Styremøtet nærmer seg, og daglig leder ber salgssjefen om et anslag for neste kvartal. Salgssjefen åpner pipelinen, ser en sum som virker for høy, ringer rundt til selgerne og spør hva de tror. Tallet som havner i presentasjonen, er et kompromiss mellom optimisme, magefølelse og det som virker trygt å si høyt.
Tre måneder senere stemmer det ikke. Det overrasker ingen.
En treffsikker salgsprognose forutsetter at alle aktive avtaler ligger i CRM-et med riktig beløp, riktig fase og en realistisk forventet lukkedato, og at selgerne vurderer dem etter de samme kriteriene. Bedre prognoser handler derfor mindre om avanserte modeller og mer om ryddige data, tydelige faste faser og en fast rytme der ledelse og selgere går gjennom tallene sammen.
Det er en trøst for mange. Problemet er sjelden at bedriften mangler et verktøy for å regne. Problemet er at det verktøyet regner på, ikke er til å stole på.
Utfordringen er utbredt. En undersøkelse fra Gartner viste at bare 45 prosent av salgsledere og selgere hadde høy tillit til hvor treffsikre prognosene i egen organisasjon var. Dårlig datakvalitet var blant de viktigste forklaringene.
Når jeg ser på hvorfor prognoser slår feil i små og mellomstore B2B-selskaper, er det sjelden én stor feil. Det er mange små, som tilsammen utgjør feilene.
Avtaler mangler beløp, eller beløpet er et tall selgeren satte inn i første møte og aldri endret. Forventet lukkedato blir skjøvet en måned frem hver gang den passeres, uten at noen spør hvorfor. Faser betyr ulike ting for ulike selgere, slik at én selgers «Forhandling» er en annens «Første møte». Og avtaler som egentlig er døde, blir liggende fordi ingen har bedt om å få dem ryddet.
Hver av disse feilene er liten. Sammen gjør de pipelinen til en ønskeliste.
En god prognose ser på det samme salget fra flere vinkler. Når tallene sprikker, er det et signal om å se nærmere etter.
Hver fase får en sannsynlighet for at avtalen blir vunnet, og verdien av avtalene ganges med denne. Det gir et matematisk anslag. Det er bare så godt som sannsynlighetene, så de bør baseres på hvor mange avtaler som faktisk har gått videre fra hver fase hos dere, ikke på standardverdier.
Selgeren kjenner kunden og vet ting systemet ikke fanger opp. Ved å la selgerne plassere avtalene i kategorier som «sikker», «sannsynlig» og «mulig», får dere med denne kunnskapen uten at den blander seg inn i fasene.
Hvor stor andel av pipelinen ved starten av et kvartal ble faktisk vunnet i kvartalet? Hvis svaret over tid har vært rundt en tredjedel, og årets pipeline sier noe helt annet, er det verdt å spørre hva som er annerledes.
HubSpot har et eget prognoseverktøy i Sales Hub og Service Hub Professional og Enterprise. Som standard bruker det fasene i pipelinen og sannsynligheten knyttet til hver fase. Dere kan i tillegg sette opp prognosekategorier, slik at selgeren kan justere vurderingen basert på egen kunnskap om avtalen uten å endre hvilken fase den står i.
Selgerne kan levere sin egen prognose for en måned eller et kvartal, og lederen kan følge utviklingen mot målet per selger og per team. Verktøyet er laget for å brukes i en-til-en-samtaler, der leder og selger går gjennom avtalene sammen og blir enige om hva som må skje.
Det verktøyet ikke gjør, er å rydde dataene for dere. Står det feil beløp på en avtale, regner det på feil beløp.
Før prognosene kan bli bedre, må noen enkle regler sitte. De bør skrives ned, slik at alle tolker dem likt:
I HubSpot kan dere kreve at bestemte felt fylles ut før en avtale flyttes til en ny fase. Det er et lite grep som fjerner mye støy.
Den største forskjellen ligger ofte ikke i systemet, men i hvor ofte det brukes. Bedrifter med gode prognoser ser på pipelinen hver uke, ikke bare når styret spør. Gjennomgangen er kort og konkret: hva har endret seg siden sist, hvilke avtaler har flyttet seg, hvilke har stått stille, og stemmer selgerens vurdering med det systemet viser?
Når dette blir rutine, slutter prognosen å være en øvelse og blir et arbeidsverktøy. Ledelsen får tall de kan planlegge etter, og selgerne slipper å bli overrasket av spørsmål de ikke har forberedt seg på.
Det avhenger av salgsvolum og hvor lange salgsløpene er. Et selskap med få, store avtaler vil alltid ha mer usikkerhet enn et med mange små. Det viktigste er at avviket blir mindre over tid, og at dere forstår hvorfor det oppstår.
Prognoseverktøyet krever Sales Hub eller Service Hub Professional eller Enterprise. På lavere nivåer kan dere fortsatt lage enkle rapporter over pipelinen og forventede lukkedatoer, men uten innleverte prognoser og prognosekategorier.
AI kan hjelpe med å finne mønstre og avtaler som skiller seg ut, men den bygger på de samme dataene som alt annet. Med mangelfulle beløp, feil faser og gamle lukkedatoer gir AI bare et raskere feil svar.
Jeg hjelper små og mellomstore B2B-selskaper med å sette opp pipelines, faser og prognoser i HubSpot som gir ledelsen et ærlig bilde av hva som er på vei inn. Ta kontakt