AI के साथ जीत-हार विश्लेषण (Win-Loss Analysis) कैसे बनाएं: चरण-दर-चरण

एक win-loss analysis आपके द्वारा क्लोज की गई डील्स की तुलना उन डील्स से करता है जिन्हें आप हार गए हैं, और फिर उनके बीच के अंतर को समझाता है। इसे closed-deals export से तैयार करें। सेगमेंट के आधार पर जीत और हार की गिनती करें, win rate प्राप्त करने के लिए विभाजित करें, और फिर हार के कारणों (loss reasons) को एक छोटी सूची में समूहित करें। गिनती करने में कुछ ही मिनट लगते हैं। लेकिन समूहीकरण (grouping) वह जगह है जहाँ हर win-loss analysis बिखर जाता है।

यह गाइड पहले स्प्रेडशीट के तरीके को समझाती है, ठीक से दिखाती है कि यह कहाँ अटकता है, और फिर तीन चरणों में उसी export से वही विश्लेषण फिर से तैयार करती है।

एक win-loss analysis वास्तव में आपको क्या बताता है

तीन सवाल, इस क्रम में कि वे कितनी बार किसी फैसले को बदलते हैं।

हम कितनी बार जीतते हैं? Win rate एक निश्चित अवधि में क्लोज की गई डील्स से विभाजित जीत की संख्या है। अपने आप में यह केवल एक स्कोरबोर्ड है, कोई व्यावहारिक जानकारी (insight) नहीं।

हम कहाँ जीतते हैं? सेगमेंट, प्रोडक्ट या डील के आकार (deal size) के आधार पर विभाजित यही दर आमतौर पर कुल संख्या की तुलना में अधिक उतार-चढ़ाव दिखाती है। कुल मिलाकर 35% पर रहने वाली कंपनी mid-market में 41% और enterprise में 22% पर हो सकती है, और ये दोनों आंकड़े दो अलग-अलग समस्याओं की ओर इशारा करते हैं।

हम क्यों हारते हैं? यह वह हिस्सा है जिसे हर कोई जानना चाहता है और लगभग कोई भी इसे स्पष्ट रूप से नहीं समझ पाता है। इसका उत्तर एक फ्री-टेक्स्ट फ़ील्ड (free-text field) में होता है जिसे पांच प्रतिनिधियों (reps) ने पांच अलग-अलग तरीकों से भरा होता है।

एक win-loss analysis जो केवल पहले प्रश्न का उत्तर देता है, वह एक रिपोर्ट है। जो तीनों का उत्तर देता है वह एक निर्णय दस्तावेज़ (decision document) है, और यह एक अतिरिक्त घंटा लगाने के लायक है।

शुरू करने से पहले आपको क्या चाहिए

• एक closed-deals export जो कम से कम दो तिमाहियों (quarters) को कवर करता हो, प्रति अवसर (opportunity) एक रो (row)।
• कम से कम चार कॉलम: क्लोज डेट (close date), परिणाम (outcome), सेगमेंट या प्रोडक्ट, और राशि (amount)।
• एक loss-reason कॉलम, भले ही वह व्यवस्थित न हो। यह वह कॉलम है जो यह तय करता है कि विश्लेषण उपयोगी है या नहीं।
• अवधि (period) की एक परिभाषा। क्लोज डेट या क्रिएटेड डेट, जिसे एक बार चुनकर लिख लिया गया हो।

Microsoft का PivotTable मार्गदर्शन प्रारूप की आवश्यकता को स्पष्ट रूप से निर्धारित करता है: "आपका डेटा एक सिंगल हेडर रो (header row) वाले कॉलम में व्यवस्थित होना चाहिए।" CRM एक्सपोर्ट अक्सर दो हेडर रो या एक मर्ज किए गए टाइटल बार के साथ आते हैं, इसलिए किसी भी अन्य चीज़ से पहले इसे ठीक करें।

पहला विश्लेषण तैयार करने से पहले एक और बात पर सहमति बनाना ज़रूरी है: reason फ़ील्ड का स्वामित्व किसके पास है। अधिकांश टीमों में प्रतिनिधि (rep) डील क्लोज करता है और लेबल चुनता है। प्रतिनिधि साफ-सुथरे वर्गीकरण (taxonomy) के बजाय अगली डील क्लोज करने पर ध्यान केंद्रित करते हैं। यह उनके चरित्र की कोई कमी नहीं है। इसका सीधा सा मतलब है कि लेबल सेट इतना छोटा होना चाहिए कि सही विकल्प तीन सेकंड में स्पष्ट हो जाए। हर तिमाही में एक व्यक्ति के पास इस सूची का स्वामित्व होना चाहिए।

स्प्रेडशीट में win-loss analysis कैसे करें

विकल्प 1: COUNTIFS के साथ जीत और हार की गिनती करें

COUNTIFS "कई श्रेणियों (ranges) के सेल पर मानदंड (criteria) लागू करता है और उन बारों की संख्या गिनता है जब सभी मानदंड पूरे होते हैं।" यही पूरा win-rate कैलकुलेशन है। उन रो (rows) को गिनें जहाँ परिणाम Won है और सेगमेंट Mid-Market है, उस सेगमेंट के लिए सभी क्लोज की गई रो को गिनें, और फिर विभाजित करें।

दो प्रलेखित (documented) विवरण बाद में समय बचाते हैं। Microsoft नोट करता है कि "प्रत्येक अतिरिक्त श्रेणी (range) में रो और कॉलम की संख्या उतनी ही होनी चाहिए जितनी criteria_range1 तर्क (argument) में है।" इसलिए असमान चयन (ragged selections) चुपचाप फ़ॉर्मूले को खराब कर देते हैं। और 127 तक श्रेणी और मानदंड जोड़े (pairs) की अनुमति है, जो कि किसी भी विश्लेषण की आवश्यकता से कहीं अधिक है।

इसी पेज पर एक जाल भी है। यदि कोई मानदंड तर्क (criteria argument) किसी खाली सेल की ओर इशारा करता है, तो COUNTIFS "खाली सेल को 0 मान (value) के रूप में मानता है।" इसलिए एक खाली सेगमेंट को कुछ नहीं के बजाय कुछ माना जाता है, और इसी तरह एक ऐसा सेगमेंट जिसमें कोई भी बिक्री नहीं करता है, उसमें भी डील्स दिखाई देने लगती हैं।

विकल्प 2: PivotTable के साथ सारांशित करें

परिणाम (outcome) को Rows में और राशि (amount) को Values में डालें, और आपके पास सेगमेंट के अनुसार जीती और हारी हुई पाइपलाइन आ जाएगी। win rate को गिनती के बजाय हिस्सेदारी (share) के रूप में दिखाने के लिए, Value Field Settings खोलें और Show Values As टैब का उपयोग करें, जहाँ % of Grand Total होता है।

आप किसी मान (value) को कैलकुलेशन और प्रतिशत दोनों के रूप में भी दिखा सकते हैं। Microsoft का निर्देश है कि "आइटम को Values सेक्शन में दो बार ड्रैग करें," फिर प्रत्येक के लिए Summarize Values By और Show Values As सेट करें। इससे आपको बिना किसी दूसरे पिवट के डील काउंट और कुल हिस्सेदारी अगल-बगल मिल जाती है।

विकल्प 3: हार के कारण (loss reasons) जोड़ें

अब loss-reason कॉलम को PivotTable में ड्रैग करें और देखें कि क्या होता है। Microsoft इस व्यवहार को सटीक रूप से प्रलेखित करता है: "डिफ़ॉल्ट रूप से, Values क्षेत्र में रखे गए PivotTable फ़ील्ड SUM के रूप में प्रदर्शित होते हैं। यदि Excel आपके डेटा को टेक्स्ट के रूप में व्याख्या करता है, तो डेटा COUNT के रूप में प्रदर्शित होता है।"

यह सही और अपेक्षित है। एक reason कॉलम टेक्स्ट है, इसलिए यह गिनती करता है। समस्या यह है कि यह क्या गिनता है।

स्प्रेडशीट का तरीका कहाँ धीमा पड़ जाता है

आपके reason कॉलम में संभवतः Price, price, Too expensive, Budget, No budget this year, और Lost on cost शामिल हो सकते हैं। ये छह अलग-अलग तरीकों से लिखा गया एक ही कारण है। अलग-अलग स्ट्रिंग्स (distinct strings) की गिनती आपको बताती है कि छह चीजें हुईं, जबकि वास्तव में एक ही चीज छह बार हुई थी।

सो कोई व्यक्ति सूची लेकर बैठता है और यह तय करता है कि किन लेबलों का अर्थ एक ही है। वह निर्णय ही वास्तविक विश्लेषण है, और यह मैन्युअल है, और इसे हर तिमाही में दोबारा करना पड़ता है क्योंकि प्रतिनिधि नए-नए वाक्यांश ईजाद करते रहते हैं।

तीन छोटी अड़चनें इसे और बढ़ा देती हैं।

असली कारण अक्सर नोट्स में होता है। पिकलिस्ट (picklist) में केवल एक संक्षिप्त संकेत होता है और फ्री-टेक्स्ट फ़ील्ड में पूरी कहानी होती है, और कोई भी हाथ से फ्री-टेक्स्ट को एकत्रित (aggregate) नहीं करता है।

छोटे सेगमेंट रुझान (trends) के रूप में दिखने लगते हैं। किसी सेगमेंट में चार डील्स होना एक छोटी घटना है, लेकिन इसके बगल में लिखा प्रतिशत एक बड़े निष्कर्ष जैसा दिखता है।

पिवट पुराना हो जाता है। यहाँ PivotTable दस्तावेज़ भी मायने रखता है। जब नई रो (rows) आती हैं, तो "उस डेटा स्रोत पर बनाए गए किसी भी PivotTables को रीफ्रेश करने की आवश्यकता होती है।" एक बार रीफ्रेश करना भूल जाने पर, पिछली तिमाही का विश्लेषण इस तिमाही के विश्लेषण के रूप में प्रस्तुत हो जाता है।

AI के साथ win-loss analysis कैसे तैयार करें

चरण 1: closed-deals export अपलोड करें

Powerdrill Bloom खोलें और export अपलोड करें। Excel, CSV, PDF और डॉक्स सभी को फ्री प्लान पर समर्थित अपलोड के रूप में सूचीबद्ध किया गया है, इसलिए एक रॉ CRM डाउनलोड बिना किसी सफाई के सीधे काम करता है।

अव्यवस्थित reason कॉलम को न हटाएं, और न ही नोट्स फ़ील्ड को हटाएं। वे फ़ाइल में दो सबसे मूल्यवान कॉलम हैं, और वे दो ऐसे कॉलम हैं जिन्हें लोग आमतौर पर शुरू करने से पहले हटा देते हैं।

चरण 2: एक ही प्रॉम्प्ट में गिनती और रीज़न ग्रुप्स मांगें

प्राकृतिक भाषा (natural language) में विश्लेषण का वर्णन करें। पिछली दो तिमाहियों में सेगमेंट के अनुसार win rate, और साथ ही जीती और हारी हुई डील्स के लिए औसत डील साइज (average deal size) मांगें। फिर एक छोटी सूची में समूहित हार के कारणों (loss reasons) को मांगें, साथ ही उन रॉ लेबलों को भी जो प्रत्येक समूह में शामिल किए गए हैं।

केवल योग (totals) ही नहीं, बल्कि मैपिंग भी मांगें। यह देखना कि Lost on cost और No budget this year को एक साथ मिला दिया गया था, आपको उस निर्णय को स्वीकार या अस्वीकार करने की अनुमति देता है। यह एक गणना के बजाय एक विवेकपूर्ण निर्णय (judgement call) है, और यह वह हिस्सा है जिसकी आप समीक्षा करना चाहते हैं, न कि इसे किसी और को सौंपना।

जब आप वहाँ हों तो एक न्यूनतम सीमा (floor) भी जोड़ें। न्यूनतम डील काउंट से कम वाले सेगमेंट को उनकी गिनती के साथ दिखाने या पूरी तरह से छिपाने के लिए कहें। यह चार-डील वाले सेगमेंट को एक रुझान (trend) के रूप में पढ़े जाने से रोकता है।

प्रत्येक आंकड़ा उसके पीछे की रो (row) के साथ वापस आता है। आप किसी संदिग्ध गिनती को खोल सकते हैं और स्लाइड तक पहुँचने से पहले उन डील्स को पढ़ सकते हैं जिन्होंने इसे उत्पन्न किया है।

चरण 3: इसे उस दस्तावेज़ में बदलें जिसे लोग पढ़ेंगे

सीधे लेआउट के लिए कहें। मुख्य win rate, पिछली अवधि की तुलना में रुझान, सेगमेंट के अनुसार win rate, समूहित हार के कारण, और सबसे बड़े बदलाव पर एक लाइन।

प्रॉम्प्ट को सेव करें। अगली तिमाही में आप नया export अपलोड करते हैं और उन्हीं शब्दों को चलाते हैं, जो एक बार के विश्लेषण को बार-बार दोहराए जाने वाले विश्लेषण में बदल देता है। यदि आउटपुट को एक आवर्ती प्रकाशित दस्तावेज़ (recurring published document) बनना है, तो AI report generator पेज उस तरीके को कवर करता है। make graphs from Excel पेज चार्ट वाले हिस्से को कवर करता है।

एक win-loss analysis में क्या शामिल होना चाहिए

ब्लॉक	यह क्या उत्तर देता है	सामान्य गलती
मुख्य win rate	क्या हम पिछली अवधि की तुलना में बेहतर कनवर्ट कर रहे हैं?	हर (denominator) में ओपन डील्स को मिलाना
सेगमेंट के अनुसार win rate	ताकत कहाँ केंद्रित है?	तीन डील्स वाले सेगमेंट की रिपोर्टिंग ऐसे करना जैसे कि वे स्थिर हों
औसत डील साइज, जीती बनाम हारी हुई	क्या हम बड़ी डील्स हार रहे हैं या छोटी?	एक रो में मीडियन (median) और दूसरी में मीन (mean) का उपयोग करना
समूहित हार के कारण	हमें लगातार क्या हरा रहा है?	समूहित लेबलों के बजाय रॉ लेबलों की गिनती करना
सेल्स साइकिल की लंबाई	क्या हार धीमी है या तेज़?	एक रो में क्रिएटेड डेट से और दूसरी में क्लोज डेट से मापना
प्रतिस्पर्धी हार (Competitive losses)	हम वास्तव में किससे हार रहे हैं?	आधी रो में प्रतिस्पर्धी (competitor) फ़ील्ड को खाली छोड़ना
एक बदलाव का मुख्य बिंदु (movement callout)	पिछली तिमाही से क्या बदला?	मायने रखने वाले बदलाव के बजाय हर बदलाव को सूचीबद्ध करना

तैयार दस्तावेज़ को केवल एक पेज तक सीमित रखें। नौ स्लाइडों तक चलने वाला win-loss analysis केवल एक ही बार पढ़ा जाता है।

इस तालिका के अधिकांश संस्करणों में से एक कॉलम गायब है, और इसे जोड़ना सबसे आसान है: export की तारीख। पिछली तिमाही की फ़ाइल की तुलना इस तिमाही की फ़ाइल से करने वाले दो लोग अंततः इस बात पर असहमत होंगे कि उस समय कौन सी डील्स खुली थीं। डेटा कब निकाला गया था, यह बताने वाली एक सिंगल लाइन उस बातचीत को शुरू होने से पहले ही समाप्त कर देती है।

एक व्यावहारिक उदाहरण

मान लें कि एक तिमाही 180 डील्स के साथ समाप्त होती है: 63 जीतीं, 117 हारीं। कुल win rate 35% है। सेगमेंट के आधार पर विभाजित करने पर, enterprise 27 डील्स पर 22% पर है जबकि mid-market 96 डील्स पर 41% पर है।

समूहित कारण (grouped reasons) दोनों में से किसी भी संख्या से अधिक मायने रखते हैं। मान लें कि 117 हारों में से 44 कीमत (price) के कारण हुईं और 31 किसी गायब इंटीग्रेशन (missing integration) के कारण हुईं। ये दो अलग-अलग टीमों के साथ दो अलग-अलग बातचीत हैं। बिना समूहीकरण (ungrouped) वाली रॉ सूची ने ग्यारह कारण दिखाए होते और दोनों में से किसी पर भी ध्यान नहीं गया होता।

अब deal-size रो जोड़ें। मान लें कि कीमत के कारण हुई 44 हारों का औसत $12k है और इंटीग्रेशन के कारण हुई 31 हारों का औसत $58k है। इस प्रकार इंटीग्रेशन की समस्या राजस्व (revenue) के मामले में लगभग दोगुनी मूल्यवान है, भले ही इसके पीछे कम डील्स हों। यह उलटफेर सबसे आम बात है जिसे केवल-गिनती वाला विश्लेषण (count-only analysis) छुपाता है।

इसे कौन पढ़ता है, और कितनी बार

तीन प्रकार के पाठक इस दस्तावेज़ का अलग-अलग उपयोग करते हैं, और लेआउट को इसका सम्मान करना चाहिए।

सेल्स लीडरशिप (Sales leadership) मुख्य दर और बदलाव के मुख्य बिंदु (movement callout) को पढ़ती है, और जब तक कुछ बड़ा बदलाव न हो, वहीं रुक जाती है। प्रोडक्ट और मार्केटिंग समूहित कारणों को पढ़ते हैं, क्योंकि यहीं से रोडमैप और मैसेजिंग के तर्क शुरू होते हैं। फाइनेंस (Finance) डील साइज को पढ़ता है, क्योंकि सिकुड़ती डील्स पर बढ़ता हुआ win rate वैसी जीत नहीं है जैसी वह दिखती है।

पहले दर्शकों के लिए निर्माण करें और अन्य दो के लिए टिप्पणियां (annotations) जोड़ें। एक पेज, तीन पठनीय परतें।

एक उपयोगी कारणों की सूची प्राप्त करना

ऊपर दी गई हर चीज़ एक ऐसे loss-reason फ़ील्ड पर निर्भर करती है जिसे कोई व्यक्ति समूहित कर सके। तीन आदतें स्रोत पर ही अधिकांश गड़बड़ी को ठीक कर देती हैं।

पिकलिस्ट को सात विकल्पों तक सीमित रखें। एक लंबी सूची असंगत चयन की गारंटी देती है, क्योंकि कोई भी हारी हुई डील के अंत में ड्रॉपडाउन को स्क्रॉल नहीं करता है।

कारण को कहानी से अलग करें। श्रेणी (category) के लिए एक आवश्यक पिकलिस्ट, विवरण के लिए एक वैकल्पिक फ्री-टेक्स्ट बॉक्स। उन्हें मिला दें और आपको दोनों में से कुछ भी नहीं मिलेगा।

एक विकल्प को ईमानदार रखें। एक स्पष्ट Unknown या No decision विकल्प शामिल करें। इसके बिना, हर अस्पष्ट हार को कीमत (price) के तहत दर्ज कर दिया जाता है, और कीमत ही हर चीज़ का उत्तर बन जाती है।

मैपिंग की समीक्षा करें, फ़ील्ड की नहीं। आपको प्रविष्टि (entry) के समय कभी भी साफ-सुथरा डेटा नहीं मिलेगा। जो आप प्राप्त कर सकते हैं वह है अव्यवस्थित लेबलों से सात समूहों में एक स्थिर मैपिंग, जिसकी समीक्षा हर तिमाही में एक व्यक्ति द्वारा की जाए।

सामान्य गलतियाँ

हर (denominator) में ओपन डील्स की गिनती करना। Win rate क्लोज की गई डील्स से विभाजित जीत की संख्या है। अभी भी खुले अवसरों (still-open opportunities) को शामिल करने से हर बार यह संख्या बढ़ा-चढ़ाकर दिखती है।

कारणों की सूची को हमेशा बढ़ने देना। यदि इस तिमाही में ग्यारह कारण हैं और पिछली तिमाही में छह थे, तो आप बाजार में बदलाव के बजाय शब्दावली में बदलाव (vocabulary drift) देख रहे हैं। समूहीकरण (grouping) को ठीक करें, फिर तुलना करें।

छोटे सेगमेंट को रुझान (trends) के रूप में पढ़ना। प्रत्येक दर (rate) के बगल में गिनती दिखाएं ताकि पाठक स्वयं इसका आकलन कर सकें।

पुराना पिवट प्रस्तुत करना। स्रोत (source) में नई रो अपने आप PivotTable को अपडेट नहीं करती हैं, और पुराने नंबरों के साथ रीफ्रेश दिखने वाला लेआउट बिना किसी विश्लेषण के होने से भी बदतर है।

मैपिंग को छिपाना। जो कोई भी इसे पढ़ेगा वह अंततः पूछेगा कि "कीमत" (price) के रूप में क्या गिना गया था। चार्ट के साथ समूहीकरण (grouping) को प्रकाशित करें और वह बातचीत केवल दस सेकंड लेगी।

इसे केवल एक खराब तिमाही के बाद चलाना। जब संख्या गिरती है तब आपके द्वारा बनाया गया win-loss analysis तुलना करने के लिए कोई बेसलाइन नहीं रखता है। इसे त्रैमासिक रूप से चलाना, अच्छी तिमाहियों में भी, खराब तिमाही को समझने योग्य बनाता है।

वॉल्यूम (volume) के बिना दर की रिपोर्टिंग करना। पांच डील्स पर 20% से 40% तक जाने वाले सेगमेंट ने कुछ भी दोगुना नहीं किया है। प्रत्येक प्रतिशत के बगल में गिनती प्रिंट करें और पाठक स्वयं इसका आकलन कर लेंगे।

निष्कर्ष

एक win-loss analysis में अंकगणित वास्तव में सरल है: गिनती के लिए COUNTIFS, सारांश के लिए एक PivotTable, हिस्सेदारी के लिए % of Grand Total। वह काम जिसमें पूरी दोपहर लग जाती है, वह यह तय करना है कि आपकी हार के कारण (loss reasons) वास्तव में क्या कहते हैं।

उस हिस्से को एक ऐसे टूल को सौंपें जो लेबलों को समूहित कर सके, आपको मैपिंग दिखा सके, और प्रत्येक संख्या के पीछे की डील्स की ओर वापस इशारा कर सके। पिछली तिमाही के closed-deals export पर Powerdrill Bloom आज़माएं और देखें कि आपकी कारणों की सूची कितनी कम हो जाती है।

इसके अपस्ट्रीम पाइपलाइन व्यू के लिए, CRM export को पाइपलाइन रिपोर्ट में बदलने पर हमारी गाइड देखें। सेल्स पाइपलाइन विश्लेषण के लिए शीर्ष AI टूल्स का संग्रह टूलिंग वाले हिस्से को कवर करता है।

अक्सर पूछे जाने वाले प्रश्न

win-loss analysis क्या है?

यह उसी अवधि में आपके द्वारा जीती गई डील्स की तुलना आपके द्वारा हारी गई डील्स से करने वाला एक संरचित विश्लेषण (structured comparison) है। यह win rate, सेगमेंट के अनुसार उस दर में अंतर, और हार के पीछे के समूहित कारणों को कवर करता है।

आप win rate की गणना कैसे करते हैं?

उसी अवधि में क्लोज की गई कुल डील्स की संख्या से जीती गई डील्स की संख्या को विभाजित करें। COUNTIFS दोनों गिनतियों को संभालता है, क्योंकि यह उन रो (rows) को गिनता है जहाँ मिलान श्रेणियों (matching ranges) में प्रत्येक मानदंड पूरा होता है।

मेरा loss-reason फ़ील्ड कुल योग (total) के बजाय गिनती (count) क्यों दिखाता है?

क्योंकि यह टेक्स्ट है। Microsoft प्रलेखित करता है कि Values क्षेत्र में PivotTable फ़ील्ड डिफ़ॉल्ट रूप से SUM के रूप में प्रदर्शित होते हैं। जब Excel डेटा को टेक्स्ट के रूप में व्याख्या करता है, तो वे COUNT के रूप में प्रदर्शित होते हैं।

एक win-loss analysis में हार के कितने कारण होने चाहिए?

तिमाहियों में तुलना करने के लिए पर्याप्त रूप से कम, जिसका व्यावहारिक रूप से अर्थ लगभग पांच से सात समूह हैं। रॉ लेबलों को नीचे रखें ताकि कोई भी यह जांच सके कि प्रत्येक समूह में क्या शामिल किया गया था।

आपको कितनी बार win-loss analysis चलाना चाहिए?

त्रैमासिक (Quarterly) अधिकांश टीमों के लिए उपयुक्त है, क्योंकि एक महीने में शायद ही कभी प्रति सेगमेंट इतनी क्लोज की गई डील्स होती हैं जो स्थिर हों। आवृत्ति (cadence) जो भी हो, पिछली अवधि की फ़ाइल को संपादित करने के बजाय इसे एक नए export से फिर से तैयार करें।