판매 예측 정확도를 위한 주요 팁

귀하의 판매 예측은 B2B 리드 생성 노력이 달성할 것이라고 생각하는 것을 보여주는 일련의 숫자 이상입니다.

비즈니스 성과를 보여주는 창입니다. 그것들은 당신이 당신의 사업에 대해 얼마나 많은 통제력을 가지고 있는지 알려줄 뿐만 아니라 문제를 해결하기 위해 어디로 가야 하는지에 대한 이정표 역할을 합니다.

Rory Brown보다 예측에 대해 더 많이 아는 사람은 거의 없습니다. Rory는 커뮤니티 중심 수익 분석 및 예측 플랫폼인 Kluster의 공동 설립자이자 CCO입니다.

우리는 Rory와 함께 예측에 관한 모든 것을 이야기했습니다. 다음은 그가 우리에게 준 다섯 가지 훌륭한 조언입니다.

1 - 프로세스를 제자리에 가져오기

B2B 판매 예측을 어떻게 구축합니까? 어떤 데이터를 사용하고 있으며 어디에서 가져오나요? 귀하의 예측 기준은 무엇입니까?

이러한 질문은 영업 조직(예측 이면의 시스템 및 프로세스)에서 종종 간과되지만 무언가를 제자리에 확보하는 것이 중요합니다.

프로세스가 명확하지 않은 예측은 심각한 문제를 일으킬 수 있습니다. 종종 숫자는 다른 팀에서 제공되며 다른 기준에 따라 작성됩니다.

당신은 또한 다른 방식으로 예측을 해석하는 비즈니스의 다른 부분을 갖게 될 것입니다. 회사 전체에서 예측을 표준화하는 프레임워크가 필요합니다.

예측 기준을 정의합니다. 예를 들어, 일정이나 예산은 얼마입니까? 조직에서 이러한 변경 사항을 구현하는 방법을 생각하십시오.

2 - 프로세스를 비즈니스에 전달

프로세스를 정의한 후에는 이를 회사 전체에 전달해야 합니다. 판매 예측이 작동하려면 나머지 비즈니스의 신뢰와 동의가 있어야 합니다.

예측 프로세스를 변경하는 것은 B2B 데이터 관리에 관한 것만이 아닙니다. 사람들과 그들의 기대치를 관리하는 것이기도 합니다. 일부 영업 사원은 이러한 변경 사항이 수익에 영향을 미칠 수 있다고 걱정할 수 있습니다.

새로운 예측 프로세스를 위한 내부 챔피언을 만드십시오. 영업 리더와 이야기하고 프로세스에 참여시키십시오. 그들은 당신의 지지자가 되어 지지와 신뢰를 얻기 위해 당신과 함께 일합니다.

3 - 책임 사슬 만들기

판매 예측은 사람들이 책임을 질 수 있는 경우에만 작동합니다.

예를 들어, 예측을 담당하는 영업 팀의 사람들을 선택하십시오. 그들은 예측과 관련된 모든 것에 대한 귀하의 연락 지점이 될 것입니다. 무언가 잘못되어 예측이 정확하지 않은 경우 이야기해야 할 사람들입니다. 이러한 종류의 책임은 정확성을 높이는 데 도움이 됩니다.

예측에 기여하는 각 팀을 모니터링합니다. 특정 기간 동안 가장 정확한 팀은 누구였습니까? 누가 가장 정확하지 않았습니까?

데이터 분석 - 예측이 부정확한 팀을 식별한 후에는 도움을 주기 위한 조치를 취할 수 있습니다. 기술 향상이나 교육이 미래를 보다 정확하게 예측하는 데 도움이 될 수 있습니까?

중요한 B2B 영업 KPI에 대한 명확한 그림을 원하십니까? 무료 인포그래픽을 살펴보세요. 아래를 클릭하시면 바로 보실 수 있습니다!

4 - 둘 이상의 예측 시스템 사용

너무 많은 회사에서 하나의 예측 시스템만 사용합니다. 이는 잘못된 접근 방식입니다. 왜요? 매출 예측은 특정 시점에서만 정확할 수 있기 때문입니다. 시간이 지남에 따라 예측이 정확하지 않을 수 있습니다. 우리는 이것을 '가시성 격차'라고 부릅니다.

예측은 비즈니스에 자신감을 제공해야 합니다. Rory는 정확도를 높이기 위해 둘 이상의 예측 모델을 사용할 것을 권장합니다. 그는 시도할 수 있는 세 가지 모델을 식별했습니다.

카테고리 예측

범주 예측은 영업 팀에서 일반적인 예측 방법입니다. 여기에서 영업 사원이 CRM에서 '최선을 다하고 헌신'을 식별합니다.

카테고리 예측의 결함은 해당 파이프라인에 대한 판단을 내리려면 전체 파이프라인을 볼 수 있어야 한다는 것입니다. 또한 각 영업 사원이 B2B 파이프라인에 대한 판단을 내릴 때까지 기다려야 합니다.

가중 예측

가중 예측은 실제 단계 전환율을 라이브 판매 파이프라인에 가중치로 적용합니다.

이 모델은 가중치가 통계적으로 건전하다고 가정하면 예측을 확신할 수 있고 정밀한 조사를 받을 수 있기 때문에 효과적입니다. 또한 전체 영업 팀이 정확한 그림을 작성하기 위해 파이프라인을 판단할 때까지 기다릴 필요가 없습니다.

반면 가중치가 정확하기 전에 전체 파이프라인이 추가될 때까지 기다려야 합니다.

머신 러닝 예측

기계 학습 예측에서는 다수의 B2B 데이터 요소와 과거 추세를 가져온 다음 수익이 예상되는 위치에 대해 예측합니다.

이 모델은 카테고리 및 가중 예측에서 발생하는 가시성 격차를 제거합니다. 이는 기계 학습이 과거 데이터를 사용하여 기간이 시작되기 전에 아웃바운드 판매 깔때기에서 얼마나 많은 파이프라인을 가질 것인지 예측할 수 있기 때문입니다. 그런 다음 예측에 대한 예측을 할 수 있습니다.

100% 정확할 수는 없지만 초기 단계의 기계 학습 예측은 다른 어떤 모델보다 확신할 수 있습니다.

Rory가 Kluster 블로그에 작성한 이 기사에서 이러한 모델에 대해 자세히 알아볼 수 있습니다.

정확도를 높이고 판매 추세를 더 명확하게 파악하려면 이 세 가지 방법을 모두 두 개 이상 사용하세요.

5 - 예측 시스템의 무결성 모니터링

앞으로 개선할 수 있도록 예측을 주시하세요.

다음과 같은 질문에 대해 생각해 보십시오. 분기 중 어느 시점에 각 시스템이 수익을 창출하는 데 상당히 정확합니까? 그런 다음 그 이유를 정의하십시오.

비즈니스에 있는 사람들이 예측이 정확해지는 시기를 알고 문제를 해결하기 위한 조치를 취할 수 있도록 하는 것이 중요합니다(예: 영업 팀 인원 수 증가).

때때로 영업 팀은 예측을 생성하라는 요청을 받는 이유를 잊어버립니다. 그래야 미리 계획할 수 있습니다. 이것은 비즈니스에 매우 중요합니다. 예측이 신뢰할 수 있고 광범위한 판매 전략에 맞춰지는 것이 중요합니다.

오늘 Cognism을 사용해 보세요

이 기사가 도움이 되었기를 바랍니다. 우리와 함께 앉아있는 Rory에게 감사합니다. 곧 다시 할 수 있기를 고대합니다!

파이프라인을 채우기 위해 고군분투하는 B2B 영업 팀 리더입니까? Cognism은 당신을 돕기 위해 여기 있습니다!

우리는 목표 시장에 대한 새롭고 정확한 잠재 고객 데이터를 제공할 수 있으며, 여기에 참여하는 데 필요한 모든 도구도 제공할 수 있습니다.