KI für Vertriebsplanung und -prognose: Nicht mehr raten, was abgeschlossen wird
Jedes Quartal das gleiche Spiel. Die Vertriebsleitung bittet um eine Prognose. Die Vertriebsmitarbeiter sagen, dass die Geschäfte abgeschlossen werden. Das Management korrigiert nach unten, weil die Vertreter immer optimistisch sind. Die Abschlüsse gehen zurück. Die Prognose ändert sich wöchentlich.
Niemand weiß, was wirklich zum Abschluss kommt. Nicht, weil Verkäufer lügen. Denn die Vorhersage von Geschäftsergebnissen ist schwierig, wenn man sich auf sein Bauchgefühl und CRM-Notizen verlässt.
Die KI rät nicht. Sie betrachtet die Merkmale des Geschäfts und historische Muster. Sie sagt die Abschlusswahrscheinlichkeit auf der Grundlage von Daten voraus. Sie kennzeichnet risikobehaftete Geschäfte, bevor sie scheitern. Sie sagt Ihnen, welche Geschäfte Aufmerksamkeit brauchen und welche sich von selbst erledigen.
Ihre Prognose ist kein Wunschdenken mehr. Sie beginnt, sich auf die Realität zu stützen.
Das Problem: Pipeline voll mit Vielleicht
Ihr CRM zeigt 50 offene Geschäfte an. Die Vertreter sagen, dass 30 in diesem Quartal abgeschlossen werden. Die Vergangenheit zeigt, dass 12 tatsächlich abgeschlossen werden. Aber welche 12? Das weiß niemand.
Geschäfte bleiben zu lange in der Pipeline. Einige kommen voran. Einige bleiben stehen und sterben. Manche überraschen Sie und kommen schnell zum Abschluss. Die meiste Zeit weiß man nicht, welches Geschäft welches ist, bis es vorbei ist.
Vertriebsleiter verbringen Stunden mit der Überprüfung ihrer Pipeline. "Wie ist der Status?" "Wann wird es abgeschlossen?" "Wie hoch ist das Risiko?" Dieselben Fragen, jede Woche andere Antworten.
Die Prognose, die Sie der Führung geben, ist eine fundierte Schätzung. Manchmal sind Sie nah dran. Oft aber auch nicht. Das Quartalsende wird zu einem Gedränge, um die Zahl zu erreichen.
Nicht, weil Ihr Vertriebsteam schlecht ist. Weil Menschen nicht gut darin sind, probabilistische Ergebnisse über Dutzende von Variablen hinweg vorherzusagen. KI schon.
Was KI für die Vertriebsplanung und -prognose leistet
KI ersetzt nicht das Verkaufsurteil. Sie liefert Daten, um diese Einschätzung zu verbessern. Und so geht's:
Bewertung der Geschäftswahrscheinlichkeit
Jedes Geschäft erhält eine Bewertung der Abschlusswahrscheinlichkeit auf der Grundlage von:
- Geschäftsmerkmale (Größe, Art, Komplexität)
- Verkaufsstufe und Zeit in der Stufe
- Grad des Engagements (Aktivität der Interessenvertreter, E-Mail-Antworten, Häufigkeit der Treffen)
- Historische Muster (welche Geschäfte dieser Art wurden tatsächlich abgeschlossen?)
- Wettbewerbsfaktoren (ein einziger Anbieter oder ein Konkurrenzgeschäft?)
Die KI vergleicht jedes Geschäft mit Tausenden von früheren Geschäften. Abgeschlossene Geschäfte mit ähnlichen Merkmalen erhalten eine höhere Punktzahl. Geschäfte, die Mustern verlorener Geschäfte entsprechen, erhalten eine niedrigere Punktzahl.
Das ist kein Bauchgefühl. Es ist ein Mustervergleich, der auf Ihren tatsächlichen Gewinn-/Verlustdaten basiert.
Rep sagt 90% Chance zu schließen, AI sagt 40%? Sehen Sie genauer hin. Irgendetwas stimmt hier nicht. Entweder hat der Vertreter Warnzeichen übersehen, oder es gibt einen Kontext, den die KI nicht kennt. In jedem Fall sollten Sie nachforschen, bevor das Geschäft platzt.
Identifizierung gefährdeter Geschäfte
Geschäfte sterben langsam, dann auf einmal. Warnzeichen treten Wochen vor dem offiziellen Ende eines Geschäfts auf:
- Keine Aktivität in 14+ Tagen
- Champion antwortet nicht mehr
- Sitzungen werden wiederholt verschoben
- Zeitplan für die Entscheidung verschiebt sich weiter
- Stakeholder, die sich früh engagierten, wurden still
- Geschäft, das zu lange auf derselben Stufe steht
Die KI achtet auf diese Muster. Wenn mehrere Warnzeichen zusammen auftreten, wird das Geschäft als gefährdet eingestuft.
Der Verkaufsleiter sieht die Fahne. Fragt den Vertreter, was los ist. Oft sagt der Vertreter: "Oh ja, dem sollte ich nachgehen." Manchmal sagen sie: "Es ist in Ordnung." Aber zumindest wissen Sie, dass Sie darauf achten müssen.
Sie können nicht jedes Geschäft retten. Aber Sie können versuchen, Geschäfte zu retten, bevor sie ganz tot sind. Das funktioniert nur, wenn Sie wissen, dass sie gefährdet sind.
Verbesserung der Vorhersagegenauigkeit
Ihre Prognose ist die Summe der Geschäftswahrscheinlichkeiten. Wenn Ihre Wahrscheinlichkeitsschätzungen falsch sind, ist auch Ihre Prognose falsch.
Die KI erstellt eine Prognose auf der Grundlage von:
- Wahrscheinlichkeiten für einzelne Geschäfte (datengestützt, keine Schätzungen der Vertreter)
- Historische Abschlussquoten nach Phase, Vertreter, Geschäftsart
- Saisonale Muster in Ihrem Unternehmen
- Trends bei der Länge des Verkaufszyklus
Sie gibt nicht nur eine Zahl an. Sie gibt Ihnen Bereiche an. "Höchstwahrscheinlich $X, aber es könnte auch $Y oder $Z sein." Das ist eine ehrliche Vorhersage.
Mit der Zeit sehen Sie, welche Geschäfte die KI gut vorhergesagt hat und welche nicht. Sie passen sich an. Das Modell lernt. Die Genauigkeit verbessert sich.
Perfekte Prognosen wird es nie geben. Aber Sie können Prognosen erstellen, die häufiger richtig als falsch sind. Das ist besser als das, was die meisten Vertriebsteams heute haben.
Nächstbeste Aktionsempfehlungen
Jeder Vertreter hat mehr Geschäfte, als er aktiv bearbeiten kann. Auf welche sollten sie sich heute konzentrieren?
Die KI setzt Prioritäten:
- Gefährdete Geschäfte, die sofortige Aufmerksamkeit erfordern
- Geschäfte mit hoher Abschlusswahrscheinlichkeit, die bereit sind, voranzukommen
- Geschäfte, bei denen bestimmte Maßnahmen (Nachfassen bei einem Stakeholder, Versenden eines Vorschlags) in der Vergangenheit die Abschlussquote erhöht haben
- Untätige Geschäfte, die einen Anstoß brauchen
Der Vertreter meldet sich an und sieht eine nach Prioritäten geordnete Liste mit den zu erledigenden Aufgaben. Nicht alles. Die 5-7 Aktionen, die am ehesten ein Geschäft voranbringen.
Sie befolgen keine KI-Befehle. Sie erhalten datengestützte Vorschläge, wie sie ihre Zeit am besten verbringen können. Sie entscheiden immer noch nach eigenem Ermessen. Sie haben nur bessere Informationen.
Gewinn/Verlust-Musteranalyse
Warum werden Geschäfte abgeschlossen? Warum verlieren sie?
Die KI analysiert abgeschlossene Geschäfte - gewonnene und verlorene:
- Welche Merkmale haben die gewonnenen Geschäfte?
- Wie lange dauert es normalerweise, bis ein Geschäft zustande kommt?
- Welche Aktivitäten korrelieren mit Gewinnen?
- Was ist anders an verlorenen Geschäften?
- Gibt es Muster nach Branche, Geschäftsumfang oder Wettbewerbern?
Diese Muster werden zu Erkenntnissen:
- "Geschäfte, an denen mehr als 3 Beteiligte beteiligt sind, werden doppelt so häufig abgeschlossen wie Geschäfte, an denen nur ein Beteiligter beteiligt ist.
- "Wenn wir vor Woche 4 die Rechtsabteilung einschalten, sinkt die Abschlussquote um 30%"
- "Angebote, die einen Piloten beinhalten, konvertieren 80% der Zeit"
Sie lernen, was tatsächlich zu Gewinnen führt. Dann coachen Sie die Vertriebsmitarbeiter, damit sie mehr von dem tun, was funktioniert, und weniger von dem, was nicht funktioniert. Das ist datengesteuertes Vertriebsmanagement.
Überwachung des Pipelinezustands
Ist Ihre Pipeline gesund oder voller Schrott? Das ist schwer zu sagen, wenn Sie nur die Anzahl der Geschäfte und den Gesamtwert betrachten.
Die KI bewertet den Zustand der Pipeline:
- Was ist der realistische Wert? (Deal-Wert gewichtet nach KI-Wahrscheinlichkeitsbewertungen)
- Wächst oder schrumpft die Pipeline?
- Durchlaufen die Geschäfte die einzelnen Phasen mit normaler Geschwindigkeit?
- Ist die Abdeckung der Pipeline ausreichend, um die Ziele zu erreichen? (Realistischer Wert vs. Quote)
- In welchen Phasen gibt es Engpässe?
Vertriebsleiter sehen Dashboards zum Zustand der Pipeline. Keine eitlen Metriken. Echte Indikatoren dafür, ob das Team die Zahlen erreichen wird.
Wenn die Pipeline schwach aussieht, erfahren Sie das frühzeitig. Sie können zusätzliche Ressourcen für die Lead-Generierung einsetzen oder Ihre Ziele anpassen, bevor es zu spät ist.
Was das für Sie bedeutet
Für Verkaufsleiter
Prognosen, denen Sie vertrauen können. Nicht perfekt, aber viel besser als Schätzungen von Vertretern. Sie geben der Führung Zahlen an die Hand, die auf Daten basieren, nicht auf Hoffnung.
Die Transparenz der Pipeline verbessert sich. Sie erkennen gefährdete Geschäfte sofort. Sie wissen, wo Sie coachen müssen. Sie wissen, bei welchen Geschäften der Senior involviert werden muss.
Die Ressourcenverteilung wird intelligenter. Sie wissen, welche Geschäfte real sind und welche nur Wunschträume sind. Das Team konzentriert sich auf die gewinnbringenden Möglichkeiten.
Sie coachen auf der Grundlage von Mustern. "Hier ist, was Gewinner anders machen." Das ist effektiver als allgemeine Verkaufsratschläge.
Für Vertriebsmitarbeiter
Sie wissen, auf welche Geschäfte Sie sich konzentrieren müssen. Sie müssen sich nicht mehr auf 50 Gelegenheiten verteilen. Kümmern Sie sich um die, die am ehesten zum Abschluss kommen.
Sie erkennen Probleme frühzeitig. Ein Geschäft läuft aus dem Ruder? Sie sehen die Warnzeichen, bevor es zu spät ist. Sie können den Kurs korrigieren.
Sie erhalten eine Anleitung für die nächsten Schritte. Keine Aufträge, sondern Daten darüber, was bei Geschäften wie dem Ihren in der Regel funktioniert. Sie treffen bessere Entscheidungen.
Weniger Zeit für CRM-Aktualisierungen um der Aktualisierungen willen. Die KI wird schlauer, je mehr Daten sie hat, aber sie nutzt diese Daten, um Sie beim Verkauf zu unterstützen, nicht nur um Berichte zu erstellen.
Für das Unternehmen
Vorhersehbare Einnahmen. Wenn die Prognosen genau sind, können Sie planen. Einstellen. Inventar. Marketingausgaben. Alles auf der Grundlage zuverlässiger Umsatzprognosen.
Kürzere Verkaufszyklen. Wenn sich Vertriebsmitarbeiter zur richtigen Zeit auf die richtigen Aktivitäten konzentrieren, werden Geschäfte schneller abgeschlossen.
Höhere Abschlussquoten. Wenn Sie verstehen, was zum Abschluss von Geschäften führt, können Sie mehr davon machen. Das wirkt sich mit der Zeit aus.
Weniger Überraschungen am Quartalsende. Sie wissen schon Wochen vorher, ob Sie die Zahlen erreichen werden. Keine Panik in letzter Minute. Keine unerwarteten Ausfälle.
Reale Beispiele für AI-Verkaufsprognosen
Beispiel 1: B2B-Softwareunternehmen
Ein mittelgroßes Softwareunternehmen hatte eine Prognosegenauigkeit von 35%. Jedes Quartal war eine Überraschung. Die Vertriebsleitung konnte nicht planen, weil sie nicht wusste, wie hoch die Einnahmen tatsächlich sein würden.
Was sich geändert hat: KI analysierte 3 Jahre lang Geschäftsdaten. Erstellung von Wahrscheinlichkeitsmodellen auf der Grundlage tatsächlicher Abschlussmuster. Bereitstellung datengestützter Geschäftsbewertungen anstelle von Vertreterschätzungen.
Ergebnis: Die Vorhersagegenauigkeit verbesserte sich innerhalb von zwei Quartalen auf 82%. Die Führungskräfte konnten mit Zuversicht planen. Weniger Brandschutzübungen am Quartalsende, da die Zahl bereits Wochen im Voraus bekannt war.
Beispiel 2: Fertigungsunternehmen
Ein Fertigungsunternehmen hatte lange Verkaufszyklen (6-12 Monate). Die Geschäfte sahen monatelang gut aus und wurden dann plötzlich eingestellt. Niemand wusste warum.
Was sich geändert hat: Die KI erkannte, dass bei Geschäften, zu denen 21 Tage und länger kein Kontakt bestand, eine Wahrscheinlichkeit von 72% bestand, dass sie verloren gingen. Das System kennzeichnete risikobehaftete Geschäfte automatisch.
Ergebnis: Die Vertriebsleiter griffen proaktiv in markierte Geschäfte ein. Die Gewinnrate stieg um 18%, weil gefährdete Geschäfte behandelt wurden, bevor sie scheiterten. Der Verkaufszyklus verkürzte sich, weil festgefahrene Geschäfte schneller abgewickelt werden konnten.
Beispiel 3: Freiberufliches Dienstleistungsunternehmen
Ein Beratungsunternehmen konnte nicht sagen, welche Vorschläge zum Abschluss kommen würden. Die Erfolgsquote lag unter 30%. Die Schätzungsteams verbrachten einen enormen Aufwand mit Vorschlägen, die ins Leere liefen.
Was sich geändert hat: AI analysierte gewonnene und verlorene Angebote. Es wurde festgestellt, dass Geschäfte, bei denen der Kunde das Budget bereits genehmigt hatte, mit 65% abgeschlossen wurden. Geschäfte, bei denen der Kunde sagte, dass er "Optionen prüft", wurden mit 12% abgeschlossen.
Ergebnis: Die Firma begann, sich stärker zu qualifizieren, bevor sie in Angebote investierte. Sie konzentrierten ihre Bemühungen auf gut qualifizierte Angebote. Die Gewinnrate stieg auf 48%, weil man aufhörte, schlechten Angeboten nachzujagen.
Was KI nicht leisten wird
Wir sollten uns über die Grenzen im Klaren sein.
KI kann keine Geschäfte für Sie abschließen. Sie kann die schwierigen Gespräche nicht führen. Sie kann nicht verhandeln. Sie kann keine Beziehungen zu Käufern aufbauen. Das ist immer noch menschliche Arbeit.
KI-Vorhersagen sind Wahrscheinlichkeiten, keine Gewissheiten. Ein Geschäft, das mit 70% bewertet wird, hat immer noch eine Wahrscheinlichkeit von 30%, zu verlieren. Behandeln Sie KI-Ergebnisse nicht als Garantien.
KI kennt keinen Kontext, der nicht im CRM enthalten ist. Wenn ein Vertreter den CEO persönlich kennt oder durch die Gerüchteküche erfahren hat, dass das Budget gekürzt wurde, oder wenn er andere Zusammenhänge kennt - das ist wichtig. KI und menschliches Urteilsvermögen sind besser als beides allein.
Und KI kann einen fehlerhaften Vertriebsprozess nicht beheben. Wenn Ihre Mitarbeiter sich nicht richtig qualifizieren, Ihr Produkt nicht zum Markt passt oder Ihre Preisgestaltung falsch ist - KI zeigt Ihnen das Problem, aber Sie müssen es trotzdem lösen.
Wie man anfängt
Sie müssen nicht Ihren gesamten Vertriebsprozess auf einmal auf KI umstellen. Beginnen Sie dort, wo es am meisten hilft:
- Beginnen Sie mit dem Scoring von Geschäften. Implementierung von AI-Wahrscheinlichkeitsscores. Vergleichen Sie AI-Bewertungen mit Schätzungen von Vertretern. Finden Sie heraus, was über 3 Monate genauer ist.
- Verfolgen Sie gefährdete Geschäfte. Lassen Sie KI Geschäfte markieren, die gefährdeten Mustern entsprechen. Schauen Sie, ob ein Eingreifen einige von ihnen rettet.
- Analysieren Sie ein Gewinn/Verlust-Muster. Wählen Sie eine Variable (Größe des Geschäfts, Branche, Anzahl der Stakeholder) und sehen Sie, ob KI Muster findet, die Sie noch nicht kannten.
- Testen Sie die Vorhersagegenauigkeit. Führen Sie AI-Prognosen parallel zu Ihrem normalen Prozess durch. Vergleichen Sie, was näher an den tatsächlichen Ergebnissen ist.
- Anhand der Ergebnisse verfeinern. KI wird durch Feedback besser. Wenn Geschäfte abgeschlossen oder verloren werden, geben Sie das zurück. Das Modell lernt.
Fangen Sie klein an. Messen Sie die Genauigkeit. Skalieren Sie, was funktioniert. Das Ziel sind bessere Vorhersagen, keine perfekten Vorhersagen.
Die Quintessenz
Umsatzprognosen sind Mustererkennung. Wie sehen Geschäfte aus, die abgeschlossen werden? Wie sehen Geschäfte aus, die nicht zustande kommen? Welche Aktivitäten bringen Geschäfte voran?
Menschen können keine Muster in Hunderten von Geschäften mit Dutzenden von Variablen erkennen. KI kann das.
Ihr Vertriebsteam ist nach wie vor für die Beziehungen und Gespräche zuständig. Sie schließen immer noch Geschäfte ab. Sie entscheiden nach wie vor nach eigenem Ermessen, welche Geschäfte sie verfolgen.
Aber sie fliegen nicht mehr im Blindflug. Sie haben Daten darüber, welche Geschäfte real sind, welche gefährdet sind und welche Maßnahmen in der Vergangenheit erfolgreich waren. Das ist der Unterschied zwischen Vermutung und Wissen.
Möchten Sie genauere Vorhersagen?
Jedes Verkaufsteam hat unterschiedliche Geschäftsmuster. Unterschiedliche Verkaufszyklen. Unterschiedliche Faktoren, die Gewinne und Verluste vorhersagen.
Wir verkaufen keine pauschalen Prognosetools. Wir analysieren Ihre Geschäftsdaten. Wir ermitteln, welche Faktoren die Ergebnisse in Ihrem Unternehmen tatsächlich vorhersagen. Wir erstellen Modelle, die Ihrer Realität entsprechen.
Dann integrieren wir es in Ihr CRM, so dass Vertreter und Manager Vorhersagen sehen, wo sie arbeiten. Ihr Team erhält bessere Daten, ohne seinen Prozess zu ändern.
Kein Hype. Keine Versprechungen von perfekten Prognosen. Nur bessere Vorhersagen, damit Sie bessere Entscheidungen treffen und mehr Geschäfte abschließen können.
