SaaS-inntektsdirektør deler arbeidsflytene som styrker SDR-er – men ikke erstatter dem

Mukul Kaushik er CRO i et SaaS-selskap som heter Trackier, og han leder også inntektene for produktene deres, Apptrove og Affnook.

Vi satte oss ned med Mukul for å lære hvordan han utvider SDR-teamet sitt med AI. Her er det han fortalte oss.

Utvidelse til nye markeder

Hei alle sammen, jeg heter Mukul Kaushik. Jeg er CRO i Trackier, og jeg leder inntektene for produktene våre, Apptrove og Affnook.

Vi opererer innen resultatbasert markedsføring, mobilmåling og affiliateteknologi, og betjener annonsører, annonsenettverk, byråer, spillselskaper og appmarkedsførere globalt. Vi er for tiden inne i en sterk vekst- og ekspansjonsfase, med stort fokus på internasjonal skalering i regioner som India, Sørøst-Asia, MENA, Europa og Amerika. Inntektsmodellen vår er hovedsakelig SaaS-basert, med abonnementer og bedriftsavtaler avhengig av kundens størrelse og bruk.

Inntektsorganisasjonen dekker salg, partnerskap, kundesuksess og strategiske vekstinitiativer. Vi benytter en kombinasjon av inngående, utgående, partnerledede og arrangementsdrevne GTM-strategier, særlig fordi bransjen vår i stor grad er avhengig av relasjoner og økosystemer.

Det nåværende fokuset vårt er å kombinere tradisjonelt bedriftssalg med AI-drevne arbeidsflyter for SDR-funksjoner, rapportering, prognoser og kundeinnsikt. Samtidig opprettholder vi en rådgivende og relasjonsorientert tilnærming til vekst.

Bedre systemer og raskere innsikt

Reisen min har vært fokusert på resultatbasert markedsføring og mobilattribusjon — der jeg har jobbet med annonsører, affiliates, spillselskaper og appmarkedsførere i ulike markeder. Jeg startet innen kjernesalg og partnerskap. Over tid gikk jeg over til å bygge inntektsorganisasjoner, skalere globale relasjoner og forme produkter basert på kundenes behov.

For noen år siden baserte inntektsledere de fleste beslutningene på erfaring, intuisjon og betydelig manuelt arbeid. Nå endrer AI måten vi jobber på nesten hver dag — fra prospektering og personalisering til analyse, prognoser og kundekommunikasjon.

Min viktigste erkjennelse under denne AI-bølgen var hvor mye raskere små, fokuserte team kan bevege seg når de bruker AI effektivt. Det handler ikke lenger bare om å ha et større salgsteam; det handler om å ha bedre systemer, raskere innsikt og å handle raskt.

Jeg mener likevel fortsatt at inntektsledelse i bunn og grunn handler om mennesker. Relasjoner, tillit, forståelse av kundenes utfordringer og langsiktige partnerskap er fortsatt det viktigste. AI kan gjøre oss mer effektive, men det menneskelige elementet bygger varige virksomheter.

Hvordan AI påvirker utgående salg og inntektsoperasjoner

Vi introduserte AI i arbeidsflytene våre for utgående salg og inntektsoperasjoner i fjor. Tidligere var mye av prosessen vår manuell — SDR-ene brukte betydelig tid på å undersøke kontoer, utforme henvendelser og oppdatere Salesforce. De utarbeidet også rapporter, og ledelsens gjennomganger var i stor grad basert på manuelt sammenstilte data.

Etter at vi integrerte AI i flere lag av inntektsprosessen, hjelper den nå SDR-ene med å prioritere kontoer, identifisere kjøpssignaler, personalisere henvendelser og automatisere deler av oppfølgingen. Samtidig automatiserte vi mye av rapporteringen i Salesforce, noe som ga bedre sanntidsinnsikt i avtalebevegelser og teamaktivitet.

Her er den AI-drevne inntektsarbeidsflyten vår:

1. AI identifiserer og prioriterer kontoer med høy kjøpsintensjon basert på engasjementssignaler og samsvar med ICP.
2. Deretter hjelper den SDR-ene med å personalisere henvendelser og automatisere oppfølginger.
3. Når potensielle kunder kommer inn i salgstrakten, automatiserer Salesforce AI rapporteringen og sporer avtaleaktivitet i sanntid.
4. Vi mottar prediktive varsler når en avtale går tregere, engasjementet synker eller en konto viser sterkere kjøpsintensjon.

Her er verktøyene vi bruker:

• Salesforce AI for prognoser
• 11x.ai for oppsøkende salg
• Sales Navigator for kontosignaler
• Apollo for datautvidelse

Prediktive utløsere og prognoser har hatt størst innvirkning. I stedet for å vente til slutten av kvartalet med å innse at en avtale var i ferd med å miste fremdrift, får vi nå tidlige signaler når engasjementet synker, responsmønstrene endrer seg eller en avtale begynner å vise risikosignaler. På samme måte bidrar AI til å identifisere kontoer som har større sannsynlighet for å konvertere, basert på historisk atferd og aktivitetsmønstre.

Som et resultat ble teamet langt mer proaktivt i stedet for reaktivt. Ledere bruker mindre tid på å følge opp statusoppdateringer og mer tid på å veilede teamene og bidra til å føre avtaler fremover. Prognosesamtaler er nå mer datadrevne i stedet for å være utelukkende basert på magefølelse.

Hva AI ikke klarer å gjenskape i inntektsdriften

Mukuls tanker

En kunde kan kjøpe på grunn av produktets egenskaper, men vi bygger vanligvis langsiktige partnerskap gjennom troverdighet, forståelse av forretningskonteksten og menneskelig kontakt — noe AI ikke kan gjenskape fullt ut.

I dag er vi svært avhengige av AI på områder som omfatter mønstergjenkjenning, hastighet og storskala dataanalyse, men vi sørger fortsatt for at kritiske strategiske beslutninger ledes av mennesker.

Ting som forhandlinger med større virksomheter, prisstrategi for nøkkelkontoer, langsiktige partnerskap, ansettelsesbeslutninger, markedsposisjonering og relasjonsforvaltning er fortsatt i stor grad avhengige av menneskelig dømmekraft og erfaring.

Spesielt i vår bransje betyr tillit og relasjoner mye. En kunde kan kjøpe på grunn av produktets egenskaper, men vi bygger vanligvis langsiktige partnerskap gjennom troverdighet, forståelse av forretningskonteksten og menneskelig kontakt — noe AI ikke kan gjenskape fullt ut.

Hvorfor autonome SDR-er ennå ikke er mulig

En annen ting AI ennå ikke kan håndtere, er fullt autonomt utgående salg og relasjonsforvaltning.

I utgangspunktet var vi begeistret for at AI-SDR-er selvstendig skulle håndtere store deler av prospekteringen og det oppsøkende salget. AI forbedret effektiviteten, personaliseringen og prioriteringen av kontoer. Men innen salg til større virksomheter og partnerskapsdrevet salg, særlig i bransjer som resultatbasert markedsføring og spill, er det fortsatt relasjoner som driver konverteringer i langt større grad enn automatisering alene.

AI kan for eksempel generere svært optimaliserte henvendelser, men har fortsatt problemer med å forstå dypere forretningskontekst, tidskritiske forhold og intern politikk hos kunden, eller med å bygge ekte tillit gjennom lange salgssykluser. I mange tilfeller hørtes AI-generert kommunikasjon også for lik eller overdrevent polert ut, noe som reduserte autentisiteten.

Hvorfor prosessdisiplin er avgjørende ved bruk av AI

Vi har sett både tydelige fordeler og enkelte læringskurver da vi integrerte AI i inntektsarbeidsflytene våre det siste året.

På den positive siden har operasjonell effektivitet og synlighet vært de største forbedringene. AI-støttede SDR-arbeidsflyter hjalp teamet med å redusere tiden brukt på repetitivt undersøkelsesarbeid, personalisering av utgående henvendelser og oppfølging, noe som forbedret den samlede hastigheten i det oppsøkende salget og håndteringen av svar. Salgsteamet bruker nå mer tid i faktiske kundesamtaler i stedet for på administrativt arbeid.

Vi så også merkbare forbedringer i prognosenes nøyaktighet og håndteringen av salgspipelinen etter at vi automatiserte rapporteringen og innførte prediktive signaler i Salesforce. Tidligere var møter om salgspipelinen manuelle og reaktive. Nå får ledelsen langt tidligere innsikt i avtalerisiko, avtalemuligheter som har stoppet opp, fallende engasjement og kontoer med høy kjøpsintensjon. Dette har gjort beslutningstakingen raskere og prognosesamtalene langt mer datadrevne.

Kvalitativt fokuserer ledere nå mer på veiledning og strategi i stedet for å følge opp CRM-datakvalitet og manuelle oppdateringer. Organisasjonen som helhet har blitt mer proaktiv enn reaktiv.

Samtidig møtte vi utfordringer. Vi innså tidlig at AI bare er så god som kvaliteten på dataene og prosessene den bygger på. I begynnelsen førte ujevnlige CRM-oppdateringer og fragmenterte data noen ganger til misvisende signaler eller støyende prognoser. Vi innså at hvis CRM-oppdateringene er ujevnlige, teamene ikke vedlikeholder stadiene ordentlig eller aktivitetsregistreringen er ufullstendig, forsterker AI ganske enkelt disse problemene i stedet for å løse dem. Vi måtte forbedre prosessdisiplinen før resultatene fra AI ble virkelig pålitelige.

Vi fant også ut at AI-verktøy noen ganger skaper en illusjon av produktivitet – mer oppsøkende aktivitet, flere rapporter, mer automatisering – uten nødvendigvis å forbedre de faktiske inntektsresultatene tilsvarende. Derfor ble vi langt mer bevisste på å måle den reelle forretningseffekten i stedet for bare automatiseringsmålinger.

Og til slutt fant vi ut at overautomatisering noen ganger kan få oppsøkende kommunikasjon til å virke robotaktig.

Hvorfor innføring av AI krever endringsledelse

Jeg undervurderte også hvor mye intern endringsledelse som krevdes. Til å begynne med så teamene på AI enten som en trussel eller som noe som på magisk vis skulle løse alt automatisk. I virkeligheten lyktes innføringen først da folk forsto at AI støtter bedre gjennomføring, i stedet for å erstatte menneskelig dømmekraft.

Hvis jeg hadde visst dette tidligere, ville vi først ha brukt mer tid på å forbedre datakvaliteten i CRM-systemet, definere arbeidsflyter tydelig og lære opp teamene i hvordan de kunne arbeide sammen med AI. Dette ville ha unngått mye støy i rapporteringen, urealistiske forventninger og tidlig forvirring rundt AIs faktiske innvirkning.

Hvorfor inntektsteamene er i endring

Det jeg har lært, er at økte inntekter ikke lenger krever flere ansatte.

I dag kan et mindre, AI-støttet team ofte jobbe raskere og med bedre oversikt enn en langt større tradisjonell salgsorganisasjon. AI kan håndtere mye av researchen, prioriteringen, rapporteringen, prognosene og automatiseringen av arbeidsflyter i en skala som tidligere var umulig.

Hvorfor CRO-er må bevare det menneskelige i teamene

CRO-ene som vil se tilbake på dette øyeblikket med stolthet, er ikke de som beveget seg raskest. Det er de som lot teamene beholde det menneskelige, var bevisste på hvor AI hørte hjemme, og ikke forvekslet aktivitet med fremdrift.

Dere har håndtert omveltninger før. Denne omveltningen innebærer flere verktøy, men jobben er den samme: bygg tillit, løs reelle problemer og lukk avtaler.

Følg med videre

Du kan følge arbeidet til Mukul Kaushik på LinkedIn og Instagram.

Flere ekspertintervjuer kommer på The CRO Club!