VP Marketing deelt hoe zij overstapt op een AI-gebaseerd besturingssysteem

Emilia Korczynska is de VP Marketing bij Userpilot, een platform voor productgroei. Ze is ook de oprichter van ZenABM.

We gingen met Emilia om tafel om te leren hoe ze een kant-en-klare marketingtechnologiestack verandert in een op AI gebaseerd besturingssysteem. Dit vertelde ze ons.

Een meetbare omzetmotor creëren

Ik ben Emilia Korczynska, VP Marketing bij Userpilot, waar ik me richt op het veranderen van marketing van een kostenpost in een meetbare omzetmotor.

Ik geef leiding aan een relatief slanke marketingorganisatie die is ingericht rond essentiële groeifuncties in plaats van traditionele kanaalsilo's. Het team omvat productmarketing, vraaggeneratie, inhoud en SEO, marketingactiviteiten, creatie en ondersteuning van uitgaande marketing. Het ondersteunt zowel productgestuurde groei als accountgebaseerde marketing, waardoor we het volledige traject bestrijken: van zelfbedieningsacquisitie tot conversie met salesondersteuning bij hoge koopintentie.

Wat kanalen betreft is ABM onze belangrijkste acquisitiemotor. We hebben het team en de systemen opgebouwd om betrokkenheid en verkoopkansen op accountniveau te stimuleren via zeer gerichte campagnes, vooral op LinkedIn. Organische marketing vormt hierop een aanvulling als onze tweede belangrijke hefboom, waarbij inhoud een sleutelrol speelt bij het vastleggen en voeden van koopintentie. Daarna volgen Google Ads om vraag met een hoge koopintentie op te vangen en de acquisitielus te sluiten.

Omdat het team bewust slank is, werken we zeer crossfunctioneel. Inhoud stroomt rechtstreeks door naar vraaggeneratie en ABM, marketingactiviteiten verbinden alle gegevens en attributie, en we meten alles aan de hand van verkoopkansen en omzet in plaats van kanaalspecifieke statistieken.

Hoewel het team klein is, is de strategie behoorlijk geavanceerd.

De manier waarop marketing werkt fundamenteel veranderen

Emilia gelooft

Als het geen verkoopkansen oplevert, doet het er niet toe.

Mijn weg naar leiderschap in marketing is praktisch geweest en nauw verbonden met experimenteren. Ik ben niet opgeklommen via traditionele merkmarketing – ik heb me ontwikkeld via productgestuurde groei, prestatiemarketing en ABM, waar de verwachting eenvoudig is: als het geen verkoopkansen oplevert, doet het er niet toe. Bij Userpilot heb ik de verschuiving geleid van brede vraaggeneratie naar zeer gerichte accountgebaseerde strategieën, vooral op LinkedIn, waar we alles opnieuw hebben moeten doordenken, van het opbouwen van doelgroepen tot attributie.

Een belangrijk onderdeel van die reis was het ter discussie stellen van gebrekkige meetmodellen. Ik heb veel tijd besteed aan het aantonen dat een groot deel van de B2B-omzet — vaak meer dan de helft — onzichtbaar blijft als je afhankelijk bent van attributie op contactniveau. Dat leidde er ook toe dat ik ZenABM oprichtte, een startup waarin we de impact van marketing op de verkoopkansen op accountniveau volgen en advertentiebetrokkenheid rechtstreeks verbinden met verkoopkansen en omzet.

Dat is dus de basis, en die leidde vanzelf tot mijn kennismaking met AI.

De verschuiving die we zien gaat niet alleen over het sneller genereren van inhoud — het gaat erom fundamenteel te veranderen hoe marketing werkt. We gaan van dashboards en handmatige analyses naar systemen waarin je je gegevens kunt bevragen, inzichten kunt automatiseren en onmiddellijk acties kunt activeren.

Voor mij draait deze transformatie door AI minder om hype en meer om hefboomwerking. Ik richt me op deze vragen:

• "Hoe gebruiken we AI om marketing preciezer, beter afrekenbaar en sterker verbonden met omzet te maken dan ooit tevoren?"
• "En hoe bouwen we systemen waarin gegevens, inzichten en uitvoering niet langer afzonderlijke stappen zijn, maar deel uitmaken van één continue cyclus?"

Dat is de reis die ik momenteel maak.

Hoe een marketingtechnologiestack een op AI gebaseerd besturingssysteem kan worden

Een van de grootste veranderingen die we hebben doorgevoerd, was het veranderen van onze kant-en-klare marketingtechnologiestack in een meer op maat gemaakt, op AI gebaseerd besturingssysteem, met GitHub als het centrale “marketingbrein” en Claude Code als interface voor het team.

In plaats van te vertrouwen op losstaande tools en handmatige workflows, hebben we de uitvoering ondergebracht in gestructureerde, herhaalbare AI-workflows. We hebben herbruikbare processen ontwikkeld voor het genereren van LinkedIn-content, het maken van landingspagina's en concurrentie-informatie, aangestuurd via cloudgebaseerde agents en vaardigheden.

Daardoor hebben we de tijd van signaal tot actie aanzienlijk verkort. Marketing is nu veel systematischer en schaalbaarder, en het team besteedt minder tijd aan uitvoering en meer aan strategie, input en het optimaliseren van resultaten.

Hoe AI uitgaande acquisitie ingrijpend kan veranderen

De meest ingrijpende verandering heeft plaatsgevonden binnen de uitgaande acquisitie. We hebben een intentiegestuurd systeem voor uitgaande acquisitie ontwikkeld dat betrokken accounts uit onze ABM-programma's identificeert met behulp van de API van ZenABM, de gegevens naar een aangepaste clouddatabase stuurt, deze verrijkt en vervolgens potentiële klanten binnen deze accounts benadert op basis van onze ICP-criteria via Prospeo.

Van daaruit activeren we benaderingscampagnes via tools zoals Smartlead en HeyReach, zodat we op basis van echte betrokkenheidssignalen op grote schaal zeer gerichte, gepersonaliseerde campagnes kunnen uitvoeren.

Wat vroeger een handmatig, versnipperd proces over meerdere tools was, is nu een verbonden systeem dat door signalen wordt aangestuurd.

Hoe AI marketingbeslissingen en menselijke creativiteit informeert

Over het algemeen vertrouwen we sterk op AI voor datarijke, herhaalbare beslissingen die baat hebben bij patroonherkenning op grote schaal.

Zo informeert AI steeds vaker de budgettoewijzing met behulp van gegevens over prestaties en omzetattributie. In plaats van uitgaven handmatig te verschuiven op basis van achterlopende indicatoren, gebruiken we systemen die analyseren welke campagnes en accounts de pijplijn en omzet stimuleren, en de investeringen dienovereenkomstig aanpassen.

Dit geldt ook voor SEO. We gebruiken AI om content te prioriteren op basis van signalen zoals klikfrequentie, zoekvolume en voorspeld verkeer en betrokkenheid. Hierdoor kunnen we ons richten op kansen met het hoogste verwachte rendement, in plaats van te vertrouwen op intuïtie of statische zoekwoordenlijsten.

Maar we houden menselijke betrokkenheid bewust in stand op gebieden die gevoel voor stijl, context en originaliteit vereisen.

Ontwerpbeslissingen zijn daar een goed voorbeeld van; wat er voor een specifieke doelgroep, merk of moment "goed uitziet", blijft sterk afhankelijk van menselijk inzicht. Hetzelfde geldt voor evenementen en conferentiestrategie, waarbij inzicht in nuance, relaties en merkperceptie belangrijker is dan pure data.

Op het gebied van content is het een hybride aanpak. AI genereert effectief varianten, structuren en zelfs advertentie-ideeën, maar de belangrijkste invalshoeken voor vraaggeneratie komen nog steeds voort uit creatief onderzoek en een diepgaand begrip van de doelgroep. Daar vindt de differentiatie plaats.

Waarom automatiseringen zichzelf moeten rechtvaardigen

De grootste positieve effecten zijn duidelijk: efficiëntie en schaalbaarheid.

Het automatiseren van handmatige workflows heeft het team aanzienlijk veel tijd bespaard, van contentproductie tot de uitvoering van uitgaande acquisitie. Dit vertaalt zich direct in resultaten: we kunnen meer experimenten uitvoeren, sneller lanceren en met een kleiner team werken dan voorheen nodig was.

AI heeft ook de snelheid van besluitvorming verbeterd. Doordat AI prestatie- en attributiegegevens analyseert, kunnen we veel sneller van inzicht naar actie gaan, vooral op gebieden zoals budgettoewijzing of campagneoptimalisatie.

Overautomatisering is echter een groot risico.

Het is eenvoudig om tijd te besteden aan het bouwen en optimaliseren van workflows die operationeel interessant zijn, maar geen betekenisvolle bedrijfsresultaten opleveren. In sommige gevallen zijn de systeemresultaten niet sterk genoeg om de inspanning te rechtvaardigen, vooral als ze de nodige nuance of kwaliteit missen.

Dus dat is mijn advies: automatiseer niet alleen om te automatiseren. Blijf gedisciplineerd in waar AI echte meerwaarde creëert en waar het alleen maar complexiteit toevoegt.

Advies van Emilia

Automatiseer niet alleen om te automatiseren. Blijf gedisciplineerd bepalen waar AI echt meerwaarde biedt en waar het slechts complexiteit toevoegt.

Volg mee

Je kunt het werk van Emilia volgen op LinkedIn. Bekijk ook ZenABM.

Er komen meer interviews met experts aan op The CMO Club!