Prognozowanie sprzedaży w firmie B2B: metody prognozowania, przykład prognozy i rola AI

W skrócie: Prognozowanie sprzedaży to szacowanie, ile przychodu firma zamknie w najbliższym miesiącu, kwartale lub roku. W firmie B2B najlepiej sprawdza się prognoza oparta na lejku sprzedaży i danych z CRM: wartość każdej szansy mnożysz przez prawdopodobieństwo jej etapu i korygujesz o długość cyklu sprzedaży. Prognozy mylą się głównie przez słabe dane w CRM, optymizm handlowców i niewidoczny komitet zakupowy klienta. Według Gartnera tylko 45% liderów sprzedaży i handlowców ma wysokie zaufanie do trafności prognoz swojej organizacji. AI pomaga wychwycić sygnały ryzyka i ocenić szanse, ale nie naprawi procesu, którego firma nie ma opisanego.

Spis treści

• Czym jest prognozowanie sprzedaży?
• Dlaczego trafna prognoza sprzedaży ma znaczenie dla właściciela firmy?
• Jakie są metody prognozowania sprzedaży?
• Jak obliczyć prognozę sprzedaży ważoną etapami lejka?
• Dlaczego prognozy sprzedaży w firmach B2B się mylą?
• Jak uwzględnić komitet zakupowy w prognozie sprzedaży B2B?
• Jak AI pomaga w prognozowaniu sprzedaży?
• Czego AI nie naprawi w prognozie?
• Jak zacząć prognozować sprzedaż krok po kroku?
• Kiedy prognozowanie sprzedaży nie zadziała
• FAQ
• Najważniejsze wnioski

Czym jest prognozowanie sprzedaży?

Prognozowanie sprzedaży to przewidywanie przyszłych wyników sprzedaży na podstawie danych: historii transakcji, stanu lejka, długości cyklu sprzedaży i czynników zewnętrznych. Wynikiem jest prognoza, czyli liczba albo przedział, na którym zarząd opiera decyzje.

Warto rozdzielić trzy pojęcia. Prognoza sprzedaży mówi, ile realnie sprzedamy przy obecnym lejku i zespole. Planowanie sprzedaży określa, ile chcemy sprzedać i jakimi działaniami. Prognozowanie popytu dotyczy rynku, czyli tego, jaki popyt na produkt pojawi się w danym okresie.

W firmie B2B prognozę buduje się z pojedynczych szans sprzedaży. Każda ma trzy zmienne: wartość, etap i przewidywaną datę zamknięcia.

Dlaczego trafna prognoza sprzedaży ma znaczenie dla właściciela firmy?

Prognoza decyduje o tym, jak firma zarządza zasobami: czy zatrudnia, czy uruchamia produkcję, ile gotówki trzyma w rezerwie i czy planuje ekspansję. Zła prognoza przenosi błąd na każdą z tych decyzji strategicznych.

Gartner opisuje też mniej oczywisty skutek: lider, który wierzy, że brakuje mu przychodu do celu kwartału, chętniej zatwierdza rabat, którego normalnie by nie przyjął. Skala problemu jest duża: w badaniu Gartner State of Sales Operations tylko 45% liderów sprzedaży i handlowców deklaruje wysokie zaufanie do trafności prognoz. Gdy zaufania brakuje, podejmowanie decyzji zaczyna opierać się na intuicji, co według Gartnera często obniża wyniki handlowe.

Jakie są metody prognozowania sprzedaży?

Różne metody prognozowania sprzedaży różnią się danymi, na których się opierają, i tym, jak dokładne prognozy sprzedaży dają. W firmach B2B spotykamy pięć podejść, a dobre prognozowanie łączy zwykle dwa lub trzy z nich.

1. Prognozowanie intuicyjne (metoda ekspercka)

Handlowiec albo dyrektor sprzedaży ocenia, co się zamknie, na podstawie własnej wiedzy. To jedyna metoda prognozowania dostępna bez danych. Słabość: przedstawiciele handlowi przeceniają szanse, w które włożyli dużo pracy.

2. Prognozowanie na podstawie danych historycznych

Historyczne wyniki sprzedaży przenosisz na kolejny okres, uwzględniając trend i sezonowość. Działa przy powtarzalnej sprzedaży, a wystarczy do niej arkusz w programie Excel. Słabo radzi sobie z nowymi produktami i zmianą warunków rynkowych.

3. Prognozowanie lejka sprzedaży (metoda ważona etapami)

Każdy etap lejka ma przypisane prawdopodobieństwo zamknięcia. Wartość szansy mnożysz przez to prawdopodobieństwo i sumujesz wynik. To podstawowa metoda w każdym systemie CRM i najlepszy start dla firmy B2B, pod warunkiem że etapy mają jasne kryteria. Szerzej o etapach piszemy w tekście o lejku sprzedażowym B2B.

4. Prognoza oparta na długości cyklu sprzedaży

Uwzględnia, ile czasu mija średnio od pierwszego kontaktu do podpisania umowy. Jeśli cykle sprzedaży trwają cztery miesiące, szansa otwarta dwa tygodnie temu nie zamknie się w tym kwartale. Ta metoda dobrze koryguje prognozę ważoną.

5. Modele prognozowania oparte na sztucznej inteligencji

Prognozowanie oparte na sztucznej inteligencji wykorzystuje uczenie maszynowe do analizy wielu zmiennych naraz: historii podobnych transakcji, aktywności w korespondencji, liczby osób zaangażowanych po stronie klienta, zachowania klientów w poprzednich cyklach. Model predykcyjny daje najbardziej precyzyjne prognozy, ale wymaga najwięcej danych i najwyższej jakości danych.

Jak obliczyć prognozę sprzedaży ważoną etapami lejka?

Prognozę ważoną liczysz w trzech krokach: mnożysz wartość szans przez prawdopodobieństwo etapu, odejmujesz szanse, które nie zdążą się zamknąć w okresie, i korygujesz transakcje, w których nie wiesz, kto podejmuje decyzję. Liczby poniżej są umowne i pokazują wyłącznie mechanikę obliczenia.

Krok 1. Wartość lejka razy prawdopodobieństwo etapu.

Krok 2. Korekta o długość cyklu sprzedaży. Przy średnim cyklu czterech miesięcy szanse z etapu kwalifikacji nie zamkną się w bieżącym kwartale. Wypadają z prognozy kwartalnej: 1 045 000 zł minus 120 000 zł daje 925 000 zł.

Krok 3. Korekta o komitet zakupowy. Jedna z szans w negocjacjach, warta 200 000 zł, ma jedną osobę kontaktową, a handlowiec nie wie, czy temat trafił do zarządu. Uczciwie jest cofnąć ją do poziomu oferty (50% zamiast 75%). Prognoza spada o 50 000 zł, do 875 000 zł.

Z 3,3 mln zł w lejku zostało 875 tys. zł realnej prognozy, co pokazuje właścicielowi, ile pracy trzeba jeszcze włożyć w lejek. Prawdopodobieństwa etapów bierz z własnej historii, czyli z odsetka szans, które firma faktycznie wygrała z danego etapu w ostatnich kwartałach. Wartości domyślne z oprogramowania do prognozowania są tylko punktem wyjścia.

Dlaczego prognozy sprzedaży w firmach B2B się mylą?

Prognozy mylą się najczęściej z trzech powodów: dane w CRM są niekompletne, handlowcy są optymistami, a decyzja po stronie klienta wędruje między osobami, których firma nie widzi.

Jakość danych. W badaniu Gartnera tylko 47% respondentów uważa, że ich organizacja ma dane wysokiej jakości, a 13% ocenia je jako słabe. Gartner wskazuje trzy źródła problemu: brak dyscypliny w korzystaniu z CRM, brak standardów jakości danych i brak ich sprawdzania w rozmowach menedżera z handlowcem. Data zamknięcia wpisana „na oko” trafia prosto do prognozy.

Optymizm handlowców. Handlowiec z dobrą relacją słyszy zainteresowanie tam, gdzie klient jest tylko uprzejmy, a data zamknięcia co tydzień przesuwa się o tydzień.

Nieliniowy proces zakupowy. Gartner opisuje zakup B2B jako sześć zadań, od rozpoznania problemu po budowanie zgody w firmie, do których kupujący wracają co najmniej raz. Klient z etapu negocjacji potrafi wrócić do definiowania wymagań, bo do tematu dołączyła nowa osoba.

Jak uwzględnić komitet zakupowy w prognozie sprzedaży B2B?

W sprzedaży B2B decyzję podejmuje komitet zakupowy, więc prognoza musi odpowiadać na pytanie, u kogo aktualnie leży decyzja. Temat wędruje po firmie klienta: dział prawny sprawdza umowę, zarząd patrzy na zwrot z inwestycji, dyrektor działu pilnuje, czy rozwiązanie zadziała u jego ludzi. Każde przejście może zatrzymać transakcję na tygodnie.

W naszej pracy z firmami B2B widzimy wyraźną zależność. Transakcje, w których po stronie klienta jest lider tematu, czyli osoba prowadząca decyzję wewnątrz swojej organizacji, zamykają się przewidywalnie. Bez takiej osoby transakcje się rozmywają, nawet gdy wszyscy rozmówcy są przychylni. Jakub Bujakowski mówił o tym w podcaście „Co Działa”: handlowiec musi czuć, u kogo w danym momencie jest decyzja.

Z tego wyprowadzamy test trzech pytań o decyzję. Przed wpisaniem szansy do prognozy handlowiec odpowiada:

1. Kto jest liderem tematu po stronie klienta? Konkretna osoba, która pcha decyzję w swojej firmie.
2. U kogo jest teraz decyzja? Dział, osoba albo gremium, które w tym tygodniu trzyma temat.
3. Kto jeszcze musi powiedzieć „tak”? Osoby, których zgoda jest potrzebna przed podpisem.

Szansa bez odpowiedzi na pierwsze pytanie nie powinna stać wyżej niż na etapie oferty.

Z dobrymi narzędziami jedna osoba prowadzi równolegle 10-15 złożonych procesów zakupowych, pod warunkiem że stan każdego jest zapisany w systemie CRM.

Jak AI pomaga w prognozowaniu sprzedaży?

AI pomaga na trzy sposoby: wychwytuje sygnały ryzyka w transakcjach, ocenia szanse na podstawie historii podobnych przypadków i uzupełnia dane w CRM. Według raportu Salesforce State of Sales 87% organizacji sprzedażowych używa już jakiejś formy AI, między innymi do prospectingu, prognozowania i oceny leadów.

Sygnały ryzyka. Prognozowanie sprzedaży za pomocą sztucznej inteligencji to w dużej mierze analiza danych, których człowiek nie przegląda systematycznie. Model zauważa, że od oferty minęło 20 dni bez odpowiedzi, data zamknięcia przesunęła się trzeci raz albo z rozmów zniknął dyrektor z pierwszego spotkania. Razem takie sygnały pokazują transakcję, która w prognozie powinna stać niżej.

Ocena szans. Tak jak lead scoring ocenia leady na wejściu do lejka, scoring szans ocenia transakcje w lejku. Każda szansa dostaje własne prawdopodobieństwo, liczone z tego, jak kończyły się podobne transakcje. Tu funkcje prognozowania oparte na AI dają największą przewagę nad metodą ważoną.

Dane uzupełniane automatycznie. Notatki ze spotkań i ustalenia z rozmów mogą trafiać do CRM bez ręcznego przepisywania. Opisujemy to w tekście o CRM z AI. Salesforce podaje, że przeciętny handlowiec spędza na sprzedaży 40% czasu pracy, więc każda godzina zdjęta z administracji ma znaczenie. Efektem ubocznym są prognozy w czasie rzeczywistym.

Szerszy obraz opisujemy w przewodniku o wykorzystaniu AI w sprzedaży, a rozmowę na ten temat można obejrzeć na kanale YouTube Jakub Bujakowski.

Zestaw, który działa: 6 sprawdzonych narzędzi do sprzedaży. Sześć narzędzi, które weszły w nasze procesy sprzedażowe w firmach usługowych B2B. Każde z oceną od 1 do 10, miejscem w procesie i opisem, kiedy zawodzi.
Pobierz zestaw 6 narzędzi (PDF)

Czego AI nie naprawi w prognozie?

AI nie naprawi prognozy, jeśli firma nie ma opisanego procesu sprzedaży, zdefiniowanych etapów lejka i zespołu, który rzetelnie aktualizuje dane. Model uczy się na historii. Gdy historia jest chaotyczna, model precyzyjnie odtwarza chaos.

Gartner zapytał 303 liderów sprzedaży o efekty analityki. 84% przyznało, że jej wpływ na wyniki był mniejszy, niż oczekiwał zarząd, a 44% wskazało słabą jakość danych jako barierę. W tym samym badaniu analityka prowadzona przez szefa sprzedaży miała 2,3 razy większą szansę na wyższą dokładność prognozowania. Wniosek dla właściciela: prognoza jest tematem zarządczym, którego nie da się w całości oddać narzędziu. Salesforce dokłada drugą stronę: 51% liderów sprzedaży korzystających z AI mówi, że niepołączone systemy spowalniają ich projekty.

Po stronie ludzi zostają trzy rzeczy:

• Definicje etapów. Co musi zrobić klient, żeby szansa przeszła dalej, na przykład potwierdzić budżet i wskazać osoby biorące udział w decyzji.
• Dyscyplina aktualizacji. Stały rytm przeglądu lejka, w którym menedżer pyta o fakty.
• Ocena komitetu. AI widzi jedną osobę w korespondencji. Nie wie, czy ta osoba ma autorytet, żeby przeprowadzić decyzję.

Dlatego przygotowujemy szkolenia AI dla handlowców i działów sprzedaży, w których wdrożenie narzędzi następuje po uporządkowaniu procesu (porozmawiajmy o szkoleniu dla Twojego zespołu).

Jak zacząć prognozować sprzedaż krok po kroku?

Proces prognozowania sprzedaży buduje się w pięciu krokach, od danych, które firma już ma.

1. Opisz etapy lejka kryteriami wyjścia. Każdy etap kończy się konkretnym działaniem klienta.
2. Policz historyczne konwersje etapów. Odsetek szans wygranych z każdego etapu w ostatnich 4-6 kwartałach to Twoje prawdopodobieństwa.
3. Zmierz długość cyklu sprzedaży. Osobno dla małych i dużych transakcji.
4. Ustal rytm aktualizacji. Tygodniowy przegląd lejka z testem trzech pytań o decyzję dla większych szans.
5. Mierz dokładność prognozowania. Porównuj prognozę z wynikiem na koniec okresu. To najważniejsza metryka procesu, a stała różnica w jedną stronę pokazuje, że metoda albo dane wymagają korekty.

Dopiero gdy te kroki działają przez kilka kwartałów, narzędzia prognozowania oparte na AI mają na czym się uczyć. Jak osadzić prognozę w systemie, który zaczyna się od tego, jak generować leady, a kończy na zamknięciu, pokazujemy w tekście o systemie pozyskiwania klientów B2B.

Kiedy prognozowanie sprzedaży nie zadziała

Gdy firma zamyka kilka transakcji rocznie. Lepiej prognozować każdą osobno, w scenariuszu optymistycznym i pesymistycznym.

Gdy wprowadzasz nowe produkty albo wchodzisz na nowy rynek. Dane historyczne opisują innych klientów, więc przez pierwsze kwartały prognoza ma szeroki przedział błędu.

Gdy zmieniają się warunki rynkowe. Trendy rynkowe, zmieniające się preferencje klientów i czynniki zewnętrzne mogą w kilka tygodni unieważnić założenia modelu.

Gdy prognoza służy do rozliczania ludzi. Handlowiec karany za niską prognozę zacznie ją zawyżać. Prognoza ma opisywać rzeczywistość, a ocena wyników to osobna rozmowa.

FAQ

Jakie są metody prognozowania sprzedaży?

Prognozowanie intuicyjne, prognozowanie na podstawie danych historycznych, prognoza ważona etapami lejka, prognoza oparta na długości cyklu sprzedaży i modele predykcyjne AI. W firmie B2B najlepiej działa prognoza ważona lejkiem z korektą o cykl sprzedaży.

Na czym polega proces prognozowania sprzedaży?

Na zebraniu danych, wyborze metody, obliczeniu prognozy, regularnej aktualizacji i porównaniu prognozy z wynikiem. Ostatni krok z każdym okresem poprawia dokładność.

Jak często aktualizować prognozę sprzedaży?

Przegląd lejka co tydzień, prognoza dla zarządu co miesiąc i co kwartał. W CRM z automatycznym uzupełnianiem danych aktualizacja może być bieżąca.

Czy do prognozowania sprzedaży wystarczy Excel?

Na początek tak. Przy większej liczbie szans wychodzą wady Excela: ręczne przepisywanie danych, brak historii zmian i kilka wersji pliku w firmie.

Czy małe firmy mogą korzystać z predykcyjnego prognozowania sprzedaży?

Mogą używać funkcji AI wbudowanych w CRM, ale model predykcyjny potrzebuje dużej liczby zakończonych transakcji, żeby dawać trafne wyniki. W małej firmie więcej da uporządkowanie etapów lejka.

Najważniejsze wnioski

• Prognozowanie sprzedaży w B2B opiera się na lejku: wartość szansy razy prawdopodobieństwo etapu, skorygowane o długość cyklu sprzedaży.
• Prawdopodobieństwa etapów bierz z własnej historii. Wartości domyślne z narzędzi są tylko punktem wyjścia.
• Prognozy mylą się przez dane, optymizm i komitet zakupowy. Tylko 45% liderów sprzedaży ufa trafności swoich prognoz.
• Test trzech pytań o decyzję porządkuje prognozę: kto jest liderem tematu, u kogo jest teraz decyzja, kto jeszcze musi powiedzieć „tak”.
• AI wychwytuje sygnały ryzyka i ocenia szanse, ale uczy się na danych od zespołu. Definicje etapów i dyscyplina zostają zadaniem zarządu.

Źródła

• Gartner, „Gartner Says Less Than 50% of Sales Leaders and Sellers Have High Confidence in Forecasting Accuracy” (12.02.2020): https://www.gartner.com/en/newsroom/press-releases/2020-02-12-gartner-says-less-than-50–of-sales-leaders-and-selle
• Gartner, „Gartner Survey Finds Sales Analytics Has Less Influence on Sales Performance Than What Leadership Expected” (06.02.2024): https://www.gartner.com/en/newsroom/press-releases/2024-02-06-gartner-survey-finds-sales-analytics-has-less-influence-on-sales-performance-than-what-leadership-expected
• Gartner, „B2B Buying: How Top CSOs and CMOs Optimize the Journey”: https://www.gartner.com/en/sales/insights/b2b-buying-journey
• Salesforce, State of Sales 2026, komunikat „The Productivity Gap” (03.02.2026): https://www.salesforce.com/news/stories/state-of-sales-report-announcement-2026/
• Podcast „Co Działa”, odcinek „Gdzie AI naprawdę pomaga w sprzedaży B2B?” z udziałem Jakuba Bujakowskiego: https://www.youtube.com/watch?v=Bq-gMYYeDjU