Marknadschefen delar hur hon övergår till ett AI-baserat operativsystem

Emilia Korczynska är marknadschef på Userpilot, en plattform för produktdriven tillväxt. Hon är också grundare av ZenABM.

Vi satte oss ner med Emilia för att ta reda på hur hon omvandlar en standardiserad marknadsföringsstack till ett AI-anpassat operativsystem. Här är vad hon berättade.

Att skapa en mätbar intäktsmotor

Jag heter Emilia Korczynska och är marknadschef på Userpilot, där jag fokuserar på att omvandla marknadsföring från en kostnadspost till en mätbar intäktsmotor.

Jag leder en relativt slimmad marknadsorganisation som är strukturerad kring centrala tillväxtfunktioner snarare än traditionella kanaluppdelningar. Teamet omfattar produktmarknadsföring, efterfrågegenerering, innehåll och SEO, marknadsföringsverksamhet, kreativt arbete och stöd för utgående försäljning. Det stödjer både produktledd tillväxt och kontobaserad marknadsföring, så vi täcker hela resan från självbetjänad kundanskaffning till konvertering med hög köpintention och stöd från säljteamet.

När det gäller kanaler är ABM vår primära motor för kundanskaffning. Vi byggde teamet och systemen för att driva engagemang och pipeline på kontonivå genom mycket målinriktade kampanjer, särskilt på LinkedIn. Organiskt innehåll kompletterar detta som vår näst viktigaste hävstång, där innehåll spelar en central roll för att fånga upp och utveckla köpintention, följt av Google Ads för att fånga efterfrågan med hög köpintention och sluta kretsen kring kundanskaffningen.

Eftersom teamet medvetet är slimmat arbetar vi i hög grad tvärfunktionellt. Innehåll flödar direkt in i efterfrågegenerering och ABM, marknadsföringsverksamheten kopplar samman all data och attribuering, och vi mäter allt mot pipeline och intäkter snarare än kanalspecifika mätvärden.

Även om teamet är litet är strategin ganska sofistikerad.

Att förändra hur marknadsföring fungerar i grunden

Emilia anser

Om det inte driver pipeline spelar det ingen roll.

Min väg in i marknadsföringsledarskap har varit praktisk och starkt kopplad till experimenterande. Jag började inte inom traditionell varumärkesmarknadsföring – jag utvecklades genom produktledd tillväxt, resultatbaserad marknadsföring och ABM, där förväntningen är enkel: om det inte driver pipeline spelar det ingen roll. På Userpilot har jag lett förflyttningen från bred efterfrågegenerering till mycket målinriktade, kontobaserade strategier, särskilt på LinkedIn, där vi har behövt tänka om kring allt från målgruppsbyggande till attribuering.

En viktig del av den resan handlade om att utmana bristfälliga mätmodeller. Jag har ägnat mycket tid åt att visa att en stor del av B2B-intäkterna – ofta mer än hälften – förblir osynlig om man förlitar sig på attribuering på kontaktnivå. Det ledde också till att jag grundade ZenABM, ett startupföretag där vi följer marknadsföringens påverkan på pipeline på kontonivå och kopplar annonsengagemang direkt till pipeline och intäkter.

Så det är grunden, och den ledde naturligt vidare till AI.

Förändringen vi ser handlar inte bara om att skapa innehåll snabbare – den handlar om att förändra hur marknadsföring fungerar i grunden. Vi går från instrumentpaneler och manuell analys till system där man kan ställa frågor till sin data, automatisera insikter och utlösa åtgärder direkt.

För mig handlar den här AI-omvandlingen mindre om hajp och mer om hävstångseffekt. Jag fokuserar på följande frågor:

• "Hur använder vi AI för att göra marknadsföringen mer precis, mer ansvarsutkrävande och mer kopplad till intäkter än någonsin tidigare?"
• "Och hur bygger vi system där data, insikter och genomförande inte längre är separata steg, utan delar av en enda kontinuerlig slinga?"

Det är den resa jag befinner mig på just nu.

Hur en marknadsföringsstack kan bli ett AI-anpassat operativsystem

En av de största förändringarna vi genomförde var att omvandla vår standardiserade marknadsföringsstack till ett mer skräddarsytt, AI-anpassat operativsystem, med GitHub som den centrala ”marknadsföringshjärnan” och Claude Code som teamets gränssnitt.

Istället för att förlita oss på osammanhängande verktyg och manuella arbetsflöden flyttade vi genomförandet till strukturerade, repeterbara AI-arbetsflöden. Vi har byggt återanvändbara processer för generering av LinkedIn-innehåll, skapande av landningssidor och konkurrensanalys, orkestrerade genom molnbaserade agenter och färdigheter.

Som ett resultat har vi avsevärt kortat tiden från signal till åtgärd. Marknadsföringen är nu betydligt mer systematisk och skalbar, och teamet lägger mindre tid på genomförande och mer på strategi, underlag och optimering av resultat.

Så kan AI förändra utgående marknadsföring

Den mest betydelsefulla förändringen har skett inom utgående marknadsföring. Vi byggde ett intentdrivet system för utgående marknadsföring som identifierar engagerade konton från våra ABM-program med hjälp av ZenABM:s API, matar in data i en anpassad molndatabas, berikar den och bearbetar sedan dessa konton utifrån våra ICP-kriterier via Prospeo.

Därifrån aktiverar vi våra kontaktinsatser genom verktyg som Smartlead och HeyReach, vilket gör det möjligt för oss att i stor skala genomföra mycket riktade och personanpassade kampanjer baserade på verkliga engagemangssignaler.

Det som tidigare var en manuell och fragmenterad process över flera verktyg är nu ett sammanhängande, signaldrivet system.

Så påverkar AI marknadsföringsbeslut och mänsklig kreativitet

Överlag förlitar vi oss i hög grad på AI för datarika, repeterbara beslut som gynnas av mönsterigenkänning i stor skala.

AI påverkar till exempel i allt högre grad budgetfördelningen genom att använda data om resultat och intäktsattribuering. I stället för att manuellt flytta budget utifrån eftersläpande indikatorer använder vi system som analyserar vilka kampanjer och konton som driver pipeline och intäkter och justerar investeringarna därefter.

Detta gäller även SEO. Vi använder AI för att prioritera innehåll utifrån signaler som klickfrekvens, sökvolym samt förutspådd trafik och engagemang. Det gör att vi kan fokusera på möjligheter med högst förväntad avkastning, i stället för att förlita oss på intuition eller statiska sökordslistor.

Men vi ser medvetet till att människor är involverade inom områden som kräver känsla, kontext och originalitet.

Designbeslut är ett bra exempel; vad som ”ser rätt ut” för en specifik målgrupp, ett varumärke eller ett visst tillfälle bygger fortfarande i hög grad på mänskligt omdöme. Detsamma gäller evenemang och konferensstrategi, där förståelse för nyanser, relationer och varumärkesuppfattning är viktigare än rena data.

När det gäller innehåll är det en hybrid. AI genererar effektivt variationer, strukturer och till och med annonsidéer, men de centrala infallsvinklarna för efterfrågegenerering kommer fortfarande från kreativ research och en djup förståelse för målgruppen. Det är där differentieringen sker.

Varför automatiseringar måste kunna motivera sin existens

De största positiva effekterna är uppenbara: effektivitet och skalbarhet.

Automatisering av manuella arbetsflöden har sparat teamet betydande tid inom allt från innehållsproduktion till genomförande av utgående marknadsföring. Detta leder direkt till ökad produktion: vi kan genomföra fler experiment, lansera snabbare och arbeta med ett mindre team än vad som tidigare krävdes.

AI har också förbättrat beslutsfattandets hastighet. När AI analyserar resultat- och attribueringsdata kan vi gå mycket snabbare från insikt till åtgärd, särskilt inom områden som budgetfördelning eller kampanjoptimering.

Överdriven automatisering är dock en stor risk.

Det är lätt att lägga tid på att bygga och optimera arbetsflöden som är intressanta ur ett operativt perspektiv men inte skapar meningsfulla affärsresultat. I vissa fall är systemens resultat inte tillräckligt starka för att motivera insatsen, särskilt om de saknar nödvändig nyans eller kvalitet.

Så här lyder mitt råd: automatisera inte bara för automatiseringens skull. Var disciplinerad när det gäller var AI skapar verklig hävstång och var det bara tillför komplexitet.

Emilias råd

Automatisera inte bara för automatiseringens skull. Var disciplinerad när det gäller var AI skapar verklig hävstång och var det bara tillför komplexitet.

Följ med

Du kan följa Emilias arbete på LinkedIn. Kolla också in ZenABM.

Fler expertintervjuer kommer på The CMO Club!