پیشبینی فروش B2B با مدل احتمالوزنی؛ چگونه فروش آینده را با CRM برآورد کنیم؟
فرض کنید مدیر فروش یک شرکت B2B هستید. در پایان ماه، مدیرعامل از شما میپرسد:
«ماه آینده چقدر فروش خواهیم داشت؟»
کارشناسان فروش گزارش میدهند که چند مذاکره مهم در جریان است. یکی از مشتریان درخواست پیشفاکتور داده، شرکت دیگری در حال بررسی پیشنهاد است و قرارداد بزرگی نیز به مرحله مذاکره نهایی رسیده است.
مجموع ارزش این فرصتها ۶۶۰ میلیون تومان است.
آیا میتوان گفت فروش ماه آینده نیز ۶۶۰ میلیون تومان خواهد بود؟
قطعاً خیر؛ زیرا همه مذاکرات به قرارداد نهایی تبدیل نمیشوند.
از طرف دیگر، نمیتوان بهسادگی فرض کرد که فقط نیمی از معاملات موفق خواهند شد. احتمال موفقیت هر فرصت به مرحله مذاکره، شرایط مشتری و سابقه فروش مجموعه بستگی دارد.
برای مدیریت این عدمقطعیت، میتوان از پیشبینی فروش B2B با مدل احتمالوزنی استفاده کرد.
این روش با ترکیب ارزش فرصتهای فروش و احتمال موفقیت آنها، برآوردی از درآمد مورد انتظار ایجاد میکند.
در ادامه، روش اجرای این مدل را در CRM، محاسبه آن در اکسل و نحوه استفاده از نتایج برای تصمیمگیری مدیریتی بررسی میکنیم.
پیشبینی فروش B2B چیست؟
پیشبینی فروش B2B یا Business-to-Business Sales Forecasting فرایندی است که در آن درآمد یا تعداد قراردادهای احتمالی آینده با استفاده از اطلاعات فروش سازمانی برآورد میشود.
برخلاف برخی فروشهای مصرفی، معاملات B2B معمولاً با فرایند تصمیمگیری چندمرحلهای همراه هستند.
در یک معامله سازمانی ممکن است مدیر خرید، مدیر مالی، واحد فنی و مدیرعامل در تصمیم نهایی مشارکت داشته باشند.
فرایند فروش نیز میتواند شامل نیازسنجی، ارائه پیشنهاد فنی، بررسی مالی، مذاکره و تأیید قرارداد باشد.
به همین دلیل، ارزش فرصتهای موجود بهتنهایی برای برآورد فروش آینده کافی نیست.
یک پیشبینی فروش مناسب باید مشخص کند:
- چه فرصتهایی در جریان هستند؟
- ارزش اقتصادی هر فرصت چقدر است؟
- معامله در چه مرحلهای قرار دارد؟
- احتمال موفقیت آن چقدر برآورد میشود؟
- زمان احتمالی بستهشدن قرارداد چه زمانی است؟
- چه عواملی ممکن است مانع نهاییشدن معامله شوند؟
پاسخ به این پرسشها میتواند مبنای گزارش فروش ماهانه یا فصلی قرار گیرد.
مدل احتمالوزنی فروش چیست؟
مدل Weighted Sales Forecasting یکی از روشهای پیشبینی فروش است که در آن ارزش هر فرصت تجاری در احتمال موفقیت آن ضرب میشود.
فرض کنید ارزش یک قرارداد احتمالی ۲۰۰ میلیون تومان است.
بر اساس دادههای فروش، احتمال موفقیت این فرصت ۶۰ درصد برآورد شده است.
در مدل احتمالوزنی:
۲۰۰ × ۰٫۶۰ = ۱۲۰ میلیون تومان
بنابراین، ارزش احتمالوزنی این فرصت برابر با ۱۲۰ میلیون تومان است.
این عدد به معنی دریافت قطعی ۱۲۰ میلیون تومان نیست.
در واقع، قرارداد ممکن است بهطور کامل نهایی شود یا هیچ درآمدی ایجاد نکند.
مقدار ۱۲۰ میلیون تومان یک ارزش مورد انتظار است که با استفاده از احتمال برآوردشده به دست میآید.
در راهنمای رسمی HubSpot برای تنظیم پیشبینی فروش، مبلغ احتمالوزنی از حاصلضرب ارزش فرصت فروش در احتمال موفقیت آن محاسبه میشود.
این مفهوم پایه محاسباتی مدل حاضر است.
تفاوت پایپلاین فروش و پیشبینی فروش چیست؟
یکی از خطاهای مدیریتی رایج، یکسان دانستن مجموع ارزش فرصتهای فروش با درآمد پیشبینیشده است.
پایپلاین فروش (Sales Pipeline) نمایی از فرصتهای تجاری موجود و مراحل پیشرفت آنهاست.
اما پیشبینی فروش تلاش میکند بر اساس اطلاعات پایپلاین و سایر شواهد، میزان فروش آینده را برآورد کند.
| مفهوم | تعریف | کاربرد |
|---|---|---|
| ارزش کل پایپلاین | مجموع ارزش فرصتهای فروش باز | نمایش ظرفیت بالقوه |
| ارزش احتمالوزنی | مجموع حاصلضرب ارزش فرصتها در احتمال موفقیت | برآورد ارزش مورد انتظار |
| فروش قطعی | ارزش قراردادهای نهاییشده | گزارش عملکرد محققشده |
| هدف فروش | مبلغی که سازمان قصد دستیابی به آن دارد | سنجش فاصله عملکرد با برنامه |
برای مثال، داشتن ۲ میلیارد تومان فرصت فروش باز به معنی تحقق ۲ میلیارد تومان فروش در ماه آینده نیست.
ممکن است بخشی از فرصتها با شکست مواجه شوند و برخی دیگر به ماههای بعد منتقل شوند.
برای درک ارتباط این موضوع با هدفگذاری، میتوانید مقاله تارگت فروش چیست؟ ۷ مرحله هدفگذاری واقعی تیم را در وبسایت مؤسسه امین مطالعه کنید.
فرمول پیشبینی فروش B2B با مدل احتمالوزنی
فرمول پایه به شکل زیر است:
ارزش احتمالوزنی هر فرصت = مبلغ فرصت فروش × احتمال موفقیت
برای محاسبه کل پایپلاین احتمالوزنی، ارزش محاسبهشده تمام فرصتهای واجد شرایط را با یکدیگر جمع میکنیم.
فرمول کلی:
پیشبینی احتمالوزنی = مجموع (ارزش هر فرصت × احتمال موفقیت همان فرصت)
برای اجرای صحیح مدل باید چند نکته رعایت شود.
نخست، مبلغ فرصت باید مشخص و بهروز باشد.
همچنین لازم است احتمال موفقیت بر اساس معیار معنادار تعیین شود، نه صرفاً احساس کارشناس فروش.
در نهایت، تنها فرصتهایی باید وارد پیشبینی دوره شوند که زمان بستهشدن مورد انتظار آنها در همان دوره قرار دارد.
یک مسئله مهم دیگر نیز وجود دارد: احتمال موفقیت نهایی قرارداد با احتمال بستهشدن موفق آن در ماه جاری الزاماً برابر نیست.
برای پیشبینی درآمد یک ماه مشخص، بهتر است احتمال موفقیت در همان بازه زمانی برآورد شود.
مثال عملی پیشبینی فروش با پنج فرصت تجاری
فرض کنید شرکت «صنایع نمونه» در حال فروش خدمات و تجهیزات به مشتریان سازمانی است.
مدیر فروش میخواهد درآمد احتمالی ماه آینده را بر اساس پنج فرصت باز محاسبه کند.
اطلاعات فرضی شرکت به شکل زیر است:
| فرصت | ارزش قرارداد (میلیون تومان) | احتمال موفقیت |
|---|---|---|
| شرکت الف | ۲۰۰ | ۲۰٪ |
| شرکت ب | ۱۶۰ | ۴۰٪ |
| شرکت ج | ۱۲۰ | ۶۰٪ |
| شرکت د | ۱۰۰ | ۷۵٪ |
| شرکت هـ | ۸۰ | ۹۰٪ |
| مجموع | ۶۶۰ | — |
تمام اعداد این مثال آموزشی و فرضی هستند.
همچنین فرض میکنیم احتمالهای درجشده، احتمال بستهشدن موفق هر قرارداد در دوره مورد بررسی هستند.
محاسبه ارزش احتمالوزنی هر معامله
برای شرکت الف:
۲۰۰ × ۲۰٪ = ۴۰ میلیون تومان
برای شرکت ب:
۱۶۰ × ۴۰٪ = ۶۴ میلیون تومان
برای شرکت ج:
۱۲۰ × ۶۰٪ = ۷۲ میلیون تومان
برای شرکت د:
۱۰۰ × ۷۵٪ = ۷۵ میلیون تومان
برای شرکت هـ:
۸۰ × ۹۰٪ = ۷۲ میلیون تومان
نتایج را میتوان در جدول زیر مشاهده کرد.
| فرصت | ارزش قرارداد | ارزش احتمالوزنی |
|---|---|---|
| شرکت الف | ۲۰۰ | ۴۰ |
| شرکت ب | ۱۶۰ | ۶۴ |
| شرکت ج | ۱۲۰ | ۷۲ |
| شرکت د | ۱۰۰ | ۷۵ |
| شرکت هـ | ۸۰ | ۷۲ |
| مجموع | ۶۶۰ | ۳۲۳ |
ارقام جدول بر حسب میلیون تومان هستند.
نتیجه مدیریتی مثال
ارزش کل پایپلاین فروش برابر با ۶۶۰ میلیون تومان است.
اما پس از اعمال احتمال موفقیت، ارزش مورد انتظار فرصتهای باز به ۳۲۳ میلیون تومان میرسد.
به عبارت دیگر، ۳۲۳ میلیون تومان برآورد احتمالوزنی فروش از فرصتهای باز است؛ نه درآمد تضمینشده شرکت.
دقت این برآورد به کیفیت دادههای CRM و معتبر بودن احتمالهای ثبتشده بستگی دارد.
در مجموعههایی که تعداد قراردادهای بزرگ محدود است، فروش واقعی یک ماه ممکن است اختلاف قابلتوجهی با مقدار مورد انتظار داشته باشد.
چگونه فروش قطعی را به پیشبینی اضافه کنیم؟
مدل احتمالوزنی معمولاً برای فرصتهای باز استفاده میشود.
اما در گزارش کل فروش دوره، قراردادهای نهاییشده همان دوره نیز باید لحاظ شوند.
فرض کنید شرکت تا زمان تهیه گزارش، ۱۵۰ میلیون تومان فروش قطعی در ماه جاری ثبت کرده است.
ارزش احتمالوزنی فرصتهای باز باقیمانده نیز ۳۲۳ میلیون تومان است.
در این صورت:
برآورد کل فروش دوره = فروش قطعی ثبتشده + ارزش احتمالوزنی فرصتهای باز دوره
۱۵۰ + ۳۲۳ = ۴۷۳ میلیون تومان
بنابراین، برآورد فروش کل دوره برابر با ۴۷۳ میلیون تومان خواهد بود.
البته قراردادهای قطعی نباید دوباره در فهرست فرصتهای باز محاسبه شوند؛ زیرا چنین کاری باعث دوبارهشماری درآمد میشود.
همچنین مبلغ قرارداد با وجه نقد دریافتشده یکسان نیست. اگر هدف شرکت پیشبینی جریان نقدی باشد، تاریخ پرداختها و شرایط وصول نیز باید وارد مدل شوند.
چگونه احتمال موفقیت هر مرحله فروش را تعیین کنیم؟
مهمترین بخش مدل احتمالوزنی، تعیین احتمال موفقیت است.
اگر این مقدار بهصورت سلیقهای ثبت شود، حتی استفاده از یک CRM پیشرفته نیز نمیتواند پیشبینی قابل اتکایی ایجاد کند.
برای شروع میتوان مراحل فرایند فروش را مشخص کرد.
نمونه پنج مرحله فروش سازمانی
| مرحله فروش | معیار ورود به مرحله | احتمال نمونه |
|---|---|---|
| نیازسنجی اولیه | جلسه نیازسنجی برگزار شده است | ۲۰٪ |
| تأیید صلاحیت فرصت | نیاز و شرایط اولیه مشتری تأیید شدهاند | ۴۰٪ |
| ارائه پیشنهاد | پیشنهاد رسمی متناسب با نیاز ارسال شده است | ۶۰٪ |
| مذاکره نهایی | شرایط اصلی همکاری در حال توافق است | ۷۵٪ |
| تأیید خرید | تأییدهای اصلی دریافت شده و قرارداد در مرحله نهایی است | ۹۰٪ |
این درصدها فقط نمونه آموزشی هستند و استاندارد ثابت بازار B2B محسوب نمیشوند.
در عمل، احتمال هر مرحله باید از اطلاعات تاریخی همان شرکت استخراج شود.
همچنین بهتر است معیار ورود به هر مرحله بر اساس اقدام یا مدرک قابل بررسی تعریف شود.
برای مثال، صرفاً اینکه کارشناس فروش احساس کند مذاکره خوب پیش رفته، برای انتقال فرصت به مرحله نهایی کافی نیست.
در راهنمای Salesforce درباره بهترین روشهای پیشبینی پایپلاین نیز بر ثبت جزئیات فرصتها، تعیین اقدام بعدی، استفاده از دادههای تاریخی برای اصلاح احتمالها و بازبینی منظم پیشبینی تأکید شده است.
محاسبه احتمال موفقیت با دادههای تاریخی CRM
فرض کنید در دادههای گذشته شرکت، ۱۰۰ فرصت فروش وارد مرحله «ارائه پیشنهاد» شدهاند.
از این تعداد، ۳۵ فرصت در نهایت به قرارداد موفق تبدیل شدهاند.
محاسبه نرخ موفقیت:
۳۵ ÷ ۱۰۰ × ۱۰۰ = ۳۵ درصد
در نتیجه، نرخ موفقیت تاریخی این مرحله ۳۵ درصد بوده است.
اما قبل از استفاده از این مقدار، باید شرایط تحلیل بررسی شود.
نکته اول: فرصتها باید دوره مشاهده کافی داشته باشند
اگر تعداد زیادی از فرصتهای بررسیشده هنوز باز هستند، نمیتوان آنها را بدون توضیح در گروه شکستخورده قرار داد.
برای محاسبه نرخ موفقیت نهایی، بهتر است از گروههایی استفاده شود که نتیجه نهایی آنها مشخص شده است.
در صورت وجود معاملات باز طولانیمدت، میتوان از روشهای تحلیلی پیشرفتهتر برای درنظرگرفتن دادههای ناقص استفاده کرد.
نکته دوم: تعریف مرحله باید در طول زمان یکسان باشد
اگر معیار ورود به مرحله «ارائه پیشنهاد» تغییر کرده باشد، مقایسه دادههای قبل و بعد ممکن است گمراهکننده شود.
نکته سوم: احتمال نهایی با احتمال فروش در ماه جاری فرق دارد
ممکن است ۳۵ درصد فرصتهایی که به مرحله ارائه پیشنهاد میرسند، نهایتاً موفق شوند.
اما فقط ۲۰ درصد آنها در همان ماه قرارداد امضا کنند.
بنابراین، برای پیشبینی ماهانه باید احتمال بستهشدن موفق در بازه موردنظر را بررسی کنیم.
نکته چهارم: نرخهای تاریخی باید بازبینی شوند
تغییر شرایط بازار، نوع مشتریان یا طول چرخه فروش ممکن است الگوهای گذشته را تغییر دهد.
در نتیجه، احتمالهای مدل نباید برای همیشه ثابت باقی بمانند.
چه اطلاعاتی باید در CRM ثبت شود؟
برای اجرای مدل پیشبینی فروش B2B، سیستم CRM باید اطلاعات ضروری هر فرصت را به شکل ساختاریافته ذخیره کند.
| فیلد | کاربرد |
|---|---|
| شناسه فرصت | جلوگیری از ثبت تکراری |
| نام مشتری سازمانی | شناسایی حساب مشتری |
| مبلغ فرصت | محاسبه ارزش فروش |
| مرحله فروش | تعیین وضعیت پیشرفت |
| احتمال موفقیت | محاسبه ارزش احتمالوزنی |
| تاریخ بستهشدن مورد انتظار | تعیین دوره پیشبینی |
| تاریخ ایجاد فرصت | بررسی سن معامله |
| آخرین فعالیت | شناسایی فرصتهای راکد |
| اقدام بعدی | برنامهریزی پیگیری |
| مسئول فروش | پاسخگویی و ارزیابی عملکرد |
| وضعیت نهایی | ثبت موفقیت یا شکست |
| دلیل شکست | تحلیل و اصلاح فرایند فروش |
وجود این فیلدها به معنی معتبر بودن خودکار اطلاعات نیست.
برای مثال، اگر تاریخ بستهشدن قرارداد مدتهاست بهروزرسانی نشده یا مبلغ معامله تغییر کرده باشد، نتیجه محاسبات نیز قابل اعتماد نخواهد بود.
برای تقویت کیفیت ثبت فرصتهای فروش، مطالعه مقاله امتیازدهی به سرنخهای فروش؛ آموزش مدل ۱۰۰ امتیازی میتواند مفید باشد.
البته امتیازدهی سرنخ و محاسبه احتمال موفقیت فرصت تجاری دو مفهوم متفاوت هستند.
امتیاز سرنخ برای اولویتبندی مخاطبان بالقوه استفاده میشود؛ درحالیکه احتمال موفقیت، شانس تبدیل یک فرصت مشخص به قرارداد را در بازه موردنظر برآورد میکند.
آموزش پیشبینی فروش B2B در اکسل
اگر شرکت هنوز از ابزار پیشبینی CRM استفاده نمیکند، میتوان مدل اولیه را در Excel ایجاد کرد.
برای این کار، یک جدول با ستونهای زیر بسازید.
| ستون | اطلاعات |
|---|---|
| A | نام فرصت |
| B | مبلغ قرارداد |
| C | احتمال موفقیت |
| D | تاریخ بستهشدن مورد انتظار |
| E | وضعیت فرصت |
| F | ارزش احتمالوزنی |
مرحله اول: مبلغ هر فرصت را ثبت کنید
در ستون B مبلغ هر قرارداد احتمالی را وارد کنید.
تمام مبالغ باید دارای واحد یکسان باشند؛ برای مثال، تومان.
همچنین بهتر است مشخص کنید مبلغ شامل مالیات و سایر اقلام قراردادی است یا خیر.
مرحله دوم: احتمال موفقیت را وارد کنید
در ستون C، احتمال موفقیت را بهصورت درصد ثبت کنید.
برای مثال:
۲۰٪، ۴۰٪ یا ۷۵٪
مقادیر باید بر اساس قواعد مشخص تعیین شده باشند.
مرحله سوم: ارزش احتمالوزنی را محاسبه کنید
در سلول F2 بنویسید:
=B2*C2
سپس فرمول را برای سایر ردیفها کپی کنید.
اگر مبلغ قرارداد ۲۰۰ میلیون تومان و احتمال موفقیت ۲۰ درصد باشد، خروجی برابر با ۴۰ میلیون تومان خواهد بود.
مرحله چهارم: فرصتهای مربوط به دوره پیشبینی را جدا کنید
فرض کنید میخواهید درآمد احتمالی آذر ۱۴۰۵ را محاسبه کنید.
باید فقط فرصتهایی را انتخاب کنید که تاریخ بستهشدن مورد انتظار آنها در این بازه قرار دارد.
نکته فنی: اگر تاریخها بهصورت متن شمسی ثبت شدهاند، ابتدا باید قالب تاریخ استاندارد و قابل محاسبه داشته باشید. اکسل بهصورت پیشفرض با سیستم تاریخ میلادی کار میکند و صرفاً تغییر نحوه نمایش، اعتبار محاسبات تاریخ شمسی را تضمین نمیکند.
مرحله پنجم: مجموع ارزش احتمالوزنی را به دست آورید
اگر فرصتهای باز مربوط به دوره در محدوده F2 تا F6 قرار گرفتهاند:
=SUM(F2:F6)
در مثال ما، خروجی ۳۲۳ میلیون تومان است.
برای یک فایل واقعی، بهتر است از جدولهای ساختاریافته و فیلترهای وضعیت و تاریخ استفاده کنید تا قراردادهای خارج از دوره یا فرصتهای بستهشده به اشتباه وارد محاسبه نشوند.
مرحله ششم: پیشبینی کل دوره را محاسبه کنید
پس از استخراج مبلغ فروش قطعی ثبتشده در دوره، آن را به ارزش احتمالوزنی فرصتهای باز اضافه کنید.
در مدل فرضی:
۱۵۰ + ۳۲۳ = ۴۷۳ میلیون تومان
اکنون مدیر فروش یک مقدار مبنا برای مقایسه با هدف ماهانه در اختیار دارد.
آیا پیشبینی فروش با CRM دقیقتر میشود؟
استفاده از CRM میتواند جمعآوری اطلاعات و اجرای منظم مدل را آسانتر کند.
اما دقت پیشبینی به کیفیت دادهها و مدل وابسته است؛ نه صرفاً نام نرمافزار.
در برخی ابزارها، احتمال موفقیت به مرحله معامله متصل میشود و ارزش احتمالوزنی بهصورت خودکار محاسبه میشود.
برای مثال، مستندات رسمی HubSpot درباره ابزار Forecast توضیح میدهد که مدیران چگونه میتوانند فرصتها را بر اساس مرحله فروش، دستهبندی پیشبینی و بازه زمانی بررسی کنند.
البته دسترسی به امکانات پیشبینی در HubSpot به نوع اشتراک و مجوزهای حساب وابسته است.
صرفنظر از نرمافزار انتخابشده، چهار قابلیت اهمیت زیادی دارند:
ثبت یکپارچه اطلاعات: همه فرصتهای فروش در یک ساختار مشخص نگهداری شوند.
ردیابی تغییرات: مشخص باشد مبلغ، مرحله یا زمان معامله چه زمانی تغییر کرده است.
گزارش دورهای: مدیر بتواند وضعیت فرصتهای ماه یا فصل موردنظر را بررسی کند.
کنترل کیفیت داده: اطلاعات قدیمی، تکراری یا ناقص شناسایی شوند.
چرا پیشبینی فروش B2B گاهی اشتباه میشود؟
حتی اگر فرمولها کاملاً صحیح باشند، نتیجه پیشبینی ممکن است با فروش واقعی اختلاف داشته باشد.
مهمترین علتها عبارتاند از:
احتمالهای غیرواقعی
اگر کارشناسان فروش احتمال موفقیت را بر اساس خوشبینی شخصی تعیین کنند، مدل ممکن است درآمد آینده را بیشبرآورد کند.
تاریخهای بستهشدن قدیمی
فرصتی که قرار بوده ماه گذشته نهایی شود، نباید بدون بررسی مجدد در گزارش ماه آینده قرار گیرد.
ثبت نشدن شکست معاملات
بعضی تیمها فرصتهای ناموفق را بهجای ثبت وضعیت شکست، مدت طولانی باز نگه میدارند.
این کار ارزش پایپلاین را بهصورت مصنوعی بالا نشان میدهد.
تغییر مبلغ قراردادها
در مذاکرات B2B، محدوده خدمات یا تعداد محصولات ممکن است تغییر کند.
اگر مبلغ CRM اصلاح نشود، پیشبینی بر اساس ارزش قدیمی انجام میشود.
تمرکز درآمد در چند قرارداد بزرگ
وقتی بیشتر درآمد شرکت به تعداد محدودی معامله وابسته باشد، شکست یا تأخیر یک قرارداد میتواند اختلاف زیادی میان پیشبینی و واقعیت ایجاد کند.
وابستگی فرصتها به عوامل مشترک
ممکن است چند قرارداد بزرگ به بودجه یک صنعت، تصمیم یک هلدینگ یا تغییر شرایط اقتصادی وابسته باشند.
در چنین شرایطی، نتایج معاملات مستقل از یکدیگر نیستند.
گرچه جمع ارزشهای مورد انتظار همچنان از نظر ریاضی قابل محاسبه است، اما عدمقطعیت کل فروش ممکن است بسیار بیشتر از چیزی باشد که یک عدد نشان میدهد.
برای بررسی عوامل شکست قراردادها، مقاله تحلیل شکست فروش؛ ۷ علت از دست رفتن معاملات راهنمای مکملی ارائه میدهد.
چگونه فرصتهای فروش راکد را شناسایی کنیم؟
یکی از اقدامات مهم پیش از تهیه گزارش، بررسی سن فرصتهای فروش است.
برای مثال، اگر یک معامله سه ماه در مرحله «ارائه پیشنهاد» باقی مانده باشد، باید وضعیت آن بررسی شود.
ممکن است مشتری همچنان علاقهمند باشد، اما زمان خرید به تعویق افتاده باشد.
در حالت دیگر، فرصت عملاً از دست رفته است و کارشناس هنوز وضعیت آن را اصلاح نکرده است.
برای شناسایی فرصتهای راکد، میتوان سه معیار تعریف کرد:
- تعداد روزهای سپریشده در مرحله فعلی
- مدتزمان گذشته از آخرین تعامل معنادار
- تعداد دفعات جابهجایی تاریخ بستهشدن قرارداد
آستانه مناسب هر معیار باید از دادههای واقعی و طول چرخه فروش مجموعه به دست آید.
برای مثال، ماندن ۳۰ روز در مرحله مذاکره ممکن است برای فروش یک محصول ساده غیرعادی باشد، اما در یک پروژه صنعتی بزرگ کاملاً طبیعی محسوب شود.
بنابراین، فرصت راکد نباید صرفاً با یک قانون زمانی عمومی تعریف شود.
سه سناریوی پیشبینی فروش؛ بدبینانه، مبنا و خوشبینانه
یکی از محدودیتهای مدل احتمالوزنی این است که معمولاً خروجی آن بهصورت یک عدد نمایش داده میشود.
برای تصمیمگیری بهتر میتوان چند سناریو نیز تهیه کرد.
در مثال قبلی، ارزش کل پنج فرصت ۶۶۰ میلیون تومان و ارزش احتمالوزنی آنها ۳۲۳ میلیون تومان بود.
فرض کنید برای تحلیل حساسیت، احتمال همه معاملات را ۱۰ واحد درصد کاهش یا افزایش دهیم.
| سناریو | ارزش احتمالوزنی فرصتهای باز |
|---|---|
| بدبینانه فرضی | ۲۵۷ میلیون تومان |
| مبنا | ۳۲۳ میلیون تومان |
| خوشبینانه فرضی | ۳۸۹ میلیون تومان |
در این محاسبه، احتمالها در بازه صفر تا صد درصد باقی میمانند.
اگر ۱۵۰ میلیون تومان فروش قطعی دوره را نیز اضافه کنیم:
| سناریو | برآورد کل فروش دوره |
|---|---|
| بدبینانه فرضی | ۴۰۷ میلیون تومان |
| مبنا | ۴۷۳ میلیون تومان |
| خوشبینانه فرضی | ۵۳۹ میلیون تومان |
توجه داشته باشید که این ارقام سناریوهای حساسیتسنجی هستند، نه فاصله اطمینان آماری یا پیشبینیهای معتبر از احتمال وقوع نتایج.
برای تهیه بازه احتمالاتی معتبر، به داده تاریخی و مدل مناسبتری نیاز داریم.
همچنین تغییر یکسان احتمال تمام فرصتها ممکن است رفتار واقعی معاملات را منعکس نکند.
بااینحال، این تمرین اولیه به مدیر نشان میدهد نتیجه پیشبینی تا چه اندازه نسبت به مفروضات حساس است.
چگونه دقت پیشبینی فروش را اندازهگیری کنیم؟
بدون مقایسه پیشبینی با نتیجه واقعی، نمیتوان درباره کیفیت مدل قضاوت کرد.
یکی از روشهای ساده، محاسبه درصد خطای مطلق پیشبینی است.
فرمول:
درصد خطای مطلق = |فروش واقعی − فروش پیشبینیشده| ÷ فروش واقعی × ۱۰۰
فرض کنید برای یک ماه، فروش ۴۷۳ میلیون تومان پیشبینی شده است.
در پایان دوره، درآمد واقعی برابر با ۴۵۰ میلیون تومان ثبت میشود.
اختلاف مطلق:
۴۷۳ − ۴۵۰ = ۲۳ میلیون تومان
درصد خطای مطلق:
۲۳ ÷ ۴۵۰ × ۱۰۰ ≈ ۵٫۱۱ درصد
بنابراین، در این مثال، خطای مطلق پیشبینی حدود ۵٫۱ درصد بوده است.
این عدد بهتنهایی به معنی دقیق بودن همیشگی مدل نیست.
برای ارزیابی مناسب، باید عملکرد پیشبینی را در چند دوره متوالی بررسی کنیم.
بررسی سوگیری پیشبینی
علاوه بر مقدار خطا، جهت آن نیز اهمیت دارد.
اگر فروش پیشبینیشده بهطور مداوم بالاتر از فروش واقعی باشد، ممکن است مدل دارای سوگیری خوشبینانه باشد.
در مقابل، پیشبینی کمتر از واقعیت نیز میتواند باعث تصمیمگیری بیشازحد محافظهکارانه درباره منابع شود.
بهتر است گزارش مدیریتی، خطای مطلق و خطای دارای علامت را جداگانه نشان دهد.
اهمیت ثبت نسخههای تاریخی
برای ارزیابی واقعی مدل، باید مشخص باشد در ابتدای هر ماه چه عددی پیشبینی شده بود.
اگر پس از پایان دوره، اطلاعات CRM اصلاح شوند و همان گزارش دوباره اجرا شود، ممکن است پیشبینی اولیه دیگر قابل بازیابی نباشد.
ثبت نسخه ثابت از گزارش پیشبینی در تاریخهای مشخص، امکان مقایسه منصفانه را فراهم میکند.
چگونه پیشبینی فروش را به تصمیم مدیریتی تبدیل کنیم؟
هدف اصلی استفاده از CRM، تولید جدولهای متعدد نیست.
مدیر باید بتواند بر اساس گزارش فروش، درباره اقدامات آینده تصمیم بگیرد.
تصمیم اول: شناسایی فاصله با هدف فروش
فرض کنید هدف فروش ماهانه شرکت ۶۰۰ میلیون تومان است.
پیشبینی مبنا برابر با ۴۷۳ میلیون تومان است.
بنابراین:
۶۰۰ − ۴۷۳ = ۱۲۷ میلیون تومان
شرکت با یک فاصله پیشبینیشده ۱۲۷ میلیون تومانی نسبت به هدف مواجه است.
این فاصله به معنی کسری قطعی نیست؛ بلکه نشان میدهد با مفروضات فعلی مدل، برآورد فروش کمتر از هدف است.
تصمیم دوم: بررسی فرصتهای نزدیک به قرارداد
ممکن است چند فرصت در مراحل پایانی قرار داشته باشند و برای تصمیم مشتری به مدارک، تأیید فنی یا مذاکره تکمیلی نیاز باشد.
مدیر فروش میتواند موانع مشخص هر معامله را بررسی کند.
هدف نباید افزایش صوری احتمال موفقیت در CRM باشد؛ بلکه باید اقدامات واقعی لازم برای پیشرفت فرصت تعیین شوند.
تصمیم سوم: تقویت پایپلاین آینده
اگر ارزش فرصتهای جدید پایین باشد، حتی موفقیت کامل مذاکرات فعلی ممکن است برای ماههای بعد کافی نباشد.
در چنین شرایطی، باید فعالیتهای جذب مشتری، ارتباط با حسابهای هدف و ایجاد فرصتهای جدید بررسی شوند.
تصمیم چهارم: مدیریت منابع سازمان
در شرکتهای پروژهمحور، پیشبینی فروش میتواند به برنامهریزی ظرفیت اجرا کمک کند.
بااینحال، استخدام یا خرید تجهیزات صرفاً بر اساس یک برآورد احتمالوزنی ممکن است پرریسک باشد.
برای تعهدات مالی مهم، بهتر است سناریوهای مختلف و میزان قطعیت قراردادها نیز در نظر گرفته شوند.
جلسه هفتگی پیشبینی فروش چگونه برگزار شود؟
یکی از اقدامات کاربردی برای بهبود دقت پیشبینی، برگزاری جلسه منظم بررسی پایپلاین است.
این جلسه نباید صرفاً به اعلام مبلغ معاملات محدود شود.
پیشنهاد میشود برای هر فرصت مهم، پنج سؤال مطرح شود:
۱. از جلسه قبل چه پیشرفت واقعی اتفاق افتاده است؟
۲. چه مدرکی نشان میدهد معامله در مرحله ثبتشده قرار دارد؟
۳. مانع اصلی نهاییشدن قرارداد چیست؟
۴. اقدام بعدی، مسئول آن و زمان انجام چه خواهد بود؟
۵. آیا مبلغ، احتمال موفقیت یا تاریخ بستهشدن نیاز به اصلاح دارد؟
پس از بررسی فرصتهای مهم، مدیر میتواند پیشبینی کل دوره را بهروزرسانی کند.
برای هماهنگی بیشتر میان برنامه فروش و عملکرد واقعی کارشناسان، مقاله ارزیابی عملکرد کارشناسان فروش با ۸ شاخص کاربردی میتواند در طراحی گزارشهای مدیریتی کمککننده باشد.
نکته مهم این است که کارشناسان فروش نباید صرفاً به دلیل گزارش احتمال پایینتر برای یک معامله، مورد ارزیابی منفی قرار گیرند.
اگر تیم به دلیل فشار مدیریتی احتمالها را بیشازحد بالا ثبت کند، پیشبینی قابلیت اعتماد خود را از دست میدهد.
هفت اشتباه رایج در پیشبینی فروش B2B
اشتباه اول: جمعکردن مبلغ تمام فرصتها
ارزش کل فرصتهای باز، معادل فروش احتمالی یک دوره نیست.
اشتباه دوم: تعیین احتمال بر اساس احساس فروشنده
احتمال موفقیت باید تا حد امکان با داده تاریخی و شواهد واقعی پشتیبانی شود.
اشتباه سوم: نادیده گرفتن زمان قرارداد
معاملهای که احتمالاً سه ماه بعد بسته میشود، نباید بدون بررسی در پیشبینی ماه جاری قرار گیرد.
اشتباه چهارم: نگهداشتن معاملات ازدسترفته
فرصتهایی که عملاً شکست خوردهاند، باید با دلیل مناسب بسته شوند.
اشتباه پنجم: ثبت دوباره قراردادها
نباید یک قرارداد قطعی هم در فروش نهایی و هم در پایپلاین باز محاسبه شود.
اشتباه ششم: استفاده از احتمالهای ثابت و قدیمی
تغییر وضعیت بازار و فرایند فروش میتواند نرخ موفقیت واقعی مراحل را تغییر دهد.
اشتباه هفتم: تصور قطعی بودن ارزش مورد انتظار
مدل احتمالوزنی برآوردی از فروش ارائه میدهد؛ اما درباره مبلغی که حتماً دریافت میشود، تضمینی ایجاد نمیکند.
برنامه اجرایی ۳۰ روزه برای راهاندازی پیشبینی فروش
برای پیادهسازی اولیه مدل، میتوان فعالیتها را در چهار مرحله برنامهریزی کرد.
| بازه زمانی | اقدام | خروجی |
|---|---|---|
| روز ۱ تا ۷ | بررسی مراحل فروش و پاکسازی CRM | پایپلاین استاندارد |
| روز ۸ تا ۱۴ | استخراج سوابق و برآورد احتمال مراحل | جدول احتمالها |
| روز ۱۵ تا ۲۱ | ساخت گزارش احتمالوزنی | داشبورد اولیه فروش |
| روز ۲۲ تا ۳۰ | بازبینی فرصتها و ثبت پیشبینی مبنا | گزارش مدیریتی |
در پایان این دوره، مدل اولیه آماده استفاده و پایش خواهد بود.
بااینحال، اعتبارسنجی دقت آن به داده واقعی چند دوره فروش و مقایسه پیشبینیهای ثبتشده با نتایج نهایی نیاز دارد.
چکلیست نهایی پیشبینی فروش B2B
پیش از ارائه گزارش به مدیرعامل، موارد زیر را بررسی کنید:
-
تمام فرصتهای فعال دارای شناسه مشخص هستند.
-
مراحل فروش معیارهای ورود واضح دارند.
-
مبلغ هر فرصت بهروز شده است.
-
احتمال موفقیت بر اساس قواعد مشخص تعیین شده است.
-
تاریخ بستهشدن مورد انتظار ثبت شده است.
-
فرصتهای خارج از دوره از محاسبه حذف شدهاند.
-
معاملات قطعی دوبارهشماری نشدهاند.
-
فرصتهای راکد بررسی شدهاند.
-
اقدامات بعدی معاملات مهم مشخص شده است.
-
فروش قطعی و احتمالوزنی جداگانه گزارش شدهاند.
-
فاصله پیشبینی با هدف فروش محاسبه شده است.
-
نسخه تاریخی پیشبینی ذخیره شده است.
-
خطای مدل در دورههای گذشته بررسی میشود.
جمعبندی؛ پیشبینی فروش باید مبنای تصمیم باشد، نه عددسازی
پیشبینی فروش B2B با مدل احتمالوزنی، روشی کاربردی برای تبدیل اطلاعات پراکنده فرصتهای فروش به یک برآورد مدیریتی است.
در این روش، مبلغ هر فرصت در احتمال موفقیت آن ضرب میشود و مجموع ارزشهای احتمالوزنی، تصویری از فروش مورد انتظار ارائه میدهد.
اما ارزش واقعی مدل فقط به فرمول محاسباتی وابسته نیست.
کیفیت اطلاعات CRM، تعریف مراحل فروش، زمان مورد انتظار قراردادها و نحوه محاسبه احتمالها تأثیر مستقیمی بر دقت نتیجه دارند.
یک پیشبینی مناسب باید به مدیر کمک کند فرصتهای مهم را شناسایی کند، فاصله با هدف را بسنجد و برای اصلاح عملکرد اقدام کند.
هدف پیشبینی فروش این نیست که آینده را با قطعیت اعلام کنیم؛ هدف این است که با شناخت بهتر عدمقطعیت، تصمیمهای دقیقتری بگیریم.
آموزش مدیریت فروش و CRM در مؤسسه امین
مدیریت فروش در کسبوکارهای در حال رشد، به مهارتهایی فراتر از مذاکره و نهاییکردن قرارداد نیاز دارد.
طراحی فرایند فروش، استفاده از دادههای CRM، ارزیابی عملکرد تیم و تصمیمگیری درباره منابع از موضوعاتی هستند که میتوانند به مدیریت منظمتر فروش کمک کنند.
در مسیر آموزشی مدیریت مؤسسه آموزش عالی آزاد امین، موضوعات فروش، بازاریابی، مذاکره و مدیریت ارتباط با مشتری در کنار دیگر مباحث مدیریتی مطرح میشوند.
اگر مدیر یا صاحب کسبوکاری هستید و میخواهید فرایندهای فروش و تصمیمگیری مجموعه را ساختاریافتهتر مدیریت کنید، میتوانید از طریق صفحه دورههای مدیریت MBA و DBA مؤسسه امین در مشهد با مسیر آموزشی آشنا شوید و برای انتخاب دوره مناسب درخواست مشاوره ثبت کنید.
سؤالات متداول درباره پیشبینی فروش B2B
پیشبینی فروش B2B چیست؟
فرایند برآورد درآمد یا قراردادهای احتمالی آینده با استفاده از دادههای فروش سازمانی، فرصتهای تجاری و شواهد مربوط به احتمال موفقیت معاملات است.
مدل احتمالوزنی فروش چگونه محاسبه میشود؟
ارزش هر فرصت در احتمال موفقیت آن ضرب میشود. سپس ارزش احتمالوزنی فرصتهای مربوط به دوره، با یکدیگر جمع میشوند.
آیا ارزش احتمالوزنی به معنی درآمد قطعی است؟
خیر. ارزش احتمالوزنی، یک برآورد آماری از فروش مورد انتظار است و تضمین نمیکند همان مبلغ در دوره موردنظر محقق شود.
آیا میتوان پیشبینی فروش را با اکسل انجام داد؟
بله. با ثبت مبلغ قرارداد، احتمال موفقیت، مرحله فروش و تاریخ بستهشدن میتوان یک مدل اولیه در اکسل ایجاد کرد.
احتمال موفقیت مراحل فروش را چگونه تعیین کنیم؟
بهتر است احتمالها بر اساس نرخهای تاریخی معاملات، معیارهای ورود به مراحل و بازه زمانی پیشبینی تعیین شوند. استفاده از درصدهای عمومی بدون اعتبارسنجی ممکن است خطای مدل را افزایش دهد.
تفاوت پایپلاین و پیشبینی فروش چیست؟
پایپلاین مجموعه فرصتهای فروش و وضعیت آنها را نمایش میدهد؛ پیشبینی فروش بر اساس این اطلاعات و سایر مفروضات، میزان فروش آینده را برآورد میکند.
هر چند وقت یک بار پیشبینی فروش را بهروزرسانی کنیم؟
در بسیاری از تیمهای فروش سازمانی، بازبینی هفتگی میتواند نقطه شروع مناسبی باشد. دفعات مناسب باید با طول چرخه فروش، تعداد فرصتها و تغییرات معاملات هماهنگ شود.
چگونه دقت پیشبینی فروش را افزایش دهیم؟
با پاکسازی دادههای CRM، ثبت تغییرات فرصتها، بازبینی احتمالها، بررسی تاریخ بستهشدن و مقایسه منظم پیشبینیهای تاریخی با فروش واقعی میتوان کیفیت مدل را ارزیابی و بهبود داد.




