Sales

KI-Prognose (Gewinnwahrscheinlichkeit)

Ein anhand Ihrer eigenen Historie trainiertes Modell sagt die Gewinnchance jeder offenen Verkaufschance voraus, ohne KI-Kosten.

Die Seite „KI-Prognose“ (im Seitenmenü) nutzt IHRE Historie gewonnener und verlorener Verkaufschancen, um zu lernen, welche Merkmale zu einem Gewinn führen, und daraus die Wahrscheinlichkeit für den Abschluss jeder offenen Verkaufschance zu schätzen.

So funktioniert es

Das Modell wird automatisch anhand der bereits abgeschlossenen Verkaufschancen (gewonnen/verloren) trainiert.
Es analysiert Merkmale wie Phase, Quelle, Verkaufsart, Priorität und Wertbereich.
Jede offene Verkaufschance erhält eine Gewinnwahrscheinlichkeit und eine Einstufung (Hoch, Mittel, Niedrig).
Die „gewichtete Pipeline“ summiert den Wert der offenen Geschäfte multipliziert mit der vorhergesagten Wahrscheinlichkeit und liefert Ihnen so eine realistische Prognose.

Der Bildschirm zeigt auch die Faktoren, die aus Ihrer Historie gelernt wurden und am stärksten für oder gegen einen Gewinn sprechen.

💡 Für das Training des Modells wird ein Mindestmaß an Historie benötigt (etwa 10 abgeschlossene Geschäfte). Je mehr Verkaufschancen Sie als gewonnen/verloren abschließen, desto besser wird die Prognose.

Abwanderungsrisiko

Auf derselben Seite lernt der Abschnitt „Abwanderungsrisiko“ aus Ihrer Historie verlorener Konten (Lebenszyklus „Verloren“ oder Typ „Abwanderung“) im Vergleich zu gehaltenen Konten und schätzt das Risiko, dass jedes AKTIVE Konto kündigt. Er verwendet Frühindikatoren wie Health-Status und Verlängerungsstatus und listet Konten vom höchsten zum niedrigsten Risiko auf.

Expansions- und Downgrade-Neigung

Dieselbe Engine sagt voraus, welche Konten am wahrscheinlichsten EXPANDIEREN (Upsell/Cross-Sell) und welche am wahrscheinlichsten DOWNGRADEN/schrumpfen. Sie lernt aus Ihrer TATSÄCHLICHEN Umsatzbewegungshistorie: den MRR-Erweiterungen und -Kürzungen von Abonnements im Zeitverlauf. Merkmale sind Kontoattribute (Tier, Größe, Branche, Health-Status, Verlängerungsstatus, Plan). Fragen Sie den Copilot „welche Kunden haben Expansionspotenzial?“ oder „wer könnte downgraden?“ und er listet Konten vom höchsten zum niedrigsten Score auf, mit den Signalen, die der Vorhersage zugrunde liegen.

💡 Das Modell trainiert anhand der Historie der MRR-Änderungen von Abonnements. Wenn Sie das Objekt Abonnement noch nicht nutzen oder nur wenige erfasste Erweiterungen/Kürzungen vorliegen, ist die Stichprobe unzureichend und das Ergebnis wird als untrainiert gekennzeichnet, ohne Zahlen zu erfinden.

Verlängerungsprognose und zukünftiger Umsatz

Fragen Sie den Copilot „welche Verträge werden verlängert?“ oder „wie viel MRR/ARR werden wir haben?“. Er projiziert den MRR/ARR für die kommenden Monate ausgehend vom aktuellen aktiven MRR und dem durchschnittlichen Nettowachstum (Neu + Erweiterung − Kürzung − Abwanderung) und schätzt die Verlängerungswahrscheinlichkeit jedes aktiven Abonnements, trainiert anhand Ihrer Historie (aktive versus gekündigte Abonnements), aufgelistet vom niedrigsten zum höchsten Wert (am stärksten gefährdete zuerst). Jede Zeile trägt zudem einen aus dem Kontoverlängerungsstatus abgeleiteten Vertragsrisiko-Teilscore. Merkmale berücksichtigen den Plan, die Vertragsdauer und Kontoattribute (Tier, Größe, Branche, Health-Status, Verlängerungsstatus).

💡 Alles wird lokal berechnet, ohne KI-Kosten. Ohne MRR-Bewegungshistorie bleibt die Projektion flach, und bei wenigen abgeschlossenen Abonnements wird das Modell als untrainiert gekennzeichnet, ohne Zahlen zu erfinden.

Prognosezuverlässigkeit (historischer Fehler und Abweichung)

Fragen Sie „wie zuverlässig ist meine Prognose?“ oder „erreiche ich mein Commit?“. Der historische Fehler (MAPE) testet das prädiktive Modell rückwirkend, indem er pro Zeitraum die Prognose (Summe aus Wert × Wahrscheinlichkeit) mit dem tatsächlich Erreichten (gewonnene Geschäfte) vergleicht. Die Abweichung vergleicht die deklarierte Prognose (Kategorien Commit und Best Case) mit dem tatsächlich Erreichten und zeigt, ob Sie das Zugesagte übertroffen oder verfehlt haben.

💡 Da das System noch keinen gespeicherten Schnappschuss der täglichen Prognose ablegt, wird der MAPE über die gesamte Historie berechnet (eine optimistische Annäherung), und die Abweichung verwendet die aktuelle Kategorie des Datensatzes. Jede Antwort trägt ein Feld „Grundlage“, das die Einschränkung erklärt, damit Sie die Zahl im richtigen Kontext lesen.

Produktempfehlung (bestes Angebot und Cross-Sell)

Der Copilot empfiehlt außerdem, WELCHES Produkt jedem Konto angeboten werden sollte, nach dem Muster „Konten, die X gekauft haben, kauften auch Y“. Er betrachtet Ihre TATSÄCHLICHE Verkaufshistorie: für jeden Kunden die Produkte, die er bereits gewonnen hat (gewonnene Verkaufschancen und Positionen von Verkaufschancen). Aus dem gemeinsamen Auftreten von Produkten schlägt er dem Konto die Produkte vor, die ähnliche Kunden gekauft haben und die es NOCH NICHT besitzt, vom höchsten zum niedrigsten Score (Konfidenz mal Häufigkeit). Jeder Vorschlag wird klassifiziert als Cross-Sell (ein Produkt aus einer anderen Kategorie), Upsell (eine bereits gekaufte Kategorie, höherer Preis) oder Folgeprodukt, mit der Begründung („60 % der Konten, die A gekauft haben, kauften auch B“).

Fragen Sie „was sollte ich diesem Konto anbieten?“ für ein bestimmtes Konto oder „was sind die besten Cross-Sell-Möglichkeiten?“, um die Team-Warteschlange mit dem besten Angebot pro Konto zu erhalten.

💡 Die Empfehlung stammt aus Ihrer eigenen Historie. Bei wenigen Verkäufen oder ohne gemeinsam gekaufte Produkte bleibt die Liste leer: Das System erfindet kein Paar, das Ihre Daten nicht zeigen.

Anomalien

Der Block „Erkannte Anomalien“ verfolgt wöchentliche Kennzahlen (erstellte Verkaufschancen und Leads, gewonnene Geschäfte) und markiert Wochen, die vom Muster abgewichen sind, zum Beispiel ein starker Rückgang bei Leads oder ein Spitzenwert bei Gewinnen. Die Erkennung nutzt einen robusten Z-Score (Median + mediane absolute Abweichung), der gegenüber Extremwerten unempfindlich ist.

Über die Live-Ansicht hinaus führt der Scheduler die Erkennung automatisch aus und BENACHRICHTIGT Administratoren (Glocken-Benachrichtigung), wenn eine neue Anomalie auftritt. Jede Anomalie wird nur einmal gemeldet: Dieselbe Woche desselben Indikators löst nie eine wiederholte Meldung aus. Der „Anomalienverlauf“ auf der Seite listet alles bereits Erkannte und Gemeldete auf.

Unter Einstellungen > Organisation schalten Sie die Benachrichtigungen ein oder aus, stellen die Empfindlichkeit ein (Z-Score-Schwellenwert; niedriger = empfindlicher) und wählen, welche Indikatoren überwacht werden. Standardmäßig ist dies bereits aktiviert, mit Empfindlichkeit 2,5 und allen drei Indikatoren.

Intelligente Zuweisung

Der Abschnitt „Intelligente Zuweisung“ ordnet Mitarbeiter nach ihrer historischen Gewinnrate (geglättet, damit eine kleine Stichprobe sie nicht verzerrt) und nach ihrer aktuellen Auslastung. Nutzen Sie das Ranking, um neue Leads an diejenigen zu leiten, die am wahrscheinlichsten konvertieren, und so die Verteilung auszugleichen.

💡 Alles wird lokal aus Ihren Daten berechnet. Es werden keine externen KI-Anbieter genutzt und keine Kosten erzeugt.

Open this article inside the system →