Marketingdirektør deler, 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 lære, hvordan hun forvandler en standardmarketingstak 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 outbound-support. Det understøtter både produktdrevet vækst og account-based marketing, så vi dækker hele rejsen fra selvbetjent kundeanskaffelse til konvertering med salgsassistance, når købsintentionen er høj.

Hvad angår kanaler, er ABM vores primære motor for kundeanskaffelse. Vi byggede teamet og systemerne til at skabe engagement og salgspipeline på kontoniveau gennem meget målrettede kampagner, især på LinkedIn. Organisk trafik supplerer dette som vores næstvigtigste løftestang, hvor indhold spiller en central rolle i at fange og pleje 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, marketingdrift forbinder alle data og al tilskrivning, 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, hvordan marketing fungerer

Emilia mener

Hvis det ikke skaber salgspipeline, betyder det ikke noget.

Min vej ind i marketingledelse har været praktisk og tæt forbundet med eksperimenter. Jeg kom ikke ind i faget via traditionel brandmarketing – jeg udviklede mig gennem produktdrevet vækst, performance og ABM, hvor forventningen er enkel: Hvis det ikke skaber salgspipeline, betyder det ikke noget. 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 tilskrivning.

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 over halvdelen – er usynlig, hvis man baserer sig på tilskrivning på kontaktniveau. Det førte også til, at jeg grundlagde ZenABM, en startup, hvor vi følger marketingens påvirkning af salgspipelinen på kontoniveau og forbinder annonceengagement direkte med salgspipeline og omsætning.

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

Det skift, vi ser, handler ikke kun om at generere indhold hurtigere – det handler om grundlæggende at ændre den måde, marketing fungerer på. Vi bevæger os fra dashboards 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 bygger vi systemer, hvor data, indsigter og eksekvering ikke længere er separate trin, men en del af én kontinuerlig sløjfe?"

Det er den rejse, jeg er på lige nu.

Sådan kan en marketingstak blive til et AI-baseret operativsystem

En af de største ændringer, vi foretog, var at omdanne vores standardmarketingstak 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 adskilte værktøjer og manuelle arbejdsgange flyttede vi eksekveringen over i strukturerede, gentagelige AI-arbejdsgange. Vi har opbygget genanvendelige processer til generering af LinkedIn-indhold, oprettelse af landingssider og konkurrenceinformation, orkestreret gennem cloudbaserede agenter og færdigheder.

Som følge heraf har vi forkortet tiden fra signal til handling betydeligt. Markedsføringen 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 aktiviteter

Den mest markante ændring har fundet sted inden for udgående aktiviteter. Vi har opbygget et intent-baseret system til udgående aktiviteter, som identificerer engagerede konti fra vores ABM-programmer ved hjælp af ZenABM's API, sender dataene ind i en tilpasset cloud-database, beriger dem og derefter finder potentielle kunder blandt disse konti ud fra vores ICP-kriterier via Prospeo.

Derfra aktiverer vi opsøgende aktiviteter 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 sammenhængende, signalbaseret system.

Sådan informerer AI markedsføringsbeslutninger 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 informerer eksempelvis i stigende grad budgetallokeringen 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 skaber pipeline og omsætning, og justerer investeringerne derefter.

Det gælder også SEO. Vi bruger AI til at prioritere indhold baseret på signaler som klikrate, søgevolumen samt forventet trafik og engagement. Det giver os mulighed for at fokusere på muligheder med det højeste forventede afkast i stedet for at være afhængige af 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 event- og konferencestrategi, 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 inden for efterspørgselsgenerering kommer stadig fra kreativ research og en dyb forståelse af målgruppen. Det er her, differentieringen opstår.

Hvorfor automatiseringer skal retfærdiggøre sig selv

De største positive effekter er indlysende: 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 output: 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 budgetallokering eller kampagneoptimering.

Overautomatisering er dog en stor risiko.

Det er nemt 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 nuance eller kvalitet.

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

Emilias råd

Automatisér ikke blot for automatiseringens skyld. Vær disciplineret med hensyn til, hvor AI skaber reel løftestangseffekt, og hvor det blot tilfører kompleksitet.

Følg med

Du kan følge med i Emilias arbejde på LinkedIn. Og tag et kig på ZenABM.

Der kommer flere ekspertinterviews på The CMO Club!