Медиа imot.io
Механизмы диалога Разбор

Почему 91% данных в CRM неполны и как это искажает прогнозы продаж

Менеджер проводит 20-минутный звонок. Клиент трижды упоминает, что цена кажется высокой, дважды сравнивает с конкурентом и один раз говорит: «Надо подумать». Менеджер вешает трубку, открывает CRM и вбивает в поле статуса — «нецелевой». Двадцать минут живого разговора превратились в одно слово. Причём слово, которое отражает не поведение клиента, а интерпретацию менеджера.
Это не редкий сбой. Это стандартный режим работы большинства CRM-систем: данные попадают в базу через человека, который сам решает, что записать, как это назвать и стоит ли вообще обновлять карточку. Salesforce оценивает долю неполных записей в 91%. И 70% данных деградируют в течение года. CRM ценна как система учёта, но данные в ней отражают версию менеджера, а не голос клиента. Разбираем, как именно эта подмена влияет на прогнозы и что можно с ней сделать.

Масштаб проблемы: цифры, которые редко показывают руководству

Цифра Salesforce — 91% неполных записей — звучит как преувеличение. Но она подтверждается косвенно из нескольких независимых источников.
Собственное исследование Salesforce и Data.com выявило, что в средней базе контактов 90% записей неполны, а 20% записей бесполезны — из-за дублей, устаревших контактов, некорректных данных. При этом 74% записей требуют обновления. Ежегодная деградация данных — 70% — означает, что информация, внесённая в январе, к декабрю того же года в большинстве случаев уже неактуальна.
По данным Landbase (ноябрь 2024), скорость деградации контактных данных в B2B-сегменте составляет от 22,5% до 70,3% в год, а ежемесячная скорость деградации email-адресов достигла 3,6% — почти вдвое выше традиционных 1,5-2%. Это связано с ростом мобильности сотрудников и частой сменой позиций.
Gartner оценивает стоимость проблем с качеством данных для среднего бизнеса в 15 млн долларов в год. А 44% компаний теряют более 10% годовой выручки из-за деградации CRM-данных.
При этом каждый пятый час рабочего времени менеджера по продажам уходит на работу с некачественными данными. По данным Salesforce, это 21% рабочего времени — больше одного полного дня в неделю.
Ситуация выглядит парадоксально: компании инвестируют в CRM-систему, чтобы управлять продажами на основе данных, а затем получают данные, которым нельзя доверять. Четверть менеджеров признают, что регулярное обновление CRM отнимает время от продаж, а 95% заявляют, что работали бы результативнее, если бы тратили меньше времени на административные задачи.

Почему CRM фиксирует интерпретацию, а не разговор

Корень проблемы — не в технологии и не в лени сотрудников. Он в самой механике занесения данных.
Менеджер проводит разговор. Разговор длится 5-15 минут, в нём звучат десятки реплик, вопросы, возражения, уточнения, сомнения, сигналы интереса. После звонка менеджер открывает CRM и за 30-60 секунд заполняет карточку. Эти 30-60 секунд — единственный мост между живым разговором и базой данных. И на этом мосту происходят несколько предсказуемых искажений.
Первое — оптимизм. Менеджеры по продажам профессионально настроены на закрытие сделок. Когда клиент говорит «хорошая информация, нам нужно обсудить внутри», менеджер фиксирует это как продвижение. В реальности сделка может быть уже мёртвой, просто клиент не сказал об этом напрямую. Harvard Business Review описывает этот феномен конкретно: менеджеры скрывают информацию о проблемных сделках, ведут «двойную бухгалтерию» — одну для CRM, другую для себя — и держатся за нереалистично оптимистичные прогнозы.
Второе — подтверждающее мышление. Человек склонен замечать информацию, которая подтверждает его ожидания, и пропускать противоречащую. Менеджер, который верит в сделку, зафиксирует в CRM позитивные сигналы и проигнорирует возражения. Менеджер, который считает лид нецелевым, опишет разговор так, что это подтвердит его оценку.
Третье — невозвратные затраты. Чем больше времени менеджер потратил на клиента, тем сложнее ему признать, что сделка не состоится. В результате сделки остаются в воронке значительно дольше, чем следовало бы. Воронка раздувается. Прогнозы строятся на сделках, которые давно следовало бы убрать.
Четвёртое — сжатие информации. Двадцать минут разговора невозможно адекватно передать в двух полях CRM. Менеджер неизбежно выбирает, что записать, а что опустить. Этот выбор субъективен. Два менеджера, проведя идентичный разговор, могут занести в CRM совершенно разные данные.
Результат — система, в которой данные отражают не объективную реальность, а восприятие менеджера, отфильтрованное через когнитивные искажения. CRM фиксирует не то, что сказал клиент, а то, что менеджер решил об этом записать.

Прогнозы, построенные на интерпретации

Неполные и субъективные данные в CRM порождают конкретную бизнес-проблему — ненадёжные прогнозы продаж. И здесь есть документированные цифры.
CSO Insights в исследовании 1 200 организаций обнаружил, что менеджер, который прогнозирует закрытие сделки, выигрывает её лишь в 46% случаев. Меньше половины. Для сравнения: вероятность выигрыша в рулетку на ставке «пас» составляет 49,29%. Исследователи из CSO Insights прямо отмечают этот парадокс: система прогнозирования в среднестатистическом отделе продаж работает хуже, чем случайность.
Проблема устойчива во времени. В 2016 году показатель составлял 45,8%, в 2017-м — 46,9%, в 2018-м — около 46%, в 2019-м — 46,4%. Год за годом — одна и та же цифра. Это значит, что проблема не решается сама по себе и не компенсируется опытом менеджеров.
Xactly в 2024 году провёл опрос 405 руководителей отделов продаж и финансов совместно с Regina Corso Consulting (опрос проходил 19-28 марта 2024 года, все респонденты — из Северной Америки). Результаты: только 20% организаций попадают в прогноз с точностью до 5%. 43% промахиваются на 10% и более. Четыре из пяти руководителей признают, что хотя бы раз за последний год промахнулись мимо квартального прогноза, а больше половины — промахивались дважды и чаще.
При этом 90% опрошенных руководителей говорят, что лучшие инструменты привели бы к более точным прогнозам. Но ни один из респондентов не считает, что у него есть всё необходимое для качественного прогнозирования. Ноль процентов.
Связь между качеством данных в CRM и точностью прогнозов — прямая. Когда данные субъективны, когда статус сделки отражает оценку менеджера, а не поведение клиента, прогноз неизбежно наследует все искажения, которые менеджер внёс в карточку. Прогнозная модель может быть идеальной, но она бесполезна, если входные данные — проекция чужого оптимизма.

Что теряется между разговором и CRM

Есть ещё одно измерение проблемы, которое редко обсуждают. CRM фиксирует итог разговора — статус, комментарий, дату следующего контакта. Но теряет сам разговор.
В типичном диалоге менеджер и клиент обсуждают десятки нюансов. Клиент упоминает конкретные боли. Задаёт вопросы, которые показывают его реальные приоритеты. Возражает — и формулировка возражения важна: «дорого» и «пока нет бюджета» — это разные ситуации, требующие разного ответа. Использует слова-маркеры неуверенности или, наоборот, говорит конкретно и решительно.
Всё это — данные. Но в CRM они не попадают, потому что менеджер не может (и не должен) транскрибировать разговор вручную. Он заносит свою сводку — и сводка неизбежно беднее оригинала.
Когда руководитель смотрит в CRM и видит статус «нецелевой» — он не знает, что за этим статусом скрывается. Может быть, клиент действительно не подходит. А может быть, клиент три раза спросил про цену, получил невнятный ответ и повесил трубку. В CRM обе ситуации выглядят одинаково.
Это и есть слепая зона: пространство между живым разговором и его записью в базе данных. В этом пространстве теряются возражения, которые можно отработать, потребности, которые можно закрыть, и сигналы, по которым можно спрогнозировать поведение клиента точнее, чем по интуиции менеджера.

Как текстовая аналитика меняет уравнение

Альтернативный подход — анализировать не запись менеджера, а сам разговор. Точнее, текст разговора.
Когда мы в imot.io работаем с текстами звонков, разница с CRM-данными видна сразу. Менеджер записал в карточку «нецелевой», а по тексту диалога видно: клиент задавал конкретные вопросы о функциональности, упоминал бюджет и сроки, но получил ценовое возражение, которое менеджер не отработал. По данным CRM — мёртвый лид. По тексту разговора — упущенная продажа.
Механика работает так. Разговор транскрибируется в текст. Текст размечается по правилам: если в диалоге встречается определённый набор слов и фраз — звонку присваивается тег. «Ценовое возражение», «сравнение с конкурентом», «запрос на повторный контакт», «упоминание бюджета» — каждый тег фиксирует конкретный факт из разговора, а не мнение менеджера о нём.
Теги из текста не зависят от интерпретации. Если клиент сказал «дорого» — тег «ценовое возражение» появится вне зависимости от того, как менеджер оценил разговор. Если клиент попросил перезвонить через неделю — тег «запрос на повторный контакт» будет присвоен, даже если менеджер решил не фиксировать это в CRM.
Разница принципиальна: CRM показывает, что менеджер думает о сделке, а разметка по тексту показывает, что клиент сказал. Эти две картины совпадают далеко не всегда.
На масштабе сотен и тысяч звонков появляется возможность сопоставить CRM-статусы с реальным содержанием разговоров. Типичная находка: в категории «нецелевой» обнаруживается 15-30% звонков с явным интересом клиента, где менеджер не довёл разговор до результата. Это не ошибка CRM. Это ошибка интерпретации, которую CRM не в состоянии отловить — потому что она принимает на веру всё, что в неё вносит человек.

Два слоя данных вместо одного

Речь не о замене CRM. CRM решает свои задачи: учёт сделок, управление воронкой, контроль активности. Проблема не в инструменте, а в источнике данных. Когда единственный источник — ручной ввод менеджера, данные наследуют все его когнитивные искажения.
Решение — добавить второй слой. Слой, в котором данные формируются не из интерпретации, а из текста разговора. Этот слой не заменяет CRM-поля, а дополняет их объективными метками.
На практике это выглядит так: менеджер по-прежнему ведёт карточку клиента в CRM. Но параллельно каждый разговор транскрибируется и размечается по тегам. Руководитель видит два набора данных: субъективный (что менеджер думает о сделке) и объективный (что фактически прозвучало в разговоре). Расхождения между ними — сигнал, требующий внимания.
Gartner отмечает, что компании, которые улучшают качество CRM-данных, повышают точность прогнозов на 30%. Но улучшить качество ручного ввода — задача бесконечная: пока данные зависят от человека, искажения неизбежны. Второй слой — текстовая аналитика — обходит эту проблему, потому что работает не с мнением, а с фактом.
Xactly в своём исследовании фиксирует ещё один важный результат: 97% руководителей считают, что отделам продаж и финансов нужно работать с общим набором данных. Проблема в том, что «общий набор данных» в большинстве компаний — это CRM, то есть та самая система, в которой 91% записей неполны. Объективный слой данных из текста разговоров мог бы стать тем общим основанием, которому доверяют обе стороны.

Итоги

  1. Несколько выводов, которые следуют из исследований Salesforce, CSO Insights и Xactly.
  2. CRM-данные неполны не потому, что менеджеры ленивы. Они неполны, потому что ручной ввод субъективен по своей природе: двадцать минут разговора невозможно адекватно передать в двух полях карточки. Менеджер заносит свою интерпретацию, и эта интерпретация наследует когнитивные искажения — оптимизм, подтверждающее мышление, невозвратные затраты.
  3. Прогнозы, построенные на субъективных данных, ненадёжны. CSO Insights фиксирует 46% вероятность закрытия прогнозируемой сделки — стабильно, год за годом. Xactly подтверждает: только 20% организаций попадают в прогноз с точностью до 5%.
  4. Между живым разговором и записью в CRM существует слепая зона. В ней теряются возражения, потребности, сигналы интереса и причины отказа. CRM видит итог; текст разговора показывает процесс.
  5. Текстовая аналитика добавляет объективный слой данных. Теги из текста не зависят от интерпретации менеджера: «ценовое возражение» фиксируется по факту произнесения, а не по решению менеджера записать его.
  6. Два слоя данных — CRM-статусы и разметка по тексту — дают руководителю полную картину. Расхождения между ними подсвечивают упущенные продажи, ошибки квалификации и системные пробелы в работе с возражениями.
Если хотите увидеть, как текстовая разметка сопоставляется с CRM-данными на ваших звонках, — запишитесь на аудит. Покажем, где субъективная оценка менеджеров расходится с тем, что говорят клиенты
Оставить заявку на демо »
Источники

Salesforce / Data.com — CRM Data Quality. Оценка: 91% записей CRM неполны, 70% данных деградируют ежегодно. https://www.setsail.co/blog/improving-crm-data-quality

CSO Insights — The Next Generation of Forecast Accuracy. Исследование 1 200 организаций: вероятность закрытия прогнозируемой сделки — 46%. https://www.csoinsights.com/blog/the-next-generation-of-forecast-accuracy/

Xactly, 2024 Sales Forecasting Benchmark Report. Опрос 405 руководителей (март 2024): только 20% попадают в прогноз с точностью до 5%, 43% промахиваются на 10%+. https://www.xactlycorp.com/blog/forecasting/2024-sales-forecasting-benchmarks

Harvard Business Review (март 2019). Sales Teams Aren’t Great at Forecasting. Here’s How to Fix That. О когнитивных искажениях менеджеров при заполнении CRM. https://hbr.org/2019/03/sales-teams-arent-great-at-forecasting-heres-how-to-fix-that

Landbase — Data Decay Rate Statistics (ноябрь 2024). Деградация B2B-данных: от 22,5% до 70,3% в год. https://www.landbase.com/blog/data-decay-rate-statistics

Gartner — 2025 Planning Guide for CRM and Customer Engagement. Оценка стоимости проблем с качеством данных и влияния на прогнозы. https://www.gartner.com/en/documents/5824047