Pipeline 健康度不只是数字游戏：Gate 驱动的全景视图

每到季度末，销售管理者都会遇到熟悉的焦虑：Pipeline 里的数字看起来不少，但你心里清楚，那些数字到底有多少能变成回款，你完全没底。

你打开 CRM，看到 Pipeline 里有 800 万。你问销售，每人都说"这个季度能签"。但你上个季度也是 800 万的 Pipeline，最后只签了 300 万。多出来的 500 万去哪了？有人说是"客户推迟了"，有人说是"竞品截胡了"，有人说是"需求变了"。但你最想知道的是：在季度初，你能不能提前知道哪些单子是真实的、哪些是虚的？

问题在于：传统 Pipeline 管理做不到。因为它只看两个指标——阶段和金额。一张单子能不能签，往往取决于阶段背后那些"看不见的东西"。

传统 Pipeline 的三个盲区

让我用具体例子来说明。你的 CRM Pipeline 里有三张单子，都在"方案报价"阶段，金额都是 50 万。表面上看，这三张单子是一样的。但实际上：

• 单子 A：销售跳过了"需求确认"阶段，直接做了方案。客户的需求到底是什么，没有人认真验证过。
• 单子 B：在"需求确认"阶段停留了 25 天，远超团队平均的 8 天。客户内部可能有分歧。
• 单子 C：按部就班走完了前面所有步骤，每个 Gate 都有明确的产出物和客户确认。

在传统 Pipeline 里，这三张单子长得一模一样。但在实际中，它们的赢率可能分别是 10%、30% 和 70%。传统 Pipeline 的盲区就在这里：它看不到推进质量，只看到推进结果。

更具体地说，传统 Pipeline 有三个致命盲区：

• 看不见跳步。销售为了"加速"跳过了关键步骤，Pipeline 显示"方案报价"，但实际上地基不稳。
• 看不见瓶颈。你不知道哪个阶段是团队的系统性短板。是需求挖掘能力不行？还是方案能力不行？
• 看不见趋势。Pipeline 的数字是静态的快照，你看不到"这个月的 Pipeline 质量比上个月好了还是差了"。

Gate 驱动的全景视图

我们用六步法 Gate 驱动的 Pipeline 管理，核心思路是：不只看客户在哪个阶段，还要看客户完成了哪些 Gate、跳过了哪些 Gate、停在哪个 Gate。

在 tasks.db 中，每个客户都有两个关键字段：completed_gates（已完成的 Gate 列表）和 missing_gates（应该完成但未完成的 Gate 列表）。这两个字段不靠销售手动填写，系统会从客户 MD 文件中的实际行为记录自动提取。

有了这两个字段，Pipeline 就从"二维表格"变成了"三维全景"：

• 横向看 Gate 分布：全部客户按当前所在 Gate 分布，一眼看出"需求确认"阶段有 15 张单子、"方案报价"阶段有 8 张、"商务谈判"阶段有 3 张。哪个阶段是瓶颈——堆积最严重的那个就是。
• 纵向看推进质量：每张单子的 completed_gates 和 missing_gates 一目了然。跳步的单子会被自动标记，你不需要逐个检查。
• 深度看停留时间：每张单子在每个 Gate 停留了多长时间，跟团队平均值对比是快了还是慢了。

三色分层：一眼看出 Pipeline 健康度

全景视图的信息量很大，如果只是平铺展示，管理者还是看不过来。所以我们加了一层三色分层：

• 🟢 绿色（健康）：Gate 按序推进，无跳步，无停滞预警，每个 Gate 的停留时间在团队平均值的合理范围内。这些是"正常推进中的单子"，你不需要特别关注。
• 🟡 黄色（预警）：存在轻度问题——可能是某个 Gate 被跳过了，或者当前 Gate 停留时间略长，或者有早期停滞信号。这些单子需要你在 Review 时过一遍。
• 🔴 红色（危险）：严重问题——长期停滞、关键 Gate 多个缺失、停滞预警多次触发未处理。这些单子需要你立即介入。

管理者打开看板，第一眼看颜色分布：如果 Pipeline 里一片绿，说明团队在健康推进；如果黄和红的比例超过 30%，说明 Pipeline 质量有问题，需要集中处理。

这个颜色由系统自动计算，不靠销售自己标注。判断基于 tasks.db 中的结构化数据，不依赖任何人的主观判断。这意味着你看的是"真实情况"，而不是"销售想让你看到的情况"。

动态预测：按趋势算，少按愿望算

传统 Pipeline 预测是这样的：销售填"预期金额"和"预期赢单日期"，然后管理者把这些数字加起来，得到"季度预期"。这个数字基本等于销售的愿望，参考价值有限。

Gate 驱动的预测是这样的：根据每张单子当前的 Gate 推进状态，结合历史同阶段客户的平均转化周期和赢单率，计算出"按当前趋势，这张单子最可能在什么时候签、签多少"。

举个例子：一张 50 万的单子，当前在"方案报价"阶段（Gate 3），completed_gates 是 [1, 2, 3]，missing_gates 是 []。历史数据显示，从 Gate 3 到签约，平均需要 25 天，赢单率 60%。那么这张单子的"动态预测"就是：预计 25 天后签约，期望金额 30 万（50 万 × 60%）。

再看另一张 50 万的单子，completed_gates 是 [1, 3]，missing_gates 是 [2]。它跳过了需求确认阶段，历史数据显示跳步单子的赢单率只有 20%。那它的期望金额就只有 10 万。

把所有单子的动态预测加起来，你得到的是基于数据的 Pipeline 预测，愿望成分会少很多。这个数字可能比销售报告的低，但更接近实际。

赢率根因分析：为什么赢单，为什么丢单

Pipeline 管理的终极问题是"为什么有些单子赢单了，有些丢单了"。

Gate 驱动的 Pipeline 天然支持根因分析。因为每张单子的完整 Gate 推进轨迹都记录在 tasks.db 中，你可以做很多有意思的分析：

• 赢单的单子，平均在每个 Gate 停留多长时间？丢单的单子呢？
• 跳过 Gate 2（需求确认）的单子，赢单率比不跳步的低多少？
• 在 Gate 4（方案报价）停留超过 20 天的单子，后来赢单率是多少？
• 哪个销售的 Gate 跳步率最高？他的赢单率怎么样？

这些分析不需要你手动做——系统可以自动生成。当你发现"跳过需求确认的单子赢单率只有 15%"这个数据的时候，你就可以在团队里立规矩：需求确认阶段不能跳。这是数据告诉你的结论，不靠管理者主观偏好。

Pipeline 管理的本质

回到标题：Pipeline 健康度不只是数字游戏。

传统 Pipeline 管理的核心是"数字"——多少 Pipeline、多少预期、多少缺口。但数字是结果，不是原因。你不能靠盯着数字来改变数字。

Gate 驱动的 Pipeline 管理，把注意力从"数字"转移到了"过程"。你关心的是"每张单子的推进质量如何"，不只盯着"Pipeline 里有多少钱"。当每张单子的推进质量都健康的时候，Pipeline 数字自然就是真实的。

这就像体检一样。你不能通过看体重来判断人的健康状况——你需要看血压、血糖、血脂、心率等一系列指标。Gate 驱动的 Pipeline 就是销售管理的"全面体检"，而三色分层就是体检报告上的"正常 / 偏高 / 异常"标记。

管理者的职责是建立系统，让真单和假单自然区分开来，少靠猜测。