关于 pipeline-forecasting
pipeline-forecasting 是面向销售和营收运营团队的收入预测技能。它结合交易金额、阶段转化率、交易速度和信心类别,计算加权预测、模拟不同情景并标记销售管道风险。
主要功能
- 01计算按概率加权的收入
- 02应用历史阶段转化率
- 03划分承诺、最佳情景和潜在交易
- 04模拟预测情景与置信区间
- 05标记交易风险和销售管道缺口
适用场景
- 01准备每周或每月销售管道评审
- 02预测董事会会议的收入
- 03比较销售管道覆盖率与目标
- 04评估最佳、可能和最差情景
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ guia-matthieu/ clawfu-skills --skill pipeline-forecasting安装后在 Claude Code 中输入/pipeline-forecasting确认已加载。
详细介绍
销售管道预测
利用历史转化率、交易速度和按置信度加权的预测,生成准确、数据驱动的收入预测。
何时使用此技能
- 与领导层进行每周/每月销售管道评审
- 董事会会议收入预测
- 制定配额和规划销售区域
- 发现预测与目标之间的差距
- 规划最佳/最差/最可能情境
方法论基础
基于 Clari 的收入运营方法论 和 Forrester 的 B2B 收入瀑布模型,结合:
- 加权销售管道(概率 × 金额)
- 历史阶段转化率
- 交易速度分析
- 承诺与上行情境分类
Claude 的工作与由你决定的事项
| Claude 的工作 | 由你决定 |
|---|---|
| 按阶段计算加权销售管道 | 纳入/排除哪些交易 |
| 应用历史转化率 | 特定交易的调整因素 |
| 生成置信区间 | 向领导层报告的最终承诺金额 |
| 识别预测风险 | 弥补差距的行动 |
| 模拟最佳/最差/最可能情境 | 依据哪个情境进行规划 |
此技能的功能
- 导入销售管道数据 - 当前商机及其阶段、金额和成交日期
- 应用转化率计算 - 按阶段、细分市场和销售代表划分的历史赢单率
- 计算加权预测 - 经概率调整的收入预测
- 生成情境 - 带置信区间的最佳情境、承诺情境和最差情境
- 识别风险 - 延期交易、销售管道缺口和覆盖率
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
说明
步骤 1:销售管道分类
将交易划分为:
- 承诺 - 高置信度(阶段 4+,口头承诺)
- 最佳情境 - 中等置信度(阶段 3,积极跟进)
- 上行机会 - 低置信度(阶段 1-2,早期阶段)
步骤 2:加权计算
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%
步骤 3:覆盖率分析
Pipeline Coverage = Total Pipeline ÷ Target
- Healthy: 3-4x coverage
- At Risk: 2-3x coverage
- Critical: <2x coverage
步骤 4:情境模拟
- 最差情境:仅计入承诺交易(概率 90% 以上)
- 最可能情境:承诺交易 + 最佳情境的 50%
- 最佳情境:承诺交易 + 最佳情境 + 上行机会的 25%
步骤 5:识别风险
标记以下交易:
- 成交日期已过(需要更新)
- 14 天以上无活动(进展停滞)
- 从上一季度延期而来(延期风险)
- 缺少关键字段(数据质量问题)
示例
示例 1:季度预测
输入:
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
输出:
## 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
示例 2:月度汇总
输入:
January pipeline by rep:
Sarah: $450K weighted, $280K commit
Mike: $320K weighted, $150K commit
Lisa: $280K weighted, $200K commit
Team target: $500K
输出:
## 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
技能边界
此技能擅长的事项
- 销售管道数学计算
- 基于明确假设进行情境模拟
- 识别数据质量问题
- 覆盖率分析
此技能无法做到的事项
- 预测哪些具体交易会成交(需要人工判断)
- 考虑市场变化或竞争对手的行动
- 取代销售代表对交易的了解
- 保证预测准确
何时升级至人工处理
- 交易存在特殊情况(并购、关键支持者离职)
- 市场变化影响成交率
- 需要高管判断的战略客户
- 提交给董事会/投资者的最终承诺金额
迭代指南
后续提示词
- “如果最大的 2 笔交易未能成交,会怎样?请展示该情境。”
- “将所有阶段 2 交易的金额下调 20%,然后重新计算。”
- “哪些交易对我们的预测影响最大?”
- “按月份展示预测与目标之间的差距。”
优化周期
- 生成初始预测 → 与销售代表评审
- 根据销售代表的意见更新交易概率
- 使用调整后的假设重新运行预测
- 锁定承诺金额,每周跟踪差异
检查清单和模板
每周预测评审检查清单
- 所有交易都填写了最新成交日期
- 本周已更新阶段进展
- 已为承诺交易安排后续步骤
- 已标记风险并分配缓解措施
- 已计算覆盖率
预测模板
## [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]
参考资料
- Clari 收入运营手册
- Forrester B2B 收入瀑布模型
- MEDDICC 交易资格评估框架
- Gartner 销售预测最佳实践
相关技能
deal-risk-scoring- 评估单笔交易的健康状况lead-scoring- 筛选销售漏斗顶部的潜在客户account-health- 客户留存信号
技能元数据
- 领域:RevOps
- 复杂度:中级
- 模式:centaur
- 价值实现时间:每次预测 15-30 分钟
- 前置条件:销售管道数据导出、历史赢单率
评论
支持 Markdown