Forecast comercial que realmente funciona

Cada mes es lo mismo: tus vendedores prometen X revenue, luego cierran la mitad. Tu board pregunta por qué fallaste el número. El forecast comercial típico es ficción optimista. Así se construye uno que funciona.

Por qué el forecast tradicional es un chiste

Seamos honestos: el forecast mensual en la mayoría de las empresas B2B es básicamente teatro corporativo. Los vendedores inflan sus números para verse bien. Los managers ajustan hacia abajo por "experiencia". El VP hace su propia cuenta paralela. Nadie confía en los números hasta que el mes cierra.

El problema no es que tus vendedores sean malos forecasting. El problema es que les pediste adivinar el futuro sin darles una metodología objetiva para hacerlo.

Los 3 pecados mortales del forecast

1. Forecast basado en "feeling"

Le preguntas a tu vendedor: "¿Cuánto crees que vas a cerrar este mes?" Él mira su pipeline, hace una cuenta mental rápida y dice un número. Ese número no está basado en datos históricos ni en probabilidades objetivas. Es una mezcla de optimismo, presión y wishful thinking.

2. No hay criterios objetivos de probabilidad

Un deal marcado como "90% de probabilidad" no significa nada si cada vendedor define ese 90% de forma diferente. Para uno, 90% significa "ya mandamos el contrato". Para otro, significa "tuvimos una buena conversación". Sin criterios objetivos, las probabilidades son arbitrarias.

3. No se mide la precisión histórica

Si tu vendedor forecasted $100k y cerró $40k tres meses seguidos, ¿por qué seguirías confiando en sus números? La mayoría de las empresas no trackean la precisión de forecast por vendedor. Sin accountability, no hay incentivo para mejorar.

El framework de forecast predictivo

Un forecast confiable tiene tres componentes: datos limpios, probabilidades basadas en comportamiento histórico y accountability por precisión. Así se construye:

Paso 1: Limpia tu pipeline

Tu forecast solo será tan bueno como la calidad de datos en tu CRM:

• Elimina deals fantasma: Si un deal no tuvo actividad en 30+ días, no está activo. Márcalo como perdido o inactivo.
• Actualiza montos: ¿Ese deal de $500k sigue siendo $500k o ya cambió scope? Fuerza actualización mensual obligatoria.
• Valida expected close date: Si un deal lleva 3 meses con close date "next month", hay un problema. Ajusta la realidad.

Paso 2: Define stages objetivos con criterios claros

Cada stage de tu pipeline debe tener criterios específicos y medibles. Por ejemplo:

• Qualification (20%): Primer call realizado, pain point identificado, budget confirmado.
• Discovery (35%): Demo completado, stakeholders clave identificados, timeline definido.
• Proposal (60%): Propuesta enviada, campeón interno validado, procurement involucrado.
• Negotiation (80%): Contrato en revisión legal, pricing acordado, fecha de inicio confirmada.

Estas probabilidades no son arbitrarias. Las calculaste basándote en tu data histórica: qué porcentaje de deals en "Proposal" realmente cierran.

Paso 3: Calcula probabilidades basadas en datos históricos

Tu CRM tiene meses o años de data. Úsala para calcular probabilidades reales:

• De los últimos 100 deals en "Discovery", ¿cuántos cerraron? Eso es tu probabilidad real de ese stage.
• ¿Cuánto tiempo en promedio pasa un deal en cada stage antes de avanzar o perderse?
• ¿Qué actividades están correlacionadas con mayor win rate?

Este análisis lo haces una vez, luego lo refinas cada trimestre con data nueva.

Paso 4: Implementa forecast multiescenario

No hagas un solo forecast. Haz tres escenarios simultáneos:

• Best case: Todo lo que está en "Proposal" o más avanzado cierra este mes.
• Commit: Solo cuentas deals en "Negotiation" o más avanzado (80%+ probabilidad).
• Most likely: Usas las probabilidades calculadas históricamente y proyectas el weighted pipeline.

Así le das claridad a tu board: en el peor caso cerramos X, lo más probable es Y, y en el mejor escenario Z.

Paso 5: Trackea precisión de forecast por vendedor

Esto es clave y casi nadie lo hace. Cada mes, compara el forecast de cada vendedor contra lo que realmente cerró. Calcula su "forecast accuracy":

• Si forecasted $100k y cerró $95k, su accuracy es 95% (excelente)
• Si forecasted $100k y cerró $50k, su accuracy es 50% (problema serio)

Publica estas métricas. Los vendedores con baja accuracy reciben coaching específico. Los que consistentemente tienen 90%+ accuracy se vuelven referentes.

Cómo implementar forecast predictivo en tu CRM

La mayoría de los CRMs (Salesforce, HubSpot, Pipedrive) tienen capacidades de weighted forecast. Configúralas correctamente:

• Asigna probabilidades por stage: Basadas en tu análisis histórico, no en los defaults del CRM.
• Crea campos custom: "Forecast category" (Commit, Best Case, Pipeline), "Expected close date", "Last activity date".
• Automatiza alertas: Si un deal en "Negotiation" no tiene actividad en 7 días, alerta al manager.
• Crea dashboards específicos: Uno para el equipo (pipeline detallado), otro para execs (forecast consolidado).

Errores comunes al implementar forecast predictivo

1. Complicar demasiado el modelo

No necesitas un modelo de machine learning para forecast B2B. Un weighted pipeline con probabilidades históricas ya te pone en el top 10% de precisión. Empieza simple, refina después.

2. No ajustar por estacionalidad

Si tu negocio tiene estacionalidad (Q4 más fuerte, enero lento), tu modelo debe reflejarla. Las probabilidades de cierre en diciembre pueden ser diferentes a las de febrero.

3. Ignorar el factor "age of deal"

Un deal que lleva 9 meses en el pipeline tiene menor probabilidad de cerrar que uno fresco, incluso si ambos están en el mismo stage. Tu modelo debe considerar "deal age" como factor de ajuste.

Qué esperar después de implementar forecast predictivo

Los resultados no son inmediatos, pero en 2-3 meses deberías ver:

• Forecast accuracy mejorado de ±40% a ±10-15%
• Menos sorpresas de fin de mes ("se cayó el deal grande")
• Conversaciones con el board basadas en datos, no en esperanzas
• Vendedores más disciplinados en actualizar el CRM (porque saben que se mide)
• Mejor capacidad de planificar recursos y headcount

Forecast es un músculo, no un evento

Hacer forecast no es llenar una hoja de cálculo el último día del mes. Es una disciplina continua de higiene de datos, análisis y refinamiento. Los equipos con mejor forecast lo revisan semanalmente, ajustan en tiempo real y aprenden constantemente de sus desviaciones.

La diferencia entre un forecast amateur y uno profesional no está en la herramienta. Está en la disciplina de proceso y la cultura de accountability.