x

    Humanisera hantering av intäktstillväxt: Ett samtal med Gurkan

    • LinkedIn
    • Twitter
    • Copy
    • |
    • Shares 3
    • Reads 450
    Author
    • SudhaSudhaData- och BI-beroende
      När man teoretiserar före data - Omedvetet börjar man vrida fakta för att passa teorier, istället för teorier för att passa fakta.
    Published: 08-August-2026
    • Hantering av intäktstillväxt
    • AI
    • Agentisk AI
    Icon Sammanfatta detta blogginlägg med:

    Gurkan Munsuz, chef för Global Revenue Growth Management, McCain Foods, i samtal med Shiraz Mishra, chef för internationella marknader på Polestar Analytics. Detta är det senaste i en serie samtal.Polestar Analyticssamarbetar med kommersiella ledare över helaCPG och detaljhandelom vad som faktiskt får Revenue Growth Management att fungera.

    Fråga tio personer i ett konsumentvaruföretag vadHantering av intäktstillväxtfaktiskt gör det, och du får tio halvsvar. Något om prissättning. Något som ekonomiavdelningen äger, eller kanske försäljning.

    RGM har ett märkligt rykte om sig att vara en disciplin som, om den utförs väl, genererar mer vinst än hela reklambudgeten, i det tysta, likt en väloljad motor. Men det är sällan folk förstår det enkelt.

    Så satte vi oss ner med Gurkan för att sluta den klyftan, genom att gå igenom RGM ur både ett tekniskt och ett mänskligt perspektiv: hur disciplinen faktiskt fungerar och vad som krävs för att bygga en karriär och ett team kring den.

    Shiraz: Vad har förändrats med RGM:s roll nu när prioriteten är organisk tillväxt, inte bara prissättning?

    Gurkan:I olika tider,RGMhar varit relevant av olika skäl. Under inflationsperioden handlade det egentligen om prissättning, för det var där trycket låg. Men nu måste vi öka efterfrågan organiskt genom volym. Så istället för att vara "prispolisen" eller "rabattvakten" sker en förskjutning till att vara "värdeskapande teamet".

    Denna metod kräver, som jag nämnde i minföregående RGM-rundabordssamtal, driva volympenetration och optimera prispaketarkitekturen för att skapa värde för både konsumenter och kunder.

    Problemet är att det fortfarande är en svart låda för en stor del av organisationen. En del av det vi försöker göra är att humanisera det, så att folk förstår vad som faktiskt driver dessa beslut istället för att bara se en svart låda som spottar ut siffror. Men vi borde se på RGM nu som en offensiv mittfältare (nummer 10) i fotboll, eftersom rollen kopplar samman olika linjer, skapar chanser och kräver både teknisk förståelse och kreativ vision.

    Shiraz: Hur ser en RGM-vinst egentligen ut när man designar för konsumenter som har olika behov?

    Gurkan:En del av anledningen till att vi har sett utmaningar inom konsumentvaruindustrin är att vi har förlitat oss på prissättning som en hävstång utan att verkligen förstå vad konsumenten gick igenom. Nu får vi betydande lärdomar från andra delar av världen. Till exempel, i Indien eller vissa likviditetsfattiga områden globalt, lärde vi oss att det ibland inte ens handlar om elasticitet.

    Konsumenten skulle gå in i ett tillfälle med en fast gräns för vad de är villiga att spendera. Så vår roll förändras. Det handlar inte om "vad är rätt pris för den här artikeln", utan om "hur bygger vi en kommersiell eller måltidslösning för det tillfället som passar inom det taket". Det är inte en rabatt, det är empati för hur någon budgeterar sina egna surt förvärvade pengar. Och vi ser samma princip gälla oavsett om det är en miljö med hög inflation eller låginkomsttagare här i USA.

    Självklart finns det ramverk som OBPPC, Triple Win, Price ladders, Price Waterfalls etc. som vi använder i våra system och rutiner. Men att leda i takt med kundernas behov och efterfrågan är det bästa sättet.

    Shiraz:Detta gäller även för våra RGM-lösningar, ramverken är inbäddade i själva applikationerna. Till exempel,PricePulseär baserad på prispaketstege, priselasticitetsmodellering, positioneringsmatris etc. ochPromoPulsehar en klassificeringsmotor (Skala / Optimera / Experimentera / Stoppa) för kampanjer.

    Mönster sett i verkligheten:Detta mönster syns även på andra ställen. Hindustan Unilever stötte på samma problem på landsbygden i Indien på 1980-talet, där schampoflaskor i standardstorlek helt enkelt inte matchade hur byborna spenderade pengar dagligen. Lösningen var den numera berömda schampopåsen, prissatt till ungefär en rupie, som växte till att stå för nästan 70 procent av det schampo som såldes i Indien i början av 2000-talet, enligt de Jong och Zattas redogörelse. Coca-Cola använde en liknande strategi på senare tid i Latinamerika med en 1,25-litersflaska och en 200 ml miniburk dimensionerade för att nå de priser som hushållen kunde binda sig till, ett drag som Coca-Cola FEMSAs egna uppgifter knyter an till en årlig intäktsökning på 2 till 4 procent på vissa marknader, även där den totala volymen var oförändrad.

    Shiraz: Med tanke på hur mycket av det beror på mänskligt omdöme, var passar AI in i hur ni ser på RGM idag?

    Gurkan:AI:s roll är att förstärka mänskligt omdöme, inte ersätta det. I samma ögonblick som en rekommendation kommer ut ur en svart låda och alla bara implementerar den för att "maskinen sa det", har man ett verkligt problem, eftersom förtroende inte fungerar på det sättet. Det vi bygger är ett sätt att förbättra vår effektivitet med AI, men den mänskliga elementet, EQ och SQ, är det som faktiskt bygger förtroende med tvärfunktionella partners när man väl har använt AI för att förstärka arbetet. Det är resan från ren data, till insikt, till berättelse, till storytelling som faktiskt når människor. Man använder olika delar av EQ och SQ i varje steg av det.

    Jag försökte till och med skriva ut en version av detta matematiskt. AI i sig självt är inte lika med förtroende, så ekvationen blir något som liknar AI plus EQ plus SQ plus allt annat, istället för självorientering, lika med förtroende.

    Det finns en välkänd version av detta utanför RGM helt och hållet, Trust Equation från Maister, Green och Galfords bok.Den betrodda rådgivaren, som inramar förtroende som trovärdighet plus pålitlighet plus intimitet, dividerat med självorientering.

    Mine mappar till det ganska direkt:

    • AIstår för trovärdighet, men bara när det är förklarligt, inte en svart låda som folk bara blir tillsagda att acceptera.
    • EQär intimitetsstycket, att faktiskt läsa vad en kommersiell partner eller en konsument behöver.
    • SQhar pålitligheten och berättandet, konsekvensen och det sociala flytet för att få en AI-informerad rekommendation att faktiskt landa inom försäljning, marknadsföring och ekonomi.
    • Och vi skulle lägga till ytterligare en term för RGM specifikt:utförandedisciplin, eftersom en briljant rekommendation som dör i lagret eller på lastbilen aldrig får chansen att vinna någons förtroende från första början.
    • Nämnaren,självorientering, handlar egentligen om avdelningens intressen här, försäljning skyddar sin anställning, marknadsföring skyddar sin budget, ekonomi skyddar sin marginal.

    Du kan ha bra AI, genuin empati och felfri leverans, och ändå komma ingenstans om rummet känner att RGM skyddar sin egen mark istället för att lösa ett gemensamt problem.

    Shiraz:Detta liknar den princip som Polestar Analytics bygger mot i sin egenRGM-verktyg, att para ihop elasticitets- och prissättningsmodeller med förklarbara AI-resultat specifikt så att kommersiella team kan se resonemanget bakom en rekommendation, inte bara siffran.

    Shiraz: Hur bygger man egentligen upp EQ och SQ under en karriär inom RGM, och hur ser den vägen ut?

    Gurkan:Det här är något jag bryr mig mycket om som någon som bygger och leder team. Vi behöver skapa en verklig väg där människor kan se sig själva utmärka sig i en roll som RGM, och sedan förstå vad som händer härnäst när de väl är i den. Vilka färdigheter behöver de utveckla? Vad bör finnas med i deras utvecklingsplan? Det är där EQ och SQ kommer in i bilden igen, den här gången på personal- och HR-sidan, inte bara på sidan där man bygger förtroende för besluten. Att bygga upp dessa färdigheter är det som gör att någon kan växa in i förändringsledning och bredare inflytande över hela organisationen, inte bara för att genomföra en prissättningsmodell väl.

    Shiraz: Utöver specifika färdigheter, vilka personliga egenskaper skiljer människor som trivs inom regelbunden GM från dem som precis klarar det?

    Gurkan:Nyfikenhet och ett tänkesätt för ständig förbättring. För att lyckas med RGM, eller egentligen var som helst inom konsumtionsvaror, måste man fortsätta ställa rätt frågor, eftersom den externa miljön aldrig står stilla. Konsumenter förändras. Återförsäljare förändras. Länderna vi verkar i förändras. Om man inte är nyfiken slutar det med att man arbetar utifrån en gammal bild av en marknad som redan har gått framåt.

    Shiraz: När jag ser tillbaka, vilket misstag eller råd har verkligen format hur du leder idag?

    Gurkan:Vi är alla människor, vi gör alla misstag, och ärligt talat är det dessa misstag som formar vilka vi är. Jag går tillbaka till två saker som en mentor sa till mig för länge sedan. För det första, tydlighet är din superkraft. För det andra, var inte purist. Det andra är viktigare än vad folk tror, för det är lätt att bli tyngd av data och vänta på att den perfekta datamängden ska presentera sig. Medan du väntar missar du tillfället att faktiskt ge lösningen.

    Att humanisera RGM innebär inte att man skalar bort den tekniska noggrannheten bakom prissättning och paketarkitektur. Det innebär att bygga system och människor som kan agera tydligt innan data är perfekta, och som litar tillräckligt på varandra för att göra det tillsammans. Polestar Analytics samarbetar med CPG- och detaljhandelsteam kring prissättning, marknadsföring och portföljarbete bakom samtal som denna.

    Om författaren

    Sudha

    Data- och BI-beroende

    LinkedIn

    När man teoretiserar före data - Omedvetet börjar man vrida fakta för att passa teorier, istället för teorier för att passa fakta.

    Generellt talar om

    • Hantering av intäktstillväxt
    • AI
    • Agentisk AI

    Relaterad blogg