売上予測テンプレート — SaaS・D2C・マーケットプレイスの計算式

#売上予測の2つのアプローチ — トップダウンとボトムアップ

トップダウンは、市場規模に想定シェアを掛けて売上を算出する方法です。手早く作れますが、信頼性は低くなります。ボトムアップは、個々の取引単位から積み上げる方法です。作成には時間がかかりますが、審査担当者や投資家が実際に検証できる形になります。

#SaaS — ARRを累積で計算する

SaaSは月額または年額のサブスクリプションで成り立つため、ARR（年間経常収益）が中核となる指標です。新規契約、解約、アップセルのすべてがARRを動かします。そのため、単純な「顧客数 × 価格」ではなく、解約を織り込んだ累積モデルが必要です。

SaaSの売上予測で最大の落とし穴は、解約率をゼロ、または非現実的に低い数値に設定することです。業界平均の月次解約率は、B2C SaaSで5-7%、B2B SaaSで1-3%であり、初期段階のプロダクトではさらに高くなることもよくあります。最初の6か月のコホートデータを使って、自社の数値を検証しましょう。

#D2C — 注文単価 × 購入頻度の計算式

EC、食品、日用品など、消費者へ直接販売するD2Cブランドでは、1回の注文あたりの売上とリピート購入の頻度が特に重要です。ここではARRの概念はあまり当てはまりません。代わりに、AOV（平均注文単価）、購入頻度、リピート購入率が売上予測の主要な変数になります。

#マーケットプレイス — 供給側・需要側の双方を踏まえたGMVの計算式

マーケットプレイスは供給者と消費者をつなぎ、取引総額（GMV）の一部を手数料として受け取ります。売上 = GMV × テイクレートという構造であり、売上そのものよりGMVのほうが多くの情報を示すこともよくあります。

マーケットプレイスの売上予測で最も重要な検証対象は、流動性、つまり取引の成立しやすさです。供給者1人あたりと消費者1人あたりの月間取引件数が、どちらも最低限の水準を超えて初めて、プラットフォームは機能します。流動性の前提を明示しなければ、見た目は大きくても実態に根差していないGMVの数字になってしまいます。

#シナリオ分析 — 基本・楽観・悲観

売上の数値が1つだけでは、前提が1つ崩れた瞬間に予測全体が成り立たなくなります。基本・楽観・悲観の3つのシナリオを併記することで、予測の信頼性は大きく高まります。

#前提の検証 — 出典と裏付けデータ

売上予測を支えるすべての前提には、出典が必要です。「経験上、おそらくこうなる」は前提ではなく、推測です。検証済みの前提は、次の4つのいずれかを根拠とします。

1. 自社プロダクトのベータ版またはMVPのデータ — 得られる中で最も強い根拠
2. 競合や類似企業が公表したKPI — 投資家向け資料、報道、業界レポート
3. 業界平均の統計 — 韓国統計庁、KOSIS、韓国電子情報通信産業振興会などの情報源
4. 専門家へのインタビューやアンケート — 実施日、サンプル数、回答者の属性を明記

「コンバージョン率1.5%」のような重要な前提は、表の数値のすぐ横に出典を記載しましょう。記載例：「韓国国内ECの平均コンバージョン率は約1-2%（自社ベータテストの5週間で測定）」、または「競合が公開した投資家向け資料に基づく」。

#よくある6つの失敗

1. 裏付けとなる根拠なしに、1-2年目は横ばいで3年目に急増するホッケースティック型の曲線だけを示す
2. 新規顧客が全員永久に利用し続けるかのように、解約率を0%とする
3. 業界平均の2倍を超えるコンバージョン率を恣意的に設定する
4. マーケティング費用を相応に増やさず、新規契約数が直線的に伸びると仮定する
5. 季節性や市場環境の変化を無視する
6. 基本シナリオだけを示し、悲観・楽観シナリオを省く

#セルフチェック：創業者向けチェックリスト

1. 自社の事業は、SaaS、D2C、マーケットプレイス、それらの複合型のどれに該当しますか？
2. そのモデルに適した計算式を使っていますか？（単純な「顧客数 × 価格」で済ませないこと。）
3. ボトムアップの計算式に含まれるすべての変数に、出典または実測値の裏付けがありますか？
4. 悲観・基本・楽観のシナリオをすべて併記していますか？
5. 解約率、リピート購入率、コンバージョン率の前提は、業界平均の範囲内に収まっていますか？
6. 1-3年目の予測は、相応のマーケティング費用の増加と結び付いていますか？
7. トップダウンとボトムアップの結果の差は、妥当な範囲（10倍未満）ですか？