A previsão de receita sai de duas informações que a sua operação já tem: a taxa de conversão de cada etapa do funil e o tempo médio que um lead leva para percorrê-lo. Com essas duas, a projeção vira conta. Sem elas, vira a soma das expectativas dos vendedores, que é o forecast que erra feio todo trimestre.
A boa notícia é que a conta é simples. A parte difícil, e a que este artigo trata com mais atenção, é garantir que os números que entram nela sejam confiáveis. É por isso que a maior parte dos textos sobre forecast decepciona: eles ensinam a fórmula, que é a parte fácil, e não dizem o que fazer quando o CRM não guarda a informação que a fórmula exige.
O cálculo, passo a passo
Todos os valores abaixo são usados apenas como exemplo.
Passo 1: levante a taxa de conversão de cada etapa. Olhe os últimos seis meses e calcule a passagem entre uma etapa e a seguinte. Digamos que a sua operação tenha: de lead para contato feito, 60%; de contato feito para reunião, 40%; de reunião para proposta, 50%; de proposta para venda, 30%.
Passo 2: multiplique as taxas para achar a conversão de ponta a ponta. No exemplo, 60% × 40% × 50% × 30% dá 3,6%. De cada 100 leads que entram, quase 4 viram cliente.
Passo 3: aplique ao que está no funil hoje. Se existem 500 leads novos no topo, a projeção é de 18 vendas. Multiplicando pelo ticket médio, digamos R$ 8 mil, chega-se a R$ 144 mil.
Passo 4: distribua no tempo pelo ciclo médio. Se o ciclo médio é de 60 dias, essa receita não é do mês que vem, é do mês seguinte. É esse passo que quase todo forecast improvisado esquece, e é ele que faz a previsão bater ou não com o calendário do financeiro.
Passo 5: some o que já está em andamento. Cada negócio aberto entra com o valor multiplicado pela conversão restante da etapa em que ele está. Uma proposta de R$ 20 mil, com 30% de conversão nessa etapa, entra como R$ 6 mil na previsão.
Repare que os passos 3 e 5 respondem coisas diferentes. O terceiro projeta o que a captação de hoje vai gerar lá na frente, e serve para a conversa de marketing. O quinto projeta o que o time comercial deve fechar no curto prazo, e serve para a conversa de vendas. Somar os dois no mesmo número, sem separar o horizonte de cada um, é o erro que faz o forecast parecer bom e chegar errado.
Esse método por funil é o mesmo descrito em materiais de referência sobre previsão de vendas. O que muda de operação para operação não é a fórmula. É a qualidade do dado que alimenta cada passo.
Guia de prompts para marketing e vendas
Aqui você encontra 70 prompts com perguntas sobre marketing, vendas e comportamento para fazer aos seus dados! Gere insights e usando o MCP da Laiki conectado ao seu Agente de IA.
Quatro coisas que quebram a previsão na prática
Aqui está o que costuma explicar a diferença entre o previsto e o realizado, e nenhuma delas se resolve mexendo na planilha.
Etapa sem data de mudança. Se o CRM registra em que etapa o negócio está, mas não quando ele chegou ali, você não consegue calcular ciclo médio nem tempo por etapa. Sem ciclo médio, a previsão até acerta o total e erra o mês, o que na prática é errar.
Lead duplicado inflando o topo. A mesma pessoa entrou pelo formulário e pelo WhatsApp, virou dois registros, e o topo do funil parece maior do que é. A taxa de conversão calculada sobre essa base sai artificialmente baixa, e a previsão vem menor que a realidade.
Negócio parado sem status atualizado. A proposta foi enviada em maio, o cliente sumiu, e o negócio segue aberto no CRM porque ninguém marcou como perdido. Ele entra na conta todo mês, como se fosse fechar, e é o principal responsável por forecast otimista.
Taxa calculada sobre período curto demais. Em operação de ciclo longo, três meses de histórico dão pouca amostra. Duas vendas atípicas mudam a taxa inteira. Use seis a doze meses e recalcule a cada semestre.
Como reduzir esses quatro problemas
Os dois primeiros são de estrutura de dados: exigem que a data de cada mudança de etapa seja registrada e que o mesmo contato seja resolvido como uma pessoa só. Tratamos disso no artigo sobre funil unificado de marketing e vendas.
Os dois últimos são de rotina. Vale combinar com o comercial um prazo de inatividade a partir do qual o negócio é marcado como perdido, e revisar a base periodicamente. As rotinas de higiene de dados cobrem esse tipo de limpeza.
Uma segmentação de “negócios parados há mais de X dias” resolve o terceiro problema quase sozinha, porque transforma a limpeza em uma lista que o time abre toda semana em vez de um mutirão semestral. As segmentações da Laiki permitem montar esse recorte combinando etapa, tempo e comportamento, e ele fica atualizado sem ninguém filtrar planilha.
O que esperar de acurácia
Uma nota de expectativa, para o número não virar promessa. Previsão feita sobre dados organizados erra, e erra menos. Ela vale pela tendência e pela comparação: o previsto contra o realizado, mês a mês, mostra se o modelo está calibrado.
Se a diferença for grande e sempre no mesmo sentido, o problema é uma taxa desatualizada ou pipeline inflado. Se a diferença oscila para os dois lados, é volume baixo, e a projeção precisa de janela mais longa.
Vale registrar previsto e realizado em algum lugar fixo, mês a mês. Sem esse histórico, cada revisão recomeça do zero e ninguém percebe que o modelo vem errando na mesma direção há um semestre.
A previsão de receita melhora quando a base melhora, e não quando a planilha fica mais elaborada. Modelo sofisticado sobre dado sujo continua errando, só com mais casas decimais.
Perguntas frequentes
Qual a diferença entre previsão de receita e meta?
A previsão é o que deve acontecer se o ritmo atual se mantiver. A meta é o que a empresa decidiu perseguir. Quando as duas viram a mesma coisa, o forecast deixa de ser instrumento de gestão e vira exercício de otimismo.
Com que frequência revisar o forecast?
Mensal para o número, e a cada semestre para as taxas de conversão. Revisar a taxa toda semana faz o modelo perseguir ruído.
Preciso de CRM para fazer previsão de receita?
Precisa de registro de etapa com data, e isso normalmente mora no CRM. A ferramenta importa menos que a disciplina de registro: pipeline atualizado em planilha prevê melhor do que CRM caro com campo em branco.
