GDZIE ZNIKA PRZYCHÓD

Kiedy sprzedaż nie idzie, najczęstsza diagnoza brzmi: za mało zapytań. Wynika zwykle z rzutu oka na proces, w którym pierwszy etap ma największy spadek procentowy. To prawda arytmetyczna i zła wskazówka — na pierwszym etapie jest najwięcej ludzi, więc odpada ich najwięcej. Nie znaczy to, że tam znika najwięcej pieniędzy.

Proces, o którym mowa

Ścieżka nabywcy mieszkania ma sześć rozpoznawalnych punktów, między którymi da się liczyć przejścia:

• Zapytanie — formularz, telefon, wiadomość.
• Kontakt — pierwsze faktyczne dotarcie do człowieka, nie automat.
• Rozmowa — moment, w którym padają pytania o metraż, cenę i termin.
• Spotkanie — biuro sprzedaży, lokal pokazowy, plac budowy.
• Rezerwacja — deklaracja poparta dokumentem.
• Umowa — akt lub umowa deweloperska.

Każde przejście ma swoją konwersję. Problem w tym, jak z tych konwersji wyciągnąć wniosek o pieniądzach.

Dlaczego popularny rachunek nie działa

Naturalny odruch to policzyć, ilu ludzi odpadło na etapie, pomnożyć przez szansę domknięcia i przez marżę — a potem zsumować po etapach. Taki rachunek liczy tego samego nabywcę wielokrotnie, raz na każdym etapie, przez który przeszedł. Suma potrafi przekroczyć cały przychód projektu.

Analiza, w której suma strat jest większa niż cały możliwy przychód, nie przetrwa pierwszego pytania dyrektora finansowego. I słusznie.

Miara, która się broni

Pytanie decyzyjne nie brzmi „ile straciliśmy”, tylko „gdzie jeden punkt procentowy poprawy jest najwięcej wart”. To liczy się jednoznacznie i nie podwaja niczego:

wolumen wchodzący na etap × 1 % × szansa umowy za tym etapem × marża na lokalu

Logika jest prosta. Osoba, która odpada po spotkaniu, ma przed sobą krótszą drogę do umowy niż osoba, która nie odebrała telefonu. Prawdopodobieństwo, że skończyłaby umową, jest u niej wielokrotnie wyższe. Dlatego punkt procentowy poprawy jest tam wart więcej — nawet jeśli odpada tam znacznie mniej ludzi.

Przykład modelowy

Inwestycja: osiemdziesiąt umów, marża dziewięćdziesiąt tysięcy złotych na lokalu. Wolumeny: tysiąc zapytań, 620 kontaktów, 300 spotkań, 120 rezerwacji, 80 umów.

Najwięcej osób odpada na wejściu — 380 z tysiąca. Ale punkt procentowy jest tam wart 116 tysięcy złotych, podczas gdy na etapie spotkanie do rezerwacji, gdzie odpada 180 osób, ten sam punkt procentowy wart jest 180 tysięcy. Na ostatnim przejściu odpada zaledwie czterdzieści osób, a punkt procentowy wart jest 108 tysięcy — prawie tyle, co na wejściu przy dziesięciokrotnie mniejszej liczbie ludzi.

Wniosek jest odwrotny do intuicyjnego: odpowiedzią zwykle nie jest więcej zapytań. Punkt procentowy na wejściu jest najtańszy w skutkach, bo ci ludzie i tak mają przed sobą całą resztę procesu.

Czego ten rachunek nie robi

• Nie dowodzi przyczyny. Osoby, które dotarły dalej, były z góry bardziej zdecydowane. Model pokazuje wartość skojarzoną z etapem, nie efekt jego naprawy.
• Nie uwzględnia kosztu poprawy. Pokazuje górną granicę korzyści, nie zysk netto — podniesienie konwersji zawsze coś kosztuje.
• Zakłada niezależność etapów. Poprawa jednego może zmienić kolejne. Dlatego liczę jeden punkt procentowy, a nie skokową poprawę; przy dużych zmianach model przestaje obowiązywać.
• Uśrednia marżę między typami lokali. Jeśli różnice są duże, uśrednienie zaciera obraz i trzeba liczyć osobno.

To jest narzędzie do ustalania kolejności, nie obietnica wyniku. Materiał, który na podstawie takiego rachunku obiecuje odzyskanie milionów, wprowadza w błąd.

Uwaga o czasie reakcji

W materiałach o pierwszym etapie regularnie pojawia się teza o siedmiokrotnie większej szansie przy kontakcie poniżej godziny. Pochodzi z audytu komercyjnego z 2011 roku, bez recenzji naukowej i bez opublikowanej metodologii. Nie używam jej i opisałem osobno, dlaczego.

To, co jest udokumentowane: Mattila i Mount (2003) wykazali, że czas odpowiedzi wpływa na satysfakcję klienta i skłonność do powrotu. Badanie mierzy postawy, nie zakup. Metodę pomiaru samej responsywności opisali Hanson i Hawley (2023) w „Real Estate Economics” — i tę metodę stosuję we własnym badaniu polskich biur sprzedaży.

Jest też dowód idący pod prąd branżowej narracji, i to z mocnego źródła. Habel i współautorzy sprawdzili w „Journal of Marketing” obietnice dostawców systemów do automatycznej obsługi leadów. Efekt na konwersję okazał się mieścić w przedziale od zera do dwudziestu trzech punktów procentowych — w dwóch z trzech badań ilościowych wyniósł zero. Osobno Lv i współautorzy pokazali w „Journal of Service Research”, że odpowiedź szybsza niż oczekiwanie klienta potrafi osłabić jego reakcje, a efekt ten jest najsilniejszy przy wysokim zaangażowaniu. Zakup mieszkania jest kategorią skrajnie wysokiego zaangażowania.

Dlatego w tym modelu pierwszy etap traktuję jako problem kompletności obsługi, a nie prędkości. Pytanie brzmi: ile zapytań zostało bez jakiejkolwiek odpowiedzi. Nie: ile minut zajęła odpowiedź. Pierwsze da się policzyć, naprawić i obronić. Drugie nie ma w tej kategorii ustalonej wartości progowej, a przynajmniej ja jej nie znalazłem.

Źródła i metoda

Metoda: model wartości krańcowej jednego punktu procentowego konwersji, liczony na agregatach procesu sprzedaży. Świadomie odrzucony został wariant sumujący iloczyny „odpadli × szansa × marża” po etapach, ponieważ wielokrotnie liczy tego samego nabywcę. Wszystkie liczby w przykładzie są modelowe.

• Hanson A., Hawley Z. (2023). Restricted access: real estate agent response to client race, ethnicity, gender, and side of market. Real Estate Economics 51(4), 855–890. doi.org/10.1111/1540-6229.12438 — eksperyment korespondencyjny, 30 240 wiadomości do agentów w Ohio. Wzorzec metodologiczny pomiaru responsywności. Praca mierzy wskaźnik odpowiedzi, nie czas odpowiedzi i nie konwersję.
• Mattila A.S., Mount D.J. (2003). The impact of selected customer characteristics and response time on e-complaint satisfaction and return intent. International Journal of Hospitality Management 22(2), 135–145. doi.org/10.1016/S0278-4319(03)00014-8 — mierzy postawy, nie zakup; branża hotelarska.
• Habel J., Hartmann N., Wiseman P., Ahearne M. (2025). Sales pipeline technology: automated lead nurturing. Journal of Marketing 89(5), 66–87. doi.org/10.1177/00222429251321417 — audyt obietnic dostawców narzędzi do obsługi leadów: efekt na konwersję od 0 do 23 punktów procentowych, w dwóch z trzech badań ilościowych zerowy.
• Lv L., He T., Wang H., Wang L. (2026). Haste makes waste: how faster responses after data collection trigger consumer privacy concerns and reduce positive reactions. Journal of Service Research. doi.org/10.1177/10946705261447627 — wynik przeciwny: przy wysokim zaangażowaniu zbyt szybka odpowiedź osłabia reakcje klienta. Praca świeża, bez recepcji.

Czego ten tekst nie mówi: nie podaje benchmarków konwersji dla polskiego rynku, bo ich nie zmierzyłem; nie twierdzi, że poprawa etapu przyniesie wskazaną kwotę; nie zastępuje analizy danych z konkretnego CRM. Warunek stosowania: agregaty z jednego projektu i jednego okresu, bez mieszania etapów sprzedaży. Data aktualizacji: wrzesień 2026.

Model policzysz dla własnych liczb w diagnozie procesu sprzedaży — wpisujesz wyłącznie agregaty, bez danych osobowych.

Jeśli chcesz zobaczyć, gdzie w Twoim projekcie punkt procentowy jest najwięcej wart — zróbmy to na danych z Twojego CRM, nie na przykładzie. Audyt procesu sprzedaży zaczyna się od eksportu etapów i kończy listą miejsc uszeregowanych według wartości, a nie według wielkości spadku.