Hver morgen ser jeg det samme i min indbakke: en bølge af generiske, let "skæve" e-mails, der tydeligvis kommer fra en bot. De bruger mit navn, de nævner min virksomhed, og så kaster de sig ud i et salgsfremstød, der absolut intet har at gøre med mine faktiske daglige udfordringer. Dette er, hvad der sker, når folk misforstår, hvordan man bruger AI i salg—de bruger det til at opskalere mængden af støj frem for dybden af deres signal.
Resultatet? Et massivt fald i svarrater og et blakket rygte for brandet. Men der findes en bedre måde. Jeg kalder det Research-to-Reach-forholdet. I traditionelt salg bruger sælgere 80 % af deres tid på at række ud og 20 % på research. I en AI-først virksomhed vender vi det om. Vi bruger AI til at gøre 95 % af det tunge arbejde med research, hvilket giver det menneskelige led mulighed for at bruge 100 % af sin kreative energi på de sidste 5 % af budskabet: forbindelsen.
Problemet: Automationsangst-paradokset
💡 Vil du have Penny til at analysere din virksomhed? Hun kortlægger hvilke roller AI kan erstatte og opbygger en trinvis plan. Start din gratis prøveperiode →
Mange virksomhedsejere, jeg arbejder med, lider af det, jeg kalder Automationsangst-paradokset. De ved, at deres nuværende salgsproces er ineffektiv og dyr, men de er rædselsslagne for, at introduktionen af AI vil få dem til at fremstå som endnu en spammer. De bekymrer sig for, at de ved at automatisere mister det, der gør dem succesfulde: deres menneskelige præg.
Paradokset er, at ved ikke at bruge AI til research, agerer jeres team sandsynligvis allerede som robotter. Når en SDR (Sales Development Representative) skal nå en kvote på 50 e-mails om dagen, har de ikke tid til dyb empati. De skimmer en LinkedIn-profil i 30 sekunder og finder en "krog", der føles forceret.
AI behøver ikke at erstatte det menneskelige præg; det leverer det brændstof, der gør det menneskelige præg muligt i stor skala.
Trin 1: Opbygning af motoren til dybdegående research
For at forstå, hvordan man bruger AI effektivt i salg, må vi holde op med at betragte "generativ AI" som et skriveværktøj og i stedet se det som en ræsonneringsmaskine.
I stedet for at bede en AI om at "skrive en salgs-e-mail", beder vi den om at "analysere denne emnes nylige aktivitet, deres virksomheds kvartalsrapport og deres branches nuværende modvind for at identificere tre specifikke smertepunkter, som vores produkt løser."
Datakilderne
For et lille salgsteam er målet at aggregere data, som et menneske simpelthen ikke ville have tid til at finde. Jeres AI-maskine bør kigge på:
- Nylige podcast-optrædener: Hvad siger stifteren i forskellige shows?
- Ansættelsestendenser: Ansætter virksomheden profiler, der tyder på et specifikt problem (f.eks. tyder ansættelse af 5 nye udviklere på en udfordring med skalering)?
- Teknografiske data: Hvilke værktøjer bruger de i øjeblikket? (Se vores guide til softwarebesparelser for, hvordan man analyserer tech-stacks).
- Sociale narrativer: Hvad poster de om på LinkedIn, som ikke bare er virksomheds-PR?
Trin 2: Kontekstualiseringslaget
Når researchen er indsamlet, skal AI'en "oversætte" disse data til relevans. Det er her, de fleste virksomheder fejler. De tager dataene og dumper dem ind i en skabelon.
Brug i stedet en ramme, jeg kalder Syntese-broen. I giver AI'en jeres "Værdisøjler"—de tre kerneproblemer, I løser—og beder den finde den korteste logiske vej mellem emnets nylige aktivitet og en af disse søjler.
Hvis et emne for nylig har postet om sværhedsgraden ved at opretholde en brand-stemme på tværs af et globalt team, og I sælger et AI-styringsværktøj, er broen indlysende. Men hvis de har postet om et velgørenhedsløb, og I prøver at bygge bro fra det til jeres software, har I ramt den syntetiske empati-kløft—det akavede øjeblik, hvor en bot forsøger at lade som om, den har følelser.
Tommelfingerregel: Brug kun AI til at bygge bro mellem professionelle observationer. Overlad den personlige forbindelse til mennesket.
Trin 3: Eliminering af "bureau-skatten" i leadgenerering
Jeg ser mange iværksættere betale £3,000–£5,000 om måneden til leadgenereringsbureauer. Når man kigger under motorhjelmen, bruger disse bureauer ofte blot grundlæggende automationsværktøjer og et lille team af udenlandske underleverandører til at udføre manuel research. Dette er bureau-skatten—den præmie, I betaler for eksekvering, som AI nu kan håndtere for ører.
Ved at bringe jeres "varme lead-maskine" in-house ved hjælp af AI, sparer I ikke kun penge; I får kontrol over dataene. I kan se vores gennemgang af omkostninger til marketingbureauer for at se præcis, hvor meget avance der er gemt i disse traditionelle servicemodeller. En AI-først salgsafdeling kan ofte udkonkurrere et mellemstort bureau med en enkelt deltidsmedarbejder, der overvåger prompts.
Trin 4: 90/10-reglen for opsøgende arbejde
I min virksomhed følger jeg 90/10-reglen. AI håndterer 90 % af processen: identifikation af leads, datascraping, overvågning af intentsignaler og første udkast til personliggørelse. Det menneskelige led håndterer de sidste 10 %: nuancerne, den sidste redigering og det faktiske tryk på "send"-knappen.
Når et menneske kun bruger 2 minutter pr. e-mail i stedet for 20, men kvaliteten af den e-mail er højere på grund af den AI-leverede research, ændrer økonomien i jeres salgsteam sig natten over.
For kreative virksomheder er dette særligt slagkraftigt. Hvis I er et marketingbureau, der leder efter nye klienter, skal jeres opsøgende arbejde være lige så kreativt som jeres produktion. I kan finde mere om dette i vores guide til besparelser i marketing.
Sådan kommer I i gang: Jeres 30-dages køreplan
Hvis I spekulerer på, hvordan I kan bruge AI på dette forretningsområde uden at ødelægge jeres nuværende arbejdsgang, så start småt:
- Identificer jeres "gyldne signal": Hvad er den ene ting, som hvis I vidste det om et emne, ville gøre dem til et perfekt match? (f.eks. de har lige lanceret et nyt produkt, de har lige rejst en Seed-runde, de har lige ansat en ny driftsdirektør).
- Automatiser signalet, ikke beskeden: Brug værktøjer som Clay eller Perplexity til at finde det signal på tværs af nettet for 100 emner.
- "Human-in-the-loop"-testen: Lad AI'en udarbejde en ros-baseret åbningslinje baseret på det signal. Gennemse selv de første 20. Lyder de menneskelige? Hvis ikke, så forfin jeres prompt.
Virkeligheden for et AI-først salgsteam
Vinduet for "standard" automatisering er ved at lukke. Folk udvikler "AI-blindhed" over for generisk opsøgende arbejde. De virksomheder, der vinder i de næste 24 måneder, vil ikke være dem, der sender flest e-mails; det vil være dem, der bruger AI til at være mest velinformerede, når de endelig rækker ud.
Effektivitet handler ikke kun om at gøre tingene hurtigere. Det handler om at gøre de ting, der betyder noget, så godt, at jeres konkurrenter ser ud som om, de stadig bruger en faxmaskine.
Er I klar til at holde op med at være en del af støjen? Lad os bygge jeres maskine.