銷售預測的意義：它能告訴你的企業什麼

銷售預測是一種有條理的估算，說明企業預期在未來特定期間內的銷售表現。它以過往銷售、市場資訊和客戶購買意向為基礎，並註明所依據的假設。

如果有人給你一個營收預測，卻沒有說明哪些因素可能改變結果，你能掌握足夠的資訊去下訂單，或多聘一名員工嗎？通常，只看標題數字是不夠的。你還需要知道哪些結果是合理可能的、這個估算建立在什麼假設上，以及在客戶下單之前，哪些決定可以安心去做。

這正是銷售預測意義的實際價值所在。對中小企業而言，預測應該把客戶需求與採購、人力和現金流規劃連繫起來，而不是假裝不確定性已經消失。

你不必成為統計學家，也能用好預測。你需要分清預期與目標，了解主要的誤差來源，並在結果出爐之前，記錄下當初的預測內容。養成這些習慣後，預測就會成為可重複執行的管理實務，而不只是為會議準備的一個數字。

用淺白的話解釋銷售預測的意義

銷售預測是估算你在特定時間內預期售出的數量或營收。這段時間稱為期間。預測期則指你向前看多遠，例如看下一季，而不是看明年。

可以把它想成天氣預報。它幫助你為可能出現的情況和不確定性做好準備，但並不保證某一刻究竟會發生什麼。你的銷售預測也應該發揮同樣的準備作用。

假設你經營一間戶外家具店。過往交易記錄顯示客戶通常何時購買，市場資訊協助你評估當前的情況，客戶查詢則提供購買意向的線索。你可以綜合這些資料，而不是只依賴上一季的銷售。

數字，以及背後的推理

預測包含兩層意義：

• 預期結果：你預計在指定期間內的銷量或營收。
• 支持結果的推理：令這個估算可信的資訊、方法和假設。

買家的購買意向可以提供有用的資訊，但其價值視乎具體情況而定。在一項預測方法的學術比較中，結合購買意向的最佳方法，相對於基準方法，將平均預測誤差降低了約三分之一。這項結果說明應該考慮客戶訊號，而不是假設任何問卷調查都會自動改善你的預測。

對你的店舖來說，有用的問題不只是你可能賣出多少，而是在這些銷售發生之前你應該做什麼。採購需要訂貨計劃，店長需要人手安排，財務則需要預見供應商付款可能早於客戶收款的時間點。

促銷活動也需要合理的需求預期。否則,你可能會宣傳無法供應的產品,或為尚未獲批的活動採購庫存。

銷售預測是對未來銷售的結構化估算,既不是猜測,也不是保證。

這項區別,讓預測即使與最終結果有出入,仍然有參考價值。

每份預測都應傳達的三個部分

一份可用的預測會傳達中心估值、區間和假設。每一項回答的是不同的管理問題。

1. 中心估值:你預期在指定期間內會有多少收入或銷量?凡是這些區分會影響決策,就按產品、通路或地區拆分。
2. 區間:實際結果可能有多大差異?可使用悲觀與樂觀情境,或由預測方法計算出的預測區間。
3. 假設:哪些條件必須維持不變?請列明定價、促銷、人力產能、季節性以及相關的市場狀況。

以一份假設性的規劃說明為例,你可以這樣寫:預計下季銷量為 1,200 件,情境區間為 900 至 1,400 件,假設第二個月進行一次促銷。中心值用於日常規劃,悲觀情境有助於保護現金流,樂觀情境則有助於你爭取更多供貨。

情境區間不等同於統計上的預測區間。情境描述的是在不同假設下的結果;預測區間則是在既定模型下表達不確定性。除非你的方法能支持,否則不要附上信賴水準的標示。

讓不確定性配合決策

亞特蘭大聯邦儲備銀行2025年10月的商業不確定性調查(Survey of Business Uncertainty)報告,訪問了約1,500名美國企業高階主管,指出對未來營收成長的不確定性高於疫情前。因此,即使預期仍不明朗,管理者也需要有採取行動的方法。

當缺貨代價高昂時,庫存管理人員可以按較高的結果做準備。財務部門可以圍繞中心估值編列預算,同時保留一筆應對下行風險的儲備。行銷部門則應根據預期需求背後的假設來釋放支出。

準確度指標同樣有其限制,正如Foresight 上發表的預測指引所說明的。在把一個醒目的數字視為承諾之前,請先確認期間、區間和假設。

銷售預測與目標、配額有何不同

團隊經常把預測、目標和配額混用。這會造成混淆,因為它們回答的是不同的問題:什麼是可能發生的、什麼是期望達成的,以及誰需要負責交付什麼。

銷售預測與相關銷售指標的比較

此表使用的是階段加權意義上的銷售管道價值。如果您的 CRM 顯示的是未加權的銷售管道,該總額則包含所有進行中商機的完整金額,而不僅是按機率調整後的貢獻值。

同樣地,銷售預算除了支出之外,也可能包含計畫銷售收入。請明確界定貴公司如何使用這個詞,以免財務與銷售部門比較的是不同的指標。

將目標與預期區分開來

預測是對未來實際會發生什麼的誠實預期,目標則是管理層希望發生什麼。兩者不能互相取代。

假設您的預期銷售額低於成長目標,這不一定代表預測做得不好,而是發現了一個需要採取行動的規劃缺口,例如提高轉換率、拓展通路或調整產品方案。

配額是將目標分配給各業務人員或各區域。當配額高於預期銷售額時,主管應說明還需要哪些額外行動與資源,而不是把預測調高來配合配額。

實務原則:保持預測不偏頗,另行設定目標,並利用兩者之間的差距來判斷需要改變什麼。

營收運行率(run rate)同樣需要謹慎看待。按當前速度向後推算可以提供快速參考,但不會自動考慮季節性需求或促銷活動結束的影響。商機總額也需要類似的解讀,因為交易可能延後到預測期之外。

每月比較預測與目標。討論哪些行動可以縮小差距、由誰負責,以及何時應該看到成效。不要讓預測負責人為了掩蓋不如人意的預期而承擔壓力。

如何根據歷史數據與買家訊號建立預測

建立預測時,請依照便於追查錯誤的順序進行:先整理一致的記錄,再加入業務背景,測試各種方法,最後發布一個可供大家檢視的版本。

1. 依產品、通路和地區收集歷史資料。如有可能,建議取得兩到三年的資料,作為檢視重複性季節模式的實務起點,而非通用的最低標準。如果您的業務成立時間較短,請使用現有的歷史資料,並明確說明由此產生的限制。
2. 標記特殊事件。標出缺貨、客戶流失和一次性大宗訂單,避免模型將它們視為一般的經常性需求。統一產品類別,並區分缺漏紀錄與實際零銷售。
3. 加入已知的驅動因素和買家訊號。包括季節性、已核准的價格調整、促銷活動、訂單和新增通路。對於企業對企業銷售,應檢視預期的成交時間,而不是把每一個未結商機都當作即將實現的營收。
4. 選擇方法並測試簡單的基準。趨勢外推可能適合穩定的產品,管道加權可能適合以成交案件為主的銷售,而在產品歷史資料有限時,買家購買意向調查可能有所幫助。一項涵蓋 13 家製造企業的實地研究發現,組織的判斷式預測,其準確度並未持續優於簡單的樸素預測。
5. 發布預測並明確責任歸屬。附上預測區間、假設條件和指定負責人。保留用於營運決策的版本,讓後續修訂不會抹去原本的預測。

以當時可取得的資訊進行測試

使用滾動起點驗證:從較早的截止點反覆進行預測,再將預測結果與之後的實際結果比較。不要讓評估期間的資訊洩漏到模型建立過程中。

對於間歇性需求(即產品有許多零銷售期間),可考慮採用 Croston 類方法,分別估算訂單量和購買間隔。請依產品、通路、地區和預測期間評估結果,因為準確的總量可能掩蓋單品層級的不良估計。

如需小型團隊的觀點,請參閱 Grou 的銷售預測指南。若要將此工作流程付諸實行,請依照步驟為您的銷售建立預測。

請對客戶資訊實施存取控管,移除不必要的識別資料,並且只使用您有權處理的資料。

預測為何失準,以及如何解讀誤差

每一項銷售預測都存在可衡量的誤差。關鍵在於區分無法可靠預測的波動,以及反覆高估或低估的傾向。

隨機誤差在各期間朝不同方向變動。偏差則具有持續的方向。即使平均百分比誤差看起來可以接受,經常高估預測的企業仍可能在庫存上投入過多資金。

在一項奧地利藥品給付研究中,預測銷售額的中位數比實際銷售額高出33%,預測值與實際值之比介於0.15 至 37.5之間;55.9% 的產品,其預測值不是高估實際銷售額超過100%,就是低估超過50%。這些結果僅反映該特定市場的情況,並非適用於零售商的準確度基準。

綜合解讀各項準確度指標

預測準確度指標及其所揭示的內容

先看偏差（bias）以判斷方向，再用 MAE 了解一般情況下的預測落差。若異常大的缺貨或庫存過剩影響特別重大，則可加入 RMSE。對於低銷量產品，請謹慎使用 MAPE；實際銷量為零時，不要計算一般的百分比誤差。

預測失準並不罕見。在 Xactly 2024 年銷售預測基準報告中，調查對象為 405 位北美專業人士，其中五分之四的銷售與財務主管表示，前一年曾未達成季度銷售預測。CFO 對該調查的報導指出，有 43% 的受訪者表示，他們的預測通常至少有 10% 的誤差。

請按產品、通路和預測期間分別回報誤差，而不是只公布全公司的單一分數。方向相反的誤差可能在總數中互相抵銷，但採購團隊仍然要面對缺貨和庫存過剩的問題。

以預測驅動決策的實例

假設一家虛構的戶外家具店正在準備下一季。其中心預測為 1,200 件，情境範圍為 900 至 1,400 件。

基本情境假設第二個月舉辦一次促銷。悲觀情境假設春季來得較晚、需求轉弱；樂觀情境則假設社群行銷活動成功。這些都是用於說明的規劃假設，並非實際經營成果。

從預期需求到採購承諾

經理決定下達 1,000 件的採購訂單，承擔部分下行風險，同時避免立即為整個樂觀情境的需求進貨。經理還協商了 300 件追加數量的選擇權，但須視供應商交期而定。

這樣的安排可取得 1,300 件，而非樂觀情境的全部 1,400 件。因此，經理必須確認現有庫存、另一次補貨機會或替代供應商，是否能補足其餘 100 件。只有確認營運計畫能夠支撐，預測範圍才有用處。

預測範圍及其支援的決策

現金儲備應反映供應商付款日期與持有庫存的成本,而不只是營收預測。促銷預算仍取決於活動核准與產品供應狀況。若團隊想比較不同的假設,可以了解假設情境分析的最佳實務。

檢視結果,但不改寫歷史

本季結束後,實際銷量共 1,050 件,代表中心預測高估了 150 件。依「預測值減實際值」的慣例,這是正向預測誤差,但單一結果不足以證明存在持續性偏差。

在調整下一次預測之前,經理會先檢查活動時程、天氣假設與產品供應狀況。這次預測已發揮作用:釐清了該承諾多少、該保留多少儲備,以及該關注哪些指標。

讓預測更難發揮作用的迷思

更好的預測,不一定需要更大的資料集或更複雜的模型。有時你需要的是更清楚的定義、不同的激勵機制,或是更誠實地看待不確定性。

• 數據越多,準確度一定越高。在一項2025 年 NBER 研究中,研究人員以激勵式預測調查了逾 6,000 家企業,結果顯示,加強數據運用並配合財務激勵,同期預測僅有小幅改善,而可預測的誤差、偏差與過度精確的情況,在規模較小的企業中尤為明顯。與其不加區分地蒐集更多資訊,不如提升輸入數據的相關性與一致性。
• 模型越複雜,就一定越好。要求提出證據,證明增加的複雜度在未見過的期間內,表現優於簡單的基準預測。若無法證明,在能解釋差異之前,請沿用較簡單的方法。
• 單一數字就代表精確。看似詳盡的估算,仍可能建立在脆弱的假設之上。請向決策者提供合理的區間,以及會使需求趨向區間任一端的條件。

人為誘因會影響預測

刻意壓低預期(sandbagging)是指故意低報預期,使業績更容易達標。樂觀心態則造成相反的問題,而達標壓力可能促使人們把目標當成預測來上報。

執著於舊計劃,也可能讓管理者無法察覺情況已經改變。定義不一致則會帶來另一種本可避免的誤差:銷售代表預測的是已簽約的合約,財務部門期望的是已確認的收入,營運部門關注的則是已出貨的數量。

請保留做出預測當時所掌握的資訊,而不只是最新的數字。

記錄銷售的定義、假設,以及進行判斷性調整的原因。保留各版本的預測,讓審閱者能區分模型的原始預測與管理者後來的介入調整。

AI 輔助分析可以減少重複性計算並揭示規律,但並不能取代治理。仍需要由人員核准假設、質疑缺乏依據的調整,並在期間結束後檢視準確度。

開始比較預測與實際銷售

1. 在期間開始前寫下預測。記錄其期間、中心值、區間與假設。使用一致的銷售定義,讓日後的比較衡量的是同一件事。
2. 標註日期並建立版本。保存用於採購、人員配置或預算編制的預測,並將後續更新另行保存。這樣可以保留原始的決策背景。
3. 每月結束後比較實際銷售。使用相符的期間與單位,為主要產品計算偏差與 MAE。重點調查大到足以改變營運決策的落差,而不是對每一次波動都做出同等反應。
4. 在證據充分時才調整。修正已證實有誤的假設,並調查反覆出現的方向性誤差。註明更改預測的原因,避免僅因一次偶發的落差就重新設計模型。

關鍵要點

請把這幾個步驟當作每月例行的作業流程：記錄、保存、比對、調整。定期檢視的預測會成為學習工具；從不檢視的預測，只是缺乏依據的期待。

ELECTE 是專為中小企業打造的 AI 數據分析平台，可建立財務預測與銷售預測，並提供預測、現金流與趨勢的視覺化儀表板，還能一鍵匯出報告或與團隊分享。對於希望運用自身數據進行預測並製作每月報告的團隊來說，這是一個可行的選擇，但它無法取代管理層的審閱。

在為團隊尋找預測軟體時，請優先考慮你能夠持續執行並清楚說明的流程。預測始終是估計值，而非保證的結果，現金規劃的範例僅供教學參考，並非針對個人情況的財務建議。

ELECTE 提供預測、儀表板與報表功能，協助您將銷售預期轉化為可供檢視的業務計劃。歡迎瀏覽 ELECTE，了解平台如何支援您的預測與實際業績對照流程。