Win-Loss-Analyse strukturiert

Analysiere eine Liste von gewonnenen und verlorenen Deals.

Input:
- Deals der letzten [ZEITRAUM]: pro Deal: Kunde, Segment, ACV, Status (WON/LOST), Phase, Lost-Grund (wenn vorhanden), Sales-Rep, Touchpoints
- Gesamtzahl: [N]
- Bekannte Hypothesen, die ich prüfen will: [OPTIONAL]

Output:

1. QUANTITATIV
   - Win-Rate gesamt + nach Segment
   - Durchschnittliche Deal-Größe WON vs LOST
   - Typische Phase, in der LOST auftritt (Discovery / POC / Proposal / Final)
   - Sales-Cycle-Dauer WON vs LOST

2. QUALITATIV - TYPISIERUNG der LOST-Gründe
   - No-Decision: Kunde hat gar nicht entschieden
   - Competition: klarer Wettbewerber gewonnen (wer? warum?)
   - Pricing: zu teuer
   - Fit: Produkt passt nicht
   - Timing: falscher Moment
   - Internal: Entscheider gewechselt, Priorität verschoben
   Für jeden Typ: % der Lost + 1-2 wichtigste Pattern

3. SEGMENT-ANALYSE
   - Welche Segmente gewinnen wir zuverlässig?
   - Welche Segmente verlieren wir systematisch?
   - Wo ist Win-Rate × Deal-Größe das beste Verhältnis?

4. 5 KONKRETE HEBEL
   - Basiert auf Daten, nicht Bauchgefühl
   - Jeweils: Hypothese, erwartete Wirkung, wie messen

5. RED FLAGS
   - Was auffällt, auch wenn es keine Hypothese war
   - Datenqualität-Probleme, die Analyse schwach machen

Regeln:
- Keine Kausalität aus kleinen Zahlen (< 10 Deals pro Kategorie: "Trend, nicht belastbar")
- Lost-Grund aus Sales-CRM ist nicht immer der wahre Grund - das erwähnen
- Empfehlung: strukturierte Win-Loss-Interviews für die Lost-Deals > X€

Daten:
[PASTE CSV / TABELLE]

Wann nutzen

Vierteljährliches Ritual, wenn 20+ Deals vorliegen. Zeigt, wo Vertriebs-Energie hingehen sollte und wo die Firma systematisch verliert.

Use-Cases

• Quartals-Review des Sales-Teams.
• Go-To-Market-Anpassung nach Muster.
• Pricing-Review basierend auf Lost-Gründen.

Getestet mit

• Claude Opus 4.7