In molte aziende B2B le previsioni di vendita nascono ancora così: ogni venditore indica le trattative che pensa di chiudere, il direttore commerciale le corregge a memoria, e il numero viaggia in un foglio Excel verso la direzione. Il CRM c'è, ma il forecast si costruisce fuori dal sistema.
Il risultato dipende dall'ottimismo di chi lo compila. Questo articolo descrive i quattro prerequisiti che lo rendono affidabile: stadi con criteri di uscita verificabili, probabilità calcolate sui dati storici, una pipeline pulita e una governance che misura l'errore.
Key takeaways
- L'accuratezza tipica del forecast resta fra il 70 e il 79%: il margine di miglioramento sta nel dato, più che nella formula.
- Uno stadio della pipeline vale per il forecast solo se l'ingresso richiede un'evidenza del cliente.
- Le probabilità per stadio si calcolano sui risultati storici, segmento per segmento, e si aggiornano ogni trimestre.
- La previsione ha un responsabile, una cadenza e un KPI di errore: senza misura, nessuno sa se sta migliorando.
Perché le previsioni di vendita sbagliano anche con un CRM
I benchmark sono poco rassicuranti. Secondo Gartner solo il 7% dei team commerciali raggiunge un'accuratezza del forecast pari o superiore al 90%, la mediana si colloca fra il 70 e il 79%, e il 69% dei responsabili sales operations intervistati sostiene che prevedere sia più difficile di tre anni fa (Fonte). Sul fronte dei risultati, l'84% dei commerciali dichiarava di aver mancato la quota dell'anno precedente e il 67% non si aspettava di raggiungere quella in corso, su un campione di 5.500 professionisti in 27 paesi (Fonte).
Questi numeri dipendono meno dall'assenza di un CRM che da come entra il dato. Quando la probabilità è il giudizio del venditore e la data di chiusura è la fine del trimestre, il sistema registra un'opinione. Il commerciale sovrastima per difendere la pipeline o sottostima per proteggere la quota, il manager applica una correzione personale, la direzione riceve un numero rielaborato due volte senza una regola nota. Migliorare le previsioni di vendita significa sostituire questi passaggi con regole scritte nel CRM.
Dal foglio Excel al CRM: dove si perde l'affidabilità
Nello State of Sales di Salesforce il forecast accurato è, a pari merito con la gestione della performance, il processo più penalizzato dalla scarsa qualità dei dati (39% dei professionisti). Fra chi non si fida dei dati aziendali, le cause più citate sono l'incompletezza (38%), la conservazione in formati diversi (37%), il mancato aggiornamento regolare (37%) e gli errori introdotti dagli aggiornamenti manuali (36%) (Fonte).
Sono i difetti del forecast costruito in un foglio. La previsione vendite Excel nasce da un'esportazione, viene corretta a mano e inoltrata; dal giorno dopo diverge dal sistema e nessuno sa quale versione sia quella vera.
Excel resta utile per simulare scenari a partire dal dato ufficiale, per esempio l'effetto di un ritardo sulle tre trattative più grandi. Il criterio è quello già applicato alla convivenza fra Excel e CRM: il foglio calcola, il CRM ricorda. Il numero che arriva alla direzione si legge nel CRM; il foglio serve a ragionarci sopra.
Fasi CRM vendita: stadi con criteri di uscita verificabili
Il forecast dipende soprattutto da come sono definiti gli stadi. Uno stadio descritto da un'attività del venditore ("proposta inviata") dice che cosa ha fatto l'azienda; uno descritto da una decisione del cliente ("budget confermato dal decisore") dice quanto è avanzata la trattativa. Solo il secondo produce probabilità stabili, perché l'ingresso richiede un'evidenza verificabile.
| Stadio | Evidenza richiesta per entrare | Errore tipico |
|---|---|---|
| Qualificazione | Esigenza dichiarata e referente con ruolo identificato | L'opportunità si apre dopo un primo contatto cordiale |
| Analisi dell'esigenza | Incontro con chi decide, criteri di scelta raccolti | L'interlocutore tecnico viene scambiato per il decisore |
| Proposta | Perimetro e budget di massima confermati dal cliente | La proposta parte prima che il budget esista |
| Negoziazione | Il cliente ha indicato la proposta come preferita e avviato l'iter d'acquisto | Lo stadio contiene tutto, dalla prima offerta alla firma |
| Chiusura prevista | Data di firma concordata con il cliente, iter legale o acquisti avviato | La data di chiusura coincide con la fine del trimestre |
Le fasi CRM vendita definite così cambiano la riunione commerciale: la domanda passa da "quanto è probabile?" a "quale evidenza abbiamo?", e un'opportunità senza evidenza torna allo stadio precedente.
Probabilità per stadio: dai dati storici, non dall'ottimismo
Con stadi stabili, la probabilità smette di essere un campo compilato a mano e si calcola sui risultati. Per ogni stadio si prende la quota di opportunità che, entrate in quello stadio negli ultimi quattro-otto trimestri, sono state poi vinte. La pipeline ponderata diventa una formula:
Pipeline ponderata = Σ (valore dell'opportunità × tasso storico di vittoria dello stadio)
Servono due accorgimenti. La segmentazione: un rinnovo e un nuovo cliente nello stesso stadio non hanno la stessa probabilità, così come fasce di valore diverse. E la revisione trimestrale, perché le probabilità cambiano con il mercato, l'offerta e la definizione degli stadi.
Il giudizio del venditore resta, ma nella categoria di forecast (commit, best case, pipeline), separato dalla probabilità statistica e confrontabile a consuntivo.
Pipeline hygiene: le regole che tengono pulito il dato
Una probabilità corretta applicata a opportunità che non esistono più produce comunque un numero sbagliato. L'igiene della pipeline è l'insieme di regole che impedisce al dato di invecchiare, e quattro bastano quasi sempre:
- Data di chiusura nel passato: un'opportunità con data superata va aggiornata o chiusa entro la settimana.
- Nessuna attività recente: oltre una soglia per segmento, per esempio trenta giorni, l'opportunità va in revisione.
- Permanenza oltre il tempo medio: oltre il doppio del tempo storico nello stadio, l'opportunità viene segnalata al manager.
- Campi minimi: valore, data di chiusura, stadio e decisore identificato sono obbligatori per comparire nel forecast.
La pulizia si fa prima della riunione di forecast, non durante: le eccezioni arrivano filtrate e la riunione discute le trattative, non i dati. Il carico sul team si riduce automatizzando la registrazione delle attività, come descritto per un'adozione del CRM senza data entry.
Governance e KPI: chi firma il forecast e come si misura l'errore
Il sales forecasting diventa affidabile quando è un processo con ruoli chiari. Il venditore aggiorna le opportunità; il manager verifica le evidenze e firma il forecast del team; la funzione RevOps possiede le regole (stadi, probabilità, igiene); la finanza restituisce lo scostamento a consuntivo. È lo stesso modello di responsabilità condivisa che regge un'organizzazione RevOps fra marketing, sales e service.
Quattro KPI misurano il forecast come qualunque altro processo:
| KPI | Formula | Che cosa segnala |
|---|---|---|
| Accuratezza del forecast | 1 − (scostamento assoluto fra consuntivo e previsione ÷ consuntivo) | Quanto il numero era vicino al risultato |
| Bias | Σ (previsione − consuntivo) su più periodi | Se l'errore va sempre nella stessa direzione |
| Slittamento | Opportunità con data di chiusura spostata ÷ opportunità previste nel periodo | Quanto sono credibili le date |
| Copertura | Pipeline ponderata ÷ obiettivo residuo del periodo | Se la pipeline basta a raggiungere il target |
Il bias è il dato più utile per correggere le probabilità: se resta positivo in un segmento, gli stadi sono troppo generosi o la categoria commit è usata con leggerezza. I quattro indicatori trovano posto in una sales dashboard dedicata al forecast, costruita sulle logiche dei modelli di dashboard di vendita e letta con la stessa cadenza della riunione commerciale.
Il ritorno economico passa da qui: una previsione con errore noto e decrescente permette di decidere assunzioni, investimenti e piani di cassa su un numero che non va più corretto a mente.
Conclusione
Le previsioni di vendita diventano affidabili quando il CRM smette di registrare opinioni e comincia a registrare evidenze. Stadi con criteri di uscita, probabilità calcolate sui risultati, regole di pulizia e un KPI di errore sono quattro scelte di progetto, prima ancora che di strumento. Nei progetti di Customer Platform, Digital360 Connect parte dalla definizione degli stadi insieme al team commerciale, perché è la decisione da cui dipendono tutte le altre.
Un punto di partenza concreto è misurare l'accuratezza degli ultimi quattro trimestri e confrontarla con la mediana di mercato: lo scostamento indica da quale leva cominciare.
Domande frequenti sulle previsioni di vendita
Come si fa una previsione di vendita nel CRM?
Si sommano le opportunità aperte ponderate per il tasso storico di vittoria del loro stadio, tenendo separate le categorie commit, best case e pipeline. La condizione è che gli stadi abbiano criteri di ingresso verificabili e che la pipeline venga pulita prima di ogni ciclo di forecast.
Qual è la differenza tra pipeline e forecast?
La pipeline è l'elenco delle opportunità aperte per stadio; il forecast è la stima di quanto se ne chiuderà in un periodo definito.
Come si calcola l'accuratezza del forecast?
Una formula semplice è 1 meno il rapporto fra lo scostamento assoluto (consuntivo meno previsione) e il consuntivo. Va affiancato dal bias, che indica se l'errore è sistematicamente in eccesso o in difetto.
Si può fare la previsione delle vendite in Excel?
Excel è adatto a simulare scenari sui dati esportati dal CRM. Come fonte del numero ufficiale introduce versioni divergenti e aggiornamenti manuali, fra le prime cause di sfiducia nei dati commerciali.