Marketingdirektør fortæller, hvordan hun skifter til et AI-baseret operativsystem

Emilia Korczynska er VP for marketing hos Userpilot, en platform til produktvækst. Hun er også grundlægger af ZenABM.

Vi satte os ned med Emilia for at høre, hvordan hun forvandler en standardstak af marketingværktøjer til et AI-baseret operativsystem. Her er, hvad hun fortalte os.

Sådan skaber man en målbar omsætningsmotor

Jeg hedder Emilia Korczynska og er VP for marketing hos Userpilot, hvor jeg fokuserer på at forvandle marketing fra en omkostningspost til en målbar omsætningsmotor.

Jeg leder en relativt slank marketingorganisation, der er struktureret omkring centrale vækstfunktioner frem for traditionelle kanalsiloer. Teamet dækker produktmarketing, efterspørgselsgenerering, indhold og SEO, marketingdrift, kreativt arbejde og support til udgående salg. Det understøtter både produktdrevet vækst og account-based marketing, så vi dækker hele rejsen fra selvbetjent kundeanskaffelse til salgssupporteret konvertering med høj købsintention.

Hvad angår kanaler, er ABM vores primære motor for kundeanskaffelse. Vi opbyggede teamet og systemerne for at skabe engagement og salgspipeline på kontoniveau gennem meget målrettede kampagner, især på LinkedIn. Organisk markedsføring supplerer dette som vores næstvigtigste løftestang, hvor indhold spiller en central rolle i at fange og udvikle købsintention, efterfulgt af Google Ads, som fanger efterspørgsel med høj købsintention og lukker kredsløbet for kundeanskaffelsen.

Fordi teamet bevidst er slankt, arbejder vi meget på tværs af funktioner. Indhold føder direkte ind i efterspørgselsgenerering og ABM, marketingdriften forbinder alle data og allokeringen af resultater, og vi måler alt i forhold til salgspipeline og omsætning frem for kanalspecifikke målepunkter.

Selvom teamet er lille, er strategien ganske sofistikeret.

En grundlæggende ændring af måden, marketing fungerer på

Emilia mener

Hvis det ikke skaber salgspipeline, er det ligegyldigt.

Min rejse ind i marketingledelse har været praktisk og tæt knyttet til eksperimenter. Jeg kom ikke ind i faget via traditionel brandmarketing – jeg udviklede mig gennem produktdrevet vækst, resultatorienteret markedsføring og ABM, hvor forventningen er enkel: Hvis det ikke skaber salgspipeline, er det ligegyldigt. Hos Userpilot har jeg stået i spidsen for skiftet fra bred efterspørgselsgenerering til meget målrettede, kontobaserede strategier, især på LinkedIn, hvor vi har været nødt til at gentænke alt fra opbygning af målgrupper til allokering af resultater.

En vigtig del af den rejse handlede om at udfordre mangelfulde målemodeller. Jeg har brugt meget tid på at bevise, at en stor del af B2B-omsætningen – ofte mere end halvdelen – er usynlig, hvis man baserer sig på attribution på kontaktniveau. Det førte også til, at jeg grundlagde ZenABM, en startupvirksomhed, hvor vi følger marketings indvirkning på salgspipelinen på kontoniveau og forbinder annonceengagement direkte med salgspipeline og omsætning.

Så det er fundamentet, og det førte naturligt til, at jeg begyndte at arbejde med AI.

Det skift, vi ser, handler ikke kun om at producere indhold hurtigere – det handler om grundlæggende at ændre den måde, marketing fungerer på. Vi bevæger os fra kontrolpaneler og manuel analyse til systemer, hvor man kan forespørge på sine data, automatisere indsigter og udløse handlinger øjeblikkeligt.

For mig handler dette øjeblik med AI-transformation mindre om hype og mere om løftestangseffekt. Jeg fokuserer på disse spørgsmål:

• "Hvordan bruger vi AI til at gøre marketing mere præcis, mere ansvarlig og tættere forbundet med omsætningen, end den nogensinde har været før?"
• "Og hvordan opbygger vi systemer, hvor data, indsigter og eksekvering ikke længere er separate trin, men en del af ét kontinuerligt kredsløb?"

Det er den rejse, jeg er på lige nu.

Sådan kan en stak af marketingværktøjer blive til et AI-baseret operativsystem

En af de største ændringer, vi gennemførte, var at forvandle vores standardstak af marketingværktøjer til et mere skræddersyet, AI-baseret operativsystem med GitHub som den centrale »marketinghjerne« og Claude Code som teamets grænseflade.

I stedet for at være afhængige af usammenhængende værktøjer og manuelle arbejdsgange flyttede vi eksekveringen ind i strukturerede, gentagelige AI-arbejdsgange. Vi har opbygget genanvendelige processer til generering af LinkedIn-indhold, oprettelse af landingssider og konkurrenceanalyse, orkestreret gennem cloudbaserede agenter og færdigheder.

Som følge heraf har vi forkortet tiden fra signal til handling markant. Marketing er nu langt mere systematisk og skalerbar, og teamet bruger mindre tid på eksekvering og mere på strategi, input og optimering af resultater.

Sådan kan AI gennemgribende ændre udgående markedsføring

Den mest markante ændring har været inden for udgående markedsføring. Vi har opbygget et system til udgående markedsføring baseret på købsintention, der identificerer engagerede konti fra vores ABM-programmer ved hjælp af ZenABM’s API, indlæser dataene i en tilpasset cloudbaseret database, beriger dem og derefter finder potentielle kunder blandt disse konti ved hjælp af vores ICP-kriterier via Prospeo.

Derfra aktiverer vi opsøgende kommunikation gennem værktøjer som Smartlead og HeyReach, hvilket gør det muligt for os at køre meget målrettede og personaliserede kampagner i stor skala baseret på reelle engagements-signaler.

Det, der tidligere var en manuel og fragmenteret proces på tværs af flere værktøjer, er nu et sammenkoblet, signalbaseret system.

Sådan understøtter AI marketingbeslutninger og menneskelig kreativitet

Overordnet set er vi i høj grad afhængige af AI til datarige, gentagelige beslutninger, der drager fordel af mønstergenkendelse i stor skala.

AI spiller for eksempel en stadig større rolle i fordelingen af budgettet ved hjælp af data om resultater og omsætningstilskrivning. I stedet for manuelt at flytte budgettet baseret på forsinkede indikatorer bruger vi systemer, der analyserer, hvilke kampagner og konti der driver salgspipeline og omsætning, og justerer investeringerne derefter.

Det gælder også SEO. Vi bruger AI til at prioritere indhold baseret på signaler som klikrate, søgevolumen samt forudsagt trafik og engagement. Det gør det muligt for os at fokusere på muligheder med det højeste forventede afkast i stedet for at stole på intuition eller statiske søgeordslister.

Men vi sørger bevidst for menneskelig involvering på områder, der kræver sans for kvalitet, kontekst og originalitet.

Designbeslutninger er et godt eksempel; hvad der “ser rigtigt ud” for en bestemt målgruppe, et bestemt brand eller et bestemt øjeblik, afhænger stadig i høj grad af menneskelig dømmekraft. Det samme gælder arrangementer og konferencer, hvor forståelse for nuancer, relationer og brandopfattelse betyder mere end rene data.

På indholdssiden er det en hybrid. AI genererer effektivt variationer, strukturer og endda annonceidéer, men de centrale vinkler for efterspørgselsgenerering kommer stadig fra kreativ research og en dyb forståelse af målgruppen. Det er her, differentieringen opstår.

Hvorfor automatiseringer skal kunne retfærdiggøre sig selv

De største positive effekter er tydelige: effektivitet og skalerbarhed.

Automatisering af manuelle arbejdsgange har sparet teamet betydelig tid på alt fra indholdsproduktion til eksekvering af udgående aktiviteter. Det omsættes direkte til resultater: Vi kan køre flere eksperimenter, lancere hurtigere og arbejde med et mindre team end tidligere nødvendigt.

AI har også forbedret hastigheden i beslutningstagningen. Når AI analyserer data om resultater og tilskrivning, kan vi bevæge os langt hurtigere fra indsigt til handling, især inden for områder som budgetfordeling eller kampagneoptimering.

Overautomatisering er dog en stor risiko.

Det er let at bruge tid på at opbygge og optimere arbejdsgange, der er operationelt interessante, men som ikke skaber meningsfulde forretningsresultater. I nogle tilfælde er systemernes output ikke stærkt nok til at retfærdiggøre indsatsen, især hvis de mangler den nødvendige nuancering eller kvalitet.

Så det er mit råd: Automatisér ikke bare for automatiseringens skyld. Vær disciplineret omkring, hvor AI skaber reel løftestangseffekt, og hvor det blot tilfører kompleksitet.

Emilias råd

Automatisér ikke bare for automatiseringens skyld. Vær disciplineret omkring, hvor AI skaber reel løftestangseffekt, og hvor det blot tilføjer kompleksitet.

Følg med

Du kan følge med i Emilias arbejde på LinkedIn. Og tjek ZenABM ud.

Der kommer flere ekspertinterviews på The CMO Club!