銷售預測 · Forecasting
Sales Forecasting
什麼是銷售預測?
- 以銷售管道與過去數據推估營收
- 經營計畫與資源配置的依據
- 經常預測失準時,請檢視資料正確性
導入銷售預測後,會議的用語會改變。「這季還不錯」會變成「承諾 KRW 1,200,000,000 (≈ US$898,200)、最佳情境 KRW 400,000,000 (≈ US$299,400)、距目標缺口 KRW 180,000,000 (≈ US$134,700)」,並且當場就能討論如何填補缺口。不必等到季末最後一個月才發現未達標,而是提前 6 至 8 週察覺,因此無論是推出促銷或重新啟動閒置的潛在客戶,都還有時間因應。預測真正的價值不在於猜中數字,而在於爭取應對的時間。
實務上通常會混合三種方式使用。依各階段機率相乘的加權管道,適合商機數量多、交易規模平均的組織;由銷售代表逐筆判斷的承諾(Commit)方式,適合單筆金額大、交易數少的企業銷售。以過去業績的趨勢與季節性推算的統計預測,則扮演驗證前兩者的對照組角色。若三個數值的差距超過 20%,代表其中某一方的數據有誤,選定數字前應先找出原因。預測與目標(Quota)或計畫(Plan)不同:目標是必須達成的數值,預測則是依目前狀態會達到的數值。若兩者以同一數字回報,那就已經不是預測,而是希望。
最常見的失誤,是把「預測準確度」當成評量指標時發生。銷售代表傾向報低數字、再超額達成,預測因此長期趨於保守,管理層也因此少招募、少備貨。等到訂單湧入時,又因無法如期交貨而失去客戶。反過來,若階段定義鬆散,只因「已寄出提案就進入提案階段」,那麼一筆沒有預算的案件會以 40% 的機率被計入,管道因此虛胖,預測也總是落空。要修正預測準確度,應先做的不是調整數字,而是把階段進入條件——與決策者完成會面、確認預算、取得時程共識——以書面明定下來。
這是隨著銷售管道管理與 CRM 發展而普及的實務,近來運用 AI 與數據分析提升預測準確度,已成為重要的趨勢。
以下以虛構案例說明。A 公司販售工業用測量儀器,全體員工 140 人,年營收約 KRW 32,000,000,000 (≈ US$23,951,000)。銷售代表 9 人雖已將商機登錄於 CRM,但季度預測與實際成交相差 30 至 40%的情況已連續四季重複發生。第三季預測為 KRW 8,500,000,000 (≈ US$6,362,000),實績卻只有 KRW 5,800,000,000 (≈ US$4,341,100),事先下的原料採購單因此全數變成庫存。
- 銷售本部長調出過去四季的 CRM 紀錄,計算各階段實際轉換率,結果發現「提案」階段的成交率不是公司基準的 40%,而是 17%。相對地,「談判」階段為 78%,高於基準。
- 追查原因後發現,銷售代表只要寄出報價單就把案件升到提案階段。本部長將「提案階段須確認客戶已取得預算,且與決策者至少面對面會談一次」訂為新的進入條件,並將不符合條件的 47 筆案件全部降回前一階段。
- 每週一的管線檢討會上,我們要求將每個機會分類為「確定(Commit)」、「最佳情境(Best Case)」或「管線(Pipeline)」。某位業務負責人將一筆 KRW 1,200,000,000 (≈ US$898,200) 的案子列為確定,本部長問道:"合約草稿有交換過嗎?"對方答不出來,便降為最佳情境。
- 企劃組課長另以過去 3 年營收的季節性執行統計預測,與銷售預測進行比對。第四季首次比對時,兩個數值分別為 KRW 6,100,000,000 (≈ US$4,565,700) 與 KRW 7,400,000,000 (≈ US$5,538,700),差距懸殊;查證後發現,中東出口案的 3 筆訂單因出貨時程延誤而將順延。
- 第四季最終預測為 KRW 6,300,000,000 (≈ US$4,715,400),實際結案為 KRW 6,600,000,000 (≈ US$4,939,900),誤差僅 4.5%。預測誤差由 30% 上下降到個位數後,得以讓原料提前採購的規模貼近實際需求,下一季剩餘庫存較上季減少 KRW 620,000,000 (≈ US$464,100)。
金鍾赫
Seung-tae Park