Een Nieuw Prijstijdperk: Shopping Agents Ontmoeten Pricing Agents

Jouw klant heeft zojuist ChatGPT gevraagd om het beste koffiezetapparaat onder $200 te vinden.

Binnen enkele seconden scande de AI 47 producten bij 12 retailers, vergeleek 2.300 reviews, controleerde de actuele voorraadniveaus en presenteerde drie finalisten met voor- en nadelen en een duidelijke aanbeveling.

Jouw dynamische prijsregel—die drie weken kostte om te bouwen en één keer per dag draait om 2 uur 's nachts? Die had dit nooit zien aankomen.

Welkom bij agentic commerce, waar AI-agents inkopen doen voor kopers terwijl AI-agents prijzen bepalen voor verkopers. En als je denkt dat dit klinkt als sciencefiction, zeggen de cijfers iets anders: 4.400 mensen zoeken elke maand naar "agentic commerce", en dat aantal verdubbelt elk kwartaal.

Dit is geen verre toekomstvisie. Amazon's Rufus helpt al miljoenen shoppers. Google's Shopping AI vergelijkt producten in real-time. En retailprijsstrategieën die zijn gebouwd voor menselijke shoppers? Die worden binnenkort spectaculair achterhaald.

Wat is agentic commerce? (En waarom praat iedereen er plotseling over)

Agentic commerce is wat er gebeurt wanneer AI-agents autonoom handelen namens shoppers. Niet alleen vragen beantwoorden of zoekresultaten filteren—maar daadwerkelijk aankoopbeslissingen nemen.

Zie het zo: Traditionele e-commerce betekent dat je zoekt, klikt, vergelijkt, reviews leest en afrekent. Agentic commerce betekent dat je een AI vertelt "Ik heb hardloopschoenen nodig voor mijn eerste marathon, budget $150," en het alles regelt van onderzoek tot afrekenen.

De verschuiving is belangrijk vanwege schaal en snelheid. Een mens vergelijkt misschien 5-10 producten bij 2-3 retailers. Een AI-agent vergelijkt 100+ producten bij 20+ retailers in minder dan 10 seconden.

Hier is een scenario dat vandaag de dag al speelt:

Menselijk winkelen (traditioneel):

• Zoekt naar "beste espressomachine"
• Klikt door 8 productpagina's
• Opent 4 gedetailleerde reviews in nieuwe tabbladen
• Controleert prijzen op Amazon, Williams-Sonoma en Sur La Table
• Leest 23 klantreviews
• Voegt toe aan winkelwagen, verlaat drie dagen, keert terug
• Totale tijd: 4,5 uur verdeeld over meerdere sessies
• Bezochte retailers: 3

AI-agent winkelen (agentic commerce):

• Gebruiker: "Zoek een espressomachine voor me, maakt goede crema, onder $400, niet te ingewikkeld om schoon te maken"
• Agent analyseert 67 machines bij 15 retailers in 8 seconden
• Kruisverwijst 1.400 reviews op vermeldingen van "crema-kwaliteit" en "gemakkelijk schoon te maken"
• Identificeert Breville Bambino Plus voor $349 (Williams-Sonoma, gratis verzending) als optimale match
• Presenteert aanbeveling met onderbouwing
• Gebruiker keurt goed, agent voltooit aankoop
• Totale tijd: 90 seconden
• Bezochte retailers: 15

Het verschil? Agent-winkelen is sneller, breder en meedogenloos efficiënt. Het geeft niet om jouw merkverhaal, jouw homepage-indeling of die gesponsorde vermelding waarvoor je $4,50 hebt betaald. Het geeft om data: specificaties, prijzen, reviews en beschikbaarheid.

De drie soorten shopping-agents die al actief zijn

Niet alle shopping-agents werken op dezelfde manier. Als je de drie belangrijkste typen begrijpt, kun je je voorbereiden op wat er komt.

1. Onderzoeksassistenten (nu al actief)

Deze agents helpen shoppers beslissingen te nemen, maar voltooien geen aankopen.

Voorbeelden:

• ChatGPT met webbrowsing
• Google's Shopping AI
• Perplexity Shopping

Wat ze doen: Vraag ChatGPT: "Wat is het beste draadloze toetsenbord voor een Mac-gebruiker met kleine handen?" en het zoekt opties, vergelijkt functies, leest reviews en presenteert aanbevelingen. Maar je klikt zelf nog door om te kopen.

Impact op retail: Matig. Ze verschuiven verkeerspatronen—minder Google-zoekopdrachten, meer directe verwijzingen van AI-platforms. Jouw productdata en reviews zijn belangrijker dan jouw betaalde zoekbudget.

2. Vergelijkingsengines (nu al actief, snel opschaalend)

Deze agents vergelijken actief producten bij verschillende retailers en bouwen gedetailleerde matrices op.

Voorbeelden:

• ChatGPT met webbrowsing
• Perplexity Shopping
•  Amazon Rufus (beveelt producten aan en vergelijkt ze binnen Amazon's catalogus) 
• Google Shopping AI

Wat ze doen: Ze zoeken niet alleen producten—ze bouwen vergelijkingstabellen. "Laat me ruisonderdrukkende hoofdtelefoons onder $300 zien" genereert een gestructureerde vergelijking: Sony WH-1000XM5 vs. Bose QuietComfort vs. Apple AirPods Max, met batterijduur, ruisonderdrukkingsscores, beoordelingen en prijzen die tegelijkertijd bij meerdere retailers worden gecontroleerd.

Impact op retail: Hoog. Prijzen worden direct transparant bij alle concurrenten. Functiedifferentiatie is belangrijker. Gestructureerde data wint.

3. Autonome kopers (opkomend, 2025-2026)

Deze agents nemen aankoopbeslissingen en voltooien transacties met voorafgaande goedkeuring.

Voorbeelden:

• Nog niet mainstream, maar komt snel
• Vroege versies in B2B-inkoop
• Consumentenversies worden getest bij grote techbedrijven

Wat ze doen: Je vertelt de agent: "Ik heb biologische koffiebonen nodig, medium roast, elke twee weken bezorgd, kosten onder $18 per pond." Het vindt opties, selecteert op basis van jouw voorkeuren en prijsbeperkingen, voltooit aankopen en past automatisch aan wanneer prijzen veranderen.

Impact op retail: Extreem. Menselijke besluitvorming wordt grotendeels verwijderd uit commodity-aankopen. Prijsoptimalisatie moet in real-time plaatsvinden. Statische prijsstelling verdwijnt volledig.

Hoe kopers winnen (en hoe verkopers moeten reageren)

Laten we eerlijk zijn: agentic commerce is geweldig voor kopers. Ze krijgen betere prijzen, snellere beslissingen en bredere vergelijkingen. De vraag is of verkopers zich kunnen aanpassen voordat ze worden vermorzeld.

Het voordeel van de koper

BCG's Black Friday-onderzoek 2025 — met meer dan 10.000 shoppers uit 10 landen — toonde aan dat 46% van de consumenten GenAI al gebruikt om producten te vergelijken, 44% het gebruikt om de beste deals te vinden en 42% het raadpleegt voor technische productinformatie. Adobe bracht in kaart hoe dat er in de praktijk uitziet: het door AI aangedreven verkeer naar retailsites steeg met 805% jaar-op-jaar in aanloop naar Black Friday 2025. Vertaald: shoppers zien meer opties in minder tijd en vergelijken jou met concurrenten waarvan je het bestaan niet eens wist. 

Drie dingen zijn belangrijk voor shopping-agents:

1. Gestructureerde, machine-leesbare data

Menselijke shoppers vergeven rommelige productbeschrijvingen. Agents niet. Als jouw productspecificaties verborgen zitten in lopende tekst in plaats van gestructureerde attributen, slaat de agent je over.

Slecht (voor agents):

Goed (voor agents):

2. Realtime concurrerende prijsstelling

Agents controleren prijzen bij verschillende retailers tegelijkertijd. Als jij 8% duurder bent dan Amazon met identieke specificaties en langzamere verzending, ben je onzichtbaar.

De snelheid is cruciaal. Traditionele concurrentiemonitoring draait dagelijks of wekelijks. Agent-shopping gebeurt in milliseconden. Tegen de tijd dat jouw prijsdashboard morgenochtend bijgewerkt is, heeft de agent al 50 klanten naar elders gestuurd.

3. Transparante voorraad en beschikbaarheid

Niets vernietigt een agentaanbeveling sneller dan "niet op voorraad". Agents geven de voorkeur aan retailers met realtime voorraadfeed en nauwkeurige beschikbaarheidsgegevens. Als jouw website "op voorraad" zegt, maar er in werkelijkheid 5-7 dagen verzendtijd nodig is, leert de agent je te wantrouwen.

Het dilemma van de verkoper

Dit is wat de meeste retailers momenteel gebruiken:

• Dynamische prijsstelling: Past prijzen aan op basis van regels (tijdstip van de dag, voorraadniveau, concurrentiemonitoring)
• Updatefrequentie: Een of twee keer per dag
• Concurrentie-intelligentie: Gescrapete data, 's nachts bijgewerkt
• Beslissingssnelheid: Uren tot dagen

Dit is wat shopping-agents doen:

• Prijscontrole: Realtime bij 10-20 retailers
• Vergelijkingssnelheid: Seconden
• Beslissingsfactoren: Prijs + reviews + specificaties + verzending + voorraad, direct gewogen
• Uitvoering van aankoop: Onmiddellijk (voor autonome agents)

Zie je het probleem? Jouw prijsstrategie wordt gemeten in uren. Agent-shopping wordt gemeten in milliseconden.

Hier komt agentic pricing om de hoek kijken.

Maak kennis met agentic pricing: het antwoord van de verkoper op agent-shoppers

Volgens een McKinsey-onderzoek onder meer dan 400 prijsmanagers en besluitvormers verwacht 65–85% van de organisaties gen AI of agentic AI in pricing te adopteren binnen de komende één tot drie jaar — tegenover slechts 10–30% vandaag. 

Traditionele dynamische prijsstelling was gebouwd voor menselijk koopgedrag. Agentic pricing is gebouwd voor bot-koopgedrag.

Agentic pricing maakt gebruik van AI-agents aan de verkoopkant om markten te monitoren, concurrentiebewegingen te analyseren en prijsstrategieën in realtime aan te passen. Maar het is niet zomaar snellere dynamische prijsstelling — het is fundamenteel anders.

Logica van dynamische prijsstelling:

Logica van agentic pricing:

Het verschil? Dynamische prijsstelling reageert. Agentic pricing redeneert.

Wat agentic pricing onderscheidt

1. Conversationele intelligentie

In plaats van complexe regelsets te bouwen, stel je vragen: "Waarom verliezen we marktaandeel in de categorie koffiezetapparaten?" De agent analyseert concurrentieprijzen, functievergelijkingen, reviewsentiment en promotiekalenders, legt vervolgens uit wat er aan de hand is en beveelt acties aan.

Dit is belangrijk wanneer shopping-agents jou beginnen te vergelijken. Als de agent van een koper constateert dat jouw concurrent gratis verzending aanbiedt bij bestellingen boven de $50 terwijl jij $75 vereist, zou jouw prijsagent dit moeten opmerken en een reactie aanbevelen voordat je significant verkeer verliest.

2. Besluitvorming op basis van meerdere factoren

Shopping-agents evalueren 15-20 factoren tegelijkertijd (prijs, verzending, reviews, functies, merkreputatie, retourbeleid, levertijd). Jouw prijsstrategie moet dezelfde factoren meewegen.

Voorbeeld: jouw koffiezetapparaat is $10 duurder dan dat van Amazon, maar jij biedt:

• Levering de volgende dag in de postcode van de klant
•  "Gratis, probleemloze retouren (het retourbeleid van Amazon varieert sterk per verkoper en product) 
• 4,7 sterren versus 4,3 van Amazon (betere afhandeling, minder klachten over beschadiging tijdens verzending)

Een traditionele prijsregel ziet "$10 duurder" en activeert een prijsverlaging. Agentic pricing ziet het volledige plaatje en kan aanbevelen de prijs te handhaven omdat jouw totale eigendomskosten gunstiger zijn.

3. Snelheid die aansluit bij agent-shopping

Wanneer een vergelijkingsengine jouw prijs vergelijkt met 11 concurrenten, moet je onmiddellijk weten of je buiten het concurrerende bereik bent gevallen. Agentic pricing-systemen monitoren markten continu en signaleren kansen in

Beslissing: Prijs afstemmen op Monoprice à $10,99 met toegevoegde waarde (afhalen in de winkel binnen 2 uur, wat het koper-agent meeneemt in de vergelijking van leveringssnelheid).

Resultaat: Best Buy wint deze agentaanbeveling 40% van de tijd (wanneer de koper snelheid + prijs waardeert) versus 60% naar Amazon (wanneer de koper aantal reviews + Prime-verzending waardeert).

Belangrijk inzicht: Bij standaardproducten is prijsconvergentie onvermijdelijk. Onderscheid komt voort uit leveringssnelheid en retourgemak—factoren die shopping-agents steeds zwaarder laten wegen.

Scenario 2: De Overwogen Aankoop (Keukenmachine)

Taak koper-agent: "Beste keukenmachine voor iemand die wekelijks brood bakt, budget $400"

Wat het agent doet:

• Filtert op motoren van 500W+ (noodzakelijk voor brooddeeg)
• Kruisverwijzingen in reviews voor "brood," "deeg," "zwaar mengen"
• Vergelijkt komkapaciteit (minimaal 5+ liter nodig voor brood)
• Weegt merkreputatie in bakgemeenschappen
• Identificeert KitchenAid Professional 5-Plus als optimale keuze

Prijscontrole:

• Williams-Sonoma: $449 (gratis verzending, $50 cadeaubon bij aankoop)
• Amazon: $379 (Prime-verzending)
• Sur La Table: $399 (gratis verzending, inclusief extra accessoires ter waarde van $60)
• Target: $419 (5% RedCard-korting = $398, gratis verzending)

Reactie verkoper-agent:

Het agentische prijssysteem van Williams-Sonoma analyseert:

• Huidige positie: Hoogste basisprijs
• Toegevoegde waarde: $50 cadeaubon = effectieve prijs van $399
• Concurrentbewegingen: Amazon verlaagde gisteren $20 (was $399)
• Voorraad: Sterke voorraadniveaus bij alle concurrenten
• Marge: Momenteel 31% brutowinst

Beslissing: Basisprijs verlagen naar $429, $50 cadeaubon behouden. Effectieve prijs: $379, gelijk aan Amazon maar met cadeaubon voor herhaalaankopen. Behoudt 28% marge (acceptabel voor waardevolle klantacquisitie).

Resultaat: Koper-agent presenteert beide opties (Amazon à $379, Williams-Sonoma à $429 met $50 cadeaubon). Gebruiker kiest 65% van de tijd voor Williams-Sonoma (cadeaubon biedt toekomstige waarde + reputatie van premium service).

Belangrijk inzicht: Bij overwogen aankopen winnen gestructureerde toegevoegde waarden het van pure prijsconcurrentie. Agentische prijsstelling helpt de minimaal benodigde prijsaanpassing te identificeren terwijl de marge behouden blijft via gebundelde waarde.

Scenario 3: De Autonome Aankoop (Koffieabonnement)

Taak koper-agent: "Abonnement op biologische koffiebonen behouden, medium roast, maandelijkse kosten onder $40 houden, optimaliseren voor kwaliteit"

Wat het agent doet:

• Monitort 12 abonnementsdiensten maandelijks
• Houdt prijswijzigingen, kwaliteitsbeoordelingen en verzendbetrouwbaarheid bij
• Evalueert nieuwe aanbieders (startende branders, beperkte releases)
• Schakelt automatisch van aanbieder wanneer er betere waarde beschikbaar is
• Geen menselijke tussenkomst tenzij de kwaliteitsdrempel wordt overschreden

Reactie verkoper-agent:

Het agentische prijssysteem van een gespecialiseerde koffiebrander ziet:

• Risico op klantverloop: 3 concurrerende abonnementen à $34-36/maand
• Huidige prijs: $38/maand
• Customer lifetime value: $680 (gemiddelde retentie van 18 maanden)
• Acquisitiekosten: $45

Beslissing: Een prijsgarantie van $35/maand aanbieden bij een verbintenis van 6 maanden. Verzekert retentie, voorkomt dat het agent overstapt, behoudt positieve unit economics ($35 x 6 = $210 omzet versus $45 acquisitiekosten + $126 COGS = $39 winst over 6 maanden).

Alternatieve beslissing (zonder agentische prijsstelling): Vaste prijs van $38 verliest klant aan concurrent à $34. Heracquisitiekosten: $45. Nettoresultaat: -$45 versus +$39 (een verschil van $84 per klant).

Belangrijk inzicht: Autonome koper-agents zorgen voor constante prijsdruk. Agentische prijsstelling moet retentie-economie afwegen tegen acquisitiekosten en beslissingen nemen op individueel klantniveau.

Hoe je je voorbereidt: De gereedheidslijst voor agentische commerce

De meeste retailers zijn spectaculair onvoorbereid op door agents aangedreven winkelen. Dit is wat er echt toe doet:

Fase 1: Data-infrastructuur (Begin hiermee)

☑ Gestructureerde productdata

Elk product heeft machineleesbare kenmerken nodig. Geen alinea's—gestructureerde velden.

Verplichte velden:

• Categorietaxonomie (gestandaardiseerd voor alle producten)
• Technische specificaties (afmetingen, gewicht, materialen, vermogensvereisten)
• Kenmerken (als Booleaanse vlaggen: wireless=true, dishwasher_safe=false)
• Certificeringen (UL-gecertificeerd, biologisch gecertificeerd, Energy Star-beoordeeld)
• Compatibiliteit (werkt met MacOS, past op iPhone 14 Pro, koppelt met Bluetooth 5.0)

☑ Realtime nauwkeurigheid van de voorraad

Agents vertrouwen retailers met nauwkeurige voorraadgegevens. Als jij "op voorraad" zegt terwijl er eigenlijk 3-5 werkdagen nodig zijn om te verzenden, leren agents jou over te slaan.

Minimumstandaard: 95%+ voorraadnauwkeurigheid, elke 15 minuten bijgewerkt.

☑ API-toegang voor shopping-agents

Vooruitstrevende retailers bouwen API-eindpunten specifiek voor shopping-agents. Zie het als een directe lijn: in plaats van dat agents jouw website scrapen (traag, onbetrouwbaar), bevragen ze jouw API (snel, gestructureerd).

Wat je beschikbaar stelt:

• Productcatalogus met volledige specificaties
• Realtime prijzen en promoties
• Voorraadniveaus per locatie/magazijn
• Verzendkostencalculator (per postcode, gewicht, leveringssnelheid)
• Details van het retourbeleid

Fase 2: Concurrentie-intelligentie (Continu monitoren)

☑ Realtime bijhouden van concurrenten

Dagelijkse prijscontroles zijn niet meer voldoende. Je hebt continue monitoring nodig van:

• Prijzen van concurrenten (minimaal elk uur bijgewerkt)
• Voorraadsignalen (op voorraad versus lage voorraad versus uitverkocht)
• Promotiekalenders (flitsverkopen, seizoenskortingen)
• Verzendaanbiedingen (drempels voor gratis verzending, wijzigingen in leveringssnelheid)
• Bundelstrategieën (welke producten worden samen verpakt)

AI-gestuurde concurrentie-intelligentie maakt dit mogelijk zonder legers van analisten.

☑ Analyse van shopping-agentverkeer

Begin met het identificeren van botverkeer in jouw analyses. Zoek naar:

• Extreem snelle sessietijden (3-8 seconden voor productpagina's)
• Opeenvolgende productweergaven (methodische vergelijkingspatronen)
• User agents die "GPT," "Claude," "agent," of vergelijkbare identificatoren bevatten
• Toegang tot API-eindpunten van bekende AI-platforms

Begrijpen hoe agents jouw site bezoeken onthult optimalisatiemogelijkheden.

Fase 3: Evolutie van de prijsstrategie

☑ Ga verder dan regelgebaseerde prijsstelling

Als jouw prijslogica er nog steeds uitziet als "ALS concurrentprijs < mijn prijs, DAN afstemmen," werk je op het niveau van 2015.

Agentische prijssystemen evalueren meerdere factoren:

• Concurrentiepositie tegenover alle actieve concurrenten (niet slechts 1-2)
• Voorraadniveaus (van jezelf en van hen)
• Historische prijselasticiteit
• Effectiviteit van promoties
• Margedoelen per categorie
• Waarde van klantsegmenten

Vervolgens adviseren ze acties met onderbouwing, in plaats van alleen regels uit te voeren.

☑ Optimaliseer voor totale kosten, niet alleen prijs

Shopping-agents berekenen de totale eigendomskosten:

• Basisprijs
• Verzendkosten
• Waarde van leveringssnelheid (sneller = hogere ervaren waarde)
• Retourverzendkosten
• Garantie-/beschermingsplannen
• Belasting (verschilt per retailerlocatie)

Jouw prijsstrategie moet het volledige plaatje in overweging nemen. Een prijsvoordeel van $5 verdwijnt als je $8,99 voor verzending rekent terwijl concurrenten gratis verzending aanbieden.

☑ Ontwikkel agent-vriendelijke bundels

Agents houden rekening met de responsiviteit van verkopers bij het beoordelen van betrouwbaarheid.

Wat Gebeurt Er Als Prijsteams Zich Niet Aanpassen aan Agentic AI?

Laten we eerlijk zijn: agentic commerce negeren is geen haalbare strategie.

Vergelijkingszoekmachines zoals Google Shopping genereren al 30-40% van het productontdekkingsverkeer voor veel retailers. Naarmate deze evolueren naar volwaardige shopping agents, verschuiven de verkeerspatronen drastisch.

Huidige situatie (2024-2025):

• Gebruiker zoekt in Google Shopping
• Klikt door naar de website van de retailer
• Retailer heeft de kans om te converteren via UX, merkverhaal en aanvullende verkoop

Toekomst van Agentic Commerce (2026-2027):

• Gebruiker vraagt shopping agent om een aanbeveling
• Agent vergelijkt 20+ retailers en presenteert de top 3 opties
• Als je niet in de top 3 staat, ben je onzichtbaar
• Als je wel in de top 3 staat, kan de agent de aankoop direct via API voltooien
• Retailer krijgt nooit verkeer naar de site en verliest alle aanvullende/upsell-mogelijkheden

De prijs van niets doen:

Een retailer die statische of traag bijgewerkte prijzen handhaaft terwijl concurrenten agentic pricing adopteren, zal het volgende zien:

Maand 1-3: Minimale impact (agent shopping nog <10% van de transacties)

• Margedruk begint naarmate concurrenten sneller optimaliseren
• Geschatte impact: -0,3% omzet

Maand 4-9: Versnellende verliezen (agent shopping bereikt 20-25%)

• Consistent ondermaatse prestaties in agent-aanbevelingen
• Verlies van waardevolle klanten (early adopters hebben doorgaans hogere uitgaven)
• Geschatte impact: -3-5% omzet

Maand 10-18: Kritieke massa (agent shopping bereikt 40-50%)

• Teruggedrongen tot de status van "reserveoptie" in agent-aanbevelingen
• Alleen winnen in laagste-prijs-scenario's (lage marge)
• Geschatte impact: -12-18% omzet

18+ maanden: Potentiële irrelevantie

• Agents leren dat je consistent niet-competitief bent
• Verkeer stort in naarmate agents je niet meer aanbevelen
• Overleven vereist drastische prijsverlagingen (marginstorting) of het verlaten van categorieën

Voor een retailer van $50M kan een vertraging van 18 maanden bij het adopteren van agentic commerce-strategieën betekenen:

• Omzetverlies jaar 1: $2-3M
• Omzetverlies jaar 2: $6-9M
• Totale margeuitholling: $1,5-2M
• Schade aan concurrentiepositie: Mogelijk onomkeerbaar in belangrijke categorieën

Benieuwd naar aanvullende prijsstrategieën en tools? Bekijk onze uitgebreide gidsen hieronder: 

• Wat is Charm Pricing?: Een uitgebreide introductie tot psychologische prijsmethoden en hun effectiviteit in retailomgevingen
• Wat is Penetration Pricing?: Een complete gids over marktintroductiestrategieën en concurrentiepositie voor nieuwe marktsegmenten
• Wat is Bundle Pricing?: Uitgebreide analyse van bundelprijs-strategieën en hun impact op de waardebeleving van klanten
• Wat is Cost Plus Pricing?: Gedetailleerde beschrijving van cost-plus-prijsmethodologieën en strategische toepassingen voor verschillende bedrijfscontexten
• Complete Gids voor Psychologische Prijsstrategieën: Geavanceerde psychologische prijstechnieken en hun integratie met moderne e-commerce activiteiten
• Hoe bouw je een uitgebreide prijsstrategie op: Een complete strategische gids voor het opbouwen van effectieve prijsstrategieën van Omnia-partner Johan Maessen, eigenaar van Commercieel Verbeteren.