Cara menggunakan analisis linearitas untuk meningkatkan perkiraan Anda dan menghindari kepalsuan jangkauan pipa

Ketika Cakupan Pipa Tidak Cukup

Bagaimana sebagian besar tim perangkat lunak B2B memprediksi apakah mereka akan mencapai angka pemesanan? Mereka menggunakan cakupan pipa. Dan itu baik-baik saja.

Saya lebih suka menggunakan to-go pipeline coverage , karena beberapa alasan:

• Ini lebih tepat. Saya selalu terkejut dengan banyaknya pemimpin penjualan yang melewatkan langkah untuk mendefinisikan dengan tepat apa yang mereka maksud dengan "saluran pipa" dan apa arti cakupannya. Cakupan pipa to-go adalah formula. Ini dia. Sampai Anda menentukan semua input, output tidak berarti banyak. Sampah masuk sampah keluar.

• Itu memperhitungkan apa yang telah Anda menangkan dan berapa banyak yang tersisa untuk mencapai tujuan Anda. Saat kuartal terus berjalan, jangkauan pipa yang harus dilalui secara alami menyesuaikan dengan seberapa banyak Anda harus "pergi" untuk mencapai nomor Anda. Inilah tampilannya.

• Ini menciptakan percakapan yang berguna tentang masalah pertumbuhan di awal kuartal ( apakah kita memberi diri kita kesempatan untuk mencapai kuartal dan memulai dengan cakupan pipa yang cukup 3,0x plus? ) vs. masalah pertumbuhan di akhir kuartal ( apakah kita menang ? apa yang harus kami lakukan, mengubah saluran kami menjadi pemesanan, dan benar-benar mengenai nomor kami? ).

Bayangkan diri Anda berada di Minggu ke-8 kuartal pada contoh di atas. Di satu sisi, ada banyak kesepakatan yang dapat dimenangkan untuk ditutup. Banyak cakupan jalur pipa — itu bagus! Di sisi lain, Anda mendekati 70% selama kuartal ini, dan Anda hanya memesan 50% dari paket Anda. Tidak begitu baik.

Bagaimana Anda mengatasi ketegangan itu?

Di mana Anda berharap untuk mendarat untuk kuartal ini?

Bagaimana perasaan Anda ?

Contoh ini — dan tantangan peramalan yang ditimbulkannya — juga mengilustrasikan variabel penting yang diabaikan oleh cakupan pipa:

Waktu.

Tentu, Anda punya jalur pipa yang besar. Namun Anda masih memiliki setengah dari pemesanan yang direncanakan untuk didapatkan, dan hanya sepertiga dari seperempat untuk melakukannya. Tiba-tiba, mencapai rencana Anda bukan tentang kelimpahan (ukuran pipa Anda) dan lebih banyak tentang kecepatan (Anda kemampuan untuk mengubah pipa itu dengan cepat menjadi ARR).

Jadi, dalam situasi ini… seberapa khawatirkah Anda?

Bagaimana di belakang Anda?

Apa itu Analisis Linearitas?

Head-fake pipa yang umum ini adalah mengapa Anda memerlukan titik data lain (di luar jangkauan pipa) untuk memberi tahu Anda bagaimana perasaan Anda tentang kuartal Anda dan apa yang harus Anda lakukan selanjutnya.

Anda memerlukan metrik berbasis waktu.

Di sinilah analisis linearitas masuk.

Analisis linearitas mengukur "seberapa jauh Anda dalam kuartal ini" dengan mengonversi dolar pemesanan yang dimenangkan tertutup menjadi angka pencapaian persentase vs. rencana Anda. Ini juga memungkinkan Anda untuk mengukur kemajuan mingguan Anda dengan periode tolok ukur yang sebanding (misalnya, kuartal yang sama tahun lalu) untuk mengetahui "apakah Anda unggul atau tertinggal".

Inilah yang terlihat seperti dalam praktek. Pertama, Anda membagi kuartal menjadi beberapa minggu. Kemudian Anda menarik data historis tentang "apa yang Anda lakukan" pada periode tahun sebelumnya (dalam hal ini, K1'22) dalam pemesanan untuk menetapkan garis dasar dan membuat tabel tiga bagian yang mencakup:

• Berapa banyak yang Anda pesan minggu itu
• Total pemesanan Anda yang berjalan untuk kuartal ini
• Berapa % dari total akhirnya yang telah Anda pesan pada akhir minggu itu

Saat Anda memplotnya dalam bentuk tabel, tampilannya seperti ini.

Itu sulit untuk dilihat - dan ini sedikit disengaja. Sulit untuk mendapatkan makna dari data ini ketika masih dalam bentuk tabel. Anda harus membuatnya visual.

Mari kita lakukan dengan memplot pencapaian pemesanan mingguan tahun ini dengan rencana di bilah biru, dan pencapaian pemesanan tahun lalu menggunakan garis merah muda. Inilah yang Anda dapatkan.

Uh oh.

Jika Anda memplotnya seperti ini — normalisasi antara tahun lalu (di mana kami memesan ARR $425K) dan tahun ini (di mana rencana kami adalah ARR $500K), Anda dapat melihat dengan sangat cepat bahwa kami tertinggal dari kecepatan pemesanan yang kami tetapkan tahun lalu. Dengan kata lain, meskipun kami berencana untuk membukukan lebih banyak tahun ini (pertumbuhan 15% di ARR YOY), dengan menyatakan hal-hal dalam persentase pencapaian vs. dolar, kami dapat membandingkan kuartal ini dengan kuartal yang sama tahun lalu dan melihat dengan sangat cepat bahwa kita memiliki beberapa alasan untuk berbaikan. Secara keseluruhan, kami tertinggal sekitar 15% dari kecepatan pemesanan tahun lalu pada titik ini di kuartal ini (atau sekitar $75K dalam ARR).

Meskipun kami memiliki banyak saluran pipa, kami sedikit tertinggal. Kami memiliki beberapa hal yang harus dilakukan.

Dan mengetahui bahwa sedini mungkin di kuartal ini adalah hal yang baik.

Apa yang Saya Lakukan Dengan Ini?

Pertama-tama, tunjukkan ke teman PE Anda. Kami senang melihat pemimpin pendapatan menjadi ketat tanpa kami harus mendorong mereka. Dan kami menyukainya ketika orang memeriksa perkiraan mereka sendiri dengan kewarasan.

Kedua, saya akan merekomendasikan menambahkan ini ke paket pelaporan mingguan Anda. Dengan begitu, Anda akan dapat mengenali pemalsuan saluran pipa lebih awal, sehingga Anda dapat…

• Sesuaikan perkiraan Anda (jika perlu)
• Periksa kesepakatan yang penting untuk memastikan Anda memiliki rencana yang disepakati bersama untuk ditutup (dan, dengan demikian, tingkatkan probabilitas kemenangan kita)
• Jika perlu, berkreasilah untuk menarik kesepakatan atau gunakan pengungkit lain untuk menggerakkan jalur pipa tahap akhir dan mencapai rencana

Pikiran Akhir + Apa Lagi yang Harus Dibaca

Seperti yang dikatakan teman dan mentor saya, Dave Kellogg ,

“Cara paling sederhana untuk melakukan percakapan yang lebih baik tentang prakiraan cuaca adalah memiliki lebih dari satu prakiraan untuk didiskusikan.”

Jika Anda hanya menggunakan jangkauan pipa untuk memprediksi di mana Anda berharap untuk mendarat pada kuartal ini, Anda memerlukan cara lain untuk melihat bagaimana keadaannya. Dan jika Anda memiliki data historis untuk membangunnya (mungkin Anda memilikinya), analisis linearitas adalah pilihan yang bagus.

Tapi itu bukan satu-satunya. Dave juga telah menulis panjang lebar tentang cara-cara lain untuk membuat “prakiraan triangulasi” menggunakan banyak titik data, dan karyanya pasti layak dibaca . (Kira-kira 50% dari pekerjaan saya sebagai Mitra Operasi PE hanya mencuri dari apa yang sudah diketahui Dave.)

Juga - terima kasih kepada Jeremy Curley dan Edward Kenna karena telah berbagi pemikiran mereka tentang analisis linearitas dan dengan antusias mempelajari analitik penjualan + pemasaran dengan saya setiap bulan. Teman jangan biarkan teman membuat laporan jelek.