Bagaimana Developer Memprediksi Penjualan 6 Bulan ke Depan dari Data 90 Hari Terakhir?

Dalam bisnis properti, keputusan besar sering harus dibuat berdasarkan data yang relatif pendek. Developer perlu menentukan target penjualan, kebutuhan promosi, strategi harga, hingga jadwal pembangunan, padahal data transaksi yang tersedia mungkin baru 90 hari. Jawabannya: bisa, selama data dibaca dengan metode yang tepat, dikombinasikan dengan indikator pasar, dan tidak dianggap sebagai ramalan yang pasti.

Mengapa Data 90 Hari Penting untuk Developer?

Dalam periode 90 hari, developer umumnya sudah dapat melihat beberapa indikator penting, seperti jumlah leads masuk, jumlah kunjungan lokasi, booking, transaksi, pembatalan, rata-rata harga jual, tipe unit terlaris, sumber leads, dan waktu yang dibutuhkan calon pembeli untuk mengambil keputusan.

Data tersebut kemudian digunakan untuk menghitung sales velocity atau kecepatan penjualan. Jika sebuah proyek menjual 18 unit dalam 90 hari, rata-ratanya enam unit per bulan. Angka ini dapat menjadi baseline, lalu dikoreksi berdasarkan tren, stok, promosi, harga, kapasitas tim, dan kondisi pasar.

Data Apa Saja yang Harus Dianalisis?

Agar prediksi lebih akurat, developer sebaiknya tidak hanya melihat jumlah transaksi. Setidaknya ada tujuh kelompok data yang perlu dianalisis.

Pertama, jumlah leads. Data ini menunjukkan seberapa besar minat awal pasar. Kedua, qualified leads, yaitu leads yang benar-benar sesuai dengan segmen harga dan profil pembeli. Ketiga, site visit atau kunjungan proyek. Keempat, booking dan closing. Kelima, cancellation rate. Keenam, average selling price. Ketujuh, sumber penjualan, misalnya iklan digital, agen, referral, pameran, atau database lama.

Sebagai contoh, selama 90 hari sebuah proyek memperoleh 900 leads, 270 qualified leads, 90 site visit, 27 booking, dan 18 closing. Dari data tersebut, conversion rate dari leads ke closing adalah 2 persen. Sementara konversi dari site visit ke closing mencapai 20 persen.

Angka ini membantu developer menemukan titik funnel yang perlu ditingkatkan.

Cara Menghitung Baseline Penjualan

Langkah pertama adalah menghitung rata-rata penjualan bulanan selama 90 hari.

Jika penjualan bulan pertama 5 unit, bulan kedua 6 unit, dan bulan ketiga 7 unit, maka total penjualan adalah 18 unit. Rata-rata bulanan adalah 6 unit.

Baseline enam bulan dapat dihitung:

6 unit x 6 bulan = 36 unit.

Angka 36 unit merupakan proyeksi paling sederhana jika semua kondisi dianggap tetap. Dalam praktik, developer sebaiknya membuat minimal tiga skenario: konservatif, moderat, dan agresif.

Skenario konservatif dapat menggunakan penurunan 15 persen dari baseline. Skenario moderat mengikuti baseline. Skenario agresif dapat menggunakan kenaikan 15 hingga 25 persen jika ada alasan yang kuat, seperti penambahan marketing budget, kenaikan jumlah sales, peluncuran tipe baru, atau promo besar.

Contoh Proyeksi 6 Bulan dari Data 90 Hari

Misalnya data tiga bulan terakhir adalah sebagai berikut:

Bulan 1: 5 unit terjual.
Bulan 2: 6 unit terjual.
Bulan 3: 7 unit terjual.

Rata-rata penjualan bulanan adalah enam unit, tetapi tren menunjukkan kenaikan satu unit setiap bulan.

Jika developer memakai pendekatan konservatif, proyeksi enam bulan berikutnya dapat dibuat pada kisaran 5-6 unit per bulan. Total proyeksi sekitar 32 unit.

Dalam skenario moderat, developer dapat mempertahankan rata-rata enam unit per bulan dengan sedikit kenaikan pada bulan tertentu. Total proyeksi sekitar 36-38 unit.

Dalam skenario agresif, jika budget iklan naik, jumlah leads bertambah, dan conversion rate dapat dipertahankan, target dapat dinaikkan menjadi 7-8 unit per bulan. Total proyeksi dapat mencapai 42-48 unit.

Gunakan Tren, Bukan Hanya Rata-Rata

Rata-rata dapat menyesatkan jika pola penjualan sedang berubah. Karena itu, developer perlu memperhatikan arah tren.

Jika penjualan 90 hari terakhir adalah 8 unit, 6 unit, lalu 4 unit, rata-ratanya tetap enam unit per bulan. Namun tren sebenarnya menurun. Memakai baseline 36 unit untuk enam bulan ke depan akan terlalu optimistis jika penyebab penurunan tidak diperbaiki.

Sebaliknya, jika penjualan bergerak dari 4 unit menjadi 6 unit lalu 8 unit, rata-rata tetap enam unit, tetapi momentum pasar sedang meningkat.

Developer dapat memakai moving average atau weighted average untuk membaca tren. Weighted average memberi bobot lebih besar pada data terbaru.

Contohnya, bulan pertama diberi bobot 20 persen, bulan kedua 30 persen, dan bulan ketiga 50 persen. Dengan penjualan 5, 6, dan 7 unit, weighted average menjadi 6,3 unit per bulan. Angka ini lebih responsif terhadap tren terbaru dibanding rata-rata biasa.

Hubungkan Forecast dengan Funnel Penjualan

Prediksi yang baik harus terhubung dengan sales funnel. Jika target enam bulan adalah 42 unit dan conversion rate dari leads ke closing hanya 2 persen, maka developer membutuhkan sekitar 2.100 leads untuk mencapai target tersebut.

Artinya, target penjualan dapat diterjemahkan menjadi kebutuhan aktivitas pemasaran.

Jika rata-rata biaya per lead adalah Rp100.000, maka kebutuhan budget untuk 2.100 leads sekitar Rp210 juta. Angka ini belum termasuk biaya agen, event, komisi, dan aktivitas pemasaran lain.

Dengan cara ini, forecast berubah menjadi rencana operasional: kebutuhan leads, kunjungan, booking, dan budget.

Perhatikan Stok dan Komposisi Unit

Forecast juga harus mempertimbangkan stok. Developer mungkin memiliki demand tinggi, tetapi tidak semua tipe unit memiliki kecepatan penjualan yang sama.

Misalnya tipe A terjual 12 unit dalam 90 hari, tipe B terjual 4 unit, dan tipe C hanya 2 unit. Jika stok tipe A tinggal sedikit, proyeksi penjualan enam bulan tidak dapat begitu saja memakai pola 90 hari sebelumnya.

Developer perlu menghitung inventory turnover dan months of inventory. Jika stok tersedia 30 unit dan rata-rata penjualan enam unit per bulan, berarti stok secara teoritis akan habis dalam lima bulan.

Informasi ini membantu menentukan waktu pembukaan fase baru, penyesuaian harga, dan prioritas tipe unit.

Masukkan Faktor Musiman dan Eksternal

Data 90 hari harus dibaca bersama konteks. Penjualan properti dapat dipengaruhi Ramadan, Lebaran, akhir tahun, bonus karyawan, suku bunga, kebijakan KPR, peluncuran infrastruktur, kompetitor baru, atau perubahan harga.

Jika tiga bulan terakhir bertepatan dengan promo besar, data tersebut tidak boleh langsung diekstrapolasi. Periode pasar lambat juga dapat membuat proyeksi terlalu rendah.

Karena itu, developer perlu menambahkan adjustment factor berdasarkan konteks pasar. Besarnya penyesuaian harus didukung data historis, bukan sekadar intuisi.

Evaluasi Forecast Setiap 30 Hari

Forecast enam bulan bukan dokumen yang dibuat sekali lalu dilupakan. Model perlu dievaluasi setiap bulan.

Setiap 30 hari, developer dapat memasukkan data terbaru, membandingkan realisasi dengan prediksi, lalu memperbarui asumsi. Jika target enam unit tetapi realisasi empat, cari penyebabnya pada leads, site visit, conversion rate, harga, atau pembiayaan.

Proses ini disebut rolling forecast. Keuntungannya, proyeksi selalu mengikuti kondisi terbaru sehingga keputusan menjadi lebih responsif.

Kesimpulan

Developer dapat memprediksi penjualan enam bulan ke depan dari data 90 hari terakhir dengan memulai dari baseline, membaca tren, menganalisis funnel, menghitung conversion rate, mengevaluasi stok, serta memasukkan faktor musiman dan pasar.

Data 90 hari tidak memberi kepastian, tetapi memberikan arah yang lebih terukur. Forecast sebaiknya memakai beberapa skenario, bukan satu angka tunggal.

Dengan pendekatan ini, developer dapat memperkirakan unit terjual, kebutuhan leads, budget pemasaran, dan waktu stok berpotensi habis.

FAQ

Apakah data 90 hari cukup untuk membuat forecast penjualan properti?

Cukup untuk membuat forecast awal, terutama jika proyek memiliki volume leads dan transaksi yang memadai. Namun hasilnya akan lebih kuat jika dibandingkan dengan data historis yang lebih panjang.

Metode apa yang paling sederhana untuk memprediksi penjualan enam bulan?

Gunakan rata-rata bulanan sebagai baseline, lalu buat tiga skenario: konservatif, moderat, dan agresif. Setelah itu sesuaikan dengan tren, stok, funnel, dan kondisi pasar.

Berapa sering forecast harus diperbarui?

Idealnya setiap 30 hari menggunakan pendekatan rolling forecast agar prediksi selalu mencerminkan data terbaru.

Apakah jumlah leads bisa digunakan untuk memprediksi penjualan?

Bisa. Jika conversion rate diketahui, target penjualan dapat diterjemahkan menjadi kebutuhan leads. Contohnya, conversion rate 2 persen membutuhkan sekitar 50 leads untuk menghasilkan satu closing.

Apa risiko terbesar menggunakan data 90 hari?

Risiko utamanya adalah data terlalu dipengaruhi promo, musim, perubahan harga, atau kejadian khusus. Karena itu, developer perlu menambahkan konteks dan melakukan pembaruan forecast secara berkala.