Data Analytics13.09.26·9 min◉ Padova

KPI vendite: 14 esempi con formula, soglia e fonte del dato · Padova

Risposta rapida

Un cruscotto vendite utile contiene 10-14 indicatori, non quaranta. I quattro che portano decisioni ogni settimana sono: valore della pipeline ponderata, tasso di conversione per fase, durata media del ciclo di vendita e margine per cliente. Ogni KPI va scritto con formula esatta e fonte del dato, altrimenti due persone leggono lo stesso numero in modo diverso e la riunione si trasforma in una discussione sul dato.

◉ Contesto locale · Padova, Veneto

Sede legale di Soim. Serviamo il tessuto produttivo padovano — industria, servizi, immobiliare — con software su misura, dashboard KPI e integrazioni dati.

Volume e pipeline

Pipeline ponderata = somma (valore trattativa × probabilità di fase). Copertura pipeline = pipeline ponderata ÷ obiettivo del periodo; sotto 3x l'obiettivo trimestrale è a rischio. Nuove opportunità create nel periodo, con fonte (inbound, referral, outbound): senza la fonte non si sa quale canale finanziare. Sorgente: CRM.

Conversione ed efficienza

Tasso di conversione complessivo = ordini chiusi ÷ opportunità create. Conversione per fase = passaggi alla fase successiva ÷ ingressi nella fase: è questa che mostra dove il processo perde, non la percentuale finale. Win rate competitivo = vinte ÷ (vinte + perse), escludendo le trattative sospese. Motivo di perdita categorizzato: prezzo, tempi, funzionalità, nessuna decisione.

Valore e margine

Ticket medio = fatturato ÷ numero ordini. Margine di primo livello per cliente = fatturato − costo del venduto − costi diretti di servizio. Concentrazione clienti = quota dei primi cinque clienti sul fatturato; oltre il 40% è un rischio da presidiare. Ricorrenza = quota di fatturato da contratti attivi.

Tempo

Durata media del ciclo di vendita = giorni tra creazione opportunità e chiusura, misurata sulle sole trattative vinte. Tempo di prima risposta a un lead: sopra le 24 ore la probabilità di conversione crolla nella maggior parte dei settori B2B. Giorni medi di incasso (DSO) = crediti ÷ fatturato × giorni del periodo. Sorgente: CRM più contabilità.

Rischio

Scaduto clienti per fascia (0-30, 31-60, oltre 60 giorni) e sua incidenza sul fatturato. Trattative ferme oltre X giorni nella stessa fase: è il KPI che fa emergere le previsioni gonfiate. Copertura per venditore rispetto al proprio obiettivo, per intervenire prima della fine del trimestre e non dopo.

Come renderli operativi

Per ciascun indicatore fissate quattro cose: formula scritta, sorgente unica, frequenza di aggiornamento, soglia che attiva un'azione con un responsabile. Un KPI senza soglia e senza responsabile è un numero decorativo. Nei progetti che seguiamo il primo cruscotto vendite entra in produzione in 4-6 settimane con 10-12 indicatori collegati a CRM e contabilità.

Vuoi il cruscotto sui vostri dati

Soim costruisce dashboard KPI collegate ai sistemi già in uso (ERP, CRM, contabilità, fogli di calcolo) con aggiornamento automatico e permessi per ruolo. Chiedi dal form un audit gratuito di 30 minuti: ne esce la lista KPI con formule, pronta anche se il progetto lo fate internamente.

FAQ

Domande frequenti su KPI vendite esempi

Quanti KPI di vendita dovrebbe avere una dashboard?

Da dieci a quattordici: quattro su pipeline e conversione, tre su valore e margine, tre sui tempi, e due o tre sul rischio credito e sulle trattative ferme.

Come si calcola la pipeline ponderata?

Sommando per ogni trattativa aperta il valore moltiplicato per la probabilità associata alla fase in cui si trova. Le probabilità vanno tarate sullo storico reale, non scelte a intuito.

Qual è il KPI più sottovalutato?

Il tempo di prima risposta a un lead. È facile da misurare, migliorabile in una settimana e incide sulla conversione più di molte iniziative commerciali costose.

Servono strumenti costosi per partire?

No. Con CRM e contabilità già in uso si costruisce un cruscotto affidabile senza nuove licenze per utente; il costo sta nella modellazione dei dati, non nella piattaforma.

Continua a leggere

Data Analytics