Wiceprezes ds. marketingu opowiada, jak przechodzi na natywny dla sztucznej inteligencji system operacyjny

Emilia Korczynska jest wiceprezes ds. marketingu w Userpilot, platformie wspierającej rozwój produktu. Jest również założycielką ZenABM.

Usiedliśmy z Emilią, aby dowiedzieć się, jak przekształca gotowy stos technologiczny marketingu w natywny dla AI system operacyjny. Oto, co nam powiedziała.

Tworzenie mierzalnego silnika przychodów

Nazywam się Emilia Korczynska i jestem wiceprezes ds. marketingu w Userpilot, gdzie koncentruję się na przekształcaniu marketingu z centrum kosztów w mierzalny silnik przychodów.

Kieruję stosunkowo niewielką organizacją marketingową zbudowaną wokół kluczowych funkcji wzrostu, a nie tradycyjnych silosów kanałowych. Zespół obejmuje marketing produktu, generowanie popytu, treści i SEO, operacje marketingowe, kreację oraz wsparcie działań wychodzących. Wspiera zarówno rozwój napędzany produktem, jak i marketing oparty na kontach, dzięki czemu obejmujemy całą ścieżkę — od pozyskania klientów korzystających z samoobsługi po konwersję o wysokiej intencji wspieraną przez sprzedaż.

Jeśli chodzi o kanały, ABM jest naszym głównym silnikiem pozyskiwania. Zbudowaliśmy zespół i systemy, aby zwiększać zaangażowanie na poziomie kont i generować szanse sprzedażowe za pomocą wysoce ukierunkowanych kampanii, szczególnie na LinkedInie. Działania organiczne uzupełniają ten kanał jako nasza druga najważniejsza dźwignia — treści odgrywają kluczową rolę w pozyskiwaniu i rozwijaniu intencji zakupowej, a następnie Google Ads pozwala przechwytywać popyt o wysokiej intencji i domykać proces pozyskiwania.

Ponieważ zespół jest celowo niewielki, działamy w bardzo ścisłej współpracy międzyfunkcyjnej. Treści bezpośrednio wspierają generowanie popytu i ABM, operacje marketingowe łączą wszystkie dane i atrybucję, a my mierzymy wszystko w odniesieniu do szans sprzedażowych i przychodów, a nie wskaźników właściwych dla poszczególnych kanałów.

Choć zespół jest niewielki, strategia jest dość zaawansowana.

Fundamentalna zmiana sposobu działania marketingu

Emilia uważa

Jeśli coś nie generuje szans sprzedażowych, nie ma znaczenia.

Moja droga do przywództwa marketingowego była praktyczna i ściśle związana z eksperymentowaniem. Nie wywodzę się z tradycyjnego marketingu marki — rozwijałam się w obszarze rozwoju napędzanego produktem, efektywności i ABM, gdzie oczekiwanie jest proste: jeśli coś nie generuje szans sprzedażowych, nie ma znaczenia. W Userpilot kierowałam przejściem od szeroko zakrojonego generowania popytu do wysoce ukierunkowanych strategii opartych na kontach, szczególnie na LinkedInie, gdzie musieliśmy przemyśleć wszystko — od budowania grup odbiorców po atrybucję.

Kluczową częścią tej drogi było zakwestionowanie nieskutecznych modeli pomiaru. Poświęciłam dużo czasu na udowodnienie, że ogromna część przychodów B2B — często ponad połowa — pozostaje niewidoczna, jeśli polegamy na atrybucji na poziomie kontaktów. Doprowadziło mnie to również do stworzenia ZenABM — startupu, w którym śledzimy wpływ marketingu na szanse sprzedażowe na poziomie kont i łączymy zaangażowanie w reklamy bezpośrednio z szansami sprzedażowymi i przychodami.

To jest więc fundament, który w naturalny sposób doprowadził mnie do AI.

Zmiana, którą obserwujemy, nie dotyczy wyłącznie szybszego generowania treści — chodzi o fundamentalną zmianę sposobu działania marketingu. Odchodzimy od pulpitów nawigacyjnych i ręcznej analizy na rzecz systemów, w których można zadawać pytania dotyczące danych, automatyzować uzyskiwanie wniosków i natychmiast uruchamiać działania.

Dla mnie ten moment transformacji AI dotyczy w mniejszym stopniu szumu medialnego, a w większym — wykorzystania dźwigni. Koncentruję się na następujących pytaniach:

• „Jak wykorzystać AI, aby marketing był bardziej precyzyjny, bardziej rozliczalny i silniej powiązany z przychodami niż kiedykolwiek wcześniej?”
• „Jak budować systemy, w których dane, wnioski i realizacja działań nie są już odrębnymi etapami, lecz stanowią część jednej ciągłej pętli?”

To właśnie jest droga, którą obecnie podążam.

Jak stos technologiczny marketingu może stać się systemem operacyjnym zaprojektowanym z myślą o AI

Jedną z największych zmian, jakie wprowadziliśmy, było przekształcenie naszego gotowego stosu technologicznego marketingu w bardziej dopasowany do naszych potrzeb, natywny dla AI system operacyjny, z GitHubem jako centralnym „mózgiem marketingu” i Claude Code jako interfejsem zespołu.

Zamiast polegać na rozproszonych narzędziach i ręcznych procesach, przenieśliśmy realizację do uporządkowanych, powtarzalnych procesów AI. Zbudowaliśmy wielokrotnego użytku procesy do generowania treści na LinkedInie, tworzenia stron docelowych i analizy konkurencji, koordynowane za pośrednictwem agentów i umiejętności działających w chmurze.

W rezultacie znacznie skróciliśmy czas od pojawienia się sygnału do podjęcia działania. Marketing jest teraz o wiele bardziej systematyczny i skalowalny, a zespół poświęca mniej czasu na realizację, a więcej na strategię, dane wejściowe i optymalizację wyników.

Jak AI może całkowicie zmienić działania wychodzące

Największa zmiana zaszła w działaniach wychodzących. Zbudowaliśmy system działań wychodzących oparty na intencji, który identyfikuje zaangażowane konta z naszych programów ABM za pomocą interfejsu API ZenABM, przesyła dane do niestandardowej bazy danych w chmurze, wzbogaca je, a następnie wyszukuje potencjalnych klientów z tych kont na podstawie naszych kryteriów ICP za pośrednictwem Prospeo.

Następnie uruchamiamy działania informacyjne za pomocą narzędzi takich jak Smartlead i HeyReach, co pozwala nam prowadzić na dużą skalę wysoce ukierunkowane, spersonalizowane kampanie oparte na rzeczywistych sygnałach zaangażowania.

To, co wcześniej było ręcznym, rozproszonym procesem obejmującym wiele narzędzi, jest teraz połączonym systemem opartym na sygnałach.

Jak AI wpływa na decyzje marketingowe i ludzką kreatywność

Ogólnie rzecz biorąc, w dużej mierze polegamy na AI w przypadku bogatych w dane, powtarzalnych decyzji, które korzystają z rozpoznawania wzorców na dużą skalę.

Na przykład AI w coraz większym stopniu wpływa na alokację budżetu na podstawie danych dotyczących wyników i atrybucji przychodów. Zamiast ręcznie przesuwać wydatki na podstawie opóźnionych wskaźników, korzystamy z systemów, które analizują, które kampanie i konta generują szanse sprzedażowe oraz przychody, i odpowiednio dostosowują inwestycje.

Dotyczy to również SEO. Wykorzystujemy AI do ustalania priorytetów treści na podstawie takich sygnałów jak współczynnik klikalności, liczba wyszukiwań oraz przewidywany ruch i zaangażowanie. Dzięki temu możemy koncentrować się na możliwościach o najwyższym oczekiwanym zwrocie, zamiast polegać na intuicji lub statycznych listach słów kluczowych.

Jednak celowo zachowujemy udział człowieka w obszarach wymagających wyczucia, kontekstu i oryginalności.

Dobrym przykładem są decyzje projektowe; to, co „wygląda właściwie” dla określonej grupy odbiorców, marki lub momentu, nadal w dużej mierze zależy od ludzkiej oceny. To samo dotyczy wydarzeń i strategii konferencyjnej, w przypadku których zrozumienie niuansów, relacji i postrzegania marki jest ważniejsze niż same dane.

W obszarze treści stosujemy podejście hybrydowe. AI skutecznie generuje warianty, struktury, a nawet pomysły na reklamy, ale najważniejsze kierunki generowania popytu nadal wynikają z kreatywnych badań i głębokiego zrozumienia odbiorców. To właśnie tutaj powstaje przewaga.

Dlaczego automatyzacje muszą się uzasadniać

Największe pozytywne efekty są oczywiste: wydajność i skalowalność.

Automatyzacja ręcznych procesów pozwoliła zespołowi zaoszczędzić znaczną ilość czasu — od produkcji treści po realizację działań wychodzących. Przekłada się to bezpośrednio na wyniki: możemy prowadzić więcej eksperymentów, szybciej uruchamiać działania i funkcjonować z mniejszym zespołem niż wcześniej.

AI poprawiło również szybkość podejmowania decyzji. Dzięki analizie danych dotyczących wyników i atrybucji przez AI możemy znacznie szybciej przechodzić od wniosków do działania, szczególnie w obszarach takich jak alokacja budżetu czy optymalizacja kampanii.

Nadmierna automatyzacja stanowi jednak poważne ryzyko.

Łatwo poświęcić czas na budowanie i optymalizowanie procesów, które są interesujące z operacyjnego punktu widzenia, ale nie przynoszą istotnych efektów biznesowych. W niektórych przypadkach wyniki generowane przez system nie są wystarczająco dobre, aby uzasadnić włożony wysiłek, zwłaszcza jeśli brakuje im niezbędnej precyzji lub jakości.

Oto moja rada: nie automatyzuj tylko po to, by automatyzować. Zachowaj dyscyplinę w ocenie, gdzie AI zapewnia rzeczywistą dźwignię, a gdzie jedynie dodaje złożoności.

Porada Emilii

Nie automatyzuj dla samej automatyzacji. Zachowaj dyscyplinę w ocenie, gdzie AI zapewnia rzeczywistą przewagę, a gdzie jedynie dodaje złożoność.

Śledź na bieżąco

Możesz śledzić pracę Emilii na LinkedInie. Sprawdź także ZenABM.

Więcej wywiadów z ekspertami już wkrótce w The CMO Club!