Cómo el CRM predijo el cierre de 3 cuentas estratégicas con 30 días de anticipación
Las 3 cuentas que el modelo predijo que cerrarían en el mes siguiente no eran las que el equipo de ventas hubiera seleccionado de forma intuitiva como las más probables. Eran cuentas que habían estado en el pipeline por más de 90 días, que habían tenido períodos de inactividad que normalmente indicaban estancamiento, y cuya probabilidad de cierre en el reporte del CRM era de entre el 35% y el 45%, la zona gris que nadie marca como segura ni descarta como perdida. La intuición del equipo de ventas las hubiera clasificado como "inciertas". El modelo decía que cerrarían.
El modelo predictivo de cierre que habíamos construido en Dynamics usaba 8 variables de los datos históricos del CRM: días desde el último contacto con decisor final, número de reuniones totales del ciclo, presencia de propuesta formal enviada, existencia de conversación con al menos 3 miembros del comité de compra, mención de una fecha de inicio de implementación en las notas de reuniones, ausencia de mención de competidores en los últimos 21 días, visita a la página de contratación del sitio web en los últimos 14 días, y NPS de referencia del sector de la empresa.
Las 3 cuentas que el modelo marcaba como de alta probabilidad de cierre habían activado al menos 6 de esas 8 variables en los 30 días anteriores. La visita a la página de contratación, en particular, era la señal más específica y la que el modelo ponderaba con mayor peso: cuando un prospecto que llevaba meses en evaluación visitaba la página de contratación del sitio, estaba verificando información que solo es relevante para alguien que ha decidido comprar o está en el proceso final de decisión.
El equipo de ventas recibió la predicción del modelo con el escepticismo razonable de quien valora su propio criterio y ve en los modelos una herramienta complementaria, no sustituta. Le pedí que tratara las 3 cuentas como si fueran a cerrar en los próximos 30 días y que ajustara la frecuencia e intensidad del seguimiento en consecuencia. El resultado: las 3 cuentas cerraron dentro del mes, 2 de ellas en la semana 3 y 1 en la semana 4. El modelo había sido correcto en las 3 predicciones.
El valor del modelo no era su precisión en ese caso específico, que podía haber sido resultado de factores que el modelo había captado por coincidencia. El valor era la conversación que generó sobre qué señales de comportamiento del prospecto eran realmente predictivas del cierre en nuestra operación específica. Esa conversación llevó a una revisión del proceso de ventas donde el equipo identificó 3 acciones que aceleraban el cierre y que antes no se ejecutaban de forma sistemática porque nadie había articulado que eran los factores que diferenciaban las oportunidades que cerraban de las que no.