Como Utilizar Cohorts para Melhorar o Forecast de Vendas
No setor comercial, ter previsibilidade é fundamental para antecipar estratégias, corrigir rotas, otimizar campanhas e dar informações seguras à diretoria. O forecast de vendas permite tomar decisões estratégicas baseadas em dados sólidos. Trata-se de uma previsão das vendas futuras, baseada em uma análise detalhada de informações como o histórico de vendas, tendências de mercado, comportamentos de compra dos clientes, dentre outros aspectos. A sua análise, por sua vez, requer muita criticidade – e algumas abordagens e metodologias vão te ajudar a ter insights mais seguros, como a análise de tendências passadas, o uso de modelos estatísticos e a avaliação de indicadores econômicos. No entanto, uma outra forma de olhar para o forecast é com a lente de cohorts, que permite identificar causa-raiz, seja de problemas ou de melhorias em vendas B2B. Essa técnica proporciona insights mais granulares e precisos, aprimorando significativamente a assertividade do forecast de vendas e dando informações mais seguras para definir onde alocar mais tempo e energia. Compilamos abaixo algumas práticas que recomendamos aqui na Exchange para empresas que querem melhorar a análise de gaps e o forecast. Leia também sobre: Como Melhorar o Forecast de Vendas? O Que é Forecast de Vendas? Forecast de vendas – ou Previsão de Vendas – é o processo de estimar volume de vendas ou receitas futuras em um negócio com base em dados históricos de vendas, tendências de mercado e outros fatores relevantes. O forecast, no entanto, não é feito de forma intuitiva, mas por meio de dados de vendas anteriores para identificar padrões e tendências que podem ser usados para identificar e prever o desempenho futuro de vendas. Quais os Benefícios do Forecast? Na prática, ter previsibilidade de vendas e receita permite que as empresas planejem e tomem decisões baseadas em dados sobre iniciativas futuras, ações de marketing e alocação de recursos como tempo, energia e dinheiro. Além disso, o forecast pode ajudar as empresas a antecipar demandas, identificar gaps ou oportunidades potenciais e otimizar suas estratégias, alocando mais recursos no que tem performado melhor. Na indústria, por exemplo, o forecast também pode ajudar as empresas a otimizar volume de estoque, ajustar cronogramas de produção e demanda de pessoal, especialmente em mercados que são impactados pela sazonalidade. Além disso, o forecast dá insumos para o planejamento financeiro, dando as informações necessárias para definir metas, afinal, com dados históricos conseguimos definir os objetivos de receita. Por outro lado, sem previsibilidade de vendas e receita, uma empresa de indústria opera no escuro, levando ao risco de não ter o suficiente de um produto popular ou desperdiçar dinheiro comprando estoque de que não precisa, por exemplo, gerando custos desnecessários. Mas quando se trata de empresas SaaS, sem uma previsão clara, a empresa tende a enfrentar dificuldades para planejar e gerir seu fluxo de caixa, o que pode levar a problemas de liquidez e até mesmo à incapacidade de cobrir despesas operacionais. Outro impacto relevante é a dificuldade em identificar e mitigar riscos e gaps na operação, como a retenção de clientes e a taxa de churn. Sem uma visão antecipada das vendas futuras, é desafiador prever quais clientes estão em risco de cancelamento e implementar ações preventivas. Isso pode levar a um aumento na rotatividade de clientes, afetando negativamente a receita recorrente da empresa. Entenda a Análise Cohorts Agora que você sabe o que é e qual a importância do Forecast, é hora de entender como usar Cohorts pode te beneficiar. Antes de avançar, vamos entender um pouco melhor o conceito de Cohorts: Trata-se de um método eficaz para examinar como um determinado agrupamento se comporta ao longo do tempo, permitindo comparações precisas entre grupos semelhantes. Para ilustrar este conceito na prática, imagine o seguinte cenário: um paciente A iniciou seu tratamento para uma determinada doença em maio de 2023, enquanto o paciente B começou o mesmo tratamento em agosto de 2023. Não seria adequado comparar os resultados de ambos os pacientes no mesmo mês atual, como em setembro de 2023, já que ambos iniciaram o tratamento em meses distintos. Isso ocorre porque o paciente A estaria em seu quarto mês de tratamento, enquanto o paciente B estaria apenas no primeiro mês. No entanto, é possível comparar o desempenho do tratamento de ambos durante o primeiro mês de cada um — junho de 2023 para o paciente A e setembro de 2023 para o paciente B — analisando como cada um respondeu ao tratamento nos primeiros 30 dias. A análise cohort pode ser aplicada a diferentes tipos de populações e, no contexto de Vendas B2B, é extremamente útil para avaliar desde a geração de demanda até a criação e evolução de oportunidades no pipeline, considerando diferentes intervalos de tempo, como semanal, mensal, trimestral ou anual. Utilizando Cohorts para Melhorar Forecast de Vendas na Prática Uma forma de melhorar o forecast por meio da análise de cohorts é buscando visualizar o volume de oportunidades qualificadas criadas mês a mês, a fim de entender em qual mês houve fechamento de vendas dessas oportunidades e, então, avaliar o mesmo cenário 1 mês depois, 2 meses depois e assim sucessivamente, até completar 12 meses de análise, como ilustrado na imagem abaixo (clique para expandir): No exemplo ilustrado, o time de vendas criou 66 oportunidades de Vendas em Janeiro. Dessas 66 oportunidades, 2 fecharam no mesmo mês de criação. Dessas mesmas 66 oportunidades geradas, 4 vendas foram fechadas em fevereiro e mais 5 vendas em março. Ao longo de 12 meses, as 66 oportunidades criadas resultaram em 17 vendas, sendo que a última foi realizada após 7 meses após a data de criação da oportunidade. Ao longo dos meses, pudemos começar a calcular uma média de taxa de ganho do mês ou do trimestre da seguinte forma: Avançando um pouco mais com a análise, é possível ver as conversões mês a mês – então, separamos 3 meses para entender as conversões ao longo de um trimestre: Olhando para a análise a partir da ótica de conversão, é possível notar o esforço e melhoria de processo de
Como Analisar e Otimizar o Ciclo Médio de Vendas
Ciclo médio de vendas é o período médio em que a venda ocorre: desde a chegada do lead até o seu fechamento. O tempo médio deste ciclo é uma das métricas de vendas mais importantes de serem acompanhadas e, em muitos casos, ele pode ser reduzido, gerando mais eficiência e otimizando os resultados. Cada modelo de negócio e cada nicho tem suas especificidades, mas, via de regra, acelerar o ciclo médio de vendas costuma ser um objetivo comum nas operações – mas é também um grande desafio. Pensando nisso, criamos este guia com dicas aplicáveis sobre como analisar e otimizar o ciclo médio de vendas na sua operação. Leia também: Ciclo de Vendas: Saiba o Que é e Quais as Etapas Ciclo de Vendas e Ciclo Médio de Vendas: Qual a Diferença? Embora os termos sejam parecidos, é preciso partir da premissa que Ciclo de Vendas e Ciclo Média de Vendas são coisas distintas. De forma resumida, o ciclo de vendas é o processo em si, enquanto o ciclo médio de vendas é a duração média desse processo. Como Identificar o Ciclo de Vendas do Meu Negócio? Identificar o ciclo médio de vendas do seu negócio é o primeiro passo para pensar em estratégias de otimização. Além disso, ter essa informação mapeada servirá como substrato para diversas outras iniciativas. Comece reunindo os dados de vendas históricos, incluindo datas de início e fechamento de cada negócio. Utilize seu CRM ou outras ferramentas de gestão de vendas para extrair essas informações. Para cada venda, calcule o número de dias desde o início até o fechamento. Essa duração pode variar significativamente, mas cada valor é importante para determinar a média. Some todas as durações dos ciclos de vendas individuais e divida pelo número total de vendas. Isso te dará o ciclo médio de vendas. Compreendendo os fatores que influenciam a duração do ciclo de vendas, como etapas específicas do processo, tipos de clientes e estratégias de marketing, você poderá usar essas informações para otimizar o ciclo médio de vendas. Análise Cohorts do Ciclo Médio de Vendas Antes de começar a pensar em iniciativas de aceleração de vendas, é importante garantir que algumas métricas estão sendo gerenciadas de forma eficiente. Neste caso, recomendamos que o gestor analise o ciclo médio atual e então determine os maiores pontos de restrição. Uma dica que costumamos dar é começar pela análise Cohorts: uma técnica de análise de dados que agrupa unidades com características comuns ao longo de um período específico, para avaliar como seu comportamento ou desempenho evolui ao longo do tempo. Acompanhando o ciclo médio de vendas a partir da perspectiva de análise de cohorts, agrupa-se clientes por períodos de tempo específicos (como o mês em que se tornaram leads) e então monitora-se quanto tempo cada grupo leva para concluir o ciclo de vendas. Isso permite identificar variações sazonais, avaliar a eficácia de estratégias implementadas em diferentes períodos e entender como mudanças no processo de vendas impactam a duração do ciclo. Análise Cohorts Sobre Ciclo Médio na Prática: No exemplo a seguir, analisamos uma empresa acelerada pela Exchange. Características do negócio: Como a taxa de conversão é relativamente baixa, o objetivo era otimizar o ciclo de vendas para contrabalancear a geração de receita. O primeiro passo foi organizar a análise tendo na coluna esquerda o mês da criação do negócio e o volume de negócios (oportunidades), como indicado na imagem a seguir (clique para expandir): Em seguida, nas colunas à esquerda, agrupamos em blocos a quantidade de vendas que foram realizadas após 1 mês, após 2 meses, após 3 meses e pelos meses subsequentes até o mês 12, como exemplificado na imagem a seguir (clique para expandir): Para ter uma compreensão mais aprofundada sobre o cenário, acumulamos as taxas de conversão com o objetivo de entender a taxa de conversão de vendas ao longo do tempo, como exemplificado no gráfico abaixo: Munidos dessas informações, algumas conclusões preliminares levantadas foram: Um dos primeiros insights que podemos tirar com os dados levantados é que mesmo a conversão chegando acima de 30% no período de 12 meses, o que essa empresa pode esperar para o pipeline e forecasting de cada trimestre é: Reconhecendo essas premissas, a estratégia definida pela empresa foi criar diversas ações e plays ABM (Account-Based Marketing) e ABS (Account-Based Selling) para aceleração comercial com objetivo de antecipar o ciclo médio de vendas para os primeiros meses de safra e, a partir de abril, o resultado pôde ser visto. No gráfico abaixo estão os resultados obtidos, evidenciando o processo de aceleração no resultado dos meses seguintes: Existe, ainda, uma outra forma de visualizar os impactos das iniciativas feitas pela empresa: por meio da representação gráfica do acompanhamento do montante das vendas até o momento, discriminando as taxas de conversões de vendas realizadas dentro de uma faixa de período. No gráfico abaixo, é evidenciada a melhora de conversão do time em ciclos de até 30 dias e em ciclos de até 90 dias. Tratando-se de uma análise de safra, neste exemplo, de agosto a dezembro ainda há perspectivas de melhorarem a sua conversão total, chegando a 30% de conversão mais rapidamente do que nos meses anteriores. Conclusão A compreensão do ciclo médio de vendas de um negócio é fundamental para que o gestor tenha uma visão nítida da sua esteira comercial e possa implementar estratégias de otimização. O uso da análise Cohorts para análise de ciclo médio de vendas pode ajudar sua empresa a provisionar resultados de vendas e a definir metas de geração de pipeline antecipadamente. Considere implementar esta metodologia. Avaliar resultados comparando ciclos comparáveis e analisando tendências por agrupamentos de safras ajudam a medir o impacto imediato das ações e esforços que o time comercial está fazendo. Gostou desse post? Compartilhe em suas redes! Sobre o Autor: Ricardo Okino – Co fundador Escola ExchangeEspecialista em Gestão de Vendas, investidor anjo, membro de conselho de startups, autor best seller do livro Liderança e Gestão de Alta performance em Vendas.
Como Realizar Análise de Correlações em Vendas
Uma das atribuições de um líder que busca a alta performance da operação é garantir que a análise de vendas esteja sendo feita de forma coesa, realmente refletindo os resultados. Existem diferentes formas de buscar isso, mas uma delas, sem dúvidas, é ter um olhar crítico e analítico para toda a esteira comercial. Isso, por sua vez, exige que o gestor configure seu dashboard com as métricas que irá utilizar para acompanhar o andamento da operação. Para uma visão de ponta a ponta, que permita ter um olhar preciso sobre o passado, presente e projeção de futuro, é importante usar leading indicators e lagging indicators. Mas na hora de setar os indicadores que irão compor o painel de análise, o gestor nem sempre tem clareza sobre quais utilizar e para quê, exatamente, deve olhar. Isso torna o líder de vendas muito suscetível a pecar pelo excesso, elencando relatórios em excesso e uma série de métricas de vaidade que, na verdade, não refletem o cenário real da operação. Uma forma realmente eficaz de se fazer isso, é buscando correlações, afinal, não adianta acompanhar diversos números, se eles não geram ou não levam ao resultado esperado. Antes de saber como aplicar este coeficiente na análise de vendas, é importante entender o que é e como funciona. A análise de correlação (também conhecida como coeficiente de correlação de Pearson) é uma técnica estatística que tem como objetivo mensurar o impacto e a direção do cruzamento entre duas ou mais variáveis. Aplicada às vendas, essa análise permite identificar padrões e conexões entre diferentes fatores que influenciam os resultados comerciais. Dessa forma, você se torna capaz de reiterar ou refutar uma hipótese. Por exemplo, você pode investigar como a variação no número de leads gerados impacta diretamente o volume de vendas, ou como a origem dos leads advindos de marketing afeta a taxa de conversão de clientes. Com a análise de correlação, você se mune informações e dados que te ajudarão a ter insights importantes sobre o que realmente impulsiona o desempenho comercial, contribuindo para a otimização de estratégias e a tomada de decisões baseadas em dados concretos. Ao entender essas correlações e como fazê-las, é possível também identificar oportunidades de melhoria, alocar recursos de forma mais eficiente e, claro, aumentar a receita da companhia. Como Fazer Análise de Correlação em Vendas? A análise de correlação vai te ajudar a entender o papel das variáveis sobre um resultado e gerar insights para tomadas de decisão baseadas em dados. Para fazer uma análise de correlação assertiva, você pode seguir os passos abaixo: 1. Definindo as Variáveis O primeiro passo é mapear as variáveis que você deseja analisar. No contexto de vendas, essas podem incluir o número de leads gerados, taxa de conversão por etapa de funil, volume de fechamento por vendedor, dentre uma série de aspectos que você pode analisar. 2. Coletando os Dados O passo seguinte consiste em reunir os dados históricos necessários para suas variáveis. Utilize ferramentas de CRM e plataformas de automação de marketing para obter informações precisas. Certifique-se de que os dados sejam consistentes e estejam em um formato utilizável. Uma outra possibilidade é não usar dados históricos, mas coletar os dados em tempo real, no período proposto para a análise. Nesse caso, você precisa definir o período e um plano para a coleta de dados, definindo quais dados serão coletados, com que frequência serão registrados e por quanto tempo deverão ser analisados. 3. Preparando os Dados Antes de realizar a análise, é importante limpar e preparar os dados. Verifique se há valores ausentes, inconsistentes ou erros de fórmula, por exemplo, e então faça as correções necessárias. Normalizar os dados pode ser útil para facilitar a comparação entre diferentes variáveis. 4. Escolhendo a Ferramenta de Análise Existem diversas ferramentas que podem te ajudar a entender e comparar os dados. No entanto, programas básicos como Excel, Google Sheets podem ser suficientes, uma vez que softwares mais robustos podem adicionar uma cama de complexidade, caso você não tenha muita familiaridade, tornando o processo mais moroso. 5. Calculando a Correlação de Pearson Utilize a função de correlação da sua ferramenta escolhida para calcular o coeficiente de correlação de Pearson entre suas variáveis. Esta função geralmente requer a inserção dos dados das variáveis que você deseja analisar. 6. Interpretando os Resultados Após obter o coeficiente de correlação, é hora de interpretar os resultados. Um valor próximo de 1 indica uma forte correlação positiva, enquanto um valor próximo de -1 indica uma forte correlação negativa. Valores próximos de 0 indicam pouca ou nenhuma correlação linear. 7. Visualizando a Correlação Crie gráficos de dispersão (scatter plots) para visualizar a relação entre as variáveis. Isso é o que vai te ajudar a identificar os padrões e te fornecer uma compreensão visual da correlação. A partir disso, use os insights gerados para balizar suas estratégias de vendas e ter mais assertividade quanto ao impacto das iniciativas definidas. Aplicação Prática da Análise de Correlação Em uma das empresas aceleradas pela Exchange, em três iniciativas distintas, analisamos correlações lineares relevantes. São elas: Nesses três cenários, o objetivo foi entender o impacto da primeira variável sobre o resultado obtido. Após as análises feitas, tornou-se mais fácil chegar à conclusão se valia a pena ou não mexer nas variáveis para sustentar ou melhorar o resultado. Os possíveis desdobramentos sugeridos, nesses três casos, foram, respectivamente: Uma das premissas importantes a se ter em mente nesse contexto de análise de vendas, é que se não existe correlação direta ou indireta, talvez não haja necessidade de acompanhamento intenso: monitorar e buscar melhorar sejam melhores alternativas. O cenário descrito acima está refletidos nos gráficos a seguir: Gostou desse post? Compartilhe!