Prognoza sprzedaży w firmie z ERP: od deklaracji handlowca do danych

Prognoza sprzedaży w firmie z ERP najczęściej powstaje tak samo. Dyrektor sprzedaży pyta handlowców, co wejdzie w tym miesiącu, handlowcy odpowiadają „powinno się domknąć”, a wynik trafia do Excela, któremu zarząd ufa tylko połowicznie. ERP w tym czasie bardzo precyzyjnie pokazuje, ile firma już sprzedała. Nie pokazuje natomiast, ile sprzeda. To różnica między lusterkiem wstecznym a przednią szybą i właśnie w tej luce zapadają najdroższe decyzje o produkcji, zakupach i zatrudnieniu.

W tym artykule pokazujemy, jak przejść od prognozy z czucia handlowca do modelu prognozy sprzedaży opartego na danych z CRM i ERP. Nie opisujemy tu konfiguracji narzędzia forecast w HubSpot krok po kroku, bo zrobiliśmy to w osobnym artykule o prognozowaniu sprzedaży w HubSpot i ustawianiu celów w narzędziu forecast. Tutaj skupiamy się na tym, co dzieje się przed narzędziem i po nim: jakie dane muszą być kompletne, jak z wolumenów lejka i konwersji policzyć przyszłą sprzedaż, jak używać Sales Velocity i kategorii commit, pipeline oraz best case, jak prognoza zasila planowanie produkcji i jak wpiąć ją w tygodniowy rytm zarządzania.

Przykłady pochodzą z warsztatów i spotkań, które w 2026 roku prowadziliśmy z firmami produkcyjnymi, handlowymi i dystrybucyjnymi, a także z naszego własnego lejka sprzedaży. Tam, gdzie liczby były przykładowe, piszemy to wprost.

Dlaczego ERP nie wystarcza do zbudowania prognozy sprzedaży?

ERP odpowiada na pytania o zdarzenia, które już się wydarzyły. Co zafakturowaliśmy, jakie zamówienia są w realizacji, ile mamy na stanie, jaką marżę zrobiliśmy na zamkniętych transakcjach. To są dane twarde i wiarygodne, dlatego zarządy firm produkcyjnych i dystrybucyjnych tak bardzo im ufają.

Prognoza zadaje jednak zupełnie inne pytanie: które transakcje wejdą, w jakiej kwocie, z jakim prawdopodobieństwem i w którym miesiącu. Na to pytanie ERP nie ma odpowiedzi, ponieważ oferta w negocjacjach, rozmowa z decydentem czy przesunięty termin decyzji klienta nie są dla niego zdarzeniem księgowym. ERP zobaczy tę transakcję dopiero wtedy, gdy stanie się zamówieniem. Wtedy jednak na prognozę jest już za późno.

W modelu REV.BW prognozowanie jest zadaniem warstwy Revenue Intelligence, czyli analitycznej warstwy nad danymi z CRM i ERP. Jej cel jest prosty: przejść od zarządzania opartego na deklaracjach typu „szefie, na pewno to domknę” do zarządzania opartego na danych i wskaźnikach wyprzedzających. Prognoza to nie deklaracja handlowca. To wynik modelu, który handlowiec zasila danymi.

Co ERP wie o sprzedaży, a czego w ogóle nie widzi?

Najłatwiej zobaczyć to na konkretnych pytaniach, które zarząd zadaje przy planowaniu kolejnego kwartału.

Widać wyraźnie, że żaden z tych systemów osobno nie odpowie na wszystkie pytania. ERP zna przeszłość, CRM zna zamiary. Prognoza powstaje dopiero na styku obu.

Jak dane z ERP zasilają forecast sprzedaży na danych z CRM i ERP?

ERP nie tworzy prognozy, ale bez niego prognoza traci punkt odniesienia. Z ERP pochodzi historia zamówień, która pozwala uwzględnić sezonowość, średnią wartość zamówienia dla danej grupy klientów oraz to, co w bieżącym okresie zostało już zafakturowane. Raport typu „prognoza vs cel” ma sens tylko wtedy, gdy zestawia to, co już wpłynęło do ERP, z tym, co wciąż jest w lejku sprzedażowym.

Druga rzecz to spójność ofert. Na warsztacie z firmą handlową, która prowadzi zarówno szybką sprzedaż transakcyjną, jak i długie projekty inwestycyjne, ustaliliśmy prostą zasadę: jedna oferta w ERP to jedna oferta w CRM. Gdy klient wraca do oferty, nie tworzy się nowej, tylko aktualizuje istniejącą i przekształca ją w zamówienie. Jednocześnie system musi obsłużyć sytuację, w której do jednej oferty powstaje kilka zamówień. Bez tego ta sama sprzedaż pojawia się w raportach dwa razy albo znika z historii konwersji.

Zasada nadrzędna pozostaje ta sama: ERP zostaje źródłem prawdy operacyjnej, a CRM odzwierciedla rzeczywistość finansową i sprzedażową. Więcej o tym, jak takie połączenie projektować bezpiecznie, piszemy w klastrze o integracji ERP z CRM.

Jakie dane w CRM muszą być kompletne, żeby prognoza sprzedaży nie kłamała?

Kiedy zarząd mówi „nie ufam tej prognozie”, zwykle nie ma na myśli modelu matematycznego. Ma na myśli dane. Prezes jednego z dystrybutorów, z którymi pracujemy, sam zbudował sobie raporty miesięczne i tygodniowe z porównaniem miesiąc do miesiąca i rok do roku. Pierwsze, na co trafił, to rozbieżności w danych. Zanim ktokolwiek zaczął dyskutować o prognozie, trzeba było sprawdzić, czy konfiguracja poczty przechwytuje całą korespondencję handlowców i czy integracja nie gubi rekordów.

To typowa kolejność. Model prognozy można zbudować w jeden dzień. Doprowadzenie danych do stanu, w którym model liczy prawdę, trwa dłużej i wymaga decyzji, które są bardziej organizacyjne niż techniczne.

Które błędy w danych najczęściej zawyżają pipeline?

Z naszych warsztatów wynika, że najgroźniejsze nie są braki danych, tylko dane, które wyglądają na poprawne, a zawyżają lejek. Oto przypadki, które widzimy najczęściej:

• Oferty wariantowe liczone jak osobne szanse. Klient dostaje trzy warianty rozwiązania, a w lejku pojawiają się trzy pełnowartościowe oferty. Warianty trzeba oznaczać i powiązać z ofertą główną, żeby nie zawyżały wartości pipeline i nie psuły raportów konwersji. Jednocześnie nie warto automatycznie zamykać wszystkich wariantów po wygraniu jednego, bo klient może zaakceptować więcej niż jeden.
• Kosztorysy i wyceny orientacyjne w lejku sprzedażowym. W sprzedaży projektowej wstępna wycena dla architekta często służy tylko wpisaniu produktu do dokumentacji. To nie jest zobowiązanie zakupowe, więc wymaga osobnego oznaczenia i osobnego modelu raportowania.
• Odroczone decyzje wiszące w pipeline miesiącami. Jeśli klient przesuwa decyzję na długo, lepiej zamknąć ofertę z odpowiednim powodem i terminem ponownego kontaktu niż trzymać ją w otwartym lejku. Gdy klient wróci, aktualizuje się istniejącą ofertę.
• Kilka kontaktów z jednej firmy liczonych jako osobne szanse. U siebie wprowadziliśmy etykietę „główny kontakt firmy”, żeby trzy osoby z tej samej organizacji nie były raportowane jako trzy SQL.
• Raporty liczone po dacie utworzenia kontaktu. Konwersje trzeba liczyć po dacie wejścia w etap. Data utworzenia rekordu nie pokaże, kiedy uśpiony od roku kontakt został ponownie aktywowany.
• Mieszanie nowych klientów z upsellem. Lejek pozyskania nowych firm i lejek sprzedaży do obecnych klientów mają inne etapy, inne konwersje i inną dynamikę. Liczone razem zniekształcają zarówno konwersję, jak i planowanie.
• Kontakty spoza ICP w kalkulacji. W naszym lejku kalkulacja zapotrzebowania opiera się wyłącznie na MQL zgodnych z profilem idealnego klienta, a SQL wymaga zgodności z ICP, powiązanej firmy, służbowego adresu e-mail i odbytego spotkania. Kontakt bez tych elementów nie powinien w ogóle trafić do prognozy.

Jak utrzymać dyscyplinę danych w CRM bez biurokracji?

Każdy dyrektor sprzedaży zna ten dylemat: im więcej pól wymusimy, tym lepsze dane, ale tym większy opór zespołu. Rozmawiając wewnętrznie o tym, gdzie przebiega granica między biurokracją a standardem danych, doszliśmy do wniosku, że trzeba zacząć od drugiej strony. Pytanie brzmi: jakie liczby muszą wyświetlać się członkowi zarządu, żeby był spokojny i nie musiał dopytywać sprzedaży?

Odpowiedź okazała się krótka. Zarząd potrzebuje wiedzieć, jakie transakcje wchodzą, z jakim prawdopodobieństwem, na które miesiące i w jakiej kwocie, oraz czy liczba szans w lejku wystarcza do pokrycia celu. Wszystko, czego wymaga ta odpowiedź, jest obowiązkowe: właściciel szansy, kwota, planowana data zamknięcia, etap i kolejny krok. Reszta to dane, które pomagają zespołowi w pracy, ale nie są warunkiem prognozy.

Działa tu zasada „mniej znaczy więcej”. Na jednym z warsztatów z producentem zwracaliśmy uwagę, że przy starcie projektu każdy chce mieć w CRM wszystkie możliwe informacje, a po kilku miesiącach w systemie jest kilkaset właściwości, których nikt nie aktualizuje. Lepiej wybrać kilka pól, które naprawdę coś mówią, i pilnować ich bezwzględnie. Mechanikę wymagania pól przy zmianie etapu i pilnowania kolejnego kroku najlepiej zaszyć wprost w procesie w CRM, tak aby system sam wymuszał uzupełnienie danych, zanim szansa przejdzie dalej.

Osobny temat to zaufanie handlowców do danych systemowych. W firmie dystrybucyjnej, w której zautomatyzowano porównywanie cen dostawców, handlowcy przez miesiąc podważali wyniki. Gdy pojawił się rzekomy błąd, okazało się, że ktoś po prostu nie wczytał najnowszego cennika. Zaufanie do liczb nie bierze się z deklaracji, tylko z tego, że każde zgłoszenie rozbieżności jest sprawdzane i wyjaśniane.

Uwaga

Jeśli zarząd nie ufa prognozie, nie zaczynaj od zmiany modelu. Zacznij od audytu danych: czy każda otwarta szansa ma właściciela, kwotę, datę zamknięcia i etap zgodny z rzeczywistością, czy warianty i kosztorysy są oznaczone oraz czy integracja z ERP i skrzynki pocztowe przechwytują pełną korespondencję. Model zbudowany na niekompletnych danych tylko szybciej liczy błędny wynik.

Jak zbudować model prognozy sprzedaży na lejku i konwersjach?

Najbardziej intuicyjny model prognozy nie zaczyna się od pipeline, tylko od lejka w liczbach. Jeśli wiesz, ile kontaktów przechodzi z etapu do etapu i ile to trwa, możesz policzyć, ile sprzedasz z tego, co już masz w bazie, oraz ile musisz wygenerować, żeby dowieźć cel.

Jak wygląda lejek od leada do klienta w liczbach?

Na warsztacie integracji marketingu i sprzedaży z jednym z producentów pokazywaliśmy model, na którym pracujemy we własnym lejku. Podstawą jest wspólny język, bo bez jednolitych definicji każdy dział liczy co innego:

• Lead, czyli kontakt, który trafił do CRM, ale nic jeszcze o nim nie wiemy.
• MQL, czyli kontakt, który zapoznaje się z treściami i pasuje do profilu klienta, ale nie jest jeszcze gotowy do rozmowy handlowej.
• SQL, czyli kontakt, który sam wyraził chęć rozmowy o konkretnej współpracy.
• Opportunity, czyli szansa sprzedaży z konkretną potrzebą i otwartą transakcją.
• Klient, czyli podpisana umowa i przekazanie do realizacji.

Etap cyklu życia klienta zmienia się tylko do przodu, bo odzwierciedla poziom świadomości kontaktu. Każdy etap ma też swojego właściciela: leady prowadzi marketing, MQL marketing razem ze wsparciem sprzedaży, SQL i szanse sprzedaż, a klienta dział realizacji. Tak zbudowany lejek można opisać liczbami. Poniższe wartości są przykładowe i służyły do pokazania mechaniki modelu:

Z takiej tabeli wynika bezpośrednio model prognozy: jeśli z 25 MQL w kwartale powstaje jeden klient, to aktywne MQL w bazie mówią, ilu klientów możesz realnie spodziewać się w kolejnym okresie. Nie z deklaracji handlowca, tylko z historii tego samego lejka.

Jak zaplanować sprzedaż od celu finansowego, odwracając lejek?

Ten sam model działa w drugą stronę i tu zaczyna się prawdziwe planowanie. Mariusz Gliński, CEO BusinessWeb, opisuje to jako sztafetę, która zaczyna się od końca. Najpierw zarząd ustala, ile firma chce zarobić w miesiącu. Z tego wynika, ile transakcji i o jakiej wartości jest potrzebnych, a z konwersji wynika, ile potrzeba szans, SQL, MQL i działań marketingowych. Zarząd jest w tej sztafecie trenerem: wyznacza czas, w jakim trzeba przebiec dystans, i sprawdza, który biegacz tracił tempo.

Przykład z tego samego lejka: jeśli w kwartale 25 MQL dało jednego klienta, a firma chce mieć w następnym kwartale dwóch klientów więcej, czyli trzech, marketing musi dostarczyć 75 MQL. To o 50 więcej niż dotąd. Rachunek jest prosty:

potrzebne MQL = docelowa liczba klientów ÷ konwersja MQL do klienta, czyli 3 ÷ 4% = 75.

W firmie produkcyjnej lub dystrybucyjnej ten rachunek warto rozbić na grupy produktowe i typy klientów, bo każda grupa ma inną średnią wartość transakcji i inną konwersję. Dopiero wtedy odwrócony lejek staje się planem, z którego marketing, wsparcie sprzedaży i handlowcy mogą wyczytać swoje cele. Szerzej o budowie takiego lejka w realiach wytwórczych piszemy w artykule o procesie sprzedaży i lejku w firmie produkcyjnej.

Jak liczyć prognozę przy szybkiej sprzedaży transakcyjnej?

Nie każda firma z ERP sprzedaje w długim cyklu. Jeden z dystrybutorów, z którymi pracujemy, przetwarza setki ofert tygodniowo, z których część kończy się zamówieniem, a firma pilnuje docelowej skuteczności ofertowania. W takim modelu nie prognozuje się pojedynczych transakcji, tylko strumień:

prognoza tygodnia = liczba ofert × skuteczność ofertowania × średnia wartość zamówienia

Każdy z trzech czynników ma swojego właściciela i swoje dźwignie. Liczba ofert zależy od aktywności i prospectingu, skuteczność od ceny, dostępności i jakości obsługi, a średnia wartość od polityki cenowej i doboru oferty. W tej samej firmie oferty poniżej ustalonego progu wartości nie były aktywnie obsługiwane przez handlowców. To świadoma decyzja, ale każda taka decyzja powinna mieć swoje miejsce w modelu: albo ten segment obsługuje automatyzacja lub platforma B2B, albo trzeba go wprost wyłączyć z prognozy.

Skąd wziąć współczynniki konwersji, żeby prognoza była na faktach, a nie na czuciu?

Współczynniki konwersji nie mogą pochodzić z intuicji ani z branżowych benchmarków. Muszą pochodzić z twojego lejka. W jednym z kwartalnych raportów naszego lejka, liczonym w rozbiciu na źródła kontaktów, całościowa konwersja end-to-end była kilkuprocentowa, a średni czas przejścia całej ścieżki liczony w tygodniach. Taki raport od razu mówi, ile klientów można się spodziewać z określonej liczby leadów, jeśli rynek się nie zmieni, i jak długo trzeba na nich czekać.

Trzy zasady, których pilnujemy przy liczeniu konwersji:

1. Licz po dacie wejścia w etap, a nie po dacie utworzenia rekordu.
2. Licz osobno dla źródeł i segmentów, bo webinar, targi i zapytanie ze strony konwertują zupełnie inaczej. Każda transakcja powinna dziedziczyć źródło z kontaktu, żeby dało się prześledzić drogę od źródła do faktury.
3. Traktuj pierwszy kwartał jako kalibrację. Jeśli firma nie ma historii zapisanej jeden do jednego, pierwsze konwersje są przybliżeniem. Dane historyczne z ERP, zwłaszcza sezonowość zamówień, pomagają je urealnić, zanim CRM zbierze własną historię.

Wskazówka

Sama liczba leadów niczego nie prognozuje. W żartach mówimy, że artykuł o regeneracji trawnika po zimie wygeneruje tysiące kontaktów i zero sprzedaży. Do modelu prognozy wchodzą tylko kontakty zgodne z ICP, a skuteczność marketingu mierzy się tym, ile z nich przechodzi dalej w lejku, a nie tym, ile ich powstało.

Jak Sales Velocity i kategorie commit, pipeline, best case porządkują forecast sprzedaży?

Model lejka odpowiada na pytanie „ile”. Zarząd potrzebuje jednak odpowiedzi także na pytania „jak szybko” i „z jaką pewnością”. Do tego służą dwa narzędzia, które w firmach z ERP są stosowane zaskakująco rzadko: Sales Velocity i kategorie prognozy.

Wyjaśnienie

Sales Velocity to wskaźnik tempa, w jakim lejek zamienia się w przychód. Liczy się go jako iloczyn liczby otwartych szans, średniej wartości wygranej transakcji i współczynnika wygranych, podzielony przez średnią długość cyklu sprzedaży w dniach. Wynik pokazuje, ile przychodu lejek generuje średnio w ciągu jednego dnia.

Co Sales Velocity mówi zarządowi, czego nie mówi sama suma pipeline?

Suma wartości ofert w lejku mówi, ile teoretycznie jest do zdobycia. Sales Velocity mówi, w jakim tempie to realnie spływa. Wzór ma cztery dźwignie i każda z nich ma właściciela w organizacji:

• liczba szans, za którą odpowiadają marketing, prospecting i handlowcy,
• średnia wartość transakcji, na którą wpływa polityka cenowa, dobór oferty i kontrola rabatów,
• współczynnik wygranych, czyli jakość kwalifikacji i prowadzenia szans,
• długość cyklu, czyli dyscyplina kolejnych kroków i szybkość reakcji.

Długość cyklu jest w mianowniku, więc działa szczególnie mocno. Jeśli pozostałe czynniki się nie zmieniają, skrócenie cyklu o jedną trzecią zwiększa Sales Velocity o połowę. U siebie pracujemy właśnie z raportem Sales Velocity dostępnym w HubSpot Sales Professional. Pokazuje on, jak założone skrócenie cyklu sprzedaży wpływa na biznes i czy faktycznie idziemy w tym kierunku. Dla zarządu to cenna zmiana perspektywy: wzrost nie musi oznaczać wyłącznie większego budżetu marketingowego.

Jak grupować etapy lejka w kategorie commit, pipeline i best case?

Prognoza oparta wyłącznie na prawdopodobieństwie etapów ma jedną słabość. Firmy z ERP rzadko mają jeden proces sprzedaży. Nowy klient przechodzi przez analizę potrzeb, ofertę i negocjacje, a upsell do obecnego klienta często pomija część tych kroków. Jeden proces może mieć dziesięć etapów, drugi sześć. Jak je zsumować w jednej prognozie?

Odpowiedzią są kategorie prognozy. Etapy różnych lejków przypisuje się do wspólnych kategorii, na przykład dwa etapy z jednego procesu i trzy z drugiego trafiają do tej samej kategorii, a zarząd widzi łączny wynik. Jak zauważa Michał Myszkowski, konsultant BusinessWeb odpowiedzialny u nas za rutyny menedżerskie, takie grupowanie ma sens przede wszystkim wtedy, gdy w organizacji działają co najmniej dwa wyraźnie różne procesy sprzedaży. Dodatkowo prawdopodobieństwo można nadpisać na poziomie pojedynczej transakcji, gdy handlowiec i menedżer mają wiedzę, której etap nie oddaje.

Przypisanie konkretnych etapów do kategorii ustala się dla każdej firmy osobno, najlepiej na podstawie historycznych konwersji z poprzedniej sekcji. Sposób technicznego ustawienia kategorii i celów w narzędziu forecast opisaliśmy w osobnym artykule o prognozowaniu sprzedaży w HubSpot, więc tutaj go nie powtarzamy.

Jak skrócić cykl sprzedaży, żeby prognoza rosła bez dokładania leadów?

Cykl sprzedaży wydłużają głównie przerwy, w których nic się nie dzieje. Oferta wysłana, klient milczy, handlowiec zajęty pilniejszymi tematami. W firmie handlowej, z którą projektowaliśmy lejek, ustaliliśmy wyniki follow-upu: klient zainteresowany, potrzebna zmiana oferty, decyzja odroczona, oferta wygrana, oferta przegrana, brak kontaktu. Dla każdego wyniku system sam wyznacza datę kolejnego kontaktu: krótszą po wysłaniu próbek, dłuższą po przesłaniu samych materiałów informacyjnych.

Ważne jest też, czym follow-up nie jest. Automatyczne przypomnienie mailowe go nie zastępuje. Celem follow-upu jest uzyskanie konkretnej informacji zwrotnej i ustalenie kolejnego kroku. Podobnie działa status leada w naszym lejku: gdy kontakt zapyta o ofertę i nie dostanie odpowiedzi, system od razu to sygnalizuje. Ciepłe zapytania nie mogą czekać, bo klient w tym samym czasie rozmawia z konkurencją, a wygrywa ten, kto obsłuży go szybko i dobrze.

Jak prognoza sprzedaży zasila planowanie w firmie produkcyjnej?

Jednym z trzech zadań Revenue Intelligence w modelu REV.BW jest dostarczanie produkcji i finansom realnej wiedzy o tym, co zostanie sprzedane w kolejnych miesiącach, tak aby można było planować zasoby. Planowanie materiałowe w ERP liczy zapotrzebowanie z potwierdzonych zamówień. Oferty w negocjacjach dla niego nie istnieją. Prognoza z CRM wypełnia tę lukę, jeśli jest podana w formie, którą planista i dział zakupów potrafią wykorzystać.

Jakie dane z pipeline powinien widzieć planista i dział zakupów?

Planista nie potrzebuje listy wszystkich otwartych szans. Potrzebuje kilku przekrojów:

• transakcji w kategorii commit w podziale na miesiące i grupy produktowe, jako podstawy planu,
• transakcji best case jako scenariusza, na który warto mieć rezerwę mocy lub materiału,
• danych projektowych: rodzaju produktu, ilości, terminu realizacji i budżetu, które w sprzedaży inwestycyjnej są znane na długo przed zamówieniem,
• powodów przegranych ofert, bo część z nich to sygnał dla zakupów i logistyki, a nie dla sprzedaży.

Ostatni punkt dobrze widać u wspomnianego dystrybutora. Co tydzień analizowane są kody przegranej ofert. Powód „zbyt wysoka cena” regularnie odpowiadał za istotną część wartości przegranych ofert, a zestawienie pozycji, których zabrakło na magazynie, trafiało bezpośrednio do działu zakupów. Prezes tej firmy nazwał to wprost problemem zarządczym, a nie handlowym: odpowiedzią ma być przejście od zakupów porównawczych do świadomego targetowania dostawców. Tak dane z CRM zaczynają wpływać na decyzje operacyjne, zanim ERP pokaże spadek sprzedaży. Konsekwencje decyzji podejmowanych na niewiarygodnych prognozach, od przezapasowania po luki w płynności, opisujemy w artykule o złych decyzjach zarządu przy niewiarygodnych danych sprzedażowych.

Warto też uporządkować same powody przegranych. W firmie handlowej przyjęliśmy krótką listę: brak zainteresowania, zbyt wysoka cena, wybór konkurencji, zmiana materiału, termin realizacji oraz „inne”, z komentarzem uzupełniającym. Brak dostępności towaru wliczono w termin realizacji. Zbyt szczegółowe komentarze utrudniają agregację, a częste użycie kategorii „inne” jest sygnałem, że listę trzeba zweryfikować.

Dlaczego sprzedaż projektowa potrzebuje osobnego lejka w prognozie?

Sprzedaż transakcyjna to szybki zakup. Projekt inwestycyjny to proces, który trwa miesiącami i angażuje wielu uczestników: inwestora, architekta, generalnego wykonawcę i podwykonawców. Wrzucenie obu rodzajów sprzedaży do jednego lejka psuje prognozę w obie strony. Szybkie transakcje wyglądają na wolne, a projekty zawyżają pipeline kosztorysami i wariantami.

Dlatego u klienta, który prowadzi oba typy sprzedaży, zaprojektowaliśmy osobny lejek projektowy z etapami: analiza projektu, propozycja rozwiązania, ofertowanie, negocjacje oraz realizacja albo rezygnacja. Projekt zakłada się już przy pierwszym rozpoznaniu inwestycji, nawet bez oferty. Zapisuje się w nim lokalizację, rodzaj inwestycji, produkt, ilość, termin realizacji, budżet i role uczestników. Oferty z ERP są powiązane z projektem, ale zachowują własny lejek. Projekt można odroczyć zamiast zamykać jako przegrany, a follow-up w projekcie monitoruje coś innego niż w ofercie: finansowanie, przetargi, wybór wykonawcy, pozwolenia i rozpoczęcie budowy.

Dla prognozy oznacza to dwie warstwy. Lejek transakcyjny zasila plan miesięczny. Lejek projektowy zasila plan kwartalny i roczny, w tym decyzje o mocach produkcyjnych i zapasach dla dużych realizacji.

Jak wpiąć prognozę sprzedaży w rytm zarządzania firmą?

Nawet najlepszy model prognozy przestaje działać, jeśli nikt regularnie na niego nie patrzy i nikt nie podejmuje na jego podstawie decyzji. Raport bez decyzji to strata papieru. Dlatego ostatnim elementem modelu jest rytm: kto, kiedy i na jakie liczby patrzy oraz co się dzieje, gdy wskaźnik zmienia kolor.

Jakie wskaźniki prognozy potrzebuje zarząd, a jakie menedżer i handlowiec?

Na spotkaniu diagnostycznym z zarządem dystrybutora ustaliliśmy zasadę, którą stosujemy u wielu klientów: raporty dzielimy na trzy poziomy. Zespół potrzebuje wiedzieć, czy pracuje efektywnie. Menedżer potrzebuje wiedzieć, czy efektywnie pracuje zespół. Zarząd potrzebuje wiedzieć, czy efektywnie działa cała sprzedaż. To nie mogą być te same raporty. Prezesa nie interesuje, że jeden handlowiec wykonał kilkanaście telefonów i wysłał kilkanaście maili, bo to samo w sobie nie wpływa na wynik firmy.

Im wyżej, tym raport powinien być chudszy. Skrajny przypadek, który opisywał Michał Myszkowski, to firma produkcyjna produkująca wyłącznie pod zamówienie, w której zarząd patrzy na jeden parametr: liczbę wyprodukowanych opakowań. Jeśli jest za niska, zarząd pyta, czy zawiodła sprzedaż, czy produkcja. Nie każda firma zejdzie do jednego parametru, ale każda powinna wiedzieć, które trzy lub cztery liczby mówią zarządowi, czy prognoza się broni. Dobór takich wskaźników omawiamy szerzej w artykule o wskaźnikach KPI sprzedaży B2B.

Raporty nie mogą też pozostawać niezmienne. Jeśli po pół roku firma ma dokładnie te same zestawienia co na starcie, najczęściej znaczy to, że nikt do nich uważnie nie zagląda. Każdy dobry raport rodzi kolejne pytanie, a kolejne pytanie wymaga nowego raportu.

Jak prowadzić cotygodniowy przegląd prognozy i listę priorytetów?

Przegląd prognozy wymaga stałego miejsca w kalendarzu. Konkretny dzień i godzina, obecność obowiązkowa, agenda przechodząca parametr po parametrze. Rozmowa o sprzedaży „przy okazji”, bo menedżer siedzi z zespołem w jednym pokoju, nie jest zarządzaniem. W przeglądzie pomaga prosta logika świateł. Zielony wskaźnik nie wymaga dyskusji. Czerwony wymaga informacji od odpowiedzialnego menedżera, dlaczego tak się stało, i przede wszystkim planu, co zespół robi dalej.

Mariusz Gliński opisywał to na przykładzie naszych własnych wskaźników. Jeśli marketing ma tygodniowy cel liczby SQL, a kolejne tygodnie przynoszą go coraz niżej, to czerwona flaga i temat trafia na listę priorytetów. Lista może mieć dziesięć pozycji, ale zespół zajmuje się naraz trzema najważniejszymi. Każda pozycja ma właściciela i działania, a przy trudniejszych tematach zespół menedżerski, wraz z osobami z magazynu czy dostaw, siada na godzinę i rozpracowuje problem. Cała lista jest co tydzień zestawiana z celem kwartalnym, który działa jak kamień milowy.

Jest też ograniczenie techniczne, o którym warto wiedzieć. CRM pokazuje stan na dziś, a praca z listą priorytetów wymaga ujęcia historycznego: jak wskaźnik wyglądał tydzień, dwa i pięć tygodni temu oraz co w tym czasie zrobiono. Dlatego część tej pracy prowadzi się w zestawieniu tygodniowym obok CRM albo w narzędziach do obróbki danych połączonych z HubSpot. Praktyczne formaty takich spotkań opisujemy w artykule o raportowaniu działań sprzedażowych.

Kto odpowiada za to, żeby prognoza była aktualna?

Odpowiedzialność rozkłada się tak jak w sztafecie. Każdy etap lejka ma właściciela, który wie, kiedy przejmuje kontakt i komu przekazuje go dalej. Marketing odpowiada za leady i MQL, wsparcie sprzedaży za kwalifikację do SQL, handlowiec za szanse i ich dane, menedżer za jakość prognozy zespołu, a zarząd za cel i reakcję na czerwone wskaźniki.

Najwięcej zmienia praca menedżera jeden na jeden. Ogólne „postaraj się w przyszłym miesiącu” nie działa, bo handlowiec wychodzi ze spotkania bez pojęcia, co konkretnie ma zrobić. Działa zadanie: zrób listę wszystkich swoich szans, przejdziemy je razem i ustawimy telefony, żebyś każdą albo popchnął, albo zamknął. Po takim przeglądzie w lejku zostają szanse realne, a prognoza przestaje być sumą nadziei. System pamięta, pilnuje i przypomina. Handlowiec sprzedaje.

Od czego zacząć budowę prognozy sprzedaży w firmie z ERP?

Prognoza sprzedaży w firmie z ERP nie wymaga wymiany ERP ani budowy skomplikowanych modeli statystycznych. Wymaga uporządkowanych danych w CRM, lejka opisanego liczbami, dwóch prostych narzędzi do oceny tempa i pewności oraz rytmu, w którym ktoś regularnie na te liczby patrzy i podejmuje decyzje. Kolejność ma znaczenie: najpierw wspólne definicje etapów i dyscyplina danych, potem konwersje liczone na własnej historii, a dopiero na końcu narzędzie forecast i kategorie prognozy. ERP pokazuje, co było. Dobrze zbudowana warstwa nad ERP pozwala zarządzać tym, co będzie. Więcej materiałów na ten temat znajdziesz w klastrze zarządzanie sprzedażą.

Najczęściej zadawane pytania

Kim jesteśmy

BusinessWeb to certyfikowany Partner HubSpot o najwyższym statusie Elite. Dla firm produkcyjnych, dystrybucyjnych i handlowych pracujących na ERP wdrażamy REV.BW - gotowy model CRM na HubSpot zintegrowany z systemem ERP, który daje kontrolę nad pipeline'em i prognozą przychodów bez ruszania logiki ERP. Ponad 200 wdrożeń od 2018 roku, 96% klientów zostaje z systemem.