Een score voor de 'kans op winnen' op een deal in je CRM is óf het nuttigste cijfer op de pagina óf het meest genegeerde, en het verschil zit niet in de berekening. Het gaat erom of de score weerspiegelt wat daadwerkelijk een sluiting voorspelt in jouw specifieke verkooppijplijn, of dat het een generiek model is dat is overgenomen van het gemiddelde klantenbestand van een leverancier. Dit onderscheidt een functie voor de kans op winnen die vertrouwen verdient van een functie die slechts decoratie is.
Waarom de meeste scores voor de kans op winnen worden genegeerd
Een score die alleen is gebaseerd op de fase en het aantal dagen in die fase, behandelt elke deal in 'Voorstel verstuurd' alsof die even waarschijnlijk wordt gesloten, ongeacht wie de koper is, of een voorvechter stil is gevallen, of de deal al twee keer een kwartaal is doorgeschoven. Vertegenwoordigers merken al snel dat het cijfer niet overeenkomt met de werkelijkheid en zodra dat vertrouwen wegvalt, kijkt niemand meer naar die kolom; die wordt slechts behang op de dealpagina.
Hoe een echt waardevolle versie er in plaats daarvan uitziet
Een bruikbare score heeft signalen nodig die specifiek zijn voor hoe deals binnen jouw team werkelijk verlopen: de recentheid van de betrokkenheid (is de koper stilgevallen), multi-threading (is er meer dan één contactpersoon, of hangt de hele deal aan één persoon), de dealsnelheid ten opzichte van je eigen historische gemiddelde en conversiepercentages van fase naar fase, gebaseerd op je werkelijke historie van gewonnen en verloren deals, niet op een branchebenchmark. Het model moet ook regelmatig opnieuw aan de uitkomsten worden getoetst; een score die vorig jaar accuraat was maar niet opnieuw is getraind op de deals die dit jaar zijn gesloten, zal ongemerkt steeds onjuister worden.
Prognoses: dealscores omzetten in een cijfer waar het management mee kan werken
Weegt elke open deal af tegen je eigen historische sluitingspercentages per fase, in plaats van tegen een vlakke kans op basis van het branchegemiddelde, voordat die wordt meegenomen in het cijfer voor dit kwartaal.
Bekijk Hannah →Het probleem met gegevenshygiëne onder elke score
Een winstkansscore is slechts zo goed als de CRM-velden die de score voeden. Deze analyse brengt de verkeerd gemarkeerde fase of verouderde registratie aan het licht die stilletjes de nauwkeurigheid van het hele model omlaag haalt.
Bekijk Corvin →Hoe een salesmanager de score daadwerkelijk moet gebruiken
Gebruikt de score om aan te geven voor welke deals deze week een echt coachingsgesprek nodig is, in plaats van het getal blind te vertrouwen of volledig te negeren.
Bekijk Daniel →Vragen die je moet stellen voordat je de score van een leverancier vertrouwt
Vraag op welke gegevens het model daadwerkelijk wordt getraind en of het is getoetst aan je eigen historische gegevens over gewonnen en verloren deals of aan een algemene dataset. Vraag hoe vaak het opnieuw wordt getraind. Let ook op wat er met de score van een deal gebeurt wanneer een interne voorvechter twee weken stil blijft. Als het getal niet verandert, modelleert het niet echt het risico, maar alleen de fase en datum.
Veelgestelde vragen
Moeten verkopers ooit een winstkansscore aanpassen? Ja, een verkoper die weet dat de koper is afgehaakt, beschikt over informatie die het model nog niet heeft. Die context moet worden vastgelegd in plaats van het getal stilzwijgend te vertrouwen of te negeren.
Hoe vaak moet het model opnieuw worden getraind? Minimaal elk kwartaal, omdat sluitingspercentages en koopgedrag veranderen. Een score die op verouderde gegevens is getraind, raakt ongemerkt steeds verder van de werkelijkheid verwijderd.
Is een winstkansscore nuttig voor een kleine verkooppijplijn? Er zijn genoeg historische gewonnen en verloren deals nodig om de score betekenisvol te maken. Een team met minder dan enkele tientallen gesloten deals moet elke score beschouwen als een ruwe schatting, niet als een hard getal.
