Розробка AI-системи прогнозування угод у вирві продажів
Sales forecasting – ключове завдання для планування. Ручні прогнози менеджерів систематично biased: overoptimism, anchoring на wishful thinking. ML-модель заснована на об'єктивних сигналах із CRM та історії закриття.
Модель прогнозування
Рівень угоди: Для кожної активної угоди – ймовірність закриття поточного місяця / кварталу. XGBoost на ознаках: стадія вирви, сума, час у стадії, число контактів, остання активність, швидкість прогресії, історичні дані менеджера.
Aggregate Forecast: Виважена сума ймовірностей за всіма угодами. Confidence interval (p10–p90) — чесніший за точковий прогноз. Порівняння з історією pipeline.
Cohort Analysis: Угоди, створені за один період, з якихось причин закриваються гірше — рання ідентифікація через cohort tracking.
Time-series компонент
Prophet/Temporal Fusion Transformer для врахування сезонності, тренду, зовнішніх факторів (місяць, квартал-кінець, свята).
Dashboard
Real-time forecast оновлюється при кожній події CRM. Waterfall chart: pipeline start → нові угоди → прогнозовані виграші → прогнозовані втрати → forecast.
Alert: якщо прогноз кварталу відхиляється від плану на 15% — автоматичне повідомлення керівництву.
Вимоги до даних
18–24 місяці історичних даних щодо закритих угод для надійного прогнозу. Мінімум 200 закритих угод.