Fintechföretags vice president för marknadsföring säger att AI:s potential ligger i dataanalys, inte innehåll

Liam Bartholomew är marknadschef på ett fintechföretag som heter Alt21. I den rollen använder han AI för det han menar är dess mest lovande användningsområde: dataanalys över kanaler och silos.

Vi satte oss ner med honom för att förstå hur det faktiskt ser ut – och hur hans team arbetar annorlunda än den genomsnittliga organisationen tack vare det. Så här sa han.

Att lägga grunden

Jag heter Liam Bartholomew och är marknadschef på Alt21, ett B2B-fintechföretag som hjälper brittiska och europeiska företag att hantera sin valuta- och treasuryverksamhet.

Jag har arbetat med B2B-marknadsföring i ungefär ett decennium, senast som marknadschef på Cognism, en plattform för säljinsikter, innan jag började på Alt21.

Alt21 är ett företag som fortfarande befinner sig relativt tidigt i sin utveckling. Vi fokuserar på Storbritannien och Europa, och till att börja med är vi huvudsakligen digitala. Betald sökning, betalda sociala medier och organisk SEO är de centrala kanaler vi bygger upp.

Det handlar mindre om att hantera komplexitet i det här skedet och mer om att lägga en stabil grund och förstå vad som fungerar innan vi skalar upp.

Varför AI:s största möjligheter inom marknadsföring finns inom dataanalys och rapportering

Min relation till AI började när jag började här. Jag kom in som ett marknadsteam bestående av en person, och utan AI hade jag varit för långsam. Det var verkligheten. Nu är vi ett team på tre personer: jag själv, en tillväxtmarknadsförare och en innehållsmarknadsförare. Så vi är fortfarande små, men börjar ta form.

Att börja från noll är en sällsynt möjlighet. Etablerade team har befintliga system, processer och vanor, och det är svårt att lägga AI ovanpå dem. Att bygga från grunden gör att jag kan göra hela funktionen AI-driven från dag ett. Det känns som en verklig fördel, och jag ville få ut så mycket som möjligt av den.

För att lära mig vad AI kunde göra började jag helt enkelt bygga saker. Jag laddade upp våra kund- och intäktsdata i Claude för att fastställa vilka våra bästa kunder var, baserat på bevis och inte antaganden. Det borde ha tagit veckor, men med AI gjorde vi det på en eftermiddag. Sedan kopplade jag vårt CRM så att jag kunde ställa frågor om säljtratten och få tillförlitliga rapporter på minuter i stället för timmar. Och jag kopplade samman vårt datalager, CRM och vår webbplats för att få full insyn i hela tratten, från trafikkälla till nya kontoöppningar.

Så optimerar sammankopplade data marknadsföringskanaler

Utifrån det jag ser är AI:s största möjlighet för marknadsförare inte innehåll eller textgenerering, utan dataanalys och rapportering.

De flesta marknadsteam behöver fortfarande lägga betydande tid på att fatta beslut. De hämtar data från olika verktyg, stämmer av siffror som inte matchar och bygger presentationer som är inaktuella innan någon ens hinner läsa dem. Jag har sett team lägga en vecka i månaden på detta och ändå få begränsade insikter.

Den tiden går nu att återvinna. Genom att koppla samman CRM, webbplatsanalys och betald data på en central plats och ställa frågor till den med AI försvinner en stor del av det manuella arbetet med rapportering. Det som återstår är det som verkligen spelar roll: kommentaren, beslutet och åtgärden.

Många marknadschefer ser fortfarande AI som ett innehållsverktyg och missar detta helt. Den större möjligheten är att använda det för att äntligen bli den datadrivna funktion som de flesta av oss har hävdat att vi varit i flera år, men som vi sällan haft infrastrukturen för att faktiskt åstadkomma.

Så det är mitt fokus just nu: att koppla samman all data. För närvarande körs vår betalda sökning och våra betalda sociala medier på separata plattformar med olika mätvärden. Webbplatsbeteende, organisk trafik och SEO-data samt data om CRM-säljtratt och intäkter finns också separat. Därför bygger jag automatiserad rapportering som sammanställer all denna data på en och samma plats. Det kommer att göra det möjligt för mig att se hur betalda och organiska insatser samverkar, vilka kampanjer som driver intäkter snarare än bara klick och var vi bör skala upp eller dra ner på utgifterna med full tillförsikt i beslutet.

AI gör den här typen av syntes över flera kanaler genuint möjlig på ett sätt som den inte var tidigare. Och för ett litet team som vårt är det avgörande. Ett litet team har inte råd att köra experiment i månader i väntan på att se vad som fungerade. De måste fatta snabbare och bättre underbyggda beslut om budgetfördelningen.

Så ser AI-dataanalys och rapportering ut i praktiken

Så här ser det ut i praktiken. Jag byggde en koppling mellan Attio, vårt CRM, vårt datalager och vår webbplatsanalys, och jag ställer frågor till allt detta via Claude. Tidigare innebar det att förstå vår tratt att jag manuellt hämtade data från flera källor. Vi hoppades att data var konsekvent, och vi lade betydande tid på att förbereda den innan vi kunde analysera vad den betydde.

Nu kan jag ställa frågor direkt till vår Attio-säljtratt och få rapporter som jag litar på. Jag satte också upp en veckorapport för webbplatsen som är kopplad till Microsoft Clarity, Google Search Console och vårt CMS. Den ger en åtgärdslista med rött, gult och grönt baserad på verkligt användarbeteende. Den första veckan den kördes identifierade den ett problem med ett dött klick på vår registreringssida för mobil, vilket vi åtgärdade omedelbart. Att upptäcka det problemet manuellt hade tagit månader.

Här är ett par andra exempel:

• För nya konton visade den fullständiga tratt-rapporten, som kopplade Attio till vårt datalager och vår webbplats, att trots en trafikökning på 157 % på webbplatsen i mars ökade antalet nya konton knappt alls, och konverteringsgraden sjönk från 7.2% till 2.8%. Trafikökningen var till stor del av låg kvalitet. Den här signalen är lätt att missa när data finns på olika platser.
• Jag behövde fallstudier, kundomdömen och liknande, så jag bad Claude att poängsätta hela vår kundbas (via Attio) utifrån engagemangssignaler för att hitta de bästa kandidaterna. Jag hade redan några signaler i åtanke, till exempel handelsaktivitet, kundrelationens längd, produktanvändning och historisk benägenhet att svara. Jag bad också Claude att föreslå andra relevanta faktorer. Tillsammans utvecklade vi en poängsättningsmodell som korrekt representerade hur en bra förespråkare ser ut. Claude körde sedan modellen mot hela CRM-systemet och tog fram en rangordnad lista. Jag hade resultaten senare samma eftermiddag, och resultatet var fantastiskt.

Att koppla samman våra data drev också fram en kulturell förändring internt genom att centralisera våra data i Claude för analys, i stället för att alla arbetade i silor över olika verktyg. Den här förändringen var förmodligen lika betydelsefull som de tekniska förändringarna.

Det är fortfarande ett pågående arbete, men jag ser redan att mina beslut är bättre underbyggda än de annars skulle ha varit, och jag sparar tid på att hämta och bearbeta data, som jag i stället kan lägga på att faktiskt göra saker med den.

Varför datakvalitet är viktigt

Nackdelen är att kvaliteten på CRM-data måste vara hög för att detta ska fungera, och vår kvalitet är ännu inte helt tillräcklig.

Rapporter i första versionen kräver en omfattande mänsklig granskning innan de kan användas. Det är lätt att underskatta det arbete som krävs för att etablera en tillförlitlig datagrund innan resultaten blir tillförlitliga.

Hur man väljer mellan AI och mänskligt arbete

När jag beslutar vad AI ska användas till följer jag några vägledande principer.

AI används i de flesta analytiska uppgifter och forskningsuppgifter. Rapportering av försäljningspipeline, webbplatsbeteende, ICP-analys och att sammanföra data från olika verktyg för att synliggöra vad som händer. Jag förlitar mig mycket på AI inom dessa områden eftersom det sparar mest tid och, ärligt talat, presterar bättre än vad jag skulle kunna göra manuellt.

Innehålls- och kreativitetsdelen är mer nyanserad. Jag använder AI även där, men på ett annat sätt. AI utför inte hela arbetet; i stället tar det mig 80 eller 90 procent av vägen. Det gör att jag kan fokusera min energi på det unika element som verkligen spelar roll.

AI:s påverkan på marknadsföring liknar fabriksmaskinernas påverkan på produktionen. När det blev enkelt att producera 10 000 identiska chokladkakor slutade själva produktionen att vara det som särskilde produkterna åt. Varumärket blev det som särskilde dem åt. Det som gjorde en kaka annorlunda än en annan blev det som spelade roll.

AI gör något liknande för innehåll. Alla kan nu skriva ett blogginlägg. Alla kan producera i stor skala. Därför blir värdefulla inslag expertutlåtanden, genuina kommentarer och insikter från att känna till något som andra inte känner till. Den delen måste förbli mänsklig. Inte för att AI inte kan producera ord, utan för att perspektivet och erfarenheten bakom dem gör orden värda att läsa. AI hjälper mig att göra allt annat snabbare, så att jag kan komma fram till den delen.

Varför AI inte imponerar inom design och webbplatsprojekt

AI har inte imponerat inom design och webbplatser.

Många hävdar att AI kan ersätta designers, videoredigerare och webbutvecklare. Jag har provat och sett andra prova. Precis som vid innehållsskapande kanske AI tar dig 80 eller 90 procent av vägen. Men de sista 10 eller 20 procenten är där ditt varumärke finns. Det är det som får ditt kreativa material att se ut som ditt och inte som alla andras som använde samma prompt.

Om du är nöjd med något generiskt fungerar det förmodligen bra. Men för ett fintechföretag som försöker bygga förtroende hos företag spelar design en avgörande roll. Den kommunicerar trovärdighet innan någon har läst ett enda ord. En webbplats med moduler som inte riktigt fungerar eller en AI-genererad visuell identitet undergräver detta, även om människor inte alltid kan förklara varför.

Jag förlitar mig fortfarande på människor för det arbetet: en designer, en videoredigerare och en webbutvecklare. Det har inte förändrats.

Hajpen kring AI inom det kreativa området motsvarar ännu inte verkligheten, åtminstone inte om du håller ditt varumärke till en rimlig standard. Det är ett användbart verktyg, men det är ingen ersättning, och många kommer att lära sig det den hårda vägen.

Hur AI skapar mer slimmade marknadsföringsteam

Det krävs inte längre enorma marknadsföringsteam. Jag är nyfiken på hur litet vi kan hålla teamet.

Ett AI-baserat team kommer att utföra betydligt mer, och mer korrekt redan från början, drivet av snabba insikter.

Framöver kommer dessutom en person med operativt fokus (dvs. AI Ops, MarOps) och en avancerad tillväxtmarknadsförare att bli avgörande — de säkerställer att ni bygger rätt från början och kopplar samman alla system under arbetets gång.

Varför marknadsföringschefer måste utmana etablerade processer

Här är mina råd.

1. Experimentera och var inte överdrivet fäst vid processer. Jag har byggt några av de bästa sakerna genom att vara villig att fråga: ”Tänk om vi helt enkelt började om från början på det nya sättet?” Det är obekvämt i etablerade team där processerna har en historia och människor känner ägarskap över dem. Men om något skulle kunna utformas på nytt med AI i centrum är det förmodligen värt att fråga sig om det borde göras.
2. Involvera rätt person. Du behöver inte bygga allt själv, men du behöver någon nära dig som verkligen vill ta reda på hur det fungerar. Någon som är nyfiken, som går hem och experimenterar med det och kommer tillbaka med idéer. Den energin är svår att skapa på konstgjord väg, och den betyder mer än något verktyg eller någon budget.
3. Dela tidigt och ofta med dig av det som fungerar. När vår vd ställde sig bakom initiativet öppnades dörrar till teknikchefen, vilket gjorde det möjligt för oss att koppla samman mer av vår datainfrastruktur och gjorde allt kraftfullare. Det hände inte för att jag hade en stor presentation. Det hände för att jag visade människor något användbart, och de ville ha mer av det. Momentum byggs genom små, synliga framgångar.
4. Förvänta dig inte att du kan automatisera bort behovet av människor. De team som kommer att lyckas är inte de som minskar personalstyrkan med hjälp av AI. Det är de som har människor som utför arbete med högre värde eftersom AI hanterar grundarbetet. Det är en annan ambitionsnivå, och den leder till bättre resultat.
5. Vänta slutligen inte tills du har en perfekt plan. Det bästa sättet att förstå vad AI kan göra i just din situation är att börja bygga något, även om det är litet och ofullkomligt. Jag har lärt mig allt genom att göra — inte genom att läsa om det.

Följ med

Du kan följa Liams arbete med att bygga upp marknadsföringsfunktionen på Alt21 på LinkedIn.

Fler expertintervjuer kommer på The CMO Club!