No início do trimestre, o time comercial disse que fecharia R$ 400 mil. No final, fechou R$ 210 mil.
Ninguém mentiu de propósito. O vendedor achava sinceramente que os três maiores negócios do funil iam fechar. Achava porque tinha boas conversas, o cliente parecia interessado, e o prazo prometido era "esse mês, com certeza".
Dois desses três negócios ainda estão em negociação três meses depois. O terceiro foi cancelado.
Isso não é falha de vendedor. É a diferença entre opinião e forecast.
# O forecast que quase todo mundo faz (e por que não funciona)
Pergunte para qualquer vendedor quanto ele vai fechar esse mês, e ele vai te dar um número. Esse número normalmente é uma mistura de esperança, memória seletiva dos negócios bons, e pressão para parecer produtivo.
É forecast de sentimento. E sentimento não é dado.
O padrão mais comum de forecast errado tem três causas:
1. Auto-avaliação sem critério
O próprio vendedor decide se o negócio vai fechar, baseado na conversa que ele teve. Não existe um critério objetivo: como "o cliente já viu a proposta formal", "o orçamento foi confirmado" ou "existe data de assinatura definida". É tudo interpretação individual.
2. Sem histórico para calibrar
Sem dados de negócios passados, não existe forma de saber que "negócios que o vendedor classifica como 90% de chance" na verdade fecham 60% das vezes historicamente. Cada previsão nasce sem contexto do que realmente aconteceu antes.
3. Estágios de funil sem definição clara
"Em negociação" significa coisas diferentes para vendedores diferentes. Para um, é qualquer conversa ativa. Para outro, é só quando o contrato está em revisão jurídica. Sem definição compartilhada, o forecast agregado de vários vendedores é uma mistura de critérios incompatíveis.
# O que é forecast de verdade
Forecast de vendas de verdade é uma previsão baseada em probabilidade histórica, não em opinião do momento.
A lógica central é simples: se negócios num determinado estágio do funil, com determinadas características, historicamente fecharam 40% das vezes, então um negócio novo nesse mesmo estágio tem 40% de chance, independente de quão confiante o vendedor esteja.
Isso muda completamente a pergunta. Em vez de "você acha que vai fechar?", o forecast pergunta "em que estágio objetivo esse negócio está, e o que historicamente acontece com negócios nesse estágio?"
# Os três modelos de forecast (do mais simples ao mais preciso)
1. Forecast por estágio do funil
Cada estágio do funil recebe uma probabilidade fixa baseada em dados históricos: lead qualificado = 10%, proposta enviada = 30%, negociação avançada = 60%, contrato em assinatura = 90%.
O forecast total é a soma do valor de cada negócio multiplicado pela probabilidade do estágio em que está. Simples de implementar, já é muito mais confiável que opinião pura.
2. Forecast por comportamento
Além do estágio, considera sinais de engajamento real: o cliente abriu a proposta várias vezes? Respondeu rápido às últimas mensagens? Envolveu mais pessoas da empresa dele na conversa? Esses sinais ajustam a probabilidade para cima ou para baixo dentro do mesmo estágio.
3. Forecast preditivo com histórico completo
Usa todo o histórico de negócios fechados e perdidos para identificar padrões (tamanho de empresa, setor, tempo no funil, número de interações) e calcula probabilidade individual para cada negócio com base em como negócios parecidos se comportaram no passado.
Esse modelo exige dado histórico robusto (geralmente pelo menos 12 meses de negócios fechados e perdidos registrados), mas é o que gera previsões mais próximas da realidade.
# O exemplo que muda a decisão
Uma empresa de serviços B2B tinha funil de R$ 800 mil "em negociação" no CRM. O forecast do time comercial: 70% disso fecharia no trimestre, ou seja, R$ 560 mil.
Ao aplicar probabilidade histórica por estágio (ao invés de opinião), o número real era R$ 310 mil, porque boa parte dos negócios "em negociação" estava, na prática, no início dessa fase, com taxa histórica de fechamento de apenas 35%, não os 70% que o time assumia por otimismo.
A diferença entre R$ 560 mil (esperado) e R$ 310 mil (real) é o tipo de furo no orçamento que só aparece depois que já é tarde, quando a empresa já contratou baseada na expectativa errada, ou já prometeu resultado para investidores com número que não existia.
Com o forecast correto, a decisão muda antes: sabendo que o realista é R$ 310 mil, dá para agir a tempo: acelerar negócios específicos, ajustar contratação, ou administrar expectativa com quem precisa do número.
# Como construir forecast confiável na sua empresa
Defina estágios objetivos, não subjetivos. Cada estágio do funil precisa de um critério verificável: "proposta enviada" significa que existe um documento com data de envio registrada, não uma sensação de que "já expliquei tudo para o cliente".
Registre todo negócio fechado e perdido, com motivo. Isso é o combustível do forecast. Sem histórico de "por que perdemos", não tem como calcular probabilidade real.
Calcule a taxa de conversão histórica por estágio. De todos os negócios que já passaram por "negociação avançada" na sua empresa, quantos realmente fecharam? Esse número, não a opinião do vendedor, é a probabilidade real daquele estágio.
Revise trimestralmente. Taxas de conversão mudam conforme o mercado, o produto e o time evoluem. Um forecast desatualizado é tão perigoso quanto um forecast baseado em opinião.
Separe "comprometido" de "esperança". Negócios com alta probabilidade objetiva entram no número que você comunica para fora. Negócios de baixa probabilidade são upside: bônus se fecharem, não parte do plano.
# O que isso tem a ver com RevOps
Forecast confiável depende de três coisas que RevOps (operações de receita, a disciplina que conecta marketing, vendas e dados em um sistema único) constrói: dados históricos organizados, definição compartilhada de estágios do funil, e visibilidade em tempo real de onde cada negócio está.
Sem essa infraestrutura, forecast vira exercício de adivinhação com aparência de planilha. Com ela, a empresa consegue tomar decisão de contratação, investimento e expectativa com base em número que realmente existe, não em otimismo coletivo.
É o mesmo princípio por trás de resolver o conflito entre marketing e vendas: substituir opinião individual por dado compartilhado que os dois times podem verificar.
O primeiro passo não é comprar uma ferramenta de forecast. É ter os dados organizados o suficiente para que qualquer ferramenta funcione de verdade.
Quer saber se o forecast da sua empresa reflete a realidade ou só otimismo? Agende um diagnóstico gratuito em diagnostico.bow360.com.br. 30 minutos. Sem compromisso.
# Perguntas frequentes
Qual a diferença entre forecast de vendas e pipeline?
Pipeline é a lista de todos os negócios em andamento, com seus valores e estágios. Forecast é a previsão de quanto desse pipeline vai realmente virar receita, aplicando probabilidade a cada negócio. Um pipeline de R$ 800 mil não significa forecast de R$ 800 mil — significa que uma fração dele, calculada por probabilidade histórica, deve fechar.
Como calcular a taxa de conversão por estágio do funil?
Pegue todos os negócios que já passaram por um determinado estágio num período histórico (ex: últimos 12 meses) e calcule quantos desses fecharam versus quantos foram perdidos. Se 100 negócios chegaram à fase "proposta enviada" e 35 fecharam, a taxa de conversão daquele estágio é 35%. Aplique essa mesma lógica a cada estágio do funil.
Forecast de vendas serve só para empresas grandes?
Não. PMEs se beneficiam ainda mais, porque o impacto de um forecast errado é proporcionalmente maior no caixa. Uma empresa pequena que espera R$ 100 mil e recebe R$ 55 mil sente o furo imediatamente: em contratação, fluxo de caixa, planejamento. O modelo simples (forecast por estágio) já funciona bem para operações menores, sem precisar de ferramentas complexas.
Quanto tempo de histórico preciso para um forecast confiável?
O mínimo recomendado é 6 meses de negócios fechados e perdidos registrados com critério consistente. Para forecast preditivo mais sofisticado, 12 meses ou mais é ideal. Enquanto o histórico é curto, vale usar benchmarks do setor como ponto de partida e recalibrar assim que os próprios dados amadurecerem.
