Прогноз продаж в CRM: pipeline forecast, weighted-модели, сезонность и сценарное планирование

В декабре прошлого года я сидел на встрече с коммерческим директором одной алматинской компании – дистрибьютора строительных материалов. Он показывал мне экран с прогнозом продаж на следующий квартал. Три колонки: «оптимистичный», «реалистичный», «пессимистичный». Под каждой – круглая цифра в миллионах тенге.

«Откуда эти числа?» – спрашиваю.

Он улыбается: «Ну, менеджеры скидывают свои ожидания, мы их суммируем, добавляем процентов 10-15 сверху на оптимистичный сценарий, убираем 20% для пессимистичного. Стандартная практика».

Через три месяца факт разошёлся с «реалистичным» прогнозом на 40%. Не в плюс – в минус. Склад затоварился, кассовый разрыв, экстренный созвон с банком по кредитной линии. А ведь можно было предвидеть – если смотреть не на «ощущения» менеджеров, а на реальные данные в CRM.

Прогнозирование продаж – это не гадание на кофейной гуще и не экспертные оценки «от балды». Это математика. И если у вас есть CRM с историей сделок – у вас есть всё, чтобы прогнозировать с точностью 80-90%. В этой статье разберём, как это делается: от простого pipeline forecast до сценарного планирования с учётом сезонности.

«Когда мы перешли от "чуйки" к weighted pipeline, точность прогноза выросла с 55% до 82%. Это не магия – просто честный взгляд на данные. Оказалось, что менеджеры систематически переоценивают сделки на ранних этапах и недооценивают на поздних».

Почему ваш текущий прогноз, скорее всего, врёт

Признаем честно: большинство прогнозов продаж – это самообман с цифрами. Не потому что люди глупые или ленивые. Просто человеческий мозг плохо приспособлен для вероятностных оценок. Мы склонны к оптимизму, когда сделка «почти готова», и к пессимизму, когда что-то идёт не так.

Вот типичные проблемы, которые я вижу в 9 из 10 компаний:

Проблема №1: «Сделка на финише» месяцами. Менеджер говорит: «Клиент вот-вот подпишет». Проходит месяц, два, три – клиент всё ещё «вот-вот». А эта сделка всё это время сидит в прогнозе как «почти гарантированная». В итоге квартал закрывается, а половины обещанных денег нет.

Проблема №2: «Тёмные лошадки». Сделки, о которых никто особо не думал, вдруг закрываются. Это хорошо для выручки, но плохо для прогноза – значит, вы не понимаете, откуда приходят деньги.

Проблема №3: Сезонность игнорируется. Компания прогнозирует январь так же, как октябрь. Хотя в январе у них традиционно провал (праздники, бюджеты не утверждены), а в октябре – пик (все торопятся закрыть год). Результат – перманентное «недовыполнение» в начале года и «перевыполнение» в конце.

Проблема №4: «Трубка» без фильтра. В pipeline считают всё подряд: и реальные сделки, и мечты, и лиды, которые менеджер забыл закрыть полгода назад. Общая сумма выглядит внушительно, но к реальности отношения не имеет.

Pipeline forecast: смотрим на воронку честно

Самый базовый метод прогнозирования – pipeline forecast. Идея простая: смотрим, какие сделки сейчас в работе, и оцениваем, какие из них закроются в нужный период. Звучит очевидно, но дьявол в деталях.

Просто сложить суммы всех открытых сделок – это не прогноз, это wishful thinking. Если у вас в воронке сделки на 100 миллионов тенге, это не значит, что вы получите 100 миллионов. Часть сделок проиграется, часть уйдёт в следующий период, часть уменьшится в объёме при переговорах.

Как построить простой pipeline forecast

Первый шаг – очистить воронку от мусора. Это важнее любой математики. Пройдитесь по открытым сделкам и честно ответьте:

• Когда был последний контакт с клиентом? Если больше месяца назад – сделка, скорее всего, мертва
• Есть ли конкретная дата следующего шага? Если нет – сделка «висит»
• Реалистична ли указанная дата закрытия? Если она уже прошла и не обновлена – доверия к этой сделке мало

После очистки у вас останутся «живые» сделки. Теперь смотрим на их этапы в воронке продаж. Каждый этап – это определённая вероятность закрытия. И вот тут начинается самое интересное.

Weighted pipeline: взвешенный прогноз

Weighted pipeline – это следующий уровень. Вместо того чтобы гадать «закроется или нет», мы присваиваем каждому этапу воронки вероятность закрытия. А потом умножаем сумму сделки на эту вероятность.

Допустим, у вас сделка на 5 миллионов тенге на этапе «Коммерческое предложение отправлено». Историческая конверсия с этого этапа – 40%. Значит, взвешенная стоимость этой сделки: 5 000 000 × 0.4 = 2 000 000 тенге.

Теперь делаем это для всех сделок в воронке и суммируем. Получаем weighted pipeline – более реалистичную оценку того, что вы получите.

Откуда брать вероятности?

Главная ошибка – брать вероятности «из головы». Типичный подход: «Ну, на этапе КП вероятность где-то 50%». Почему 50%? «Ну, либо купит, либо нет». Это не работает.

Правильный подход – считать по историческим данным. Берёте все закрытые сделки за последние 6-12 месяцев и смотрите:

• Сколько сделок было на этапе «Квалификация» и сколько из них в итоге выиграно?
• Сколько сделок дошло до «КП отправлено» и сколько из них закрылись?
• Какая конверсия с этапа «Переговоры»?

Это и есть ваши реальные вероятности. У каждой компании они свои. У кого-то конверсия с КП – 60%, у кого-то – 20%. Зависит от продукта, рынка, качества лидов, навыков менеджеров.

Пример расчёта weighted pipeline

Возьмём реальный пример – компания продаёт промышленное оборудование в Казахстане:

Видите разницу? Если просто сложить «трубу» – получится 198 миллионов. Выглядит отлично! Но weighted pipeline показывает реалистичные 78 миллионов. Это и есть то, на что стоит рассчитывать.

Конечно, 78 миллионов – это тоже оценка, не гарантия. Реальный результат может быть выше или ниже. Но это уже математика, а не «чуйка». И её можно проверять, калибровать, улучшать.

Время имеет значение: прогноз с учётом сроков

Weighted pipeline – хороший инструмент, но у него есть слабое место: он не учитывает, когда именно закроется сделка. Сделка на этапе «Переговоры» может закрыться завтра или через три месяца. Это критически важно для планирования.

Поэтому следующий шаг – добавить временное измерение. Для каждой сделки нужна предполагаемая дата закрытия. И прогноз строится не просто «сколько всего», а «сколько в январе, сколько в феврале, сколько в марте».

Как работать с датами закрытия

Главная проблема – менеджеры ставят нереалистичные даты. «Клиент обещал подумать» превращается в «закрытие через неделю». А потом эта неделя переносится ещё на неделю. И ещё. И ещё.

Решение – смотреть не только на дату, которую поставил менеджер, но и на среднее время на этапе. Если у вас сделка на этапе «КП отправлено» и исторически сделки с этого этапа закрываются в среднем за 25 дней – это более надёжный ориентир, чем оптимистичная оценка менеджера.

Используя эти данные, можно строить более точный прогноз по периодам. Сделка на «КП отправлено» сегодня с высокой вероятностью закроется в течение месяца. Сделка на «Новая заявка» – скорее в следующем квартале.

Сезонность: как не попасть в ловушку «прошлого месяца»

Если вы в бизнесе хотя бы пару лет, вы знаете: продажи неравномерны по году. Январь после праздников – провал. Декабрь – аврал и закрытие сделок. Лето – кто-то на отпусках, кто-то «давайте после отпуска». Это сезонность, и её нужно учитывать в прогнозе.

Игнорировать сезонность – значит постоянно ошибаться в одну и ту же сторону. Прогнозировать январь по декабрю – гарантированно недовыполнить план. Прогнозировать декабрь по ноябрю – гарантированно перевыполнить.

Как учитывать сезонность

Первый шаг – посмотреть на историю. Возьмите данные по продажам за последние 2-3 года и постройте график по месяцам. Вы увидите паттерн. Если нет очевидного паттерна – возможно, у вашего бизнеса слабая сезонность (бывает в некоторых B2B-нишах).

Второй шаг – посчитать сезонные коэффициенты. Это отношение продаж конкретного месяца к среднемесячному значению за год.

Пример сезонных коэффициентов (дистрибьютор стройматериалов, Казахстан)

Как применять: если ваш базовый weighted pipeline показывает 50 миллионов в месяц, и вы прогнозируете январь – умножьте на 0.65. Ожидаемый результат – около 32 миллионов. Прогнозируете май – умножьте на 1.25, получите 62 миллиона.

Это грубая модель, но она уже учитывает реальность. Её можно калибровать каждый год, когда накапливаются новые данные.

Сценарное планирование: готовимся к разным исходам

Даже лучший прогноз – это вероятностная оценка, а не гарантия. Поэтому разумный подход – готовить несколько сценариев: оптимистичный, базовый и пессимистичный. Но не «от балды», а на основе данных.

Ошибка, которую совершают многие: берут один прогноз и добавляют/отнимают произвольный процент. «Базовый – 100 миллионов, оптимистичный – плюс 20%, пессимистичный – минус 20%». Это не сценарное планирование, это иллюзия планирования.

Как строить сценарии правильно

Сценарии должны отличаться не просто цифрами, а предпосылками. Вот пример:

Каждый сценарий – это набор предпосылок, которые вы проверяете через weighted pipeline с разными параметрами. Для оптимистичного – берёте верхнюю границу конверсии, для пессимистичного – нижнюю.

Зачем это нужно? Для принятия решений. Если даже в пессимистичном сценарии вы выходите в плюс – можно брать риски. Если в базовом сценарии еле-еле сводите концы с концами – нужно работать над воронкой, а не надеяться на оптимистичный исход.

Что делать с каждым сценарием

Сценарии – не для того, чтобы выбрать «правильный». Они для того, чтобы подготовить план действий:

• Оптимистичный: Что нужно, чтобы обеспечить рост? Хватит ли ресурсов обработать увеличенный поток?
• Базовый: Операционный план, бюджет, найм
• Пессимистичный: Где резать расходы? Какие сделки критичны для выживания? Какой запас прочности?

Как это реализовать на практике

Теория – это хорошо, но как всё это внедрить? Вот практический план:

Шаг 1: Почистите воронку

Перед тем как что-то прогнозировать, убедитесь, что данные в CRM актуальны. Пройдитесь по открытым сделкам:

• Закройте мёртвые сделки (нет контакта больше месяца, клиент сказал «нет»)
• Обновите даты закрытия там, где они устарели
• Актуализируйте суммы (часто сумма меняется в процессе переговоров)

Подробнее о чистке воронки и аудите CRM – в отдельной статье.

Шаг 2: Посчитайте исторические конверсии

Выгрузите все закрытые сделки за последние 6-12 месяцев. Для каждого этапа посчитайте: сколько сделок было на этом этапе и сколько из них в итоге выиграно. Это ваши вероятности.

Если у вас мало данных (меньше 50-100 сделок) – берите консервативные оценки. Лучше недооценить и приятно удивиться, чем переоценить и получить кассовый разрыв.

Шаг 3: Постройте модель

Это может быть Excel, Google Sheets или встроенный отчёт в CRM. Главное – автоматизировать расчёт, чтобы не считать руками каждый раз.

Минимальная модель:

• Список открытых сделок с суммами и этапами
• Вероятности для каждого этапа
• Расчёт weighted value = сумма × вероятность
• Группировка по месяцам (по дате закрытия)
• Применение сезонных коэффициентов

Шаг 4: Калибруйте модель

Каждый месяц сравнивайте прогноз с фактом. Если систематически перевыполняете – вероятности можно повысить. Если недовыполняете – понизить. Через 3-4 цикла модель станет достаточно точной.

Ошибки, которые убивают точность прогноза

За годы работы с разными компаниями я собрал коллекцию ошибок, которые делают прогноз бесполезным. Вот самые частые:

Ошибка 1: Прогноз как цель

Менеджер говорит: «Мой план – 10 миллионов, значит, прогноз – 10 миллионов». Это не прогноз, это wishful thinking. Прогноз должен отражать реальность, а не желания. Если реальность показывает 7 миллионов – это повод поработать над воронкой, а не завысить прогноз.

Ошибка 2: Игнорирование «чёрных лебедей»

В воронке есть сделка на 50 миллионов – половина всего прогноза. Если она закроется – перевыполнение плана. Если нет – провал. Это риск, который нужно учитывать отдельно. Крупные сделки должны анализироваться индивидуально, а не усредняться со всем остальным.

Ошибка 3: Одинаковые вероятности для всех

У разных менеджеров – разная конверсия. У разных сегментов клиентов – разная. У разных продуктов – разная. Если усреднять всё в один котёл – точность падает. В идеале вероятности должны быть сегментированы.

Ошибка 4: Прогноз делается раз в квартал

Рынок меняется быстрее. Прогноз нужно обновлять как минимум раз в неделю для оперативного управления, раз в месяц – для стратегических решений. Квартальный прогноз устаревает к середине первого месяца.

Ошибка 5: Прогноз живёт в голове РОПа

Если прогноз не записан и не визуализирован – его нет. Он должен быть в CRM, в отчётах, на дашборде для руководства. Иначе это не прогноз, а «ощущение».

Автоматизация прогнозирования

Ручной расчёт прогноза – это боль. Каждую неделю выгружать данные, считать в Excel, сводить отчёты. Это занимает время и создаёт ошибки. Хорошая новость: большую часть можно автоматизировать.

Что можно автоматизировать

• Расчёт weighted pipeline: CRM или BI-система автоматически умножает суммы на вероятности
• Распределение по периодам: Группировка по датам закрытия с применением сезонных коэффициентов
• Алерты: Уведомления, если прогноз падает ниже плана или если крупная сделка «зависла»
• Сравнение с фактом: Автоматический отчёт «прогноз vs факт» за прошлый период
• Калибровка: Автоматический пересчёт вероятностей на основе новых данных

В нашей CRM всё это работает «из коробки»: weighted pipeline, прогноз по периодам, сценарии, сезонность. Если у вас другая система – скорее всего, придётся настраивать через BI-инструменты (Power BI, Tableau, DataLens) или писать свои скрипты.

Следующий уровень: AI и предиктивная аналитика

Weighted pipeline – это хорошо, но это линейная модель. Она не учитывает множество факторов, которые влияют на вероятность закрытия: размер компании клиента, индустрию, активность в переговорах, историю взаимодействия.

Предиктивная аналитика с использованием машинного обучения может учитывать десятки параметров и давать более точный прогноз для каждой конкретной сделки. Вместо «все сделки на этапе КП имеют вероятность 40%» получается «эта сделка имеет вероятность 67%, потому что клиент – крупная компания, быстро отвечает, уже три раза открывал КП».

Когда есть смысл внедрять AI-прогнозирование

• У вас много сделок (сотни в месяц) – нужен объём данных для обучения модели
• Длинный цикл продажи – больше факторов влияет на исход
• Weighted pipeline уже работает, но хочется большей точности
• Есть ресурсы на внедрение и поддержку модели

Для большинства казахстанских компаний среднего размера weighted pipeline с ручной калибровкой – достаточно. AI-прогнозирование – это следующий шаг, когда базовые методы уже освоены.

Подробнее о lead scoring с AI и предиктивной аналитике – в отдельных статьях.

Итог: от гадания к математике

Прогнозирование продаж – это не искусство и не интуиция. Это дисциплина, основанная на данных. Если у вас есть CRM с историей сделок, у вас есть всё необходимое для точного прогноза.

Вот главные принципы, которые стоит запомнить:

• Чистая воронка – основа всего. Прогноз не может быть точнее, чем данные в CRM
• Weighted pipeline > простой pipeline. Вероятности этапов основаны на истории, а не на ощущениях
• Сезонность – реальность. Игнорировать её – значит систематически ошибаться
• Сценарии – для решений. Не для выбора «правильного», а для подготовки к разным исходам
• Калибровка – постоянно. Модель должна учиться на своих ошибках

Начните с простого: почистите воронку, посчитайте конверсии по этапам, постройте первый weighted pipeline. Через месяц сравните с фактом. Откорректируйте. Повторите. Через 3-4 цикла у вас будет прогноз, которому можно доверять.

А точный прогноз – это не просто красивый отчёт. Это возможность планировать закупки, найм, маркетинг, кассовые потоки. Это спокойствие вместо авральных созвонов в конце квартала. Это бизнес, который понимает своё будущее.

Читайте также

• Как спроектировать воронку продаж: статусы, причины проигрыша, обязательные поля
• Lead scoring: правила, данные и внедрение за 2 недели
• Дашборд РОПа: 20 метрик отдела продаж
• Unit-экономика в B2B: LTV, CAC и Payback на данных CRM
• CRM-аудит: чек-лист здоровья системы