Revenue Growth Management (RGM) voor FMCG leveranciers

Wat is revenue growth management?

Revenue growth management is het gestructureerde proces waarbij een FMCG-leverancier de vier commerciële hefbomen, prijs, promotie, assortiment en kanaal, optimaliseert op basis van data. Het doel is niet alleen meer omzet genereren, maar duurzame, winstgevende groei realiseren die ook voor de retailer waarde oplevert.

RGM kijkt naar de volledige commerciële waardeketen. Welke prijspunten maximale volumegroei opleveren zonder margedruk. Welke promoties de categorie laten groeien in plaats van volume te verschuiven. Welk assortiment aansluit bij de shopperprofielen van specifieke winkel clusters. En welke kanalen het meest rendabel zijn voor welke productgroepen.

De kracht van RGM zit in de integratie van die vier hefbomen. Prijsstrategie los van promotiebeleid levert suboptimale uitkomsten. Assortimentskeuzes zonder kanaalstrategie ook. RGM is de discipline die ze samenbrengt in één coherent kader, onderbouwd met data.

‍

De vier hefbomen van revenue growth management

1. Prijsstrategie

Prijsstrategie in RGM gaat verder dan het vaststellen van een verkoopprijs. Het gaat om het begrijpen van prijselasticiteit per SKU: hoeveel verandert de vraag als de prijs met 5% stijgt of daalt? Welke prijspunten zijn psychologisch significant voor de shopper? Hoe verhoudt de prijs van jouw SKU zich tot de concurrentie in de categorie?

Zonder verkoopdata per SKU per retailer zijn die vragen niet te beantwoorden. Met die data kunnen AI-modellen prijselasticiteit berekenen op basis van werkelijke historische verkopen, niet op basis van aannames.

2. Promotiebeleid

Promoties zijn de meest complexe en meest risicovolle hefboom in RGM. Bij sommige FMCG-leveranciers wordt 60% van het volume in de promotie verkocht. Een promotie die de categorie laat groeien levert waarde op voor leverancier én retailer. Een promotie die alleen volume verschuift, andere SKUs kannibaliseerd en marge kost, doet het tegenovergestelde. Het verschil zit in de kwaliteit van de vooraf gemaakte analyse. Lees meer over hoe datasamenwerking tussen leverancier en retailer die analyse verbetert.

3. Assortimentsstrategie

Assortimentsstrategie in RGM vraagt om inzicht in welke SKUs welke rol spelen in de categorie, bij welke retailers en in welke winkel clusters. Een SKU die in een studentenwijk sterk presteert, kan in een villawijk een langzame draaier zijn. Generieke assortiment adviezen negeren die nuance. Winkelcluster specifieke optimalisatie op basis van sell-out data niet. Lees meer in ons artikel over assortiment rationaliseren met data.

4. Kanalenstrategie

Kanalenstrategie bepaalt welke producten via welke kanalen worden aangeboden en hoe de commerciële condities per kanaal zijn vormgegeven. In FMCG betekent dat keuzes over welke SKUs bij welke retailers worden gelanceerd, welke formaten voor welke kanalen worden ontwikkeld en hoe trade spend over kanalen wordt verdeeld.Revenue Growth Management helpt leveranciers niet alleen om promoties te optimaliseren, maar ook om trade spend effectiever in te zetten. Door promotiebudgetten te koppelen aan verwachte ROI op basis van prijselasticiteit modellen, ontstaat een nauwkeurigere verdeling van investeringen over retailers, categorieën en promotie mechanieken. Trade spend die wordt gestuurd door data in plaats van traditie levert structureel betere rendementen op.

Data over kanaal prestaties, verkoopsnelheid per retailer, marge contributie per kanaal en distributie breedte per SKU, is de basis voor goed onderbouwde kanalenstrategie.

‍

Waarom RGM in de praktijk tekortschiet

Het conceptuele framework van revenue growth management is breed bekend. De uitvoering in de dagelijkse praktijk van category teams schiet bij de meeste FMCG-leveranciers tekort. De oorzaak is bijna altijd hetzelfde: de database is onvoldoende.

Prijselasticiteit berekenen vereist consistente historische verkoopdata per SKU per retailer over meerdere promotie cycli. Die data bestaat, maar ze zit verspreid over SIS, 7EVEN, Nielsen, Circana en interne systemen, elk met eigen formats, eigen categorisering en eigen updateritmes.

Uit onze ervaring met meer dan 15 category teams bij FMCG-leveranciers blijkt dat het harmoniseren van die bronnen gemiddeld 60% van de beschikbare tijd kost. Wat overblijft is te weinig voor de analyses die RGM vereist. Het gevolg is dat prijselasticiteit op onderbuikgevoel wordt ingeschat, promoties worden gepland op basis van historische gemiddelden in plaats van voorspellingsmodellen, en assortiments adviezen generiek blijven in plaats van winkelcluster specifiek.

‍

Hoe AI revenue growth management in de praktijk mogelijk maakt

Prijselasticiteit per SKU berekenen

AI-modellen kunnen prijselasticiteit berekenen per SKU per retailer op basis van werkelijke historische verkoopdata. Dat vereist een database die volledig, consistent en historisch continu is. EAN-wissels die niet automatisch zijn verwerkt, breken de historische reeks en verzwakken het model. Met een goed gefundeerde database produceren AI-modellen prijselasticiteit berekeningen die de basis vormen voor onderbouwde prijsstrategie.

Promotie-impact vooraf modelleren

Een promotie simulator die werkt op geharmoniseerde sell-out data kan de verwachte volumegroei, het kannibalisatie risico en de nettomarge-impact van een promotie berekenen voordat het budget is vastgelegd. Dat verandert de kwaliteit van het retailer gesprek fundamenteel. In plaats van een promotie afspreken en hopen op het beste, arriveert de trade marketeer met een model dat de verwachte prestatie per scenario toont.

Er blijft behoefte aan menselijke controle, een human in the loop. Datakwaliteit blijft het allerbelangrijkst. Het datafundament moet goed zijn, want een promotie simulator die werkt op onjuiste of onvolledige data, produceert projecties die de geloofwaardigheid van het voorstel ondermijnen in plaats van versterken.

Assortimentsoptimalisatie per winkelcluster

AI-modellen die werken op sell-out data per winkel kunnen identificeren welke SKUs in welke winkel clusters over- of onderpresteren ten opzichte van vergelijkbare clusters. Dat is de basis voor assortiments adviezen die specifiek zijn voor de situatie van die retailer, niet generieke markt aanbevelingen die voor elke retailer hetzelfde zijn.

‍

RGM als fundament voor Joint Category Development

Revenue growth management is op zijn sterkst als het niet alleen intern wordt toegepast, maar als fundament dient voor de samenwerking met de retailer. Een trade marketeer die aan tafel komt met een prijselasticiteit analyse per SKU, een promotie simulatie die de categorie groei toont en een assortiment voorstel per winkelcluster, voert een fundamenteel ander gesprek dan een trade marketeer die terugkijkt op vorige kwartaalresultaten. Dat is de kern van Joint Category Development: RGM-inzichten die zijn onderbouwd met gedeelde data en die waarde creëren voor zowel leverancier als retailer.

Retailers die zien dat een leverancier promoties doorrekent op categorie-impact, assortimentswijzigingen onderbouwt met winkelcluster data en prijsadviezen baseert op elasticiteits modellen, behandelen die leverancier als strategisch partner. Niet als een leverancier die om schapruimte vraagt.

‍

Wat Captain doet

Captain is gebouwd om FMCG-leveranciers de database te geven die revenue growth management in de praktijk mogelijk maakt. Alle retail bronnen worden automatisch geharmoniseerd naar één consistent productmodel. EAN-wissels worden automatisch verwerkt zodat historische trendlijnen intact blijven. Sell-out data uit SIS, 7EVEN, Nielsen, Circana, IPV en interne bronnen is altijd actueel en volledig.

De promotie simulator berekent de verwachte rendementen op basis van prijselasticiteit per SKU voordat de promotie is afgesproken. De assortimentsoptimalisatie identificeert per winkelcluster welke wijzigingen de categorie omzet en -marge verbeteren. De AI-assistent beantwoordt vragen in gewone taal op basis van alle data die samenkomt in het platform.

Bij MAAZ Cheese resulteerde assortimentsoptimalisatie op basis van POS-data in 9,4% margeverbetering. Bij Johma werd een promotieplan gebouwd op prijselasticiteit per SKU dat direct werd overgenomen door Hoogvliet, Vomar en Plus. Bij elho groeide het aantal onderbouwde categorieplannen van 10 naar 25+. Lees hier de volledige Elho case.

‍

Klaar om revenue growth management in de praktijk te brengen?

Vraag een strategisch gesprek aan waarin we meteen praktische tips kunnen geven over hoe jouw team de stap zet van RGM als concept naar RGM als dagelijkse praktijk.