SaaS-yrityksen kaupallinen johtaja kertoo työnkuluista, jotka tehostavat SDR-edustajien työtä – mutta eivät korvaa heitä

Mukul Kaushik on SaaS-yritys Trackierin CRO, ja hän johtaa myös heidän tuotteidensa Apptroven ja Affnookin liikevaihtoa.

Tapasimme Mukulin saadaksemme tietää, miten hän tehostaa SDR-tiimiään tekoälyn avulla. Näin hän kertoi meille.

Laajentuminen uusille markkinoille

Hei kaikille, olen Mukul Kaushik. Olen Trackierin CRO, ja johdan tuotteidemme Apptroven ja Affnookin liikevaihtoa.

Toimimme suorituskykymarkkinoinnin, mobiilimittauksen ja kumppaniteknologian parissa ja palvelemme mainostajia, mainosverkostoja, toimistoja, peliyrityksiä ja sovellusmarkkinoijia maailmanlaajuisesti. Olemme tällä hetkellä vahvassa kasvu- ja laajentumisvaiheessa, ja keskitymme voimakkaasti kansainväliseen skaalautumiseen Intian, Kaakkois-Aasian, MENA-alueen, Euroopan ja Amerikan kaltaisilla alueilla. Liiketoimintamallimme perustuu pääasiassa SaaS-palveluihin, ja asiakkaan koosta ja käytöstä riippuen käytössä ovat tilaus- ja yrityssopimukset.

Liikevaihto-organisaatioon kuuluvat myynti, kumppanuudet, asiakasmenestys ja strategiset kasvuhankkeet. Hyödynnämme saapuvien yhteydenottojen, ulospäin suuntautuvan myynnin, kumppaneiden ja tapahtumien ohjaamien GTM-strategioiden yhdistelmää, erityisesti koska toimialamme perustuu vahvasti suhteisiin ja ekosysteemeihin.

Nykyinen painopisteemme on yhdistää perinteinen yritysmyynti tekoälypohjaisiin työnkulkuihin SDR-toiminnoissa, raportoinnissa, ennustamisessa ja asiakasymmärryksessä. Samalla ylläpidämme konsultatiivista ja suhteisiin perustuvaa lähestymistapaa kasvuun.

Paremmat järjestelmät ja nopeammat oivallukset

Oma urani on keskittynyt suorituskykymarkkinoinnin ja mobiiliattribuution pariin — olen työskennellyt mainostajien, kumppaneiden, peliyritysten ja sovellusmarkkinoijien kanssa eri markkinoilla. Aloitin varsinaisen myynnin ja kumppanuuksien parissa. Ajan myötä siirryin rakentamaan liikevaihtotiimejä, laajentamaan maailmanlaajuisia suhteita ja muokkaamaan tuotteita asiakkaiden tarpeiden perusteella.

Vielä muutama vuosi sitten liikevaihdosta vastaavat johtajat perustivat useimmat päätöksensä kokemukseen, vaistoon ja huomattavaan määrään manuaalista työtä. Nyt tekoäly muuttaa työskentelytapojamme lähes päivittäin — prospektoinnista ja personoinnista analytiikkaan, ennustamiseen ja asiakasviestintään.

Suurin oivallukseni tämän tekoälyaallon aikana oli se, kuinka paljon nopeammin pienet ja keskittyneet tiimit voivat edetä, kun ne hyödyntävät tekoälyä tehokkaasti. Kyse ei enää ole vain suuremmasta myyntitiimistä, vaan paremmista järjestelmistä, nopeammista oivalluksista ja nopeasta toiminnasta.

Uskon kuitenkin edelleen, että liikevaihdon johtaminen perustuu viime kädessä ihmisiin. Suhteilla, luottamuksella, asiakkaan kipupisteiden ymmärtämisellä ja pitkäaikaisilla kumppanuuksilla on edelleen suurin merkitys. Tekoäly voi tehdä meistä tehokkaampia, mutta inhimillinen elementti rakentaa kestävää liiketoimintaa.

Miten tekoäly vaikuttaa ulospäin suuntautuvaan myyntiin ja liikevaihdon operaatioihin

Otimme tekoälyn käyttöön ulospäin suuntautuvan myynnin ja liikevaihdon operaatioiden työnkuluissa viime vuonna. Aiemmin suuri osa prosessistamme oli manuaalista — SDR:t käyttivät huomattavasti aikaa tilien tutkimiseen, yhteydenottojen laatimiseen ja Salesforcen päivittämiseen. He valmistelivat myös raportteja, ja johdon katsaukset perustuivat vahvasti manuaalisesti koottuihin tietoihin.

Kun tekoäly integroitiin liikevaihtoprosessin useille tasoille, se alkoi auttaa SDR:iä priorisoimaan tilejä, tunnistamaan ostoaikeista kertovia signaaleja, personoimaan yhteydenottoja ja automatisoimaan osan seurantaviestinnästä. Samanaikaisesti automatisoimme suuren osan Salesforcen raportoinnista, mikä tarjosi selkeämmän ja reaaliaikaisen näkymän kauppojen etenemiseen ja tiimin toimintaan.

Tässä on tekoälypohjainen liikevaihdon työnkulkumme:

1. Tekoäly tunnistaa ja priorisoi korkean ostoaikeen tilit sitoutumissignaalien ja ihanneasiakasprofiilin vastaavuuden perusteella.
2. Se auttaa SDR:iä personoimaan yhteydenottoja ja automatisoimaan seurantaviestit.
3. Kun liidit siirtyvät myyntiputkeen, Salesforcen tekoäly automatisoi raportoinnin ja seuraa kauppojen aktiivisuutta reaaliajassa.
4. Saamme ennakoivia ilmoituksia, kun kauppa hidastuu, sitoutuminen vähenee tai tili osoittaa vahvempaa ostoaikomusta.

Tässä ovat käyttämämme työkalut:

• Salesforce AI ennustamista varten
• 11x.ai yhteydenottoja varten
• Sales Navigator tilien indikaattoreita varten
• Apollo tietojen rikastamista varten

Ennakoivilla laukaisimilla ja ennustamisella on ollut suurin vaikutus. Sen sijaan, että odottaisimme vuosineljänneksen loppuun huomataksemmekaupan hidastuneen, saamme nyt varhaisia signaaleja, kun sitoutuminen vähenee, vastausmallit muuttuvat tai kaupassa alkaa näkyä riskin merkkejä. Vastaavasti tekoäly auttaa tunnistamaan tilit, jotka muuttuvat todennäköisemmin asiakkaiksi aiemman käyttäytymisen ja aktiivisuusmallien perusteella.

Tämän seurauksena tiimistä tuli paljon ennakoivampi reaktiivisuuden sijaan. Esihenkilöt käyttävät vähemmän aikaa päivitysten peräämiseen ja enemmän aikaa tiimien valmentamiseen sekä kauppojen edistämiseen. Ennustamiseen liittyvät keskustelut perustuvat nyt enemmän dataan eivätkä pelkästään vaistoon.

Mitä tekoäly ei pysty jäljittelemään tulotoiminnoissa

Mukulin ajatuksia

Asiakas saattaa ostaa tuotteen ominaisuuksien vuoksi, mutta pitkäaikaiset kumppanuudet rakennetaan yleensä uskottavuuden, liiketoimintaympäristön ymmärtämisen ja inhimillisen yhteyden kautta — asioiden, joita tekoäly ei pysty täysin jäljittelemään.

Nykyään hyödynnämme tekoälyä vahvasti alueilla, joihin liittyy kaavojen tunnistamista, nopeutta ja laajamittaista data-analyysiä, mutta pidämme edelleen keskeiset strategiset päätökset ihmisten johdettavina.

Yritysneuvottelut, avainasiakkaiden hinnoittelustrategia, pitkäaikaiset kumppanuudet, rekrytointipäätökset, markkina-asemointi ja suhteiden hallinta perustuvat edelleen vahvasti ihmisten harkintaan ja kokemukseen.

Erityisesti meidän alallamme luottamuksella ja suhteilla on suuri merkitys. Asiakas saattaa ostaa tuotteen ominaisuuksien vuoksi, mutta pitkäaikaiset kumppanuudet rakennetaan yleensä uskottavuuden, liiketoimintaympäristön ymmärtämisen ja inhimillisen yhteyden kautta — asioiden, joita tekoäly ei pysty täysin jäljittelemään.

Miksi autonomiset SDR:t eivät ole vielä mahdollisia

Yksi asia, jota tekoäly ei vielä pysty hoitamaan, on täysin autonominen ulospäin suuntautuva myynti ja suhteiden hallinta.

Aluksi innostuimme ajatuksesta, että tekoälyä hyödyntävät SDR:t hoitaisivat itsenäisesti suuren osan prospektoinnista ja yhteydenotoista. Tekoäly paransi tehokkuutta, personointia ja tilien priorisointia. Yritys- ja kumppanuusvetoisessa myynnissä, erityisesti suorituskykymarkkinoinnin ja pelaamisen kaltaisilla toimialoilla, suhteet kuitenkin edelleen edistävät konversioita paljon enemmän kuin pelkkä automaatio.

Tekoäly voi esimerkiksi tuottaa erittäin optimoituja yhteydenottoja, mutta sillä on edelleen vaikeuksia ymmärtää asiakkaan syvempää liiketoimintaympäristöä, ajoituksen merkitystä ja asiakkaan sisäistä päätöksentekoa tai rakentaa aitoa luottamusta pitkien myyntisyklien aikana. Monissa tapauksissa tekoälyn tuottama viestintä kuulosti myös liian samanlaiselta tai liian viimeistellyltä, mikä vähensi aitoutta.

Miksi prosessikuri on olennaista tekoälyä käytettäessä

Olemme nähneet sekä merkittäviä hyötyjä että joitakin oppimiskäyriä, kun olemme viime vuoden aikana integroineet tekoälyä tulotyönkulkuumme.

Myönteisellä puolella operatiivinen tehokkuus ja näkyvyys ovat olleet suurimmat parannukset. Tekoälyavusteiset SDR-työnkulut auttoivat tiimiä vähentämään toistuvaan tutkimustyöhön, ulospäin suuntautuvien yhteydenottojen personointiin ja seurantayhteydenottoihin käytettyä aikaa, mikä paransi yhteydenottojen kokonaisnopeutta ja vastausten käsittelyä. Myyntitiimi käyttää nyt enemmän aikaa todellisiin asiakaskeskusteluihin hallinnollisen työn sijaan.

Huomasimme myös ennusteiden tarkkuuden ja myyntiputken hallinnan selkeän paranemisen, kun automatisoimme raportoinnin ja otimme käyttöön ennakoivia signaaleja Salesforcessa. Aiemmin myyntiputken tarkastelut olivat manuaalisia ja reaktiivisia. Nyt johto saa paljon aikaisemmin näkyvyyttä kauppojen riskeihin, pysähtyneisiin mahdollisuuksiin, sitoutumisen vähenemiseen ja korkean ostoaikeen tileihin. Tämä on nopeuttanut päätöksentekoa ja tehnyt ennustamiseen liittyvistä keskusteluista paljon enemmän dataan perustuvia.

Laadullisesti esihenkilöt keskittyvät nyt enemmän valmentamiseen ja strategiaan sen sijaan, että he käyttäisivät aikaa CRM-tietojen laadun ylläpitämiseen ja manuaalisiin päivityksiin. Koko organisaatiosta on tullut ennakoivampi reaktiivisuuden sijaan.

Samalla kohtasimme haasteita. Huomasimme varhain, että tekoäly on vain niin hyvä kuin sen taustalla olevan datan ja prosessien laatu. Alussa epäjohdonmukaiset CRM-päivitykset ja hajallaan oleva data loivat toisinaan harhaanjohtavia signaaleja tai kohinaisia ennusteita. Ymmärsimme, että jos CRM-päivitykset ovat epäjohdonmukaisia, tiimit eivät ylläpidä vaiheita asianmukaisesti tai aktiivisuuden seuranta on puutteellista, tekoäly vain voimistaa näitä ongelmia sen sijaan, että korjaisi ne. Meidän oli parannettava prosessikuria, ennen kuin tekoälyn tuotoksista tuli todella luotettavia.

Havaitsimme myös, että tekoälytyökalut luovat joskus illuusion tuottavuudesta – enemmän yhteydenottoja, enemmän raportteja, enemmän automaatiota – ilman, että todelliset liikevaihtotulokset välttämättä paranevat samassa suhteessa. Siksi aloimme mitata paljon tarkoituksellisemmin todellista liiketoimintavaikutusta pelkkien automaatiomittareiden sijaan.

Havaitsimme lopulta myös, että liiallinen automaatio voi joskus saada yhteydenotot tuntumaan robottimaisilta.

Miksi tekoälyn käyttöönotto edellyttää muutosjohtamista

Aliarvioin myös tarvittavan sisäisen muutosjohtamisen määrän. Tiimit näkivät tekoälyn aluksi joko uhkana tai asiana, joka ratkaisisi kaiken taianomaisesti ja automaattisesti. Todellisuudessa käyttöönotto onnistui vasta, kun ihmiset ymmärsivät, että tekoäly tukee parempaa toteutusta eikä korvaa ihmisten harkintakykyä.

Jos olisin tiennyt tämän aiemmin, olisimme käyttäneet ensin enemmän aikaa CRM-järjestelmän tietojen laadun parantamiseen, työnkulkujen selkeään määrittelyyn ja tiimien kouluttamiseen siihen, miten tekoälyn kanssa työskennellään. Näin olisimme välttäneet paljon epäselvää raportointia, epärealistisia odotuksia ja varhaista hämmennystä tekoälyn todellisista vaikutuksista.

Miksi liikevaihdosta vastaavat tiimit muuttuvat

Olen oppinut, että liikevaihdon kasvattaminen ei enää edellytä henkilöstömäärän kasvattamista.

Nykyään pienempi, tekoälyn tukema tiimi pystyy usein toimimaan nopeammin ja paremmalla näkyvyydellä kuin huomattavasti suurempi perinteinen myyntiorganisaatio. Tekoäly voi hoitaa suuren osan tutkimuksesta, priorisoinnista, raportoinnista, ennustamisesta ja työnkulkujen automatisoinnista mittakaavassa, joka oli aiemmin mahdoton.

Miksi CRO-johtajien on pidettävä tiimit inhimillisinä

CRO-johtajat, jotka katsovat tätä hetkeä myöhemmin ylpeinä taaksepäin, eivät ole niitä, jotka etenivät nopeimmin. He ovat niitä, jotka pitivät tiiminsä inhimillisinä, suhtautuivat harkiten siihen, missä tekoälyä käytetään, eivätkä sekoittaneet aktiivisuutta edistymiseen.

Olet navigoinut häiriötilanteissa ennenkin. Tämä häiriötilanne sisältää enemmän työkaluja, mutta tehtävä on sama: rakenna luottamusta, ratkaise todellisia ongelmia ja päätä kaupat.

Seuraa jatkoa

Voit seurata Mukul Kaushikin työtä LinkedInissä ja Instagramissa.

Lisää asiantuntijahaastatteluja tulossa The CRO Clubissa!