Prognoza sprzedaży to prognoza przychodu, jaką firma zbuduje na podstawie otwartych szans w lejku sprzedażowym. W większości firm B2B ta prognoza jest zgadywaniem, bo opiera się na rekordach bez wpisanej wartości i bez realnej daty zamknięcia. Ten artykuł jest dla właścicieli firm B2B i dyrektorów sprzedaży, którzy co miesiąc prezentują zarządowi liczbę, w którą sami do końca nie wierzą, i chcą wiedzieć, jak zbudować forecast, na którym da się oprzeć decyzje o zatrudnieniu, zapasach i inwestycjach.
Czym jest forecast sprzedaży i dlaczego większość firm B2B mu nie ufa
Forecast sprzedaży to suma wartości otwartych szans w pipeline, ważona prawdopodobieństwem ich zamknięcia w danym okresie. To jego jedyna funkcja: ma dać zarządowi liczbę, na której można zaplanować kolejny kwartał.
Problem w tym, że ta liczba jest tak dobra, jak dane, na których powstała. Mniej niż połowa liderów sprzedaży ma wysokie zaufanie do własnego forecastu, jak pokazuje badanie Gartnera. SiriusDecisions poszła krok dalej i policzyła skalę błędu: 79% organizacji sprzedażowych myli się w prognozie o więcej niż 10%.
W praktyce oznacza to, że forecast, który dyrektor handlowy pokazuje zarządowi co miesiąc, w ośmiu na dziesięć firm jest bliżej życzenia niż analizy. Różnica między zespołami, które prognozują trafnie, a tymi, które nie, nie leży w narzędziu ani w formule wyliczania. Leży w tym, co znajduje się w rekordach CRM, zanim ktokolwiek zacznie liczyć.
Poziomy dojrzałości forecastu, które widać w praktyce:
| Poziom | Dokładność prognozy | Co to oznacza w praktyce |
|---|---|---|
| Zespoły wzorcowe | 80-95% | Reguły w CRM wymuszają dane, cotygodniowy przegląd pipeline'u |
| Przeciętny zespół B2B | 50-70% | Dane częściowo uzupełnione, przegląd nieregularny |
| Zespoły zaniedbane | poniżej 50% | Pipeline pełen rekordów bez wartości i daty, forecast to zgadywanie |
Skąd bierze się niedokładny forecast sprzedaży w firmach B2B
Otwarta szansa bez wpisanej wartości to najczęstsza przyczyna złego forecastu, jaką widać w polskich firmach B2B. Brzmi banalnie, ale konsekwencje są dotkliwe: jedna czwarta pipeline'u z wpisaną kwotą, reszta to puste rekordy, na których i tak buduje się prognozę.
To nie jest odosobniony przypadek. Za każdym razem, gdy pipeline jest wystarczająco duży, żeby manager przestał go pamiętać na pamięć, pojawiają się te same trzy problemy:
- Szansa nie ma wpisanej wartości. System pozwala przejść do kolejnego etapu lejka bez podania kwoty, więc handlowiec, któremu się spieszy, tego pola nie wypełnia.
- Data zamknięcia jest w przeszłości albo jej nie ma. Deal z datą "zamknięcia" sprzed trzech miesięcy nadal wisi w pipelinie jako aktywna szansa i nadal wchodzi do prognozy.
- Uzupełnianie CRM nie daje handlowcowi żadnej korzyści. Prowizję dostaje za podpisaną umowę, nie za porządek w systemie, więc porządkuje dane tylko wtedy, gdy ktoś mu bezpośrednio o to przypomni.
- Manager prosi, zamiast wymuszać. Wiadomości na Slacku i przypomnienia na spotkaniu działają dwa tygodnie po szkoleniu, a potem wracają stare nawyki.
- Brak jednej definicji etapu lejka. Jeśli trzech handlowców inaczej rozumie, co znaczy "negocjacje", te same dane w raporcie znaczą co innego dla każdego z nich.
Efekt widać najlepiej w liczbach z rozmów diagnostycznych z firmami produkcyjnymi, dystrybucyjnymi i usługowymi robiącymi 50-100 mln zł przychodu: w jednym pipelinie z deklarowaną wartością ośmiu milionów złotych tylko jedna czwarta otwartych szans miała w ogóle wpisaną kwotę. Reszta, czyli trzy czwarte, to rekordy bez liczby, na podstawie których dyrektor handlowy co miesiąc budował prognozę dla zarządu.
Jakie są skutki niedokładnego forecastu dla firmy B2B
Zły forecast kosztuje realne pieniądze, zanim jeszcze ktokolwiek zauważy, że coś jest nie tak. Zarząd podejmuje decyzje o zatrudnieniach, poziomie zapasów i inwestycjach na podstawie liczby, która w znaczącej części jest zmyślona, więc błąd w prognozie przekłada się bezpośrednio na błędne decyzje operacyjne.
Skala problemu nie jest marginalna. Badania CSO Insights pokazują, że blisko 60% dealów prognozowanych w sprzedaży B2B przesuwa się na kolejny kwartał, co samo w sobie podważa sens prognozy budowanej z miesiąca na miesiąc bez korekty o realne ryzyko poślizgu.
Konkretne skutki, które widać w firmach z niedokładnym forecastem:
- Błędne decyzje o zatrudnieniu i zapasach. Zarząd planuje produkcję albo rekrutację pod przychód, który w połowie nie miał szans się zmaterializować w zakładanym terminie.
- Utrata zaufania między sprzedażą a zarządem. Gdy prognoza regularnie się nie sprawdza, zarząd zaczyna ignorować raporty działu handlowego albo żąda coraz częstszych, coraz bardziej szczegółowych aktualizacji, co dodatkowo obciąża zespół.
- Brak wczesnego ostrzeżenia o problemie z kwartałem. Jeśli dane w CRM nie odzwierciedlają realnego stanu szans, nikt nie widzi z wyprzedzeniem, że kwartał jest zagrożony, dopóki nie jest już za późno na korektę.
- Koszt zgadywania, który da się policzyć. Porównanie prognozy sprzed trzech miesięcy z tym, co faktycznie zamknięto, pokazuje realną różnicę w złotówkach, nie w procentach na slajdzie.
Jak poprawić dokładność forecastu sprzedaży - rozwiązania i dobre praktyki
Reguły, które fizycznie blokują przejście dalej bez danych, działają lepiej niż jakiekolwiek przypomnienia. To najważniejsza zmiana, jaką można wprowadzić w CRM, żeby forecast przestał być zgadywaniem: szansa nie przechodzi do etapu negocjacji bez wpisanej wartości i nie przechodzi do etapu oferty bez daty spodziewanego zamknięcia. System po prostu na to nie pozwala, więc pole nie zostaje puste, bo nikt go nie może pominąć.
Gartner policzył efekt takiego podejścia: firmy poprawiające higienę danych w CRM zyskują około 30% na dokładności prognozowania. To nie jest drobna korekta, tylko różnica między prognozą, na której można coś oprzeć, a taką, którą trzeba dzielić przez dwa.
Kolejność działań, która sprawdza się w praktyce:
- Wprowadź blokady, nie prośby. Skonfiguruj CRM tak, żeby wartość i data zamknięcia były warunkiem przejścia do kolejnego etapu lejka, a nie sugestią.
- Zrób audyt aktualnego pipeline'u. Przefiltruj otwarte szanse po wartości równej zero lub pustej i policz, jaki to procent całości.
- Znajdź "martwe" szanse. Sprawdź, ile rekordów ma datę zamknięcia w przeszłości - to deale, o których nikt już nie pamięta, a które nadal zawyżają prognozę.
- Ujednolić definicję etapów lejka. Spisz jednym zdaniem, co oznacza każdy etap, żeby dane od różnych handlowców znaczyły to samo w raporcie.
- Wprowadź cotygodniowy przegląd, nie tylko comiesięczny. Organizacje z ustrukturyzowanym procesem forecastingu osiągają o 15% wyższą dokładność prognozy niż te, które opierają się na doraźnych przeglądach.
Wdrożenie samej reguły blokującej to zwykle kilka godzin pracy w konfiguracji CRM. Trudniejszym elementem jest przetrwanie dwóch tygodni narzekania zespołu, który nagle nie może "przeklikać" szansy dalej bez uzupełnienia pola. Po tym okresie prognoza pierwszy raz od dawna opiera się na czymś realnym, a nie na deklaracji handlowca, że "chyba się domknie".
Sprawdź u siebie:
- Wejdź do CRM i przefiltruj otwarte szanse po wartości równej zero lub pustej. Policz, jaki to procent.
- Sprawdź, ile szans ma datę zamknięcia w przeszłości.
- Porównaj prognozę sprzed trzech miesięcy z tym, co faktycznie zamknęliście w tym okresie. Różnica to koszt zgadywania.
| Objaw problemu | Możliwa przyczyna | Co sprawdzić |
|---|---|---|
| Prognoza co miesiąc mocno odbiega od realnego wyniku | Pipeline pełen rekordów bez wartości lub daty | Procent otwartych szans z pustą wartością |
| Zarząd nie wierzy raportom sprzedaży | Brak spójnej definicji etapów lejka między handlowcami | Czy trzech handlowców opisuje ten sam etap tak samo |
| Deale "wiszą" w pipelinie miesiącami | Brak reguły wymuszającej datę zamknięcia | Liczba szans z datą zamknięcia w przeszłości |
| Handlowcy nie aktualizują CRM | Uzupełnianie danych nie daje im żadnej korzyści | Czy CRM oddaje coś handlowcowi (kontekst, przypomnienia) w zamian |
Jak revopsi wspiera dokładność forecastu sprzedaży w firmach B2B
W revopsi konfiguracja CRM pod realny proces sprzedaży zaczyna się od tych samych reguł, które opisano wyżej: wartość i data zamknięcia jako warunek przejścia etapu, a nie pole do ewentualnego uzupełnienia. Dzięki temu dyrektor sprzedaży i zarząd widzą pipeline, w którym każda otwarta szansa niesie realne dane, a nie tylko nazwę firmy i etap.
Do tego dochodzi analiza pipeline'u, która pokazuje nie tylko sumę wartości otwartych szans, ale też to, ile z nich faktycznie ma szansę zamknąć się w deklarowanym terminie, gdzie deale utknęły najdłużej i które etapy lejka systematycznie "gubią" dane. To zmienia rolę forecastu z comiesięcznej prezentacji w Excelu na narzędzie, które wcześnie sygnalizuje ryzyko niedowiezienia kwartału.
Uzupełnieniem jest AI notetaker i automatyczne przypomnienia po każdej rozmowie: skoro handlowiec ma gotową notatkę i podsumowanie spotkania bez ręcznego przepisywania, łatwiej wymaga się od niego również uzupełnienia wartości i terminu szansy, bo reszta pracy administracyjnej już zniknęła.
W skrócie
- Forecast sprzedaży jest tak dobry, jak dane w CRM, na których powstał, nie jak formuła, którą się liczy.
- Mniej niż połowa liderów sprzedaży ma wysokie zaufanie do własnej prognozy, a 79% organizacji myli się o ponad 10%.
- Najczęstsza przyczyna złego forecastu to szanse bez wpisanej wartości i bez realnej daty zamknięcia.
- Reguły blokujące przejście etapu bez danych działają lepiej niż prośby i przypomnienia.
- Poprawa higieny danych w CRM podnosi dokładność prognozy nawet o 30%.
Co dalej
Zanim zmienisz formułę wyliczania forecastu, sprawdź, ile procent otwartych szans w Twoim pipelinie ma w ogóle wpisaną wartość i realną datę zamknięcia. To najtańszy audyt, jaki można zrobić, i zwykle pokazuje, gdzie faktycznie leży problem.
Sprawdź, jak wygląda analiza pipeline'u w revopsi i gdzie Twoja prognoza traci wiarygodność.
Zobacz też: najważniejsze KPI sprzedażowe · lead scoring w sprzedaży B2B · o revopsi
