Rådgiver innen inntektsvekst og tidligere kommersiell direktør sier at samarbeid med KI slår ren automatisering i salgsprosesser

Dave Govan har en historikk med å drive inntekter i organisasjoner som Oracle, VeriSign, Hitachi og Dell RSA. Han er grunnleggeren av G2 Strategic Advisory Services, der han rådgir teknologidirektører, investorer og inntektsteam om markedsstrategi.

Vi satte oss ned med Dave for å lære hvordan samarbeid mellom mennesker og AI, der mennesket er involvert i prosessen, gir større fordeler for salgsprosesser enn ren automatisering. Her er det han sa.

Snuprosesser og gjennombrudd

Daves tanker

Veien min frem til dette AI-øyeblikket er ikke ny … Selskapene som vinner det neste tiåret, vil ikke være de som har tilgang til AI. Alle har tilgang. Det vil være de hvis ledere og team endrer hvordan de gjennomfører arbeidet. Det gapet er akkurat der jeg opererer.

Jeg er grunnlegger og seniorpartner i G2 Strategic Advisory Services. Jeg rådgir teknologidirektører, investorer og inntektsteam om markedsstrategi og implementering av AI i inntektsmotoren. Jeg gjør dette som operatør, ikke som konsulent. Gjennom karrieren har jeg drevet inntekter på 2,3 milliarder dollar som CRO og salgsleder, vært medlem av seks toppledergrupper og skalert selskaper på alle stadier, fra oppstartsfasen via børsnotering til eierskap fra oppkjøpsfond.

Jeg rådgir inntektsorganisasjoner, men grunnlaget mitt er ledelse av feltsalg mot bedriftsmarkedet. Tidlig i karrieren ledet jeg regioner med store kunder som feltbasert RVP i Oracle og genererte over 100 millioner dollar. Dette fundamentet innen komplekst salg til store bedrifter har formet hvordan jeg har bygget alle organisasjonene siden.

Da selskapene var på bedrifts- og oppkjøpsfondseid stadium, ledet jeg salgsorganisasjonen i Dell RSA i Amerika, et team på 250 personer bestående av generalister, spesialister, kanalressurser og innenlandsselgere, og økte inntektene fra 400 millioner dollar til 540 millioner dollar. Deretter ble jeg forfremmet til inntektsdirektør i NetWitness, cybersikkerhetsvirksomheten som ble skilt ut og solgt til et oppkjøpsfond. Der ledet jeg en global organisasjon på 500 personer og økte EBITDA med 52 prosent. Vi solgte sikkerhetsprogramvare for bedrifter med tjenester til sikkerhetsoperasjonsteam i store virksomheter og offentlige etater.

Da selskapene var i oppstartsfasen, bygget og ledet jeg inntektsorganisasjonene i Sailthru og Dynamic Yield, selskaper innen markedsføringsteknologi, AI og stordata. Vi solgte SaaS-basert personalisering til digitale markedsførere innen netthandel og medier. Der handlet arbeidet om å gå fra null til skalering: å bygge teamet, arbeidsmetodikken og markedsstrategien fra noen få selgere til en verdensomspennende organisasjon som solgte til markedssjefer og teamene deres.

Veien min frem til dette AI-øyeblikket er ikke ny. For ti år siden arbeidet jeg allerede med AI og markedsføringsteknologi basert på stordata, og skalerte personaliseringsplattformer som Sailthru og Dynamic Yield. Jeg har sett AI gå fra å være en funksjon man solgte, til å bli driftslaget og videre til samarbeid mellom mennesker og AI, der mennesket er involvert i prosessen.

Selskapene som vinner det neste tiåret, vil ikke være de som har tilgang til AI. Alle har tilgang. Det vil være de hvis ledere og team endrer hvordan de gjennomfører arbeidet. Det gapet er akkurat der jeg opererer.

Slik endrer AI målretting av kontoer og håndtering av salgspipeline

Jeg gjorde AI til driftslaget i min egen markedsstrategi, med utgangspunkt i hvordan jeg målretter og følger opp kontoer.

Nå bruker jeg en AI-drevet prosess for målretting og undersøkelser. Jeg bruker AI-basert konto- og intensjonsinnsikt for å identifisere hvilke kontoer som er kjøpsklare og verdt tiden min, og jeg samarbeider med AI gjennom hele salgspipelinen for å undersøke kjøpere, lage markedsstrategiske kart og utarbeide kundemateriell. Jeg beholder mennesket i prosessen når det gjelder vurderinger, posisjonering og alle beslutninger som møter kunden.

Resultatet var bedre utnyttelse av kapasiteten og bedre signaler. Jeg håndterer en større og bedre kvalifisert pipeline enn jeg kunne gjort manuelt, jeg kommer frem til et troverdig syn på en potensiell kunde på en brøkdel av tiden, og jeg produserer arbeid på et detaljnivå som tidligere krevde et helt team. Jeg hjelper også kundene mine med å gjøre det samme skiftet, noe som holder rådene ærlige. Jeg selger ikke en transformasjon jeg ikke selv har gjennomført.

Slik brukes AI i salgsprosessen

Jeg skal gå gjennom salgsprosessen fra en ny kontakt til en signert ordre, og hvordan AI støtter den.

Jeg anbefaler å opprette et Claude Project for hver nye salgsmulighet og hver signerte kunde. Et Claude Project fungerer som et arbeidsområde der du kan samarbeide med Claude.  Du kan dele relevante filer og instruksjoner.  Det husker alle interaksjonene dine, noe som er nyttig for samarbeid.  Din oppgave er å lære det opp og utnytte det, men du eier salgsmuligheten og resultatet.  Stol mer på din egen vurdering enn på svarene, og styr det tilbake når du trenger det.  

Start med undersøkelser før samtalen. Når du har fått en potensiell kunde, kan du bruke AI-applikasjoner som Clearitty.com til å hente kundeinnsikt om selskapet, kjøperen, det sannsynlige presset og gapet mellom deres uttalte behov og sannsynlige behov. Du kan utvide undersøkelsene til også å omfatte frontlinjemodeller som Claude. Å starte med et informert perspektiv og synspunkt er bedre enn en generisk oppdagelsessamtale uten forkunnskaper.

Organiser deretter oppdagelsessamtalen med AI. Utform agendaen og spørsmålene for å gjøre samtalen presis og fortjene retten til å gå mer i dybden. De to spørsmålene som forankrer den, endres aldri: "Hva trenger du å få gjort?" og "Hvordan ser suksess ut for deg?"

Selve oppdagelsessamtalen er menneskelig. Men en AI-notatskriver som Granola.ai kan levere en transkripsjon som du kan gi til AI-prosjektet ditt. På den måten fanger du hele konteksten i det kjøperen sa, og kan bruke denne informasjonen i stedet for å la den bli værende i hukommelsen eller på en notatblokk. Jeg foreslår at du gjør det samme for hvert møte med kunden og fører dette tilbake til Claude-prosjektet. Etter hvert som salgsprosessen fortsetter, kan du be den om å undersøke alle transkripsjonene og gi innsikt eller veiledning. 

Daves tanker

…du er beslutningstakeren og må også stole på magefølelsen din.  Sinnet ditt er bedre egnet til å skape vinnende strategier. AI vil ofte gå glipp av kontekst med mindre du forteller den det.

Når du går inn i tilbuds- og forhandlingsfasene, kan du samarbeide med AI for å utforme posisjonering og rekkefølge, ved å begynne med det de ba om og deretter åpne for den større muligheten når tilliten er etablert. Test ulike scenarioer.  Be den vurdere hvor konkurransedyktig du vil være for denne typen prosjekt, og så videre. Sett den kommersielle strukturen og prissettingen på prøve for å sikre at de tåler grundig vurdering, og bruk AI til å identifisere hvor du kanskje gjør avtalen mer komplisert enn nødvendig eller lar penger ligge igjen på bordet. Du er imidlertid beslutningstakeren og må også stole på magefølelsen din.  Sinnet ditt er bedre egnet til å skape vinnende strategier. AI vil ofte gå glipp av kontekst med mindre du forteller den det.

Deretter bygger AI tilbudet ved hjelp av dine egne maler, på en brøkdel av tiden det tidligere tok å gjøre det manuelt. Du står for vurderingen av omfang og vilkår.

Alle disse trinnene skjer i et AI-arbeidsområde, i stedet for gjennom ulike enkeltstående instruksjoner. Det betyr at arbeidsområdet beholder konteksten og kan trekke bedre slutninger når flere spørsmål eller bekymringer oppstår.

Du gjennomfører salget, oppdagelsen, posisjoneringen og avslutningen. AI gjør deg raskere og skarpere i hvert trinn, fanger opp alt slik at ingenting går tapt, og hjelper deg på veien.

Hvordan presisjon reduserer avsporing i AI

Det oppstår av og til avsporing i AI-arbeidsflytene mine, men vi løser det med enkle omdirigeringer. Jo mer du bruker det, desto sjeldnere skjer det.

For å unngå avsporing må du alltid være presis om hva du gjør og hvorfor. Skriv tydelige instruksjoner som gir hele bildet av salgsscenarioet. Jo mer komplett instruksjonen er, desto mindre frem og tilbake vil du ha.

Hvorfor inntektsprosesser trenger et menneske i sløyfen

Overordnet sett bruker jeg AI til å drive analytisk arbeid og produksjonsarbeid der hurtighet og bredde gir gevinst: målretting og prioritering av kunder, undersøkelser av kjøpere og kunder, kartlegging av markedet, arbeid med ICP og kjøpskomiteer, samt sammenfatning av omfattende innspill til et tydelig synspunkt. AI bør i størst grad brukes til prioritering av salgspipeline, vurdering av avtaler, prognoser og signaler om risiko for kundefrafall, fordi dataene støtter det.

Men selv om AI informerer og fremskynder beslutninger, tar den aldri selve beslutningen.

Mennesker håndterer uttrykkelig vurderinger under tvetydighet og alt som bygger på tillit.

• Behovsavklaringen forblir menneskelig. Å forstå hva en kjøper trenger, og hvordan suksess ser ut for dem, er en samtale, ikke en forespørsel.
• Relasjonen og avslutningen forblir menneskelige, inkludert de mer stillferdige vurderingene, som å avgjøre hva man skal vise eller holde tilbake for en kjøper, og når man skal følge opp eller avvente.
• Prissetting og kommersielle vilkår forblir menneskelige. AI anbefaler ofte priser som jeg vet ikke vil fungere, fordi de i stor skala ikke består testen for å kjøpe kontra å bygge selv eller kjøpe kontra å ansette. Når AI blir minnet på dette, gir den et annet svar.
• Selv med AI-assistert prognostisering ber jeg teamene om å beholde muligheten for menneskelig overstyring av det endelige tallet.

Alt i alt ser jeg dette som en samarbeidsprosess med mennesker i loopen, der mennesker eier kvaliteten og resultatet.

Hvorfor inntektsledere må korrigere de urealistiske forventningene sine

Jeg har ikke opplevd et tilfelle der AI ikke leverte inntektsutslaget jeg forventet. Siden AI er programvare, forventet jeg aldri at den skulle levere inntekter. Jeg forventet økt utnyttelse av ressursene, og det har den levert.

Det eneste stedet virkeligheten imidlertid ikke innfridde forventningene, var når det gjaldt autonomi. Tanken er at du retter AI mot en arbeidsflyt, og at den kjører av seg selv. I praksis er ubemannet output generisk, noen ganger selvsikkert feil, og trenger fortsatt mennesker i loopen. Den gjør oss raskere, ikke fraværende.

Jeg ville ikke kalt det at AI leverer under forventning. Jeg ville kalt det at mennesker må korrigere urealistiske forventninger.

De må forstå at samarbeid mellom mennesker og AI, med mennesker i loopen, er veien å gå. Hvorfor? AI er fantastisk programvare som utmerker seg ved å støtte tenkning, men ikke ved å tenke selv.

Hvorfor MCP-er er avgjørende for programvarevirksomheter

Model Context Protocol (MCP) gjør det mulig for alle programvareselskaper å koble seg til alle ledende modeller/LLM-er gjennom koblinger, slik at de beste egenskapene fra begge verdener kombineres. Det betyr at konkurrentene dine sannsynligvis lar brukerne samhandle med applikasjonene sine via Claude, ChatGPT, Copilot og Gemini.

Hvis tilbudet ditt ikke tar i bruk MCP, risikerer du å gå konkurs.

Slik forbedrer du salgsproduktiviteten

Her er tre endringer du kan gjøre for å forbedre salgsproduktiviteten, konverteringseffektiviteten i salgspipelinen og prognosenøyaktigheten betydelig:

1. Bruk Claude mer samarbeidsorientert.
2. Bruk AI-signaler til å prioritere målkontoer og målkontakter. Jeg jobber med AI-teknologi fra Clearitty.com som utmerker seg på dette. Jeg har redesignet arbeidet øverst i salgstrakten.
3. I større organisasjoner foreslår jeg å bruke Clari.com til å overvåke statusen for salgsmuligheter og kontoer for å få mer nøyaktige prognoser.

Slik kan CRO-er lede vellykkede AI-drevne transformasjoner

Og her er tre råd til CRO-er som integrerer AI i arbeidsflytene sine:

For det første er gapet ikke tilgang, men samarbeid. Alle sier at de bruker AI, men svært få samarbeider effektivt med den. Teamene dine har sannsynligvis allerede verktøyene. Du må bygge arbeidsflyten på nytt rundt disse verktøyene og lære å jobbe effektivt med AI for at noe skal endre seg. Å kjøpe lisenser er ikke en strategi; det er det å endre hvordan arbeidet blir utført.

For det andre, led dette fra operatørrollen – ikke som en teknologilansering. Jobben din er ikke å få folk til å bli begeistret for AI; den er å vise dem hvor det gjør det faktiske arbeidet raskere, skarpere og bedre, og hvor det ikke gjør det. Hold deg forankret i gjennomføring og inntektsvirkning, ikke abstrakte AI-muligheter. Ikke press folk med en vinkling om å «bli hengende etter»; det slår tilbake.

For det tredje, la mennesket beholde dømmekraften. AI er svært god til å komprimere analytisk arbeid og utvide perspektivet ditt, men beslutninger der det er kostbart å ta feil, eller der verdien ligger i selve relasjonen, hører fortsatt hjemme hos et menneske.

CRO-ene som lykkes i denne fasen, vil ikke være de som har mest AI. De vil være de hvis team har endret hvordan de gjennomfører arbeidet, og hvor effektivt de samarbeider med AI.

Følg med

Du kan følge arbeidet til Dave Govan på LinkedIn. Ta også en titt på G2 Strategic Advisory Services.

Det kommer flere ekspertintervjuer på The CRO Club!