楊峻：用MOFV法提升B2B銷售預測準確性
在做B2B生意的企業中，使用CRM系統來管理銷售，往往面臨著兩大難題：
1、對一線銷售來說，如何能解決銷售不愿使用CRM，和即使使用，輸入數據質量也很差的問題；
2、對公司高層來說，如何能解決銷售預測準確性的問題。
當然這2個問題是互相關聯的，如果一線銷售都不用，或輸入虛假數據，那預測不可能準。筆者在之前文章《楊峻：建立三輪驅動體系，使銷售人員愛上CRM》介紹了如何根據銷售人員成長階段，通過銷售過程管理（TAS+）、銷售支撐體系（MCI）、大客戶管理（ESP+）和企業資源共享平臺來實現CRM以員工需求為中心，從而使銷售更愿意使用CRM。
如果銷售愿意使用CRM了，銷售預測就能準確嗎？其實也不盡然。筆者認為我們CRM中，針對B2B銷售預測有很多不合理的方法，致使銷售預測經常偏差很大。
我們CRM中，B2B銷售預測往往基于pipeline，一般通過人工估算或是基于機器推算兩種方法完成預測。
人工估算：大部分B2B企業是叫銷售自己評估商機贏率，往往階段越往后，要求贏率越大。系統中，針對贏率有一些描述，比如說商機應該達到什么程度，來填寫贏率60%。但這種程度是定性的，很難定量是衡量。所以面對同樣一個商機，不同銷售評估結果相差很大，而且每個銷售都有業績指標，所以有些時候，為了滿足考核，銷售往往人為提升贏率，去迎合考核要求。
機器推算：B2B業務CRM難點是很難根據過去的歷史數據去推測贏率。很多B2B生意是低頻的生意，客戶幾年才會采購一次，而且這次采購和上次采購的關鍵決策人和我方銷售也可能發生變化，所以很難用公式進行預測。但如果我們根據這個方案或產品在某一行業中的贏率去判斷，企業客戶，尤其是大企業客戶，決策機制非常不同，有的價格敏感、有的關系敏感、有的方案敏感，所以推測的結果也會偏差很大。
筆者認為B2B生意銷售預測準確率與以下四個要素相關：
1、預測的模型（Model）
2、預測輸入的客觀性（Objectivity）
3、預測的頻率（Frequency）
4、預測的校驗（Verification）
一個單子，輸贏往往取決于自己和競爭對手的對比，也就是你強，競爭對手更強，你輸；你弱，競爭對手更弱，你贏。所以筆者建議采用“競爭對手比對法”來計算贏單率。
Figure 1贏單率計算-競爭對手對比法
上圖是筆者建議的通過競爭對手對比法來計算贏單率。而且我們完全可以根據贏單率的變化作為觸發事件，去制定新的打單戰略戰術，制定商務公關和技術攻關計劃，以及下一步行動計劃。
1、如果沒有必要事件，表示不能確認客戶一定要做這個項目，那沒必要計算贏單率。
2、如果沒有內部消息來源，那往往贏單率估算都太樂觀，所以結果出來后至少打七折。
3、如果我們沒有在競爭中進前三，那計算贏單率沒意義，就按0計算。
我們要盡量避免讓銷售主觀去估算贏單率，而是要通過一系列的問題，而且每個問題都可以比較容易判斷和明確答是否，然后通過問題的答案自動計算贏率。
另外，在回答商機金額，關單日期，競爭對手贏率等問題時，要給出區間，而不是僅僅給一個數值。未來可以通過該銷售的歷史數據去分析該銷售自我評估的行為模式，比如該銷售一般給出的預測結果是其評估區間的幾分位。
Figure 2贏單率問卷
如果要求銷售人員預測的頻率越頻繁，那銷售預測值一般就會越精準，但花費了銷售大量的時間，預測成本也就越高。所以筆者建議預測的頻率是一季、一月、還是一周應該公司根據自己的管理精度、管理能力和對預測準確性的要求按需調整。
但另一方筆者建議提供事件觸發的預測功能，即當市場發生重大事件，或某一客戶或項目發生重大事件時，自動通知銷售，重新回答問卷，調整預測。
銷售的預測需要有人校驗，以形成參照物。最合適的驗證人就是銷售的一線主管。一線主管和銷售交流后，基于銷售回答的問卷，確認或修改問卷，形成一個校驗的預測值。但一線主管的預測值不應讓一線銷售知道，以避免銷售人員預測值和一線主管值預測值趨同的現象。
和一線銷售的預測頻率一樣，一線主管校驗的頻率越高，可能校驗的銷售預測值越準，但成本越高。所以公司需要根據自己的管理精度、管理能力和對預測準確性的要求按需調整校驗的頻率。
Figure 3 MOFV銷售預測法
如上圖所示，筆者建議通過MOFV銷售預測法來不斷優化迭代，形成適合自己公司的精準銷售預測模型
1、預測的模型（Model）：基于競爭對手的預測模型；
2、預測輸入的客觀性（Objectivity）：通過問卷和區間選擇使預測盡可能客觀;
3、預測的頻率（Frequency）：選擇最合適預測頻率在成本和準確性上達到平衡，同時支持事件觸發的預測；
4、預測的校驗（Verification）：支持主管的校驗的預測曲線；
5、迭代優化：一旦三條預測曲線發生大的偏差，去深挖背后原因。如果三條曲線一致，但與實際結果發生大的偏差，也去深挖背后原因；
6、形成最佳預測模型：不停迭代完善最佳預測模型。
總結：
本文筆者介紹了MOFV銷售預測法，從預測的模型（Model）、預測輸入的客觀性（Objectivity）、預測的頻率（Frequency）和預測的校驗（Verification）四個維度介紹了如何迭代優化銷售預測準確性。
#推薦閱讀#
專家介紹：
