AI voor verkooppijplijn en -prognoses: Stop met raden wat er zal worden gesloten
Elk kwartaal hetzelfde spelletje. De verkoopleiding vraagt om een prognose. Reps zeggen dat ze deals zullen sluiten. Het management stelt de prognoses naar beneden bij omdat vertegenwoordigers altijd optimistisch zijn. Deals lopen mis. De prognose verandert wekelijks.
Niemand weet wat er echt gesloten gaat worden. Niet omdat verkopers liegen. Omdat het voorspellen van dealresultaten moeilijk is als je vertrouwt op buikgevoel en CRM-notities.
AI raadt niet. Het kijkt naar dealkenmerken en historische patronen. Het voorspelt de waarschijnlijkheid van een deal op basis van gegevens. Het markeert risicovolle deals voordat ze sneuvelen. Het vertelt je welke deals aandacht nodig hebben en welke ze vanzelf sluiten.
Je voorspelling is niet langer wishful thinking. Het begint gebaseerd te zijn op realiteit.
Het probleem: pijplijn vol met misschien
Uw CRM toont 50 open deals. Volgens de vertegenwoordigers zullen er dit kwartaal 30 gesloten worden. De geschiedenis zegt dat er 12 daadwerkelijk zullen sluiten. Maar welke 12? Dat weet niemand.
Deals zitten te lang in de pijplijn. Sommige gaan vooruit. Sommige stagneren en gaan dood. Sommige verrassen je en worden snel gesloten. Meestal weet je niet wat wat is totdat het voorbij is.
Salesmanagers besteden uren aan pijplijnbeoordelingen. "Wat is de status?" "Wanneer wordt het gesloten?" "Wat is het risico?" Dezelfde vragen, elke week andere antwoorden.
De voorspelling die je leiderschap geeft, is een beredeneerde gok. Soms zit je er dichtbij. Vaak niet. Aan het einde van het kwartaal wordt het een gevecht om het getal te halen.
Niet omdat je verkoopteam slecht is. Omdat mensen niet goed zijn in het voorspellen van waarschijnlijke uitkomsten over tientallen variabelen. AI is dat wel.
Wat AI doet voor verkooppijplijn en -prognoses
AI vervangt het verkoopoordeel niet. Het levert gegevens om dat oordeel beter te maken. Dit is hoe:
Dealwaarschijnlijkheidsscore
Elke deal krijgt een waarschijnlijkheidsscore gebaseerd op:
- Kenmerken van de transactie (omvang, type, complexiteit)
- Verkoopfase en tijd in fase
- Betrokkenheidsniveau (activiteit van belanghebbenden, reacties op e-mails, vergaderfrequentie)
- Historische patronen (welke deals als deze zijn er eigenlijk gesloten?)
- Concurrentiefactoren (één leverancier of concurrerende deal?)
De AI vergelijkt elke deal met duizenden deals uit het verleden. Deals met vergelijkbare kenmerken die zijn gesloten krijgen een hogere score. Deals die overeenkomen met patronen van verloren deals krijgen lagere scores.
Dit is geen onderbuikgevoel. Het is patroonherkenning op basis van je werkelijke winst/verlies-gegevens.
Rep zegt 90% kans om te sluiten, AI zegt 40%? Kijk beter. Er klopt iets niet. Of de vertegenwoordiger mist waarschuwingssignalen, of er is context die de AI niet heeft. Hoe dan ook, onderzoek het voordat de deal niet doorgaat.
Identificatie van risicovolle deals
Deals sterven langzaam, dan allemaal tegelijk. Er verschijnen waarschuwingssignalen weken voordat een deal officieel afloopt:
- Geen activiteit in 14+ dagen
- Kampioen reageert niet meer
- Vergaderingen worden herhaaldelijk verschoven
- Tijdlijn voor beslissingen blijft schuiven
- Stakeholders die vroeg betrokken waren, werden stil
- Deal te lang in dezelfde fase
De AI let op deze patronen. Als er meerdere waarschuwingssignalen tegelijk verschijnen, wordt de deal gemarkeerd als risicovol.
Verkoopmanager ziet de vlag. Vraagt de vertegenwoordiger wat er aan de hand is. Vaak zegt de vertegenwoordiger: "Oh ja, daar moet ik achteraan." Soms zeggen ze: "Het is prima." Maar je weet in ieder geval dat je het in de gaten moet houden.
Je kunt niet elke deal redden. Maar je kunt wel proberen deals te redden voordat ze helemaal dood zijn. Dat werkt alleen als je weet dat ze gevaar lopen.
Verbetering van de prognosenauwkeurigheid
Je voorspelling is de som van dealwaarschijnlijkheden. Als je kansschattingen verkeerd zijn, is je voorspelling verkeerd.
De AI maakt een voorspelling op basis van:
- Waarschijnlijkheid van individuele deals (gebaseerd op gegevens, geen schattingen van vertegenwoordigers)
- Historische sluitingspercentages per fase, vertegenwoordiger, type deal
- Seizoensgebonden patronen in uw bedrijf
- Trends in de lengte van verkoopcycli
Het vertelt je niet alleen een getal. Het geeft je een bereik. "Hoogstwaarschijnlijk $X, maar het zou zo laag als $Y of zo hoog als $Z kunnen zijn." Dat is eerlijke voorspelling.
Na verloop van tijd zie je welke deals de AI goed heeft voorspeld en welke niet. Je past aan. Het model leert. De nauwkeurigheid verbetert.
Je zult nooit perfecte voorspellingen hebben. Maar je kunt wel prognoses maken die vaker goed dan fout zijn. Dat is beter dan de meeste verkoopteams nu hebben.
Aanbevelingen voor de volgende beste actie
Elke vertegenwoordiger heeft meer deals dan hij actief kan bewerken. Op welke moeten ze zich vandaag concentreren?
De AI stelt prioriteiten:
- Risicodeals die onmiddellijke aandacht nodig hebben
- Deals met een hoge sluitingskans die klaar zijn om door te gaan
- Deals waarbij bepaalde acties (opvolgen van een belanghebbende, versturen van een voorstel) historisch gezien de sluitingspercentages verhoogden
- Inactieve deals die een duwtje in de rug nodig hebben
Rep logt in, ziet een lijst met prioriteiten van wat hij moet doen. Niet alles. De 5-7 acties met de meeste kans om deals vooruit te helpen.
Ze volgen geen AI-bevelen. Ze krijgen gegevensgestuurde suggesties over waar ze hun tijd het beste kunnen doorbrengen. Ze oordelen nog steeds. Ze hebben alleen betere informatie.
Winst/verlies-patroonanalyse
Waarom worden deals gesloten? Waarom worden ze verloren?
De AI analyseert gewonnen en verloren deals:
- Welke kenmerken hebben gewonnen deals gemeen?
- Hoe lang duren winnende deals meestal?
- Welke activiteiten correleren met winst?
- Wat is er anders aan verloren deals?
- Zijn er patronen per bedrijfstak, dealgrootte of concurrent?
Deze patronen worden inzichten:
- "Deals met meer dan 3 stakeholders sluiten 2x zo snel af als deals met slechts één stakeholder"
- "Als we de juridische afdeling erbij betrekken voor week 4, daalt de sluitingsratio met 30%".
- "Deals met een piloot converteren 80% van de tijd"
Je leert wat daadwerkelijk leidt tot winst. Vervolgens coach je vertegenwoordigers om meer te doen van wat werkt en minder van wat niet werkt. Dat is datagestuurd verkoopmanagement.
Gezondheidsbewaking pijpleiding
Is je pijplijn gezond of vol rommel? Moeilijk te zeggen als je alleen kijkt naar het aantal deals en de totale waarde.
De AI evalueert de gezondheid van de pijplijn:
- Wat is de realistische waarde? (Dealwaarde gewogen door AI-waarschijnlijkheidsscores)
- Groeit of krimpt de pijplijn?
- Gaan de deals op normale snelheid door de fases heen?
- Is de dekking van de pijplijn voldoende om de doelen te halen? (Realistische waarde vs. quota)
- Welke stadia hebben knelpunten?
Verkoopleiders zien dashboards voor pipelinegezondheid. Geen ijdelheidscijfers. Echte indicatoren die aangeven of het team de cijfers gaat halen.
Als de pijplijn er zwak uitziet, weet je dat op tijd. Je kunt middelen toevoegen aan leadgeneratie of doelen bijstellen voordat het te laat is.
Wat dit voor jou betekent
Voor verkoopdirecteuren
Voorspellingen waarop je kunt vertrouwen. Niet perfect, maar veel beter dan gissingen van vertegenwoordigers. Je geeft leiderschapscijfers gebaseerd op gegevens, niet op hoop.
De zichtbaarheid van de pijplijn verbetert. Je ziet meteen risicovolle deals. Je weet waar je moet coachen. Je weet welke deals senior betrokkenheid nodig hebben.
De toewijzing van middelen wordt slimmer. Je weet welke deals echt zijn en welke niet. De teaminspanning gaat naar winbare kansen.
Je coacht op basis van patronen. "Dit is wat winnaars anders doen." Dat is effectiever dan algemeen verkoopadvies.
Voor verkopers
Je weet op welke deals je je moet concentreren. Je hoeft je niet meer te verspreiden over 50 kansen. Werk aan degene die de meeste kans maken om te sluiten.
Je vangt problemen vroeg op. Gaat de deal mis? Je ziet de waarschuwingssignalen voordat het dood is. Je kunt corrigeren.
Je krijgt advies over de volgende stappen. Geen orders, maar gegevens over wat doorgaans werkt voor deals zoals de jouwe. Je neemt betere beslissingen.
Minder tijd om CRM bij te werken om het bijwerken. De AI wordt slimmer naarmate hij meer gegevens heeft, maar hij gebruikt die gegevens om je te helpen verkopen, niet alleen om te rapporteren.
Voor het bedrijf
Voorspelbare inkomsten. Wanneer prognoses nauwkeurig zijn, kun je plannen. Aannemen. Inventaris. Marketinguitgaven. Allemaal gebaseerd op betrouwbare omzetprognoses.
Kortere verkoopcycli. Als verkopers zich richten op de juiste activiteiten op het juiste moment, worden deals sneller gesloten.
Hogere winpercentages. Als je begrijpt waardoor deals worden gesloten, kun je er meer van doen. Dat wordt na verloop van tijd alleen maar beter.
Minder verrassingen aan het einde van het kwartaal. Je weet weken van tevoren of je het aantal gaat halen. Geen paniek op het laatste moment. Geen onverwachte tekorten.
Echte voorbeelden van AI voor verkoopprognoses
Voorbeeld 1: B2B-softwarebedrijf
Een softwarebedrijf in het middensegment had een prognosenauwkeurigheid van 35%. Elk kwartaal was een verrassing. De verkoopleiding kon niet plannen omdat ze niet wist wat de werkelijke omzet zou zijn.
Wat is er veranderd? AI analyseerde 3 jaar aan dealgegevens. Bouwde waarschijnlijkheidsmodellen op basis van werkelijke afsluitingspatronen. Zorgde voor datagestuurde deal scores in plaats van schattingen van vertegenwoordigers.
Resultaat: De nauwkeurigheid van de prognoses verbeterde tot 82% binnen twee kwartalen. De leiding kon met vertrouwen plannen. Minder brandoefeningen aan het einde van het kwartaal omdat ze het aantal weken van tevoren wisten.
Voorbeeld 2: Productiebedrijf
Een productiebedrijf had lange verkoopcycli (6-12 maanden). Deals zagen er maandenlang goed uit en vielen dan plotseling stil. Niemand wist waarom.
Wat is er veranderd? AI stelde vast dat deals zonder contact met belanghebbenden gedurende 21+ dagen een kans van 72% hadden om uiteindelijk verloren te gaan. Het systeem markeerde automatisch risicovolle deals.
Resultaat: Salesmanagers grepen proactief in bij gemarkeerde deals. Winpercentage 18% gestegen omdat risicovolle deals aandacht kregen voordat ze doodgingen. Verkoopcyclus verkort omdat vastgelopen deals sneller loskwamen.
Voorbeeld 3: Professionele dienstverlener
Een adviesbureau kon niet zeggen welke voorstellen zouden worden afgesloten. Het winstpercentage lag onder 30%. Schattingsteams spendeerden enorme inspanningen aan voorstellen die nergens toe leidden.
Wat is er veranderd? AI analyseerde gewonnen en verloren voorstellen. Hieruit bleek dat deals waarbij de klant al een goedgekeurd budget had, werden afgesloten met 65%. Deals waarbij de klant zei "opties aan het verkennen" werden afgesloten met 12%.
Resultaat: Bedrijf begon zich beter te kwalificeren voordat het in voorstellen investeerde. Concentreerde zich op goed gekwalificeerde mogelijkheden. Winstpercentage steeg naar 48% omdat ze stopten met het najagen van 'bad fits'.
Wat AI niet zal doen
Laten we duidelijk zijn over grenzen.
AI kan geen deals voor je sluiten. Het kan de moeilijke gesprekken niet voeren. Het kan niet onderhandelen. Het kan geen relaties opbouwen met kopers. Dat is nog steeds mensenwerk.
AI voorspellingen zijn waarschijnlijkheden, geen zekerheden. Een deal met een score van 70% heeft nog steeds een kans van 30% om te verliezen. Behandel AI-scores niet als garanties.
AI kent geen context die niet in het CRM staat. Als een vertegenwoordiger de CEO persoonlijk kent, of via via heeft gehoord dat het budget is verlaagd, of een andere context heeft, dan doet dat ertoe. AI + menselijk oordeel verslaat beide.
En AI kan geen gebroken verkoopproces oplossen. Als je vertegenwoordigers zich niet goed kwalificeren, of als je product niet bij de markt past, of als je prijsstelling verkeerd is, zal AI je het probleem laten zien, maar je moet het nog steeds oplossen.
Aan de slag
Je hoeft niet je hele verkoopproces in één keer te AI-ificeren. Begin waar het het meest helpt:
- Begin met het scoren van deals. AI-kansscores implementeren. Vergelijk AI-scores met schattingen van vertegenwoordigers. Kijk welke over 3 maanden nauwkeuriger is.
- Traceer risicovolle deals. Laat AI deals markeren die overeenkomen met risicopatronen. Kijk of interventie ze redt.
- Analyseer één winst/verliespatroon. Kies één variabele (dealgrootte, bedrijfstak, aantal belanghebbenden) en kijk of AI patronen vindt die je nog niet kende.
- Test de nauwkeurigheid van de voorspelling. Voer de AI-prognose parallel aan uw normale proces uit. Vergelijk welke dichter bij de werkelijke resultaten ligt.
- Verfijn op basis van resultaten. AI wordt beter met feedback. Geef feedback wanneer deals worden gesloten of verloren. Het model leert.
Begin klein. Meet de nauwkeurigheid. Schaal op wat werkt. Het doel is betere voorspellingen, geen perfecte.
De kern van de zaak
Verkoopprognoses zijn patroonherkenning. Hoe zien deals eruit die worden gesloten? Hoe zien deals eruit die sneuvelen? Welke activiteiten helpen deals vooruit?
Mensen kunnen geen patronen herkennen in honderden deals met tientallen variabelen. AI kan dat wel.
Je verkoopteam is nog steeds de eigenaar van de relaties en gesprekken. Ze sluiten nog steeds deals. Ze beoordelen nog steeds welke deals ze moeten nastreven.
Maar ze vliegen niet meer blind. Ze hebben gegevens over welke deals echt zijn, welke risico's lopen en welke acties historisch gezien werken. Dat is het verschil tussen gissen en weten.
Wil je nauwkeurigere voorspellingen?
Elk verkoopteam heeft verschillende dealpatronen. Verschillende verkoopcycli. Verschillende factoren die winst en verlies voorspellen.
We verkopen geen kant-en-klare prognosetools. We analyseren uw transactiegegevens. We identificeren welke factoren daadwerkelijk resultaten in uw bedrijf voorspellen. We bouwen modellen die overeenkomen met uw werkelijkheid.
Vervolgens integreren we met je CRM zodat vertegenwoordigers en managers voorspellingen zien waar ze werken. Je team krijgt betere gegevens zonder hun proces te veranderen.
Geen hype. Geen beloftes over perfecte voorspellingen. Gewoon betere voorspellingen zodat je betere beslissingen neemt en meer deals sluit.
