Introduktion til AI i B2B-salg for SMV'er

Salg i danske B2B-virksomheder kræver tid. For virksomheder med 10-150 ansatte går timerne alt for ofte med at lede efter de rigtige kontaktpersoner i CVR-registret, indtaste data manuelt eller skrive endnu en rutinepræget opfølgningsmail. Kunstig intelligens (AI) kan reelt overtage dele af det tunge rugbrødsarbejde.

Denne artikel præsenterer syv konkrete use cases, der viser, hvordan AI kan integreres i jeres salgsarbejde. Hos Optify har vi fokus på praksis: Hvad virker her og nu, hvilke systemer taler sammen, og hvornår kan det slet ikke betale sig at bruge teknologien.

1. Leadgenerering og Prospektering

Manuel leadgenerering dræner salgsafdelingen for energi. I stedet for at jeres sælgere manuelt trækker lister fra Proff eller Lasso X og sorterer dem i Excel, kan algoritmer gøre forarbejdet. Værktøjerne kigger på ændringer i CVR, nye regnskabstal, udskiftninger i ledelsen eller nyansættelser via LinkedIn.

Modellerne leder efter bestemte købssignaler. Hvis en virksomhed i jeres målgruppe for nylig har modtaget en investering eller ansat en ny IT-chef, kan systemet automatisk oprette et kort i jeres CRM, så I ved, hvornår I skal slå til.

  • Datakilder: CVR, offentlige danske regnskaber, LinkedIn, branchemedier.
  • AI-funktion: Mønstergenkendelse og automatiske triggers.
  • Fordel: Vi ser typisk, at sælgere sparer 3-5 timer om ugen på manuel research og database-søgninger.

Praktisk indsigt: Start med et værktøj, der taler direkte sammen med præcis det CRM, I allerede bruger, frem for at bygge nye platforme. En god AI-implementering i praksis handler om at holde tingene enkle fra start.

2. Lead Scoring og Prioritering

Når de indledende lister er genereret, opstår det næste problem ofte: Hvem af disse 150 virksomheder skal vi ringe til først? AI automatiserer lead scoring ved at genkende, hvilken adfærd der historisk set har ført til en underskrevet kontrakt.

En dansk case illustrerer dette godt: En produktionsvirksomhed med 45 ansatte oplevede, at sælgerne spildte tid på at ringe til alle, der downloadede et datablad fra hjemmesiden. Mange var blot studerende eller konkurrenter. De indførte en simpel AI-model i deres HubSpot-setup. Modellen gav kun point til et lead, hvis personen (ud over at downloade) havde besøgt prissiden to gange, og hvis deres virksomhed havde en bruttofortjeneste på over 20 mio. kr. i seneste regnskab. Resultatet var en tredobling af konverteringsraten fra opkald til egentlige møder.

  • Datakilder: Website-adfærd, åbningsrater på mails, branchekoder og regnskabstal.
  • AI-funktion: Logisk prioritering baseret på historiske vinder-cases.
  • Fordel: Salgsteamet ringer udelukkende til kunder, der er i markedet for at købe.

3. Personalisering af Salgskommunikation

Salgskommunikation skrevet af AI er fuld af faldgruber. Vi ser ofte skrækeksempler, hvor AI genererer brede, amerikansk-klingende e-mails med for mange tillægsord, som danske indkøbere gennemskuer på få sekunder. Massekommunikation virker sjældent, og dårlig AI-kommunikation skader jeres troværdighed permanent.

Teknologien skal bruges til at lave indledende udkast for sælgeren. AI kan kigge på modtagerens seneste LinkedIn-aktivitet eller virksomhedens årsrapport og foreslå tre punkter, I kan tage med i jeres tilbud. Mennesket retter altid til inden afsendelse.

Tjekliste: Hvornår skal I IKKE lade AI skrive jeres mails?

Situation Hvorfor det går galt
Første kontakt til C-level Direktører genkender maskinskrevet tekst og sletter den konsekvent. Skriv kort og menneskeligt i stedet.
Komplekse forhandlinger AI forstår ikke intern firmapolitik eller usagte dynamikker omkring bordet hos kunden.
Lukkede referencer Nævner I fælles bekendte indsamlet gnidningsløst fra netværket, kan AI misforstå relationen og skabe en utjekket situation.

4. Automatisering af Rutineopgaver

Sælgere bør bruge tiden på møder, ikke på at rykke data fra ét vindue til et andet. Hvis jeres virksomhed bruger et ERP-system som e-conomic eller Business Central, kan de i dag kombineres med AI for at fjerne administrativ støj.

AI kan læse en indkommen mail fra en kunde, hente de aktuelle dagspriser fra jeres ERP-system og automatisk oprette et udkast til et tilbud i CRM-systemet. Erfaringsmæssigt tager det mellem 15 og 30 konsulenttimer at opsætte en stabil flow-automatisering af denne type. Til gengæld sparer det sælgeren for omkring 10-15 minutters ren indtastning ved hver eneste forespørgsel.

  • Eksempler: Mødebooking-bots, dataoverførsel mellem mails og CRM, præudfyldte ordrebekræftelser.
  • AI-funktion: Tekstgenkendelse og API-styring.
  • Fordel: Færre slåfejl i faktureringsgrundlaget og mere tid hos kunden.

5. Forbedring af Opfølgning og Kundepleje

Opfølgning halter ofte. Et sendt tilbud ligger nogle gange stille i 14 dage, fordi sælgeren glemmer det eller har travlt. AI hjælper med at sætte opfølgningen i stramt system.

Systemet holder øje med, om modtageren har åbnet tilbuddet, videresendt det internt, eller om det ligger urørt. Har e-mailen været uåbnet i eksempelvis otte dage, giver systemet sælgeren besked på at ringe, eventuelt med et forslag til, hvordan samtalen kan lægges an baseret på tidligere notater. Læs mere om emnet i vores artikel Hvordan kan AI styrke opfølgning i salgsarbejdet?.

6. Salgsprognoser og Performanceanalyse

Her må vi trække en streg i sandet: Forudsigelse af fremtidigt salg – avanceret forecasting – er det område, hvor danske SMV'er nemmest bliver snydt til at købe for meget ind. Avancerede modeller kræver dybe mængder af ren data.

Mindre virksomheder med for eksempel 200 årlige ordrer og 12 ansatte har absolut intet udbytte af at lade AI beregne sæsonudsving. Her er en almindelig eksport fra Business Central og en dialog i afdelingen langt mere præcis. AI-prognoser giver først værdi, når I har høje transaktionsvolumener og mange daglige handler, oftest i B2B-e-handel eller grossistleddet.

  • Krav til succes: Flere tusinde årlige transaktioner, rengjorte databaser uden dobbeltregistreringer.
  • AI-funktion: Behandling af store datasæt over tid.
  • Fordel for de rette virksomheder: Bedre lagerstyring og mere solidt budgetgrundlag.

7. Konkurrentanalyse og Markedsindsigt

AI-værktøjer kan overvåge konkurrenternes prissætning, produktlanceringer på Shopify B2B-løsninger, eller hvad kunderne skriver om dem på Trustpilot. Det sparer det trælse arbejde med at klikke rundt på konkurrenternes hjemmesider hver fredag.

Dog findes der faldgruber ved systematisk indsamling af data, kendt som web scraping. Mange danske sider beskytter deres data aktivt, og visse former for indsamling befinder sig i en gråzone. Når I bruger AI til markedsindsigt, kræver det en klar AI-governance-strategi for at holde sig inden for loven og undgå at bryde de gældende ophavsretlige retningslinjer.

Konklusion

Brug af AI i det opsøgende B2B-salg handler ikke om at lade maskiner overtage salgsarbejdet. Det handler primært om at fjerne friktion. Ved at lade algoritmer finde kontaktoplysninger i CVR, oprette kunden i e-conomic og minde sælgeren om at ringe på den syvende dag, kan jeres medarbejdere kanalisere deres tid over i selve mødet med kunden.

Vi anbefaler altid at starte stramt afgrænset. Vælg én konkret, manuel tidsrøver, løs den med et anerkendt værktøj, og kig først på næste projekt, når den brede organisation har accepteret den første ændring. Vil I vide mere om en fornuftig fremgangsmåde, kan I med fordel læse vores AI-strategi for SMV'er.

Har I brug for en vurdering af, hvilke systemer der reelt kan forbedre jeres nuværende salgsindsats uden at vælte budgettet? Hos Optify rådgiver vi danske SMV'er på et objektivt grundlag. Kontakt os, så tager vi et kig på jeres setup.

Kim Smidt
Skrevet af , CEO og stifter, Optify

Har I spørgsmål til artiklen eller jeres egen situation? Skriv til [email protected].