KI im Vertrieb: Warum KI-basierte Vertriebsprognosen im B2B wichtig sind und trotzdem scheitern
KI im Vertrieb: sie wollen im B2B-Vertieb Ihr Potenzial ausschöpfen und erfolgreicher als der Wettbewerb sein? Präzise KI-basierte Vertriebsprognosen sind ein Geheimtipp – oder?
Um Ihnen zu verdeutlichen, was Sie in aller erster Linie über Vertriebsprognosen im B2B-Vertrieb wissen sollten, wird nun Editor-in-Chief Michael Gilliland zitiert, welcher mehrere Artikel in „The International Journal of Applied Forecasting“ veröffentlicht hat:
„Unsere Forecasts sind niemals so akkurat wie wir sie gerne hätten oder wie sie sein müssten. Das Ergebnis ist ein großer Drang danach, Geld nach dem Problem zu werfen in der Hoffnung, dass das Problem flüchtet. Es gibt viele Consultants und Softwareanbieter, die das Geld auffangen und dafür versprechen, die Forecast-Qualität zu verbessern, aber diese Versprechen bleiben unerfüllt. Viele Organisationen, vielleicht auch Ihre, haben tausende oder gar Millionen von Dollars für das Prognoseproblem ausgegeben, nur um wieder bei dem gleichen lausigen Forecast zu enden.”
Klingt sehr motivierend, oder? Tatsächlich soll das Zitat keine Einleitung zu einem Anti-Forecast-Artikel sein, sondern es spiegelt die Realität in vielen Unternehmen wider.
Es gibt einige Ausnahmen von Unternehmen, die Vertriebsprognosen bereits erfolgreich in ihren Sales-Prozess eingegliedert haben. Doch diese Unternehmen sind die Vorreiter und bislang noch – Ausnahmen. Was läuft also falsch?
Kommen wir direkt zu der einen Sache, die Sie über Prognosen wissen sollten: Prognosen werden nicht besser, nur weil sie mit immer größerem (und teurerem) Aufwand betrieben werden. Selbst die aufwändigste Prognose erreicht keine 100%ige Treffsicherheit. Das liegt in der Natur der Prognosen, denn kein Mensch und keine Maschine hat übernatürliche Kräfte, um in die Zukunft zu blicken. Prognosen sind Wahrscheinlichkeitsrechnungen. Und sie sind richtig eingesetzt effektiv. Wir haben weniger ein Qualitätsproblem als ein Umsetzungsproblem.
In diesem Artikel diskutieren wir, warum Vertriebsprognosen scheitern und was Sie tun können, um erfolgreiche Vorreiter in diesem Bereich zu werden.
Warum sind Vertriebsprognosen überhaupt wichtig?
Wenn Sie den Nutzen von präzisen Verkaufsprognosen bereits erkannt haben, dann können Sie gerne einen Absatz weiter springen. Doch ein Verständnis für das Potenzial von Prognosen im Vertrieb, ist die Grundlage für diesen Artikel. Warum versuchen denn so viele Unternehmen einen Forecast-Prozess im Vertrieb einzugliedern?
Präzise Vertriebsprognosen bergen enormes Potenzial. Das erfolgreichste und bekannteste Beispiel ist wohl Amazon: der Cross-Selling Algorithmus des Giganten macht 25 % des Umsatzes. „Das könnte Sie auch interessieren…“ oder „Andere Kunden kauften auch…“ sind nur ein Beispiel für eine Wahrscheinlichkeitsberechnung für mögliche zukünftige Käufe der Amazon-Kunden. Haben Sie nicht auch schon einmal auf solch einen Vorschlag geklickt?
Gerade im Bereich Großhandel sind Verkaufsprognosen enorm wertvoll und schaffen einen nicht zu unterschätzenden Wettbewerbsvorteil: über Tausende Kunden und Produkte ermittelt eine Predictive Sales Software die erfolgversprechendsten Aktionen für den Vertrieb. Von der optimalen Preissetzung über Abwanderungsrisken und zusätzlichen Verkaufschancen. Großes monetäres Potenzial, das in Ihren Daten versteckt liegt und von Algorithmen des maschinellen Lernens aufgedeckt wird.
Die Vorteile, die daraus entstehen sind kurz aufgezählt folgende:
– Produkte mit der höchsten Kaufwahrscheinlichkeit pro Kunde finden und damit den Umsatz und gleichzeitig die Kundenzufriedenheit durch passende Angebote steigern.
– Priorisierung von Kunden mit dem höchsten Gesamtkaufpotenzial.
– Vorhersage des optimalen Endpreises für eine bestimmte Kunden- und Produktkombination.
– Fokussierung Ihrer wertvollen Vertriebsressourcen dort, wo sie eine hohe Hebelwirkung haben.
– Datenbasierte Empfehlungen sorgen für Planungssicherheit.
– Gewinnen Sie einen Wettbewerbsvorteil – nutzt Ihre Konkurrenz bereits Verkaufsprognosen für die Vertriebsplanung? Dann ist es an der Zeit, aufzuholen.
Sie sehen, Verkaufsprognosen sind nicht zu unterschätzen und es ist nur logisch, dass viele Unternehmen dahingehend investieren. Doch was führt zum Scheitern?
1. Verkaufsprognosen als „unendliche Geschichte“.
Wie in der Einleitung schon angedeutet, führen bei Verkaufsprognosen mehr Ressourcen nicht zu signifikant besseren Prognosen. Es ist verständlich, dass Vertriebsleiter in Zeiten von Big Data davon träumen, alle möglichen Informationen zu nutzen, um Prognosen zu verbessern: „Lasst uns noch Social-Media-Daten einfließen lassen!“ oder „Was ist mit den aktuellen Marktdaten von China – die brauchen wir auch!“.
Erfolgreich genutzte Verkaufsprognosen starten mit der Frage: „Welche Daten brauchen wir?“, also bevor überhaupt ein Prognosemodell gebaut wurde.
Und hier kommt unser Tipp: Verkaufsprognosen brauchen in erster Linie historische Daten, die nahe am Ziel liegen. Also historische Verkaufsdaten. Diese Daten besitzt jedes Unternehmen in seinem ERP- oder Buchhaltungssystem und sie sind Gold wert. Denn keiner Ihrer Wettbewerber hat Ihre Verkaufsdaten (hoffentlich) außerdem sind sie sehr zuverlässig und nicht schwer zu beschaffen.
Sie müssen bedenken, dass man bei den Daten für Prognosen immer den Aufwand und Nutzen abwägen sollte. Externe Daten, wie Marktdaten oder Social-Media-Daten sind schwer zu beschaffen, müssen zusätzlich gepflegt und aktuell gehalten werden. Und welchen Nutzen bringen sie? Allein durch Ihre Verkaufsdaten lassen sich schon Verkaufsprognosen mit einer bis zu 95%igen Genauigkeit erstellen. Für ca. 1 % verbesserte Genauigkeit lohnt sich der Aufwand unserer Meinung nach nicht. Es kostet nur Zeit und Ressourcen, sodass aus Verkaufsprognosen unendliche Geschichten werden.
2. Das Vertrauen in die Prognosen: „Das ist doch Bingo!“
Das Vertrauen in Verkaufsprognosen ist ein großes Thema und gibt Spielraum für eine wissenschaftliche Arbeit. Es ist auch eine heikle Sache, denn irgendwann müssen die Prognosemodelle in den Einsatz kommen.
Gerade bei Modellen des maschinellen Lernens, werden die Prognosen durch den Einsatz stetig besser, denn die Modelle lernen durch weitere Daten dazu. Doch hier liegt das Problem: gerade am Anfang ist die Skepsis bei den Nutzern groß. Der Vertrieb ist ohnehin ständig mit neuen Technologien, wie z.B. ein neues CRM-System, konfrontiert und „ein gebranntes Kind“. Zweifel sind also nicht zwingend böse gemeint, sondern entstehen durch Erfahrungen.
Das bedeutet, die Toleranz für „falsche Prognosen“ ist nicht besonders hoch. Sie erinnern sich daran, dass kein Prognosemodell der Welt ausschließlich richtige Empfehlungen gibt? Also selbst ein bestens trainiertes Modell, wird Prognosen liefern, die sich im Nachhinein als „falsch“ erweisen. Zusätzlich dazu, sind wir in unserem hypothetischen Szenario gerade am Anfang und das Forecast-Modell hat noch nicht das volle Potenzial erreicht. Nach zwei bis dreimaligem halbherzigen Ausprobieren, fangen die Vertriebsmitarbeiter und Mitarbeiterinnen an die Vorhersage-Empfehlungen zu belächeln und das Ganze ist unten durch. Verloren. Die Forecasts sind gescheitert. Auch „richtige“ Prognosen können das nicht mehr retten, denn sie werden als Zufall abgestempelt: „Das ist doch Bingo!“.
Schade, denn das ist es nicht.
Was ist zu tun? Wir haben einige Interviews mit Unternehmen geführt, die eine Prognose Software erfolgreich im Vertrieb eingebracht haben. Zuerst musste der Vertriebsleiter oder Manager selbst Vertrauen gewinnen. Einige haben berichtet, dass sie die Software auf Herz und Nieren geprüft haben, indem sie deren Ergebnisse mit Ihren selbst erstellten Excel Tabellen verglichen haben. So konnten Sie die Ergebnisse der Software erst einmal besser nachvollziehen und im nächsten Schritt haben sie gemerkt, dass die Software auch Potenziale erkennt, die die Excel Tabelle nicht aufgezeigt.
Der nächste Schritt betrifft die Vertriebsmannschaft. Starten Sie mit einer kleinen Gruppe Ihrer Mitarbeiter, die aufgeschlossen gegenüber einer neuen Technologie sind. Eine ausgewählte Testgruppe. Dabei ist zu bedenken, dass ein Predictive Sales Modell oder eine Software Tausende von Empfehlungen generiert. Das überfordert. Geben Sie dieser Testgruppe pro Tag eine kleine Anzahl von Empfehlungen mit hoher Erfolgswahrscheinlichkeit (z.B. fünf). Nach einiger Zeit vergleichen Sie die Ergebnisse der Testgruppe mit den übrigen Mitarbeitern. So können Sie auch monetäre Ergebnisse mit und ohne Sales-Forecast erkennen. Auch Zahlen schaffen Vertrauen.
3. Die Vertriebsprognosen müssen in den Sales Prozess eingegliedert werden.
Kommen wir zum nächsten Umsetzungsproblem: „Hallo lieber Kunde, mein Algorithmus sagt, dass Sie bald nicht mehr bei uns kaufen wollen. Ist das richtig?“. Ein interessanter Anfang für ein Kundenbindungsgespräch. Ich denke, Sie ahnen, worauf das nächste Verkaufsprognosen-Problem herausläuft. „Gut zu wissen, aber was jetzt?“.
Verkaufsprognosen sagen Ihrem Vertriebsteam folgendes: „Achtung Kunde X ist mit hoher Wahrscheinlichkeit abwanderungsgefährdet.“ Oder „Schau mal, Kunde Y könnte noch an diesem Produkt Interesse haben.“.
Wenn jetzt jeder Ihrer Vertriebsmitarbeiter bei jeder Verkaufsprognose erst einmal groß anfangen muss zu überlegen, wie er das an den Kunden bringt, kostet es zu viel Zeit und wird nicht umgesetzt.
Es muss ein Prozess her. Ein klarer Weg dafür, was wann zu tun ist. Als erstes muss entschieden werden, bei welcher Prognose besteht Handlungsbedarf und wo nicht? Das Bild zeigt einen beispielhaften Prozess, den Sie natürlich auf Ihr Unternehmen anpassen können.
Falls entschieden wird, dass Handlungsbedarf besteht, können Sie weitere Schritte definieren: Gab es eine Cross-Selling Empfehlung? Evtl. reicht eine E-Mail mit einem Angebot. Ist ein Kunde abwanderungsgefährdet? Starten Sie Ihre Kundenbindungsmaßnahmen. Es ist auch immer ratsam einen guten Gesprächsaufhänger zu definieren, wie z.B., wenn bei dem Kunden bald ein Wartungstermin fällig ist.
Sie sehen, es gibt viele Möglichkeiten und diese sind genauso individuell wie Ihr Unternehmen. Doch es lohnt sich definitiv einmal solche Forecast-Prozesse in den Sales Alltag zu integrieren.
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
Warum KI-basierte Vertriebsprognosen im B2B wichtig sind und trotzdem scheitern – Fazit
Forecast-Prozesse im Vertrieb sind nicht zum Scheitern verurteilt. Richtig umgesetzt, bergen Verkaufsprognosen enorme Potenziale und sind essenziell für die Zukunft des B2B-Vertriebs. Das zeigen sowohl der B2C-Bereich als auch Unternehmen in den USA bereits heute. Predictive Sales Analytics ist in Deutschland gerade im Kommen. Erinnern Sie sich noch wie viele gescheiterte CRM-Projekte es gab – bzw. immer noch gibt? Trotzdem ist ein CRM-System für Unternehmen ab einer gewissen Größe unverzichtbar. So wird es auch für KI-basierte Verkaufsprognosen sein
ICH MÖCHTE PREDICTIVE ANALYTICS FÜR DEN B2B-VERTRIEB
Literaturnachweis:
