscheinlichkeit
• Qualifizierungsphase = 15% Abschlusswahrscheinlichkeit
• Demo-Phase = 40% Abschlusswahrscheinlichkeit
• Testphase = 60% Abschlusswahrscheinlichkeit
• Angebotsphase = 90% Abschlusswahrscheinlichkeit

Sie würden dann jeden Abschluss betrachten und den geschätzten Wert mit der Abschlusswahrscheinlichkeit der jeweiligen Verkaufsphase multiplizieren.

Sie schätzen zum Beispiel, dass Interessent A ein potenzielles Volumen von $20.000 hat. Dieser befindet sich aktuell in der Testphase des Kaufprozesses, sodass eine 60%ige Wahrscheinlichkeit besteht, dass daraus ein unterschriebener Vertrag wird.

$20.000 Deal-Volumen x 0,6 Abschlusswahrscheinlichkeit = $12.000 prognostizierter Umsatz

Diesen Vorgang würden Sie für jede Verkaufschance wiederholen und die prognostizierten Umsätze addieren, um die Gesamtprognose zu berechnen.

Vorteile

• Berücksichtigt die Lead-Phase
• Bezieht alle Abschlüsse in der Pipeline ein

Nachteile

• Berücksichtigt nicht, wie lange sich der Lead in der Phase befindet

5. Prognose nach Lead-Wert

Jeder Vertriebsprofi weiß, dass nicht alle Leads gleich sind. Die Prognose nach Lead-Wert stellt die Unterschiede zwischen verschiedenen Lead-Typen in den Mittelpunkt Ihrer Vertriebsprognose.

Wie es funktioniert

Wie viele der anderen Methoden greift auch diese auf Ihre historischen Daten zurück, um vorherzusagen, wie sich bestimmte Lead-Typen entwickeln werden. Beispielsweise wissen Sie vielleicht, dass Interessenten aus einer bestimmten Branche in der Regel die größten Abschlüsse erzielen. Oder Leads werden mit höherer Wahrscheinlichkeit zu Kunden, wenn sie zuerst über Ihre Website Kontakt aufnehmen.

Die Prognose nach Lead-Wert kombiniert in der Regel die durchschnittliche Abschlussgröße eines bestimmten Lead-Typs mit der durchschnittlichen Konversionsrate dieser Gruppe. So erhalten Sie einen durchschnittlichen Lead-Wert für vergleichbare Interessenten.

Beispiel für die Prognose nach Lead-Wert

Nehmen wir zum Beispiel an, Ihre Kunden fallen typischerweise in eine der folgenden drei Branchen:

• Restaurants
• Hotels
• Unterhaltung

Anhand vergangener Daten ermittelst du die durchschnittliche Dealgröße für jeden Typ sowie die Gewinnwahrscheinlichkeit. Du multiplizierst die Dealgröße mit der Gewinnwahrscheinlichkeit, um einen Lead-Wert für jeden Lead-Typ zu erhalten.

Um eine Verkaufsprognose zu erstellen, multiplizierst du die Anzahl der jeweiligen Lead-Typen mit ihrem entsprechenden Lead-Wert.

Vorteile

• Datenbasiert, ohne übermäßig komplex zu sein
• Basiert auf deinen historischen Verkaufstrends

Nachteile

• Schließt andere wichtige Faktoren wie die Opportunity-Phase aus
• Außenseiter werden nicht berücksichtigt

6. Pipeline-Prognose

Pipeline-Prognosen können sehr genau sein … vorausgesetzt, du hast die richtigen Daten und die passende Technologie. Da jede einzelne Verkaufschance anhand mehrerer Faktoren analysiert wird, ist in der Regel ein Verkaufsprognosetool erforderlich.

So funktioniert’s

Pipeline-Prognosen nutzen alle Informationen, die du über deine Vertriebspipeline und den Vertriebsprozess hast. Jeder Deal, der einem Vertriebsmitarbeiter zugeordnet ist, wird anhand verschiedener, vom Unternehmen festgelegter Faktoren analysiert.

Zum Beispiel kann intelligente Verkaufsprognose-Software mithilfe von Daten aus deinem CRM die potenzielle Dealgröße nicht nur mit der Opportunity-Phase kombinieren, sondern auch mit Faktoren wie Deal-Typ, Verweildauer in den Phasen und sogar der Gewinnrate des zuständigen Vertriebsmitarbeiters.

Hat die Prognose-Software Zugriff auf einen großen Datenpool, kann sie besonders präzise Vorhersagen treffen. Wenn du aber keine aktuellen Daten bereitstellst und deine Datenpflege vernachlässigst, werden die Berechnungen weniger zuverlässig.

Beispiel für Pipeline-Prognose

Nehmen wir an, du konfigurierst deine Pipeline-Prognose-Software so, dass sie folgende Faktoren berücksichtigt:

• Potenzielle Dealgröße
• Opportunity-Phase
• Lead-Quelle
• Branche des Interessenten

Das Tool zieht zu jedem Faktor die relevanten Daten aus deinem CRM und berechnet daraus die prognostizierten Verkäufe für jedes einzelne Geschäft sowie das gesamte Vertriebsteam. Die Berechnungen selbst können extrem komplex sein.

Wenn du beispielsweise mit einer potenziellen Dealgröße von 100.000 $ beginnst, könntest du feststellen, dass die aktuelle Opportunity-Phase auf eine 50%ige Wahrscheinlichkeit hinweist, dass ein Kunde daraus wird. Stammt der Lead jedoch aus einer Kundenempfehlung, steigt die Gewinnwahrscheinlichkeit vermutlich an. Und vielleicht wählen Kunden aus der Branche des Interessenten dein Produkt seltener.

Dein RevOps-Team müsste mit der Prognose-Software zusammenarbeiten, um zu bestimmen, wie diese Faktoren in den Berechnungen gewichtet werden.

Vorteile

• Stark datenbasiert
• Berücksichtigt weitere Faktoren neben der Opportunity-Phase

Nachteile

• Erfordert meist spezielle Prognose-Software
• Benötigt gepflegte und regelmäßig aktualisierte Daten

7. Multivariable Prognose

Ähnlich wie die Pipeline-Prognose bezieht die multivariable Prognose verschiedene Datenpunkte ein, um potenzielle Geschäfte zu bewerten und künftige Umsätze vorherzusagen. Während die Pipeline-Prognose sich speziell auf die Vertriebspipeline konzentriert, schließt die multivariable Prognose eine größere Bandbreite interner und externer Faktoren ein.

So funktioniert’s

Bei multivariablen Vertriebsprognosen werden nicht nur Dealgröße, Opportunity-Phase und Lead-Typ betrachtet. Diese Methode berücksichtigt oft auch Marktbedingungen wie Konjunktur, Saisonalität sowie Handlungen von Wettbewerbern, um die Nachfrage nach deinem Produkt vorherzusagen. Durch die Auswertung sowohl interner als auch externer Daten bietet die multivariable Prognose einen ganzheitlichen Blick auf deine Verkaufsmöglichkeiten.

Beispiel für multivariable Prognose

Auch diese Methode kann sehr schnell sehr komplex werden. Deshalb basiert sie typischerweise auf Analyse-Software, um alle konkurrierenden Faktoren auszugleichen. Ein Prognose-Analyst könnte aktuelle Lead-Daten aus dem CRM, historische Umsatzzahlen, wichtige wirtschaftliche Indikatoren und weitere Kennzahlen einspeisen.

Wenn Ihr Unternehmen beispielsweise Luxusautos verkauft, würden Sie bei der Prognose selbstverständlich die Anzahl Ihrer Leads berücksichtigen. Zudem könnten Sie demografische Daten heranziehen, um Ihre Abschlusswahrscheinlichkeit anzupassen, sowie wirtschaftliche Erkenntnisse nutzen, um vorherzusagen, ob eine Rezession die Nachfrage nach Ihrem Produkt verringern wird. Hinzu kommt, dass die Automobilbranche saisonalen Schwankungen unterliegt.

Fortschrittliche Analytik-Tools (und qualifizierte Analysten) gewichten all diese Details gegeneinander, um eine Umsatzprognose zu erstellen, die den Zustand des Unternehmens, der Branche und der Wirtschaft widerspiegelt.

Vorteile

• Sehr präzise und datenbasiert
• Bezieht externe Faktoren wie Saisonalität ein

Nachteile

• Benötigt in der Regel anspruchsvolle Analyse-Tools
• Erfordert saubere und aktuelle Daten aus mehreren Quellen

Wie wähle ich die passende Methode zur Umsatzprognose?

Genauso wie nicht alle Vertriebsteams exakt die gleichen Methoden zum Geschäftsabschluss verwenden, nutzen sie auch nicht dieselben Prognosemethoden. Wäre das der Fall, wäre diese Liste viel kürzer. Die richtige Prognosemethode hängt von der Art Ihres Unternehmens, dem Reifegrad, den Ihnen zur Verfügung stehenden Daten und Tools sowie weiteren Faktoren ab.

Wenn Sie einen Sales-Forecasting-Prozess wählen, sollten Sie sich unter anderem folgende Fragen stellen:

• Möchte ich eine Bottom-up- oder Top-down-Prognosemethode nutzen?
• Habe ich die nötigen Informationen für einen datenbasierten Ansatz, oder sollte ich mit eher subjektiven Methoden starten?
• Wie reif und stabil ist meine Branche und mein Unternehmen? Gibt es jährliche oder andere langfristige Marktzyklen, die die Umsätze beeinflussen?
• Verfüge ich über Prognose-Software oder Ressourcen, um sie zu beschaffen?

Vielleicht stellen Sie fest, dass eine Prognosemethode, die früher für Ihr Unternehmen funktioniert hat, heute nicht mehr die optimale Wahl ist. So verlockend es auch sein mag, bewährte Methoden zu wiederholen: Sie sollten sich immer fragen, ob sich der Zustand Ihres Unternehmens, der Branche oder Ihrer Daten geändert hat und wie sich das auf Ihre Prognosen auswirkt.

Häufig gestellte Fragen

Noch Fragen? Hier sind schnelle Antworten auf häufige Fragen.

Welche Methode zur Umsatzprognose wird am häufigsten genutzt?

Wie erstelle ich genauere Umsatzprognosen?

Was ist die schnellste Technik zur Umsatzprognose?

Benötige ich spezielle Software zur Umsatzprognose?

Fazit

Keine Umsatzprognose kann die Zukunft exakt vorhersagen – aber sie hilft Ihrem Team dabei, Umsatzziele zu setzen, das Budget zu planen und Ressourcen sinnvoll zu steuern. Mit den zahlreichen Prognosetechniken können auch junge Unternehmen oder Betriebe mit einem komplexen Verkaufszyklus aussagekräftige Vorhersagen erstellen.

Sie können eine der oben genannten Methoden als Vorbild für Ihre Prognosen wählen oder verschiedene Elemente kombinieren, um eine individuelle Formel zu erstellen.

Um wöchentliche Artikel und Einblicke von Expert:innen im Bereich Umsatzoperationen zu erhalten, abonnieren Sie den CRO Club Newsletter.