SaaS-directeur voor omzet deelt de werkstromen die SDR’s versterken — maar niet vervangen

Mukul Kaushik is CRO bij een SaaS-bedrijf genaamd Trackier en leidt ook de omzet voor hun producten Apptrove en Affnook.

We spraken met Mukul om te leren hoe hij zijn SDR's ondersteunt met AI. Dit is wat hij ons vertelde.

Uitbreiden naar nieuwe markten

Hallo allemaal, ik ben Mukul Kaushik. Ik ben CRO bij Trackier en leid de omzet voor onze producten Apptrove en Affnook.

We zijn actief op het gebied van prestatiemarketing, mobiele meting en affiliatietechnologie en bedienen adverteerders, advertentienetwerken, bureaus, gamingbedrijven en appmarketeers wereldwijd. We bevinden ons momenteel in een sterke fase van groei en uitbreiding, waarbij we ons sterk richten op internationale schaalvergroting in regio's zoals India, Zuidoost-Azië, MENA, Europa en Noord- en Zuid-Amerika. Ons omzetmodel is voornamelijk gebaseerd op SaaS, met abonnementen en enterprisecontracten afhankelijk van de omvang en het gebruik door de klant.

De omzetorganisatie omvat sales, partnerschappen, klantensucces en strategische groe-initiatieven. We werken met een combinatie van inbound-, outbound-, partnergestuurde en eventgedreven GTM-strategieën, vooral omdat onze sector sterk afhankelijk is van relaties en ecosystemen.

Onze huidige focus ligt op het combineren van traditionele enterprisesales met AI-gestuurde werkstromen voor SDR-rollen, rapportage, prognoses en klantinformatie. Tegelijkertijd blijven we een adviserende, op relaties gerichte aanpak van groei hanteren.

Betere systemen en snellere inzichten

Mijn loopbaan heeft zich gericht op prestatiemarketing en mobiele attributie — waarbij ik samenwerkte met adverteerders, affiliatepartners, gamingbedrijven en appmarketeers in verschillende markten. Ik begon in sales en partnerschappen. Na verloop van tijd ging ik omzetteams opbouwen, wereldwijde relaties opschalen en producten vormgeven op basis van klantbehoeften.

Een paar jaar geleden baseerden omzetleiders de meeste beslissingen op ervaring, intuïtie en veel handmatig werk. Nu verandert AI bijna elke dag de manier waarop we werken — van prospectie en personalisatie tot analyse, prognoses en klantcommunicatie.

Mijn belangrijkste inzicht tijdens deze AI-golf was hoeveel sneller kleine, gefocuste teams kunnen werken wanneer ze AI effectief inzetten. Het gaat niet langer alleen om het hebben van een groter salesteam; het gaat om betere systemen, snellere inzichten en snel handelen.

Toch geloof ik nog steeds dat leiderschap op het gebied van omzet uiteindelijk om mensen draait. Relaties, vertrouwen, inzicht in de pijnpunten van klanten en langdurige partnerschappen blijven het belangrijkst. AI kan ons efficiënter maken, maar het menselijke element bouwt duurzame bedrijven.

Hoe AI uitgaande verkoop en omzetactiviteiten beïnvloedt

Vorig jaar introduceerden we AI in onze werkstromen voor uitgaande verkoop en omzetactiviteiten. Daarvoor was een groot deel van ons proces handmatig — SDR's besteedden veel tijd aan het onderzoeken van accounts, het opstellen van benaderingen en het bijwerken van Salesforce. Ze maakten ook rapportages op en beoordelingen door het leiderschap waren sterk afhankelijk van handmatig verzamelde gegevens.

Nadat we AI in meerdere lagen van het omzetproces hadden geïntegreerd, helpt het SDR's nu bij het prioriteren van accounts, het identificeren van intentiesignalen, het personaliseren van benaderingen en het automatiseren van delen van de opvolging. Tegelijkertijd automatiseerden we een groot deel van de rapportage binnen Salesforce, wat zorgde voor een duidelijker, realtime inzicht in de voortgang van verkoopkansen en de activiteiten van het team.

Dit is onze AI-gestuurde omzetworkflow:

1. AI identificeert accounts met een hoge intentie en stelt deze op basis van betrokkenheidssignalen en een match met het ICP prioriteit.
2. Vervolgens helpt het SDR's bij het personaliseren van benaderingen en het automatiseren van opvolging.
3. Zodra leads de pipeline binnenkomen, automatiseert Salesforce AI de rapportage en houdt het de activiteiten rond verkoopkansen in realtime bij.
4. We ontvangen voorspellende signalen wanneer een verkoopkans vertraagt, de betrokkenheid afneemt of een account een sterkere koopintentie toont.

Dit zijn de tools die we gebruiken:

• Salesforce AI voor prognoses
• 11x.ai voor benadering
• Sales Navigator voor accountsignalen
• Apollo voor gegevensverrijking

Voorspellende triggers en prognoses hebben de grootste impact gehad. In plaats van te wachten tot het einde van het kwartaal om te ontdekken dat een deal vertraagde, krijgen we nu vroegtijdige signalen wanneer de betrokkenheid afneemt, reactiepatronen veranderen of een deal risicosignalen begint te vertonen. Op dezelfde manier helpt AI bij het identificeren van accounts die waarschijnlijker zullen converteren op basis van historisch gedrag en activiteitspatronen.

Daardoor werd het team veel proactiever in plaats van reactief. Managers besteden minder tijd aan het najagen van updates en meer tijd aan het coachen van teams en het helpen voortstuwen van deals. Prognosegesprekken zijn nu meer datagedreven in plaats van uitsluitend gebaseerd op intuïtie.

Wat AI niet kan nabootsen in omzetoperaties

Gedachten van Mukul

Een klant kan besluiten tot aankoop vanwege de productmogelijkheden, maar doorgaans bouwen we langdurige partnerschappen op basis van geloofwaardigheid, begrip van de bedrijfscontext en menselijke verbinding — iets wat AI niet volledig kan nabootsen.

Vandaag de dag leunen we sterk op AI voor gebieden waarin patroonherkenning, snelheid en grootschalige gegevensanalyse een rol spelen, maar belangrijke strategische beslissingen blijven door mensen aangestuurd.

Zaken zoals onderhandelingen met ondernemingen, prijsstrategie voor belangrijke accounts, langdurige partnerschappen, aanwervingsbeslissingen, marktpositionering en relatiebeheer blijven sterk afhankelijk van menselijk inzicht en ervaring.

Vooral in onze sector zijn vertrouwen en relaties erg belangrijk. Een klant kan besluiten tot aankoop vanwege de productmogelijkheden, maar doorgaans bouwen we langdurige partnerschappen op basis van geloofwaardigheid, begrip van de bedrijfscontext en menselijke verbinding — iets wat AI niet volledig kan nabootsen.

Waarom autonome SDR's nog niet mogelijk zijn

Een ander aspect dat AI nog niet aankan, is volledig autonome uitgaande verkoop en relatiebeheer.

Aanvankelijk waren we enthousiast over AI-SDR's die zelfstandig grote delen van prospectie en benadering zouden afhandelen. AI verbeterde de efficiëntie, personalisatie en prioritering van accounts. Maar bij verkoop aan ondernemingen en verkoop waarbij partnerschappen centraal staan, vooral in sectoren zoals prestatiemarketing en computergames, zorgen relaties nog steeds veel vaker voor conversies dan automatisering alleen.

AI kan bijvoorbeeld sterk geoptimaliseerde benaderingsberichten genereren, maar heeft nog steeds moeite om de diepere bedrijfscontext, tijdgevoeligheid en interne politiek aan de kant van de klant te begrijpen, of om gedurende lange verkoopcycli oprecht vertrouwen op te bouwen. In veel gevallen klonk door AI gegenereerde communicatie ook te gelijksoortig of overdreven gepolijst, waardoor de authenticiteit afnam.

Waarom procesdiscipline essentieel is bij het gebruik van AI

We hebben zowel sterke positieve effecten als enkele leercurves gezien toen we AI het afgelopen jaar in onze omzetworkflows integreerden.

Aan de positieve kant zijn operationele efficiëntie en zichtbaarheid de grootste verbeteringen geweest. Door AI ondersteunde SDR-workflows hielpen het team de tijd te verminderen die werd besteed aan repetitief onderzoek, personalisatie van uitgaande communicatie en opvolgingen, waardoor de algehele snelheid van benadering en de afhandeling van reacties verbeterden. Het verkoopteam besteedt nu meer tijd aan echte klantgesprekken in plaats van administratief werk.

We zagen ook merkbare verbeteringen in de nauwkeurigheid van prognoses en het beheer van de verkooppijplijn nadat we rapportages hadden geautomatiseerd en voorspellende signalen in Salesforce hadden geïntroduceerd. Eerder waren pijplijnbeoordelingen handmatig en reactief. Nu krijgt de leiding veel eerder inzicht in dealrisico's, vastgelopen kansen, afgenomen betrokkenheid en accounts met hoge koopintentie. Dit heeft de snelheid van besluitvorming verbeterd en prognosegesprekken veel sterker op gegevens gebaseerd.

Kwalitatief gezien richten managers zich nu meer op coaching en strategie in plaats van op het najagen van CRM-hygiëne en handmatige updates. De organisatie als geheel is proactiever in plaats van reactief geworden.

Tegelijkertijd kregen we met uitdagingen te maken. We beseften al vroeg dat AI slechts zo goed is als de kwaliteit van de gegevens en processen erachter. In het begin zorgden inconsistente CRM-updates en gefragmenteerde gegevens soms voor misleidende signalen of onbetrouwbare prognoses. We realiseerden ons dat AI die problemen simpelweg versterkt in plaats van oplost wanneer CRM-updates inconsistent zijn, teams fasen niet goed bijhouden of de activiteitenregistratie onvolledig is. We moesten de procesdiscipline verbeteren voordat de resultaten van AI echt betrouwbaar werden.

We ontdekten ook dat AI-tools soms een illusie van productiviteit creëren — meer benadering, meer rapporten, meer automatisering — zonder dat dit noodzakelijkerwijs leidt tot een evenredige verbetering van de daadwerkelijke omzetresultaten. Daarom werden we veel bewuster in het meten van echte bedrijfsimpact, in plaats van alleen automatiseringsstatistieken.

Tot slot ontdekten we dat overmatige automatisering ervoor kan zorgen dat benadering soms robotachtig aanvoelt.

Waarom de invoering van AI verandermanagement vereist

Ook onderschatte ik aanvankelijk hoeveel intern verandermanagement nodig was. Teams zagen AI in eerste instantie óf als een bedreiging óf als iets dat alles automatisch op magische wijze zou oplossen. In werkelijkheid was adoptie pas succesvol toen mensen begrepen dat AI betere uitvoering ondersteunt, in plaats van menselijk inzicht te vervangen.

Als ik dit eerder had geweten, zouden we eerst meer tijd hebben besteed aan het verbeteren van de CRM-hygiëne, het duidelijk definiëren van werkprocessen en het trainen van teams in hoe ze met AI kunnen samenwerken. Dit zou veel onnauwkeurige rapportages, onrealistische verwachtingen en vroege verwarring over de daadwerkelijke impact van AI hebben voorkomen.

Waarom omzetteams veranderen

Wat ik heb geleerd, is dat het opschalen van omzet niet langer vereist dat het personeelsbestand wordt uitgebreid.

Een kleiner, door AI ondersteund team kan tegenwoordig vaak sneller werken en meer inzicht bieden dan een veel grotere traditionele verkooporganisatie. AI kan een groot deel van het onderzoek, de prioritering, rapportage, prognoses en workflowautomatisering uitvoeren op een schaal die voorheen onmogelijk was.

Waarom CRO's teams menselijk moeten houden

De CRO's die met trots op dit moment zullen terugkijken, zijn niet degenen die het snelst handelden. Het zijn degenen die hun teams menselijk hielden, bewust bepaalden waar AI thuishoorde en activiteit niet verwarden met vooruitgang.

Je hebt eerder met ontwrichting te maken gehad. Deze ontwrichting brengt meer tools met zich mee, maar het werk blijft hetzelfde: vertrouwen opbouwen, echte problemen oplossen en deals sluiten.

Blijf op de hoogte

Je kunt het werk van Mukul Kaushik volgen op LinkedIn en Instagram.

Er volgen meer interviews met experts op The CRO Club!