Skip to content

Quelles opportunités de la prévision de ce trimestre sont vraiment réelles ?

Auditez le chiffre engagé avec des preuves plutôt qu'avec des opinions. Combinez les opportunités et l'historique des étapes Salesforce, l'engagement HubSpot et l'usage produit Amplitude dans Querri, puis répartissez la prévision en niveaux de confiance élevé, moyen et faible, avec des montants en dollars sur lesquels votre CFO peut agir.

Ouvrir Querri

Ce qu'il vous faut

Querri (Essai gratuit) pour combiner les trois systèmes, évaluer chaque opportunité ouverte et construire la vue de direction

Exports Salesforce, HubSpot et Amplitude — l'étape 1 indique exactement quoi extraire de chacun

Un identifiant de compte et vos objectifs trimestriels — pour aligner les trois systèmes et mesurer par rapport à l'objectif

Ressources gratuites

Commencez votre essai gratuit ici →

Jeux de données d'exemple

Salesforce Opportunities Salesforce Opportunity Field History Salesforce Opportunity Contact Roles HubSpot Engagement Activity HubSpot Contacts Amplitude Account Weekly Usage Account Product Access Quarterly Sales Targets

Jeux de données de démonstration synthétiques couvrant 900 opportunités sur cinq trimestres, pas de vraies données client. Sans risque à télécharger et à explorer. Suivez le guide et vous obtiendrez les mêmes chiffres que ceux présentés ci-dessous.

Besoin d'aide ?

Si vous avez des questions, vous pouvez demander une démo ou écrire à notre équipe.

Avant de commencer

Toute revue de prévision fonctionne avec la même monnaie : ce que croit l'équipe commerciale. L'étape, la probabilité, la catégorie de prévision et une date de clôture qui a discrètement bougé deux fois. Ce n'est pas malhonnête, c'est simplement non vérifié, et à la dixième semaine du trimestre plus personne ne distingue une opportunité qui se conclut d'une opportunité dont on parle.

Ce playbook construit l'autre vue. Une ligne par opportunité ouverte, enrichie de preuves venant de l'extérieur du CRM : si l'acheteur répond encore, si le décideur s'est manifesté le mois dernier, si le compte utilise réellement le produit, et comment les opportunités présentant exactement ce profil de signaux se sont conclues par le passé. Puis il répartit le trimestre en confiance élevée, moyenne et faible avec les montants en dollars, et nomme les opportunités qui expliquent l'écart.

Comment cela fonctionne :

  • • Importez les opportunités Salesforce avec l'historique des étapes et des dates de clôture, l'activité d'engagement HubSpot et l'usage par compte d'Amplitude avec un indicateur d'accès au produit
  • • Nettoyez le pipeline : signalez les dates de clôture périmées, les prochaines étapes absentes, les reports répétés et les durées d'étape aberrantes
  • • Évaluez chaque opportunité ouverte sur l'engagement de l'acheteur et l'usage produit, puis testez chaque signal sur vos propres opportunités clôturées avant de lui faire confiance
  • • Répartissez la prévision en niveaux de confiance élevé, moyen et faible avec les montants en dollars
  • • Produisez la vue de direction : le chiffre engagé, le chiffre à risque, le potentiel supplémentaire et les opportunités précises qui expliquent l'écart

Suivez les étapes

Ouvrir Querri →
1 Étape 1 :

Importez Salesforce, HubSpot et Amplitude

Réunissez les trois systèmes dans un même projet. Chacun répond à une question différente, apportez donc les éléments qui le lui permettent :

  • •

    Salesforce — les opportunités ouvertes et clôturées (les clôturées constituent votre base de preuves), l'historique des champs d'opportunité pour pouvoir reconstituer les changements d'étape et de date de clôture, et les rôles de contact pour savoir qui est réellement impliqué.

  • •

    HubSpot — l'activité d'engagement au niveau de l'événement. Une ligne par e-mail, appel, réunion ou formulaire, chacune avec un sens et un résultat.

  • •

    Amplitude — l'usage hebdomadaire au niveau du compte, plus une table d'accès au produit indiquant si l'usage s'applique ou non à ce compte.

Ajoutez vos objectifs de revenus trimestriels et c'est tout. Querri profile chaque fichier et détermine comment ils se relient.

Astuce : Incluez au moins quatre trimestres d'opportunités clôturées. Vous ne pouvez pas qualifier une opportunité de confiance élevée avant de pouvoir montrer quelles combinaisons de signaux se sont réellement conclues, et cela exige un historique de gagnées et de perdues, pas seulement le pipeline ouvert. Cet exemple couvre cinq trimestres et 900 opportunités.

2 Étape 2 :

Nettoyez le pipeline avant de l'évaluer

Commencez par les problèmes d'hygiène qui gonflent toute prévision : les dates de clôture déjà passées, les opportunités sans prochaine étape documentée, les dates de clôture reportées plus d'une fois et les opportunités bloquées dans une étape bien plus longtemps que celles qui ont été gagnées. Demandez à Querri de reconstituer l'historique de chaque opportunité et de les signaler :

Prompt

"Pour chaque opportunité ouverte se clôturant en 2026-Q3, utilise l'historique des champs d'opportunité pour calculer les jours passés dans l'étape actuelle, le nombre de reports de la date de clôture et le total de jours reportés. Signale les dates de clôture déjà passées, les prochaines étapes absentes et toute opportunité dont les jours en étape dépassent le 75e centile de cette étape parmi les opportunités gagnées. Affiche le nombre d'opportunités et les montants en dollars par signalement."

Le pipeline ouvert du trimestre représente 140 opportunités valant $12,473,000, et 130 d'entre elles portent au moins un signalement. Seules 10 opportunités, $644,500, passent sans aucun. Le plus gros problème n'est pas la date de clôture, c'est le comité d'achat : 122 opportunités valant $10,598,000 n'ont eu aucune activité de décideur depuis 30 jours.

Nettoyez le pipeline avant de l'évaluer
3 Étape 3 :

Évaluez les preuves, puis testez-les sur vos propres opportunités clôturées

Évaluez maintenant l'engagement et l'usage par opportunité, et distinguez l'engagement de l'acheteur de l'effort commercial. Dix e-mails sortants sans réponse ne sont pas une preuve. Une réponse, une réunion tenue, un appel abouti ou un formulaire soumis, si. Prouvez ensuite que les signaux fonctionnent en évaluant vos opportunités clôturées telles qu'elles étaient 14 jours avant leur clôture :

Prompt

"Pour chaque opportunité, compte uniquement l'engagement initié par l'acheteur : réponses d'e-mail entrantes, réunions tenues, appels aboutis et formulaires soumis. Calcule les jours depuis la dernière réponse de l'acheteur, les réunions tenues au cours des 30 derniers jours, les contacts engagés uniques, et si un acheteur économique ou un décideur a interagi au cours des 30 derniers jours. Évalue ensuite chaque opportunité clôturée à sa date de clôture moins 14 jours et affiche le taux de réussite de chaque tranche de signal."

Sur 720 opportunités clôturées, le taux de réussite de référence est de 60.7%. L'ancienneté de l'engagement le fracture violemment : une réponse de l'acheteur dans les 7 jours vaut 89%, au-delà de 30 jours elle s'effondre à 5%. L'implication du décideur est tout aussi tranchée, 94.6% contre 28.6%, et trois contacts engagés ou plus gagnent dans 99% des cas là où les opportunités à un seul interlocuteur gagnent dans 19.5%. La catégorie du CRM était elle aussi informative : toutes les opportunités encore en Best Case à 14 jours de la clôture ont été perdues, les 118.

Évaluez les preuves, puis testez-les sur vos propres opportunités clôturées
4 Étape 4 :

Répartissez la prévision en niveaux de confiance

Classez maintenant le pipeline ouvert selon les signaux qui ont passé le test : ancienneté de l'engagement, implication du décideur, multi-interlocuteur, stabilité de la date de clôture et durée d'étape face à la norme des opportunités gagnées. La confiance élevée exige un contact acheteur récent, un décideur actif, au plus un report et une durée d'étape dans la norme. La confiance faible, c'est là où la preuve manque, pas simplement là où elle est mince :

Prompt

"Évalue chaque opportunité ouverte de 2026-Q3 sur l'ancienneté de l'engagement, l'activité du décideur, les contacts engagés, les reports de date de clôture et la durée d'étape face au repère des opportunités gagnées. Attribue une confiance Élevée, Moyenne ou Faible, puis affiche le nombre d'opportunités et les montants en dollars par niveau, croisés avec la catégorie de prévision du CRM, et joins le taux de réussite historique de chaque niveau."

$3,420,000 du pipeline ouvert, soit 27%, se trouvent au niveau le plus bas, où des opportunités historiques comparables ont été gagnées dans 14.3% des cas. Et les niveaux traversent les catégories du CRM au lieu de les suivre : $432,500 de Commit se classent en Faible, tandis que $3,055,000 d'affaires en confiance élevée se situent entièrement hors de Commit.

Répartissez la prévision en niveaux de confiance
5 Étape 5 :

Produisez la vue de direction

La dernière étape transforme les niveaux en les quatre chiffres dont une équipe de direction a réellement besoin, puis nomme les opportunités qui expliquent l'écart avec la preuve précise qui manque à côté de chacune, pour que la réunion porte sur des actions plutôt que sur des adjectifs.

Signé

$3,148,500

41 opportunités gagnées, 105% de l'objectif

Engagé

$2,905,500

43 opportunités ouvertes en plus du signé

À risque

$1,895,500

24 de ces opportunités, aucune preuve

Potentiel supplémentaire

$3,055,000

31 opportunités solides hors de Commit

Le récit que Querri rédige :

L'objectif du trimestre est déjà couvert par les affaires signées. L'exposition se trouve dans ce qui a été promis par-dessus.

  • • Seuls 58% de ce chiffre engagé ($1,689,000 répartis sur 24 opportunités) sont soutenus par un engagement récent de l'acheteur, un décideur actif et une date de clôture stable.
  • • Le bloc à risque se situe dans le niveau où des opportunités comparables ont historiquement été gagnées dans 14.3% des cas, et $3,055,000 d'affaires en confiance élevée ne sont pas du tout dans Commit. La prévision se trompe dans les deux sens.
  • • La correction la plus rapide n'est pas une validation tarifaire. C'est une réunion avec un acheteur économique sur ces 24 opportunités.

Ce que vous pouvez créer ou exporter :

  • Une vue de direction de la prévision sur une page : signé, engagé, à risque, potentiel supplémentaire et les responsables nommés de l'écart
  • Le tableau de scoring par opportunité avec chaque signal et chaque signalement, exportable vers Excel, CSV ou Google Sheets
  • Un tableau de bord vivant que votre équipe revenus peut ouvrir le lundi, actualisé selon une planification
  • Une présentation narrative pour la réunion de prévision ou le conseil d'administration, exportée en PDF ou PowerPoint
  • Un projet enregistré que vous pouvez relancer chaque semaine, pour que le mouvement des niveaux d'une semaine à l'autre devienne son propre signal d'alerte précoce
Produisez la vue de direction

Conseils pour une revue de prévision à laquelle les gens font vraiment confiance

Distinguez l'engagement de l'acheteur de l'effort commercial

Dix e-mails sortants sans réponse donnent à une opportunité une apparence d'activité et ne changent rien à sa probabilité de se conclure. Ne comptez que les preuves initiées par l'acheteur : réponses entrantes, réunions tenues, appels aboutis, formulaires à forte intention. Dans ce jeu de données, cette seule distinction fait la différence entre un taux de réussite de 89% et un de 5%.

Validez chaque signal avant qu'il ne déplace un dollar

Évaluez vos opportunités clôturées telles qu'elles étaient deux semaines avant leur clôture, puis vérifiez quelles tranches de signal ont réellement séparé les gagnées des perdues. Ici, l'ancienneté de l'engagement et l'implication du décideur ont été décisives, l'usage produit non. Si nous avions évalué l'usage à l'instinct, les niveaux auraient été faux avec assurance.

Communiquez la composition, pas seulement le total

Pondéré de deux manières, le pipeline ouvert de ce trimestre ressort avec un million de dollars d'écart, et les niveaux traversent les catégories du CRM dans les deux sens : des opportunités Commit sans preuve à l'appui, des opportunités en confiance élevée que personne n'a engagées. Un total qui semble raisonnable par hasard, construit à partir d'opportunités mal classées, vous coûtera quand même le trimestre. Montrez les niveaux, pas la somme.

Exécutez-le de la même façon chaque semaine

La régularité vaut mieux que la sophistication. Enregistrez l'analyse comme projet dans Querri et planifiez-la, pour que le niveau d'une opportunité la semaine dernière soit comparable à celui de cette semaine. Une opportunité qui glisse d'Élevé à Faible est souvent un avertissement plus clair que n'importe quel signalement isolé, et il arrive alors que vous pouvez encore agir.

Vous avez un dictionnaire de données ? Apportez-le. Vous n'en avez pas ? Construisez un premier jet dans Querri.

Un dictionnaire de données documente ce que signifient les champs de vos données, comment sont définis les termes métier importants et comment les différents systèmes se relient entre eux. L'analyse de prévision en dépend de façon inhabituelle, parce que presque chaque terme est contesté : ce qui compte comme engagement de l'acheteur, quels rôles font office de décideurs, quand un changement de date de clôture compte comme un report, et ce que "Commit" est censé signifier dans votre entreprise. Les jeux de données d'exemple ci-dessous utilisent des noms de champs proches des valeurs par défaut de Salesforce, HubSpot et Amplitude, donc Querri peut déduire beaucoup de choses seul, mais les définitions qui décident d'une prévision, c'est à vous de les énoncer.

Montrez-moi comment en apporter ou en créer un

Si vous avez déjà un dictionnaire de données

Importez-le en même temps que les données et dites à Querri comment vous voulez qu'il soit utilisé. Querri peut travailler sur plusieurs Sources dans un même projet, examiner leur structure et leur contenu, identifier les types de données et les relations, et rapprocher les Sources au besoin.

Prompt

"Utilise notre dictionnaire de données comme référence pour interpréter les données Salesforce, HubSpot et Amplitude de ce projet. Applique ses définitions pour les étapes, les catégories de prévision, les rôles de contact et les résultats d'engagement. Si les données semblent contredire le dictionnaire, signale le conflit plutôt que de faire une hypothèse."

Si vous n'avez pas de dictionnaire de données

Utilisez Querri pour créer un premier jet utile. Importez les Sources que vous voulez documenter, puis demandez à Querri de les inspecter et de construire un tableau avec tout ce qu'un bon dictionnaire exige :

  • Nom de la Source
  • Nom du champ ou de la colonne
  • Type de données déduit
  • Exemples de valeurs
  • Signification métier probable
  • Relations possibles avec des champs d'autres Sources
  • Questions ou ambiguïtés nécessitant une clarification humaine
Prompt

"Examine les Sources de ce projet et crée un premier dictionnaire de données. Pour chaque champ, affiche la Source, le nom du champ, le type de données déduit, des exemples de valeurs, la signification métier probable et tous les champs qui semblent utiles pour rapprocher les Sources. Signale les définitions que tu ne peux pas déterminer avec certitude plutôt que de deviner."

Ajoutez ensuite le contexte métier que seule votre équipe connaît

Querri peut déduire énormément des données elles-mêmes, mais les définitions qui décident d'une prévision viennent de votre équipe. Querri peut voir qu'une activité a pour résultat "Replied" et pour sens "Inbound" ; vous seul pouvez dire que c'est ce que votre entreprise compte comme engagement de l'acheteur. Des règles comme celles-ci ne s'apprennent pas depuis les données seules :

  • • L'engagement de l'acheteur désigne les réponses entrantes, les réunions tenues, les appels aboutis et les formulaires soumis, pas les ouvertures d'e-mails ni les inscriptions à des séquences
  • • Acheteur économique, décideur et sponsor exécutif sont les rôles qui comptent comme implication d'un décideur
  • • Un changement de date de clôture ne compte comme report que si la nouvelle date est postérieure à l'ancienne
  • • L'usage produit s'applique aux clients, aux essais et aux pilotes, et jamais aux comptes sans accès au produit
  • • Les durées d'étape aberrantes se mesurent face au 75e centile des opportunités gagnées, pas face à une moyenne

Enregistrez vos définitions standard une seule fois

Quand une définition est un standard de l'entreprise, enregistrez-la une fois au lieu de la répéter dans chaque conversation. Ajoutez des règles applicables à toute l'organisation dans les Paramètres de contexte, et Querri les applique automatiquement à chaque analyse que votre équipe exécute. Pour la vue d'ensemble, la Bibliothèque Querri est là où vit le contexte de données de votre entreprise : elle apprend votre activité et maintient vos sources, définitions et règles métier cohérentes partout. Quand votre dictionnaire vous convient, vous pouvez l'exporter en CSV ou Excel pour l'utiliser en dehors de Querri.

Un bon dictionnaire de données s'améliore avec une relecture humaine

Considérez le dictionnaire généré par Querri comme un point de départ, pas comme l'autorité finale. Querri fait la partie fastidieuse : profiler les champs et proposer des définitions. Votre équipe confirme la signification métier, corrige les cas ambigus et ajoute les règles qui ne s'apprennent pas depuis les données. Dans une revue de prévision, cette référence partagée vaut autant que l'analyse, parce qu'elle déplace le débat de ce que signifient les chiffres vers ce qu'il faut en faire.

Questions fréquentes

Que signifie vraiment la "confiance dans la prévision" ?
La confiance dans la prévision est la quantité de preuves indépendantes qui soutiennent une opportunité, indépendamment de ce que l'équipe commerciale en pense. Salesforce vous dit ce que l'équipe prévoit. HubSpot vous dit si l'acheteur interagit encore. Amplitude vous dit si le compte tire de la valeur du produit. Une opportunité est en confiance élevée quand ces sources concordent et que son propre historique est sain. Elle est en confiance faible quand le CRM dit une chose et que toutes les autres sources ne disent rien.
Pourquoi ne pas simplement utiliser le champ de probabilité du CRM ?
Parce que la probabilité est généralement une fonction de l'étape, et que l'étape est une affirmation plutôt qu'une observation. Pondérez le pipeline ouvert de ce trimestre par la probabilité du CRM et vous obtenez $6,759,240. Pondérez-le par ce que des opportunités comparables ont historiquement fait dans chaque niveau de preuve et vous obtenez $7,806,756. Regardez à l'intérieur de ces deux totaux et le désaccord est net : le CRM porte $1,792,035 d'attente sur le niveau le plus bas, là où les preuves disent $489,060, et seulement $2,577,045 sur le niveau le plus haut, là où les preuves disent $4,663,352. Il est optimiste sur les opportunités qui perdent historiquement et pessimiste sur celles qui gagnent. Les totaux sont un argument. La composition est celui sur lequel vous agissez.
Quels signaux ont réellement prédit les succès ?
Testés sur 720 opportunités clôturées avec chaque signal figé 14 jours avant la clôture, l'engagement de l'acheteur domine. Les opportunités dont l'acheteur avait répondu dans les 7 jours ont été gagnées dans 89% des cas ; celles sans réponse depuis 31 jours ou plus, dans 5%. L'activité du décideur au cours des 30 derniers jours sépare les résultats à 94.6% contre 28.6%. Trois contacts engagés ou plus donnent 99% de réussite, contre 19.5% pour les opportunités à un seul interlocuteur. Les reports de date de clôture et les étapes trop longues comptent moins, mais déplacent quand même le chiffre : jamais reportée 63%, reportée deux fois 37%.
L'usage produit doit-il faire baisser le score de confiance d'une opportunité ?
Uniquement là où le compte peut réellement utiliser le produit, et uniquement après l'avoir vérifié. Dans ce jeu de données, la tendance d'usage pointait dans le mauvais sens : les comptes dont l'usage était stable ou en baisse ont gagné dans 65.7% des cas contre 58.4% pour les comptes dont l'usage progressait, et la corrélation entre l'activité récente et le succès était de r = -0.035, p = 0.35. Statistiquement rien. L'usage reste donc dans l'analyse comme contexte et comme indicateur de risque de renouvellement, mais il ne déplace pas le niveau. C'est la vraie leçon : validez un signal sur vos propres opportunités clôturées avant de le laisser changer le chiffre que vous donnez à votre CEO.
Comment éviter le biais d'anticipation quand vous testez les règles de scoring ?
Figez chaque signal à un point fixe antérieur au résultat. Ici, chaque opportunité clôturée est évaluée à sa date de clôture moins 14 jours, en n'utilisant que l'étape, la catégorie de prévision, le montant, l'activité et l'usage qui existaient à cette date, reconstitués depuis l'historique des champs Salesforce. Sans cette discipline, vous finissez par mesurer la mécanique de clôture (contrats signés, réunions tenues la dernière semaine) et votre modèle paraît bien plus précis qu'il ne l'aurait été dans la réalité.
Et si les trois systèmes ne partagent pas d'identifiant de compte ?
Rapprochez-les par ordre de priorité : d'abord un identifiant système partagé, puis un identifiant CRM stocké comme propriété dans l'autre système, ensuite le domaine du site web ou de l'e-mail, puis un nom d'entreprise normalisé, et enfin une table d'exceptions maintenue à la main. Ne rapprochez jamais sur le seul nom d'entreprise. Communiquez toujours votre taux de correspondance et traitez les comptes non rapprochés comme inconnus, et non comme une preuve d'absence d'engagement ou d'usage.
Ai-je besoin d'instantanés historiques de la prévision pour faire cela ?
Vous pouvez tout construire à partir de l'historique des champs des opportunités, et c'est ce que fait ce playbook. Les instantanés hebdomadaires l'améliorent : ils montrent de combien la prévision a bougé cette semaine, quelles opportunités ont été ajoutées tard dans le trimestre, lesquelles oscillent entre Best Case et Commit, et quels commerciaux surévaluent systématiquement. Si vous n'avez pas encore d'instantanés, commencez dès maintenant à écrire une copie hebdomadaire de votre pipeline ouvert dans un fichier. Dans trois mois vous aurez le jeu de données.
À quelle fréquence faut-il l'exécuter ?
Chaque semaine, et de la même façon chaque semaine. La première construction représente le travail : connecter les sources, définir ce qui compte comme engagement de l'acheteur, fixer les repères de durée par étape. Ensuite, enregistrez-la comme projet dans Querri et planifiez-la. La valeur s'accumule parce que les changements de niveau d'une semaine à l'autre sont eux-mêmes un signal, et parce qu'un chiffre que personne ne contexte le lundi vaut mieux qu'un meilleur chiffre auquel personne ne croit.
Que faire des opportunités en confiance faible ?
Pas nécessairement les retirer. Une confiance faible signifie que les preuves ne sont pas encore là, donc l'action consiste généralement à aller les chercher : une réunion avec l'acheteur économique, un deuxième interlocuteur, une prochaine étape réelle avec une date. Puis réévaluer. Les opportunités qui restent au niveau le plus bas deux ou trois semaines de suite sans nouvelle preuve sont celles à sortir du chiffre engagé, et la conversation avec la direction est bien plus simple quand vous pouvez nommer la preuve précise qui manque plutôt que de débattre d'une impression.

Autres ressources populaires

Playbook

Couverture hebdomadaire du pipeline

Construisez un rapport de couverture qui élimine les faux signaux.

Playbook

Rapport de direction RevOps hebdomadaire

Remplacez la course au CRM du lundi matin.

Démo

Demander une présentation

Voyez Querri en action avec vos propres données.

Tarifs

Comparer les offres

Trouvez l'offre adaptée aux particuliers, aux équipes ou aux grandes entreprises.