Satış tahmini: veriden öngörüye giden yol

Satış tahmini neyi cevaplar?

Satış tahmini, belirli bir dönemde ne kadar satış kapanacağına dair gerekçeli bir öngörüdür. Hedef ya da kota ile karıştırılmamalıdır: hedef şirketin ulaşmak istediği noktayı, tahmin ise eldeki fırsatlara ve geçmiş davranışa bakarak gerçekçi olarak beklenen noktayı gösterir. İkisi arasındaki fark, yöneticinin hangi konuda aksiyon alacağını belirler.

Tahminin işlevi yalnızca rakam üretmek değildir. Finans ekibi nakit akışını ve işe alım planını, operasyon ekibi stok ya da kapasiteyi, satış yöneticisi ise hangi fırsata zaman ayıracağını bu öngörüye göre ayarlar. Bu yüzden iyi bir tahmin, tek bir toplam rakamdan çok, o rakamın hangi fırsatlara, hangi varsayımlara dayandığını da gösterir.

Tahmin için hangi veriler gerekir?

Başlangıç noktası CRM'deki fırsat kayıtlarıdır. Her fırsatta en azından şu alanlar güvenilir olmalıdır:

• Fırsat tutarı ve ürün ya da hizmet kalemi
• Satış aşaması ve aşamaya giriş tarihi
• Beklenen kapanış tarihi
• Bir sonraki adım ve sorumlu kişi
• Karar vericiye ulaşılıp ulaşılmadığı
• Fırsatın kaynağı (yeni müşteri, mevcut müşteri, yenileme)

Bunlara geçmiş dönem kapanış verisi eklenir: hangi aşamadaki fırsatların ne oranda kazanıldığı, ortalama satış döngüsünün ne kadar sürdüğü, mevsimsellik ve kampanya etkisi. Veri eksik ya da kayıtlar geç girilmişse en gelişmiş model bile yanlış sonuç verir. Bu nedenle tahmin çalışmasının ilk adımı genellikle modelleme değil, CRM disiplinini kurmaktır.

Hangi tahmin yöntemleri kullanılır?

Uygulamada birkaç yöntem birlikte kullanılır ve sonuçlar birbiriyle karşılaştırılır.

Geçmiş veriye dayalı yöntem: önceki dönemlerin satış serisine bakılır, trend ve mevsimsellik ayrıştırılır. İstikrarlı, tekrar eden satışlarda (abonelik, perakende gibi) iyi çalışır; yeni ürün ya da pazar değişikliğinde zayıf kalır.

Aşama ağırlıklı pipeline yöntemi: her satış aşamasına geçmiş kapanış verisinden çıkarılmış bir olasılık verilir, fırsat tutarı bu olasılıkla çarpılıp toplanır. Olasılıklar elle belirlenmişse ve hiç güncellenmemişse sonuç yanıltır; geçmişe bakarak düzenli kalibre edilmelidir.

Fırsat bazlı (satış temsilcisi) yöntem: temsilciler ve yöneticiler fırsatları kategorilere ayırır: kapanması çok muhtemel olanlar (commit), iyi gidişle gelebilecekler (best case) ve geri kalan pipeline. Bu yöntem bağlamı yakalar ama kişisel iyimserliğe ya da temkinliliğe açıktır.

Son yıllarda yapay zeka destekli modeller de fırsatın yaşını, etkileşim sıklığını ve geçmiş benzer fırsatları tarayarak olasılık üretiyor. Bunlar tek başına karar verici değil, yöneticinin yargısını destekleyen bir ek görüş olarak kullanıldığında en faydalıdır.

Adım adım bir tahmin döngüsü nasıl işler?

Düzenli çalışan ekiplerde tahmin tek seferlik bir hesap değil, tekrar eden bir ritimdir. Tipik akış şöyledir:

• Temsilciler fırsatlarını günceller: aşama, tutar, kapanış tarihi ve bir sonraki adım gözden geçirilir.
• Yönetici pipeline'ı denetler: bekleyip duran, kapanış tarihi geçmiş ya da bir sonraki adımı olmayan fırsatlar temizlenir veya yeniden tarihlenir.
• Fırsatlar kategorilere ayrılır ve her kategori için ayrı toplam çıkarılır.
• Geçmiş veriden gelen istatistiksel öngörüyle fırsat bazlı toplam karşılaştırılır. İkisi arasında büyük fark varsa nedeni araştırılır.
• Tahmin toplantısında riskli ve büyük fırsatlar tek tek konuşulur; kapanışı hızlandıracak ya da riski azaltacak eylemler belirlenir.
• Dönem sonunda tahmin gerçekleşenle kıyaslanır ve sapmanın nedeni kayda geçer.

Bu döngü tekrarlandıkça ekip hem veri kalitesini hem de tahmin isabetini kendiliğinden iyileştirir.

Örnek senaryo: yazılım hizmeti satan bir ekip

Örneğin kurumsal müşterilere yazılım hizmeti satan bir ekip düşünelim. Pipeline'da çok sayıda fırsat görünüyor ama yönetici tahmin toplantısında şunu fark ediyor: toplam rakamın büyük bölümü tek bir büyük teklife dayanıyor ve bu teklifin son görüşmesinden beri uzun zaman geçmiş.

Yönetici o fırsatı normal olasılığıyla saymak yerine ayrı bir risk satırı olarak gösteriyor ve temsilciden karar vericiyle yeni bir görüşme ayarlamasını istiyor. Aynı zamanda aşama ağırlıklı hesaba bakıyor: bu hesap, geçmişte aynı aşamada bekleyen fırsatların düşük oranda kapandığını gösteriyor. Sonuçta ekip tek bir rakam yerine bir aralık sunuyor: temkinli senaryo, beklenen senaryo ve iyimser senaryo. Finans ekibi planını temkinli rakama göre yapıyor, satış ekibi ise iyimser rakam için hangi fırsatların hızlanması gerektiğine odaklanıyor.

Bu yaklaşımın değeri, rakamın doğru çıkmasından çok, sürprizin erken görünür hale gelmesidir.

Tahminin isabeti nasıl ölçülür ve iyileştirilir?

Tahmin doğruluğu, öngörülen satışla gerçekleşen satışın karşılaştırılmasıyla ölçülür. Ama yalnızca toplam sapmaya bakmak yeterli değildir. Sapmanın sistematik bir yönü var mı? Ekip hep fazla mı tahmin ediyor, hep az mı? Sürekli aşırı iyimserlik, olasılıkların şişirildiğini; sürekli düşük tahmin ise temsilcilerin rakamı bilerek düşük tuttuğunu (sandbagging) gösterebilir.

Sapmayı parçalara ayırmak da faydalıdır: hangi ürün hattında, hangi bölgede, hangi temsilcide, hangi fırsat büyüklüğünde sapma yoğunlaşıyor? Genellikle sorun tüm ekipte değil, belirli bir aşamanın tanımındadır. Örneğin teklif gönderildi aşamasına gerçek ilgiyi doğrulamadan geçiş yapılıyorsa, o aşamanın olasılığı sürekli yüksek kalır.

İyileştirme için aşama çıkış kriterlerini yazılı hale getirmek, olasılıkları dönemsel olarak geçmiş veriden yeniden hesaplamak ve her tahmin değişikliğinin gerekçesini kayda almak etkili alışkanlıklardır.

Sık yapılan hatalar

Satış tahminlerinde tekrar eden hatalar şunlardır:

• Kapanış tarihini ayın sonuna sürekli ötelemek ve fırsatı pipeline'dan çıkarmamak
• Tüm fırsatlara aynı olasılığı vermek; yeni müşteri ve yenileme satışını aynı sepete koymak
• Müşterinin sözlü ilgisini aşama ilerlemesi saymak
• Tek bir büyük fırsata bağımlı bir tahmin sunmak ve bunu görünür kılmamak
• Tahmini hedefe uydurmak: rakam hedefe göre ayarlanırsa tahmin işlevini kaybeder
• Tahmin toplantısını rakam okuma seansına çevirmek, fırsat bazında eylem konuşmamak
• Dönem sonunda sapmayı analiz etmeden bir sonraki döngüye geçmek

Bu hatalar araç eksikliğinden değil, süreç ve disiplin eksikliğinden doğar. Bu nedenle tahmin becerisi bir hesap tablosu bilgisinden çok, pipeline yönetimi ve yönetsel gözetim becerisidir.

Bu beceriyi geliştirmek için öğrenme yolu

Başlangıçta bir tabloda geçmiş kapanış verisini inceleyerek aşama bazlı kazanma oranlarını çıkarmak ve bunlarla basit bir ağırlıklı pipeline hesabı yapmak iyi bir ilk adımdır. Sonra trend ve mevsimselliği ayrıştıran temel zaman serisi mantığına geçilir, CRM'de pipeline raporları ve panolar kurulur. İleri aşamada tahmin toplantısı yönetimi, senaryo analizi ve istatistiksel ya da yapay zeka destekli modellerin değerlendirilmesi gelir.

Mindset kataloğunda bu alana dönük programlar var. Satış Tahminleme ve Pipeline Yönetimi programının modülleri arasında satış tahminlemenin temelleri, pipeline sağlığı ve kalitesi, veri odaklı tahminleme modelleri, CRM ile pipeline görünürlüğü ve tahmin toplantısı ile yönetimsel gözetim yer alıyor. Satış Analitiği Eğitimi satış performansının ölçülmesini ve analiz sürecini, Satış Ekibi Yöneticiliği Sertifika Programı ise pipeline liderliği ve satış tahmini modülünü kapsıyor.