Pipeline analytics ломается не в CRM, а в том, как команды считают этапы

Pipeline analytics ломается не в CRM, а в том, как команды считают этапы

Если в воронке есть 8–10 стадий, но никто не знает, что считать входом и выходом, аналитика превращается в шум. Для B2B-сделок в affiliate и SaaS-партнёрках важны не «красивые статусы», а три вещи: сколько лидов дошло до первой встречи, где они зависли и сколько времени прошло между этапами.

Смотрите на 4 метрики:
— stage conversion, чтобы видеть утечки по каждому шагу;
— cycle time, чтобы понимать, где сделка тормозит;
— win-rate по источнику и сегменту, а не только по всей команде;
— deal aging, чтобы ловить сделки-«призраки», которые месяцами лежат без движения.

Типовая ошибка — считать pipeline по сумме всех открытых сделок. Это завышает прогноз, если в базе много мёртвых лидов и старых возможностей без next step. Нормальный pipeline-review начинается с фильтра: активные сделки, чёткий owner, дата следующего касания, понятный exit criteria для стадии.

Ещё одна ловушка — одинаковые стадии для всех типов сделок. У outbound в узкой нише длиннее discovery, у inbound быстрее qualification, у партнёрок отдельный риск — затяжное согласование с несколькими лицами. Если стадия не отвечает на вопрос «что должно случиться, чтобы мы двинулись дальше», её надо резать.

Делайте аналитику не для отчёта, а для действий: сначала чините стадию с самой большой потерей, потом перегруженные этапы, и только потом стройте прогноз. Тогда pipeline перестаёт быть таблицей и начинает управлять продажами.