Vat dit blogbericht samen met:
| AI in RGM herdefinieert de waarde, maar dit is afhankelijk van betrouwbare data, ingebedde processen, duidelijke richtlijnen en schaalbare commerciële beslissingen. |
AI ontwikkelt zich sneller dan veel operationele modellen voor omzetgroei kunnen bijbenen.
Dat is het ongemakkelijke aspect van de huidige discussie over RGM. De meeste bedrijven gebruiken al dashboards, prijsmodellen, promotieanalyses en testprojecten die als AI worden bestempeld. Toch blijven dezelfde problemen steeds weer opduiken.88%Een aanzienlijk deel van de organisaties gaf aan in 2025 AI in ten minste één bedrijfsfunctie te gebruiken. Maar adoptie is niet hetzelfde als volwassenheid.
Voor RGM is dat onderscheid belangrijk. AI-gestuurd Revenue Growth Management kan prijsstelling, promoties, handelsinvesteringen, verpakkingsarchitectuur, portfoliokeuzes en de uitvoering op klantniveau versterken. Maar de waarde komt pas tot uiting wanneer teams vertrouwen hebben in de input, binnen duidelijke kaders werken en handelen voordat het beslissingsvenster sluit.
In deze blog,putten uit de inzichten vanonze meest recente RGM-rondetafelbijeenkomstgemodereerd doorSaurabh Singh, Business Head – CPG/Retail, Polestar AnalyticssamengebrachtHarry Ergan, Vice President Revenue Management bij Ajinomoto;Colin McQuay, Senior Director en Hoofd Strategisch Omzetbeheer bij Nestlé USA; enNuno Alexandre, Global RGM Lead, Foods Division bij Unilever, Ontdek wat RGM moet verbeteren voordat AI op grote schaal kan worden toegepast.
Een transformationeleStrategie voor omzetgroeimanagementHet begint niet met AI. Het begint met commerciële duidelijkheid.
Het uitgangspunt van Harry Ergan was eenvoudig: "Veel teams erven geen volwaardige RGM-machine. Ze bouwen er zelf een. Dat verandert het werk. Je kunt een machine die nog geen betrouwbare onderdelen heeft, niet automatiseren."
Veel teams erven geen volwaardig RGM-systeem. Ze bouwen er zelf een. Dat verandert het werk. Je kunt een systeem dat nog geen betrouwbare onderdelen heeft, niet automatiseren.
~ Harry Ergan
Voordat een bedrijf aanbevelingen kan opschalen, beslissingen kan automatiseren of sneller kan handelen, heeft het een fundament nodig waarop mensen vertrouwen. De vraag is niet hoe snel RGM geavanceerder kan worden. De vraag is wat er nodig is voordat die geavanceerdheid nuttig wordt.
De neiging om met vaste kaders te werken, is iets waar RGM-leiders weerstand tegen moeten bieden. Relevantie is wat je een plek aan de tafel oplevert.
~ Saurabh
Daarom moet onderstaand raamwerk niet als een theoretisch model worden beschouwd. Het is een praktische stap om vertrouwen op te bouwen voordat AI, analyses of automatisering op grote schaal kunnen worden toegepast.
Dit is waar het RGM-schaalmodel met vier pijlers in beeld komt.
- Basisprincipes: creëer één commerciële basislijn
Vóór de elasticiteitsmodellen,AI-prijsoptimalisatieOf het nu gaat om het optimaliseren van promoties of om het beantwoorden van fundamentele vragen, het bedrijf heeft één antwoord nodig. Wat verkopen we? Aan wie? Wat is de nettoprijs na aftrek van handelsinvesteringen? Wat is de werkelijke winstgevendheid?
In veel bedrijven liggen de antwoorden op die vragen verspreid over verkoop, financiën, marketing en de toeleveringsketen. Verkoop kijkt naar volume. Financiën kijkt naar de marge. Marketing kijkt naar de merkwaarde.OmzetgroeimanagementHet volledige commerciële systeem moet worden aangesloten.
- Transparantie: maak de beslissingen achter de prestaties zichtbaar.
Trackers voor het rendement op investering (ROI) van promoties, marge-overzichten en prijsdashboards zijn alleen relevant als ze beslissingen aan het licht brengen die moeten worden aangepast. Waar geeft het bedrijf te veel korting? Welke promoties leveren echt een meerwaarde op? Waar worden verschillende klanten gelijk behandeld, ondanks verschillende economische omstandigheden?
- Commerciële richtlijnen: geef teams gestructureerde vrijheid
Hier moet RGM voorkomen dat het de prijscontroleur wordt. De rol is niet om de bedrijfsvoering af te remmen, maar om teams voldoende structuur te bieden om sneller te kunnen werken zonder inconsistente beslissingen te nemen.
Prijsmarges, klantsegmenten, pakketprijsstructuur en investeringsregels helpen teams te bepalen waar ze flexibel kunnen zijn, waar ze de prijzen moeten handhaven en wanneer ze de prijzen moeten verhogen. Goede richtlijnen beschermen de marge zonder het commerciële oordeel te ondermijnen.
- Waardecreatie in concrete zin: bewijs RGM door middel van beslissingen.
RGM wint aan geloofwaardigheid wanneer het bedrijf één of twee beslissingen kan aanwijzen die het anders niet zou hebben genomen. Een promotie die qua volume sterk leek, maar de marge aantastte. Een prijsaanpassing die de winst beschermde zonder het marktaandeel te schaden. Een verandering in de verpakkingsstructuur die de productmix verbeterde. Het gaat er niet om aan te tonen dat het model geavanceerd is. Het gaat erom aan te tonen dat RGM het bedrijf heeft geholpen een beslissing te nemen die het anders niet zou hebben genomen.
Het punt is simpel. De RGM-machine moet vertrouwd worden voordat deze geautomatiseerd kan worden. Dat is tevens de bredere rol van verbonden systemen.Oplossingen voor omzetgroeimanagement: geen extra rapportagelaag, maar een duidelijkere manier om prijs-, promotie- en winstgevendheidsbeslissingen met elkaar te verbinden.
Ontdek hoe verbonden RGM in de praktijk werkt.
Test scenario's met meerdere hefboomwerkingen op het gebied van prijs, verpakking, promotie, productmix en kanaal binnen één Revenue Intelligence Platform.
Ontdek ProfitPulse
Vertrouwen in de cijfers is slechts de eerste stap. De echte test is of de RGM-filosofie ook terug te vinden is in de dagelijkse commerciële beslissingen.
Hier komt Colin McQuays punt over "mensen en processen" van pas. Het probleem is niet dat technologie geen rol speelt. Het probleem is dat krachtige analyses ongebruikt kunnen blijven wanneer teams de context missen, de aanbeveling in twijfel trekken of de inzichten pas ontvangen nadat de beslissing al is genomen.
DaaromOmzetgroeimanagement binnen de ondernemingWe kunnen niet langer afhankelijk blijven van een klein team van experts dat analyses produceert voor alle anderen. Het moet een integraal onderdeel worden van de manier waarop commerciële teams plannen, uitdagingen aangaan en actie ondernemen.
Drie verschuivingen in de adoptie vielen op.
- Datademocratisering
Datademocratisering gaat niet over het geven van een nieuw rapport aan elk team. Het gaat erom dat...OmzetgroeimanagementanalysesBruikbaar op de plek waar beslissingen worden genomen.
Het accountteam dat een promotie plant, moet de afwegingen begrijpen. Het prijsteam moet de richtlijnen kennen voordat er gesprekken met klanten plaatsvinden. Marketing moet weten hoe portfoliokeuzes de rol en samenstelling van producten in de verpakking beïnvloeden. De financiële afdeling moet het verband zien met marges en waardecreatie.
- RGM ingebed in de workflow
Colins verandering in werkwijze was duidelijk: RGM moest overstappen van "doe het voor mij" naar "ik heb dit gepland, kun je er even naar kijken?"
Dat is het moment waarop RGM ophoudt een servicedesk te zijn en een commerciële capaciteit wordt. De functie blijft nodig, maar de waarde ervan verschuift van het uitvoeren van elke analyse naar het verbeteren van de kwaliteit van beslissingen binnen de hele organisatie.
- Geïntegreerde commerciële capaciteit
Nuno Alexandre ging nog een stap verder. Het groeiplan en het RGM-plan kunnen niet los van elkaar blijven staan. Ze moeten synoniem worden.
Als ze gescheiden blijven, creëert het bedrijf twee kalenders, twee sets aannames en twee versies van verantwoording. Wanneer ze samenkomen, wordt RGM onderdeel van hoe het bedrijf groei definieert, en niet alleen hoe het prestaties beoordeelt.
Dit is ook waarRGM-programma'sVaak hebben ze het moeilijk. Centrale analyses kunnen krachtig zijn, maar de waarde gaat verloren wanneer inzichten niet gekoppeld zijn aan de lokale marktcontext, verantwoordelijkheid en actie.
Bekijk de verbonden laag in actie.
De beste manier om te begrijpen hoe de gekoppelde beslissingslaag werkt, is door ernaar te kijken. Zie hoeWinstpulsHet systeem voert scenario's uit met meerdere hefboomwerkingen op het gebied van prijsstelling, promotie, productmix, verpakking en winstgevendheid binnen één operationele omgeving.
Ontdek ProfitPulse
AI in RGM is niet eenmalig, maar een reeks praktische interventies die de kloof tussen inzicht en besluitvorming verkleinen.
De rondetafelbijeenkomst beschouwde AI niet als een vervanging voor commercieel oordeel. De nuttigere visie was beperkter en sterker: AI moet het gemakkelijker maken om complexe RGM-beslissingen te bevragen, te testen en ernaar te handelen.
Gebruiksscenario 1: De black box ontrafelen
Generatieve AI kan gebruikers helpen om met hun data te "chatten". In plaats van een aanbeveling zonder context te ontvangen, kan een sales- of commerciële gebruiker vragen hoe de aanbeveling tot stand is gekomen, waarom deze werkte en welke aannames eraan ten grondslag liggen.
Dat is belangrijk, want vertrouwen is altijd een van de grootste barrières geweest inOmzetgroeimanagementanalysesAls gebruikers de aanbeveling in twijfel kunnen trekken en de logica erachter begrijpen, is de kans groter dat ze ernaar handelen.
Gebruiksscenario 2: Snelle scenarioplanning
Scenarioplanning is waar AI voor prijsstrategie direct relevant wordt.
Harry verwees naar de mogelijkheid om binnen een nacht prijsscenario's te simuleren voor 60 verschillende productvarianten in 15 markten. Die snelheid verandert het tempo van commerciële besluitvorming. Teams kunnen omzet, volume, marge en de impact van de productmix vergelijken vóórdat ze klantonderhandelingen ingaan, in plaats van erna.
Gebruiksscenario 3: Snel inzicht verkrijgen
Nuno's punt over snelheid en wendbaarheid is hier belangrijk. De samenstelling van de prijsmix, de analyse van promoties en de nabesprekingen verliezen vaak aan waarde omdat ze te laat komen.
Dit is een van de duidelijkste manierenAI transformeert het beheer van omzetgroei.Commerciële teams hebben niet altijd meer theorie nodig. Teams hebben een helder beeld nodig van wat er is veranderd, wat de oorzaak ervan is en hoe ze zich moeten aanpassen voordat de volgende cyclus begint.
Gebruiksscenario 4: De agentische toekomst
Agentische AI is het ambitieuze toepassingsvoorbeeld. Autonome agenten zouden onderpresterende promoties kunnen signaleren, zwakke signalen herkennen en aanpassingen voorstellen voordat de cyclus is afgerond.
Harry vond dit een goede kans. Nuno's waarschuwing was eveneens belangrijk: slechte data worden niet automatisch strategisch waardevol alleen omdat er AI bovenop zit.
Die voorzichtigheid wordt nu door een bredere markt gesteund. Gartner voorspelt dat meer dan40%Naar verwachting zullen tegen eind 2027 veel projecten met agentische AI worden geannuleerd vanwege oplopende kosten, onduidelijke zakelijke waarde of ontoereikende risicobeheersing. Voor RGM is de les duidelijk: agentische AI mag niet voorlopen op het operationele model dat het juist moet verbeteren.
Expertinzicht: Waarom mensen en processen nog steeds de schaal van RGM bepalen
- Het talentenvliegwiel:Harry's punt ging niet alleen over het aannemen van mensen met analytisch vermogen. Beter RGM-werk trekt beter RGM-talent aan. Wanneer de functie invloed heeft op de prijsstrategie, portfolio-roadmaps, klantonderhandelingen en jaarplanning, versterkt dat de commerciële capaciteit.
- Voorbereiding voordat beslissingen definitief zijn:RGM moet betrokken zijn vóórdat de beslissing is genomen, niet nadat deze is gevalideerd. Door eerder in het proces betrokken te zijn bij planning, prijsstrategie, innovatie, commercialisering en klantinvesteringen, verbetert de kwaliteit van de beslissing.
- Het eenhoornprofiel:Nuno beschreef de zeldzame RGM-mix treffend: strategisch inzicht, commercieel instinct, analytisch vermogen, invloed en de moed om constructief tegenspraak te bieden. Die combinatie draait niet om persoonlijke groei, maar om de groei van RGM.
|
DeToekomst van omzetgroeimanagementHet is geen sprong van dashboards naar autonoom rijden.Best practices voor omzetgroeimanagementHet draait uiteindelijk toch om capaciteit, niet alleen om het aantal agenten. Dat klinkt aantrekkelijk, maar het slaat de lastige tussenfase over. De rondetafelbijeenkomst maakte de voortgang duidelijker: eerst zichtbaarheid, dan invloed, dan schaalvergroting. AI kan elke fase versnellen, maar kan het werk dat nodig is om geloofwaardigheid op te bouwen niet vervangen.
Fase één: Rapportage
Dit is waar de meeste RGM-functies beginnen. Ze leggen uit wat er is gebeurd: prijsresultaten, promotieprestaties en margeanalyse. De financiële afdeling pakt dit vaak als eerste aan, omdat het inzicht biedt. Maar de functie bevindt zich nog steeds na de besluitvorming.
Fase twee: Stroomopwaarts bewegen
Hier begint de echte verandering. RGM geeft vorm aan het volgende kwartaal in plaats van het vorige te analyseren. Het helpt bij het opstellen van de promotiekalender in plaats van deze later te evalueren. Het stelt commerciële kaders vast vóór de klantonderhandelingen. Het wordt onderdeel van de jaarlijkse planning, innovatie, prijsstructuur, portfoliobeslissingen en klantinvesteringen.
Fase drie: Democratisering
Zodra RGM geloofwaardigheid heeft opgebouwd, kan het binnen de hele organisatie worden toegepast. Het RGM-denken wordt ingebed in verkoop, financiën, marketing en operationele processen. Het centrale RGM-team verdwijnt niet. De focus verschuift naar governance, capaciteit, kwaliteit van besluitvorming en de weinige keuzes die de groeitraject bepalen.
Harry's uitspraak vat het risico perfect samen: "Je kunt tegelijkertijd volkomen gelijk hebben en volkomen irrelevant zijn als de mensen die de beslissingen nemen geen vertrouwen hebben in het kader."
Dat is de RGM-opdracht in het AI-tijdperk. Bouw de basis. Bouw vertrouwen. Stel waarborgen in. Integreer de functie in de planning. Schaal vervolgens AI op.
Dit is waarPolestar Analytics' AI Pulse SuiteHet sluit op een praktische manier aan op de RGM-agenda. PricePulse, PromoPulse en ProfitPulse helpen om prijsanalyses, promotiediagnostiek, portfolio-inzicht en marge-inzicht dichter bij het commerciële besluitvormingsproces te brengen. Het is niet de bedoeling om het oordeel van de RGM te vervangen, maar om de vertrouwde RGM-denkwijze gemakkelijker toepasbaar te maken binnen verschillende teams.
AI zal RGM veranderen. Maar alleen wanneer RGM sterk genoeg is om die verandering op te vangen. Dat is de werkelijke richting achter de trends in omzetgroeimanagement in 2026.
Bonustrack – Snelle vragenronde met de RGM-experts
AI voor prijsstrategie helpt teams prijsaanpassingen te testen voordat ze op de markt komen. Met Polestar Analytics'prijsanalyseoplossingZo kunnen teams de impact op de marge, volumeschommelingen, variaties op klantniveau en afwegingen tussen verpakkingsprijs en -verhouding vergelijken voordat prijsbeslissingen definitief worden genomen.
AI optimaliseert promoties door aan te tonen welke aanbiedingen daadwerkelijk een verschil maken en welke alleen maar volume genereren tegen hogere kosten. Polestar Analyticsoplossing voor promotieanalyseHet helpt teams om ROI, incrementele waarde, kortingsdiepte, duur en klantreactie eerder in kaart te brengen, waardoor de promotieplanning meer gericht is op bijsturing dan op evaluatie achteraf.
Agentische AI verschuift RGM van analyse op aanvraag naar continue commerciële monitoring. Zoals Harry opmerkte, kunnen agenten onderpresterende promoties signaleren, prijsscenario's in verschillende markten testen en aanpassingen aanbevelen voordat de cyclus is afgerond. Maar zoals Nuno waarschuwde, worden slechte data alleen maar "slecht verfijnd" met AI erbovenop. De echte verschuiving in analyses voor omzetgroeimanagement zit hem in gestuurde, proactieve beslissingsondersteuning, niet in blinde automatisering.
RGM-teams moeten AI gebruiken voor scenario-testen, diagnostiek, waarschuwingen en het ondersteunen van aanbevelingen, terwijl de uiteindelijke goedkeuring, uitzonderingen en marktbeoordeling bij de verantwoordelijke bedrijfsleiders blijven.WinstpulsDit evenwicht wordt versterkt door prijs-, promotie-, portfolio- en margesignalen te combineren in één beslissingslaag, waardoor automatisering verbetert.Omzetgroeimanagementanalyseszonder het commerciële eigendom te vervangen.