Senarai Kandungan

Ramalan jualan, secara ringkas, adalah proses anggaran pendapatan dengan meramalkan berapa banyak unit jualan boleh menjual produk atau perkhidmatan pada minggu, bulan, suku atau tahun yang akan datang. Apabila ia datang kepada salah satu nombor yang paling penting untuk perniagaan, ramalan jualan terletak di bahagian atas menentukan pembolehubah lain yang berkaitan dengan pemasaran, pengambilan pekerja, prospek, dan juga pembangunan produk.

Ramalan jualan yang tepat adalah seni dan sains, dan mendapatkannya dengan betul adalah tugas yang sukar walaupun perebutan jurujual berpengalaman dengan kerana Gartner melaporkan hanya 45% pemimpin jualan mempunyai keyakinan tinggi untuk meramalkan ketepatan organisasi mereka. Jadi apa yang masuk ke dalam ramalan jualan, dan mengapa ia rumit? Artikel ini meneroka.

Apakah ramalan jualan?

Apabila perniagaan menghasilkan ramalan jualan, mereka menganggarkan angka apa yang mereka harapkan hasil jualan kelihatan seperti. Ia menganggarkan berapa banyak produk atau perkhidmatan yang boleh mereka jual dalam tempoh masa, seperti sebulan, suku, atau tahun. Beberapa ramalan jualan terbaik boleh meramalkan pendapatan dengan tahap ketepatan yang baik bergantung pada input dan jangka masa ramalan.

Sama seperti penjejakan harga minimum yang diiklankan membolehkan syarikat menyimpan jari pada nadi dan menyesuaikan diri dengan perubahan dalam pasaran, ramalan jualan yang tepat memberikan pandangan berharga kerana ia berdasarkan data sejarah.

Ramalan jualan biasanya dibuat menggunakan data daripada prestasi sebelumnya, dan teknik ramalan jualan berbeza berdasarkan input. Sebagai contoh, ramalan mungkin dibuat berdasarkan intuisi wakil jualan atau menggunakan data dan trend yang dimasukkan ke dalam kecerdasan buatan. Ramalan jualan yang dibuat oleh wakil jualan digunakan oleh pengurus untuk menganggarkan perniagaan yang dibawa oleh pasukan. Data ramalan daripada pasukan digunakan oleh pengarah untuk menjangkakan jualan oleh jabatan dan VP jualan menggunakan data kolektif dari jabatan untuk memproyeksikan jualan organisasi.

Ramalan jualan menjawab dua soalan perniagaan penting-

  • Berapa banyak yang anda harapkan untuk menjual?
  • Dan dalam jangka masa apa?

Setiap peluang jualan mempunyai jumlah yang diunjurkan kerana perniagaan yang berpotensi kepada syarikat dan pasukan jualan perlu menghasilkan nombor realistik yang mewakili perniagaan baru dan jangka masa.

Menjawab dua soalan membantu organisasi menetapkan matlamat dan membuat rancangan strategi jualan.

Keperluan untuk ramalan jualan

Ramalan mencipta titik rujukan untuk masa depan yang boleh dipercayai oleh syarikat untuk membuat keputusan perniagaan yang penting. Ramalan yang tepat juga menjadikan syarikat sebagai peneraju pasaran dan memberikan kredibiliti dalam industri. Berikut adalah beberapa cara ramalan jualan mempengaruhi fungsi syarikat:

1. Pembuatan keputusan strategik

Ramalan jualan boleh mendedahkan trend baru muncul dan mendorong pembuat keputusan untuk membetulkan masalah atau memanfaatkan peluang yang boleh dijangka. Sebagai contoh, sisihan negatif 30% daripada sasaran jualan mungkin mendedahkan pengurusan yang lemah atau unit jualan yang kurang berprestasi atau bahkan menunjukkan pesaing meningkatkan permainan mereka. Sebaliknya, penyelewengan positif akan menunjukkan keperluan untuk merekrut lebih banyak sumber untuk memanfaatkan peluang tersebut. Ramalan menetapkan garis dasar, yang membantu dalam tindakan tepat pada masanya dan pembetulan kursus.

2. Melakar laluan ke hadapan

Ramalan menjadi sangat berguna semasa prestasi kurang baik. Ia membolehkan pembuat keputusan melukis garisan yang lebih jelas dan menetapkan matlamat yang lebih baik untuk mengurangkan kerosakan dan juga memberi motivasi kepada pasukan melalui pencapaian dan pelan tindakan.

3. Pembuatan keputusan kewangan

Ramalan jualan yang tepat memainkan peranan penting dalam latihan pemodelan kewangan yang berbeza. Mereka menentukan:

  • Inventori: Ramalan jualan yang tepat dibuat melalui andaian termaklum mengenai tabiat membeli pengguna atau kenaikan bermusim atau penurunan permintaan. Ramalan ini membantu dalam perancangan dan pengurusan inventori, yang menyumbang kepada penggunaan modal kerja yang cekap. Kecekapan ini kemudian meluas kepada perancangan dan pengambilan bahan mentah yang lebih baik.
  • Aliran Tunai: Aliran tunai terjejas secara langsung oleh hasil jualan. Ramalan jualan yang tepat boleh membantu memodelkan pergerakan tunai yang membolehkan syarikat merancang sebarang kekurangan atau kejatuhan pada masa akan datang.

Apakah rupa ramalan jualan yang baik?

Ramalan jualan yang baik sangat tepat dan mudah difahami oleh pihak berkepentingan yang berbeza. Ia juga seimbang dengan masa, usaha, dan kos yang berkaitan dengan teknik ramalan. Sebaik-baiknya, model ramalan yang tepat harus dibina dengan kaedah ekonomi yang boleh dipercayai. Model ramalan harus menggunakan algoritma yang ditala dengan baik kepada perniagaan dan memilih data yang relevan dengan sedikit campur tangan manual untuk membuat ramalan yang tepat.

Walau bagaimanapun, ramalan realistik lebih subjektif dan memakan masa. Selain daripada nombor yang sedia ada, ia menjadi penting untuk mengambil kira penilaian wakil jualan terhadap prestasi masa depan. Persepsi ini boleh berbeza-beza dengan ketara dari satu wakil jualan ke yang lain, bergantung kepada pendekatan dan pengalaman mereka. Sebagai contoh, anggaran jualan 50% wakil berpengalaman mungkin meremehkan berbanding anggaran 60% wakil yang berbeza, yang mungkin terlalu optimistik.

Siapa yang bertanggungjawab untuk membuat ramalan jualan?

Setiap organisasi mempunyai set pemilik ramalan sendiri bergantung kepada jenis perniagaan dan hierarki. Biasanya orang yang membuat ramalan jualan adalah:

  1. Wakil jualan: Orang-orang yang melakukan penjualan sebenar mengenali pelanggan mereka dan pasaran sasaran. Mereka dapat menetapkan anggaran yang boleh dipercayai untuk berapa banyak yang mereka boleh jual dalam seminggu atau bulan, atau suku berdasarkan keadaan pasaran.
  2. Pemimpin Jualan: Pemimpin jualan memilih nombor dari unit individu mereka dan membuat anggaran untuk peningkatan mereka. Ramalan boleh berbeza-beza berdasarkan kekananan mereka - pengurus baris ketiga, sebagai contoh, biasanya mempertimbangkan satu set nombor yang lebih luas dan trend sebelumnya dalam kadar dekat untuk membuat ramalan, sementara pengurus baris pertama mempertimbangkan peluang untuk membuat ramalan mereka.
  3. Pemimpin Produk: Pemimpin produk asas jualan menganggarkan produk apa yang tersedia untuk dijual dan jangka masa untuk pembebasannya.

Pendekatan Ramalan Jualan

Terdapat dua pendekatan utama untuk ramalan jualan:

1. Pendekatan top-down

Dalam pendekatan top-down, ramalan jualan bermula dengan gambaran yang lebih besar dan berfungsi ke bawah untuk menentukan pencapaian yang diperlukan untuk mencapai sasaran. Sebagai contoh, jika pasaran mempunyai 100 juta unit produk dan matlamat organisasi adalah untuk menembusi 5% pasaran, maka bilangan pelanggan sasaran akan menjadi 5,000,000. Dengan anggaran yang begitu besar, terdapat banyak ruang untuk penghakiman yang tergesa-gesa dan tidak jelas yang boleh membawa kepada jangkaan yang tidak realistik. Walau bagaimanapun, pendekatan ini berguna untuk mewujudkan penanda aras seluruh organisasi yang optimistik dengan cepat di syarikat-syarikat yang ditubuhkan.

2. Pendekatan bottom-up

Pendekatan bottom-up adalah pendekatan konservatif dan berbutir yang mengambil kira sumber yang dipegang oleh syarikat. Sebagai contoh, berapa ramai jurujual yang ada dalam unit, dan apakah anggaran jualan yang realistik untuk setiap wakil dan setiap unit, atau, berapa banyak iklan yang dipaparkan pada enjin carian akan membawa kepada klik lalu dan jualan? Pendekatan bottom-up mengambil pandangan praktikal pada kecekapan perniagaan dan memikirkan pembolehubah yang boleh diubah untuk meningkatkan jualan. Pendekatan ini sangat bergantung pada data sedia ada untuk mewujudkan perspektif yang lebih berstruktur dan realistik untuk tujuan ramalan jualan.

Kaedah Ramalan Jualan

Kaedah ramalan jualan boleh dibahagikan secara meluas kepada kaedah Kualitatif dan Kuantitatif. Kaedah kualitatif bergantung kepada pertimbangan subjektif wakil jualan dan pembuat keputusan, manakala kaedah kuantitatif bergantung kepada data, nombor, dan pemodelan statistik.

Ramalan jualan kualitatif

Ramalan jualan kualitatif sering menggunakan 5 kaedah utama. Kaedah ini berdasarkan pendapat termaklum mengenai pasaran, trend, dan prospek. Kaji selidik yang terlibat sering memakan masa dan mahal. 5 kaedah teratas termasuk:

  • Kaedah Panel atau Juri kaedah Pendapat Eksekutif: Seperti namanya, pendekatan itu melibatkan kumpulan eksekutif yang membincangkan ramalan jualan untuk mencapai kata sepakat. Salah satu kelebihan utama kaedah ini ialah ahli juri yang berpengalaman dapat membawa banyak kebijaksanaan kepada ramalan. Perkara yang sama juga boleh merugikan kerana ramalan buruk boleh dibuat oleh ahli juri yang dominan dengan pandangan berat sebelah.
  • Kaedah Delphi: Kaedah Delphi bersifat lelaran dan melibatkan ukur setiap pakar secara bebas. Output kemudiannya ditunjukkan kepada pakar-pakar supaya tindak balas mereka boleh dipertimbangkan semula berdasarkan konsensus yang lebih luas. Pendekatan ini merupakan penawar kepada pemikiran kumpulan yang boleh menguasai pendekatan juri.
  • Tinjauan Pelanggan: Dalam kaedah ini, prospek atau sampel pelanggan ditinjau mengenai rancangan pembelian mereka dalam jangka pendek dan panjang. Untuk pasaran yang lebih besar, pelbagai kaedah tinjauan boleh digunakan untuk menentukan trend generik.
  • Kaedah komposit tenaga jualan: Kaedah ini meramalkan jualan dengan mengumpulkan nombor kolektif ramalan wakil jualan individu. Nombor-nombor ini kemudiannya disemak oleh ketua dan pengurus jualan bersama-sama dengan pemilik produk untuk membuat ramalan sulingan. Walaupun pendekatan itu mempunyai meritnya, ia juga tidak mengambil faktor seperti trend baru, perubahan peraturan, dan inovasi produk ke dalam gambar.
  • Perancangan senario: Perancangan senario adalah pendekatan menyeluruh yang tidak menghasilkan satu ramalan yang diterima. Sebaliknya, ia memodelkan senario yang berbeza untuk membolehkan syarikat bersedia untuk hasil jualan yang tidak menentu. Kaedah ini digunakan untuk menganggarkan jualan dalam tempoh masa yang panjang, seperti tiga tahun atau lebih. Di bawah perancangan senario, pembolehubah seperti kemelesetan, teknologi disruptif, perubahan harga, dan perkara lain yang mempengaruhi jualan adalah sumbang saran.

Ramalan jualan kuantitatif

Ramalan jualan kuantitatif menggunakan data dan pemodelan statistik untuk meramalkan jualan dalam skala masa yang berbeza. Berikut adalah dua kaedah yang paling biasa digunakan:

  • Kaedah Siri Masa: Pendekatan ini berfungsi dengan andaian bahawa trend jualan sejarah berulang sepanjang musim dan kitaran jualan. Oleh itu, ia menggunakan data sejarah, kronologi yang diperintahkan untuk membuat ramalan jualan. Jualan masa depan dikira oleh jualan sejarah yang didarabkan dengan kadar pertumbuhan. Beberapa teknik popular termasuk melicinkan eksponen, purata bergerak, ARIMA, dan X11.
  • Kaedah Kasual: Dalam kaedah ini, punca dan kesan sejarah antara jualan dan pembolehubah pasaran diambil kira untuk ramalan. Dengan kaedah kasual semua pembolehubah yang mungkin boleh menjejaskan jualan dimodelkan untuk membuat ramalan yang tepat untuk masa depan. Pembolehubah termasuk faktor seperti sentimen pelanggan, tinjauan pihak ketiga, trend makroekonomi, dan hasil jualan dalaman. Teknik kasual yang popular termasuk regresi linear atau berbilang, penunjuk utama, dan pendekatan ekonometrik.

Contoh Ramalan Jualan

Berikut adalah dua contoh ramalan jualan untuk kedua-dua kaedah ramalan jualan kualitatif dan kuantitatif:

1. Kaedah intuitif (Kualitatif)

Kaedah intuitif adalah kaedah kualitatif yang paling mudah untuk ramalan jualan. Pendekatan ini sangat bergantung pada prestasi dan pengalaman wakil jualan dalam menutup tawaran dan rekod prestasi mereka sepadan dengan jangkaan. Kaedah ini sangat membantu jika tidak ada data sejarah untuk membuat ramalan untuk bulan atau suku. Sebaliknya, "intuisi" atau "perasaan usus" wakil jualan berdasarkan hubungan awal mereka dengan prospek digunakan untuk menentukan berapa banyak jualan yang boleh dilakukan. Berikut ialah contoh cara ia berfungsi:

Pengurus jualan meminta anggaran daripada empat wakil jualan untuk jualan suku tahunan. Wakil jualan 1, yang merupakan prestasi terbaik, menganggarkan $ 200,000. Wakil jualan 2, yang merupakan penghibur rapat kepada bekas, membuat anggaran $ 180,000. Wakil jualan 3, yang mempunyai pengalaman selama dua tahun, menganggarkan jualannya sekitar $ 120,000, manakala Sales Rep 4 yang merupakan lulusan kolej baru-baru ini, memberikan anggaran $ 110,000. Menyimpulkan ramalan memberikan ramalan intuitif jualan $ 610,000 untuk suku tersebut. Walau bagaimanapun, apabila diperiksa dengan teliti, didapati bahawa Sale Rep 4 mempunyai ramalan yang optimistik dibesar-besarkan kerana tidak berpengalaman. Jumlah realistiknya hampir kepada $ 60,000 dalam jualan. Oleh itu, jualan suku tahunan yang disemak semula adalah kira-kira $ 560,000.

2. Kaedah Sejarah (Kuantitatif)

Seperti yang dibincangkan sebelum ini, kaedah sejarah adalah contoh teknik ramalan siri masa, yang menggunakan data sejarah untuk membuat ramalan masa depan. Untuk mengambil kira pembolehubah seperti pertumbuhan, inflasi, turun naik permintaan, dan pembolehubah lain, kadar pertumbuhan yang dianggarkan didarabkan dengan jualan sejarah untuk mencapai ramalan masa depan. Berikut adalah contoh bagaimana kaedah ini berfungsi: Anggaran pertumbuhan setiap tahun ialah 6.5%, dan jualan untuk Januari lepas adalah $ 55,500. Ramalan untuk Januari ini ialah (55,500 X .065) +55,500 iaitu $59,107.5.

Mereka bentuk pelan ramalan jualan

Peramalan jualan memerlukan asas teknik matematik yang kuat dan pengetahuan terperinci mengenai kitaran jualan biasa. Ditambah dengan data yang relevan, langkah-langkah berikut boleh digunakan untuk mereka bentuk pelan ramalan jualan:

1. Memilih kaedah ramalan

Data daripada model jualan dan ramalan masa lalu adalah penting untuk membina model baharu untuk masa depan. Beberapa teknik ramalan jualan yang lebih mudah, seperti ramalan peringkat peluang, ramalan sejarah, ramalan panjang kitaran, dan lain-lain, boleh digunakan untuk membuat ramalan yang boleh dipercayai. Ramalan dengan ketepatan yang lebih tinggi boleh dibuat dengan lebih banyak model intensif data seperti regresi berbilang dan kelancaran eksponen.

2. Menentukan masa ramalan

Jenis pelan bergantung kepada sama ada ramalan dibuat untuk jumlah masa yang ditentukan seperti bulanan atau suku tahunan, atau sama ada jualan dijejaki untuk output tertentu sahaja. Faktor bermusim, seperti pelepasan pada suku tertentu, juga boleh menjejaskan ramalan. Oleh itu suku itu mungkin perlu dilihat secara berbeza.

3. Kitaran jualan kerosakan

Garis masa setiap jualan mempunyai pengaruh terhadap ramalan jualan. Dengan memecahkan kitaran jualan kepada purata masa yang dibelanjakan pada setiap peringkat, adalah mungkin untuk menentukan panjang purata kitaran jualan.

Dengan menggunakan data sejarah terkini, pembolehubah seperti purata harga jualan dan peratusan kadar pembaharuan boleh ditakrifkan untuk ramalan baru. Pemboleh ubah lain seperti kadar penukaran, kadar giliran, trajektori pertumbuhan purata, dan hasil berulang tahunan (ARR) juga mesti dimasukkan ke dalam ramalan.

5. Buat templat ramalan

Menjana templat berdasarkan kitaran jualan, objektif, metrik dan spesifik pasukan jualan. Syarikat yang lebih kecil dengan sumber terhad boleh menggunakan alat seperti Microsoft Excel apabila terdapat lebih sedikit produk untuk dijejaki. Organisasi yang lebih besar dengan alat automatik yang menyambung ke CRM boleh menggunakan ciri-ciri automasi untuk membuat anggaran. Sebagai contoh, perisian pengayaan petunjuk boleh meramalkan apabila prospek berada di ambang penukaran. Data ini boleh digunakan untuk membuat ramalan yang sangat tepat untuk kitaran jualan yang berbeza.

6. Kongsi dokumen rasmi dengan pasukan

Dokumentasi rasmi diperlukan untuk berkongsi rancangan dengan pasukan dengan ketelusan penuh. Adalah penting bahawa wakil jualan memahami bagaimana ramalan dibuat, jadi mereka mempunyai pemahaman yang kukuh tentang matlamat dan kuota mereka.

Bagaimana untuk meramalkan jualan dengan tepat

Ramalan jualan yang tepat adalah keseimbangan halus menggabungkan trend sejarah, perubahan dalaman, turun naik pasaran, dan tekanan pesaing. Berikut ialah 5 langkah yang membawa kepada ketepatan dalam ramalan:

1. Penilaian trend sejarah

Untuk mewujudkan asas untuk ramalan jualan, adalah penting untuk membina 'kadar larian jualan,' yang merupakan jualan yang diunjurkan untuk tempoh jualan. Data sejarah dari tahun sebelumnya boleh diasingkan mengikut harga, produk, wakil jualan, tempoh jualan, dan pembolehubah lain untuk membuat kadar larian jualan untuk ramalan.

2. Menggabungkan perubahan

Kadar larian jualan perlu diubah suai berdasarkan beberapa pembolehubah, seperti harga, promosi, saluran, pelanggan, dan perubahan produk. Pemboleh ubah ini memberikan kadar larian jualan yang lebih realistik untuk tempoh jualan.

Trend pasaran, seperti perubahan tingkah laku pesaing, perubahan perundangan, penggabungan syarikat, dan lain-lain, boleh membuang bola lengkung pada masa yang paling tidak dijangka. Adalah penting untuk mengambil kira perubahan ini untuk mencipta model ramalan sekiranya berlaku peralihan trend pasaran.

4. Pemantauan persaingan

Adalah penting untuk memantau persaingan untuk mengetahui kesannya terhadap pasaran sasaran dengan tindakan seperti variasi harga, pelancaran ciri baharu, atau kempen baharu. Persaingan baru juga perlu dipantau untuk kesannya terhadap bahagian pasaran.

5. Termasuk rancangan perniagaan

Pelan strategik perniagaan yang mempunyai kesan ke atas pertumbuhan, pengambilan pekerja, menyasarkan pasaran baharu atau memulakan kempen baharu semuanya boleh memberi kesan kepada jualan masa depan. Oleh itu, adalah penting untuk membuat ramalan sambil melihat rancangan perniagaan.

‍

Cabaran utama kepada ramalan jualan

Menghasilkan ramalan yang tepat secara konsisten boleh mencabar bagi organisasi. Berikut adalah beberapa halangan utama yang dihadapi oleh kebanyakan:

  1. Ketepatan: Syarikat-syarikat, terutamanya syarikat permulaan yang bootstrapping cenderung bergantung pada hamparan untuk ramalan, yang boleh memperkenalkan isu ketepatan yang besar kepada ramalan. Malah syarikat-syarikat dengan CRM berjuang dengan penggunaan yang lemah di seluruh syarikat, dengan pekerja tidak memasukkan data tepat pada masanya, silo data, data yang tidak lengkap, dan ketidaktepatan.
  2. Subjektiviti ramalan: Walaupun kualiti ramalan bergantung pada keputusan dan pertimbangan yang baik apabila analisis ramalan mengambil sandaran kepada analisis subjektif, ia boleh terlepas pemacu ketepatan sebenar.
  3. Universiti: Ramalan jualan yang tidak berguna untuk pihak berkepentingan di seluruh syarikat tidak berkesan dalam menghasilkan keputusan. Ramalan yang baik sentiasa mempunyai data yang relevan dan mudah difahami untuk pasukan yang berbeza di seluruh syarikat.
  4. Ketidakcekapan: Ketidakcekapan sering boleh membuatnya menjadi ramalan apabila terdapat berbilang pemilik, input yang berbeza-beza yang tetap tidak berdamai, dan terlalu banyak semakan dan versi yang berbeza.

Ramalan jualan semasa masa yang tidak dapat diramalkan

Masa yang tidak menentu ialah peristiwa seperti bencana besar, krisis seperti pandemik COVID, atau kegawatan ekonomi secara tiba-tiba. Peristiwa-peristiwa ini tiba-tiba boleh membalikkan ramalan jualan di kepala mereka. Sebaik sahaja salah satu peristiwa ini melanda, penting bagi pemimpin perniagaan untuk mengetahui perkara berikut:

  • Keadaan semasa saluran paip jualan
  • Senario model terbaik dan terburuk
  • Berapa banyak ramalan berubah sepanjang minggu atau bulan

Pandangan masa nyata saluran paip jualan adalah penting dalam situasi sedemikian untuk membuat keputusan perniagaan segera yang dapat meminimumkan kerosakan akibat peristiwa yang mengganggu. Penyelesaian CRM dan automasi adalah apa yang akan mengurangkan pukulan yang tidak dapat dielakkan kepada ramalan. Data segera yang boleh dipercayai adalah apa yang akan membantu pemimpin perniagaan untuk wilayah pangsi dan penggunaan sumber yang boleh memberi kesan yang kuat terhadap kesinambungan atau pembubaran perniagaan.

Fikiran penutup

Membuat ramalan jualan yang tepat adalah seni dan sains yang menggabungkan intuisi yang dibangunkan dengan baik jurujual yang berpengalaman dan data yang boleh dipercayai dimasukkan ke dalam algoritma ramalan. Walaupun penting bahawa pasukan jualan mempunyai kemahiran untuk membuat ramalan yang baik bergantung pada hamparan mudah dan kaedah pengiraan back-of-the-napkin, ramalan yang boleh dipercayai memerlukan penyelesaian perisian yang dapat memberikan pandangan dan unjuran masa nyata berdasarkan data.

Buka kunci Rahsia Penglibatan Terbesar untuk Mengekalkan Prestasi Terbaik anda.
Ketahui cara

Xoxoday Compass Pasukan