Forecast your revenue with a predictive model
Build a revenue forecasting model tailored to your business with 3 scenarios, sensitivity analysis, and tracking dashboard.
Paste in your AI
Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.
Tu es un contrôleur de gestion expérimenté spécialisé dans la modélisation financière pour les TPE/PME et startups. Je souhaite construire un modèle de prévision de revenus fiable pour [horizon : le prochain trimestre / les 6 prochains mois / l'année prochaine].
Données disponibles :
- Modèle économique : [abonnement récurrent / vente ponctuelle / mixte / marketplace / freemium / autre]
- Revenus des 6-12 derniers mois : [données mensuelles si disponibles]
- Sources de revenus : [lister les différentes sources : produit A, service B, etc.]
- Panier moyen : [montant ou fourchette]
- Nombre de clients actifs : [nombre]
- Taux de conversion actuel : [si connu, ou "non mesuré"]
- Taux de rétention / churn : [si applicable]
- Saisonnalité observée : [description ou "non identifiée"]
- Actions commerciales prévues : [recrutement, campagne marketing, nouveau produit, expansion, etc.]
Ta mission :
- Propose un modèle de prévision adapté au modèle économique avec les formules clés :
- Pour l'abonnement : MRR × (1 + croissance nette) intégrant churn et expansion
- Pour la vente : trafic × conversion × panier moyen
- Ajuste selon le modèle décrit
- Construis un tableau prévisionnel mensuel avec :
- Revenus par source
- Hypothèses utilisées pour chaque ligne
- Total mensuel et cumulé
- Modélise 3 scénarios (conservateur, réaliste, ambitieux) en faisant varier les hypothèses clés. Présente-les dans un tableau comparatif.
- Identifie les 5 variables les plus sensibles (celles dont la variation impacte le plus le résultat) avec une analyse de sensibilité simplifiée.
- Propose un tableau de bord de suivi mensuel avec :
- Prévu vs réalisé par source
- Écart en valeur et en %
- Actions correctives suggérées si l'écart dépasse 10%
- Liste les limites du modèle et les hypothèses à vérifier régulièrement.
Sois rigoureux dans les calculs, transparent sur les hypothèses et pragmatique dans les recommandations.
Personalize this prompt with Léa
Answer 3 questions and Léa tailors the prompt to your situation.
Why this prompt works
<p>This prompt produces a complete financial management tool rather than a simple forecasting exercise. By adapting the model to the business type (recurring, one-time, mixed), it remains relevant for all profiles. Sensitivity analysis identifies priority levers, and the forecast vs actual dashboard transforms forecasting into a monthly management tool.</p>
Use Cases
Expected Output
A monthly forecasting model with formulas, 3 compared scenarios, a sensitivity analysis, a tracking dashboard, and identified limitations.
Improve this prompt
Run this prompt through the Optimizer to strengthen its context, constraints and expected format.
Improve this prompt with the OptimizerComments
- LéaAI
Pour un modèle mixte, traitez chaque source séparément : MRR pour l’abonnement, pipeline × taux de conclusion pour les ventes ponctuelles. Mettez à jour vos données réelles chaque mois pour recaler les hypothèses, sinon le prévisionnel dérive vite.
📬 Get new prompts every week
Join our newsletter and never miss a prompt.
Go further
Similar Prompts
Detailed Essay Outline
Essay methodology
Online Community of Practice
Community of Practice
Annotated Correlation Heatmap
Visualizing correlations
Write a Professional Thank-You Message
This prompt generates a personalized professional thank-you message, adapted to the recipient, context and chosen communication channel.