Was ist Forecasting?
„Nächstes Jahr machen wir 20 % mehr.“ Ist das eine Prognose? Meist nicht. Es ist ein Wunsch. Und genau hier fängt gutes Forecasting an: mit der Trennung von Prognose und Ziel.
Forecasting ist die Vorhersage künftiger Werte, so genau wie möglich, auf Basis aller verfügbaren Informationen: historische Daten und bekannte künftige Ereignisse wie Feiertage oder geplante Kampagnen. Die Statistiker Rob Hyndman und George Athanasopoulos unterscheiden in ihrem Standardwerk drei Dinge:
- Prognose: was voraussichtlich passiert.
- Ziel: was passieren soll.
- Planung: was du tust, damit sich beides annähert.
Im Marketing geht es meist um drei Prognosen: Umsatz (aus Shop oder Vertriebspipeline), Traffic und Klicks, und Budget — also was ein Euro mehr Werbegeld voraussichtlich bringt.
Einfache Methoden, die oft reichen
Bevor du ein kompliziertes Modell baust, prüf, ob es die einfachen Verfahren schlägt. Laut Hyndman und Athanasopoulos sind diese oft überraschend stark:
Methode
Prognose ist
Durchschnitt
der Mittelwert aller bisherigen Werte
Naiv
der letzte Wert
Saisonal naiv
derselbe Monat im Vorjahr
Drift
die Linie vom ersten zum letzten Wert, verlängert
Für Marketing-Zahlen mit starker Saison ist „saisonal naiv“ ein guter Startpunkt. Wer mehr will, nimmt Verfahren wie Prophet von Meta: ein offenes Prognosewerkzeug für R und Python, das Trend, Wochen- und Jahresmuster sowie Feiertage berücksichtigt.
Wie du die Genauigkeit misst
Eine Prognose ohne Fehlermaß ist eine Behauptung. Die gängigsten Maße:
- MAE (mittlerer absoluter Fehler): wie weit die Prognose im Schnitt danebenliegt, in Euro oder Klicks.
- MAPE (mittlerer absoluter prozentualer Fehler): derselbe Fehler in Prozent vom Istwert.
- Prognoseintervall: die Bandbreite, in der der Wert mit 80 oder 95 % Wahrscheinlichkeit landet.
Ein Beispiel: Du prognostizierst 10.000 € Umsatz, es werden 8.000 €. Der Fehler beträgt 2.000 €, also 25 % vom Istwert. Hyndman und Athanasopoulos warnen: Punktprognosen ohne Intervall sind „of almost no value“. Und die Intervalle werden umso breiter, je weiter du in die Zukunft schaust.
Prognosen in Marketing-Werkzeugen
- Keyword-Planer (Google Ads): schätzt Klicks, Impressionen und Kosten für Keywords. Google empfiehlt, den Wochendurchschnitt anzusehen statt einzelner Tage. Das angezeigte Suchvolumen ist dagegen ein Rückblick, keine Prognose.
- Leistungsplaner (Google Ads): simuliert die Anzeigenauktionen der letzten 7 bis 10 Tage und rechnet aus, was ein anderes Budget bringen würde.
- GA4: sagt Kaufwahrscheinlichkeit, Abwanderung und Umsatz der nächsten 28 Tage voraus — aber erst ab je 1.000 wiederkehrenden Nutzern mit und ohne Kauf.
- HubSpot: das Forecast-Tool rechnet aus der Vertriebspipeline mit Deal-Phasen und Abschlusswahrscheinlichkeiten.
Häufige Fehler
Fehler 1 · Das Ziel als Prognose eintragen
Wenn die Prognose gleichzeitig das Ziel ist, wird sie geschönt. Dann stimmt keine der beiden Zahlen. Rechne die Prognose zuerst nüchtern, setz das Ziel danach.
Fehler 2 · Eine Zahl statt einer Spanne
„Wir machen 120.000 €“ klingt präzise und ist fast sicher falsch. „Zwischen 100.000 und 135.000 €, am wahrscheinlichsten 118.000 €“ ist ehrlicher und hilft bei der Planung.
Fehler 3 · Planer-Zahlen als Zusage lesen
Die Prognosen im Keyword- und Leistungsplaner beruhen auf kurzen Zeitfenstern. Für neue Konten, kleine Regionen und sich überschneidende Keywords sind sie laut Google ungenauer. Sie sind ein Startwert, keine Garantie.
Was du tun solltest
- Vorjahr als Basis: Fang mit „derselbe Monat im Vorjahr“ an und pass nur an, was du begründen kannst.
- Spanne angeben: pessimistisch, wahrscheinlich, optimistisch.
- Nachhalten: Vergleich jeden Monat Prognose und Ist und notier den Fehler.
- Bekannte Ereignisse einrechnen: Feiertage, Kampagnen, Preisänderungen.
Häufige Fragen
Was ist der Unterschied zwischen Prognose und Ziel?
Die Prognose sagt, was voraussichtlich passiert. Das Ziel sagt, was passieren soll. Die Planung verbindet beides. Wer das Ziel als Prognose einträgt, schönt die Zahlen.
Wie genau ist der Google-Ads-Keyword-Planer?
Er liefert Schätzwerte auf Basis bisheriger Daten. Laut Google sind sie bei neuen Konten, kleinen Regionen und sich überschneidenden Keywords ungenauer. Am besten auf den Wochendurchschnitt schauen.
Warum zeigt GA4 keine Prognosen an?
GA4 braucht für vorausschauende Messwerte mindestens je 1.000 wiederkehrende Nutzer mit und ohne Kauf beziehungsweise Abwanderung in 28 Tagen, dazu ein sauber erfasstes Kaufereignis mit Wert und Währung.
Welches Fehlermaß ist besser, MAPE oder MAE?
MAE zeigt den Fehler in Euro oder Stück, MAPE in Prozent. MAPE ist anschaulich, versagt aber bei Werten nahe null, etwa an Tagen ohne Conversion. Dann ist MAE die bessere Wahl.
Wie viele Daten brauche ich für eine Umsatzprognose?
Für Saisonmuster mindestens ein, besser zwei bis drei volle Jahre. Mit weniger Daten helfen einfache Verfahren wie der Durchschnitt oder der letzte Wert plus eine ehrliche Spanne.
