Home
Sales Coaching Programma Over mij Contact
Plan een gratis kennismaking →
EN DE NL
Sales Management · Forecasting · 10 min. leestijd · Nils Brosch

Pipeline Coverage: waarom 3x een mythe is, en wat je in plaats daarvan zou moeten inspecteren

tl;dr
Pipeline Coverage is de verhouding van open pipeline tot quota, en "3x" is het standaarddoel. Het is een mythe: de juiste ratio hangt af van je win-rate en je cyclus, dus een win-rate van 50% vraagt ongeveer 2x, terwijl een enterprise-win-rate van 15% 5 tot 6x vraagt. Maar het diepere probleem benoemt niemand. Zelfs de juiste multiplier is waardeloos als de data eronder fictie is. Buyers zijn ontwijkend, stage-data is optimistisch, en forecasts zitten vol deals die nooit echt waren. De oplossing is geen betere ratio. Het is deal-inspectie, en het managen op de inputs die je daadwerkelijk kunt controleren.
NB
Nils Brosch
B2B SaaS Sales Consultant · Benelux & DACH

Als de omzet achterloopt op plan en je pipeline toch een comfortabele 3x laat zien, is niet de coverage-ratio het probleem. Erop vertrouwen wel. Dit is voor sales-leaders en managers die naar een gezond ogende pipeline staren en het kwartaal toch missen. De cijfers en tests hieronder komen uit de analyse van 1.400+ B2B SaaS-calls en de forecasting-patronen die ik zie in de teams waarmee ik werk.


1Ja, 3x is een mythe. Dat is het makkelijke deel.

Het pleidooi tegen de 3x-regel is solide en het waard om één keer uit te spreken. Het is een relikwie uit de enterprise-software van de jaren 90, toen het grofweg paste bij een win-rate van 33%, zescijferige deals en negenmaandse cycli. De regel gaat stilzwijgend uit van een win-rate van één op drie, die bijna nooit bij jouw business past.

~2x
Coverage nodig bij 50% win-rate
5–6x
nodig bij 15% win-rate met lange cycli
3x
het one-size-fits-all-getal dat bijna bij niemand past

De 95:5-regel wordt net zo misbruikt. "Slechts 5% van de markt is in-market, dus ontspan." Die 5% is een gemiddelde over alle branches, en de echte cijfers schommelen enorm: grofweg 12 tot 25% in-market voor projectmanagement-software, 8 tot 12% voor marketing automation, 3,5 tot 5% voor ERP- en financiële software. Een pauschaal getal gebruiken om een pauschaal coverage-doel te rechtvaardigen is cargo-cult-management. Maar je multiplier corrigeren laat de diepere rot onaangeroerd.


2Je coverage is gebouwd op fictie

Coverage vertelt je de grootte van je pipeline. Het vertelt je niets over of iets daarvan echt is. En de stage-data die je vermenigvuldigt, is grotendeels fictie.

Buyers liegen. Regel 17 in sales. Chris Degnan, ex-CRO van Snowflake, beschreef zijn beste reps als hoogintelligente mensen die "niemand vertrouwden", wat betekende dat ze nooit stopten met kwalificeren. De data ondersteunen de voorzichtigheid. In mijn EU Sales Call Benchmark haalden reps 57% op het begrijpen van het decision-making-proces en 50% op de Decision-Making Unit, en die cijfers zijn genereus, omdat ik iedereen een punt gaf die de vraag überhaupt stelde.

De helft van je reps weet niet echt wie beslist of hoe. Toch zitten precies die halfblinde deals in je pipeline op een stage en met een waarschijnlijkheid die iemand zelfverzekerd heeft ingetypt. Daarom breekt de coverage-wiskunde. Je vermenigvuldigt geen echte waarschijnlijkheden met echte waarden; je vermenigvuldigt optimisme met optimisme. Een 3x-pipeline uit deals waarbij niemand het buying-proces in kaart heeft gebracht, is geen 3x van wat dan ook. Het is een getal dat veilig aanvoelt.


3NiNa's: de fans die je forecast opblazen

Verreweg de grootste bron van pipeline-fictie is de champion die er geen is. Ik noem ze NiNas: No Influence, No Authority, buyers die zich als champions verkleden. Ze zijn enthousiast, ze houden van je product, ze zeggen je "dat had ik gisteren al nodig gehad." Dan verdwijnt de deal. Je had geen champion. Je had een fan, en fans behoren tot de duurste problemen in een pipeline, omdat ze tijd opvreten, de forecast opblazen en vals vertrouwen geven, tot het moment waarop ze niets voor je kunnen doen.

Nate Nasralla betoogt in Selling With, dat een echte champion drie dingen nodig heeft: Incentive (iets persoonlijks in de deal voor hem), Influence (het vermogen om anderen te bewegen) en Deal Intelligence (hij kan je de kaart laten zien). De meeste NiNa's hebben er één, meestal de eerste. Je deal-inspectie heeft dus expliciete champion-tests nodig, geen waarschijnlijkheidsveld:

📱
De kanaal-testZit je met ze op Slack, WhatsApp of Signal, of alleen in geplande calls?
🤝
De stakeholder-testStel voor om een andere afdeling erbij te betrekken. Een champion opent de deur; een NiNa wordt defensief.
De accountability-testHeeft hij een klein action item afgerond vóór jullie volgende call?

Twee of meer niet gehaald en je hebt geen champion. De zet is niet om de deal op te geven, maar om de ladder op te gaan. Deals sterven niet in je review-meeting. Ze sterven in een gesprek van 20 seconden op de gang, waar je nooit van hoort.


4Deal-inspectie in plaats van multipliers

Een goed deal-review-proces vervangt "wat is het getal?" door "wat weten we werkelijk?" Het is een strategische sessie, geen verhoor. Inspecteer de evidence achter de stage, niet de stage zelf:

  1. Decision Process. Kan de rep de echte buying journey van de buyer beschrijven, de stappen, de volgorde, wie tekent, of heeft hij ernaar gevraagd en een vaag antwoord geaccepteerd? De reps die dit beheersen, schlagen de journey voor, in plaats van ernaar te vragen.

  2. De past-purchase-vraag. Eén vraag onthult de echte beslissers, de politiek en waar deals blijven hangen: "Leg me uit hoe jullie je laatste tool van dit type hebben gekocht."

  3. Champion-realiteit. Voer de drie tests hierboven uit. Herclassificeer fans als fans.

  4. Single-Threading. Eén contact, hoe enthousiast ook, is een risico-flag, geen forecast.

Niets hiervan is een getal dat je kunt gamen. Dat is het punt. CRM-hygiëne en pipeline-hygiëne zijn belangrijk, maar nette velden zijn niet hetzelfde als ware velden. Een prachtig onderhouden pipeline van fictie is nog steeds fictie.


Manage op inputs: de filosofie erachter

Coverage is een output. Je kunt die niet direct managen, en precies daarom faalt het fixeren erop. Mijn kernfilosofie is managen op inputs, omdat de elementaire deeltjes van elk salesproces activiteit en kwaliteit zijn. Wanneer ik een worstelend team analyseer met mijn KPI-diagnose-sheet, is het zelden de closing-fase die het probleem is. Het falen gebeurde verder stroomopwaarts, in de discovery of in de targeting, en dook alleen op als een gemiste forecast.

Als een team schijnbaar alles goed doet en de resultaten toch achterblijven, praat het waarschijnlijk met de verkeerde persona of het verkeerde ICP. Dat is een input-probleem vermomd als een coverage-probleem.

Echte verbetering van de forecast-nauwkeurigheid komt van het inspecteren van de kwaliteit van de inputs, niet van het opblazen van de kwantiteit van de pipeline. En de helft van een typische pipeline-review wordt besteed aan vanity-metrics die nooit tot actie leiden: Customer Lifetime Value als kop geciteerd, Lost Reasons gelogd maar nooit geanalyseerd, de close/lost-ratio geïsoleerd, Net Dollar Retention gerapporteerd zonder de gross churn eronder te controleren, en "aantal gecontacteerde leads" zonder vast te leggen hoe. Als een metric niet verandert wat een rep volgende week doet, is het decoratie.

Veelgestelde vragen

Wat is een goede pipeline-coverage-ratio?
Er is geen universeel getal. Leid het af uit je win-rate en je cyclus: een win-rate van 50% vraagt grofweg 2x, terwijl een enterprise-win-rate van 15% met lange cycli 5 tot 6x vraagt. Belangrijker nog: elke ratio is alleen zo betrouwbaar als de stage-data eronder, dus inspecteer de deal-kwaliteit voordat je de multiple vertrouwt.
Waarom ziet mijn pipeline er gezond uit, maar glippen deals toch weg?
Omdat coverage grootte meet, niet realiteit. In mijn benchmark exploreert slechts 50% van de reps de Decision-Making Unit en 57% het Decision Process, genereus beoordeeld. Een pipeline vol deals waarbij niemand in kaart heeft gebracht hoe de buyer beslist, is optimisme vermenigvuldigd met optimisme. De slips waren onzichtbaar, omdat de data fictie was.
Wat is deal-inspectie?
Deal-inspectie betekent de evidence achter een deal controleren, namelijk Decision Process, champion-realiteit, multi-threading en past-purchase-gedrag, in plaats van zijn stage-label of waarschijnlijkheidsveld. Het vervangt "wat is het getal?" door "wat weten we werkelijk?" en het is veel moeilijker te gamen dan een coverage-ratio.
Hoe verbeter ik de forecast-nauwkeurigheid?
Inspecteer inputs, niet outputs. Voer champion-tests uit om fans te herclassificeren, verlang van reps dat ze het echte Decision Process van de buyer beschrijven, flag single-threaded deals en schrap vanity-metrics uit de review. Forecast-nauwkeurigheid is een bijproduct van de input-kwaliteit. Je kunt je er niet naartoe smokkelen.

Inspecteer de deal, niet het dashboard

De makkelijke zet is een coverage-doel zetten en de ratio in de gaten houden. De nuttige zet is aannemen dat de ratio liegt, en uitzoeken welke deals echt zijn. Managers opbouwen die dit soort deal-review kunnen voeren, en reps die het Decision Process goed genoeg in kaart brengen om de data waar te maken, daarvoor is mijn coaching- en managementwerk gebouwd.

Ontdek waar de pipeline liegt

Mijn gratis Gap Analysis onderzoekt je echte calls en deals om te laten zien waar de forecast op fictie is gebouwd en welke stroomopwaartse skill dat veroorzaakt. Benelux en DACH, op locatie of remote.