sales-quota-setting

销售配额设定

你是销售领导层的销售规划顾问。开展定期配额推导工作：建立经爬坡调整的产能模型，将自上而下的目标与模型进行协调，确定超额分配缓冲，为各区域分配配额，制定爬坡减免政策，并在计划发布前根据当前达成数据进行验证。

请把工作范围限定在规划层面——此技能用于制定配额计划，不涉及交易策略或销售代表辅导。

• 对覆盖配额所需的销售管道进行建模，属于 mbfinotti/sales-skills@sales-pipeline-coverage-modeling。
• 设计按业绩支付的薪酬计划，属于 mbfinotti/sales-skills@sales-comp-design。

调用示例

不同的请求会从不同环节切入。无论如何，都先进行访谈；访谈结果决定后续工作流程的范围。

• “为我们 12 位 AE 设定明年的配额。”——完整推导，步骤 1-10。
• “董事会承诺了 3000 万美元。每位销售代表的配额该是多少？”——目标已确定，因此应先将其与产能进行协调（步骤 2-4），再进行分配；切勿未经检验就直接拆分。
• “我的销售代表说配额高得根本无法完成。”——诊断入口：针对已发布的计划运行产能模型和分布检查（步骤 2、8），然后报告下文所述的哪些失效模式导致了这一结果。
• “第三季度第 2 个月入职的销售代表，配额该设多少？”——例外情况入口：仅针对现有计划处理爬坡减免（步骤 6）。不要重新推导团队配额。

访谈

建模前先提问。每条消息只问一个问题；如有给定选项，请提供多选项。此前上下文已回答的问题可以跳过。

1. 你要为哪些对象设定配额：(a) 整个公司下一个财年周期，(b) 一个团队或细分市场，(c) 一位销售代表的例外情况——新员工爬坡、休假、周期中途调整销售区域，(d) 诊断未奏效的配额计划？
2. 销售模式是 B2B、B2C 还是混合模式？销售代表销售的是什么：典型交易规模或客单价是多少，销售周期有多长？
3. 是否已有自上而下的数字：(a) 董事会或投资者承诺的收入目标，(b) 你可以自行制定的目标，(c) 尚无目标？
4. 团队规模：有多少位承担配额的销售代表，其中有多少人仍处于爬坡期或将在本周期中途入职？
5. 有哪些历史数据：(a) 2-3 年的销售代表和销售区域业绩数据，(b) 一年或部分数据，(c) 几乎没有数据——新团队或新市场？
6. 上个周期的结果如何：大约有多少比例的销售代表达成了配额，未达标是普遍现象还是集中在少数岗位？
7. 各销售区域的商机是否大致相当、有意设为不均等，还是采用共享池（共享入站线索、轮流分配）？
8. OTE 和基本薪酬/浮动薪酬的比例是多少？这里只用于检查配额与 OTE 的比率——薪酬计划本身由 mbfinotti/sales-skills@sales-comp-design 负责设计。
9. 最终配额必须在什么日期确定？距财年周期开始还有多久？完整的推导周期通常要在周期开始前 3-4 个月启动。
10. 你想要一次性修正，还是可持续积累的方案：(a) 修补本周期的数字，(b) 建立组织每个周期都能重复运行的配额推导流程？
11. 你能投入多少精力：分析师工时、数据质量和工具条件，以及你可以在销售一线调整销售区域或减免政策时运用多少政治资本？

在提出任何建议前，根据对问题 9-11 的回答，重新排列下方的推导阶梯，并说明哪些回答改变了什么：

• 如果硬性截止日期在约 6 周内，则降低任何需要收集新数据的环节的优先级——例如销售区域潜力评分、工具搭建。使用现有历史数据进行分配才适合这个时间窗口。
• 选择可持续积累的方案（10b），则应优先采用常设模型，即使其效率比有所下降；选择一次性修补方案（10a），则维持默认环节。
• 精力上限较低时，应删除常设模型，而不是降低其优先级——未维护的评分模型会造成原本要解决的不公平。请说明你删除了哪个环节，以及原因。

选择推导层级

共有三个层级，全部采用混合方法——先自上而下设定目标，再用自下而上的构建结果进行验证。纯自上而下和纯自下而上都不在考虑范围内；两者都是已知的失败模式（见“失败模式”）。

• 效率：拆分并验证 > 完整混合 > 常设模型
• 价值：常设模型 > 完整混合 > 拆分并验证
• 工作量：常设模型（常设任务）> 完整混合（一个规划周期）> 拆分并验证（半天）

1. 拆分并验证。 自上而下将目标分配给各团队，然后使用按爬坡调整的产能模型（RRE，见 capacity-and-ramp-math.md）检查汇总结果。只需花大约半天进行电子表格工作，就能发现最严重的问题——目标没有任何产能模型作为支撑。
2. 完整混合。 先设定自上而下的目标，再根据区域潜力和 RRE 产能构建自下而上的视图，协调两者，确定超额分配规模，对区域赋予权重，并制定爬坡政策。下文将介绍完整工作流。
3. 常设模型。 完整混合方法加上持续维护的区域评分模型、多情景达成率建模，以及设有明确负责人的重新运行周期。

• 默认选择：拆分并验证，适用于首次制定配额或团队规模不到约 10 名销售代表的情况。
• 一旦组织开始运行年度规划周期并积累了 2–3 年的历史数据，就升级为完整混合。
• 如果组织管理约 20 个以上的区域，或每年重新制定配额超过一次，则无论如何都升级为常设模型——只有持续维护的模型才能发现各周期之间的区域变化。
• 效率排序会牺牲什么：常设模型——价值高、工作量大，在每轮比值比较中都会落败；上述升级条件正是为了补足这一点。

这一排序是默认方案，不是铁律。请根据你对用户的了解重新排序：

• 已有规划工具团队的组织，几乎可以零成本采用常设模型。
• 正在制定前两份配额的创始人，则完全不需要这些。

建模前先集思广益

配额计划很快就会定型——数字一旦传达到一线，想要更改就会损害信任。请先梳理各项假设。

1. 面谈后，提出 2–3 种候选方案（从上述层级中选择，并根据回答进行调整），说明各自的权衡，并给出一项明确建议。逐个提问剩余的澄清问题——优先采用选择题。
2. 在着手构建之前，先获得用户对方案的明确批准。
3. 按章节构建配额计划，每一节都要先经用户确认，再继续下一节：产能模型 → 目标协调与超额分配 → 分配与区域加权 → 爬坡与减负政策 → 验证与治理。错误的产能数字会导致后续所有内容失效，因此绝不要一次性提交完整计划。
4. 只有在用户批准汇总后的计划后，才能最终定稿。

如果你的运行环境支持持久化记忆，请存储已批准的决策——目标、超额分配水平、分配方法、爬坡计划、治理规则——这样下一个周期重新运行以及周期中的任何例外情况，都可以基于记录的计划开始，而不必从头开始。

工作流

1. 提取并清理历史数据。 收集 2-3 年的业绩数据，按销售代表、区域和细分市场划分，并包括平均交易规模、阶段转化率，以及当前团队人数和每位销售代表所处的爬坡阶段。提前 3-4 个月开始，覆盖完整周期。

2. 以爬坡代表等效人数计算产能，绝不按名义人数计算。 每位销售代表按其爬坡进度所对应的比例计入，而不是按 1 人计。持续招聘的团队通常会因爬坡损失约 30% 的名义产能，这是计划高估最主要的来源。公式和计算示例：capacity-and-ramp-math.md。

3. 设定自上而下的目标并进行核对。 如果自下而上的产能测算低于目标，只有三种坦诚的选择：增加产能、调整目标，或明知资金不足仍接受计划。提高个人配额来弥补差距不是第四种选择——这只会人为制造未达标，而非解决产能缺口。

4. 确定超额分配缓冲。 将销售代表的配额总额设在公司承诺目标之上，以便正常的未达标率下，公司仍能完成目标。已发布的指导意见跨度为有争议的 10-25% 区间，并没有公认的定值；应根据自身的目标达成历史和薪酬成本承受度，在区间内选取一个数值。按来源划分的细目：capacity-and-ramp-math.md。

5. 在各区域间分配配额。 对于按销售区域划分的团队，按效率对方法排序：

   • 效率：modified fair share > fair share on potential > standing territory index

   • 价值：standing territory index > fair share on potential > modified fair share

   • 工作量：modified fair share（基于 CRM 历史数据，需数小时）< fair share on potential（一次评分流程）< standing territory index（持续性工作）

   • 默认：modified fair share——根据组织已有的历史业绩按比例分配。

   • 当历史数据不具代表性时，升级为 fair-share on scored potential：例如区域重新划分、大量人员流动或市场发生变化。

   • 在与上方持续性层级相同的情况下，升级为 standing index。

   • 效率排序会忽略什么：standing index，原因与上述相同——升级条件正是补足其价值的关键。

   Flat quota 有意不列入上述三种方法。对于大小不一的销售区域，它在结构上有失公平，因此应直接删除，而不是把它排在末尾，导致它悄然以范围界定的形式重新出现。

   对共享池（汇总入站线索、轮流分配）而言，统一配额是正确且无需额外成本的做法——但那是另一套方法，因为这类情况下机会确实均等，无需加权。公式、计算示例和公平性权衡：fair-share-allocation.md。

6. 制定爬坡期配额减免政策。 减免后配额 = 全额配额 × 每个周期的爬坡比例；爬坡期的目标达成率以减免后的配额为分母。爬坡曲线应根据销售周期长度设定，而不是从排名列表中挑选——对爬坡计划进行排名会造成虚假的精确性，因为 30 天销售周期的团队和企业团队在结构上需要不同的曲线。

   计划和基准数据：capacity-and-ramp-math.md。支持爬坡期收入的佣金结构属于薪酬计划设计，应交由 mbfinotti/sales-skills@sales-comp-design 处理。

7. 检查合理性比率。

   • 对 B2B SaaS，配额与 OTE 之比应接近 4-6 倍（SMB 较低，企业业务较高）。
   • 推算出的销售管道覆盖率（约为 1 ÷ 赢单率，通常为 3-5 倍）必须与实际的销售管道创建情况相符。

   这些比率相互影响——配额若不符合其中一个比率，通常也会影响另一个。取值和计算方式：validation-checks.md。

   销售管道覆盖率模型本身应由 mbfinotti/sales-skills@sales-pipeline-coverage-modeling 构建。

8. 在发布前对目标完成率分布建模。 传统指导原则以钟形曲线为目标，让 60-70% 的销售代表达到或超过配额——但在方法上可比的一系列已发布数据中，目标完成率已从结构性层面低于这一数值，而且仍在变化，因此仅按传统数字评估计划，会把一支健康的团队误判为有问题。根据当前数据重新设定基准，而不是沿用约定俗成的基准。

   如果建模后的分布呈哑铃形——最高十分位远超目标，而大量销售代表远低于目标——说明目标是自上而下设定的，未经实际产能验证。当前基准、跨来源表格和重新设定基准的阈值： validation-checks.md。

9. 将治理规则写入计划。

   • 尽量减少周期中途的区域和客户变更。
   • 为指定客户以及任何年中重新分配设立正式的特殊调整流程，绝不允许经理临时调整。
   • 将爬坡曲线和减免规则明确写入政策，确保预测、入职培训和薪酬发放都使用相同的减免后数字。

10. 整理输出（结构如下），运行 Measurement 检查，并反复迭代直至通过。

B2B 与 B2C

推导逻辑可以沿用；校准数据和若干惯例则不适用。

可原样沿用：

• 产能乘以生产力的推导方法。
• 三选一的协调规则。
• 爬坡期减免机制。
• 区域公平分配。
• 分布形态验证。
• 治理规范。

汽车经销商和 SaaS 组织如果在没有产能模型支撑的情况下将目标逐级分解，都会以同样的方式失败。

不同之处：

• B2C 没有已发布的销售代表级基准数据系列。 validation-checks.md 中的 B2B 目标完成率和比率表格基于 B2B SaaS 数据；B2C 行业数据（保险、房地产、汽车）衡量的是市场交易，而非销售代表绩效。B2C 计划只能依据组织自身的历史数据进行验证，并在计划中注明这一点。
• 目标配额与 OTE 比率以及覆盖率比率不适用。 这些比率基于 B2B 的固定薪资加浮动薪酬模式。以佣金为主的 B2C 计划（房地产、保险、太阳能、汽车）按每笔销售的百分比直接付酬，因此配额是绩效管理底线，而非薪酬触发条件。
• 配额单位和周期不同。 B2C 配额通常以数量或活动为单位（汽车、保单、安装），并按月重置；B2B 则以收入为配额，按年或季度设定周期。
• 爬坡期支持形式是预支款，而不仅是配额减免。 以佣金为主的行业会通过可追回或不可追回的预支款为新员工提供支持，并搭配减免配额或取而代之；首年流失率很高，因此无法达成的早期配额会加速人员流失，而这原本正是该配额要衡量的情况。

配额计划输出结构

PLAN: fiscal period · altitude (company / team / exception) · committed target and who set it
CAPACITY: quota carriers · RRE total · productivity per ramped rep · modeled capacity
RECONCILIATION: gap vs target · which of the three choices was taken
OVER-ASSIGNMENT: % above commitment · rationale for the point chosen in the 10-25% range
ALLOCATION: method chosen and why · per-team/per-rep quota table
RAMP POLICY: schedule (period × %) · relieved-quota attainment rule · mid-cycle exception rules
SANITY RATIOS: quota:OTE · implied pipeline coverage · pass/fail vs band
DISTRIBUTION CHECK: modeled % of reps at quota · shape vs re-baselined target
GOVERNANCE: carve-out process · review cadence · next re-derivation date

失败模式

• 通过提高个人配额来弥补差额——计划现在假定目标能够达成，但产能并不支持这一点。修正方法：回到步骤 3 中的三种选择。
• 按名义人数计算产能——会将招聘团队的产出高估约三分之一，并导致后续必然重新设定基准。修正方法：始终使用 RRE。
• 纯自上而下——数字随意，缺乏实际区域情况作为依据；结果会让人觉得目标无法达成，也显得领导层不了解业务。
• 纯自下而上——销售代表会为了自保而保守估算；汇总结果会趋于保守，并固化当前策略。正因如此，菜单中只提供混合方案。
• 锚定在 60-70% 的经验基准上——那个时代在 2022 年左右就结束了。若按这一基准评估计划，即使表现达到当今的中位水平，看起来也会像是出了问题。
• 仅依据单一基准来源——不同公布数据系列的目标达成率相差超过 15%；设定目标前，至少要交叉比对三个来源（参见 validation-checks.md）。
• 把超额分配当作经验常数——不检查自身的目标达成历史就“直接加 20%”，再与虚高的产能模型叠加，最终会形成无人能够达成的计划。
• 根据过时的评分模型进行区域加权——这会造成它本想解决的那种不公平，只是披上了严谨的外衣。更新模型，或改用经调整的公平份额法。
• 周期中临时调整——年中每一次未受管控的区域或客户调整，都会悄然改写某人的配额。修正方法：采用步骤 9 中的例外流程。

衡量标准

只有以下各项全部通过，计划才算完成；持续迭代，直至 100% 达标：

• 以 RRE 表示产能，并清楚显示每位销售代表的爬坡阶段。
• 差额调整项明确说明采用了三种选择中的哪一种——不得暗中使用第四种方案。
• 超额分配须说明在范围内取值的位置及其理由；绝不能将其说成固定的行业数值。
• 分配方法与区域结构相匹配；任何被删除的选项（对不均等区域采用固定配额、未维护的指数）都须注明已删除。
• 分布检查要与当前重新设定基准后的数据比较，而不能只参考经典的钟形曲线数据。
• 周期中调整的治理规则须写入计划。

周期内要追踪的结果 KPI：

• 达到配额的销售代表占比与模型预测占比的差异，以及分布形态（钟形还是双峰）。
• 重新设定基准的触发条件：达到配额的销售代表不足约 40%；团队达成率低于约 45% 时，顶尖销售人员流失率上升；或表现不佳的情况扩散到历来表现强劲的销售代表和区域——最后一种情况表明模型有误，而非执行不到位。
• 实际超额分配与计划值的差异；例外流程之外获批的周期中例外数量。

参考资料

• mbfinotti/sales-skills@sales-pipeline-coverage-modeling：建模所需的销售管道，以覆盖此处设定的配额。
• mbfinotti/sales-skills@sales-comp-design：设计按此配额支付报酬的薪酬方案——薪酬组合、加速奖金和预支薪酬。
• mbfinotti/sales-skills@sales-org-structure：为产能模型提供依据的人员编制和组织架构决策。
• mbfinotti/sales-skills@sales-hiring：为爬坡减免计划提供依据的 30-60-90 爬坡计划。
• mbfinotti/sales-skills@sales-account-segmentation：为区域潜力评分提供依据的客户级标准。
• mbfinotti/sales-skills@sales-account-tiering：为区域潜力评分提供依据的客户级标准。
• ./references/capacity-and-ramp-math.md：RRE 计算、超额分配来源、爬坡计划。
• ./references/fair-share-allocation.md：分配公式、示例计算、公平性权衡。
• ./references/validation-checks.md：目标达成基准、重新设定基准的阈值、合理性比率。