Markedsdirektøren deler hvordan hun går over til et AI-basert operativsystem

Emilia Korczynska er markedsdirektør i Userpilot, en plattform for produktvekst. Hun er også grunnleggeren av ZenABM.

Vi satte oss ned med Emilia for å lære hvordan hun forvandler en standard markedsføringsstakk til et KI-basert operativsystem. Her er det hun fortalte oss.

Å skape en målbar inntektsmotor

Jeg heter Emilia Korczynska og er markedsdirektør i Userpilot, der jeg fokuserer på å gjøre markedsføring fra et kostnadssenter til en målbar inntektsmotor.

Jeg leder en relativt slank markedsføringsorganisasjon som er strukturert rundt sentrale vekstfunksjoner i stedet for tradisjonelle kanalsiloer. Teamet omfatter produktmarkedsføring, etterspørselsgenerering, innhold og SEO, markedsføringsoperasjoner, kreativt arbeid og støtte til utgående salg. Det støtter både produktledet vekst og kontobasert markedsføring, så vi dekker hele reisen fra selvbetjent kundeanskaffelse til konvertering med høy kjøpsintensjon og salgsstøtte.

Når det gjelder kanaler, er ABM vår primære motor for kundeanskaffelse. Vi bygget teamet og systemene for å skape engasjement og salgsmuligheter på kontonivå gjennom svært målrettede kampanjer, særlig på LinkedIn. Organisk markedsføring utfyller dette som vår nest viktigste drivkraft, der innhold spiller en sentral rolle i å fange opp og utvikle kjøpsintensjon, etterfulgt av Google Ads for å fange opp etterspørsel med høy kjøpsintensjon og sluttføre kundeanskaffelsen.

Fordi teamet med hensikt er slankt, jobber vi svært tverrfunksjonelt. Innhold går direkte inn i etterspørselsgenerering og ABM, markedsføringsoperasjoner kobler sammen alle dataene og all attribusjon, og vi måler alt opp mot salgsmuligheter og inntekter i stedet for kanalspesifikke måltall.

Selv om teamet er lite, er strategien ganske sofistikert.

En grunnleggende endring av hvordan markedsføring fungerer

Emilia mener

Hvis det ikke skaper salgsmuligheter, spiller det ingen rolle.

Reisen min inn i markedsføringsledelse har vært praktisk og tett knyttet til eksperimentering. Jeg gikk ikke den tradisjonelle veien gjennom merkevaremarkedsføring – jeg utviklet meg gjennom produktledet vekst, resultatbasert markedsføring og ABM, der forventningen er enkel: Hvis det ikke skaper salgsmuligheter, spiller det ingen rolle. I Userpilot har jeg ledet overgangen fra bred etterspørselsgenerering til svært målrettede, kontobaserte strategier, særlig på LinkedIn, der vi har måttet tenke nytt om alt fra målgruppebygging til attribusjon.

En viktig del av denne reisen innebar å utfordre ødelagte målemodeller. Jeg har brukt mye tid på å bevise at en stor del av B2B-inntektene – ofte mer enn halvparten – blir usynlig hvis man baserer seg på attribusjon på kontaktnivå. Det førte også til at jeg startet ZenABM, en oppstartsbedrift der vi sporer markedsføringens påvirkning på salgsmuligheter på kontonivå og kobler annonseengasjement direkte til salgsmuligheter og inntekter.

Så dette er grunnlaget, og det ledet meg naturlig inn i KI.

Endringen vi ser, handler ikke bare om å generere innhold raskere – den handler om å endre hvordan markedsføring fungerer på et grunnleggende nivå. Vi går fra dashbord og manuell analyse til systemer der du kan spørre dataene dine, automatisere innsikt og utløse handlinger umiddelbart.

For meg handler dette øyeblikket med KI-transformasjon mindre om hype og mer om skalering. Jeg fokuserer på disse spørsmålene:

• "Hvordan bruker vi KI til å gjøre markedsføringen mer presis, mer ansvarlig og tettere knyttet til inntekter enn noen gang før?"
• "Og hvordan bygger vi systemer der data, innsikt og gjennomføring ikke lenger er separate trinn, men deler av én kontinuerlig sløyfe?"

Det er reisen jeg er på akkurat nå.

Hvordan en markedsføringsstakk kan bli et KI-basert operativsystem

En av de største endringene vi gjorde, var å gjøre om den standardiserte markedsføringsstakken vår til et mer skreddersydd, KI-basert operativsystem, med GitHub som den sentrale «markedsføringshjernen» og Claude Code som teamets grensesnitt.

I stedet for å være avhengige av frakoblede verktøy og manuelle arbeidsflyter, flyttet vi gjennomføringen inn i strukturerte, repeterbare AI-arbeidsflyter. Vi har bygget gjenbrukbare prosesser for generering av LinkedIn-innhold, oppretting av landingssider og konkurranseinnsikt, orkestrert gjennom skybaserte agenter og ferdigheter.

Som et resultat har vi redusert tiden fra signal til handling betydelig. Markedsføringen er nå langt mer systematisk og skalerbar, og teamet bruker mindre tid på gjennomføring og mer på strategi, input og optimalisering av resultater.

Hvordan AI kan revolusjonere utgående markedsføring

Den mest betydningsfulle endringen har skjedd innen utgående markedsføring. Vi bygget et intensjonsdrevet system for utgående markedsføring som identifiserer engasjerte kontoer fra ABM-programmene våre ved hjelp av ZenABM sitt API, fører dataene inn i en tilpasset skybasert database, beriker dem og deretter finner potensielle kunder i disse kontoene basert på ICP-kriteriene våre via Prospeo.

Derfra aktiverer vi oppsøkende aktiviteter gjennom verktøy som Smartlead og HeyReach, slik at vi kan kjøre svært målrettede og personaliserte kampanjer i stor skala basert på reelle engasjementssignaler.

Det som tidligere var en manuell og fragmentert prosess på tvers av flere verktøy, er nå et sammenkoblet, signalstyrt system.

Hvordan AI påvirker markedsføringsbeslutninger og menneskelig kreativitet

Samlet sett er vi i stor grad avhengige av AI for datarike, repeterbare beslutninger som drar nytte av mønstergjenkjenning i stor skala.

AI påvirker for eksempel i stadig større grad budsjettfordelingen ved hjelp av data om resultater og inntektsattribusjon. I stedet for å flytte budsjett manuelt basert på forsinkede indikatorer, bruker vi systemer som analyserer hvilke kampanjer og kontoer som driver pipeline og inntekter, og justerer investeringene deretter.

Dette gjelder også SEO. Vi bruker AI til å prioritere innhold basert på signaler som klikkfrekvens, søkevolum samt forventet trafikk og engasjement. Dermed kan vi fokusere på muligheter med høyest forventet avkastning, i stedet for å basere oss på intuisjon eller statiske søkeordlister.

Men vi sørger bevisst for menneskelig involvering på områder som krever smak, kontekst og originalitet.

Designbeslutninger er et godt eksempel; hva som «ser riktig ut» for en bestemt målgruppe, merkevare eller situasjon, er fortsatt i stor grad avhengig av menneskelig dømmekraft. Det samme gjelder arrangementer og konferansestrategi, der forståelse av nyanser, relasjoner og merkevareoppfatning er viktigere enn rene data.

På innholdssiden er det en hybrid. AI genererer effektivt variasjoner, strukturer og til og med annonseideer, men de grunnleggende vinklingene for etterspørselsgenerering kommer fortsatt fra kreativ research og en dyp forståelse av målgruppen. Det er der differensieringen skjer.

Hvorfor automatiseringer må rettferdiggjøre seg selv

De største positive effektene er åpenbare: effektivitet og skalerbarhet.

Automatisering av manuelle arbeidsflyter har spart teamet betydelig med tid, fra innholdsproduksjon til gjennomføring av utgående markedsføring. Dette omsettes direkte i resultater: Vi kan gjennomføre flere eksperimenter, lansere raskere og operere med et mindre team enn det som tidligere var nødvendig.

AI har også forbedret hastigheten på beslutningstakingen. Når AI analyserer resultat- og attribusjonsdata, kan vi bevege oss mye raskere fra innsikt til handling, særlig innen områder som budsjettfordeling eller kampanjeoptimalisering.

Overautomatisering er imidlertid en stor risiko.

Det er lett å bruke tid på å bygge og optimalisere arbeidsflyter som er operasjonelt interessante, men som ikke gir meningsfulle forretningsresultater. I noen tilfeller er ikke systemresultatene gode nok til å rettferdiggjøre innsatsen, særlig hvis de mangler nødvendig nyansering eller kvalitet.

Så dette er mitt råd: Ikke automatiser bare for å automatisere. Vær disiplinert når det gjelder hvor AI skaper reell effekt, og hvor det bare tilfører kompleksitet.

Emilias råd

Ikke automatiser bare for å automatisere. Vær disiplinert når det gjelder hvor AI skaper reell verdi, kontra hvor det bare tilfører kompleksitet.

Følg med

Du kan følge med på arbeidet til Emilia på LinkedIn. Ta også en titt på ZenABM.

Flere ekspertintervjuer kommer på The CMO Club!