SaaS CRO’su SDR’ları destekleyen ancak onların yerini almayan iş akışlarını paylaşıyor

Mukul Kaushik, Trackier adlı bir SaaS şirketinde CRO olarak görev yapıyor ve aynı zamanda Apptrove ile Affnook ürünlerinin gelir süreçlerini yönetiyor.

SDR ekiplerini yapay zekâyla nasıl güçlendirdiğini öğrenmek için Mukul ile görüştük. İşte bize anlattıkları.

Yeni pazarlara açılmak

Herkese merhaba, ben Mukul Kaushik. Trackier'de CRO olarak görev yapıyorum ve Apptrove ile Affnook ürünlerimizin gelir süreçlerini yönetiyorum.

Performans pazarlaması, mobil ölçüm ve satış ortaklığı teknolojileri alanlarında faaliyet gösteriyor; reklamverenlere, reklam ağlarına, ajanslara, oyun şirketlerine ve uygulama pazarlamacılarına dünya genelinde hizmet veriyoruz. Şu anda güçlü bir büyüme ve genişleme aşamasındayız; Hindistan, Güneydoğu Asya, MENA, Avrupa ve Amerika kıtaları gibi bölgelerde uluslararası ölçekte büyümeye yoğun şekilde odaklanıyoruz. Gelir modelimiz ağırlıklı olarak SaaS tabanlı; abonelik ve kurumsal sözleşmeler, müşterinin ölçeğine ve kullanımına göre değişiyor.

Gelir organizasyonu; satış, iş ortaklıkları, müşteri başarısı ve stratejik büyüme girişimlerini kapsıyor. Sektörümüz ilişkilere ve ekosistemlere büyük ölçüde dayandığı için gelen talep, dışa dönük satış, iş ortağı odaklı ve etkinlik odaklı GTM stratejilerinin bir bileşimiyle çalışıyoruz.

Şu anki odağımız; geleneksel kurumsal satışları, SDR işlevleri, raporlama, tahminleme ve müşteri istihbaratı için yapay zekâ destekli iş akışlarıyla birleştirmek. Aynı zamanda büyümeye yönelik danışmanlık ve ilişki odaklı yaklaşımımızı sürdürüyoruz.

Daha iyi sistemler ve daha hızlı içgörüler

Kariyer yolculuğum performans pazarlaması ve mobil ilişkilendirme alanlarına odaklandı; farklı pazarlardaki reklamverenler, satış ortakları, oyun şirketleri ve uygulama pazarlamacılarıyla çalıştım. Kariyerime temel satış ve iş ortaklıkları alanlarında başladım. Zaman içinde gelir ekipleri kurmaya, küresel ilişkileri ölçeklendirmeye ve müşteri ihtiyaçlarına göre ürünleri şekillendirmeye yöneldim.

Birkaç yıl önce gelir liderleri kararlarının çoğunu deneyime, sezgiye ve önemli ölçüde manuel çalışmaya dayandırıyordu. Artık yapay zekâ, potansiyel müşteri bulmadan kişiselleştirmeye, analitikten tahminlemeye ve müşteri iletişimine kadar neredeyse her gün çalışma şeklimizi değiştiriyor.

Bu yapay zekâ dalgası sırasında fark ettiğim en önemli şey, küçük ve odaklanmış ekiplerin yapay zekâyı etkili şekilde kullandıklarında ne kadar daha hızlı hareket edebildiğiydi. Artık mesele yalnızca daha büyük bir satış ekibine sahip olmak değil; daha iyi sistemlere, daha hızlı içgörülere sahip olmak ve hızlı hareket etmek.

Bununla birlikte, gelir liderliğinin nihayetinde insanlara odaklandığına hâlâ inanıyorum. İlişkiler, güven, müşteri sorunlarını anlama ve uzun vadeli iş ortaklıkları hâlâ en önemli unsurlar. Yapay zekâ bizi daha verimli hâle getirebilir, ancak kalıcı işletmeleri inşa eden insan unsurudur.

Yapay zekâ dışa dönük satışları ve gelir operasyonlarını nasıl etkiliyor?

Geçen yıl dışa dönük satış ve gelir operasyonu iş akışlarımıza yapay zekâyı dâhil ettik. Önceden sürecimizin büyük bölümü manueldi; SDR'ler hesapları araştırmaya, erişim mesajları hazırlamaya ve Salesforce'u güncellemeye önemli miktarda zaman harcıyordu. Ayrıca raporlar hazırlıyorlardı ve liderlik incelemeleri büyük ölçüde manuel olarak derlenen verilere dayanıyordu.

Yapay zekâyı gelir sürecinin birden fazla katmanına entegre ettikten sonra sistem, SDR'lerin hesaplara öncelik vermesine, niyet sinyallerini belirlemesine, erişim mesajlarını kişiselleştirmesine ve takiplerin bir bölümünü otomatikleştirmesine yardımcı oluyor. Aynı zamanda Salesforce'taki raporlamanın büyük bölümünü otomatikleştirdik; bu da anlaşmaların ilerleyişi ve ekip etkinliği hakkında daha temiz ve gerçek zamanlı bir görünürlük sağladı.

Yapay zekâ destekli gelir iş akışımız şöyle:

1. Yapay zekâ, etkileşim sinyallerine ve ICP eşleşmesine göre satın alma niyeti yüksek hesapları belirler ve önceliklendirir.
2. Ardından SDR'lerin erişim mesajlarını kişiselleştirmesine ve takipleri otomatikleştirmesine yardımcı olur.
3. Potansiyel müşteriler satış hattına girdikten sonra Salesforce AI raporlamayı otomatikleştirir ve anlaşma etkinliğini gerçek zamanlı olarak takip eder.
4. Bir anlaşma yavaşladığında, etkileşim azaldığında veya bir hesap daha güçlü satın alma niyeti gösterdiğinde öngörücü tetikleyiciler alırız.

Kullandığımız araçlar şunlar:

• Öngörü için Salesforce AI
• Erişim için 11x.ai
• Hesap göstergeleri için Sales Navigator
• Veri zenginleştirme için Apollo

Tahmine dayalı tetikleyiciler ve öngörü en büyük etkiyi yarattı. Bir anlaşmanın yavaşladığını fark etmek için çeyreğin sonunu beklemek yerine, etkileşim azaldığında, yanıt kalıpları değiştiğinde veya bir anlaşma risk göstergeleri sergilemeye başladığında artık erken sinyaller alıyoruz. Benzer şekilde yapay zekâ, geçmiş davranışlara ve etkinlik kalıplarına dayanarak dönüşüm gerçekleştirme olasılığı daha yüksek hesapları belirlemeye yardımcı oluyor.

Sonuç olarak ekip, tepkisel olmak yerine çok daha proaktif hale geldi. Yöneticiler güncellemelerin peşinden koşmaya daha az, ekipleri koçluk etmeye ve anlaşmaların ilerlemesine yardımcı olmaya daha fazla zaman harcıyor. Öngörü görüşmeleri artık tamamen sezgiye dayalı olmaktan ziyade daha fazla veriye dayanıyor.

Yapay zekânın gelir operasyonlarında taklit edemediği şeyler

Mukul'un Düşünceleri

Bir müşteri ürün yetenekleri nedeniyle satın alabilir, ancak uzun vadeli ortaklıkları genellikle güvenilirlik, iş bağlamını anlama ve insan bağlantısı yoluyla kurarız — yapay zekânın tamamen taklit edemeyeceği bir şey.

Günümüzde örüntü tanıma, hız ve büyük ölçekli veri analizi içeren alanlarda yapay zekâya büyük ölçüde güveniyoruz, ancak kritik stratejik kararları hâlâ insan yönlendirmesiyle alıyoruz.

Kurumsal müzakereler, önemli hesaplar için fiyatlandırma stratejisi, uzun vadeli ortaklıklar, işe alım kararları, pazar konumlandırması ve ilişki yönetimi gibi konular hâlâ büyük ölçüde insan muhakemesine ve deneyimine dayanıyor.

Özellikle bizim sektörümüzde güven ve ilişkiler büyük önem taşıyor. Bir müşteri ürün yetenekleri nedeniyle satın alabilir, ancak uzun vadeli ortaklıkları genellikle güvenilirlik, iş bağlamını anlama ve insan bağlantısı yoluyla kurarız — yapay zekânın tamamen taklit edemeyeceği bir şey.

Otonom SDR'ler neden henüz mümkün değil?

Yapay zekânın henüz üstesinden gelemediği bir diğer konu da tamamen otonom dışa dönük satış ve ilişki yönetimidir.

Başlangıçta, yapay zekâ SDR'lerinin müşteri adayı araştırma ve erişim çalışmalarının büyük bölümünü bağımsız olarak yürütmesi konusunda heyecanlıydık. Yapay zekâ verimliliği, kişiselleştirmeyi ve hesap önceliklendirmesini geliştirdi. Ancak kurumsal ve ortaklık odaklı satışlarda, özellikle performans pazarlaması ve oyun gibi sektörlerde, ilişkiler dönüşümleri hâlâ tek başına otomasyondan çok daha fazla yönlendiriyor.

Örneğin yapay zekâ son derece optimize edilmiş erişim mesajları oluşturabilir, ancak daha derin iş bağlamını, zamanlama hassasiyetini ve müşterinin tarafındaki iç politikaları anlamakta veya uzun satış döngüleri boyunca gerçek güven oluşturmakta hâlâ zorlanıyor. Pek çok durumda yapay zekâ tarafından oluşturulan iletişim de birbirine fazla benziyor ya da aşırı kusursuz duyuluyordu; bu da özgünlüğü azaltıyordu.

Yapay zekâ kullanırken süreç disiplininin önemi

Geçtiğimiz yıl yapay zekâyı gelir süreçlerimize entegre ederken hem güçlü olumlu sonuçlar hem de bazı öğrenme süreçleri yaşadık.

Olumlu açıdan bakıldığında, operasyonel verimlilik ve görünürlük en büyük gelişmeler oldu. Yapay zekâ destekli SDR süreçleri, ekibin tekrarlayan araştırmalara, dışa dönük mesajların kişiselleştirilmesine ve takip çalışmalarına ayırdığı zamanı azaltarak genel erişim hızını ve yanıt yönetimini iyileştirdi. Satış ekibi artık idari işler yerine gerçek müşteri görüşmelerine daha fazla zaman ayırıyor.

Raporlamayı otomatikleştirdikten ve Salesforce'a tahmine dayalı sinyaller ekledikten sonra öngörü doğruluğunda ve satış hattı yönetiminde de belirgin iyileşmeler gördük. Daha önce satış hattı incelemeleri manuel ve tepkiseldi. Artık liderlik, anlaşma riskleri, durmuş fırsatlar, etkileşim azalmaları ve satın alma niyeti yüksek hesaplar hakkında çok daha erken görünürlük elde ediyor. Bu durum karar alma hızını artırdı ve öngörü görüşmelerinin çok daha fazla veriye dayanmasını sağladı.

Niteliksel açıdan yöneticiler artık CRM veri düzenini ve manuel güncellemeleri takip etmek yerine koçluk ve stratejiye daha fazla odaklanıyor. Genel organizasyon tepkisel olmaktan ziyade daha proaktif hale geldi.

Aynı zamanda bazı zorluklarla da karşılaştık. Yapay zekânın yalnızca arkasındaki verilerin ve süreçlerin kalitesi kadar iyi olduğunu erken fark ettik. Başlangıçta tutarsız CRM güncellemeleri ve parçalı veriler bazen yanıltıcı sinyaller veya gürültülü öngörüler oluşturdu. CRM güncellemeleri tutarsızsa, ekipler aşamaları gerektiği gibi güncel tutmuyorsa veya etkinlik takibi eksikse yapay zekânın bu sorunları düzeltmek yerine yalnızca büyüttüğünü fark ettik. Yapay zekâ çıktıları gerçekten güvenilir hale gelmeden önce süreç disiplinimizi geliştirmek zorunda kaldık.

Ayrıca yapay zekâ araçlarının bazen gerçek gelir sonuçlarını aynı oranda iyileştirmeden; daha fazla erişim, daha fazla rapor ve daha fazla otomasyon sunarak bir üretkenlik yanılsaması yarattığını da gördük. Bu nedenle yalnızca otomasyon metriklerini değil, gerçek iş etkisini ölçme konusunda çok daha bilinçli hareket etmeye başladık.

Son olarak, aşırı otomasyonun bazen erişim faaliyetlerinin robotik görünmesine neden olabildiğini gördük.

Yapay zekânın benimsenmesi neden değişim yönetimi gerektirir?

Ayrıca kurum içi değişim yönetimi için gereken çalışmanın miktarını da hafife aldım. Ekipler başlangıçta yapay zekâyı ya bir tehdit ya da her şeyi sihirli bir şekilde otomatik olarak çözecek bir araç olarak gördü. Gerçekte benimsenme, yalnızca insanlar yapay zekânın insan muhakemesinin yerini almak yerine daha iyi uygulamayı desteklediğini anladığında başarılı oldu.

Bunu daha önce bilseydim, öncelikle CRM veri düzenini iyileştirmeye, iş akışlarını açıkça tanımlamaya ve ekipleri yapay zekâyla birlikte nasıl çalışacakları konusunda eğitmeye daha fazla zaman ayırırdık. Böylece çok sayıda gürültülü raporlamanın, gerçekçi olmayan beklentilerin ve yapay zekânın gerçek etkisiyle ilgili ilk dönem karmaşasının önüne geçebilirdik.

Gelir ekipleri neden değişiyor?

Öğrendiğim şey şu: geliri ölçeklendirmek artık çalışan sayısını artırmayı gerektirmiyor.

Günümüzde daha küçük, yapay zekâ destekli bir ekip; çok daha büyük, geleneksel bir satış organizasyonundan genellikle daha hızlı ve daha iyi görünürlükle çalışabiliyor. Yapay zekâ, daha önce mümkün olmayan bir ölçekte araştırma, önceliklendirme, raporlama, tahmin ve iş akışı otomasyonunun büyük bölümünü gerçekleştirebiliyor.

CRO'lar ekiplerinin insani yönünü neden korumalı?

Bu döneme dönüp gururla bakacak CRO'lar en hızlı hareket edenler olmayacak. Ekiplerinin insani yönünü koruyan, yapay zekânın nerede kullanılması gerektiği konusunda bilinçli davranan ve faaliyetleri ivmeyle karıştırmayanlar olacak.

Daha önce de sarsıntılı dönemleri yönettiniz. Bu sarsıntı daha fazla araç içeriyor, ancak iş aynı: güven oluşturmak, gerçek sorunları çözmek ve satışları sonuçlandırmak.

Takipte kalın

Mukul Kaushik'in çalışmalarını LinkedIn ve Instagram üzerinden takip edebilirsiniz.

CRO Kulübü'nde daha fazla uzman röportajı sizleri bekliyor!