revenue-operations

レベニューオペレーション

SaaS のレベニューチーム向けのパイプライン分析、予測精度の追跡、GTM 効率の測定です。

出力形式： すべてのスクリプトは --format text（人が読みやすい形式）と --format json（ダッシュボード／連携用）に対応しています。

---

クイックスタート

# Analyze pipeline health and coverage
python scripts/pipeline_analyzer.py --input assets/sample_pipeline_data.json --format text

# Track forecast accuracy over multiple periods
python scripts/forecast_accuracy_tracker.py assets/sample_forecast_data.json --format text

# Calculate GTM efficiency metrics
python scripts/gtm_efficiency_calculator.py assets/sample_gtm_data.json --format text

---

ツールの概要

1. パイプラインアナライザー

カバレッジ比率、ステージ間のコンバージョン率、商談の進行速度、滞留リスク、集中リスクなど、セールスパイプラインの健全性を分析します。

入力： 商談、クォータ、ステージ設定を含む JSON ファイル
出力： カバレッジ比率、コンバージョン率、進行速度の指標、滞留フラグ、リスク評価

使用方法：

python scripts/pipeline_analyzer.py --input pipeline.json --format text

算出される主な指標：

• パイプラインカバレッジ比率 -- パイプライン総額 / クォータ目標（健全な範囲：3～4 倍）
• ステージコンバージョン率 -- ステージ間の進捗率
• セールス速度 -- （商談数 x 平均商談額 x 受注率） / 平均セールスサイクル
• 商談の滞留 -- ステージごとの平均サイクル時間の 2 倍を超える商談にフラグを付けます
• 集中リスク -- パイプラインの 40% を超える額が単一の商談に集中している場合に警告します
• カバレッジギャップ分析 -- パイプラインが不足している四半期を特定します

入力スキーマ：

{
  "quota": 500000,
  "stages": ["Discovery", "Qualification", "Proposal", "Negotiation", "Closed Won"],
  "average_cycle_days": 45,
  "deals": [
    {
      "id": "D001",
      "name": "Acme Corp",
      "stage": "Proposal",
      "value": 85000,
      "age_days": 32,
      "close_date": "2025-03-15",
      "owner": "rep_1"
    }
  ]
}

2. 予測精度トラッカー

MAPE を使用して予測精度を継続的に追跡し、体系的なバイアスを検出して傾向を分析し、カテゴリー別の内訳を提示します。

入力： 予測期間と任意のカテゴリー内訳を含む JSON ファイル
出力： MAPE スコア、バイアス分析、傾向、カテゴリー別内訳、精度評価

使用方法：

python scripts/forecast_accuracy_tracker.py forecast_data.json --format text

算出される主な指標：

• MAPE -- mean(|actual - forecast| / |actual|) x 100
• 予測バイアス -- 過大予測（正）と過小予測（負）の傾向
• 加重精度 -- 重要度を反映するため、商談額で加重した MAPE
• 期間ごとの傾向 -- 時間の経過に伴う精度の改善、安定、または低下
• カテゴリー別内訳 -- 担当者、製品、セグメント、または任意のカスタムディメンションごとの精度

精度評価：

評価	MAPE の範囲	解釈
優秀	<10%	予測性が非常に高く、データに基づいたプロセス
良好	10-15%	変動が小さく、信頼性の高い予測
普通	15-25%	プロセスの改善が必要
不良	>25%	予測手法に重大な不備があります

入力スキーマ：

{
  "forecast_periods": [
    {"period": "2025-Q1", "forecast": 480000, "actual": 520000},
    {"period": "2025-Q2", "forecast": 550000, "actual": 510000}
  ],
  "category_breakdowns": {
    "by_rep": [
      {"category": "Rep A", "forecast": 200000, "actual": 210000},
      {"category": "Rep B", "forecast": 280000, "actual": 310000}
    ]
  }
}

3. GTM 効率計算ツール

業界ベンチマーク、評価、改善提案とともに、SaaS GTM の主要な効率指標を算出します。

入力： 収益、コスト、顧客指標を含む JSON ファイル
出力： 評価付きの Magic Number、LTV:CAC、CAC 回収期間、Burn Multiple、Rule of 40、NDR

使用方法：

python scripts/gtm_efficiency_calculator.py gtm_data.json --format text

算出される主な指標：

指標	計算式	目標
Magic Number	Net New ARR / Prior Period S&M Spend	>0.75
LTV:CAC	(ARPA x Gross Margin / Churn Rate) / CAC	>3:1
CAC 回収期間	CAC / (ARPA x Gross Margin) months	<18 か月
Burn Multiple	Net Burn / Net New ARR	<2x
Rule of 40	Revenue Growth % + FCF Margin %	>40%
Net Dollar Retention	(Begin ARR + Expansion - Contraction - Churn) / Begin ARR	>110%

入力スキーマ：

{
  "revenue": {
    "current_arr": 5000000,
    "prior_arr": 3800000,
    "net_new_arr": 1200000,
    "arpa_monthly": 2500,
    "revenue_growth_pct": 31.6
  },
  "costs": {
    "sales_marketing_spend": 1800000,
    "cac": 18000,
    "gross_margin_pct": 78,
    "total_operating_expense": 6500000,
    "net_burn": 1500000,
    "fcf_margin_pct": 8.4
  },
  "customers": {
    "beginning_arr": 3800000,
    "expansion_arr": 600000,
    "contraction_arr": 100000,
    "churned_arr": 300000,
    "annual_churn_rate_pct": 8
  }
}

---

レベニューオペレーションのワークフロー

週次パイプラインレビュー

週次のパイプライン確認を行う際に、このワークフローを使用します。

1. 入力データを確認する： 作業を進める前に、パイプラインのエクスポートが最新であり、必須フィールド（stage、value、close_date、owner）がすべて入力されていることを確認します。

2. パイプラインレポートを生成する：

   python scripts/pipeline_analyzer.py --input current_pipeline.json --format text
   

3. CRM のソースシステムと出力の合計値を照合し、データの整合性を確認します。

4. 主な指標を確認する：

   • パイプラインカバレッジ比率（クォータの 3 倍を超えていますか？）
   • 閾値を超えて滞留している商談（どの商談に対応が必要ですか？）
   • 集中リスク（一部の大型商談に過度に依存していませんか？）
   • ステージの分布（健全なファネルの形になっていますか？）

5. テンプレートを使って記録する： assets/pipeline_review_template.md を使用します

6. アクションアイテム： 滞留している商談に対応し、パイプラインの集中を分散させ、カバレッジギャップを埋めます

予測精度のレビュー

月次または四半期ごとに実施し、予測の規律を評価して改善します。

1. 入力データを確認する： 実行前に、すべての予測期間に対応する実績値があり、期間に抜けがないことを確認します。

2. 精度レポートを生成する：

   python scripts/forecast_accuracy_tracker.py forecast_history.json --format text
   

3. 結論を出す前に、実績値を CRM の受注記録と照合します。

4. 傾向を分析する：

   • MAPE は低下傾向（改善）にありますか？
   • 誤差率が最も高い担当者またはセグメントはどれですか？
   • 系統的な過大予測または過小予測はありますか？

5. テンプレートを使って記録する： assets/forecast_report_template.md を使用します。

6. 改善アクション： 偏りの大きい担当者をコーチングし、手法を調整して、データの衛生状態を改善します。

GTM 効率性監査

四半期ごと、または取締役会資料の準備時に実施し、GTM の効率性を評価します。

1. 入力データを確認する： 実行前に、売上、コスト、顧客数が財務記録と一致していることを確認します。

2. 効率性指標を算出する：

   python scripts/gtm_efficiency_calculator.py quarterly_data.json --format text
   

3. 結果を共有する前に、算出した ARR と支出の合計を 財務システムと照合します。

4. 目標と比較する：

   • マジックナンバー（>0.75）
   • LTV:CAC（>3:1）
   • CAC 回収期間（<18 か月）
   • ルール・オブ・40（>40%）

5. テンプレートを使って記録する： assets/gtm_dashboard_template.md を使用します。

6. 戦略的な意思決定： 支出配分を調整し、チャネルを最適化して、顧客維持率を改善します。

四半期ビジネスレビュー

3 つすべてのツールを組み合わせて、包括的な QBR 分析を実施します。

1. パイプラインアナライザーを実行し、将来のカバレッジを確認します。
2. 予測トラッカーを実行し、過去の予測精度を確認します。
3. GTM 計算ツールを実行し、効率性のベンチマークを確認します。
4. パイプラインの健全性と予測精度を相互に照合します。
5. GTM 効率性指標を成長目標に合わせます。

---

参考ドキュメント

参考資料	説明
RevOps Metrics Guide	指標体系、定義、計算式、解釈に関する完全なガイド
Pipeline Management Framework	パイプラインのベストプラクティス、ステージの定義、コンバージョンのベンチマーク
GTM Efficiency Benchmarks	ステージ別の SaaS ベンチマーク、業界標準、改善戦略

---

テンプレート

テンプレート	用途
Pipeline Review Template	週次／月次のパイプライン点検の記録
Forecast Report Template	予測精度のレポートと傾向分析
GTM Dashboard Template	経営陣レビュー用の GTM 効率性ダッシュボード
Sample Pipeline Data	pipeline_analyzer.py 用の入力例
Expected Output	pipeline_analyzer.py の出力例