一人顧問公司的銷售預測

銷售預測除了把去年的業績直接增加 5% 之外，還可以怎麼做？

之前在 Taipei dbt Meetup 對講者提問時，我提問了講者。

『可以談談，你們公司的銷售預測怎麼做嗎？』

富有政治敏感度的講者先是暫停了錄影。

『嗯，不好意思，這段麻煩不錄。』

然後說了老實話

『我待過的每家公司，要做下個年度的銷售預測時的作法，都是把去年的業績增加個 5% 。』

即便 Taipei dbt Meetup 也是台灣資料應用領域的專業社群之一，我的提問依舊未能獲得滿意的回應，我後來沒事就研究了一下這個問題。也順便思考，能否將銷售預測用於自己經營的一人顧問公司？

對銷售預測的思考與建模

真的要講的話，銷售預測就是把去年的業績加個 5% 其實也不見得有什麼大錯，至少通常不會差太多。另一方面，利用資料與模型做出的預測，由於可以減少人類主觀偏見的影響，在決策上確實有其價值。

我一開始找到的參考資料，建議的方法論是這樣：

1. 由公司歷史經營資料，找出關鍵營收影響因子。

2. 將歷史業績與營收影響因子做出線性回歸。

如果以一人顧問公司來舉例說明

關鍵營收影響因子有兩個：

• 業務拜訪數 (active outreach) 

• 主動找上門的潛在客戶數 (inbound leads)。

歷史資料與歷史業績部分：

• 過去 5 年，每年的業務拜訪數為：[15, 18, 20, 22]

• 過去 5 年，每年的主動找上門的客戶數為：[5, 6, 7, 6, 8]

• 過去 5 年，每年的成交案數為：[10, 12, 14, 16, 18] 

於是就可以將成交案數 (Sale) 與業務拜訪數 (Visit) 和主動找上門的客戶數 (Leads) 做成線性迴歸曲線。

Sale = alpha * Visit + beta * Leads + gamma

其中，alpha, beta, gamma 是線性迴歸曲線的參數。

如果只是照著書做，一人顧問公司的銷售預測一下子就做完了。很可惜，我經營一人顧問公司時，雖然有完整的歷史經營資料，但是資料的長相並不像書上的舉例那麼漂亮。比方說，有幾個欄位很不巧地都是零。也因此，做出的銷售預測迴歸曲線，並沒有比把去年的業績增加 5% 好到哪裡去。

在模型中考慮不確定性

後來，重新將這個模型與現實做比較之後，我將模型改成：

Sale = visit-conversion-rate * visit + lead-conversion-rate * leads

業務拜訪的轉換率和主動找上門客戶的轉換率其實相對穩定，可以推估成固定的數值。另一方面，每年的業務拜訪數和主動找上門的客戶數，它的本質都充滿了不確定性，除了高度變動之外，還都是偏小的數值。

最後，又查了一些資料之後，我將「業務拜訪數」和「主動找上門的客戶數」都用 Poisson Distribution 來建模，並且用蒙地卡羅法來跑模擬，如此就可以將不確定性也納入模型。

程式碼參考這邊

最終，我得到了更符合我經營經驗的預測結果，明年即可驗證其準確度。此外，看著這個新模型，我對於接下來該怎麼做，又有了一些不同的看法。

延伸與反思

前述的銷售預測模型雖然已經捕捉到經營的本質，但仍有改進空間，像是可以進一步細化模型參數。比方說，業務拜訪的轉換率不應該是單一的數值，而是在不同的產業或是不同公司規模，會是不同的數值。

另一方面，最後完成的模型雖然簡單，只有不到 50 行的程式碼，但是，過程之中要把模型從迴歸曲線進展到可以容許變數有高度不確定性，這一段則讓我卡關了好一陣子。大概就是因為從迴歸曲線進展到蒙地卡羅法，需要滿大的跳躍性思考，大多數無法單純套用迴歸曲線的中小企業還是把去年的業績增加 5% 就搞定了。