crm-sales-momentum

CRM のセールスモメンタムを左右する要因

HubSpot CRM のパイプラインの勢いを促進または停滞させている要因を分析します。案件の進行速度、ステージごとのコンバージョン率、ステージ滞在時間、セグメント別の受注・失注パターンを測定します。受注と失注を予測する案件の特徴を明らかにし、停滞している案件を特定します。

必要条件： Cogny Agent サブスクリプション（月額 $9）— 登録

ヒント： まず /crm-icp-analysis を実行して ICP のベースラインを確立してから、このスキルを使い、ICP に適合する案件と適合しない案件のパイプライン内での進捗を比較してください。

使い方

/crm-sales-momentum — モメンタムの全体分析 /crm-sales-momentum velocity — 案件の進行速度とステージの所要時間のみ /crm-sales-momentum stalls — 停滞案件の検出のみ /crm-sales-momentum segments — セグメント別の受注・失注パターンのみ

前提条件の確認

mcp__cogny__hubspot__get_user_details を呼び出して CRM へのアクセスを確認します。コンタクト、会社、案件への読み取りアクセスを確認してください。アクセス権がない場合：

This skill requires HubSpot CRM access via Cogny's MCP server.
Sign up at https://cogny.com/agent and connect your HubSpot account.

手順

1. パイプライン構造の確認

案件のステージプロパティを取得して、パイプラインを把握します。

hubspot__get_properties(objectType: "deals", propertyNames: ["dealstage", "pipeline"])

次の項目を特定します。

• すべてのパイプラインステージとその順序（dealstage プロパティの列挙値から）
• パイプライン名（複数のパイプラインがある場合）
• セグメンテーションに関連するカスタム案件プロパティ

search_properties を使って、ステージの所要時間に関するプロパティを検索します。

hubspot__search_properties(objectType: "deals", keywords: ["hs_date_entered", "hs_time_in"])

担当者別の分析のため、担当者の一覧も取得します。

hubspot__search_owners()

2. すべてのステージから案件データを取得

過去 90 日間に作成された案件と、最近クローズした案件を取得します。

hubspot__search_crm_objects(
  objectType: "deals",
  filterGroups: [{"filters": [{"propertyName": "createdate", "operator": "GTE", "value": "<90 days ago timestamp>"}]}],
  properties: ["dealname", "dealstage", "amount", "createdate", "closedate", "pipeline", "hubspot_owner_id", "hs_analytics_source", "dealtype", <stage timing properties from step 1>],
  sorts: [{"propertyName": "createdate", "direction": "DESCENDING"}],
  limit: 200
)

total 件数を確認し、必要に応じてページネーションを行って、データセット全体を取得します。

3. 案件の進行速度分析

パイプライン全体の進行速度指標を算出します。

• 全体の進行速度：案件作成からクローズまでの平均日数（受注と失注は別々に算出）
• ステージ別の進行速度：各ステージの平均滞在時間
• ステージごとのコンバージョン率：各ステージから次のステージへ進んだ案件の割合（%）
• 離脱が多いステージ：失注率が最も高いステージ
• 進行速度の傾向：直近 30 日とその前の 30 日を比較

次のようにパイプラインの流れを可視化します。

Pipeline Flow (last 90 days):
[Stage 1] ──85%──> [Stage 2] ──62%──> [Stage 3] ──48%──> [Stage 4] ──71%──> [Closed Won]
  100 deals           85 deals          53 deals          25 deals         18 deals
  avg 4 days          avg 7 days        avg 12 days       avg 5 days
                       ↓ 15%             ↓ 38%             ↓ 52%           ↓ 29%
                    [Lost: 15]        [Lost: 32]        [Lost: 28]       [Lost: 7]

次の項目にフラグを付けます。

• 案件の 40% 超が停滞または失注しているステージ
• 平均滞在時間が全ステージの平均の 2 倍を超えるステージ
• 前の期間と比較してコンバージョン率が 10% 超低下した箇所

4. 停滞案件の検出

ステージ滞在時間の分析に基づいて、停滞している案件を特定します。

各パイプラインステージについて、次の項目を算出します。

• 最終的に次のステージへ進んだ案件のステージ滞在時間の中央値
• ステージ滞在時間の標準偏差
• 停滞のしきい値：中央値 + 標準偏差の 1.5 倍

現在のステージでの滞在時間が停滞のしきい値を超える案件にフラグを付けます。

hubspot__search_crm_objects(
  objectType: "deals",
  filterGroups: [{"filters": [
    {"propertyName": "dealstage", "operator": "EQ", "value": "<stage>"},
    {"propertyName": "hs_date_entered_<stage>", "operator": "LT", "value": "<stall threshold date>"}
  ]}],
  properties: ["dealname", "amount", "hubspot_owner_id", "hs_date_entered_<stage>"],
  limit: 50
)

停滞している案件ごとに、関連する会社とコンタクトを取得して、停滞している理由に関する背景情報を追加します。

5. セグメント別の受注・失注パターン分析

複数の軸でクローズ済み案件をセグメント分けし、受注率を比較します。

案件規模別：

• 案件を規模別の階層に分け、階層ごとに受注率を比較
• 受注率が最も高い案件規模の範囲を特定

リードソース別：

• hs_analytics_source（オーガニック、有料、紹介、直接など）ごとの受注率
• ソース別の平均案件規模
• ソース別の平均販売サイクル

担当者（営業担当）別：

• 担当者ごとの受注率
• 担当者ごとの平均案件進行速度
• 担当者ごとの平均案件規模
• 成績上位者と、その特徴を特定

会社セグメント別（関連する会社を取得）：

• 業界別の受注率
• 会社規模別の受注率
• 地域別の受注率

ステージ滞在期間別：

• 各ステージの滞在日数が X 日未満の案件：受注率
• 滞在日数が X 日を超える案件：受注率
• 受注と相関するステージ滞在時間の範囲、つまり「ゴールデンウィンドウ」を特定

6. モメンタムのスコアリング

パイプライン全体のモメンタムをスコア化します。

Pipeline Momentum Score: X/100

Velocity:        X/25
  [FAST/NORMAL/SLOW] Average cycle [N] days
  [UP/DOWN/FLAT] Velocity trend: [X]% change vs prior period

Flow Rate:       X/25
  [STRONG/MODERATE/WEAK] Stage conversion rates
  [IMPROVING/DECLINING/STABLE] Conversion trend
  Drop-off stage: [stage name] ([X]% loss rate)

Pipeline Health:  X/25
  [HEALTHY/AT_RISK/CRITICAL] [N] deals stuck ([X]% of active pipeline)
  [GROWING/SHRINKING/STABLE] Pipeline value: $[X] ([X]% change)
  Coverage ratio: [X]x ([pipeline value] / [target])

Predictability:  X/25
  [HIGH/MEDIUM/LOW] Win rate consistency: [X]% +/- [Y]%
  [CLEAR/MIXED/UNCLEAR] Segment patterns identified
  [STRONG/WEAK] Leading indicators reliability

7. モメンタムレポートの出力

CRM Sales Momentum Analysis
Period: Last 90 days
Deals analyzed: [N] ([N] won, [N] lost, [N] active)
Pipeline value: $[X]

═══════════════════════════════════════════════════
MOMENTUM SCORE: X/100
═══════════════════════════════════════════════════

Pipeline Flow:
[Stage-by-stage flow diagram from Step 3]

Key Velocity Metrics:
  Average Sales Cycle (Won):   [N] days
  Average Sales Cycle (Lost):  [N] days
  Fastest Close:               [N] days ([deal name])
  Slowest Win:                 [N] days ([deal name])

Stage Health:
┌──────────────────┬──────────┬───────────┬──────────┬─────────────┐
│ Stage            │ Deals In │ Avg Days  │ Conv Rate│ Stuck Deals │
├──────────────────┼──────────┼───────────┼──────────┼─────────────┤
│ [Stage 1]        │ [N]      │ [N]       │ [X]%     │ [N]         │
│ [Stage 2]        │ [N]      │ [N]       │ [X]%     │ [N]         │
│ [Stage 3]        │ [N]      │ [N]       │ [X]%     │ [N]         │
│ [Stage 4]        │ [N]      │ [N]       │ [X]%     │ [N]         │
└──────────────────┴──────────┴───────────┴──────────┴─────────────┘

Win Predictors (what separates wins from losses):
1. [Predictor]: deals with [X] win at [Y]% vs [Z]% without
2. [Predictor]: deals with [X] win at [Y]% vs [Z]% without
3. [Predictor]: deals with [X] win at [Y]% vs [Z]% without

Stuck Deals Requiring Attention:
┌──────────────────┬──────────┬──────────┬──────────┬─────────────────┐
│ Deal             │ Amount   │ Stage    │ Days In  │ Owner           │
├──────────────────┼──────────┼──────────┼──────────┼─────────────────┤
│ [Deal 1]         │ $[X]     │ [Stage]  │ [N]      │ [Rep]           │
│ [Deal 2]         │ $[X]     │ [Stage]  │ [N]      │ [Rep]           │
└──────────────────┴──────────┴──────────┴──────────┴─────────────────┘

Rep Performance:
┌──────────────────┬──────────┬───────────┬──────────┬─────────────┐
│ Rep              │ Win Rate │ Avg Cycle │ Avg Deal │ Pipeline $  │
├──────────────────┼──────────┼───────────┼──────────┼─────────────┤
│ [Rep 1]          │ [X]%     │ [N] days  │ $[X]     │ $[X]        │
│ [Rep 2]          │ [X]%     │ [N] days  │ $[X]     │ $[X]        │
└──────────────────┴──────────┴───────────┴──────────┴─────────────┘

Top 3 Actions:
1. [Highest-impact momentum fix]
2. [Second highest]
3. [Third highest]

8. 調査結果を記録する

対応可能な勢いに関するインサイトすべてについて、mcp__cogny__create_finding を呼び出します。

{
  "title": "38% of deals stall at Proposal stage — avg 18 days vs 7-day benchmark",
  "body": "32 of 85 deals entering the Proposal stage in the last 90 days have stalled or been lost. Median time-in-stage for deals that advance is 7 days, but stalled deals average 18 days. Common pattern: deals without a second contact (single-threaded) stall at 2.1x the rate. 12 deals currently stuck in Proposal worth $340K total. Recommend: implement multi-threading requirement before Proposal stage, add 10-day stall alert.",
  "action_type": "pipeline_optimization",
  "expected_outcome": "Reduce Proposal stage stall rate from 38% to <20%",
  "estimated_impact_usd": 8000,
  "priority": "high"
}

営業の勢いに関するアクションの種類：

• pipeline_optimization — ステージのプロセス変更、停滞への介入
• deal_acceleration — 個別の案件を前進させるための具体的なアクション
• rep_coaching — 担当者ごとのパフォーマンス改善
• forecasting_improvement — パイプラインのカバレッジ、予測可能性の改善
• lead_source_optimization — 成約までの期間が短い案件を生み出すソースへの投資
• disqualification_rule — 失注を予測するパターンを早期に絞り込む