SaaS-chefen for omsætning deler arbejdsgangene, der styrker salgsudviklingsrepræsentanter — men ikke erstatter dem

Mukul Kaushik er CRO hos en SaaS-virksomhed kaldet Trackier, og han leder også omsætningen for deres produkter, Apptrove og Affnook.

Vi satte os ned med Mukul for at høre, hvordan han understøtter sine SDR'er med AI. Her er, hvad han fortalte os.

Udvidelse til nye markeder

Hej alle. Jeg hedder Mukul Kaushik. Jeg er CRO hos Trackier, og jeg leder omsætningen for vores produkter, Apptrove og Affnook.

Vi arbejder med præstationsbaseret markedsføring, mobilmåling og partnermarketingteknologi og betjener annoncører, annoncenetværk, bureauer, spilvirksomheder og app-marketingfolk globalt. Vi befinder os i øjeblikket i en stærk vækst- og ekspansionsfase med stort fokus på international skalering på tværs af regioner som Indien, Sydøstasien, MENA, Europa og Amerika. Vores omsætningsmodel er primært SaaS-baseret med abonnements- og virksomhedskontrakter afhængigt af kundernes størrelse og anvendelse.

Omsætningsorganisationen dækker salg, partnerskaber, kundesucces og strategiske vækstinitiativer. Vi arbejder med en blanding af indgående, udgående, partnerdrevne og eventbaserede GTM-strategier, især fordi vores branche i høj grad er afhængig af relationer og økosystemer.

Vores nuværende fokus er at kombinere traditionelt virksomhedssalg med AI-drevne arbejdsgange til SDR-funktioner, rapportering, prognoser og kundeindsigt. Samtidig fastholder vi en rådgivende, relationsfokuseret tilgang til vækst.

Bedre systemer og hurtigere indsigt

Min rejse har fokuseret på området for præstationsbaseret markedsføring og mobilattribuering — hvor jeg har arbejdet med annoncører, partnere, spilvirksomheder og app-marketingfolk på tværs af forskellige markeder. Jeg begyndte inden for kerneområderne salg og partnerskaber. Med tiden gik jeg over til at opbygge omsætningsteams, skalere globale relationer og forme produkter baseret på kundernes behov.

For nogle år siden baserede omsætningsledere de fleste beslutninger på erfaring, mavefornemmelse og en betydelig manuel indsats. Nu ændrer AI den måde, vi arbejder på, næsten hver dag — fra prospektering og personalisering til analyse, prognoser og kundekommunikation.

Min største erkendelse under denne AI-bølge var, hvor meget hurtigere små, fokuserede teams kan bevæge sig, når de bruger AI effektivt. Det handler ikke længere kun om at have et større salgsteam; det handler om at have bedre systemer, hurtigere indsigt og handle hurtigt.

Jeg mener dog stadig, at ledelse af omsætningen i sidste ende handler om mennesker. Relationer, tillid, forståelse af kundernes udfordringer og langsigtede partnerskaber betyder stadig mest. AI kan gøre os mere effektive, men det menneskelige element skaber varige virksomheder.

Sådan påvirker AI udgående salg og omsætningsdrift

Vi introducerede AI i vores arbejdsgange for udgående salg og omsætningsdrift sidste år. Tidligere var en stor del af vores proces manuel — SDR'er brugte betydelig tid på at undersøge konti, udarbejde henvendelser og opdatere Salesforce. De udarbejdede også rapporter, og ledelsens gennemgange var i høj grad baseret på manuelt sammenstillede data.

Efter at have integreret AI på flere niveauer i omsætningsprocessen hjælper den nu SDR'er med at prioritere konti, identificere interessesignaler, personalisere henvendelser og automatisere dele af opfølgningen. Samtidig automatiserede vi en stor del af rapporteringen i Salesforce, hvilket gav et renere indblik i realtid i handlenes udvikling og teamets aktivitet.

Her er vores AI-drevne arbejdsgang for omsætning:

1. AI identificerer og prioriterer konti med høj købsintention baseret på engagements-signaler og match med ICP.
2. Den hjælper derefter SDR'er med at personalisere henvendelser og automatisere opfølgninger.
3. Når kundeemner kommer ind i salgspipelinen, automatiserer Salesforce AI rapporteringen og sporer aktivitet i forbindelse med handler i realtid.
4. Vi modtager forudsigende signaler, når en handel mister fremdrift, engagementet falder, eller en konto viser stærkere købsintention.

Her er de værktøjer, vi bruger:

• Salesforce AI til prognoser
• 11x.ai til opsøgende salg
• Sales Navigator til kontosignaler
• Apollo til databerigelse

Prædiktive signaler og prognoser har haft den største effekt. I stedet for at vente til kvartalets slutning med at opdage, at en aftale var ved at miste momentum, får vi nu tidlige signaler, når engagementet falder, svarmønstre ændrer sig, eller en aftale begynder at vise risikofaktorer. På samme måde hjælper AI med at identificere konti, der har større sandsynlighed for at konvertere, baseret på historisk adfærd og aktivitetsmønstre.

Som følge heraf blev teamet langt mere proaktivt i stedet for reaktivt. Lederne bruger mindre tid på at følge op på status og mere tid på at coache teams og hjælpe med at føre aftaler fremad. Prognosesamtaler er nu mere datadrevne i stedet for udelukkende baseret på intuition.

Hvad AI ikke kan efterligne inden for omsætningsdrift

Mukuls tanker

En kunde køber måske på grund af produktets funktioner, men vi opbygger som regel langsigtede partnerskaber gennem troværdighed, forståelse for forretningskonteksten og menneskelig forbindelse — noget, AI ikke fuldt ud kan efterligne.

I dag er vi stærkt afhængige af AI på områder, der involverer mønstergenkendelse, hastighed og analyse af store datamængder, men vi lader stadig kritiske strategiske beslutninger blive truffet af mennesker.

Områder som virksomhedsforhandlinger, prisstrategi for nøglekonti, langsigtede partnerskaber, beslutninger om ansættelser, markedspositionering og relationsstyring er stadig i høj grad afhængige af menneskelig dømmekraft og erfaring.

Især i vores branche betyder tillid og relationer meget. En kunde køber måske på grund af produktets funktioner, men vi opbygger som regel langsigtede partnerskaber gennem troværdighed, forståelse for forretningskonteksten og menneskelig forbindelse — noget, AI ikke fuldt ud kan efterligne.

Hvorfor autonome SDR'er endnu ikke er mulige

En anden ting, som AI endnu ikke kan håndtere, er fuldt autonomt opsøgende salg og relationsstyring.

I begyndelsen var vi begejstrede for tanken om, at AI SDR'er selvstændigt kunne håndtere store dele af prospektering og opsøgende kontakt. AI forbedrede effektiviteten, personaliseringen og prioriteringen af konti. Men inden for virksomheds- og partnerskabsdrevet salg, især i brancher som performance marketing og gaming, driver relationer stadig konverteringer i langt højere grad end automatisering alene.

AI kan for eksempel generere meget optimeret opsøgende kommunikation, men har stadig svært ved at forstå den dybere forretningskontekst, tidsmæssige følsomhed og interne politik hos kunden eller opbygge ægte tillid gennem lange salgsforløb. I mange tilfælde lød AI-genereret kommunikation også for ensartet eller overdrevent poleret, hvilket reducerede autenticiteten.

Hvorfor procesdisciplin er afgørende ved brug af AI

Vi har oplevet både betydelige fordele og nogle få indlæringskurver, efterhånden som vi har integreret AI i vores arbejdsgange for omsætning i løbet af det seneste år.

På den positive side har operationel effektivitet og synlighed været de største forbedringer. AI-understøttede SDR-arbejdsgange hjalp teamet med at reducere den tid, der blev brugt på gentagen research, personalisering af opsøgende kommunikation og opfølgninger, hvilket forbedrede den samlede hastighed i den opsøgende indsats og håndteringen af svar. Salgsteamet bruger nu mere tid på faktiske kundesamtaler i stedet for administrativt arbejde.

Vi så også mærkbare forbedringer i prognosernes nøjagtighed og pipeline-styringen, efter at vi automatiserede rapporteringen og introducerede prædiktive signaler i Salesforce. Tidligere var pipelinegennemgange manuelle og reaktive. Nu får ledelsen langt tidligere indsigt i aftalerisici, stagnerede muligheder, faldende engagement og konti med høj købsintention. Det har forbedret beslutningshastigheden og gjort prognosesamtaler langt mere datadrevne.

Kvalitativt fokuserer lederne nu mere på coaching og strategi i stedet for at følge op på CRM-datakvalitet og manuelle opdateringer. Organisationen som helhed er blevet mere proaktiv i stedet for reaktiv.

Samtidig stod vi over for udfordringer. Vi indså tidligt, at AI kun er så god som kvaliteten af de data og processer, der ligger bag. I begyndelsen skabte inkonsekvente CRM-opdateringer og fragmenterede data nogle gange misvisende signaler eller støjende prognoser. Vi indså, at hvis CRM-opdateringerne er inkonsekvente, teams ikke vedligeholder faserne korrekt, eller aktivitetsregistreringen er ufuldstændig, forstærker AI ganske enkelt disse problemer i stedet for at løse dem. Vi var nødt til at forbedre procesdisciplinen, før AI-output blev virkelig pålidelige.

Vi fandt også ud af, at AI-værktøjer nogle gange skaber en illusion af produktivitet — mere opsøgende salg, flere rapporter, mere automatisering — uden nødvendigvis at forbedre de faktiske omsætningsresultater tilsvarende. Derfor blev vi langt mere bevidste om at måle den reelle forretningsmæssige effekt i stedet for blot automatiseringsmålinger.

Og endelig fandt vi ud af, at overdreven automatisering nogle gange kan få opsøgende salg til at føles robotagtigt.

Hvorfor implementering af AI kræver forandringsledelse

Jeg undervurderede også mængden af intern forandringsledelse, der var nødvendig. I begyndelsen så teams enten AI som en trussel eller som noget, der på magisk vis automatisk ville løse alt. I virkeligheden lykkedes implementeringen først, da folk forstod, at AI understøtter bedre udførelse i stedet for at erstatte menneskelig dømmekraft.

Hvis jeg havde vidst det tidligere, ville vi først have brugt mere tid på at forbedre datakvaliteten i CRM-systemet, definere arbejdsgange tydeligt og træne teams i, hvordan de arbejder sammen med AI. Det ville have forebygget en masse støjende rapportering, urealistiske forventninger og tidlig forvirring om AI's faktiske indvirkning.

Hvorfor omsætningsteams er under forandring

Det, jeg har lært, er, at skalering af omsætningen ikke længere kræver en tilsvarende udvidelse af medarbejderstaben.

I dag kan et mindre, AI-understøttet team ofte arbejde hurtigere og med bedre overblik end en langt større traditionel salgsorganisation. AI kan håndtere en stor del af research, prioritering, rapportering, prognoser og automatisering af arbejdsgange i et omfang, der tidligere var umuligt.

Hvorfor CRO'er skal bevare det menneskelige i teams

De CRO'er, der vil se tilbage på dette øjeblik med stolthed, er ikke dem, der bevægede sig hurtigst. Det er dem, der bevarede det menneskelige i deres teams, var bevidste om, hvor AI hørte hjemme, og ikke forvekslede aktivitet med fremdrift.

Du har navigeret gennem forstyrrelser før. Denne forstyrrelse involverer flere værktøjer, men opgaven er den samme: opbyg tillid, løs reelle problemer, og luk salget.

Følg med

Du kan følge Mukul Kaushiks arbejde på LinkedIn og Instagram.

Der kommer flere ekspertinterviews på The CRO Club!