AI verandert het vak van Category Management. Het kan daarmee jouw rol relevanter, kwalitatiever en effectiever maken – mits je weet hoe je met AI werkt, waar de meerwaarde ligt en tegelijkertijd kritisch blijft op de uitkomsten.
De kwartaalreview nadert. De data is er, maar de tijd om er iets scherps van te maken niet. Maar de retailer verwacht volgende week een onderbouwd voorstel, intern wil sales meer volume, marketing wil merkaandacht en finance vraagt naar de marge. Jij zit ertussenin met een PowerPointpresentatie die nog niet af is en een analyse die eigenlijk dieper moet…
Herkenbaar? Dan is dit artikel voor jou. Niet om je te vertellen dat AI het vak van Category Management gaat veranderen — dat heb je inmiddels wel meegekregen. Maar wel om concreet te maken hoe je vandaag al met AI kunt werken. In de dagelijkse praktijk, met de vragen die je toch al hebt.
De nieuwe realiteit in retail
Retailorganisaties digitaliseren in hoog tempo. Veel Category Managers beschikken over eigen ‘insight-teams’ en geavanceerde tools die met één druk op de knop assortimenten optimaliseren. De klassieke periodieke ‘performance-update’ van de leverancier wordt daardoor soms minder relevant. Maar dat betekent niet dat de rol van de Trade Marketeer verdwijnt: integendeel. De meerwaarde van de Trade Marketeer verschuift naar de interpretatie van de output: het waarom achter de cijfers, de verbinding met de shopper en de vertaling van data naar de formule van de retailer. Betere duiding van data De toekomst vraagt niet om méér data, maar om een betere duiding. De leverancier die in staat is om de output van ‘(AI-)tooling’ te koppelen aan shoppergedrag en categorievisie, blijft onmisbaar. Waar tooling sneller en efficiënter in staat is patronen in het verleden inzichtelijk te maken en te analyseren, ligt de menselijke toegevoegde waarde erin om dit te vertalen naar inzichten die iets zeggen over het waarom achter de cijfers, zoals shoppergedrag. Daarnaast is de ‘tooling’ vaak nog onvoldoende in staat om vooruit te kijken. Waar gaat het naartoe? Welke trends gaan de komende jaren van invloed zijn op de categorie?
Jij & AI
Je hebt zoals gezegd te weinig tijd, te veel data, en een retailer die morgen antwoord wil. Voor dat AI iets verandert aan hoe je samenwerkt met retailers of leveranciers, verandert het iets aan je eigen werk.
Minder handwerk
AI neemt je het denkwerk niet af, maar wel een hoop handwerk. Anders gezegd: de winst zit in alles wat tijd kost, maar geen denkkracht vraagt. Ruwe data structureren in een overzichtelijke tabel. Een lang rapport samenvatten. Een eerste versie van een klantupdate maken. Een standaardmail opstellen. Een Category Manager die we onlangs spraken, maakt wekelijks promotie-evaluaties. Ze liet AI de eerste opzet doen, op basis van haar ‘sell outdata’. Scheelt haar twee uur per week. Maar belangrijker: ze heeft nu meer tijd om na te denken over wat de cijfers betekenen.
Vergaderingen die wél wat opleveren
Teamsmeetings, kwartaalreviews, catego rysessies — ze leveren doorgaans waardevolle informatie op, maar het uitwerken is een klus. AI tools kunnen automatisch notuleren, structureren en actiepunten formuleren. Niet perfect, maar goed genoeg om mee te starten. Scheelt je dat halfuur – of langer – uitwerken achteraf én je hebt minder kans dat de belangrijke nuances verloren gaan. Bovendien: je verschuift zo van notulist naar regisseur van het gesprek. Klinkt misschien wat groot, maar het effect is er echt.
Betere presentaties, minder PowerPoint-uren
AI kan ook helpen bij het aanbrengen van structuur in je verhaallijn. Bij het vertalen
van data naar kernboodschappen. Bij het herschrijven van slides naar taal die ook op directieniveau werkt. De winst zit niet alleen in tijd. Het dwingt je ook om jezelf eerder de vraag te stellen: wat is hier eigenlijk de boodschap? Die vraag stel je soms pas als je al tien slides hebt gemaakt. Nu komt hij eerder.
‘Wij’ en AI
AI verandert zoals gezegd niet alleen iets in je eigen werk, maar verandert ook de samen werking met retailers en/of leveranciers.
Retailer: nieuwe tools, andere verwachtingen
Category Managers aan retailzijde krijgen toegang tot digitale instrumenten die een paar jaar geleden ondenkbaar waren. Assortimentoptimizers die het ideale schap doorrekenen op basis van rotatie, marge, ruimte en shoppergedrag. Fijnmaziger dan een traditionele schapanalyse. En, laten we eerlijk zijn, objectiever dan een leverancierspresentatie die — hoe goed onderbouwd ook — altijd een commercieel belang dient.
Dat verandert wat je als Category Manager ver wacht van leveranciers. Je hebt geen leverancier meer nodig die je vertelt dat zijn merk goed draait – dat zie je zelf. Je hebt een leverancier nodig die je helpt de juiste vraag te stellen aan je systeem. Die van buiten naar binnen kijkt. Die snapt waar de categorie naartoe beweegt, niet alleen waar die vandaan komt.
Leverancier: van data brengen naar richting geven
De tijd dat je als leverancier scoorde met een dikke analyse en een strakke presentatie loopt ten einde. De retailer heeft zijn eigen data, zijn eigen tools, zijn eigen conclusies. Wat overblijft én belangrijker wordt: strategisch meedenken. AI systemen optimaliseren vaak op basis van historische prestaties. Ze kijken terug, want dat is wat ze hebben. Maar Category Management vraagt ook vooruitkijken. Welke segmenten gaan groeien? Welke shoppertrends zijn nog ondervertegenwoordigd in het schap? Hoe past het assortiment bij een gezamenlijke visie op de categorie? Het verschil zit hem in de vraag die je stelt. Niet: ‘Wat is het beste schap op basis van historische rotatie’. Maar: ‘Hoe ziet het schap eruit dat onze gezamenlijke groeistrategie versnelt?’ Dat is een wezenlijk andere vraag. En die formuleren — dát blijft mensenwerk.
Van buiten naar binnen kijken
Leveranciers hebben iets wat retailers niet zelf kunnen genereren: perspectief van buiten, internationale ‘learnings’, kennis uit R&D, consumenten trends. Die blik van buiten is belangrijk om te voorkomen dat AI alleen het verleden optimaliseert. De beste leveranciers gebruiken dat perspectief niet om te pushen, maar om mee te denken.
Kritisch blijven
AI systemen zijn krachtig, maar ze maken fouten. Ze kunnen verkeerde aannames extra poleren. Optimalisaties voorstellen die op papier kloppen, maar in de winkel niet werken. Aan welke kant van de tafel je ook zit: om op gelijk niveau te kunnen sparren, moet je begrijpen hoe zo’n systeem rekent. Welke variabelen gaan erin? Wat wordt er precies geoptimaliseerd? Waar zitten de blinde vlekken? Dat vraagt een nieuwe vaardigheid: AI-output kritisch interpreteren. Niet alles voor zoete koek aannemen. Doorvragen. ‘Challengen’. Het is een beetje zoals financiële rapportages lezen: je hoeft geen accountant te zijn, maar je moet wel weten waar je op moet letten.
Ken je gesprekspartner
Niet elke retailer is even ver met AI. De wijze waarop dit wordt opgepakt, kan ook nog eens per Category Manager verschillen. Dat maakt je rol aan leverancierskant hybride. Je moet kunnen schakelen tussen datagedreven optimalisatie en het klassieke adviesgesprek. Weten waar je gesprekspartner zit, is onderdeel van je vak geworden. Het klinkt voor de hand liggend, maar in de praktijk wordt dit makkelijk vergeten, zo leert de ervaring.
Aan de slag: 3 concrete stappen
Je wil wel met AI aan de slag, maar de vraag: hoe dan? Dit is waar het vaak stokt. Je snapt dat AI relevant is. Je ziet de mogelijkheden. Maar tussen weten en doen zit een kloof. Drie concrete dingen die je deze week zou kunnen doen:
1. Pak één repetitieve taak en laat AI een eerste versie maken. Een samenvatting, een structuur, een opzet. Kijk wat het je oplevert. Het hoeft niet meteen perfect te zijn of gaan.
2. Vraag bij je volgende retailgesprek hoe de retailer AI inzet binnen Category Management. Je hoeft niet te doen alsof je alles al snapt. Nieuwsgierigheid is geen zwakte.
3. Bekijk kritisch één AI-output die je eerder hebt gezien. Wat werd er geoptimaliseerd?
Wat werd er niet meegenomen? Welke vraag had je eigenlijk moeten stellen?
Mens mét machine
AI maakt het vak niet kleiner. Het maakt het inhoudelijker. Althans, dat is de belofte — en we denken dat die klopt. De Trade Marketeer die alleen data komt brengen, wordt ingehaald door een algoritme dat het sneller en objectiever kan. De Category Manager die alleen op historische rotatie stuurt, mist de ontwikkelingen die eraan komen. Maar wie de juiste vragen leert stellen, kritisch blijft op wat eruit komt, en AI inzet om zijn eigen denken te versnellen — die wordt relevanter. De toekomst van Category Management is niet mens óf machine. Het is mens mét machine. En dat begint met er zelf mee aan de slag gaan, in het klein, in je eigen werk.
TEST JEZELF: waar sta jij in de ‘AI-adoptie-curve’?
1. Gebruik ik AI wekelijks om mijn werk efficiënter te maken?
2. Begrijp ik globaal hoe AI modellen optimaliseren bij assortimentsvraagstukken?
3. Kan ik de output van een AI-tool kritisch bekijken en ‘challengen’?
4. Weet ik waar mijn belangrijkste retailers staan qua AI-adoptie?
5. Ben ik actief bezig met het ontwikkelen van vaardigheden rondom AI?
Hoe vaker je ‘ja’ hebt geantwoord, hoe steviger je staat. Hoe vaker je twijfelt, of als antwoord geeft: ‘eigenlijk niet’, hoe urgenter het wordt om met AI aan de slag te gaan. Misschien is dan ook de ‘Masterclass AI in Category Management’ op 13 mei iets voor je. Niet om AI-expert te worden. Wel om praktisch te leren werken met de tools die er inmiddels zijn, voor de vragen die jij in je werk tegenkomt. De masterclass is ontwikkeld door The Category & Trade Company, voor Trade Marketeers en Category Managers aan beide kanten van de tafel. Geen theorie om de theorie, maar toepassingen die je daarna direct kunt gebruiken.
Meer weten?
Wil je meer weten over de trainingen voor Trade Marketeers en Category Managers? Mail naar Nico Meyer (nico@ct-company.nl) of Astrid Saly (astrid@ct-company.nl).
