AI-offertes voor groothandel: 50.000 SKU's, een offerte

De technische groothandel heeft de afgelopen tien jaar het magazijn op orde gebracht. Scanstraten, voorraadposities tot op de locatie, koppeling met leveranciers en vervoerders: de logistiek draait strak. Maar de commerciele kant bleef achter. Configuratie, offerte-afhandeling, pricing en variantbeheer gebeuren bij veel groothandels nog grotendeels met de hand.¹ Dit artikel laat zien hoe AI die laatste handmatige stap wegneemt, en wat dat concreet oplevert. Wil je het meteen zien werken, probeer dan de live demo op mkbcompute.nl/proberen met een echte aanvraag.

/ 01Achterstand

De commerciele achterstand in de groothandel

Vraag een willekeurige technische groothandel naar de logistiek en je krijgt een verhaal over jaren investeren in WMS, scanstraten en koppelingen. Vraag naar de offerte-afhandeling en het wordt stiller. Daar zit vaak nog een accountmanager die artikelnummers opzoekt, voorraad checkt, de juiste variant kiest en de prijs handmatig in een template zet. De logistieke volwassenheid en de commerciele volwassenheid lopen ver uit elkaar.¹

Dat is geen verwijt. Het magazijn was tien jaar geleden de grootste pijn, dus daar ging het geld heen. Maar de markt is veranderd. Klanten verwachten een snelle, complete offerte, niet een terugbelnotitie. En concurrenten die de offerte wel hebben geautomatiseerd, reageren sneller op dezelfde aanvraag. De achterstand in offerte-afhandeling is daarmee een commercieel risico geworden, geen administratief detail.

Deze kennisbank ging tot nu vooral over installateurs. Dit artikel opent het segment technische groothandel expliciet, omdat de offerte-pijn daar anders van schaal is. Niet tien standaardpakketten, maar tienduizenden artikelen met varianten en klant-specifieke prijzen. Precies daar wordt handwerk onhoudbaar.

/ 02Volume

Waarom een offerte met 50.000 SKU's traag is

Het probleem is volume in combinatie met variatie. Een groothandel met een paar honderd artikelen kan een prijslijst uit het hoofd. Bij tienduizenden SKU's, elk met staffelprijzen, varianten en klant-specifieke condities, is elke offerte een zoektocht. De accountmanager weet niet alles uit zijn hoofd, dus hij zoekt op. En opzoeken kost tijd, elke keer opnieuw.

Neem een aanvraag voor bevestigingsmateriaal in een bepaald materiaal, een bepaalde maat en een bepaalde uitvoering. De aanvrager schrijft het in zijn eigen woorden in een mail. De accountmanager moet dat vertalen naar het juiste artikelnummer, controleren of de variant op voorraad is, de staffel toepassen die bij deze klant hoort, en checken of er een afwijkende conditie geldt. Tien regels op een aanvraag betekent dat tien keer doen. Dat schaalt niet mee met groei.

En het schaalt al helemaal niet met piekdrukte. Op een drukke maandag liggen er dertig aanvragen in de inbox, elk met een handvol regels. De accountmanager kiest dan onbewust: de bekende klant eerst, de complexe aanvraag later. Aanvragen blijven liggen, niet uit onwil, maar omdat het handwerk simpelweg op is.

/ 03Knelpunten

Vier knelpunten: configuratie, pricing, varianten, doorzetten

Het handwerk valt uiteen in vier concrete knelpunten. Elk kost op zichzelf al tijd, en samen maken ze de offerte traag.

1. Configuratie: wat hoort bij elkaar

Een aanvraag is zelden een los artikel. Een klant die een pomp bestelt, heeft koppelingen, afdichtingen en soms een regelaar nodig. De accountmanager moet weten welke artikelen samen een werkende set vormen. Die kennis zit in hoofden, niet in het systeem. Een nieuwe medewerker mist hem, en zelfs een ervaren kracht vergeet soms een onderdeel.

2. Pricing: staffel, condities, marge

De prijs is bijna nooit de catalogusprijs. Er is een staffel op aantal, een klant-specifieke conditie, soms een projectprijs en altijd een margebewaking. Dat handmatig per regel toepassen is foutgevoelig. Een verkeerde staffel kost marge of, erger, vertrouwen als de klant het merkt.

3. Varianten: maat, materiaal, uitvoering

Hetzelfde basisartikel bestaat in tientallen varianten. De juiste kiezen op basis van een vrij geformuleerde aanvraag is precies het soort werk waar fouten insluipen. Een verkeerde maat of materiaal betekent een retour, een herlevering en een ontevreden klant.

4. Doorzetten: van inbox naar offerte naar systeem

En dan is er nog het overtypen. Van de mail naar de offerte-template, van de template naar het ordersysteem. Elke overstap is een kans op een typefout en kost minuten die niemand opmerkt tot je ze optelt over een jaar.

/ 04Hoe

Hoe AI de aanvraag leest en de offerte opbouwt

De flow is rechttoe rechtaan, maar elke stap neemt een stuk handwerk weg. Een binnenkomende aanvraag, via mail of formulier, wordt eerst gelezen door een parser. Die haalt de bedoeling uit de vrije tekst: welk type artikel, welke aantallen, welke variant-indicaties de klant noemt.

Vervolgens koppelt het systeem die bedoeling aan de juiste SKU's en varianten in de catalogus. Niet op naam-gok, maar op gestructureerde productdata: materiaal, maat, uitvoering, compatibiliteit. Daarna worden de prijzen en condities toegepast die bij deze klant horen, inclusief staffel en eventuele projectprijs. Het resultaat is een complete offerte die ter review klaarstaat, niet een ruwe lijst die nog uitgezocht moet worden.

De kennislaag die de accountmanager normaal in zijn hoofd heeft, configuratiekennis en uitzonderingen, kan in een doorzoekbare documentatie-laag zitten. Hoe dat lezen van eigen documenten en handleidingen werkt, staat in AI op handleidingen: vijf scenario's voor installateurs en groothandels. Voor de offerte-kant zelf is de basislogica gelijk aan wat we voor installateurs uitwerkten in Snelofferte voor installateurs en technisch MKB, alleen het catalogusvolume is groter.

/ 05Data

Productdata: de voorwaarde die vaak ontbreekt

Hier is de eerlijke kanttekening. Dit werkt alleen als de productdata rijk en machine-leesbaar is. Een parser kan een aanvraag perfect lezen, maar als de catalogus de variant-eigenschappen niet gestructureerd vastlegt, kan het systeem de juiste SKU niet kiezen. Materiaal, maat, uitvoering en compatibiliteit moeten als velden bestaan, niet alleen als tekst in een omschrijving.

Praktisch betekent dit dat een traject vaak begint met een inventarisatie van de datakwaliteit. Welk deel van de catalogus is al netjes gestructureerd, welk deel niet, en welke artikelgroepen leveren het meeste offerte-volume. Je begint bij de artikelgroepen waar de meeste aanvragen op binnenkomen, niet bij de hele catalogus in een keer. Zo zie je snel resultaat zonder eerst maanden aan databeheer te besteden.

/ 06Cijfers

Wat het oplevert: van 12 minuten naar seconden

Een concreet voorbeeld uit de markt maakt de schaal duidelijk. Een technische groothandel met circa 50.000 SKU's zette AI-orderverwerking in en zag ongeveer 87 procent van de orders volledig automatisch verwerkt worden. De gemiddelde verwerkingstijd per order daalde van rond de 12 minuten naar circa 45 seconden.² Deze cijfers zijn illustratief voor wat haalbaar is bij goede productdata en voldoende ordervolume, niet een belofte voor elke situatie.

De winst schaalt met het ordervolume. Bij een handvol aanvragen per dag is het effect bescheiden. Bij honderden orders per dag betekent twaalf minuten naar drie kwartier seconde een verschil van mensdagen per week. En de tijd die vrijkomt verdwijnt niet, hij verschuift naar het werk dat wel mensen vraagt: complexe aanvragen, klantrelatie en sales. Wil je deze rekensom voor je eigen volume narekenen, dan staat een uitgewerkt rekenmodel in AI offerte vs handmatige offerte: ROI in cijfers.

/ 07Mix

Self-service versus menselijke opvolging

Een veelgemaakte denkfout is dat automation betekent: mensen eruit. Dat is niet waar de winst zit, en het is ook niet wat goed werkt. De winst zit in de mix. Een simpele, herhaalbare aanvraag kan volledig automatisch of via self-service door de klant zelf. Een complexe aanvraag gaat naar een accountmanager, maar dan met de offerte al voorbereid.

Self-service past goed bij vaste klanten die hun assortiment kennen en snel willen herbestellen of een prijs willen. Die hoeven niet te wachten op een terugbel. Menselijke opvolging blijft waardevol bij grote projecten, nieuwe klanten en uitzonderingen, precies de aanvragen waar de marge en de relatie het zwaarst wegen. De accountmanager besteedt zijn tijd dan aan de aanvraag die het verdient, niet aan het overtypen van een standaardbestelling.

/ 08Start

Implementatie in 7 werkdagen

Je hoeft hier geen jaar platform-traject voor op te tuigen. De Quickstart heeft een vaste prijs van 750 tot 1.500 euro en is in 7 werkdagen opgeleverd. We beginnen met een werkproces, een artikelgroep met veel offerte-volume, en niet met de hele catalogus tegelijk. Eigen tenant, EU- data, scheidbaar van andere klanten. Geen platform-migratie, geen meerwerk-facturen.

Na de Quickstart breid je uit op je eigen tempo: meer artikelgroepen, meer condities, meer self-service. Omdat je begint bij de groepen met het meeste volume, is het effect meteen merkbaar, en kun je de uitbreiding betalen uit de tijd die vrijkomt.

/ 09Verder

Drie volgende stappen

1. Probeer Snelofferte direct. Live op mkbcompute.nl/proberen. Type een aanvraag in je eigen woorden en zie binnen seconden de offerte verschijnen. Geen login, 30 seconden van je tijd. De snelste manier om te beoordelen of het bij jouw catalogus past.
2. Lees verder in dit dossier. De kennisbank-kant, hoe AI je eigen handleidingen en productdocumentatie doorzoekbaar maakt, staat in AI op handleidingen: vijf scenario's voor installateurs en groothandels. Het rekenmodel voor de tijdwinst staat in AI offerte vs handmatige offerte: ROI in cijfers.
3. Plan een kennismaking. 30 minuten online via onze agenda. We kijken samen naar je datakwaliteit en je offerte-volume, en geven een eerlijke inschatting of een Quickstart voor jouw catalogus zinvol is. Geen verplichting vooraf.