Waarom zijn sales forecasts vaak verkeerd?

Sales forecasts zijn vaak verkeerd omdat ze gebouwd worden op data die door verkopers wordt ingevoerd, met kansen die niet zijn gemeten en sluitdatums die blijven schuiven. De formule is zelden het probleem. Het probleem is dat deals te lang in de pipeline blijven staan, dat een fase een vaste kans krijgt die niemand heeft gecontroleerd, en dat de waarde in het CRM afwijkt van wat er uiteindelijk wordt getekend en gefactureerd. Daarbovenop komt gedrag: een forecast die ook als target of beoordeling dient, wordt bijgestuurd door de mensen die hem maken.

Het patroon herkennen

Een forecast die af en toe mis is, is normaal. Een forecast die steeds dezelfde kant op mis is, heeft een oorzaak. De meeste B2B-bedrijven herkennen een van deze patronen:

• Het kwartaal begint met een forecast die het target haalt. In week zes wordt hij bijgesteld. In week twaalf blijkt het tien of twintig procent minder.
• Een groot deel van de "commit"-deals sluit niet in het kwartaal, maar in het volgende, of nooit.
• De forecast van sales en de omzet van finance lopen uiteen, en niemand kan precies zeggen waarom.
• Bepaalde verkopers zitten altijd te hoog, anderen altijd te laag, en iedereen weet het, maar de forecast wordt er niet op aangepast.

Als je een van deze patronen ziet, zit de fout in het proces, niet in de uitkomst van een enkel kwartaal.

Waarom klopt je pipeline forecast niet?

1. Deals blijven te lang staan

Een deal op verloren zetten is een nederlaag toegeven. Een deal laten staan kost niets, in elk geval niet op korte termijn. Dus blijven deals staan. Ze krijgen een nieuwe sluitdatum, een notitie "klant komt erop terug", en ze tellen mee in de pipeline.

Het gevolg is een pipeline die groter is dan de werkelijke kans op omzet. Als je gewogen pipeline de basis van je forecast is, groeit de forecast mee met elke deal die niet wordt afgesloten. Het artikel hoe herken je een onbetrouwbare pipeline geeft de signalen om die deals te vinden.

2. Sluitdatums schuiven

Een verkoper zet een deal op "sluit eind maart". Eind maart schuift hij naar eind april. Dan naar eind mei. In elke forecast staat de deal in de lopende periode.

Een deal die al drie keer is verschoven, heeft een andere kans dan een deal die nog nooit verschoof. De meeste forecasts behandelen ze hetzelfde. Een simpele maatregel: tel hoe vaak de sluitdatum is verplaatst en verlaag de kans voor elke verschuiving, of haal deals na een aantal verschuivingen uit de forecast van de lopende periode.

3. Kansen per fase zijn gekozen, niet gemeten

In veel CRM's heeft elke fase een standaardkans. "Kwalificatie" 10 procent, "demo gegeven" 30 procent, "offerte uitgebracht" 50 procent, "onderhandeling" 75 procent. Die percentages zijn ooit door iemand ingesteld, vaak bij de implementatie van het CRM, en zelden gecontroleerd.

Als je naar je eigen historie kijkt, zijn de werkelijke percentages bijna altijd anders. Soms lager, soms hoger, en soms zo verschillend per product of per verkoper dat één percentage per fase geen zin heeft. Een forecast die ongemeten percentages gebruikt, heeft een ingebouwde fout die elke periode terugkomt. Hoe je die kalibreert, staat in forecasting op basis van CRM-data.

4. Dealwaarden zijn te hoog

Een verkoper voert een deal in tegen de waarde van de eerste offerte. Daarna wordt er onderhandeld: een korting, een kleinere scope, een langere betaaltermijn. De getekende waarde is lager, maar het CRM wordt niet altijd bijgewerkt. Of het wordt bijgewerkt met de totale contractwaarde over drie jaar, terwijl de forecast per kwartaal rekent.

Dat verschil zie je alleen als je gewonnen deals naast de werkelijke facturatie legt. Het artikel CRM forecast vs daadwerkelijke omzet laat zien hoe je dat meet.

5. De forecast is ook een beoordeling

Als verkopers worden afgerekend op hun forecast, of als een te lage forecast leidt tot vervelende gesprekken, gaan ze de forecast sturen. Sommigen houden deals achter om later een goede verrassing te hebben. Anderen zetten deals te vroeg in de forecast om de druk te verminderen. Beide gedragingen zijn rationeel, en beide maken de forecast onbruikbaar.

Dit is geen karakterprobleem, het is een ontwerpprobleem. Zolang de forecast tegelijk een voorspelling, een target en een beoordeling is, zal hij geen van de drie goed zijn.

6. Omzet ná de deal wordt vergeten

Een sales forecast stopt meestal bij de gewonnen deal. Maar een gewonnen deal is nog geen omzet. Hij moet een order of contract worden, geleverd, gefactureerd en betaald. Als daar iets misgaat, sluit de sales forecast wel en de omzet niet. Het artikel waarom pipeline geen omzet is gaat hier dieper op in.

Voor bedrijven met veel meerjarige contracten of projecten komt daar nog bij dat de omzet over een langere periode wordt verdeeld. Een deal van EUR 360.000 die in maart wordt getekend, is voor de omzet van maart misschien EUR 10.000.

7. Het CRM is onvolledig

Niet alle deals staan in het CRM. Sommige verkopers voeren hun deals pas in als ze bijna gewonnen zijn. Anderen houden een eigen lijst bij in Excel. Terugkerende omzet van bestaande klanten staat vaak helemaal niet in het CRM. Een forecast op basis van het CRM ziet dan een deel van de werkelijkheid en extrapoleert dat naar het geheel.

Wat je eraan doet

Een betere forecast begint niet met een ander model, maar met het wegnemen van deze oorzaken.

1. Scheid forecast, target en beoordeling. De forecast is wat je verwacht. Het target is wat je wilt. De beoordeling gaat over wat er is gerealiseerd, niet over hoe goed iemand heeft voorspeld.
2. Meet de winstkans per fase op je eigen historie. Neem de deals van de afgelopen twaalf tot vierentwintig maanden en tel per fase hoeveel er uiteindelijk zijn gewonnen.
3. Tel verschuivingen van sluitdatums. Verlaag de kans of haal deals uit de lopende periode na een vast aantal verschuivingen.
4. Ruim stilstaande deals op. Een deal zonder activiteit gedurende een periode langer dan je gebruikelijke salescyclus, gaat naar een aparte status of op verloren.
5. Vergelijk dealwaarde met getekende en gefactureerde waarde. Meet het gemiddelde verschil en corrigeer de forecast ervoor.
6. Voeg de lagen toe die sales niet ziet. Lopende contracten en terugkerende omzet horen in de omzetforecast, uit de contractadministratie en de boekhouding.
7. Meet je forecast achteraf. Leg elke maand vast wat je voorspelde en vergelijk met wat er gebeurde. Bespreek de afwijking, niet het getal.

Rekenvoorbeeld

Rekenvoorbeeld: stel, een B2B-softwarebedrijf gebruikt standaardkansen per fase. "Offerte uitgebracht" staat op 50 procent. In het lopende kwartaal staat er EUR 800.000 aan deals in die fase, dus de forecast rekent met EUR 400.000.

Een analyse van de afgelopen twee jaar laat zien dat 30 procent van de deals in deze fase uiteindelijk wordt gewonnen, en dat de getekende waarde gemiddeld 10 procent onder de CRM-waarde ligt. De gecorrigeerde verwachting is dan EUR 800.000 maal 0,3 maal 0,9, dus EUR 216.000. De forecast zat voor deze ene fase EUR 184.000 te hoog, elk kwartaal opnieuw.

De cijfers in dit voorbeeld zijn gekozen om het mechanisme te laten zien. Je eigen percentages vind je alleen in je eigen historie.

Checklist voor je volgende forecastoverleg

• Weet je voor elke fase de gemeten winstkans van de afgelopen twee jaar?
• Hoeveel deals in de forecast hebben een sluitdatum die al twee keer of vaker is verschoven?
• Hoeveel deals hebben langer dan je gemiddelde salescyclus geen activiteit gehad?
• Hoe groot was het verschil tussen forecast en werkelijke omzet in de afgelopen vier kwartalen, en welke kant op?
• Zitten lopende contracten en terugkerende omzet in de forecast, of alleen nieuwe deals?

Wie de forecast breder wil begrijpen, van contractuele omzet tot scenario's, vindt het volledige overzicht in wat is revenue forecasting.

Veelgestelde vragen

Is een forecast die te hoog uitvalt altijd de schuld van sales?

Nee. Vaak zit de fout in de manier waarop de forecast is opgezet: ongemeten kansen, geen correctie voor schuivende sluitdatums, geen onderscheid tussen dealwaarde en omzet. Sales levert de data, maar het proces bepaalt wat ermee gebeurt.

Hoeveel mag een forecast afwijken?

Daar bestaat geen algemene norm. Belangrijker dan de grootte van de afwijking is de richting. Een forecast die afwisselend te hoog en te laag is, is eerlijk onzeker. Een forecast die steeds te hoog is, heeft een fout die je kunt vinden en corrigeren.

Helpt een ander CRM?

Zelden. De oorzaken zitten in het gebruik en in het ontbreken van een koppeling met de rest van het bedrijf, niet in het pakket. Een nieuw CRM met dezelfde gewoontes geeft dezelfde forecast.

Kan AI een sales forecast verbeteren?

Ja, vooral omdat een model de kansen per deal op historie baseert in plaats van op een standaardpercentage, en signalen meeweegt zoals activiteit en verschoven sluitdatums. Het lost niet op dat de data zelf onvolledig of te optimistisch is.