SaaS-intäktschefen delar arbetsflödena som förstärker SDR:er – men inte ersätter dem

Mukul Kaushik är CRO på SaaS-företaget Trackier, och leder även intäkterna för deras produkter Apptrove och Affnook.

Vi satte oss ner med Mukul för att lära oss hur han förstärker sina SDR:er med AI. Här är vad han berättade för oss.

Expansion till nya marknader

Hej allihopa, jag heter Mukul Kaushik. Jag är CRO på Trackier och leder intäkterna för våra produkter Apptrove och Affnook.

Vi arbetar med prestationsmarknadsföring, mobil mätning och affiliateteknik och betjänar annonsörer, annonsnätverk, byråer, spelföretag och appmarknadsförare globalt. Vi befinner oss just nu i en stark tillväxt- och expansionsfas, med stort fokus på internationell skalning i regioner som Indien, Sydostasien, MENA, Europa och Nord- och Sydamerika. Vår intäktsmodell är huvudsakligen SaaS-baserad, med abonnemangs- och företagsavtal som varierar beroende på kundernas storlek och användning.

Intäktsorganisationen omfattar försäljning, partnerskap, kundframgång och strategiska tillväxtinitiativ. Vi arbetar med en blandning av inkommande, utgående, partnerledda och evenemangsdrivna GTM-strategier, särskilt eftersom vår bransch i hög grad bygger på relationer och ekosystem.

Vårt nuvarande fokus ligger på att kombinera traditionell företagsförsäljning med AI-drivna arbetsflöden för SDR-funktioner, rapportering, prognoser och kundinsikter. Samtidigt behåller vi ett konsultativt och relationsfokuserat förhållningssätt till tillväxt.

Bättre system och snabbare insikter

Min resa har fokuserat på prestationsmarknadsföring och mobil attribuering — där jag har arbetat med annonsörer, affiliates, spelföretag och appmarknadsförare på olika marknader. Jag började inom kärnområdena försäljning och partnerskap. Med tiden gick jag över till att bygga intäktsteam, skala globala relationer och utforma produkter utifrån kundernas behov.

För några år sedan baserade intäktsansvariga de flesta beslut på erfarenhet, magkänsla och betydande manuellt arbete. Nu förändrar AI vårt sätt att arbeta nästan varje dag — från prospektering och personalisering till analys, prognoser och kundkommunikation.

Min största insikt under denna AI-våg var hur mycket snabbare små, fokuserade team kan röra sig när de använder AI effektivt. Det handlar inte längre bara om att ha ett större säljteam; det handlar om att ha bättre system, snabbare insikter och att agera snabbt.

Jag anser dock fortfarande att intäktsledning i grunden handlar om människor. Relationer, förtroende, förståelse för kundernas problem och långsiktiga partnerskap är fortfarande det viktigaste. AI kan göra oss effektivare, men den mänskliga faktorn bygger hållbara företag.

Hur AI påverkar utgående försäljning och intäktsverksamhet

Vi introducerade AI i våra arbetsflöden för utgående försäljning och intäktsverksamhet förra året. Tidigare var stora delar av vår process manuell — SDR:er ägnade mycket tid åt att undersöka konton, utforma kontaktmeddelanden och uppdatera Salesforce. De förberedde även rapporter, och ledningens genomgångar byggde i hög grad på manuellt sammanställda data.

Efter att ha integrerat AI på flera nivåer i intäktsprocessen hjälper den nu SDR:er att prioritera konton, identifiera köpsignaler, personalisera kontaktmeddelanden och automatisera delar av uppföljningen. Samtidigt automatiserade vi en stor del av rapporteringen i Salesforce, vilket gav bättre insyn i realtid i affärernas utveckling och teamets aktivitet.

Här är vårt AI-drivna intäktsarbetsflöde:

1. AI identifierar och prioriterar konton med hög köpintention baserat på engagemangssignaler och matchning mot ICP.
2. Den hjälper sedan SDR:er att personalisera kontaktmeddelanden och automatisera uppföljningar.
3. När leads kommer in i pipelinen automatiserar Salesforce AI rapporteringen och följer affärsaktiviteten i realtid.
4. Vi får prediktiva signaler när en affär saktar ner, engagemanget minskar eller ett konto visar starkare köpintention.

Här är verktygen vi använder:

• Salesforce AI för prognoser
• 11x.ai för prospektering
• Sales Navigator för kontosignaler
• Apollo för dataförädling

Prediktiva signaler och prognoser har haft störst inverkan. I stället för att vänta till slutet av kvartalet med att inse att en affär höll på att tappa fart får vi nu tidiga signaler när engagemanget minskar, svarsmönster förändras eller en affär börjar uppvisa riskindikatorer. På samma sätt hjälper AI till att identifiera konton som har större sannolikhet att konvertera baserat på historiskt beteende och aktivitetsmönster.

Som ett resultat blev teamet mycket mer proaktivt i stället för reaktivt. Cheferna lägger mindre tid på att jaga uppdateringar och mer tid på att coacha teamen och hjälpa till att driva affärer framåt. Prognossamtalen är nu mer datadrivna i stället för att enbart bygga på magkänsla.

Vad AI inte kan återskapa inom intäktsverksamheten

Mukuls tankar

En kund kan köpa på grund av produktens funktioner, men vi bygger vanligtvis långsiktiga partnerskap genom trovärdighet, förståelse för affärssammanhanget och mänsklig kontakt — något AI inte fullt ut kan återskapa.

I dag förlitar vi oss i hög grad på AI inom områden som omfattar mönsterigenkänning, snabbhet och storskalig dataanalys, men vi låter fortfarande människor fatta viktiga strategiska beslut.

Saker som företagsförhandlingar, prisstrategi för nyckelkonton, långsiktiga partnerskap, rekryteringsbeslut, marknadspositionering och relationshantering är fortfarande i hög grad beroende av mänskligt omdöme och erfarenhet.

Just i vår bransch spelar förtroende och relationer en mycket stor roll. En kund kan köpa på grund av produktens funktioner, men vi bygger vanligtvis långsiktiga partnerskap genom trovärdighet, förståelse för affärssammanhanget och mänsklig kontakt — något AI inte fullt ut kan återskapa.

Varför autonoma SDR:er ännu inte är möjliga

En annan sak som AI ännu inte kan hantera är helt autonoma utgående försäljningsaktiviteter och relationshantering.

Inledningsvis var vi entusiastiska över att AI-baserade SDR:er självständigt skulle hantera stora delar av prospektering och uppsökande arbete. AI förbättrade effektiviteten, personaliseringen och prioriteringen av konton. Men inom företagsförsäljning och partnerskapsdriven försäljning, särskilt i branscher som prestationsmarknadsföring och spel, driver relationer fortfarande konverteringar i mycket högre grad än enbart automatisering.

AI kan till exempel skapa mycket väloptimerade kontaktförsök, men har fortfarande svårt att förstå djupare affärssammanhang, tidskänslighet och intern politik hos kunden, eller att bygga genuint förtroende under långa säljcykler. I många fall lät AI-genererad kommunikation också alltför likartad eller överdrivet polerad, vilket minskade autenticiteten.

Varför processdisciplin är avgörande när man använder AI

Vi har sett både tydliga fördelar och vissa inlärningskurvor när vi integrerat AI i våra intäktsarbetsflöden under det senaste året.

På den positiva sidan har operativ effektivitet och överblick varit de största förbättringarna. AI-assisterade SDR-arbetsflöden hjälpte teamet att minska tiden som lades på repetitiv efterforskning, personalisering av utgående kontakter och uppföljningar, vilket förbättrade den övergripande takten i det uppsökande arbetet och hanteringen av svar. Säljteamet lägger nu mer tid på faktiska kundsamtal i stället för administrativt arbete.

Vi såg också märkbara förbättringar i prognosernas träffsäkerhet och pipelinehanteringen efter att ha automatiserat rapporteringen och infört prediktiva signaler i Salesforce. Tidigare var pipelinegenomgångarna manuella och reaktiva. Nu får ledningen mycket tidigare insyn i affärsrisker, affärsmöjligheter som stannat upp, minskat engagemang och konton med hög köpintention. Detta har förbättrat hastigheten i beslutsfattandet och gjort prognossamtalen betydligt mer datastödda.

Kvalitativt fokuserar cheferna nu mer på coachning och strategi i stället för att jaga CRM-disciplin och manuella uppdateringar. Organisationen som helhet har blivit mer proaktiv snarare än reaktiv.

Samtidigt mötte vi utmaningar. Vi insåg tidigt att AI bara är så bra som kvaliteten på de data och processer som ligger bakom. I början skapade inkonsekventa CRM-uppdateringar och fragmenterade data ibland missvisande signaler eller brusiga prognoser. Vi insåg att om CRM-uppdateringarna är inkonsekventa, teamen inte underhåller stegen korrekt eller aktivitetsuppföljningen är ofullständig, förstärker AI helt enkelt dessa problem i stället för att lösa dem. Vi var tvungna att förbättra processdisciplinen innan AI:s resultat blev verkligt tillförlitliga.

Vi upptäckte också att AI-verktyg ibland skapar en illusion av produktivitet – mer uppsökande arbete, fler rapporter, mer automatisering – utan att nödvändigtvis förbättra de faktiska intäktsresultaten proportionellt. Därför blev vi mycket mer noggranna med att mäta verklig affärspåverkan i stället för enbart automatiseringsmått.

Och slutligen upptäckte vi att överdriven automatisering ibland kan få uppsökande arbete att kännas robotlikt.

Varför införandet av AI kräver förändringsledning

Jag underskattade också hur mycket intern förändringsledning som krävdes. Till en början såg teamen AI antingen som ett hot eller som något som magiskt skulle lösa allt automatiskt. I verkligheten lyckades införandet först när människor förstod att AI stöder ett bättre genomförande, snarare än ersätter mänskligt omdöme.

Om jag hade vetat detta tidigare skulle vi först ha lagt mer tid på att förbättra CRM-hygienen, tydligt definiera arbetsflöden och utbilda teamen i hur de skulle arbeta tillsammans med AI. Det skulle ha förhindrat mycket brus i rapporteringen, orealistiska förväntningar och den tidiga förvirringen kring AI:s faktiska påverkan.

Varför intäktsteamen förändras

Det jag har lärt mig är att skalning av intäkterna inte längre kräver att personalstyrkan skalas upp.

I dag kan ett mindre, AI-aktiverat team ofta arbeta snabbare och med bättre överblick än en mycket större traditionell säljorganisation. AI kan hantera mycket av researchen, prioriteringen, rapporteringen, prognostiseringen och automatiseringen av arbetsflöden i en omfattning som tidigare var omöjlig.

Varför CRO:er måste hålla teamen mänskliga

De CRO:er som kommer att se tillbaka på den här tiden med stolthet är inte de som rörde sig snabbast. Det är de som höll sina team mänskliga, var medvetna om var AI hörde hemma och inte förväxlade aktivitet med framdrift.

Du har navigerat genom omvälvningar tidigare. Den här omvälvningen innebär fler verktyg, men uppgiften är densamma: bygg förtroende, lös verkliga problem och avsluta affärer.

Följ med

Du kan följa Mukul Kaushiks arbete på LinkedIn och Instagram.

Fler expertintervjuer kommer på The CRO Club!