Markedsdirektør 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 gjør en standard markedsføringsstakk om til et AI-basert operativsystem. Her er det hun fortalte oss.

Å skape en målbar inntektsmotor

Jeg heter Emilia Korczynska og er markedsdirektør i Userpilot, der jeg arbeider med å gjøre markedsføring fra en kostnadspost til en målbar inntektsmotor.

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

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

Fordi teamet med vilje er slankt, jobber vi svært tverrfunksjonelt. Innhold går direkte inn i etterspørselsgenerering og ABM, markedsføringsdrift kobler sammen alle dataene og attribusjonen, og vi måler alt opp mot salgspipeline og inntekter i stedet for kanalsesifikke måltall.

Selv om teamet er lite, er strategien ganske sofistikert.

Å endre grunnleggende hvordan markedsføring drives

Emilia mener

Hvis det ikke driver salgspipeline, spiller det ingen rolle.

Veien min inn i markedsledelse har vært praktisk og tett knyttet til eksperimentering. Jeg kom ikke inn i faget gjennom tradisjonell merkevaremarkedsføring – jeg utviklet meg gjennom produktdrevet vekst, resultatbasert markedsføring og ABM, der forventningen er enkel: Hvis det ikke driver salgspipeline, 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 handlet om å utfordre ødelagte målemodeller. Jeg har brukt mye tid på å bevise at en stor del av B2B-inntektene – ofte mer enn halvparten – er usynlig hvis du baserer deg på attribusjon på kontaktnivå. Det førte også til at jeg startet ZenABM, en oppstartsbedrift der vi sporer markedsføringens påvirkning på salgspipeline på kontonivå og kobler annonseengasjement direkte til salgspipeline og inntekter.

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

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

For meg handler denne AI-transformasjonen mindre om hype og mer om å skape større effekt. Jeg fokuserer på disse spørsmålene:

• "Hvordan kan vi bruke AI 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 ett sammenhengende kretsløp?"

Det er reisen jeg er på akkurat nå.

Hvordan en markedsføringsstakk kan bli et AI-basert operativsystem

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

I stedet for å være avhengige av verktøy som ikke er koblet sammen 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 konkurranseanalyse, orkestrert gjennom skybaserte agenter og ferdigheter.

Som et resultat har vi forkortet 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, inndata og optimalisering av resultater.

Slik kan AI gjennomgripende endre 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 ZenABMs API, legger dataene inn i en tilpasset skybasert database, beriker dem og finner deretter prospekter i disse kontoene basert på ICP-kriteriene våre via Prospeo.

Derfra aktiverer vi oppsøkende kontakt 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.

Slik påvirker AI markedsføringsbeslutninger og menneskelig kreativitet

Alt i alt bruker vi AI i stor grad til 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 skaper salgsmuligheter og inntekter, og justerer investeringene deretter.

Dette gjelder også SEO. Vi bruker AI til å prioritere innhold basert på signaler som klikkfrekvens, søkevolum og forventet trafikk og engasjement. Dette gjør det mulig for oss å 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 teft, 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 hybridløsning. 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 her 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 på alt fra innholdsproduksjon til gjennomføring av utgående markedsføring. Dette gir seg direkte utslag i produksjonen: Vi kan gjennomføre flere eksperimenter, lansere raskere og operere med et mindre team enn det som tidligere var nødvendig.

AI har også forbedret beslutningshastigheten. Når AI analyserer data om resultater og attribusjon, kan vi gå langt raskere fra innsikt til handling, spesielt på områder som budsjettfordeling eller kampanjeoptimalisering.

Overdreven automatisering innebærer 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 med hensyn til hvor AI skaper reell effekt, 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!