Predictive Sales Analytics: Wie CIOs datenbasierte Umsatzprognosen aufbauen

Sie haben für zukünftige Abschlüsse ein Bauchgefühl, das sich nicht in Worte fassen lässt? Das ist viel wert, ersetzt aber keine Sales-Prognosen, die im Spannungsfeld zwischen starken Mitbewerberinnen und Mitbewerbern und wenig investitionsfreudigen Kundinnen und Kunden elementar sind.

Wenn Sie Predictive Sales Analytics (PSA) nutzen, um Ihr Gefühl mit Fakten zu unterfüttern, ist das laut einer repräsentativen Studie des Brand Science Institutes eine kluge Entscheidung: Rein menschlichen Entscheidungen sind zu 58,7 Prozent zutreffend, die von KI allein zu 65,1 Prozent und die von Mensch und KI zusammen zu 69,4 Prozent.

Wie Predictive Sales Analytics funktioniert und in welchen konkreten Anwendungsfällen sie hilfreich ist, erfahren Sie hier.

Was ist Predictive Sales Analytics?

Predictive Sales Analytics (PSA) ist eine datenbasierte Analysemethode, die anhand von Vertriebshistorie, CRM-Daten und externen Marktinformationen Vorhersagen über künftige Entwicklungen im Vertrieb trifft. Sie bezieht bisherige Verkäufe sowie Statistiken zu Nachfrage und Marktentwicklung ein und nutzt zunehmend KI und maschinelles Lernen. Unternehmen planen damit Umsatz, Budget und Ressourcen auf einer belastbaren Grundlage.

Was ist Predictive Sales Analytics?

Predictive Sales Analytics (Vertriebs-Vorhersage-Analyse) nutzt gesammelte Daten der Business Intelligence, um Vorhersagen für künftige Entwicklungen im Vertrieb zu treffen. Die Analyse bezieht bisherige Verkäufe und Statistiken über Nachfrage und Marktentwicklung mit ein. Mittlerweile sind auch KI und maschinelles Lernen fester Teil der Analysemethode.

Dank PSA können Sie konkret planen: Es müssen genügend Produkte respektive Mitarbeitende für die erwartete Nachfrage da sein, gleichzeitig sollte es kein Überangebot wegen Lager- und Personalkosten geben. Genau diesen Spagat schafft Predictive Sales Analytics auf Datenbasis.

Es baut dabei auf dem klassischen Reporting auf und nutzt die Daten aus der Vertriebshistorie, um sie zusammen mit anderen internen und externen Daten zu analysieren und daraus einen Forecast zu erstellen.

Welche Daten braucht ein Predictive-Analytics-Modell im Vertrieb?

Je mehr belastbare Daten Sie Ihrem Vorhersagemodell zur Verfügung stellen, desto genauer gelingt der Forecast. Wir empfehlen mindestens folgende Daten(quellen):

• Daten aus Ihrem CRM
• Pipeline-Daten
• Bisherigen Abschlussquoten Ihres Unternehmens inklusive Entwicklung über die Jahre hinweg
• Externe Signale aus dem Markt wie Inflation, Konjunktur, Events und News, die die Zielgruppe betreffen

Einige Punkte kann eine solche Analyse (leider) nicht vorhersehen. Auch uns hat 2020 etwa der Ausbruch der Pandemie mit allen Auswirkungen getroffen, obwohl wir bereits Predictive Sales Analytics eingesetzt hatten. Dennoch können Sie unserer Erfahrung nach insgesamt gute Vorhersagen mit den Modellen entwickeln.

5 konkrete Anwendungsfälle von Predictive Sales Analytics im Vertrieb

Predictive Sales Analytics bieten Ihnen im Vertrieb auf verschiedenen Ebenen ein gutes Fundament für Entscheidungen. Wir setzen die Technik KI-basiert etwa für Pipeline-Prognosen, Churn-Früherkennung, die Ressourcenplanung, für Umsatzprognosen und die Potenzialerkennung für Up- und Cross-Sells ein.

Pipeline-Prognose und Deal-Scoring

Wer oder was in Ihrer Pipeline wird zum möglichst lukrativen Deal? Predictive-Sales-Analytics-Tools beziehen verschiedene Punkte in die Berechnung mit ein:

• Was sind das für Kundinnen und Kunden in der Pipeline? Wie geht es den Unternehmen gerade?
• In welcher Phase des Sales-Zyklus befinden sie sich aktuell?
• Wie wertvoll sind die Deals?
• Wie hoch ist die Wahrscheinlichkeit, dass die Interaktion mit einem Abschluss endet?

Ihr Sales-Team kann sich also auf die vielversprechendsten Kundinnen und Kunden konzentrieren und auf einen Abschluss hinarbeiten.

Churn-Früherkennung bei Bestandskundinnen und Bestandskunden

Die Churn-Früherkennung (auch: Churn Prediction) nutzt Daten aus Momenten, in denen Kundinnen und Kunden in der Vergangenheit abgesprungen sind. Sie durchsucht die aktuellen Kundendaten nach entsprechenden Mustern und weist frühzeitig darauf hin, wenn eine Kundin oder ein Kunde möglicherweise mit dem Gedanken an Abwanderung spielt.

Wichtig sind hier aus unserer Sicht:

• Verträge (Umfang und Laufzeit)
• Situation des Unternehmens
• Personalwechsel
• Interaktionen (Inhalt und Frequenz)

Die Tools und Features für Churn Prediction können automatisch ab einem bestimmten Punkt Präventionsmaßnahmen anstoßen. Sie holen unter anderem die Ansprechpartnerinnen und Ansprechpartner Ihrer jeweiligen Kundinnen und Kunden ins Boot, die dann passende Angebote machen können. Viele Kundinnen und Kunden entscheiden sich so doch noch gegen die Kündigung.

Optimale Ressourcenplanung im Vertriebsteam

Genauere Sales-Vorhersagen und Churn-Früherkennung sind die Basis, damit Sie Ihre personellen und finanziellen Ressourcen bestmöglich einsetzen können: Teammitglieder kümmern sich frühzeitig um Risikokandidatinnen und Risikokandidaten, damit diese dem Unternehmen treu bleiben. Für wichtige Kundinnen und Kunden und große Deals können Sie mehr Arbeitskraft bereitstellen. Für Kontakte, die kein Kaufinteresse oder keine Entscheidungsbefugnis haben, verschwendet Ihr Team keine Zeit.

Bessere Ressourcenverteilung = mehr Zufriedenheit
Es gibt neben harten Ergebnissen auch weiche Resultate, die dieser Einsatzbereich der Predictive Sales Analytics liefert: Durch eine optimale Ressourcenplanung können Sie die Belastung im Team deutlich senken und so die Mitarbeiterzufriedenheit laut Studien um bis zu 20 Prozent steigern.

Umsatzprognosen für Investitions- und Budgetentscheidungen

Möglichst Euro-genaue Umsatzprognosen helfen bei der Entscheidung über die Höhe des Budgets für den Vertrieb. Sie möchten, dass das Unternehmen bestimmte Investitionen durchwinkt? Auch hier sind die Zahlen eine gute Entscheidungsgrundlage.

Cross-/Upsell-Potenzialerkennung

Lösungen für Predictive Sales Analytics nutzen alle Daten, die Sie über potenzielle Kundinnen und Kunden haben und fügen aktuelle News hinzu.

Auf diese Weise erkennen die Softwares Möglichkeiten für Cross- oder Upselling, die Ihrem Vertriebsteam oft verborgen bleiben: Wann hat jemand im Arbeitsalltag schon die Zeit, alle vorliegenden Informationen manuell auf potenzielle weitere Verkaufschancen abzuklopfen?

Welche Tools für Predictive Sales Analytics gibt es?

Zu den beliebtesten Tools und Softwares für PSA gehören der HubSpot Sales Hub Forecasting in Verbindung mit Breeze Intelligence, Salesforce CRM Analytics und Gong Forecast.

HubSpot Sales Hub Forecasting

HubSpot Sales Hub Forecasting ist ein Tool zur Erstellung von Vertriebsprognosen. Es nutzt alle in Ihrem HubSpot-CRM gespeicherten Daten, um exakte Vorhersagen zu treffen. Die übersichtliche Oberfläche macht die Bedienung einfach, zudem können Sie Teammitgliedern und Teamleitung verschiedene Berechtigungen geben.

Die wichtigsten Features und Vorteile von HubSpot auf einen Blick:

• konfigurierbare Prognosekategorien
• Prognoseerstellung über verschiedene Pipelines hinweg
• belastbare Prognosen für die Entscheidungsfindung
• entsprechend eingerichtet DSGVO-konform

Der Agent Hub bietet die perfekte Ergänzung: Indem Sie die KI-Prognose aktivieren, erhalten Sie einen aktuellen Überblick mit Hinweisen auf Risiken und Chancen, den Sie nach ganzen Teams und einzelnen Pipelines filtern können.

Preise: Den HubSpot Sales Hub Professional samt Agent Hub und Prognosen erhalten Sie für 90 Euro monatlich pro Lizenz.

Salesforce CRM Analytics

Quelle: Screenshot https://www.salesforce.com/de/analytics/crm/

Salesforce CRM Analytics ist ein nützliches Tool für alle, die sich bereits im Salesforce-Universum bewegen. Es fügt sich nahtlos in Ihre Netzwerkumgebung ein und bietet hochwertige Prognosen auf einer breiten Datenbasis.

Die wichtigsten Features und Vorteile von Salesforce auf einen Blick:

• App kann auf alle Abteilungen und Branchen zugeschnitten werden
• vereinheitlichte Daten bieten einen exzellenten Überblick
• KI nutzt angereicherte Daten und Ist-Zustände für aktuelle Prognosen
• entsprechend eingerichtet DSGVO-konform

Preise: Das Tableau Next mit agentischen Analysen gibt es für 40 Euro monatlich pro Nutzerin oder Nutzer.

Gong Forecast

Quelle: Screenshot https://www.gong.io/de/platform/revenue-forecasting-software

Gong Forecast ist wegen seiner höheren Preise vor allem für große Unternehmen geeignet, die vielfältige Datenströme analysieren lassen möchten.

Die wichtigsten Features und Vorteile von Gong auf einen Blick:

• Nutzung aller vorhandenen Daten plus über 300 externer Informationen
• automatische Mustererkennung für Risiken und Chancen
• hochwertige Prognosen für bessere Entscheidungsfindung
• entsprechend eingerichtet DSGVO-konform

Preise: Infos zu den Preisen erhalten Sie auf Anfrage.

Typische Fehler bei der Einführung von Predictive Sales Analytics

Wie bei der Einführung aller neuen Tools kann es auch bei der PSA zu Fehlern kommen. Das hier sind unserer Erfahrung nach die häufigsten:

Fazit: Predictive Sales Analytics mit guter Vorbereitung nutzen

Predictive Sales Analytics optimiert bei der richtigen Anwendung die Arbeit Ihres Vertriebs: Tools wie der HubSpot Forecast minimieren verschwendete Arbeitszeiten, unterstützen beim Deal Scoring und erkennen Risiken der Abwanderung frühzeitig. Durch die so verbesserte Ressourceneinteilung sinkt der Stress in Ihrem Sales-Team und die Zufriedenheit steigt. Allerdings sind die Tools keine Selbstläufer.

Unser Tipp: Stecken Sie ausreichend Zeit in die Vorarbeit, wenn Sie die Prognose-Tools im Sales erfolgreich nutzen möchten. Prüfen und reinigen Sie Ihre Datensätze, reichern Sie sie an, merzen Sie Vorurteile aus. Wählen Sie das für Ihre Bedürfnisse passende Tool und richten Sie es DSGVO- und datenschutzkonform ein. Informieren und schulen Sie das Sales-Team frühzeitig und formulieren Sie klare Ziele.

FAQ: Meistgestellte Fragen zu Predictive Sales Analytics