La tua previsione delle vendite probabilmente è sbagliata.

Non un po’ sbagliata. Spettacolarmente sbagliata. Secondo il Xactly’s 2024 Sales Forecasting Benchmark Report, solo il 20% delle organizzazioni commerciali ottiene previsioni entro il 5% dei risultati reali, mentre il 43% manca gli obiettivi del 10% o più.

Un’organizzazione su dieci sbaglia regolarmente del 25% o oltre, che è meno fare previsioni e più sperare con i fogli di calcolo.

Il danno si accumula. Se sbagli per difetto, resti sotto organico, lasci soldi sul tavolo e poi corri per evadere ordini che non avevi pianificato. Se sbagli per eccesso, spendi troppo, assumi troppo, poi spieghi al consiglio perché il fatturato è arrivato corto. Nessuna delle due conversazioni è divertente.

La riunione di previsione che tutti riconoscono

Dave Kellogg, un dirigente tecnologico veterano che ha passato decenni in ruoli dirigenziali nel SaaS, descrive la conversazione improduttiva sulle previsioni che si ripete in innumerevoli aziende: “CEO: What’s the forecast? CRO: Same as before, $3.400K.”

Non cambia nulla da una settimana all’altra perché nessuno ha nuove informazioni. Solo sensazioni travestite da dati del CRM.

Nota anche la verità scomoda sulla pianificazione della pipeline: “Just as no battle plan survives first contact with the enemy, no pipeline plan survives first contact with the market.” La tua previsione costruita con cura sembra perfetta finché le trattative non iniziano a comportarsi come trattative vere.

Il problema più profondo è il processo. La maggior parte delle previsioni di vendita si fa ancora come decenni fa: i venditori stimano le loro opportunità, i manager sommano i numeri, la direzione aggiunge un margine, e tutti sperano che il numero finale cada da qualche parte di ragionevole.

Dove le previsioni umane cedono

I venditori sono ottimisti. Quella trattativa su cui lavorano da settimane sembra più vicina di quanto i dati suggeriscano. La speranza è una droga potente, ma un metodo di previsione pessimo.

Daniel Harding di MaxContactAustralia l’ha messa semplice: “It can be very difficult to forecast if deals in the pipeline do not have accurate ARRs assigned to them or if they are at the wrong stage.”

Fase sbagliata. Valore sbagliato. Data di chiusura sbagliata. Scegli il veleno: la previsione soffre comunque, qualunque dato vada storto.

John Judge, SVP of Sales in Crayon, ha centrato il problema delle sensazioni quando ha detto: “‘I think’ and ‘I feel’ are the two phrases I fear the most when I hear them from sales reps. I want them to know, and Gong helps us know.”

Vuole dati, non sensazioni. La maggior parte dei manager anche. La sfida è ottenerli.

Le previsioni tradizionali basate sul giudizio dei venditori e sull’intuito dei manager tendono ad arenarsi intorno al 70% di accuratezza. La ricerca di Gartner mostra che l’accuratezza mediana tra le organizzazioni intervistate cade tra il 70-79%, e solo il 7% arriva mai al 90% o oltre.

Quel soffitto del 70% non è solo un problema di dati o solo un problema di persone. È un problema di metodo.

Cosa rende diverse le previsioni con l’IA

L’IA non si limita ad automatizzare lo stesso processo rotto, più in fretta.

Il riconoscimento di schemi su scala cambia ciò che è possibile. Un modello di IA può analizzare migliaia di trattative storiche e identificare quali fattori hanno davvero previsto le chiusure: non ciò che i venditori pensavano predicesse le chiusure, ma ciò che i numeri mostrano.

Un commentatore su Hacker News di nome mchusma ha fatto un’osservazione interessante sulle previsioni nelle startup: “All forecasts for startups are wildly wrong. But I think of forecasting as a way of validating a strategy.”

Questo cambio di prospettiva conta. L’obiettivo non è prevedere il futuro con precisione perfetta. La precisione perfetta non esiste, e inseguirla spreca energie. L’obiettivo è ridurre abbastanza l’incertezza da prendere decisioni migliori e individuare i problemi prima che diventino disastri.

L’IA aiuta in entrambe le cose. Coglie segnali che gli esseri umani non vedono: andamenti di coinvolgimento nelle email, variazioni nella frequenza delle riunioni, tempi di visualizzazione delle proposte, cambiamenti nel coinvolgimento degli parti interessate. Questi indicatori anticipatori rivelano la salute di una trattativa prima che i venditori aggiornino il CRM. A volte prima ancora che i venditori si rendano conto che qualcosa è cambiato.

Aiuta anche a ridurre le distorsioni. Un modello di IA non si affeziona emotivamente a una trattativa su cui ha lavorato sodo. Guarda i dati e calcola la probabilità senza sperare in un esito specifico.

Le aziende che usano strumenti di previsione con IA riportano un’accuratezza delle previsioni più alta del 15-20%, cicli di vendita più brevi del 25% e fino al 30% di miglioramento nel raggiungimento della quota. I vantaggi si moltiplicano perché previsioni migliori consentono un’allocazione migliore delle risorse, che porta a un’esecuzione migliore, che genera dati migliori per le previsioni future.

Il problema della qualità dei dati di cui nessuno vuole parlare

Ecco la parte scomoda. Le tue previsioni con l’IA saranno buone solo quanto i tuoi dati.

Deloitte stima che le aziende perdano fino a 14 milioni di dollari all’anno a causa della scarsa qualità dei dati e, secondo una ricerca sulle implementazioni di previsioni con IA, la causa numero uno delle implementazioni fallite, al 63%, è la qualità dei dati nel CRM. Strumenti come Salesforce Einstein Forecasting falliscono quando modelli predittivi addestrati su dati incompleti, obsoleti o etichettati male producono previsioni che sono, di fatto, rumore costoso.

Un sistema di IA sofisticato con dati spazzatura andrà peggio di un semplice foglio di calcolo con dati puliti e aggiornamenti disciplinati.

Non è una notizia entusiasmante, ma è una notizia necessaria. Prima di investire in strumenti di previsione sofisticati, controlla il tuo CRM. Quante opportunità hanno importi mancanti? Quante hanno date di chiusura che sono slittate più volte? Quante opportunità sono rimaste nella stessa fase per mesi senza attività?

Metti ordine prima. Poi aggiungi l’IA.

Passi pratici per previsioni migliori

Non ti serve software per grandi aziende per iniziare a migliorare. Ecco cosa funziona.

Misura la tua accuratezza attuale. Calcola di quanto hanno sbagliato le tue previsioni negli ultimi quattro trimestri. Usa l’Errore percentuale assoluto medio (MAPE) per avere una metrica coerente. Se sei al 70% di accuratezza, sai da dove parti. Se sei al 50%, sai che hai problemi più grossi della scelta dello strumento.

Individua cosa predice davvero la chiusura delle trattative nel tuo business. Estrai le opportunità chiuse-vinte e chiuse-perse dell’ultimo anno. Cerca schemi. Cosa avevano in comune le vittorie? Cosa condividevano le sconfitte? Quanti parti interessate erano coinvolti? Quanto è durato il ciclo di vendita? C’è stata una demo? Quando è uscita la proposta? I tuoi schemi contano più dei consigli generici di modelli pensati per aziende diverse.

Costruisci un sistema di punteggio basato sui tuoi schemi. Una volta capito cosa predice il successo, crea una griglia. Dai più peso ai fattori che contano di più. Applicala in modo coerente alla pipeline attuale. Non sarà perfetta, ma sarà più coerente dell’istinto, e la coerenza è metà della battaglia.

Fai previsioni con probabilità ponderate invece che esiti binari. Invece di chiederti se questa trattativa si chiuderà, chiediti qual è la probabilità. Una trattativa da $100K al 30% contribuisce con $30K alla previsione ponderata. Somma tutto e ottieni una visione più realistica del valore grezzo della pipeline, che sovrastima sempre ciò che arriverà davvero.

Monitora gli indicatori anticipatori, non solo quelli a consuntivo. L’avanzamento di fase ti dice dove sono le trattative. La velocità ti dice dove stanno andando. Il coinvolgimento via email e la frequenza delle riunioni ti dicono se si stanno muovendo davvero o se stanno solo ferme in una fase che suona attiva.

Segnali che la tua previsione sta mentendo

Osserva questi schemi. Di solito significano guai.

Copertura in calo. Se la tua pipeline non tiene il passo con la quota, nessuna metodologia di previsione ti salverà. Ti servono più opportunità.

Date di chiusura ammassate a fine trimestre. Quando troppe trattative mostrano date di chiusura l’ultimo giorno del trimestre, è pensiero desiderante, non previsione. I venditori scelgono una data comoda, non prevedono quando il cliente firmerà davvero.

Dipendenza da una trattativa grande. Se per centrare la previsione serve che vada in porto una singola trattativa enorme, la tua previsione in realtà è una scommessa. Le scommesse a volte pagano. Restano scommesse.

Velocità in calo senza spiegazione. Trattative che richiedono più tempo rispetto alle norme storiche suggeriscono che qualcosa è cambiato. Forse il mercato si è spostato. Forse il posizionamento del prodotto non è centrato. Forse il prezzo va aggiustato. La previsione non ti dirà perché, ma dovrebbe dirti che.

Il fattore onestà

Jay Fuchs, senior director of global growth di HubSpot, è stato molto diretto su ciò che ha visto: “I’ve seen sales organizations without detailed forecasts, or with sloppy forecasts, file for bankruptcy when their cash flow predictions failed.”

Non è un’iperbole. Il flusso di cassa dipende dal sapere cosa sta arrivando. Gli stipendi dipendono dal flusso di cassa. Tutto dipende da qualcos’altro, e la previsione sta alle fondamenta.

La soluzione non è più ottimismo, o strumenti migliori, o un’IA più sofisticata. La soluzione è l’onestà.

Comunica intervalli invece di numeri singoli. Di’ che prevedi $1.2M con un intervallo di $1.0-1.4M. È più onesto e più utile che fingere di sapere esattamente cosa succederà.

Spiega le tue ipotesi. Cosa deve andare bene perché la previsione si realizzi? Quali sono i rischi? Se la direzione capisce le ipotesi, può prendere decisioni migliori anche quando la previsione sbaglia.

Aggiorna spesso. Una previsione vecchia di due settimane è un documento storico, non uno strumento di pianificazione.

Distingui l’impegno dalla previsione. L’impegno è ciò su cui sei disposto a mettere in gioco la tua reputazione. La previsione è la tua stima migliore. Possono essere diverse, e riconoscere questa differenza è sano.

Collegare le previsioni a tutto il resto

Prevedere meglio non significa solo anticipare il futuro. Significa cambiarlo.

Quando individui presto le trattative a rischio, puoi intervenire prima che slittino. Quando vedi buchi di copertura, puoi accelerare la prospezione. Quando noti trattative ferme, puoi eseguire sequenze di follow-up per rimetterle in movimento.

Previsioni ed esecuzione formano un ciclo. Previsioni migliori individuano i problemi. Un’esecuzione migliore li risolve. Risultati migliori migliorano le previsioni future.

I tuoi dati del CRM sono la base. La tua ricerca sui potenziali clienti riempie la pipeline. Le tue previsioni ti dicono se è abbastanza.

La domanda non è se la tua previsione sarà sbagliata. Lo sarà. La domanda è se sarai meno sbagliato di prima, e se intercetterai gli scostamenti abbastanza presto da fare qualcosa.