Markedsføreren, der bygger maskinen

Hvad ville du gøre for at opnå en bedre LTV og stærkere fastholdelse? For ét team blev det muligt gennem en ændring af den måde, marketing skulle fungere på. Yael Abukasis, CMO og Head of Revenue Growth hos Lusha, en data- og intelligensplatform til markedsføring og salg, gik til marketing med en bestemt tankegang. Det gjorde det muligt for hendes team af GTM-byggere at øge virksomhedens omsætning med 21 % på omkring ét kvartal.

Så hvis kløften mellem det, dit team producerer, og det, AI-baserede konkurrenter lancerer, bliver større, så læs videre.

Da hun kom til virksomheden, leverede marketingorganisationen gode resultater efter traditionelle målestandarder. Men så lagde hun mærke til noget.

"Efterhånden som vi skalerede kampagnerne, begyndte effektiviteten at falde, selvom teamet arbejdede på et højt niveau," fortalte hun mig. Problemet var hverken indsats eller kompetencer. Det var arkitekturen. Teamet var udstyret til at køre kampagner. Men ingen havde opbygget det til at designe de systemer, der får kampagner til at fungere, tilpasse sig og skabe kumulative resultater over tid.

Det, der fulgte, var en ni måneder lang omstrukturering, som ændrede sammensætningen af hendes team, samtidig med en år-til-år-vækst i ICP på 16 %, mens udgifterne til betalte medier blev halveret. Disse tal peger på mere end en stærk kreativ strategi; de er resultatet af at bygge bedre maskiner.

Udformning af systemet

Lusha startede som et kerneprodukt inden for data, der tilbød nøjagtige, verificerede og kompatible B2B-kontakt- og virksomhedsdata til salgsteams via en platform og en Chrome-udvidelse.
Hun siger, at produktet var fremragende. Men så kom AI, deres målgruppe udviklede sig, og det gjorde de også.

I dag er Lusha det dybdegående datainformationslag for GTM-byggere, baseret på maskinlæring, som hjælper dem med at nå de 5 % af kunderne, der er på markedet for deres løsning, baseret på deres kontekst og købsignaler i realtid, tilgængeligt overalt, hvor byggere arbejder—uanset om det er Clay, Claude, ChatGPT eller via deres API og MCP. 

Det er det, der får mig ud af sengen. At bygge den infrastruktur, der gør moderne GTM muligt, samtidig med at jeg leder et team, der skal praktisere det, vi prædiker. Vi bruger vores eget produkt til at drive vores egen marketing hver dag.

Abukasis husker det øjeblik, hvor hun indså, at hendes team leverede på et højt niveau og stadig tabte terræn.

Og efterhånden som Lusha skalerede, blev effektiviteten ved med at falde, og det skyldtes ikke manglende indsats eller talent. Hun indrømmer, at "marketing har bevæget sig fra udelukkende at være en kreativ disciplin til at være en disciplin inden for beslutningstagning."

Alt blev ved med at pege på de underliggende rødder, så Abukasis trådte et skridt tilbage for at revurdere situationen.

De spørgsmål, hun stillede sit team, var enkle. Ved I, hvem I målretter jer mod? Hvornår kontakter I jeres målgruppe? Og hvordan træffes beslutningerne?

Det, Abukasis kalder skiftet til en "bygger-først-kultur", er mere end en ny branding af de samme gamle roller. Det er en grundlæggende anderledes idé om, hvordan marketingfolk bør arbejde.

At køre en kampagne kontra at bygge maskinen

Denne erkendelse førte til en ni måneder lang omstrukturering af hendes team – ikke en øvelse i at tegne organisationsdiagrammer, men en grundlæggende gentænkning af, hvilken slags mennesker marketing faktisk har brug for lige nu.

Det svar, hun nåede frem til, var at opfordre sit team til at blive byggere. Abukasis fremhæver forskellen mellem en person, der kører en kampagne, og en person, der designer det system, som driver den. "En bygger er en systemarkitekt, der tilfældigvis arbejder i marketing," siger hun

I en traditionel opsætning har man specialister, der holder sig til deres områder — tekstforfattere, der skriver, performancechefer, der administrerer kampagner, og en driftsansvarlig, der løser problemer med fordeling af kundeemner. En bygger bygger bro over det hul.

En bygger stiller andre spørgsmål. I stedet for "hvad er budskabet?" spørger vedkommende "hvad er udløseren?"

I stedet for "hvem er målgruppen?" handler det om "hvad er logikken bag data berigelsen, og hvordan forbedrer feedbacksløjfen den næste kampagne?" Derefter ser de på, hvad deres team udfører manuelt hver uge, og spørger, hvordan det kan automatiseres.

Abukasis fortæller, at hun indledte med forespørgsler som: "Jeg vil ikke have, at I arbejder på et oplæg. Jeg vil have, at I bygger en maskine, der får marketing til at ske med 10 gange højere hastighed."

Nogle af de mest håndgribelige eksempler på dette hos Lusha er slet ikke kampagner. Hendes team byggede et system, der overvåger konkurrenters og branchens websteder for ændringer i brugergrænsefladen, opdateringer af prissider og A/B-tests, som aldrig bliver offentliggjort. De automatiserede brandovervågning. Og nu er de i gang med at udvikle et komplet system til kampagneautomatisering, der tager menneskeligt input og producerer en kampagne, der er fuldt klar til implementering, inklusive tekst, kreative elementer og annonceaktiver formateret til hver platform – alt sammen i én arbejdsgang.

Hun indrømmer, at "det, der tidligere tog dage med frem og tilbage mellem teams, nu sker i én arbejdsgang. De talentfulde mennesker på mit team laver ikke mindre på grund af det."

Signalet, der guider hendes beslutninger

Det strukturelle skift kom ikke fra et topstyret direktiv. Det kom af at se en ny type bruger dukke op på Lushas egen platform.

Ved udgangen af 2025 udgjorde det, som Abukasis og hendes team kalder "GTM-byggere" – RevOps-ledere, professionelle inden for marketingdrift og stiftere, der bygger indtægtsagenter fra bunden – omkring 1 % af deres brugerbase.

Ved udgangen af 1. kvartal 2026 var denne gruppe vokset til mere end 10 % af de nye tilmeldinger og repræsenterede 21 % af virksomhedens omsætning. De viste højere nettodollarfastholdelse, højere livstidsværdi og markant bedre fastholdelse end noget andet brugersegment.

Da vi så det mønster, måtte vi spørge, om vores teamstruktur var bygget til at betjene dem. Det var den ikke. Så vi byggede den om.

Det andet signal var mere personligt. Abukasis begyndte at lægge mærke til, at hendes egne teammedlemmer byggede små automatiseringer ved siden af og løste deres egne friktionspunkter med værktøjer, de selv havde lært at bruge.

"Jeg byggede min egen automatisering. Det var så nemt, at jeg på én dag byggede to ting, der løste enorme problemer for mig, og jeg følte, at jeg havde superkræfter." Denne form for græsrodsenergi viste hende, hvor ambitionerne lå uudnyttede på tværs af organisationen.

Så uanset om du tænker på dette fra et produktperspektiv eller i forbindelse med ansættelsen af en ny medarbejder, er det værd at bruge noget tid på.

Konsekvensen er, at de mennesker, der hjælper med at designe og definere systemerne, kan skabe kumulative gevinster.

Sådan så omstruktureringen ud

Skiftet tog ni måneder og krævede en nytænkning af adskillelsen mellem indhold, omsætningsvækst og marketingdrift.

I dag leder Abukasis både marketing og omsætningsvækst samlet. Hendes team byggede en dedikeret driftsmotor under deres direktør for marketingdrift, der specifikt er designet til at eje teknologistakken og dataflowene.

Omsætningsvækst blev integreret direkte i marketing i stedet for at være placeret ved siden af. Og alle teammedlemmer får adgang til pro-versioner af AI-værktøjer, hvilket tilskyndede dem til at bygge deres egne automatiseringer og agenter.

"De første tre måneder krævede omfattende tilpasning. Ved måned seks opstod der konsistens. Ved måned ni var modellen fuldt forankret."

Hun indrømmer, at den menneskelige side af denne tidslinje er mere kompleks.

Hendes løsning var at sikre, at alle i teamet kunne besvare et enkelt spørgsmål – hvad betyder det her for mig og mit arbejde?

Hun genopbyggede også kanalblandingen næsten fuldstændigt. GTM-byggerpersonaen reagerer ikke på brede kreative kampagner. "De befinder sig i faglige fællesskaber, i Slack-grupper, i nyhedsbreve og i partnerøkosystemer." Derfor tilføjede Lusha budget til partnerskaber og tilknyttede partnere og lancerede Lusha Campus, et læringsmiljø, hvor brugere kan forstå, hvordan de får reel værdi ud af dataene, før de nogensinde bliver betalende kunder. Hendes team fandt ud af, at når folk gennemførte Campus, blev de aktiveret hurtigere, fastholdt bedre og udvidede deres brug i højere grad.

Her tager de fleste ledere fejl

Den fejl, Abukasis oftest ser, er marketingledere, der lægger AI oven på et ødelagt fundament. Det har været en rød tråd blandt de ledere, jeg har talt med.

Selvfølgelig afspejler "AI kvaliteten af det system, den er koblet til," siger hun. "Når data er fragmenterede, og målretningen er bred, hjælper AI dig bare med at bevæge dig hurtigere i den forkerte retning." Lusha oplevede dette på egen krop, hvilket fremhæver den brandrisiko, CMO'er står over for, når optimering prioriteres over det strategiske fundament. Stærkere resultater fulgte først, da input og logik var fuldt afstemt.

For ledere, der arbejder inden for begrænsninger – et eksisterende team, et fast antal medarbejdere og et fastlåst budget – er man ganske enkelt nødt til at begynde et eller andet sted.

Vælg én arbejdsgang, der betyder noget, og genopbyg den fra ende til anden. Mellem fordeling af leads, ICP-målretning og dataudvidelse siger hun, at man bare skal vælge én. Få marketing, RevOps og data ind i samme rum.

Definér logikken, rens inputtene, og automatisér det fuldstændigt. "Når ét system fungerer problemfrit, finansierer samtalen om at gå videre sig selv."

Hendes data understøtter tilgangen. Efter at have genopbygget målretningslogikken omkring en skarpere, signalbaseret ICP opnåede Lusha en vækst i ICP på 16 % fra år til år, samtidig med at udgifterne til betalte medier blev halveret.

Historien bag det tal begyndte med et spørgsmål, som et af hendes teammedlemmer stillede under et planlægningsmøde: "Ved vi faktisk, hvilken virksomhedsprofil der lukker hurtigst?" Det havde de ikke et klart svar på. Så de byggede et, hvor de kortlagde vundne aftaler mod firmografiske og signalbaserede attributter, indtil de fandt en profil, der var markant mere effektiv end den brede ICP, de havde målrettet. Derefter genopbyggede de alt omkring den.

Det team, der byggede analysen, blev det team, der nu driver vores målretningslogik løbende – ikke som en kvartalsøvelse. Skiftet fra kampagnetænkning til systemtænkning er den egentlige gevinst.

Det er de fleste ledere ikke klar til

Selv mens Abukasis taler om det arbejde, hendes team har udført, fokuserer hun allerede på det næste problem. Og det er et problem, som de fleste marketingorganisationer endnu ikke har forholdt sig til.

AI-agenter bliver stadig mere udbredte i virksomheders købsprocesser. IDC forventer, at en milliard af dem vil køre i virksomheder inden 2029. I mange indkøbsflows vil den første enhed, der evaluerer dit brand, slet ikke være et menneske. Det vil være et system, der træffer afgørelser om egnethed, før nogen person ser dit kreative materiale.

"Den første enhed, der vurderer dit brand i mange købsprocesser, er allerede et system, der ikke læser din blog for inspiration – det forespørger i dit dataskema for at kontrollere, om du er verificeret, struktureret og kompatibel," sagde Abukasis. "Hvis dine data er fragmenterede, og din API-dokumentation er et rod, vil en menneskelig køber måske aldrig se dit kreative materiale, fordi en agent allerede har sorteret dig fra."

Ved at bygge til maskinlaget bliver det muligt for hendes team at fokusere på det menneskelige lag. De to er ikke konkurrerende prioriteter. De er sekventielle.

Det ligger langt fra bekymringer om annoncetekster. Og det er grunden til, at de marketingfolk, der forstår systemer, og som tænker som byggere – er dem, der har arbejde, som ikke vil blive automatiseret væk.

Hvad er det næste?

Opret en gratis konto hos The CMO Club, og få vores nyhedsbrev leveret direkte til din indbakke hver uge.