7 voorbeelden van verkoopprognoses voor leiders in omzetoperaties
Omzetactiviteiten zijn een doorlopend proces van het anticiperen op en plannen van de financiële toekomst van je bedrijf, en verkoopprognoses zijn hierbij essentieel. Maar geen enkel prognosemodel werkt voor elk bedrijf.
Deze voorbeelden van verkoopprognoses laten je zien hoe je omzet voorspelt met verschillende statistieken en formules.
Aan het einde van dit artikel begrijp je verschillende methoden voor verkoopprognoses en kun je de gegevens die je hebt gebruiken om de toekomst te voorspellen en te plannen.
Create a free account to continue reading this article.
Want more from the CRO Club? Sign up to get free access and join modern revenue leaders using proven playbooks, peer insights, and AI-driven strategies to build predictable pipeline and scalable growth.
Have an account? Log In
Waarom zijn verkoopprognoses zo belangrijk voor omzetactiviteiten?
Met alles wat verkoopteams moeten bereiken, kunnen sommige collega's het gevoel krijgen dat prognoses slechts iets extra's op de takenlijst zijn. Maar prognoses hebben op veel niveaus invloed op het verkoopteam en het bedrijf. Deze verkoopprognoses helpen verwachtingen te scheppen voor een kwartaal of een jaar. Ze stellen salesmanagers en hun teams in staat om redelijke doelen en quota vast te stellen. Zonder gegevens en prognoses kun je gemakkelijk eindigen met doelen die verkoopmedewerkers óf niet uitdagen óf het onhaalbare vereisen.
Voor RevOps-teams helpen verkoopprognoses je niet alleen de omzet, maar ook de kosten te schatten. Als je een idee hebt van je verwachte verkopen, vormt dat de basis voor je plannen voor het aannemen van personeel voor verkoop, marketing en klantensucces. Nauwkeurige verkoopprognoses stellen je in staat om kansen in de markt te benutten door het aantal medewerkers, verkooptools en budgetten aan te passen.
Nauwkeurige verkoopprognoses zijn ook een essentieel hulpmiddel om bedrijven te helpen plannen voor aanzienlijke groei. Daarom zijn de beste werkwijzen voor verkoopprognoses van vitaal belang. Voor groeiende SaaS-bedrijven of andere start-ups kan snelle groei betekenen dat de cijfers van vorig jaar minder bruikbaar zijn bij het plannen voor het komende jaar. Nauwkeurige prognoses waarin nieuwe gegevens en marktonderzoek zijn verwerkt, helpen groeiende bedrijven te weten wat ze kunnen verwachten.
Verkoopprognoses kunnen ook waardevol zijn bij het aantrekken van investeerders en partners. Zelfs als je bedrijf momenteel erg klein is, kunnen prognoses die zijn gebaseerd op betekenisvolle gegevens helpen het potentieel van je organisatie over te brengen.
Tot slot zijn prognoses belangrijk voor het beoordelen en opnieuw beoordelen van je verkoopproces. Je kunt nagaan of je prognoses nauwkeurig zijn om je aannames over de winkans en andere statistieken te testen.
Zelfs wanneer verkoopprognoses niet uitkomen, kunnen ze leiden tot procesverbeteringen. Stel bijvoorbeeld dat je werkelijke verkoopomzet achterblijft bij je prognoses. Dan kun je elke stap van het proces vergelijken om erachter te komen waarom. Misschien heb je het verwachte aantal leads verzameld, maar was je winstmarge lager dan verwacht. Nu weet je dat je óf je prognoseberekeningen moet aanpassen óf manieren moet vinden om je winstmarge te verhogen.
De behoeften en verwachtingen van je klanten veranderen voortdurend, dus het kan zijn dat ook je verkoopactiviteiten moeten evolueren. Wanneer je prognoses niet overeenkomen met je resultaten, is het tijd om te onderzoeken waarom.
7 voorbeelden van verkoopprognoses
Ik heb deze voorbeelden gekozen van de beste methoden voor verkoopprognoses. Ik bespreek welke informatie de prognose gebruikt en wat de voordelen en nadelen van elke aanpak zijn.
1. Intuïtieve verkoopprognoses
Zoals de naam al doet vermoeden, zijn intuïtieve verkoopprognoses afhankelijk van de meningen en subjectieve inschattingen van je verkoopteam.
Hoe het werkt
Bij intuïtieve prognoses vraagt een RevOps-leider zijn verkoopteams om de waarschijnlijkheid te kwantificeren dat ze de kansen waaraan ze momenteel werken, zullen winnen. In de eenvoudigste vorm kun je een intuïtieve prognose maken door elke verkoopmedewerker te vragen hoeveel omzet hij of zij denkt te behalen in een verkoopkwartaal of -jaar. Vervolgens tel je deze intuïtieve schattingen eenvoudig bij elkaar op om een algemene verkoopprognose te maken.
Voor een iets gedetailleerdere schatting kun je elke verkoopmedewerker ook vragen om twee schattingen te combineren:
- Hoeveel omzet de deal zal genereren (in dollars)
- Hoe waarschijnlijk het is dat hij of zij de deal binnen een bepaalde periode zal sluiten (als percentage)
Vervolgens kun je de winkans vermenigvuldigen met de omvang van de deal. Je voert deze berekening voor elke deal uit en telt de bedragen bij elkaar op om de verwachte verkopen van die persoon te schatten.
Elke verkoopmedewerker maakt deze inschattingen voor elke kans waarvoor hij of zij verantwoordelijk is. Vervolgens kun je de waarde en waarschijnlijkheid van elke deal samenvoegen om de verkopen per individuele medewerker en voor het verkoopteam als geheel te voorspellen.
Voorbeeld van intuïtieve verkoopprognoses
Stel dat je vijf verkoopmedewerkers hebt en je aan elk van hen vraagt hoeveel ze tegen het einde van het kwartaal zullen verkopen. Elk teamlid stuurt je zijn of haar beste schatting en je krijgt de volgende cijfers:
Vervolgens tel je deze bedragen bij elkaar op om de verkoopprognose voor dat kwartaal te berekenen: $460,000.
Als je elke deal nader wilde bekijken, zou je elke vertegenwoordiger vragen om de omvang van afzonderlijke deals en de waarschijnlijkheid dat ze deze dit kwartaal sluiten, in te schatten. We bekijken de deals van één teamlid als voorbeeld.
Je zou dezelfde berekeningen uitvoeren voor de kansen van elke verkoopvertegenwoordiger en vervolgens hun totale verwachte verkoop bij elkaar optellen om een algemene verkoopprognose op te stellen.
Voordelen
- Stelt nieuwe bedrijven met weinig historische gegevens in staat om de verkoop te voorspellen
- Vraagt om input van verkoopvertegenwoordigers die rechtstreeks aan deals werken
Nadelen
- Gebaseerd op meningen, niet op gegevens
- Vereist deskundige en ervaren verkoopteams
2. Historische prognoses
Historische verkoopprognoses zijn gebaseerd op het principe dat prestaties uit het verleden de beste voorspeller van toekomstige prestaties zijn. Hierbij worden werkelijke verkoopgegevens uit voorgaande kwartalen of jaren gebruikt om toekomstige inkomsten te voorspellen.
Hoe het werkt
We gebruiken voortdurend historische gegevens om voorspellingen te doen. Wanneer we iets moeten kopen, baseren we onze verwachtingen over de kosten vaak op de vorige keer dat we het kochten. Bij historische verkoopprognoses begin je met gegevens uit het verleden en pas je deze vervolgens aan op basis van een aantal factoren, zoals prijswijzigingen, de toestand van de bedrijfstak of markt en de omvang van je verkoopteam.
Voorbeeld van een historische verkoopprognose
Om te begrijpen hoe een bedrijf historische prognoses zou kunnen gebruiken, stellen we dat je bedrijf vorig jaar $2 million aan verkoopinkomsten heeft behaald. Als je werkelijk verwachtte dat er niets zou veranderen, zou je kunnen voorspellen dat je dit jaar ook voor $2 million verkoopt. Maar in de meeste gevallen zijn historische prognoses iets complexer.
Misschien bekijken we de gegevens van de afgelopen jaren en ontdekken we dat de verkoop gemiddeld elk jaar met 10% is gegroeid. Je zou de historische groeigegevens vervolgens kunnen gebruiken om de historische verkoopgegevens aan te passen.
- Verkoop van het vorige jaar = $2,000,000
- Gemiddelde jaarlijkse groei = 10%
- Verkoopprognose = $2,200,000
$2 million aan verkoop met een verwachte groei van 10% leidt tot een prognose van $2.2 million. Zo kunnen bij historische prognoses verschillende statistieken worden gecombineerd voor een nauwkeurigere prognose.
Het probleem is dat er veel variabelen zijn als het om verkoop gaat. Misschien heeft je concurrent zojuist een nieuw product uitgebracht dat erg populair is. Of misschien heeft je beste verkoopvertegenwoordiger het bedrijf verlaten. Wanneer je de verkoop voorspelt met historische gegevens, moet je bepalen welke factoren belangrijk genoeg zijn om in je berekeningen mee te nemen.
Voordelen
- Snel en eenvoudig te berekenen
- Gebaseerd op bevestigde gegevens uit het verleden
Nadelen
- Houdt geen rekening met interne of externe veranderingen
- Niet nuttig voor snelgroeiende bedrijven
3. Prognoses op basis van de lengte van de verkoopcyclus
Op een bepaalde manier zijn prognoses op basis van de lengte van de verkoopcyclus ook afhankelijk van historische gegevens, namelijk de gemiddelde lengte van de verkoopcyclus van een bedrijf.
Hoe het werkt
De lengte van de verkoopcyclus is de gemiddelde tijd die een nieuwe lead nodig heeft om de status ‘gewonnen en gesloten’ te bereiken. Als je vandaag een nieuwe lead krijgt, wanneer verwacht je dan dat die deal wordt gesloten?
Deze tijdsperiodes kunnen sterk variëren, afhankelijk van het type product dat je verkoopt, de omvang van de potentiële klant, het prijsniveau en meer. Daarom is het zo belangrijk om je eigen gegevens over de verkoopcyclus te gebruiken.
Met gegevens uit je platform voor klantrelatiebeheer bereken je de gemiddelde lengte van je verkoopcyclus. Vervolgens vergelijk je die gemiddelde lengte van de verkoopcyclus met de tijd die elk van je verkoopkansen al in de verkoopcyclus zit.
Voorbeeld van een prognose op basis van de lengte van de verkoopcyclus
De eerste stap in deze prognose is het berekenen van de gemiddelde lengte van je verkoopcyclus. Als je het echt eenvoudig wilt houden, kun je de lengte van de verkoopcyclus van elke gewonnen en gesloten deal optellen en dit delen door het aantal deals.
Het nadeel van deze methode is dat er geen rekening wordt gehouden met de deals die je verliest. Gelukkig is er een eenvoudige formule om dit te verhelpen. Je begint met het optellen van de lengte van de verkoopcyclus van al je deals in een bepaalde periode, ongeacht of je ze hebt gewonnen of verloren. Vervolgens deel je die som door het aantal deals dat je in die periode hebt gewonnen. Hierdoor wordt de lengte van je verkoopcyclus aangepast, zodat je prognoses niet te optimistisch zijn. In het onderstaande voorbeeld zie je hoe het berekenen van de gemiddelde verkoopcyclus met je verloren deals de resultaten verandert.
Met deze formule komen we uit op een verkoopcyclus van 45 dagen. Vervolgens bekijk je elke potentiële deal en vraag je je af of deze binnen de periode waarvoor je een prognose maakt 45 dagen zal bereiken.
Voordelen
- Gebaseerd op uitgebreide gegevens
- Prognoses gebaseerd op je verkoopcyclus
Nadelen
- Vereist een grondig inzicht in je verkoopcyclus
- De lengte van de cyclus kan verschillen per type potentiële klant
4. Prognoses op basis van de fase van de verkoopkans
Bij prognoses op basis van de fase van de verkoopkans wordt de structuur van je verkoopproces gebruikt om in te schatten hoe groot de kans is dat je een deal binnen een bepaalde periode wint. In tegenstelling tot andere methoden houdt deze methode rekening met het feit dat potentiële klanten die al ver in je verkoopproces zijn gevorderd, waarschijnlijker klant worden.
Hoe het werkt
Bij de methode op basis van de verkoopkansfase schat je de kans dat een deal wordt gesloten in op basis van de fase waarin deze zich in het verkoopproces bevindt. Je kunt bijvoorbeeld bepalen dat elke potentiële klant die de laatste fase heeft bereikt 90% kans heeft om de deal te sluiten, terwijl degenen in de fase van de productdemonstratie 40% kans hebben om de deal te sluiten.
Om je verkoopprognose voor een bepaalde periode te berekenen (een maand, een kwartaal enzovoort), pas je die kans toe op elke potentiële deal. Je vermenigvuldigt die kans met de geschatte dealomvang om toekomstige verkoopopbrengsten te voorspellen.
Voorbeeld van een prognose op basis van de fase van de verkoopkans
Stel dat je bedrijf het kooptraject opsplitst in vijf dealfasen en aan elke fase een winstwaarschijnlijkheid toekent.
- Leadfase = 5% winstwaarschijnlijkheid
- Gekwalificeerde fase = 15% winstwaarschijnlijkheid
- Demonstratiefase = 40% winstwaarschijnlijkheid
- Proefperiodefase = 60% winstwaarschijnlijkheid
- Offertefase = 90% winstwaarschijnlijkheid
Vervolgens bekijk je elke deal en vermenigvuldig je de geschatte waarde ervan met de winstwaarschijnlijkheid van de fase van de verkoopkans.
Stel bijvoorbeeld dat je schat dat potentiële klant A een deal van $20,000 kan opleveren. Deze potentiële klant bevindt zich momenteel in de proefperiodefase van de koopcyclus, dus er is 60% kans dat dit tot een ondertekend contract leidt.
Dealomvang van $20,000 x .6 winstwaarschijnlijkheid = $12,000 voorspelde verkoop
Je herhaalt dit proces voor elke verkoopkans en telt de voorspelde verkopen bij elkaar op om een algemene verkoopprognose te berekenen.
Voordelen
- Houdt rekening met de leadfase
- Neemt alle deals in de verkooppijplijn in aanmerking
Nadelen
- Past de tijd die in de leadfase is doorgebracht niet aan
5. Prognoses op basis van leadwaarde
Elke salesprofessional weet dat niet alle leads hetzelfde zijn. Bij prognoses op basis van leadwaarde staan de verschillen tussen soorten leads centraal in verkoopprognoses.
Hoe het werkt
Net als veel andere methoden maakt deze methode gebruik van historische gegevens om voorspellingen te doen over hoe bepaalde soorten leads zich zullen ontwikkelen. Je weet bijvoorbeeld misschien dat potentiële klanten in een bepaalde branche doorgaans de grootste deals opleveren. Of leads converteren mogelijk eerder naar klanten wanneer ze voor het eerst contact opnemen via je website.
Bij prognoses op basis van leadwaarde wordt de gemiddelde dealomvang van een bepaald type lead doorgaans gecombineerd met het gemiddelde conversiepercentage van dat type. Hierdoor krijg je een gemiddelde leadwaarde voor vergelijkbare potentiële klanten.
Voorbeeld van een prognose op basis van leadwaarde
Stel bijvoorbeeld dat je klanten doorgaans in een van de volgende drie branches vallen:
- Restaurants
- Hotels
- Entertainment
Op basis van eerdere gegevens bepaal je de gemiddelde dealgrootte voor elk type lead, evenals de win-kans. Je vermenigvuldigt de dealgrootte met de win-kans om voor elk leadtype een leadwaarde te bepalen.
Om een verkoopprognose te maken, vermenigvuldig je het aantal leads van elk type met de bijbehorende leadwaarde.
Voordelen
- Datagedreven zonder extreme complexiteit
- Baseert zich op je historische verkooptrends
Nadelen
- Sluit andere belangrijke factoren uit, zoals de fase van de verkoopkans
- Houdt geen rekening met uitschieters
6. Prognoses voor de verkooppijplijn
Prognoses voor de verkooppijplijn kunnen zeer nauwkeurig zijn… als je over de juiste gegevens en technologie beschikt. Omdat elke deal wordt geanalyseerd op basis van verschillende factoren, is hiervoor doorgaans een tool voor verkoopprognoses nodig.
Hoe het werkt
Prognoses voor de verkooppijplijn zijn ontworpen om optimaal gebruik te maken van alles wat je weet over je verkooppijplijn en verkoopproces. Elke deal die aan een verkoper is toegewezen, wordt geanalyseerd op basis van verschillende factoren die het bedrijf kiest.
Met gegevens uit je CRM kan slimme software voor verkoopprognoses bijvoorbeeld niet alleen de potentiële dealgrootte combineren met de fase van de verkoopkans, maar ook met factoren zoals het dealtype, de tijdsduur in verschillende fasen en zelfs het winstpercentage van de vertegenwoordiger die aan de deal werkt.
Met toegang tot een grote hoeveelheid gegevens kan de juiste prognosesoftware bijzonder nauwkeurige projecties leveren. Maar als je geen nieuwe gegevens aanlevert en je gegevens niet schoon houdt, worden de berekeningen minder betrouwbaar.
Voorbeeld van een prognose voor de verkooppijplijn
Stel dat je je software voor prognoses van de verkooppijplijn zo configureert dat deze rekening houdt met de volgende factoren:
- Potentiële dealgrootte
- Fase van de verkoopkans
- Herkomst van de lead
- Branche van de prospect
De tool haalt gegevens over elke factor uit je CRM en verwerkt de cijfers om de verwachte verkoop voor elke deal en voor het verkoopteam als geheel te berekenen. De berekeningen zelf kunnen uiterst complex zijn.
Als je bijvoorbeeld begint met een potentiële dealgrootte van $100,000, kun je vaststellen dat de huidige fase van de verkoopkans wijst op een kans van 50% dat de prospect klant wordt. Als de lead echter afkomstig is van een doorverwijzing van een klant, zou dat de win-kans waarschijnlijk vergroten. En misschien zijn klanten in de branche van de prospect minder geneigd om voor jouw product te kiezen.
Je RevOps-team zou met de prognosesoftware moeten samenwerken om te bepalen hoe deze factoren in de berekeningen moeten worden gewogen.
Voordelen
- Uiterst datagedreven
- Houdt rekening met factoren naast de fase van de verkoopkans
Nadelen
- Vereist doorgaans software voor verkoopprognoses
- Vereist schone en regelmatig bijgewerkte gegevens
7. Prognoses met meerdere variabelen
Net als prognoses voor de verkooppijplijn gebruiken prognoses met meerdere variabelen verschillende gegevenspunten om potentiële deals te evalueren en toekomstige verkoopomzet te voorspellen. Terwijl prognoses voor de verkooppijplijn zich specifiek richten op de verkooppijplijn, kunnen prognoses met meerdere variabelen een breder scala aan interne en externe factoren omvatten.
Hoe het werkt
Bij verkoopprognoses met meerdere variabelen houd je niet alleen rekening met de dealgrootte, de fase van de verkoopkans en het leadtype. Deze methode omvat vaak marktomstandigheden zoals de economie, seizoensinvloeden en acties van concurrenten om de vraag naar je product te voorspellen. Door zowel interne als externe gegevens grondig te analyseren, bieden prognoses met meerdere variabelen een holistisch beeld van je verkoopmogelijkheden.
Voorbeeld van een prognose met meerdere variabelen
Dit is nog een methode die al snel zeer complex kan worden. Daarom wordt hierbij doorgaans analysesoftware gebruikt om alle concurrerende factoren tegen elkaar af te wegen. Een analist voor verkoopprognoses kan actuele leaddata uit zijn CRM, historische omzetcijfers, brede economische indicatoren en andere statistieken invoeren.
Als je bedrijf bijvoorbeeld luxeauto's verkoopt, zou je bij het maken van een prognose natuurlijk kijken naar het aantal leads dat je hebt. Vervolgens zou je demografische gegevens kunnen gebruiken om de kans dat je de deal sluit aan te passen, evenals economische inzichten om te voorspellen of een recessie de vraag naar je product zal verminderen. En dan is er nog het feit dat de auto-industrie seizoensgebonden is.
Geavanceerde analysetools (en deskundige analisten) wegen al deze details tegen elkaar af om een omzetprognose voor de verkoop te maken die de toestand van het bedrijf, de sector en de economie weerspiegelt.
Voordelen
- Zeer nauwkeurig en gebaseerd op gegevens
- Houdt rekening met externe factoren, zoals seizoensinvloeden
Nadelen
- Vereist meestal geavanceerde analysetools
- Vereist schone en actuele gegevens uit verschillende bronnen
Een methode voor verkoopprognoses kiezen
Net zoals niet alle verkoopteams exact dezelfde methoden gebruiken om deals te sluiten, gebruiken ze ook niet allemaal dezelfde methoden voor verkoopprognoses. Als dat wel zo was, zou deze lijst een stuk korter zijn geweest. De juiste prognosemethode hangt af van het type bedrijf, de volwassenheid van het bedrijf, de gegevens en tools waartoe je toegang hebt en andere factoren.
Wanneer je een proces voor verkoopprognoses kiest, zijn dit enkele belangrijke vragen die je jezelf moet stellen:
- Wil ik een methode voor prognoses van onder naar boven of van boven naar beneden gebruiken?
- Beschik ik over de informatie die ik nodig heb voor een gegevensgestuurde aanpak, of moet ik beginnen met meer subjectieve methoden?
- Hoe volwassen en stabiel zijn mijn sector en mijn bedrijf? Zijn er jaarlijkse of andere langetermijnmarktcycli die de verkoop beïnvloeden?
- Beschik ik over software voor verkoopprognoses of de middelen om deze aan te schaffen?
Het kan zijn dat een prognosemethode die ooit goed werkte voor je bedrijf, niet langer de beste keuze is. Hoe verleidelijk het ook is om te herhalen wat in het verleden werkte, je moet jezelf altijd afvragen of de toestand van je bedrijf, sector en gegevens is veranderd en welke invloed dat heeft op je methoden voor verkoopprognoses.
Veelgestelde vragen
Heb je nog vragen? Hier vind je enkele snelle antwoorden op veelgestelde vragen.
Welke methode voor verkoopprognoses wordt het meest gebruikt?
Hoe maak ik nauwkeurigere verkoopprognoses?
Wat is de snelste techniek voor verkoopprognoses?
Heb ik software voor verkoopprognoses nodig?
Laatste gedachten
Geen enkele verkoopprognose kan de toekomst perfect voorspellen, maar een prognose kan je team helpen verkoopdoelen vast te stellen, budget toe te wijzen en middelen te beheren. En dankzij het grote aantal verschillende prognosetechnieken kunnen zelfs nieuwe bedrijven of bedrijven met een complexe verkoopcyclus betekenisvolle prognoses maken.
Je kunt een van de bovenstaande voorbeelden gebruiken als model voor je prognoses, of verschillende elementen combineren om een aangepaste formule te maken.
Ontvang wekelijks artikelen en inzichten van experts op het gebied van omzetbeheer door je te abonneren op de nieuwsbrief van The CRO Club.