De fleste bedriftseiere bruker i dag AI til å begå et merkevaremessig selvmord i sakte film.
De ser et verktøy som kan generere 1 000 e-poster på ti sekunder, og tenker: «Genialt, salgsproblemet mitt er løst.» Det de egentlig gjør, er å bidra til det generiske raset – et nådeløst skred av middelmådig, AI-generert støy som har gjort den gjennomsnittlige B2B-innboksen til en gravplass for ignorerte salgsfremstøt. Hvis du bruker AI til å sende 1 000 dårlige e-poster, skalerer du ikke salget ditt; du bare feiler raskere.
Å vite hvordan man bruker AI i salg handler ikke om volum. Det handler om å bruke teknologien til å oppnå et nivå av dybde og relevans som tidligere var for dyrt eller tidkrevende å nå i stor skala.
Jeg har analysert driften til hundrevis av selskaper som går over til AI-først-modeller. Vinnerne er ikke de med de høyeste megafonene; det er de som bruker AI som et mikroskop for å finne den nøyaktige årsaken til hvorfor de bør snakke med en potensiell kunde akkurat nå.
Inversjonen av forskning til resultat
💡 Vil du at Penny skal analysere virksomheten din? Hun kartlegger hvilke roller AI kan erstatte og bygger en trinnvis plan. Start din gratis prøveversjon →
I tradisjonelt salg er det en direkte korrelasjon mellom kvaliteten på undersøkelsene og tiden som er brukt. Hvis du vil ha en hyper-personalisert e-post, må en SDR (Sales Development Representative) bruke 20 minutter på å grave gjennom LinkedIn, årsrapporter og podkaster.
Jeg kaller den nye modellen for Inversjonen av forskning til resultat. Med den rette AI-stabelen synker tiden brukt på undersøkelser til nær null, mens dybden i personaliseringen faktisk øker. AI kan «lese» en hel årsrapport på 100 sider, finne en spesifikk omtale av en utfordring produktet ditt løser, og referere til den på en kontekstuelt relevant måte – alt i løpet av sekunder.
Hvis du fortsatt betaler et markedsføringsbyrå tusenvis i måneden for å kjøre grunnleggende utgående sekvenser, betaler du i praksis en «manuell arbeidsskatt» på arbeid som AI nå håndterer med større presisjon.
Fase 1: Laget for dataintelligens
Slutt å starte med budskapet. Start med signalet.
De fleste prospekteringsforsøk mislykkes fordi timingen er feil. AI er eksepsjonell til å overvåke «utløsende hendelser» som antyder at en bedrift er klar til å kjøpe. I stedet for å skrape en liste over «markedsførere i London», bør du bruke AI til å finne:
- Endringer i ledelsen: Hvem har nettopp startet i en ny rolle og trenger å markere seg?
- Finansielle utløsere: Hvilke selskaper nevnte nettopp «operasjonell effektivitet» eller «kostnadsreduksjon» i sin siste kvartalspresentasjon?
- Teknologiske gap: Hvilke selskaper bruker en konkurrents produkt, men har ikke oppdatert teknologien sin på tre år?
Verktøy som Clay eller Apollo integrert med LLM-er (Large Language Models) lar deg bygge arbeidsflyter som ikke bare finner en person, men som finner en årsak. Du kan for eksempel instruere en AI til å besøke et prospekts nettside, finne karrieresiden deres og se om de ansetter i roller som din tjeneste normalt ville erstattet eller forsterket.
Fase 2: Relevansens logikk (Triple-Point-rammeverket)
Når du har signalet, trenger du et rammeverk for henvendelsen. Jeg veileder mine klienter til å bruke Triple-Point-rammeverket når de instruerer AI til å utforme utkast:
- Ankeret: Et spesifikt, ikke-åpenbart faktum om deres virksomhet (f.eks. «Jeg la merke til deres nylige ekspansjon inn i DACH-markedet...»)
- Broen: Hvorfor det faktumet betyr noe for deg (f.eks. «...vanligvis, når selskaper går inn i den regionen, blir lokal etterlevelse av regelverk en flaskehals.»)
- Forespørselen med lav friksjon: En forespørsel som krever nesten null innsats å svare på (f.eks. «Håndterer dere det internt for øyeblikket, eller via en lokal partner?»)
Ved å mate denne logikken inn i en AI, beveger du deg bort fra malen «Jeg vil gjerne ta en 15-minutters samtale» som alle hater. Du fremstår som en likemann som har gjort hjemleksen sin.
Fase 3: Oppbygging av din AI-salgsstabel
For å utføre dette uten å være plagsom, trenger du et spesifikt sett med verktøy som fungerer i harmoni. Her er hvordan en slank, AI-først salgsoperasjon ser ut:
- Datainnhenting (Clay): Tenk på dette som Excel med en hjerne. Det henter data fra over 50 kilder og bruker AI til å filtrere og berike dem.
- Dyp forskning (Perplexity eller GPT-4o): Brukes til å søke på internett i sanntid og oppsummere spesifikke selskapsnyheter i kulepunkter.
- Validering (Custom GPTs): Før en e-post sendes, la en annen AI «opptre som prospektet» og kritisere utkastet. Spør den: «Er denne e-posten irriterende? Føles den generisk? Ville jeg slettet denne i løpet av tre sekunder?»
- Utsendelse (Instantly eller Salesloft): For å administrere selve utsendelsen og sørge for at innboksen din forblir i god stand.
For de som driver med markedsføring for profesjonelle tjenester, kan skiftet fra et stort SDR-team til én enkelt «AI-operatør» redusere kostnadene for kundeanskaffelse med opptil 70 %. Du mister ikke det menneskelige preget; du sparer det menneskelige preget til selve samtalen, i stedet for det rutinepregede arbeidet med selve jakten.
«90/10-regelen» for AI i salg
Jeg tar til orde for 90/10-regelen: La AI håndtere 90 % av undersøkelsene og utkastene, men behold et menneske i loopen for de siste 10 % – en «vibe check».
AI er genial på logikk, men kan av og til være tonedøv. Et menneske bør alltid gå gjennom utgående meldinger av høy verdi for å sikre at «ankeret» føles autentisk. Hvis AI-en finner en podkast administrerende direktør har deltatt i, bør mennesket dobbeltsjekke at sitatet som brukes faktisk gir mening i e-postens kontekst.
Hvorfor de fleste bedrifter mislykkes med dette
De fleste bedrifter mislykkes fordi de behandler AI som et verktøy for effektivitet (gjøre det samme raskere) i stedet for effekt (gjøre noe bedre).
Hvis tilbudet ditt er middelmådig, vil AI bare hjelpe deg med å irritere flere mennesker raskere. Men hvis du har en genuin løsning på et spesifikt problem, er AI det mest kraftfulle verktøyet som noen gang er skapt for å finne de menneskene som har det problemet akkurat nå.
Konklusjon: Vinduet for «godt nok» utgående salg er i ferd med å lukkes. Etter hvert som AI gjør det enklere å sende e-post, øker barren for hva som utgjør et «verdifullt» budskap. For å vinne må du bruke AI til å være mer menneskelig, ikke mindre.
Hvis du er klar for å slutte med den generiske teppebombingen og begynne å bygge en slankere, mer intelligent salgsmotor, la oss se på din nåværende drift. Kostnaden ved å vente er høyere enn du tror.