# 銷售預測的意義：它能告訴你的企業什麼 > 用淺白的方式解釋銷售預測的意義：預測估算的是什麼、如何解讀預測區間，以及它與銷售目標有何不同。 Source: https://www.electe.net/tc/post/sales-forecast-meaning Site guide: https://www.electe.net/tc/llms.txt 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](https://forecasters.org/wp-content/uploads/Valid-Benchmarks-from-Published-Surveys-of-Forecast-Accuracy_Foresight11.pdf)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** 指標回答的問題資料來源通常由誰負責銷售預測未來一段時間內,我們可能賣出多少?歷史銷售數據、市場資訊與客戶採購意向財務與銷售營運部門銷售目標我們希望賣出多少?策略與成長目標管理團隊銷售配額每位業務人員或每個區域必須賣出多少?將目標分配至個人或區域銷售經理銷售預算為達成計劃銷售額,我們可以花費多少?預測加上成本計劃財務部門銷售管道價值目前進行中的交易涉及多少未結業務?依階段加權計算的未結商機業務人員運行率(Run rate)若目前的步調持續下去,結果會如何?以近期營收向前推算財務分析師 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](https://www.sciencedirect.com/science/article/abs/pii/S0377221799000855)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](https://grouglobal.com/blog/sales-forecasting-small-teams)。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](https://www.electe.net/help/how-to-build-a-sales-forecast)。 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](https://pmc.ncbi.nlm.nih.gov/articles/PMC8414520/)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** 指標顯示的內容適用時機主要限制平均絕對誤差（MAE）以數量或金額表示的平均誤差大小需要了解單一產品的簡單平均誤差難以在規模差異很大的產品之間比較均方根誤差（RMSE）平均誤差，且對大幅誤差賦予更高權重大幅誤差代價高昂時，例如缺貨對少數極端異常值敏感平均絕對百分比誤差（MAPE）以實際銷量的比例表示的誤差需要比較不同規模產品的準確度實際銷量接近零時不穩定，且對高估與低估的處理並不對稱偏差（Bias）預測是否持續偏高或偏低需要檢查是否存在系統性高估或低估無法描述隨機誤差；以預測值減實際值計算時，正值代表高估，負值代表低估 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](https://www.xactlycorp.com/company/press-room/new-forecasting-research-uncovers-need-collaboration)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](https://www.cfo.com/news/43-of-finance-and-sales-leaders-say-sales-forecasts-are-at-least-10-off/726200/)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** 情境決策悲觀情境:900 件,春季來得較晚且需求轉弱設定現金儲備規模,避免滯銷庫存壓縮付款能力基準情境:1,200 件,第二個月進行一次促銷首批承諾採購 1,000 件,並將行銷支出與規劃中的促銷活動掛鉤樂觀情境:1,400 件,社群行銷活動成功保留再追加 300 件的選擇權,並安排因應其餘供應缺口的方案本季結束後的實際結果:1,050 件與預測比較,並檢查各期偏差是否持續朝同一方向 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](https://www.electe.net/post/what-if-analysis)。 ### 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](https://www.nber.org/papers/w33384),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](https://www.electe.net/post/sales-forecasting-software)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](https://www.electe.net)，了解平台如何支援您的預測與實際業績對照流程。