Quando esse deal vai fechar?
Entender o quando de um negócio é primordial para a construção de um forecast assertivo. Errar a expectativa de tempo de fechamento não faz a receita sumir, mas a empurra para o próximo mês e, em alguns casos, para o próximo trimestre, comprometendo a meta. Este estudo nasceu para construir um modelo que torne a previsibilidade da receita palpável: uma previsão de receita mensal, testada contra o que de fato aconteceu.
Aqui, fechar é ganhar: o negócio vira receita. Quando ele sai do funil, ganho ou perdido, digo que foi encerrado.
- 8.800 negócios
- Base pública e sintética (Maven CRM)
- Python · modelo de risco em tempo discreto
Em resumo
- O tempo até o ganho tem dois grupos: 42% dos ganhos saem em até 20 dias e 54% levam de 45 a 138. A média não descreve quase ninguém.
- De cada 100 negócios que entram em negociação, cerca de 51 são ganhos, 32 perdidos e 16 ficam parados para sempre. Depois de 138 dias aberto, nenhum foi ganho.
- O que decide o quando é a idade do negócio e o mês do trimestre. Produto, vendedor, regional e porte da conta não melhoraram a previsão.
- Em sete testes, a previsão mensal errou em média 13%. A conta tradicional, pipeline × taxa de ganho, previu três vezes o real.
- Um alarme simples achou uma regional que triplicou o pipeline em três semanas com negócios que ficaram parados.
Comecei com três hipóteses
Antes de olhar os dados, anotei o que eu esperava encontrar, pela experiência em Sales Ops. Registrar isso antes é o que permite dizer, depois, o que os dados confirmaram e o que derrubaram.
Negócio que anda rápido no funil converte mais.
Entre os negócios encerrados, quem sai do funil em até 20 dias é ganho 57% das vezes; quem demora mais, 68%. Andar rápido é, mais vezes, perder rápido. No extremo a ideia vale: depois de 138 dias, nenhum negócio foi ganho.
Ticket alto alavanca mais a receita do que muitos negócios pequenos.
Os três produtos acima de 3.000 são 44% dos negócios e 84% da receita, com a mesma taxa de ganho e o mesmo tempo dos baratos. Já contas grandes rendem mais porque abrem mais negócios: o ticket quase não muda, e o tempo é o mesmo em todos os portes.
Como é difícil mexer na conversão, volume alavanca a receita.
A conversão varia pouco entre vendedores (55% a 70%) e o volume varia muito (de 79 a 553 negócios). Cerca de 60% da diferença de receita entre eles vem do volume, 40% do ticket e quase nada da conversão. É uma comparação entre vendedores, não uma prova de causa.
A média mente
O jeito óbvio de medir quanto tempo um negócio leva para ser ganho é tirar a média dos ganhos. Ela dá 52 dias, mas quase nenhum ganho acontece perto disso.
Existem dois grupos: 42% dos ganhos saem em até 20 dias e 54% levam de 45 a 138. Entre um e outro, só 4%. Uma previsão que usa a média erra os dois.
Três destinos, contando os abertos
Olhar só os ganhos esquece os negócios perdidos e os que continuam abertos, e muitos deles nunca vão sair do lugar. É como medir o tempo de fila olhando só quem foi atendido.
Contando todos, a pergunta muda de "quanto tempo leva" para "o que acontece com cada 100 negócios que entram".
A base só registra encerramentos entre março e dezembro de 2017. Para a curva não sair torta, usei só os negócios que entraram entre 01/03 e 15/08/2017, que têm os 138 dias completos de observação, e deixei de fora o bloco atípico que aparece mais abaixo.
Explore: um negócio aberto há X dias
A pergunta que mais ajuda quem gerencia um funil. Escolha há quantos dias o negócio está em negociação e em que mês do trimestre ele entrou.
- É ganho nos próximos 30 dias
- 19%
- É ganho algum dia
- 53%
- Fica parado para sempre
- 23%
Calculado a partir de 1.061 negócios do histórico que estavam abertos com essa idade.
Da chance à receita
Um negócio de 4.000 com 30% de chance de ser ganho em novembro entra na previsão de novembro como 1.200. Somando isso para todos os negócios abertos, e para os que ainda vão entrar no mês, sai a receita esperada.
A chance vem do histórico: entre os negócios que estavam abertos com a mesma idade, no mesmo mês do trimestre, que fração foi ganha a cada dia. Testei que características mereciam entrar. Só a idade e o calendário melhoraram a previsão; produto, vendedor, gerente, regional e porte não.
O teste honesto
Voltei a 30/09/2017 e pedi a cada modelo, só com o que se sabia naquele dia, a receita que os negócios abertos trariam no trimestre seguinte. Depois comparei com o que aconteceu.
- 57% da receita do trimestre veio de negócios que nem existiam em 30/09. A previsão completa soma essa parte, projetada pelo ritmo de entrada dos 90 dias anteriores (erro de 2%).
- Em sete datas de corte, prevendo o mês seguinte, o erro médio foi de 35% só com a idade, 18% com idade e calendário e 13% com o alarme.
O alarme de pipeline inflado
O maior erro que sobrou vinha de um bloco de negócios que ficaram parados. Não era a empresa toda: era a regional Central, que costuma abrir cerca de 62 negócios por semana e abriu 540 em três semanas. Desses, 355 nunca foram ganhos nem perdidos.
A regra marca uma semana quando duas coisas acontecem juntas, usando só o que se sabe na data da previsão: as entradas da regional chegam a 1,5 vez o seu normal, e a fração encerrada em até 20 dias fica bem abaixo da das outras regionais na mesma semana. O excesso estimado sai da previsão.
Sem a primeira condição, a regional West era marcada cinco vezes sem ter pico nenhum. Com as duas, só as três semanas da Central aparecem.
O que não funcionou
- Regressão logística de ganho contra perda. Treinada com os encerrados, separou ganho de perda tanto quanto cara ou coroa (AUC de 0,49 a 0,53). Nesta base, ganhar ou perder depende em grande parte de quando o negócio é encerrado.
- Mais variáveis num modelo de árvores. Com produto, vendedor, gerente e regional, ele melhorou num teste e piorou no outro: decorou ruído.
- O campo de conta vazia. Todo negócio sem conta está aberto, então ele entrega o resultado final. Usá-lo no teste seria usar o futuro, e ficou de fora.
Limites e próximos passos
- A base é sintética. O método vale; os números são desta empresa fictícia.
- A base não tem histórico de atividades. Com ele, "dias desde o último contato" provavelmente seria a variável mais forte.
- Sete testes é pouco para afirmar a precisão com segurança.
Próximos passos: entregar a previsão como faixa, com a confiança de que o real cai dentro dela, e explicar em linguagem natural por que cada negócio está em risco.
O notebook completo, com o código e as saídas, está no GitHub.