重み付けされたシグナル駆動型フォーキャストの構築方法

標準的な営業フォーキャストは、誰もが信じることに同意しているある架空の前提の上に成り立っています。ステージ3にある案件は、その案件で実際に何が起きているかにかかわらず、例えば40パーセントというような固定のクロージング確率を持つ、というものです。パイプラインにステージごとのパーセンテージを掛け合わせ、合計し、それをフォーキャストと呼びます。それはシンプルで監査可能ですが、毎四半期フォーキャストの担当者の信頼性を損なうほど頻繁に間違っています。

重み付けされたシグナル駆動型フォーキャストは、ステージによる当て推量を、案件が実際に何をしているかに基づく確率に置き換えます。買い手がどう関与しているか、何人が関わっているか、クロージング予定日が守られているか。ここでは、データサイエンスチームなしにそれを構築する方法を示します。

ステージ計算が失敗する理由

それは、ステージの位置がクロージング確率のまともな代理指標であると仮定していますが、そうではありません。理由は2つあります。

ステージは主観的です。レップはマネージャーを黙らせるために、買い手がまったく動いていなくても案件をステージ4まで引きずり込むことができます。結局、ステージはレップの楽観度を測っているにすぎません。

そして固定パーセンテージは、あるステージ内のばらつきを無視します。同じステージにある2つの案件は、まったく似ていないことがあります。一方は関与しているエコノミックバイヤーがおり、署名済みの相互行動計画があり、クロージング予定日が6週間守られ続けています。もう一方はシングルスレッドで、20日間ミーティングがなく、すでに一度延期されています。ステージ計算はそれらを同じ価値として扱います。どちらかの案件に関わったことのある人なら誰でも、一方が他方の何倍もの価値があることを知っており、データもそれに同意します。

これがフォーキャストの精度：なぜこれほど悪いのか、どう直すかで扱われている問題の根本です。解決策は、ステージではなくエビデンスによって重み付けすることです。

クロージングを実際に予測するシグナル

シグナル駆動型フォーキャストは、歴史的に勝利と結びついてきた行動によって各案件を重み付けします。私たちの経験で最も重みを持つカテゴリーは次の通りです。

• エンゲージメントの勢い。意味のある買い手とのやり取りがどれくらいの頻度で、どれくらい最近あったか、そしてそれが上昇傾向か下降傾向か。
• マルチスレッドの深さ。何人のステークホルダーが関わっているか、そして何よりも、エコノミックバイヤーがその中に含まれているかどうか。シングルスレッドの後期段階案件は、最良の失注予測因子の1つです。
• 買い手側からのコミットメントの証拠。相互行動計画、スケジュールされたセキュリティレビュー、調達部門の関与。インテントの確固たる証拠です。
• タイミングの整合性。クロージング予定日は守られているか、それともすでに動いたか。スリッページは見つかる中で最も強いネガティブシグナルの1つであり、案件のスリッページ問題がその予測方法を掘り下げています。
• トライアルおよびPLGにおけるプロダクトシグナル。評価期間中の利用の深さと広さ。

これらのシグナルはすでにあなたのシステムの中に存在しています。ただ、フォーキャストに供給されていないだけです。それらを確実に捕捉することは、本物の意思決定のためにファネルを計測するで示されている基盤です。

モデルを構築する

機械学習をまったく使わずに、信頼できる最初のバージョンを稼働させることができます。

1. シグナルを棚卸しする。今日確実に捕捉できる行動シグナルをリストアップします。最初は5から8個で十分です。
2. 履歴から重みを割り当てる。過去の受注案件と失注案件を振り返り、それぞれのシグナルがクロージング確率をどれだけ動かしたかを推定します。あなた自身の履歴に基づく大まかな重みは、固定のステージパーセンテージに常に勝ります。
3. 各進行中の案件をスコアリングする。そのシグナルを組み合わせて調整済み確率を出します。ステージ3の案件は、エビデンス次第で15パーセントから70パーセントのどこにでも位置づけられます。
4. 幅にロールアップする。重み付けされた値を合計し、誤った精度を持つ1つの数字ではなく、控えめ、期待、楽観的の3つを提示します。
5. コミット、フォーキャスト、アップサイドを別々のアウトプットとして維持し、経営陣が確信度の勾配を見られるようにします。
6. バックテストする。過去4四半期に対してモデルを再生します。それがその結果を予測できていなかったなら、予測できるようになるまで重みを変更します。そして次の四半期にまた繰り返します。

後になれば、手動調整された重みは、あなた自身の履歴から学習するモデルに道を譲ることができます。しかし重要なのは確率をエビデンスに根拠づけることであり、その規律は数学の洗練度よりも重要です。

それが行動を変えるようにする

モデルは、パイプラインレビューを変えて初めて存在価値があります。その転換は問いの中にあります。「これはどのステージにあるか」ではなく、「エビデンスは何を語っているか、そして何がそれを動かすか」を問うのです。弱いシグナルにフラグが立てられた案件には、具体的な介入が用意されます。エコノミックバイヤーを部屋に呼び戻す、相互行動計画を確保する、タイムラインを確認する。フォーキャストは受動的な予測であることをやめ、数字を改善するであろうアクションのリストへと変わります。ここでフォーキャストはレベニューシグナルと次善のアクションと結びつきます。

このように構築されたフォーキャストの信頼性は、あなたのレベニューヘルススコアにも供給されます。シグナル駆動型のコミットが現実と一致し続けるチームは、ステージベースの希望的観測で運営しているチームよりも、明らかに健全なレベニューを持っており、CFOはその違いを見ることができます。

主なポイント

• ステージベースのフォーキャストが失敗するのは、ステージが主観的であり、固定パーセンテージがそのステージ内の膨大なばらつきを隠してしまうからである。
• エンゲージメント、マルチスレッド、買い手のコミットメントの証拠、予定日が守られているか、プロダクトの利用状況といった行動によって各案件を重み付けする。
• 始めるのに機械学習は必要ない。履歴に根ざした重みと4四半期に対するバックテストで十分だ。
• 幅を提示し、コミットとアップサイドを分けて保ち、その数字がどこから来たかを説明できるようにする。
• フォーキャストは、予測を副産物とした、やるべきことのリストとして読めるべきである。

フォーキャストをステージによる当て推量ではなくリアルタイムのシグナルに根ざすことは、レベニューオーケストレーションの中核的な約束です。パイプラインは、あなたが眺めるスプレッドシートであることをやめ、あなたが操縦できるものになります。