Quando un numero di pipeline arriva sotto le attese, parte una catena di riunioni prevedibile. Qualcuno estrae il report del funnel, si analizzano gli stage, si fa coaching ai commerciali e la narrazione finisce sulla conversione da MQL a SQL o sulla velocità dei deal nelle fasi finali. Il presupposto è che il divario stia tra due stage del funnel, e che sistemare il passaggio di consegne recuperi il numero.
La mia esperienza è che, per la maggior parte dei team, questo sia il punto di partenza sbagliato. La perdita di revenue su cui passiamo più tempo a fare diagnosi in Checkpoint GTM non è affatto nel funnel. È nei dati del CRM che ci stanno sotto.
Mi spiego meglio.
Che aspetto ha davvero il problema dei dati
Ci sono tre categorie che emergono in ogni audit del CRM che facciamo. Le chiamo i tre pesi morti: duplicati, contatti inattivi e lead non assegnati.
I duplicati sono i più visibili ma i più difficili da quantificare. Un contatto creato da un modulo compilato convive con la stessa persona creata da un’importazione di liste sei mesi prima. Nessuno dei due è arricchito. Nessuno dei due ha un responsabile. Prima o poi un commerciale ne chiama uno; l’altro resta per sempre nello stage di lifecycle "nuovo". Quando interrogate la pipeline, quel contatto risulta mai lavorato. Sembra un lead finito nelle crepe. Lo è, ma la crepa l’hanno creata i dati sbagliati, non un processo rotto.
I contatti inattivi sono più insidiosi. Sono persone reali che a un certo punto hanno dato il consenso, partecipato a un webinar o scaricato qualcosa, e poi si sono raffreddate del tutto. Il CRM non ha alcun meccanismo per segnalarle come non più degne di nurturing, quindi restano nel database, gonfiando i vostri totali e il vostro tasso di rimbalzo delle email. I buyer con cui parliamo raccontano di SDR che passano una parte consistente di ogni settimana a chiamare numeri che sono cambiati o a scrivere a indirizzi che rimbalzano. Quel tempo è una perdita di revenue diretta, anche se non compare mai in un report di conversione.
I lead non assegnati sono i più costosi e i più facili da sistemare. Sono lead entrati nel CRM ma mai assegnati a un commerciale, mai inseriti in una sequenza, mai toccati. A volte la regola di routing si è rotta. A volte le assegnazioni di territorio non sono mai state configurate per un nuovo segmento. A volte un’importazione da una fiera è finita nel database senza il campo del responsabile compilato. Questi lead credono di aver alzato la mano. L’azienda non sa nemmeno che esistono. Non c’è perdita di revenue più evidente di un lead qualificato che nessuno ha chiamato.
Perché questa perdita di revenue resta non misurata
Il motivo per cui questa specifica perdita di revenue non compare nella reportistica standard è che i CRM sono costruiti per riportare le attività. Tracciano ciò che è successo. Non fanno emergere ciò che non è successo. Un lead non assegnato non fa scattare un avviso di attività mancata. Un duplicato non crea un buco visibile in un report sui passaggi di stage. Un contatto morto non risulta come anomalia da nessuna parte.
Nel bene e nel male, la maggior parte della reportistica sulla revenue è costruita su queste fondamenta difettose. Quando le dashboard sembrano ragionevoli, non c’è alcun segnale che qualcosa non vada. La perdita di revenue è invisibile per costruzione.
L’ho visto in CRM che in superficie sembrano ben tenuti: convenzioni di nomenclatura coerenti, stage di lifecycle compilati, una vera struttura di segmentazione. Poi si estrae una query dei contatti creati negli ultimi novanta giorni senza responsabile e senza attività, e si trovano centinaia di lead mai toccati. Il sistema sembrava pulito. I dati no.
Che cosa fa emergere davvero un audit dei dati
In Checkpoint GTM impostiamo questo lavoro prima come audit dei dati e poi come audit del funnel. L’ordine conta. Non ha senso ottimizzare il lead scoring se lo stesso lead esiste tre volte nel database. Non ha senso costruire un percorso di nurturing se il 40% dei contatti di un segmento non apre un’email da diciotto mesi.
In pratica, un audit dei dati del CRM ha quattro componenti. Primo, un’analisi dei duplicati: quanti contatti condividono un dominio email, un nome aziendale o un numero di telefono, e qual è la strategia di unione? Secondo, un controllo della salute dei contatti: anzianità dell’engagement, data dell’ultima attività, stato di recapitabilità. Terzo, un audit del routing: ci sono lead in qualche coda senza responsabile assegnato, e quanto è vecchio il più vecchio? Quarto, un controllo di integrità del lifecycle: ci sono contatti bloccati in stage da cui sarebbero dovuti uscire, il che di solito segnala che un processo si è rotto e nessuno se n’è accorto?
I numeri di questi audit sorprendono quasi sempre. Una regola empirica che uso è che in un CRM non sottoposto ad audit da più di un anno, una quota tra il 15% e il 30% del database contatti è duplicata, completamente inattiva o di fatto senza responsabile. È la popolazione da cui viene generata la vostra pipeline. È la perdita di revenue che non compare su nessuna dashboard.
Non ho una risposta convincente sul perché i team lascino accumulare il problema così a lungo. In parte è perché sistemare i dati è un lavoro poco affascinante. In parte è che il mercato si sta lentamente accorgendo del problema: gli strumenti a disposizione dei team RevOps integrati oggi lo trattano come una diagnosi d’ingresso e non come una pulizia da fare a posteriori. Ma soprattutto, nessuno è responsabile dell’audit finché qualcuno non decide di esserlo.
Perché sistemare i dati prima di aggiungere persone
Il punto su cui insisto di più con CRO e founder è la sequenza. Aggiungere un nuovo SDR a un CRM con 20.000 lead non assegnati e un tasso di duplicati del 25% non risolve la perdita di revenue. La diluisce. L’SDR chiama le stesse persone del precedente, lavora sulle stesse liste gonfiate e si scontra con gli stessi problemi di qualità. Prima o poi la reportistica mostra una produttività per commerciale più bassa, e l’istinto è aggiungere formazione o strumenti.
Quello che serve è un audit dei dati.
L’approccio standard all’implementazione GTM in questo mercato parte dall’ottimizzazione del funnel o dall’introduzione di tecnologia. Il nostro punto di partenza è diverso: non si può costruire un motore di revenue affidabile su dati inaffidabili. Sistemate le fondamenta, e la matematica del funnel cambia da sola. È il lavoro che documentiamo e il lavoro che facciamo insieme ai team, non a distanza da loro.
Se volete vedere come funziona in pratica, trovate i dettagli nel nostro archivio insights. La sequenza è quasi sempre la stessa: audit dei dati, poi lavoro sul funnel, poi le decisioni su persone o strumenti. In quest’ordine.