Как AI прогнозирует выручку

Прогноз выручки — одна из самых востребованных задач для собственника и руководителя.

Потому что вопрос обычно не в том:

«Сколько мы уже продали?»

А в другом:

«Сколько мы, скорее всего, заработаем к концу месяца, квартала или года?»

Обычный отчёт показывает факт.

Например:

Выручка за месяц — 180 млн ₸.

Но руководителю важно понимать:

• что будет дальше;
• хватит ли текущей воронки;
• какие клиенты могут снизить закупки;
• какие сделки перенесутся;
• где ожидается сезонный спад;
• насколько реалистичен план.

AI помогает строить более содержательный прогноз, потому что может учитывать сразу несколько факторов:

историю продаж + текущую воронку + поведение клиентов + сезонность + фактические оплаты + динамику менеджеров.

Разберём, как это работает.

Чем AI-прогноз отличается от обычного план-факта

План-факт отвечает:

что уже произошло.

Прогноз отвечает:

что, вероятнее всего, произойдёт дальше.

Например:

План месяца: 250 млн ₸

Факт на сегодня: 160 млн ₸

Этого недостаточно.

Нужно понять:

• сколько реально закроется из текущей воронки;
• сколько принесут повторные продажи;
• какие оплаты ожидаются;
• что может перенестись.

AI может сформировать:

Базовый прогноз: 235 млн ₸

Оптимистичный: 258 млн ₸

Консервативный: 218 млн ₸

Это уже инструмент для решения, а не просто отчёт.

На каких данных строится прогноз

Чем качественнее данные, тем полезнее результат.

Обычно используются:

CRM

• открытые сделки;
• стадии;
• суммы;
• даты закрытия;
• активность;
• история конверсии.

1С

• фактическая выручка;
• оплаты;
• отгрузки;
• история покупок;
• повторные продажи.

Маркетинг

• объём лидов;
• стоимость привлечения;
• качество каналов.

Поведение клиентов

• частота заказов;
• средний чек;
• сезонность.

AI объединяет эти факторы.

1. AI анализирует историческую динамику

Например:

Январь: 180 млн ₸
Февраль: 195 млн ₸
Март: 220 млн ₸
Апрель: 205 млн ₸

AI ищет:

• тренд;
• ускорение;
• замедление;
• повторяющиеся циклы.

Если выручка стабильно растёт, это один тип прогноза.

Если хаотична — другой.

2. AI учитывает сезонность

Во многих бизнесах выручка зависит от времени года.

Например:

• стройматериалы;
• туризм;
• образование;
• сельское хозяйство;
• розница.

Если каждый год осенью продажи растут, AI не должен воспринимать это как случайность.

Он может учитывать:

В сентябре выручка исторически на 18% выше среднего летнего уровня.

Это делает прогноз точнее.

3. AI анализирует текущую воронку

Для B2B это критически важно.

Например:

в CRM открыто сделок на:

400 млн ₸.

Но это не значит, что вся сумма превратится в выручку.

AI анализирует:

• стадию;
• историю конверсии;
• активность;
• срок;
• следующий шаг.

И может заключить:

Реалистичный объём закрытия в текущем месяце — около 170 млн ₸.

4. AI не верит всем датам закрытия одинаково

Менеджер может поставить:

Дата закрытия — 30 сентября.

Но сделка:

• находится на ранней стадии;
• ЛПР не выявлен;
• клиент давно не отвечает.

AI может понизить её вес в прогнозе.

И наоборот, сделка без идеальной карточки может быть почти готова к оплате.

5. AI использует вероятность закрытия сделки

Не просто стандартную вероятность стадии.

Например:

КП = 50%.

Это слишком грубо.

AI может учитывать:

• число контактов;
• скорость ответа клиента;
• наличие следующего шага;
• длительность сделки;
• прошлые паттерны.

Так две сделки на одной стадии получают разную оценку.

6. AI учитывает размер сделки

Крупные сделки сильнее влияют на прогноз.

Если одна сделка на 50 млн ₸ составляет 20% месячного плана, её риск особенно важен.

AI может сообщить:

Прогноз сильно зависит от сделки X. В случае её переноса выручка месяца снизится примерно на 18%.

Это уже stress-test прогноза.

7. AI анализирует повторные продажи

Во многих компаниях большая часть выручки приходит не из новых сделок, а от постоянных клиентов.

Например:

60% оборота — повторные закупки.

AI может анализировать:

• привычную частоту;
• средний объём;
• отклонения.

Например:

12 крупных клиентов ещё не сделали ожидаемую закупку в этом месяце.

Это влияет на прогноз.

8. AI находит клиентов, которые начинают покупать меньше

Например:

клиент обычно даёт:

8 млн ₸ в месяц.

Сейчас:

3 млн ₸.

AI может учесть снижение при расчёте будущей выручки.

И отдельно предупредить менеджера.

9. AI выявляет спящих клиентов

Если клиент раньше покупал регулярно, но перестал, это будущая потеря выручки.

AI может оценить:

Потенциальная недополученная выручка от клиентов с нарушенным циклом закупок — около 21 млн ₸.

Это превращает CRM-базу в прогнозный инструмент.

10. AI прогнозирует средний чек

Количество сделок может быть нормальным, но средний чек меняется.

Например:

раньше:

2,5 млн ₸.

Сейчас:

1,9 млн ₸.

Даже при той же конверсии выручка будет ниже.

AI учитывает это.

11. AI анализирует изменение продуктовой структуры

Например, компания продаёт:

• продукт A с высоким чеком;
• продукт B с низким.

Если доля B растёт, общая выручка может меняться.

AI может сказать:

Снижение прогноза связано не с количеством сделок, а со смещением спроса в сторону более дешёвых продуктов.

12. AI учитывает скидки

Если менеджеры начали давать больше скидок, фактическая выручка может оказаться ниже номинальной суммы сделок.

Например:

Воронка — 100 млн ₸.

Но средняя скидка выросла с 5% до 12%.

AI может скорректировать прогноз.

13. AI может прогнозировать не только выручку, но и валовую прибыль

Это более зрелый подход.

Потому что:

выручка растёт

не всегда значит:

прибыль растёт.

AI может прогнозировать:

• выручку;
• валовую прибыль;
• маржу.

Например:

Выручка ожидается +8%, но валовая прибыль — только +2% из-за роста скидок.

Для собственника это полезнее.

14. AI использует данные 1С для факта

CRM может показывать:

сделка закрыта.

Но фактически:

• отгрузки нет;
• оплаты нет;
• реализация ещё не проведена.

Если прогноз нужен именно по бухгалтерской или управленческой выручке, нужно учитывать 1С.

Тогда схема:

CRM показывает будущий спрос.

1С показывает факт.

AI соединяет оба слоя.

15. AI прогнозирует оплаты отдельно

Иногда выручка и деньги — разные показатели.

Компания может выставить на 200 млн ₸.

Но получить только 140 млн ₸.

AI может отдельно строить:

Прогноз выручки

и

Прогноз поступлений.

Это особенно важно для бизнеса с отсрочкой платежа.

16. AI анализирует платёжную дисциплину

Если клиент обычно платит на 15 дней позже срока, AI может учитывать это в прогнозе cash flow.

Например:

Оплата формально ожидается 20 сентября, но по истории клиента наиболее вероятное поступление — в начале октября.

Это полезнее формального платёжного календаря.

17. AI учитывает маркетинговый поток

Если известно:

• сколько лидов приходит;
• какая конверсия;
• средний чек;

можно оценивать будущую выручку ещё до появления зрелой воронки.

Например:

1 000 лидов

× 10% продаж

× 500 000 ₸ средний чек

≈ 50 млн ₸ потенциальной выручки.

AI может пересчитывать модель автоматически.

18. AI определяет нехватку лидов заранее

Например:

план следующего месяца — 300 млн ₸.

Но текущий объём лидов недостаточен.

AI может сообщить:

При текущем объёме входящих заявок и исторической конверсии прогноз следующего месяца ниже плана примерно на 35 млн ₸.

Это позволяет маркетингу реагировать заранее.

19. AI анализирует конверсию

Если конверсия резко падает, прогноз тоже должен меняться.

Например:

раньше:

20%.

Теперь:

14%.

AI обновляет модель.

То есть прогноз не статичен.

Он меняется вместе с реальностью.

20. AI учитывает длительность цикла сделки

Например:

обычный цикл — 30 дней.

Сделка создана вчера.

Даже если менеджер поставил закрытие через неделю, AI понимает, что это маловероятно.

Так прогноз очищается от чрезмерного оптимизма.

21. AI анализирует переносы сделок

Если менеджер уже три раза переносил дату закрытия, вероятность очередного переноса выше.

AI может учитывать:

История переносов.

Это один из сильных сигналов качества сделки.

22. AI анализирует активность клиента

Например:

по сделке:

• клиент отвечает;
• участвует в встречах;
• запросил договор.

Это позитивные сигналы.

По другой:

• не отвечает 10 дней;
• нет задачи;
• КП не обсуждено.

Это негативные сигналы.

AI учитывает разницу.

23. AI анализирует звонки

Если подключён анализ звонков, можно учитывать:

• интерес;
• возражения;
• следующий шаг;
• ЛПР.

Например:

Клиент подтвердил бюджет и запросил договор.

Это усиливает вероятность закрытия.

24. AI анализирует переписку

Из переписки можно увидеть:

• готовность купить;
• сомнения;
• запрос скидки;
• перенос решения.

Это тоже помогает уточнять прогноз.

25. AI строит несколько сценариев

Это намного полезнее одной цифры.

Например:

Консервативный

Только почти подтверждённые сделки.

220 млн ₸.

Базовый

Наиболее вероятный сценарий.

245 млн ₸.

Оптимистичный

Если закроются крупные сделки.

278 млн ₸.

Руководитель видит диапазон.

26. AI может строить доверительный диапазон

Вместо:

Прогноз — 250 млн ₸.

Лучше:

Ожидаемый диапазон — 235–260 млн ₸.

Это честнее.

Прогноз всегда содержит неопределённость.

27. AI объясняет, почему прогноз изменился

Например:

вчера прогноз:

250 млн ₸.

Сегодня:

232 млн ₸.

AI объясняет:

Сделка X перенесена на следующий месяц, а клиент Y снизил ожидаемый объём заказа.

Это критически важно для доверия.

28. AI показывает вклад каждого фактора

Например:

Базовый прогноз — 240 млн ₸.

Влияние:

• новые сделки: +80 млн ₸;
• повторные продажи: +120 млн ₸;
• перенос крупных сделок: -20 млн ₸;
• снижение среднего чека: -10 млн ₸.

Руководитель понимает механику.

29. AI прогнозирует по менеджерам

Например:

AI показывает:

Основной дефицит прогноза связан с менеджером Б.

Дальше можно разобрать причину.

30. AI прогнозирует по продуктам

Например:

CRM-проекты: 120 млн ₸.

1С: 90 млн ₸.

AI: 45 млн ₸.

Можно видеть, какое направление растёт или проседает.

31. AI прогнозирует по регионам

Например:

Алматы: рост.

Астана: стабильно.

Костанай: снижение.

AI может дополнительно объяснить:

• меньше лидов;
• ниже средний чек;
• слабая активность.

32. AI прогнозирует по клиентским сегментам

Например:

Enterprise

Выручка растёт.

SMB

Снижается.

Это помогает корректировать коммерческую стратегию.

33. AI может прогнозировать выручку на квартал

Для более длинного горизонта учитываются:

• историческая сезонность;
• текущая воронка;
• pipeline;
• маркетинговый поток;
• повторные покупки.

Но чем дальше горизонт, тем больше неопределённость.

34. AI может прогнозировать год

Возможно.

Но годовой прогноз должен использоваться как сценарный ориентир.

Особенно если бизнес:

• проектный;
• зависит от крупных сделок;
• чувствителен к рынку.

35. AI помогает строить rolling forecast

Вместо годового бюджета, который быстро устаревает, можно постоянно обновлять прогноз.

Например:

каждую неделю:

прогноз на следующие 90 дней.

Это называется rolling forecast.

AI особенно полезен здесь.

36. AI может делать stress-test выручки

Например:

Что будет, если крупнейший клиент снизит закупки на 30%?

AI пересчитывает сценарий.

Или:

Что будет, если конверсия упадёт с 20% до 16%?

Так руководитель видит чувствительность бизнеса.

37. AI выявляет зависимость от крупных клиентов

Например:

3 клиента дают 45% будущей выручки.

AI может предупредить:

Прогноз сильно зависит от ограниченного числа клиентов.

Это уже стратегический риск.

38. AI выявляет зависимость от одной сделки

Например:

план месяца:

200 млн ₸.

Одна сделка:

70 млн ₸.

Без неё план рушится.

AI показывает эту концентрацию заранее.

39. AI может находить резерв роста

Например:

прогноз ниже плана на 20 млн ₸.

AI может найти:

• сделки без follow-up;
• спящих клиентов;
• клиентов с потенциалом cross-sell;
• незакрытые оплаты.

И показать:

Потенциальный резерв — около 28 млн ₸.

Это не гарантия, но полезный ориентир.

40. AI помогает превратить прогноз в действия

Самый важный этап.

Прогноз:

-15 млн ₸ к плану.

Недостаточно.

AI должен показать:

Что можно сделать.

Например:

• провести follow-up по 5 крупным сделкам;
• реактивировать 12 клиентов;
• ускорить согласование 3 договоров;
• проверить 4 ожидаемые оплаты.

Тогда прогноз становится управленческим инструментом.

Как может выглядеть AI-прогноз выручки

Например:

План месяца: 300 млн ₸

Факт: 185 млн ₸

Базовый прогноз: 276 млн ₸

Консервативный: 252 млн ₸

Оптимистичный: 314 млн ₸

Основной риск: перенос двух крупных сделок.

Повторные продажи: ниже исторической нормы на 11 млн ₸.

Резерв: 22 млн ₸ в клиентах с пропущенным циклом покупки.

Рекомендация: сосредоточиться на 7 сделках и 10 ключевых повторных клиентах.

Такой прогноз уже помогает принимать решения.

Как может выглядеть утренний дайджест собственника

Выручка

Факт месяца: 61% плана.

Прогноз

Базовый сценарий: 92%.

Изменение

Прогноз снизился на 4 п.п. за последние 3 дня.

Причина

Перенесена крупная сделка и снизились повторные закупки.

Риск

Недобор: около 18 млн ₸.

Приоритет

5 сделок и 6 клиентов требуют внимания.

Это намного полезнее обычного отчёта.

Какие модели могут использоваться

Необязательно использовать только одну AI-модель.

Могут применяться:

• статистические методы;
• регрессия;
• временные ряды;
• machine learning;
• LLM для объяснения.

Например:

математическая модель считает прогноз.

LLM объясняет его руководителю простым языком.

Это часто более надёжная архитектура.

Почему нельзя поручать прогноз только генеративному AI

LLM хорошо:

• объясняет;
• обобщает;
• формулирует выводы.

Но точный прогноз чисел лучше строить на:

• структурированных данных;
• математических моделях;
• проверяемой логике.

То есть AI-помощник может быть интерфейсом к прогнозной модели.

Как проверять качество прогноза

Нужно сравнивать:

Прогноз

и

Факт.

Например:

1 сентября прогнозировали:

250 млн ₸.

Факт:

243 млн ₸.

Ошибка:

2,8%.

Так можно оценивать качество системы.

Какие метрики использовать

Например:

• MAE;
• MAPE;
• абсолютное отклонение;
• ошибка по периодам.

Но для руководителя можно использовать проще:

Средняя ошибка прогноза за последние 6 месяцев — 6,4%.

Прогноз нужно постоянно переобучать

Бизнес меняется.

Например:

• поменялась команда;
• запустили новый продукт;
• изменился рынок.

Поэтому модель, которая хорошо работала год назад, может начать ошибаться.

Нужно регулярно проверять её качество.

Что ухудшает прогноз

Грязная CRM

Неверные стадии и суммы.

Неправильные даты закрытия

Менеджеры постоянно ставят конец месяца.

Нет 1С

CRM показывает обещания, но не факт.

Мало истории

Труднее увидеть закономерности.

Резкие изменения рынка

История становится менее релевантной.

AI должен показывать уверенность прогноза

Например:

Прогноз: 250 млн ₸.

Уверенность: средняя.

Почему?

Потому что большая часть суммы зависит от нескольких нестабильных сделок.

Это лучше, чем создавать иллюзию точности.

Типовые ошибки внедрения AI-прогноза

Ошибка №1. Считать всю воронку будущей выручкой

Слишком оптимистично.

Ошибка №2. Использовать только вероятности стадий

Слишком грубо.

Ошибка №3. Не учитывать повторные продажи

Для многих бизнесов это основной источник выручки.

Ошибка №4. Не учитывать 1С

Факт CRM может отличаться от реальной выручки.

Ошибка №5. Давать одну точную цифру

Нужны сценарии или диапазон.

Ошибка №6. Не объяснять прогноз

Руководитель не будет ему доверять.

Ошибка №7. Не измерять ошибку

Невозможно понять качество модели.

Ошибка №8. Не обновлять прогноз

Он быстро устаревает.

Ошибка №9. Прогнозировать на плохих данных

AI не исправляет учёт.

Ошибка №10. Не превращать прогноз в действия

Красивый прогноз без управленческого решения бесполезен.

Как внедрять AI-прогнозирование выручки поэтапно

Этап 1. Определить, что считается выручкой

Это критично.

• закрытая сделка;
• отгрузка;
• реализация;
• оплата.

Этап 2. Очистить исторические данные

CRM и 1С.

Этап 3. Построить базовый прогноз

Без сложного AI.

Этап 4. Добавить воронку

Учитывать открытые сделки.

Этап 5. Добавить повторные продажи

Историю клиентов.

Этап 6. Добавить сезонность

Если она есть.

Этап 7. Добавить AI-сигналы

Активность, звонки, переписка.

Этап 8. Ввести сценарии

Консервативный, базовый, оптимистичный.

Этап 9. Измерять точность

Каждый месяц.

Этап 10. Связать прогноз с действиями

Задачи менеджерам и РОПу.

Как Profi Soft внедряет AI-прогнозирование выручки

В Profi Soft мы начинаем не с нейросети.

Сначала определяем:

• как в компании считается выручка;
• где находится факт;
• насколько качественно ведётся Bitrix24;
• какие данные есть в 1С;
• насколько важны повторные продажи;
• какие факторы влияют на результат.

После этого строится архитектура:

Bitrix24 + 1С + BI + AI.

Что может входить в проект Profi Soft

• аудит CRM;
• аудит данных 1С;
• модель план-факт;
• витрина продаж;
• анализ воронки;
• прогноз открытых сделок;
• анализ повторных продаж;
• сезонность;
• сценарное моделирование;
• прогноз оплат;
• прогноз валовой прибыли;
• BI-дашборд;
• AI-дайджест;
• автоматические предупреждения;
• контроль точности модели;
• обучение руководителей.

Что получает менеджер

Менеджер видит:

• личный прогноз;
• сделки под риском;
• недостающий объём;
• клиентов, которых стоит вернуть.

Это помогает управлять своей воронкой осмысленнее.

Что получает РОП

РОП видит:

• прогноз отдела;
• дефицит до плана;
• менеджеров под риском;
• критичные сделки;
• резервы роста.

И может управлять продажами до конца месяца, а не после.

Что получает собственник

Собственник получает ответ на более важный вопрос:

не:

«Сколько мы заработали?»

а:

«Сколько мы, скорее всего, заработаем и почему?»

И дополнительно:

«Что может изменить этот прогноз?»

Это намного более зрелый уровень управления.

Главный вывод

AI-прогноз выручки — это не магическое предсказание будущего.

Это модель, которая использует:

историю + текущую воронку + поведение клиентов + сезонность + данные 1С

и строит наиболее вероятный сценарий.

Хороший прогноз должен показывать:

• ожидаемую выручку;
• диапазон;
• основные риски;
• факторы изменения;
• уровень уверенности;
• действия для закрытия дефицита.

Правильная схема выглядит так:

данные → прогноз → объяснение → управленческое действие → сравнение с фактом.

Тогда AI перестаёт быть «предсказателем» и становится реальным инструментом управления продажами.

Закажите аудит AI-прогнозирования выручки

Если сегодня прогноз строится так:

«Менеджеры сказали, что всё закроется»,

а в конце месяца цифра сильно отличается от ожиданий, модель можно сделать значительно точнее.

Команда Profi Soft поможет:

• связать Bitrix24 и 1С;
• определить правильный факт выручки;
• очистить воронку;
• построить базовый прогноз;
• добавить повторные продажи;
• внедрить AI-анализ;
• настроить дашборд и ежедневные сигналы.

Оставьте заявку на аудит. Мы покажем, как использовать данные Bitrix24, 1С и AI для более реалистичного прогноза выручки и заранее видеть риск недовыполнения плана.

Чек-лист AI-прогноза выручки

Проверьте, умеет ли ваша система:

• анализировать историческую выручку;
• учитывать сезонность;
• анализировать текущую воронку;
• учитывать реальную активность по сделкам;
• учитывать длительность цикла;
• анализировать переносы;
• учитывать повторные продажи;
• выявлять снижение закупок клиентов;
• учитывать средний чек;
• учитывать скидки;
• получать фактическую выручку из 1С;
• прогнозировать оплаты;
• строить несколько сценариев;
• показывать диапазон;
• объяснять изменение прогноза;
• показывать основные риски;
• выявлять зависимость от крупных сделок;
• считать резерв роста;
• измерять точность прогноза;
• формировать конкретные рекомендации.

Если прогноз продаж сегодня строится только на мнении менеджеров и сумме воронки, у компании есть большой потенциал для более точного управления.

Часто задаваемые вопросы

Может ли AI точно предсказать выручку?

Нет. Любой прогноз вероятностный. AI помогает сделать его более обоснованным и регулярно обновлять.

Какие данные нужны для прогноза?

История продаж, текущая CRM-воронка, фактические данные из 1С, а для более зрелой модели — повторные продажи, сезонность и клиентская активность.

Можно ли прогнозировать выручку только по CRM?

Можно, но точность обычно выше, если добавить фактические данные 1С.

Учитывает ли AI повторные продажи?

Да. Для B2B-бизнеса это один из самых важных факторов.

Можно ли прогнозировать оплаты отдельно?

Да. Это особенно полезно при отсрочках и дебиторской задолженности.

Можно ли строить прогноз по менеджерам?

Да. Также по продуктам, регионам, направлениям и клиентским сегментам.

Что лучше — одна цифра или диапазон?

Обычно диапазон и несколько сценариев честнее отражают неопределённость.

Может ли AI объяснить, почему прогноз ухудшился?

Да, если доступны данные для анализа: например, перенос сделки, падение среднего чека или снижение повторных покупок.

Как понять, хороший ли прогноз?

Нужно регулярно сравнивать прогноз с фактом и измерять ошибку.

С чего лучше начать?

С корректного определения фактической выручки, очистки данных CRM и 1С и базового прогноза, который затем можно усложнять.