pipeline-forecasting

パイプライン予測

過去のコンバージョン率、案件の進捗速度、確度で重み付けした予測を使って、正確なデータ主導の売上予測を作成します。

このスキルを使用する場面

• 経営陣との週次／月次のパイプラインレビュー
• 取締役会での売上予測
• クォータ設定とテリトリー計画
• 予測と目標のギャップの特定
• 最良／最悪／最も可能性の高い結果のシナリオプランニング

方法論の基盤

ClariのRevenue Operations手法とForresterのB2B Revenue Waterfallに基づき、以下を組み合わせます。

• 加重パイプライン（確率 × 金額）
• ステージ別の過去のコンバージョン率
• 案件の進捗速度分析
• コミットと上振れの分類

Claudeが行うことと、あなたが判断すること

Claudeが行うこと	あなたが判断すること
ステージ別に加重パイプラインを計算します	どの案件を含める／除外するか
過去のコンバージョン率を適用します	特定の案件に対する調整要因
信頼区間を生成します	経営陣に提示する最終コミット額
予測リスクを特定します	ギャップを埋めるためのアクション
最良／最悪／最も可能性の高いシナリオをモデル化します	どのシナリオを計画の基準にするか

このスキルでできること

1. パイプラインデータを取り込みます - ステージ、金額、クローズ日を含む現在の商談
2. コンバージョン計算を適用します - ステージ、セグメント、担当者別の過去の受注率
3. 加重予測を計算します - 確率調整済みの売上予測
4. シナリオを生成します - 信頼区間を含むベストケース、コミット、ワーストケース
5. リスクを特定します - クローズ時期が先送りされている案件、パイプラインの不足、カバレッジ率

使用方法

I need a pipeline forecast for Q1. Here's our current pipeline:

[Paste pipeline data: Deal name, Stage, Value, Close Date, Rep]

Historical context:
- Average win rate: 25%
- Stage 3→Close rate: 45%
- Stage 4→Close rate: 70%
- Average sales cycle: 45 days

Target: $2.5M for Q1

手順

ステップ 1：パイプラインの分類

案件を次のように分類します。

• コミット - 確度が高い（ステージ 4 以上、口頭でのコミットあり）
• ベストケース - 確度が中程度（ステージ 3、顧客との関与あり）
• 上振れ - 確度が低い（ステージ 1～2、初期段階）

ステップ 2：加重計算

Weighted Value = Deal Value × Stage Probability × Rep Factor

Stage Probabilities (adjust to your data):
- Stage 1 (Discovery): 10%
- Stage 2 (Qualification): 20%
- Stage 3 (Proposal): 40%
- Stage 4 (Negotiation): 70%
- Stage 5 (Verbal): 90%

ステップ 3：カバレッジ分析

Pipeline Coverage = Total Pipeline ÷ Target
- Healthy: 3-4x coverage
- At Risk: 2-3x coverage
- Critical: <2x coverage

ステップ 4：シナリオのモデル化

• ワーストケース：コミットのみ（確率 90% 以上の案件）
• 最も可能性の高いケース：コミット + ベストケースの 50%
• ベストケース：コミット + ベストケース + 上振れの 25%

ステップ 5：リスクの特定

次の条件に該当する案件にフラグを付けます。

• クローズ日が過去になっている（更新が必要）
• 14 日以上アクティビティがない（停滞）
• 前四半期から先送りされている（延期リスク）
• 重要な項目が未入力（データ品質の問題）

例

例 1：四半期予測

入力：

Pipeline for Q1:
- Acme Corp: Stage 4, $150K, Jan 30, Rep: Sarah
- Beta Inc: Stage 3, $80K, Feb 15, Rep: Mike
- Gamma Ltd: Stage 2, $200K, Mar 1, Rep: Sarah
- Delta Co: Stage 4, $120K, Feb 28, Rep: Lisa
- Echo Systems: Stage 1, $500K, Mar 15, Rep: Mike

Target: $400K

出力：

## Q1 Pipeline Forecast

### Weighted Pipeline
| Deal | Stage | Value | Probability | Weighted |
|------|-------|-------|-------------|----------|
| Acme Corp | 4 | $150K | 70% | $105K |
| Delta Co | 4 | $120K | 70% | $84K |
| Beta Inc | 3 | $80K | 40% | $32K |
| Gamma Ltd | 2 | $200K | 20% | $40K |
| Echo Systems | 1 | $500K | 10% | $50K |
| **Total** | | **$1.05M** | | **$311K** |

### Scenario Analysis
- **Worst Case (Commit)**: $189K (Acme + Delta at 70%)
- **Likely Case**: $245K (Commit + 50% Best Case)
- **Best Case**: $361K (All weighted)

### Coverage Ratio
- Pipeline: $1.05M
- Target: $400K
- Coverage: 2.6x ⚠️ (At Risk - need 3x+)

### Risks Identified
1. ⚠️ Echo Systems ($500K) is Stage 1 with Mar close - unlikely
2. ⚠️ Gap of $155K between Likely ($245K) and Target ($400K)

### Recommendations
1. Pressure test Acme and Delta for verbal commits
2. Accelerate Beta Inc to Stage 4 this week
3. Add $200K+ new pipeline to reach 3x coverage

例 2：月次集計

入力：

January pipeline by rep:
Sarah: $450K weighted, $280K commit
Mike: $320K weighted, $150K commit
Lisa: $280K weighted, $200K commit

Team target: $500K

出力：

## January Team Forecast

| Rep | Weighted | Commit | % to Target |
|-----|----------|--------|-------------|
| Sarah | $450K | $280K | 56% |
| Mike | $320K | $150K | 30% |
| Lisa | $280K | $200K | 40% |
| **Team** | **$1.05M** | **$630K** | **126%** |

### Forecast Summary
- **Team Commit**: $630K (126% of $500K target) ✅
- **Confidence**: HIGH - commit exceeds target

### Risk Watch
- Mike at 30% commit coverage - needs deal acceleration
- Sarah carrying most weight - concentration risk

スキルの範囲

このスキルが得意なこと

• パイプラインの数学的な計算
• 明確な前提に基づくシナリオのモデル化
• データ品質の問題の特定
• カバレッジ率の分析

このスキルではできないこと

• どの個別案件が成約するかの予測（人による判断が必要です）
• 市場の変化や競合の動向の考慮
• 担当者が持つ案件レベルの知見の代替
• 予測精度の保証

人間にエスカレーションする場面

• 通常と異なる事情のある案件（M&A、推進者の退職）
• クローズ率に影響する市場の混乱
• 経営陣の判断を要する戦略的アカウント
• 取締役会や投資家に提示する最終コミット額

反復ガイド

追加のプロンプト

• 「上位 2 件の案件を失った場合、どうなりますか？そのシナリオを見せてください。」
• 「ステージ 2 の全案件に 20% の減額を適用して再計算してください。」
• 「予測への影響が最も大きい案件はどれですか？」
• 「月別の予測と目標のギャップを見せてください。」

改善サイクル

1. 初回の予測を生成 → 担当者とレビュー
2. 担当者からの情報に基づいて案件の確率を更新
3. 調整済みの前提で予測を再実行
4. コミット額を確定し、週ごとの変動を追跡

チェックリストとテンプレート

週次予測レビューのチェックリスト

• すべての案件に最新のクローズ日が設定されている
• 今週のステージの進捗が更新されている
• コミット案件の次のステップが予定されている
• リスクにフラグが付けられ、対策の担当者が割り当てられている
• カバレッジ率が計算されている

予測テンプレート

## [Period] Revenue Forecast

**Generated:** [Date]
**Pipeline Cutoff:** [Date]

### Summary
- Target: $X
- Commit: $X (X% of target)
- Best Case: $X
- Coverage: Xx

### By Segment
[Table]

### Risks & Mitigations
[List]

### Actions This Week
[List]

参考資料

• Clari の収益オペレーションプレイブック
• Forrester の B2B 収益ウォーターフォールモデル
• MEDDICC の案件評価フレームワーク
• Gartner の営業予測ベストプラクティス

関連スキル

• deal-risk-scoring - 個々の案件の健全性を評価します
• lead-scoring - ファネル上部のリードを選別します
• account-health - 顧客維持の兆候を把握します

スキルのメタデータ

• ドメイン: 収益オペレーション（RevOps）
• 複雑さ: 中級
• モード: centaur
• 価値を実感するまでの時間: 予測あたり 15～30 分
• 前提条件: パイプラインデータのエクスポート、過去の受注率