In der SaaS-Branche (Software as a Service) mit einem Umsatz von 420 Mrd. USD hängt das Wachstum oft davon ab, wie gut Unternehmen zukünftige Auf- und Abwärtsbewegungen messen, vorhersagen und nachvollziehen können – und wie schnell sie sich auf Veränderungen einstellen können.

SaaS-Umsatzprognosen verdeutlichen, wie Ihr Unternehmen Umsätze erzielt und verliert. Mit der richtigen Vorgehensweise erhalten Sie dadurch ausreichend Informationen, um echte Entscheidungen im gesamten Unternehmen zu treffen, von der Anzahl der Beschäftigten bis hin zu Preisänderungen. Nachfolgend finden Sie einen klaren Rahmen für die Strukturierung Ihres SaaS-Umsatzmodells, einen belastbaren Rahmen, der sich an Ihr Unternehmen anpasst.

Worum geht es in diesem Artikel?

• Was ist eine SaaS-Umsatzprognose?
  
• Welche Kennzahlen sind für genaue SaaS-Umsatzprognosen am wichtigsten?
  
• Wie können Sie eine SaaS-Umsatzprognose erstellen und strukturieren?
  
• Welchen Einfluss sollten Annahmen und Marktfaktoren auf Ihre Prognose haben?
  
• Mit welchen Herausforderungen sehen sich SaaS-Unternehmen bei Umsatzprognosen konfrontiert?
  
• Wie sollten Sie auf Ihre SaaS-Umsatzprognosen reagieren?
  

Was ist eine SaaS-Umsatzprognose?

SaaS-Umsatzprognosen sind der Prozess der Erstellung eines datengestützten Überblicks über die Entwicklung Ihrer wiederkehrenden Umsätze. Mit einem soliden Prognoseprotokoll können SaaS-Anbieter gute Entscheidungen treffen, Probleme frühzeitig erkennen und Teams auf Kurs halten.

Im Abonnementgeschäft schwankt der Umsatz. Mithilfe von Prognosen können Sie diese Bewegungen modellieren und verfolgen. So können Sie kommende Entwicklungen besser abschätzen. Sie erhalten eine fundierte Prognose, mit der Sie frühzeitig reagieren und gegebenenfalls den Kurs ändern können. Wenn die Abwanderung stetig zunimmt, zeigt Ihr Modell an, wie viel Sie das bis zum nächsten Quartal kosten wird. Ist die Expansion stark, erfahren Sie, mit wie viel Wachstum Sie rechnen können.

Die SaaS reich an Daten ist, liefert sie starke, ausführliche Hinweise, die zu aussagekräftigen Prognosen führen können. Wenn Sie diese Daten mit Bedacht nutzen, dienen Ihre Prognosen gleichzeitig als Richtwerte.

Welche Kennzahlen sind für genaue SaaS-Umsatzprognosen am wichtigsten?

Um eine genaue Prognose zu erhalten, müssen Sie mit den richtigen Eingaben beginnen. SaaS-Umsätze sind von Natur aus dynamisch und basieren auf wiederkehrende Zahlungen, Kundenbindung, Expansion, Rückgang und Abwanderung. Ihre SaaS-Umsatzmodellierung muss diese Bewegung klar erfassen.

Dies sind die wichtigsten Kennzahlen.

Monatlich wiederkehrender Umsatz (Monthly Recurring Revenue, MRR)

MRR verfolgt jeden Monat eingehende Umsätze aus Abos. Dies ist Ihre SaaS-Prognosebasis: die Anzahl der Kundinnen und Kunden, die Sie mit dem durchschnittlichen monatlichen Umsatz pro Kundin oder Kunde multipliziert haben. Es gibt andere Arten von MRR-Berechnungen, die den Zuwachs abzüglich des weggefallenen Umsatzes verfolgen.

Jährlich wiederkehrender Umsatz (Annual Recurring Revenue, ARR)

Der ARR modelliert das Wachstum über einen längeren Zeitraum. Er bietet ein umfassenderes Bild und ist oft die Grundlage für Berichte an die Geschäftsführung.

Abwanderungsquote

Abwanderung ist das, was Sie verlieren, wenn Kundinnen und Kunden ihr Abo kündigen oder herabstufen. Man unterscheidet zwischen Kundenabwanderung, also wie viele Kundinnen und Kunden abwandern, und Umsatzabwanderung, also wie viel wiederkehrenden Umsatz sie mitnehmen. Abwanderung kann sich schnell verstärken. Daher ist es wichtig, sie zu prognostizieren.

Expansion und Rückgang

Man spricht von Expansion, wenn Sie bei bestehenden Nutzerinnen und Nutzern durch Methoden wie Upselling und neue Pakete mehr Umsatz erwirtschaften. Beim Rückgang ist das Gegenteil der Fall: Bestandsnutzer/innen stufen ihre Produktkäufe herab. Wenn Sie diese aufschlüsseln, können Sie feststellen, was den Nettoumsatz verändert.

Nettoumsatzbindung (NRR)

NRR berücksichtigt Abwanderung, Rückgang und Expansion. Dieser Wert gibt Aufschluss darüber, wie viel Umsatz Sie durch bestehende Kundinnen und Kunden erzielen. Ein NRR-Wert von über 100 % bedeutet, dass Ihr Unternehmen wächst, auch wenn Sie keine neuen Nutzer/innen hinzugewinnen.

LTV (Lifetime-Wert von Kundinnen und Kunden) und CAC (Kundenakquisitionskosten)

Ihr LTV- und CAC-Wert spiegeln sich möglicherweise nicht direkt in Ihrer Umsatzprognose wider, beeinflussen aber Ihre Wachstumsannahmen. Wenn Ihr LTV-Wert die CAC weit übersteigt, könnte es sinnvoll sein, eine schnellere Expansion zu modellieren. Andernfalls muss sich Ihre Prognose wahrscheinlich entschleunigen.

Kennzahlen zur Nutzung (für nutzungsbasierte Tarife)

Wenn Ihr Umsatz von der Nutzung abhängt (z. B. pro API-Aufruf, Nutzer/in oder Gigabyte), muss bei der Umsatzprognose das Verhalten nachverfolgt werden. Nutzungstrends, saisonale Schwankungen und Produktbindung werden zu eigenständigen Eingaben.

Wie können Sie eine SaaS-Umsatzprognose erstellen und strukturieren?

Eine solide Prognose zeigt, wie Ihr Unternehmen Umsatz erzielt, hält und steigert, sowie seinen Verlauf. Im Folgenden erfahren Sie, wie Sie ein funktionierendes Modell für SaaS-Umsatzprognosen entwickeln.

Nutzen Sie Daten als Grundlage für Ihr Modell

Nutzen Sie reale, hilfreiche Daten wie MRR, Abwanderungstrends und Nutzungsraten. Rufen Sie diese Zahlen aus Abrechnungssystemen, CRM-Tools (Customer Relationship Management) und Produktanalysen ab. Falls nötig, integrieren Sie Ihre Systeme, damit das Abrufen der Daten für Prognosen einfach und einheitlich ist.

Bilden Sie ab, wie der Umsatz durch Ihr Unternehmen verläuft

Wenn Sie Prognosen erstellen, können Sie Modelle nach Belieben kombinieren, damit sie für Ihre Umsatzströme passend sind. Ein vertriebsstarkes B2B-SaaS-Unternehmen modelliert die Prognose nicht auf dieselbe Weise wie ein nutzungsbasiertes Infrastruktur-Tool und sollte es auch nicht versuchen.

SaaS-Prognosen verwenden in der Regel eine Mischung aus Folgendem:

• MRR-Aufbau, um das Basiswachstum im Zeitverlauf zu verfolgen. Addieren Sie neuen MRR, ziehen Sie die Abwanderung ab und kalkulieren Sie Expansion und Rückgang ein.

• Kohortenmodellierung, für Unternehmen mit beträchtlicher Vielfalt im Kundenlebenszyklus-Verhalten. Verfolgen Sie Kundenbindung und Expansion nach Anmeldekohorte.

• Pipeline-Prognose, für vertriebsorientierte Teams. Nutzen Sie offene Möglichkeiten, gewichtet nach Wahrscheinlichkeit und Phase, um künftige Buchungen zu prognostizieren.

• Nutzungsmodellierung, für Preise, die sich an das Volumen anpassen. Analysieren Sie auf der Grundlage von Produktnutzungstrends oder saisonalem Verhalten.

Klären Sie Ihre Antriebsfaktoren

Nehmen Sie sich die Zeit, um Ihre Erwartungen zu formulieren: „Die Abwanderung wird bis zum dritten Quartal von 6 % auf 4 % sinken“ oder „Der Umsatz wird im nächsten Quartal bei 250.000 USD an neuem ARR liegen.“ Untermauern Sie dies mit Zahlen. Hat sich die Abwanderungsquote im letzten Quartal nach der Einführung neuer Playbooks für die Kundenbetreuung verbessert? Ist die Umsatzprognose an bestimmte Pipeline-Phasen gebunden? Betrachten Sie Annahmen als gemeinsame Hypothesen und verknüpfen Sie die Verantwortung dafür nach Möglichkeit mit Teams. Der Vertrieb ist für die Abschlussquote verantwortlich, das Kundenerfolgsteam für die Abwanderung und das Produktteam für die Nutzungskurven.

Passen Sie das Modell regelmäßig an

Gleichen Sie die tatsächlichen Ergebnisse monatlich mit den Prognosen ab. Wenn die Abwanderung zunimmt oder Upselling hinterherhinkt, überarbeiten Sie die Prognosen. Prognosen entwickeln sich mit Ihrem Unternehmen weiter und werden im Laufe der Zeit in der Regel besser.

Welchen Einfluss sollten Annahmen und Marktfaktoren auf Ihre Prognose haben?

Jede Prognose basiert auf Annahmen. Je klarer Sie Ihre definieren und sie mit echten Inputs verknüpfen, desto nützlicher wird Ihr Modell.

Berücksichtigen Sie, was sich verändert

Bauen Sie auf historischen Basisdaten auf und lassen Sie Ihr Wissen über bevorstehende Entwicklungen einfließen.

Dazu gehören:

• Preis- oder Verpackungsänderungen

• Saisonale oder zyklische Verlangsamungen

• Produkteinführungen oder Verzögerungen bei der Roadmap

• Einstellungsbeschränkungen, die Verkäufe oder Onboarding einschränken

Marktsignale integrieren

Ist Ihr Kundenstamm wirtschaftlichen Schwankungen durch Finanzierungsrückgänge oder regulatorische Verschiebungen ausgesetzt? Das sollte die Szenarien prägen, die Sie durchdenken. Modellieren Sie unterschiedliche Wege, je nachdem, was kommen könnte.

Stresstest für Hebel

Führen Sie kurze Sensibilitätsprüfungen durch. Wenn die Abwanderung um 1 % steigt, wie viel ARR verlieren Sie? Wenn Upselling ein Quartal lang einbricht, was passiert dann mit Ihrem Cashflow?

Mit einer guten Prognose können Sie in jeder Situation schnell reagieren.

Mit welchen Herausforderungen sehen sich SaaS-Unternehmen bei Umsatzprognosen konfrontiert?

Selbst mit sauberen Daten und dem richtigen Modell ist die SaaS-Umsatzprognose mit integrierten Reibungspunkten verbunden. Folgende Punkte können Teams behindern.

Abwanderung ist nicht leicht zu bestimmen

Vorhersagen, wann und warum die Abwanderung ihren Höhepunkt erreichen wird, sind schwierig, insbesondere bei saisonalen Mustern, Nutzungseinbrüchen oder Änderungen im Kundenbudget.

Expansion ist unvorhersehbar

Upselling und Rückgang basieren oft auf Verhaltensweisen, die schwer zu modellieren sind, wie z. B. Akzeptanz von Funktionen, Kontowachstum und Nutzungsspitzen. Die Expansionsdynamik eines Quartals muss im nächsten Quartal nicht unbedingt dieselbe sein.

Daten fließen über

Die Signale aus Abrechnung, CRM, Produktnutzung und Abwanderung sind nicht immer im Einklang. Auf isolierten Daten beruhende Prognosen können zu nicht berücksichtigten Annahmen oder doppelt gezählten Umsätzen führen.

Komplexität multipliziert sich

Faktoren wie nutzungsbasierte Tarife, mehrjährige Verträge, Rabatte und dynamische Anzahl der Lizenzen können dazu führen, dass sich der Umsatz auf unterschiedliche Weise verändert. Das kann die Nachverfolgung schnell erschweren.

Wissen wird isoliert

Während einzelne Teams jeweils für ihren Bereich verantwortlich sind, berücksichtigen Prognosen, die nur im Finanzbereich vorhanden sind, nicht, was die Bereiche Vertrieb, Kundenerfolg und Produkt bereits wissen. Bereichsübergreifende Eingaben sorgen für eine bessere Planung.

Wie sollten Sie auf Ihre SaaS-Umsatzprognosen reagieren?

Prognosen sind nur dann nützlich, wenn sie zu Maßnahmen anregen. Damit ein SaaS-Prognosemodell Entscheidungen beeinflussen kann, müssen die Menschen sie zu deuten wissen, die Hintergründe kennen und wissen, wie man sie einsetzt.

Beginnen Sie mit der Geschichte

Starten Sie mit dem, was zählt:

• Haben wir einen Vorsprung, sind wir im Rückstand oder stabil?

• Welche Annahmen liegen dieser Prognose zugrunde?

• Welche Risiken oder Chancen könnten sie verändern?

Stellen Sie Teams das zur Verfügung, was für sie relevant ist. Der Vertrieb erhält neue Zielvorgaben, das Kundenerfolgsteam erhält Abwanderungs- und Expansionsprognosen und das Produktteam wird über die Nutzungsannahmen informiert, die mit anstehenden Veröffentlichungen verknüpft sind.

Nutzen Sie Ihr Wissen

Ein SaaS-Prognosemodell kann Ihre Entscheidungen auf ganzer Linie beeinflussen. Verwenden Sie es, um Einstellungen, die Höhe der Ausgaben, Roadmap-Priorisierung und Rückstellungsplanung zu steuern.

Sorgen Sie für eine dynamische Prognose

Vergleichen Sie Ihre Prognose regelmäßig mit Ihren Ergebnissen. Aktualisieren Sie Ihre Annahmen, wenn sich Eingaben ändern, und teilen Sie sie dann erneut. Eine Prognose, die sich mit dem Unternehmen weiterentwickelt, verdient das Vertrauen aller und ist für reale Entscheidungen relevant.

Stripe Sigma erleichtert es Unternehmen, Erkenntnisse zu gewinnen, Trends zu verfolgen und Muster in den Daten bis auf Transaktionsebene zu analysieren. Hier erfahren Sie mehr über Stripe Sigma.