Startup’ın Gelir Başkanından Küçük Ekiplerin Yapay Zekâyla Büyük Kaldıraç Yaratma Yöntemleri

Waleed Shaarani, Spiky.ai adlı bir girişimde Gelir ve GTM Başkanıdır. B2B SaaS alanının tohum aşamasına odaklanıyor; bu da onu yaratıcı çözümler üretmeye, odaklanmaya ve hızlı hareket etmeye zorluyor — yapay zekânın onun için oyunun kurallarını değiştirmesinin nedeni de bu.

Waleed ile, kısıtlı kaynaklara sahip gelir ekiplerinin yapay zekâyla nasıl avantaj yaratabileceğini öğrenmek için bir araya geldik. İşte söyledikleri.

Tohum Aşamasındaki Girişimlerin Gelir Başarısı İçin Yapay Zekâya İhtiyacı Var

Benim yolculuğum, dev kurumsal ekipleri yönetmekten çok, erken aşamadaki şirketlerin içinde yer alıp işleri gerçek zamanlı olarak çözmek, birden fazla sorumluluk üstlenmek ve ivme yaratmak için ne gerekiyorsa yapma üzerine kurulu oldu.

Kurucularla yakından çalıştım, pazara giriş stratejisinin temelden şekillendirilmesine yardımcı oldum ve büyük ekiplerin, kusursuz iş planlarının ya da süreçlerin arkasına saklanma imkânının olmadığı ortamlarda faaliyet gösterdim. Yaratıcı çözümler üretmeye, hızlı hareket etmeye ve belirsizliği uygulamaya dönüştürmeye odaklanıyorum.

Şu anda abonelik tabanlı SaaS modeline sahip, tohum aşamasındaki bir B2B yapay zekâ girişiminde gelire liderlik ediyorum. Ekip yalın; gelir ekibinde bir veya iki kişi bulunuyor. Bu nedenle GTM stratejisi, dışa dönük satış, satış fırsatlarının oluşturulması, satışın yürütülmesi ve müşteri geri bildirimleri gibi alanlarda son derece aktif bir rol üstleniyorum. GTM yaklaşımımız kurucuyla yakın ve yinelemeli bir yapıya sahip; erken müşterileri kazanıp hızlı öğrenmeye ve müşteriyle temas eden ekiplerle gelir ekiplerinin hizmet verdiği pazarlarda tekrarlanabilir bir ivme oluşturmaya odaklanıyoruz.

Tohum aşamasında gelirin başarısı büyük ölçüde kurucunun sezgilerine, dağınık görüşmelere, manuel takip süreçlerine ve kişilere özgü bilgiye dayanır. Bu nedenle yapay zekânın girişimlerin bu sinyalleri daha erken yakalamasına, en iyi performans gösterenlerin yaptıklarını operasyonel hâle getirmesine ve yalın ekiplerin büyük bir organizasyona ihtiyaç duymadan avantaj elde etmesine nasıl yardımcı olabileceğiyle yakından ilgilenmeye başladım.

Benim için gelir alanında yapay zekâ, insanların yerini almaz veya karmaşıklık yaratmaz. Küçük ve kısıtlı kaynaklarla çalışan ekiplerin kapasitelerinin üzerinde etki yaratmasına yardımcı olur. Girişimlerin daha hızlı hareket etmesini, daha hızlı öğrenmesini ve aksi hâlde mümkün olandan daha erken daha iyi sistemler kurmasını sağlar. Tohum aşamasındaki şirketlerin kaostan düzen yaratmasına, içgörüyü eyleme dönüştürmesine ve hızlarını kaybetmeden geliri ölçeklendirmesine yardımcı olmak için yapay zekâyı kullanmayı seviyorum.

Yapay Zekâ Gelir İş Akışlarında Odağı ve Hızı Nasıl Artırır?

Benim için yapay zekâ odak, hız ve avantaj yaratıyor.

Geliştirdiğim ajanlar, hedef pazar seçimini daha isabetli hâle getirmemize, satın alma niyeti daha yüksek hesapları daha erken belirlememize ve son derece yalın bir gelir fonksiyonunun daha hassas çalışmasına yardımcı oldu. Bu, uygunluğu düşük hesaplar üzerindeki boşa harcanan çabanın azalması, dışa dönük iletişim ve takip süreçlerinin daha hızlı yürütülmesi ve satın alma sinyallerini nerede gördüğümüz konusunda daha iyi görünürlük elde edilmesi anlamına geldi. Ayrıca mesajları ne kadar hızlı test edebileceğimizi, ideal müşteri profili varsayımlarımızı nasıl geliştirebileceğimizi ve kaynakları daha güçlü niyet gösteren segmentlere nasıl kaydırabileceğimizi de iyileştirdi.

En net nicel sonuç verimlilik oldu. Yapay zekâ, araştırma, hesap önceliklendirme ve GTM hazırlığı için gereken süreyi %50'den fazla azalttı ve kadromuzu genişletmeden satış kapasitemizi önemli ölçüde artırdı. Bu, daha iyi bir dışa dönük iletişim odağına, daha nitelikli toplantılara ve satış hunisinin tamamında daha az boşa harcanan çabaya yol açtı.

Bazı durumlarda etki, yalnızca üst düzey sonuçlarda değil, operasyonel açıdan daha görünür oldu. Eskiden saatler süren manuel araştırma gerektiren işler artık çok daha hızlı yapılabiliyor; bu da satış ve karar alma için daha fazla alan yaratıyor. İş akışının daha az tepkisel olmasını da sağladı. Her şeyin peşinden koşmak yerine, zamanımızı nerede harcayacağımız konusunda daha bilinçli davranabildik.

Bir girişimde bu tür bir avantaj önemlidir; çünkü ölçeğe ulaşmadan önce daha akıllıca ölçeklenmenize yardımcı olur.

Yapay Zekâ Satış Fırsatlarının Oluşturulmasını Nasıl İyileştirebilir?

İşte bir iş akışı örneği. Hangi web sitesi ziyaretçilerinin ve hesapların satın alma niyeti gösterdiğini belirleyerek satış fırsatlarını nasıl oluşturduğumuzu daha isabetli hâle getirmek için yapay zekâyı kullandım. Daha önce daha geniş ideal müşteri profili varsayımları, manuel araştırma ve sınırlı niyet verileriyle çalışıyorduk. Bu da kâğıt üzerinde doğru görünen, ancak mutlaka satın alma sürecinde olmayan hesaplara zaman ayırmamız anlamına geliyordu.

Bunu, benzersiz ziyaretçileri belirlemek, etkileşim davranışlarını analiz etmek ve hesapları satın alma olasılıklarına göre puanlamak için yapay zekâyı kullanarak değiştirdik. Böylece hedef pazar segmentlerine ve gerçek niyet gösteren şirketlere daha fazla odaklanabildik.

Sonuç olarak önceliklendirme, uygunluk ve dönüşüm verimliliği arttı. Tahmin yürütmeye daha az, sinyallere göre harekete geçmeye daha fazla zaman ayırdık; bu da GTM yaklaşımımızı daha isabetli ve odaklı hâle getirdi.

En büyük değişim ise “kâğıt üzerinde kim doğru görünüyor?” sorusundan “şu anda harekete geçmeye en çok kim değer?” sorusuna geçmekti. Daha fazla CRO'nun yönelmesi gereken nokta da burası.

Yapay Zekâ Erken Aşamadaki Şirketler İçin Neden Felaket Getirebilir?

Dezavantajı şu: Yapay zekâ yalnızca girdileri, mantığı ve koruyucu önlemleri kadar iyidir. Gürültülü sinyallere gereğinden fazla ağırlık verdiği, yanlış pozitifler ortaya çıkardığı veya temel verilerin hak etmediği düzeyde bir güven sunduğu durumlar gördüm. Erken aşamadaki bir ortamda bu tehlikeli olabilir; çünkü veri kümesi daha küçüktür, pazar hâlâ gelişmektedir ve bir örüntünün olduğundan daha güçlü olduğuna kendinizi inandırmanız kolaydır. Bu nedenle kötü sonuçlardan biri, yapay zekânın sizi umut verici görünen ancak gerçek bir kanaatle desteklenmeyen hesaplara veya sinyallere yönlendirmesiyle oluşan boşa harcanmış çabadır.

Ayrıca yapay zekânın bizi çok fazla şeyi çok erken otomatikleştirmeye teşvik edebildiğini de gördüm. Dikkatli olmazsanız, daha fazla faaliyet yürütüp mutlaka daha iyi muhakemeye sahip olmayan bir noktaya gelebilirsiniz.

Stratejik gelir kararlarını tamamen otomatikleştirmekten hâlâ çok uzağız. Yapay zekâ araştırmaya yardımcı olabilir, sinyalleri ortaya çıkarabilir ve uygulamayı hızlandırabilir; ancak tahmin, anlaşma stratejisi veya hangi fırsatların sonuçlanacağını güvenle öngörme konusunda henüz tutarlı bir güvenilirliğe sahip değil. Sizi yolun %90'ına kadar getiriyor; kalan %10'u bir insanın tamamlaması gerekiyor. Özellikle erken aşamadaki ortamlarda yapay zekâ, bu kararları umulan düzeyde verebilmek için genellikle yeterince temiz geçmiş verisine sahip değil.

Dolayısıyla yapay zekâ; araştırma, önceliklendirme ve uygulama için bir güç çarpanıdır. Ancak uygulayıcı sezgisinin veya müşteriye yakınlığın yerini tutmaz. Strateji, muhakeme ve ilişkilere dayalı karar alma insanlarda kalmalıdır. Pazar odağı, mesajlaşma, önceliklendirme, fiyatlandırma ve anlaşma yönetimi konularında nihai kararları hâlâ ben veriyorum.

Yapay Zekâ Mesajlaşmada Yetersiz Kaldığında Nasıl Uyum Sağlanır?

Yapay zekânın benim için yetersiz kaldığı bir duruma örnek vereyim.

Dışa dönük iletişim metinlerini daha hızlı oluşturmak ve iyileştirmek için yapay zekâyı kullandık; ancak metinlerin büyük bölümü fazla genel veya fazla cilalı çıktı ve alıcılar üzerinde istenen etkiyi yaratmadı. Kulağa hoş geliyordu, ancak gerçek pazar inceliklerini veya alıcıların nasıl tepki vereceğini her zaman yansıtmıyordu.

Bunu düzeltmek için yapay zekâ tarafından oluşturulan mesajları nihai çıktı olarak değerlendirmeyi bıraktım ve onları daha çok bir taslak katmanı olarak kullandım. Nihai konumlandırma, üslup ve keskinlik insanda kaldı. Yapay zekâ süreci hızlandırdı, ancak muhakemenin yine müşteriye yakın birinden gelmesi gerekti.

Yapay Zekânın Etkisini Ölçmek Gelir Açısından Neden Kritik?

Yapay zekânın her uygulaması gerçekten faydalı değildir. Yapay zekânın etkisini, herhangi bir GTM yatırımını ölçtüğüm şekilde ölçüyorum. Uyguladığım her yapay zekâ iş akışı aşağıdakilerden birini gerçekleştirmelidir:

• Çıktıyı artırmak
• Karar kalitesini iyileştirmek
• Gelir sonucuna ulaşma süresini kısaltmak

Bu üç unsurdan hiçbirini iyileştirmiyorsa, muhtemelen yalnızca gürültü ekliyordur.

Genel olarak yapay zekânın daha fazla satış hattı oluşturmamıza, daha iyi fırsatlara öncelik vermemize ve ekibi daha verimli hâle getirmemize yardımcı olup olmadığını değerlendiriyorum. Yapay zekâyı araştırma ve GTM aracıları aracılığıyla yoğun biçimde kullandığım için hesap araştırmasında kazanılan zaman, liste oluşturma hızı, ilk erişime kadar geçen süre ve dışa dönük iletişimimizin ne ölçüde daha hedefli hâle geldiği gibi ölçümleri takip ediyorum. Yapay zekâ işe yarıyorsa ekip, bilgi toplamak için daha az ve doğru fırsatlar üzerinde harekete geçmek için daha fazla zaman harcamalıdır.

Ayrıca yalnızca faaliyete değil, kaliteye odaklanan gelir ölçümlerini de takip ediyorum. Bunlar; hedef hesaptan toplantıya, toplantıdan fırsata ve fırsattan kapanışa dönüşüm oranlarını, yapay zekâ destekli erişimlerde yanıt oranlarını ve daha yüksek niyet gösteren hesaplardan kaynaklanan satış hattını içeriyor. Yapay zekâ daha uygun hesapları belirlememize veya mesajlaşmayı iyileştirmemize yardımcı oluyorsa, bunun daha kaliteli görüşmeler ve sonraki aşamalarda daha güçlü dönüşümler şeklinde yansımasını bekliyorum.

Operasyonel açıdan kesinliği ve faydayı değerlendiriyorum. Örneğin: Araç doğru hesapları belirledi mi, ilgili bağlamı ortaya çıkardı mı veya doğru pazar bölümüne odaklanmamıza yardımcı oldu mu? Çıktılar hızlı ama kullanışlı değilse yardımcı olmuyor demektir. Bu nedenle değerlendirmenin bir bölümü nitel olmaya devam ediyor: İçgörüler güvenilebilecek kadar doğru mu ve çalışma biçimimizi anlamlı ölçüde değiştiriyor mu?

Yapay Zekâ Neden Strateji Değildir?

Yapay zekâ strateji değildir; kaldıraçtır.

Her CRO, işe başlamadan önce bunu anlamalıdır; çünkü ICP'niz, mesajlaşmanız, satış süreciniz ve temel süreçleriniz zayıfsa yapay zekâ bunları düzeltmez. Yalnızca yanlış şeyleri daha hızlı yapmanıza yardımcı olur.

Yapay zekâdan en fazla faydayı sağlayan şirketler, onu düşünmenin yerini alması için değil; muhakemeyi keskinleştirmek, öğrenmeyi hızlandırmak ve manuel işleri ortadan kaldırmak için kullanır. Yapay zekâyı sihirli bir çözüm yerine bir güç çarpanı olarak değerlendirirseniz, onu çok daha etkili biçimde uygulayabilirsiniz.

Gelir Ekiplerinde Yapay Zekâyı Kullanıma Almadan Önce Bilinmesi Gerekenler

Temiz girdiler ve net sınırlar önemlidir. Buna daha önce değindim, ancak bunu daha erken fark etmiş olmayı dilediğim için tekrar etmekte fayda var.

Başlangıçta yapay zekânın üretebilecekleri konusunda heyecanlanmak kolaydır; ancak veriler dağınıksa, istem belirsizse veya iş akışı sıkı biçimde tanımlanmamışsa çıktı olduğundan daha iyi görünür. Bu da yanlış bir güven duygusu ve boşa harcanan çaba yaratabilir.

Bunu daha önce bilseydim, göz alıcı çıktılar peşinde daha az zaman harcar; ilk günden itibaren tam kullanım alanını, başarı ölçütünü ve insan inceleme katmanını tanımlamaya daha fazla zaman ayırırdım. Bu, gürültüden, yanlış pozitiflerden ve çok sayıda yeniden çalışmadan kaçınmaya yardımcı olurdu.

Hatalarımdan ders çıkardım ve kapsam, girdiler ve inceleme konusunda çok daha disiplinli oldum.

Öncelikle, her bir yapay zekâ girişimini aynı anda çok fazla şey yapmasını istemek yerine tek bir işe odakladım. Ardından girdileri standartlaştırdım — tutarlı veri alanları, daha net istemler, “iyi”nin nasıl göründüğüne dair daha kesin tanımlar ve düzensiz ya da eksik bilgilere daha az bağımlılık sağladım. Ayrıca yapay zekânın nerede destek sağlayabileceğini ve nihai kararı nerede bir insanın vermesi gerektiğini tanımlayan açık sınırlar ekledim.

Ayrıca bir inceleme döngüsü oluşturdum. Çıktıları gerçek dünyadaki sonuçlarla karşılaştırarak test ettim, yapay zekânın nerelerde gürültü veya sahte bir güven oluşturduğunu belirledim ve buradan hareketle iyileştirmeler yaptım. En büyük değişim, yapay zekâyı sihir gibi görmekten vazgeçip onu faydalı olabilmesi için yapıya, kalite güvencesine ve kısıtlamalara ihtiyaç duyan bir işletim sistemi gibi ele almak oldu.

CRO'lar Yapay Zekâyı Neden Bir İşleyiş Değişimi Olarak Benimsemeli?

Genel olarak tavsiyem şu.

Yapay zekâya bir araç kullanıma alma süreci gibi yaklaşmayın. Ona bir işleyiş değişimi gibi yaklaşın.

Ekibin hız, sinyal işleme veya manuel iş yükü nedeniyle geride kaldığı, net bir gelir sorunuyla başlayın. Önce burada kaldıraç oluşturmak için yapay zekâyı kullanın. Kapsamı dar tutun, etkiyi ölçün ve abartılı söylemler yerine gerçek iş akışlarından hareketle ilerleyin.

En önemlisi, muhakemeyi dışarıya devretmeyin. En iyi CRO'lar yapay zekâyı daha hızlı ilerlemek, daha net görmek ve daha iyi kararlar almak için kullanacak — harika GTM liderliğini hâlâ yönlendiren insani bağlamın yerini alması için değil.

Takipte Kalın

Waleed Shaarani'nin girişim alanında gelir organizasyonlarına liderlik etmeye devam ederken sürdürdüğü yolculuğu LinkedIn üzerinden takip edebilirsiniz.

The CRO Club'da daha fazla uzman röportajı sizlerle olacak!