如何使用回归分析来预测销售：逐步指南

有多种方法可以了解你的销售团队活动的有效性，或者了解销售团队如何推动销售达到运营和财务目标。销售预测，一种预测基于历史表现的销售业绩的方法，是实现这种理解的一种方法。

销售预测很重要，因为它可以帮助您确定正确的行为，以及您当前的策略的领域需要调整和改变，以确保未来的成功。

例如，如果您的团队始终如一低于配额，销售预测可以帮助确定正在发生这些问题的地点和为何。预测也可以帮助您决定未来的业务努力，就像您有收入投资新产品或扩大业务时一样。

有些预测方法需要进行基本的数学运算，比如逐月计算销售额，有些则需要进行更深入的计算。回归分析就是其中的一种方法，它需要深入的统计分析。

如果你像我一样，对数学一点也不感兴趣，那么进行这种类型的预测可能会让人望而生畏。值得庆幸的是，本文将提供一个易于理解的销售回归分析分解，并指导您通过一个易于遵循的示例使用谷歌表。

什么是回归分析?

在统计中，回归分析是用于了解从属变量和独立变量之间的关系的数学方法。该分析的结果证明了两个变量之间的关系的强度，以及因变量因独立变量而显着影响。

有多种不同类型的回归分析，但最基本和常见的形式是使用以下等式的简单线性回归：y = bx + a

但是，如果您没有对数学过程掌握，那种解释并不是真正的帮助，这肯定没有。让我们来看看什么回归分析意味着在外行的条款中，用于销售预测。

销售中的回归分析是什么？

简单来说，销售回归分析用于了解销售过程中某些因素如何影响销售业绩，并预测如果继续相同的策略或枢转到不同的方法，则会随着时间的推移而改变。

独立和依赖变量仍在这里播放，但从属变量始终相同：销售性能。无论是完整的收入还是未结束的优惠，您的受抚养变量将始终是销售业绩。独立变量是您检查的因素将改变销售业绩，如您所拥有的销售人员数量或在广告上花了多少钱。

销售回归预测结果有助于企业了解其销售团队的销售团队是如何或未成功的，并且根据过去的销售表现，未来可能看起来像什么。结果也可用于预测基于尚未制造的变化的未来销售，就像雇用更多销售人员会增加业务收入一样。

那么，这些词是什么意思呢，数学智慧?就像我之前说的，我不擅长数学。但是，我做了一个简单的销售回归分析，这很容易理解，也不需要很多计算。让我们看看下面的这个例子。

如何使用回归分析来预测销售额

假设您想进行销售预测，以了解让您的销售人员进行更多的销售拜访是否意味着他们完成更多的交易。要进行此预测，您需要历史数据来描述特定时期的销售拜访数量。因此，数学上，销售电话数量是自变量，即X值，因变量是每月完成的交易数量，即Y值。

我制作了下面的数据集来表示每月的销售拜访，以及两年内完成的相应交易数量。

因此，整体回归方程是y = bx + a,地点:

X是独立变量（销售电话数量）
y是受抚养变量（封闭的交易数量）
B.是线的斜坡
一种是拦截点，或者当x为零时y等于

由于我们使用Google Sheets，它的内置功能将为我们进行数学，我们不需要尝试计算这些变量的值。我们只需使用历史数据表并选择正确的图形来表示我们的数据。该过程的第一步是突出显示x和y列中的数字并导航到工具栏，选择插入，然后从下拉菜单中单击图表。

默认的图表不是我们需要的，所以我点击了图表编辑器工具和选择的散点图，如下面的GIF所示。

选择散点图后，单击Customize, Series，并向下滚动以选择Trendline框(如下所示)。

在所有这些定制之后，我得到以下散点图。

表格工具为我做了数学计算，但是图表中的线是B.变量从回归方程，或斜率，创建最佳合适线。蓝点是y值或根据销售呼叫数关闭的交易数量。

值或根据销售呼叫数关闭的交易数量。

因此，散点图回答了我对销售人员是否制定更多销售电话的总体问题将关闭更多交易。答案是肯定的，我知道这是因为最佳合适的趋势线正在向上移动，这表明了积极的关系。尽管一个月可以有20个销售电话和10个优惠，但下一个电话和40个优惠，表中历史数据的统计分析假定，平均而言，更多的销售电话意味着更多的交易关闭。

我对这个数据很好。这意味着只有销售人员每月拨打更多的电话，比他们将增加交易数量。但是，这种散点图不会给我们一些您需要了解您未来的销售业绩的特定预测号码。让我们使用同样的例子来获取该信息。

假设你的老板告诉你，他们希望产生更多的季度收入，这与销售活动直接相关。你可以假设完成更多的交易意味着产生更多的收入，但你仍然希望数据证明，让你的销售人员打更多的电话，实际上会完成更多的交易。

内置的预测张纸中的方程将帮助您了解这一点，基于历史数据第一个表。

我在同一表中完成了下表，以创建我的预测故障。在我的表文档中，这个新表使用与第一个（A，B和C）的相同列，并在第26行开始。

我选择了50，因为从原始数据表中任意一个月的最高销售拜访数是40，我们想知道如果这个数字实际增加，处理总数会发生什么。我本可以只用50个，但我每个月增加10个数字，以获得基于统计数据的准确预测，而不是一次性的事件。

创建此图表后，我遵循“插入下拉”菜单中的此路径在纸张工具栏中：插- >功能- >统计- >预测。

这部分有点技术，但它比它看起来更简单。下面的指令菜单告诉我，我将通过填写目标销售呼叫数量的相关列号来获得预测。

以下是预测元素的细分。线性方程的意思是：

X值在x轴上吗(散点图)我们想要预测，这是目标调用卷。
data_y在原始表，2和24中使用列C中的第一个和最后一行号。
data_x使用原始表中B列中的第一个和最后一个行号，2和24。
data_y去之前data_x因为C列中的依赖变量由于列B中的数量而变化。

这个方程式，作为预测说明告诉我们，将根据原始数据集的线性回归计算特定x值的预期y值（封闭的交易数量）。有两种方法可以填写等式。下面示出的第一个选项是手动输入目标调用数量的x值，并为每行重复。

=预测线性（50，C2：C24，B2：B24）

第二个选项是使用第一个X值的相应单元号，并将方程拖到每个后续的单元格。如果我在第二个数据表中使用50的单元格号，则这是等式的样式：

=预测线性（B27，C2：C24，B2：B24）

要重申，我使用第50号，因为我希望肯定会使更多销售调用导致更封闭的交易和更多的收入，而不仅仅是一个随机的发生。这是关闭的交易数量，而不是舍入到精确的小数点。

总体而言，这种线性回归分析和预期预测的结果告诉我，销售电话的数量与每月关闭的交易数量直接相关。如果您要求销售人员每月拨打10个电话比上个月更多，则收盘的交易数量将增加，这将有助于您的业务产生更多收入。

虽然谷歌Sheets帮助我在没有任何进一步计算的情况下进行数学运算，但其他工具可以简化这一过程。

销售回归预测工具

进行成功回归分析的关键因素具有数据并具有足够的数据。虽然您可以添加并只使用两个数字，但回归需要足够的数据来确定变量之间存在显着关系。没有足够的数据点，运行准确的预测将具有挑战性。如果您还没有足够的数据，那么在您有足够的时候可能会越来越久。

一旦您需要您需要的数据，下面可以通过收集，存储和导出销售数据的过程来帮助您的工具列表。

InsightSquared

InsightSquared是一个收入智能平台，它使用人工智能做出准确的预测预测。

虽然它不能运行回归分析，但它可以为您提供进行自己的回归所需的数据。具体来说，它提供了驱动最佳结果的团队、代表和销售活动的数据分解。您可以利用这种洞察力在回归分析中提出进一步的问题，以便更好地理解性能。

methoddata.

由于通过数据进行排序对于开始您的分析至关重要，因此MethodData是有价值的工具。该服务可以根据您特定回归所需的变量创建自定义销售报告，自动化流程会节省您的时间。相反，挖掘您的数据并清理它足以可用，在创建自定义报告后，它会自动发生。

HubSpot的销售中心

HUBSPOT的销售集线器会自动记录并跟踪与您的团队相关的所有相关销售和性能数据。收集的具体项目包括销售呼叫的活动报告，发送电子邮件以及与客户带来的会议，但您也可以创建自定义报告。

如果您想立即概述您的销售预测，销售中心就附带了概率预测报告。它对您的每月或季度销售目标（如下图所示，您会达到一定可能的崩溃。这些预测可以帮助您提出进一步的问题来分析您的回归分析，以了解（或不是）出错的是什么。

If you’re a HubSpot Sales Hub user and you want to use Google Sheets to conduct your regression analysis as I did, Automate.io allows you to sync and export data to external apps, including Google Sheets, eliminating the risks that can sometimes come from a simple copy+paste.

另一个影响你分析的因素是你是否做对了。就像我之前说的，我数学不好，所以我用了一个在线工具。如果你有足够的信心，请随意使用笔，纸，和一个高质量的计算器运行您的用手分析。

如果您喜欢我，使用统计分析工具excel.，谷歌表，RStudio，和SPSS.可以帮你通过这个过程，不需要辛苦的计算。配合上面列出的数据导出工具之一，您将拥有一个无缝的策略来清理和组织您的数据，并运行您的线性回归分析。

回归分析有助于您更好地了解销售表现

回归分析将为您提供统计学洞察，以影响销售业绩的因素。

If you take the time to come up with a viable regression question that focuses on two business-specific variables and use the right data, you’ll be able to accurately forecast expected sales performance and understand what elements of your strategy can remain the same, or what needs to change to meet new business goals.