Analityka sprzedaży z AI: jakie raporty są naprawdę potrzebne szefowi

Dlaczego raportów się nie czyta

Standardowy dashboard odpowiada na pytanie „co się wydarzyło”: tyle leadów, taka kwota, taka konwersja. Szefa interesuje co innego — co z tym zrobić. Między tymi pytaniami leży praca, której zwykle nikt nie wykonuje, i dlatego raport pozostaje ładnym obrazkiem.

Drugi czynnik to wysiłek dostępu. Jeśli, żeby zobaczyć liczby, trzeba wejść do systemu, wybrać okres i zbudować raport, będzie to robione raz w miesiącu. Raport, który sam przychodzi na komunikator, czyta się codziennie.

Trzeci czynnik to brak zaufania. Raz odkrywszy, że w raporcie brakuje połowy rozmów, szef przestaje z niego korzystać na zawsze. Dlatego czystość danych jest ważniejsza od wizualizacji.

Sześć raportów, które odpowiadają na pytania o pieniądze

1. Lejek ze stratami na etapach

Nie sama konwersja z etapu na etap, tylko odpowiedź na pytanie „ile pieniędzy zostało na każdym przejściu”. Gdy straty wyrażone są kwotą, a nie procentem, priorytet staje się oczywisty: etap z konwersją 40% i dziesięciokrotnie większym obrotem jest ważniejszy niż etap z konwersją 12%.

2. Szybkość pierwszego kontaktu

Mediana czasu od zgłoszenia do pierwszego telefonu, udział zgłoszeń obsłużonych dłużej niż godzina i podział po handlowcach. To najszybsza dźwignia wpływu na konwersję: prawie zawsze jest tu co naprawiać.

3. Powody odmów z weryfikacją

Raport powodów zamknięcia nabiera wartości, gdy obok stoi kolumna „potwierdzone weryfikacją”. Wtedy widać nie tylko „40% nie odbiera”, ale też „z tego 30% zamknięto bez ani jednej próby kontaktu”. Jak działa taka weryfikacja — w tekście o kontroli jakości.

4. Aktywność kontra wynik

Rozmowy, ich długość, korespondencja — obok kwoty zamkniętych transakcji. To właśnie ten raport rozdziela handlowców, którzy potrzebują więcej aktywności, od tych, którzy muszą poprawić jakość rozmowy: przy tej samej liczbie telefonów różnica w przychodzie mówi o umiejętności, a nie o obciążeniu.

5. Źródła: zgłoszenia, transakcje i pieniądze

Koszt leada to zwodnicza metryka. Kanał z tanimi zgłoszeniami często daje drogie transakcje i odwrotnie. Patrzeć trzeba na koszt zamkniętej transakcji i średnią wartość po źródle.

6. Prognoza i pozostała część planu

Suma szans w toku z uwzględnieniem prawdopodobieństwa etapu i porównanie z planem okresu. To jedyny raport, który odpowiada na pytanie „zdążymy czy nie” przed końcem miesiąca, a nie po.

Skąd biorą się dane i dlaczego kłamią

Źródeł są zwykle trzy: CRM, telefonia i komunikatory. Problem w tym, że nie zgadzają się ze sobą. Typowe rozbieżności:

• Rozmowa zapisana na kontakcie, a nie na szansie — w raporcie po szansach jej nie ma.
• Numer zapisany w różnych formatach, przez co jeden klient wygląda jak trzech.
• Korespondencja w komunikatorze w ogóle nie trafia do CRM i połowa komunikacji pozostaje niewidoczna.
• Szansa utworzona z datą wsteczną, przez co czas pierwszego kontaktu liczony jest błędnie.

Dlatego pierwszym etapem każdej analityki nie jest budowa wykresów, tylko uzgodnienie źródeł: normalizacja numerów, dopasowanie rozmów do szans po czasie i kontakcie, dociągnięcie czatów. Bez tego dokładność liczb nie wytrzymuje pierwszej weryfikacji.

Co robi tu AI

Modele językowe nie zastępują analityki — zamykają jej martwe pola tam, gdzie dane nie są liczbowe:

• Klasyfikacja powodów odmowy na podstawie treści rozmowy, a nie tego, co handlowiec wybrał z listy. Często okazuje się, że realnym powodem nie jest „za drogo”, tylko brak potrzebnej konfiguracji.
• Ocena jakości rozmów według jednolitych kryteriów, co daje metrykę liczbową tam, gdzie wcześniej była subiektywna opinia.
• Wyodrębnianie tematów i obiekcji z masy transkrypcji: jakie pytania klienci zaczęli zadawać częściej w ostatnim miesiącu.
• Komentarz do liczb. Model formułuje, co zmieniło się względem poprzedniego okresu i na co warto spojrzeć — to zamienia zestaw cyfr w tekst, który się czyta.

Codzienny digest zamiast dashboardu

Schemat, który przyjmuje się niemal wszędzie: krótka wiadomość na komunikator każdego ranka.

• Wczoraj: leady, transakcje, kwota, średnia wartość.
• Odchylenia: co wyraźnie odbiega od normy w górę lub w dół.
• Problemy: przeterminowane zadania, nieobsłużone zgłoszenia, sporne zamknięcia.
• Link do szczegółowego raportu dla tych, którzy potrzebują detali.

Dashboard przy tym nie znika — zostaje do analizy. Ale codzienna uwaga zarządcza trzyma się na digeście, bo nie da się go nie przeczytać.

Cztery błędy w analityce sprzedaży

• Zbyt wiele metryk. Dwadzieścia wskaźników na ekranie oznacza, że nie śledzi się żadnego. Pięć–siedem to roboczy maksimum.
• Średnie bez rozbicia. Średnia konwersja działu ukrywa i najlepszego, i najsłabszego handlowca. Patrzeć trzeba na rozkład.
• Porównanie z poprzednim miesiącem bez sezonowości. Poprawniej jest porównywać z tym samym okresem rok wcześniej i ze średnią kroczącą.
• Raport bez właściciela. Każda metryka musi mieć osobę odpowiedzialną za jej wartość. Inaczej zła liczba po prostu wisi w powietrzu.

Gotowe dashboardy, P&L i codzienne zestawienia zebrane są na stronie analityki AI. Jak technicznie połączyć dane z CRM i telefonii — w artykule o n8n.