Revenue intelligence is software die alle activiteit rond je deals verzamelt (CRM-records, e-mails, meetings, call-opnames en wijzigingen in de pipeline), die vergelijkt met hoe je eerdere deals afliepen en op basis daarvan voorspelt welke deals sluiten, welke risico lopen en waar het kwartaal uitkomt.

Het bestaat omdat de meeste forecasts nog steeds op meningen draaien. Een rep zegt dat een deal gaat sluiten, de manager haalt er iets vanaf, afhankelijk van hoeveel vertrouwen hij in die rep heeft, en het totaal gaat naar de board en ziet er veel preciezer uit dan het is. In een onderzoek uit 2020 ontdekte Gartner dat maar 45% van de salesleiders en verkopers veel vertrouwen had in de nauwkeurigheid van de forecast in hun organisatie. Slechte datakwaliteit noemde Gartner als een van de belangrijkste oorzaken.

Dat laatste punt slaan kopers vaak over. Een revenue intelligence-platform kan alleen voorspellen op basis van wat het ziet, dus de software is ongeveer de helft van het project. De andere helft is zorgen dat de data eronder compleet is en voor elke rep hetzelfde betekent.

TL;DR

• Een CRM legt vast wat er al is gebeurd. Revenue intelligence leest dezelfde records plus live engagement en schat in wat er hierna gebeurt. Daarmee draait een forecastcall voortaan op bewijs in plaats van op het vertrouwen van een rep.

• Eerst vastleggen, dan voorspellen. Reps vertelden Salesforce dat ze 70% van hun tijd kwijt zijn aan werk dat geen verkopen is. Calls en e-mails worden dus niet gelogd, en automatische vastlegging van activiteit moet die gaten dichten voordat een score iets waard is.

• Een dealscore is zo goed als de geschiedenis erachter. Einstein Opportunity Scoring van Salesforce heeft minimaal 200 closed-won en 200 closed-lost opportunities uit de afgelopen 24 maanden nodig, en HubSpot zegt dat zijn deal scores niet de enige factor in een beslissing mogen zijn.

• De nieuwere platforms handelen ook op wat ze vinden (een taak voor de eigenaar, een bijgewerkt record, een alert). Daarom beoordeelt Gartner deze markt nu als revenue action orchestration.

• In een pipelinereview is het de taak van de score om de twee of drie deals aan te wijzen die de meeting waard zijn, zoals een grote deal die single-threaded is geworden terwijl de rep hem nog op commit heeft staan.

• Leg voordat je koopt exitcriteria per fase vast, koppel e-mail en agenda, en dwing echte closedatums af. Een model dat op slordige fases is getraind, levert een forecast op die exact oogt en niet klopt.

Revenue intelligence vs het CRM eronder

Je CRM is een system of record. Het kan je vertellen dat een deal op 3 maart naar Proposal ging, wie de eigenaar is en wat het bedrag is. Vraag of die deal gaat sluiten en het CRM heeft geen antwoord, want het bewaart alleen wat iemand heeft ingevoerd.

Revenue intelligence werkt met dezelfde records, maar kijkt vooruit. Het ziet dat de champion op die Proposal-deal al 19 dagen niet heeft gereageerd, dat de enige meetings van de afgelopen maand intern waren, en dat deals van deze omvang die in deze fase stilvielen meestal verloren gingen. Geen van die feiten is verborgen. Ze staan alleen verspreid over een inbox, een agenda en een fasegeschiedenis die niemand met de hand naast elkaar legt.

Het vervangt het CRM niet, en dat moet het ook niet proberen. De goede platforms lezen uit Salesforce of HubSpot en schrijven hun scores en signaleringen daar weer naar terug, zodat reps blijven werken waar ze al werken. Moet je team een tweede tool openen om te zien of een deal gezond is, dan doen de meesten dat niet.

Wat verandert, is de discussie in een forecastcall. Een manager hoeft niet meer te beslissen of hij een rep gelooft. Ze kijken allebei naar dezelfde signalen en discussiëren daarover. Dat is de praktische route naar een betere forecast accuracy, en het is een prettiger meeting voor iedereen die erbij zit.

Wat een revenue intelligence-platform doet, stap voor stap

Elke vendor verpakt het anders, maar onder de branding doet bijna elk platform dezelfde vijf dingen, ongeveer in deze volgorde.

Het logt de activiteit die reps laten liggen

De meeste forecasts gaan al mis lang voordat er een model aan te pas komt, omdat een groot deel van wat er echt gebeurde niet in het CRM staat. In een Salesforce-onderzoek uit 2024 onder 5.500 salesprofessionals gaven reps aan dat administratie, meetings voorbereiden en ander werk naast het verkopen 70% van hun tijd opslokken. Elke call en e-mail uittypen is precies het werk dat als eerste blijft liggen.

Revenue intelligence koppelt met e-mail, agenda en de dialer, en hangt elke activiteit direct aan het juiste contact en de juiste deal. Als dat goed gaat, is de activiteitentijdlijn van een deal geen reconstructie uit het geheugen meer.

Waar teams over struikelen, is matching. Staat één contact op twee open deals, of mailt een koper vanaf een privéadres, dan kan de activiteit op het verkeerde record belanden of nergens. Wij stellen die matchingregels in voordat we iets anders aanzetten, en we combineren de vastlegging met doorlopende CRM-hygiëne (regels voor duplicaten, eigenaarsvelden, een verplichte reden bij het sluiten). Automatisch loggen in een rommelige database levert anders alleen een gedetailleerdere puinhoop op.

Het scoort elke deal tegen de deals die je al hebt gewonnen en verloren

Deal scoring doet het zware werk. Het model kijkt naar zaken als hoeveel stakeholders betrokken zijn, hoe recent de koper reageerde, hoe lang de deal al in zijn fase staat en hoe hij zich verhoudt tot eerdere winnaars. Daarna geeft het elke open deal een kans die meebeweegt als die signalen veranderen.

Omdat de vergelijking met je eigen geschiedenis is, telt de hoeveelheid geschiedenis. De implementatiegids van Salesforce voor Einstein Opportunity Scoring vraagt om minimaal 200 closed-won en 200 closed-lost opportunities uit de afgelopen 24 maanden, die elk minstens twee dagen open hebben gestaan. De deal scores van HubSpot gebruiken deal-properties plus activiteit van rep en koper, en HubSpot zegt duidelijk dat de scores alleen ter informatie zijn en niet de enige factor in een zakelijke beslissing mogen zijn.

Wij vinden dat je de score van elke vendor zo moet lezen. Het is een goed onderbouwde aanleiding om beter te kijken, en hij wordt beter naarmate je gesloten geschiedenis groeit.

Het maakt van dealscores een forecast

De forecast is de som van de dealscores voor de periode. Een handmatige roll-up telt op wat reps in commit hebben gezet. Een forecast op basis van een model schat het getal deal voor deal in, aan de hand van hoe vergelijkbare deals zich eerder gedroegen.

De nuttige output is het verschil tussen die twee. Komen de commit van een rep en de schatting van het model overeen, dan hoeft niemand over die deal te praten. Liggen ze ver uit elkaar, dan is dat het gesprek dat de moeite waard is. Zo komen vaak de deals boven die anders zonder waarschuwing voorbij hun closedatum zouden schuiven.

Het luistert mee met calls

Conversation intelligence neemt salescalls op, schrijft ze uit en haalt er bezwaren, genoemde concurrenten, prijsvragen en volgende stappen uit. Tools als Gong zijn hier begonnen. Binnen een revenue intelligence-opzet worden die callsignalen een extra input voor de dealscore. Een deal die in het CRM druk oogt, maar in de laatste twee calls een onopgelost prijsbezwaar heeft, krijgt dan een lagere score.

Het handelt op wat het vindt

Jarenlang stopten deze tools bij een waarschuwing op een dashboard en rekenden ze op een drukke manager om er iets mee te doen. Veel van die waarschuwingen liepen dood. De nieuwere platforms maken die cirkel rond. Koelt een deal af, dan kan het platform een follow-up-taak voor de eigenaar aanmaken, het record bijwerken of een alert doorsturen. Zo wordt het een stuk workflow orchestration in plaats van nog een scherm om te checken.

De markt is meebewogen. In december 2025 publiceerde Gartner zijn eerste Magic Quadrant for Revenue Action Orchestration, dat vendors beoordeelt op autonome begeleiding, het bundelen van omzetsignalen en het opschalen van uitvoering. Clari, Gong, Salesforce, HubSpot, Outreach en Salesloft zitten bij de twaalf vendors die erin staan.

Ons advies: begin met geautomatiseerde acties aan de binnenkant (taken, alerts, veldupdates) en houd alles wat een koper bereikt in handen van een mens, totdat je de triggers vertrouwt. Dezelfde engagementdata kan ook accounts signaleren die opwarmen voordat iemand een formulier invult. Daar voedt revenue intelligence signal-based selling.

Een pipelinereview op maandag met revenue intelligence aan

Stel je een manager voor met elf open deals in het kwartaal en een review van 45 minuten. Zonder scores gaat de meeting naar de deals die reps zelf aankaarten, meestal de luidste. Met scores springen er drie uit.

Nordwind GmbH (€120.000) scoort 82%. Vier stakeholders zijn betrokken, de koper reageerde gisteren en de deal lijkt in deze fase op eerdere winnaars. Hij krijgt dertig seconden.

Acme Corp (€85.000) scoort 34%, en de rep heeft hem in commit staan. Het enige actieve contact is de oorspronkelijke champion, verder heeft niemand in drie weken een e-mail geopend, en de laatste call eindigde zonder vervolgafspraak. Hier gaat de tijd naartoe. De vragen zijn praktisch: wie moet er nog meer ja zeggen, kan de champion de rep deze week bij die mensen aan tafel krijgen, en moet de deal uit commit tot dat gebeurt? Een single-threaded deal van deze omvang is het schoolvoorbeeld voor multi-threading.

Helios AG (€60.000) scoort 61% en stijgt. Vorige week sloot er een nieuwe stakeholder aan en er staat een prijsgesprek gepland. De vraag is wat ervoor nodig is om de closedatum naar voren te halen, want een deal met momentum wil je versnellen zolang de interesse er is.

Twee dingen aan deze meeting zijn belangrijker dan de cijfers. De score opende elk gesprek zonder het te beslissen, want de rep weet misschien iets wat het model niet ziet, zoals een mondelinge ja in een call vanaf iemands mobiel. En de manager besteedde de review aan de deals waar een beslissing de uitkomst nog kon veranderen. Zo tilt revenue intelligence uiteindelijk je win rate op en beschermt het je pipeline velocity, in plaats van er alleen over te rapporteren.

Voordat je een revenue intelligence-tool koopt

Het meeste van wat bepaalt of dit werkt, gebeurt voor het contract. Dit zijn de checks die wij als eerste zouden doen.

1. Fases met exitcriteria. Betekent "Proposal" voor de ene rep een verstuurde offerte en voor de andere een veelbelovende call, dan leert het model ruis. Elke fase heeft een geschreven toets nodig om erin en eruit te gaan, en die hoort in je sales playbook.

2. E-mail en agenda die al synchroniseren. Koppel ze aan het CRM en controleer een paar weken of activiteit op de juiste deals landt, voordat er een score live gaat.

3. Genoeg gesloten geschiedenis. Gebruik de 200 gewonnen en 200 verloren deals in twee jaar van Salesforce als ruwe maatstaf. Zit je daaronder, dan heeft een model weinig eigen geschiedenis om van te leren.

4. Closedatums die iets betekenen. Een closedatum die elke maand naar het einde van de maand schuift, vertelt het model niets. Vraag om een reden als hij verschuift.

5. Verplichte verliesredenen. Een deal die zonder reden als closed-lost wordt afgesloten, leert het model, en jou, niets over het waarom.

6. Een eigenaar. Iemand in revenue operations moet eigenaar zijn van de definities, elk kwartaal de scores naast de uitkomsten leggen en beslissen wanneer een regel verandert.

Zit je ruim onder die drempel, begin dan met wat je CRM al in huis heeft. De deal scores van HubSpot en de opportunity scoring van Salesforce, een rapport over hoe lang deals in een fase staan en een wekelijkse lijst met deals zonder activiteit in veertien dagen dekken het meeste van wat een kleiner team nodig heeft. Ze bouwen ook de schone geschiedenis op die een dedicated platform later wil hebben.

Als de forecast precies oogt en toch niet klopt

De duurste fout is revenue intelligence zien als oplossing voor een kapot proces. Is de pipelinediscipline zwak, dan levert de tool nog steeds scores tot op het procentpunt, en die cijfers zijn erger dan geen cijfer, omdat ze gezaghebbend ogen. Een boardpresentatie met een forecast die op een model leunt, krijgt minder kritische vragen dan het onderbuikgevoel van een manager, ook als hij op slechtere data is gebouwd.

De tweede is het platform kopen en de oude gewoontes houden. Draait de forecastcall nog steeds op wat reps zeggen, met de scores open in een ander tabblad, dan betaalt de licentie voor een dashboard. Een simpele manier om de verandering af te dwingen: noteer een kwartaal lang de inschatting van de rep en die van het model naast elkaar, en vergelijk ze daarna allebei met wat er echt sloot. De uitkomst beslecht een hoop discussies.

De derde is een automatische piloot verwachten. Het model is goed in patronen zien over honderden deals en slecht in weten dat de CFO van een koper net is opgestapt. Een mens beslist nog steeds hoe je met een specifieke koper omgaat, en de teams die er waarde uit halen, gebruiken het platform als een scherpe adviseur.

Kort gezegd

Revenue intelligence verandert waar een forecast op gebouwd wordt. Activiteit die vroeger in inboxen en agenda's bleef hangen, komt op de deal terecht, eerdere uitkomsten worden de maatstaf voor open deals, en de aandacht van de manager gaat naar de paar deals waar die nog iets kan veranderen.

Niets daarvan overleeft slechte input. Fasedefinities, het vastleggen van activiteit, eerlijke closedatums en verplichte verliesredenen zijn waar het model van leert. Dat zijn gewoontes die een team zelf opbouwt, want geen enkele tool levert ze mee. Zet je die goed neer, dan worden de scores elk kwartaal beter, en daarmee alles wat erop gepland wordt, van werving tot capaciteit in je hele revenue engine.

Een helder beeld van de pipeline loont ook in het bredere GTM-systeem eromheen, omdat je eindelijk ziet welke deals echt omzet worden, ook de deals die ontstaan als je sales prospecting automatiseert.

Wil je hulp om daar te komen? Nebor zet de vastlegging, faseregels en deal scoring op in het CRM waar je al voor betaalt, voegt alleen een dedicated platform toe waar de geschiedenis dat rechtvaardigt, en draagt alles over met elke regel op papier.

Veelgestelde vragen