SaaStr hittade 2,7 miljoner dollar i CRM-leads som säljarna lämnat

I SaaStrs CRM fanns nästan tusen personer som uttryckligen hade bett om information och sedan aldrig fått svar. Salesforce uppger att AI-baserad uppföljning av det förbisedda segmentet ledde till affärer för ytterligare 2,7 miljoner dollar och en pipeline på 3,5 miljoner dollar.

Det mest intressanta är inte att en AI skrev mejl. Värdet fanns redan i kundhistoriken. Det som saknades var kapacitet att återuppta samtalen och lämna över dem vid rätt tillfälle.

Källa: Salesforce – Agentic outreach turns SaaStr’s warm leads into $2.7 million in sales

Intäkten kom inte från en ny kanal

SaaStr driver ett stort nätverk samt medie- och eventverksamhet för SaaS-bolag. Enligt Salesforce sköts verksamheten av tre heltidsanställda. Förfrågningar om biljetter, sponsring och partnerskap kommer in året runt, men säljarna prioriterade de största affärerna. Aktivitetsloggarna visade att lägre värderade kontakter blev liggande.

Det här var varken kalla prospekt eller aktiva säljmöten. De hade redan räckt upp handen, lämnat data och hamnat i CRM-systemet. Därför är fallet mer träffsäkert beskrivet som återaktivering av vilande efterfrågan än som vanlig prospektering.

SaaStrs egen tidiga redogörelse beskriver ungefär 1 000 förbisedda kontakter och omkring 3 000 utskick per månad. Den första viktiga frågan var alltså inte ”kan AI hitta nya kunder?” utan ”vilka befintliga kundsignaler betalar vi för att samla in men låter sedan förfalla?”

Källa: SaaStr – SaaStr and Agentforce: It’s Early, But the Results Are Really, Really Strong

Vad AI-säljagenten faktiskt gjorde

En AI-säljagent är ett system som kan läsa kunddata, formulera och skicka uppföljningar samt föra arbetet vidare över flera steg. I SaaStrs fall fick agenten namnet Hexi.

Hexi gjorde fyra saker som en vanlig masskampanj inte gör lika lätt:

• använde upp till nio års CRM-historik, tidigare kontakter och eventdeltagande som sammanhang
• anpassade mejlen efter företaget och den tidigare relationen
• köade uppföljning efter tidszon och lämplig sändningstid
• lämnade över kontakten till en människa när köpintresset blev tydligt eller frågan blev mer komplex

Den första versionen byggdes enligt Salesforce på tre veckor. SaaStr laddade manuellt upp 1 250 kontakter för att prova upplägget. I maj 2026 ersattes den manuella importen med Data 360, så att eventregistreringar kunde gå direkt till uppföljningen.

Det är en viktig skillnad: den tidiga piloten bevisade ett avgränsat användningsfall innan SaaStr tog bort det manuella steget. Resultatet kom alltså inte från att slå på full automation över hela CRM-databasen från dag ett.

Källa: Salesforce – SaaStr customer story

Överlämningen skapade affärsvärdet

Salesforce lyfter fram en affär på 250 000 dollar. Ett företag som tidigare hade köpt sponsring hade bytt hela marknadsteamet. Hexi identifierade en relevant kontakt, återupptog dialogen och skickade sedan vidare hela sammanhanget till en människa, som stängde affären.

Det visar den ekonomiskt intressanta arbetsdelningen. Agenten återställde kontakten och sorterade fram signalen. Säljaren tog över där relation, förhandling och affärsomdöme vägde tyngre.

SaaStr begränsade också agentens mandat. Den fick inte boka möten, ge rabatt under en fast nivå eller lova talartider. För deterministiska händelser användes Salesforce Flows, medan agentens instruktioner styrde mer öppna bedömningar. När en kontakt behövde mänsklig hantering skickades en notis i Slack med historik och orsak till överlämningen.

Begränsningarna är värda att nämna, men de är inte huvudpoängen. Huvudpoängen är att överlämningen inte började med ett tomt meddelande som sade ”någon svarade”. Den kom med ett färdigt affärssammanhang.

Källa: Salesforce – SaaStr customer story

72 procents öppningsgrad är inte affärskalkylen

Salesforce redovisar fler än 3 000 mejl till över 1 000 kontakter, 72 procents öppningsgrad och mer än 10 procents svarsfrekvens. Det är starka uppmärksamhetssiffror, men de säger inte ensamma om satsningen var lönsam.

Öppningsgrad är dessutom ett osäkert mått. Integritetsskydd och automatisk bildladdning kan påverka registreringen. Och ett öppnat mejl kan fortfarande vara ointressant.

Mätningen behöver därför fortsätta:

• kvalificerade svar, inte alla svar
• mänskliga överlämningar som faktiskt var värda säljtid
• skapad pipeline med tydlig definition och tidsperiod
• stängda affärer som kan knytas till återaktiveringen
• täckningsbidrag minus verktyg, införande och löpande arbete

SaaStrs 2,7 miljoner dollar i stängda affärer är den mest betydelsefulla uppgiften i berättelsen. Men utan kostnader, marginaler och jämförelseperiod går det inte att räkna fram en verifierad avkastning.

Vad kundberättelsen inte bevisar

Både Salesforce och SaaStr har ett intresse av att visa ett lyckat utfall. Uppgifterna är leverantörs- och kundrapporterade; de är inte en oberoende effektstudie.

Källorna redovisar ingen kontrollgrupp, ingen fullständig baslinje för konvertering och ingen offentlig metod för hur de 2,7 miljonerna attribuerades. De visar inte heller införandekostnad, licenskostnad för just denna lösning, bruttomarginal eller hur många säljartimmar som gick åt efter överlämning.

SaaStrs tidiga redogörelse säger att företagsverktyg i den här kategorin ofta börjar kring 50 000–100 000 dollar per år när licenser, utbildning och introduktion räknas in. Det är SaaStrs grova marknadsbild, inte ett redovisat pris för Hexi. SaaStr fick dessutom hjälp av Salesforce framåtriktade ingenjörer vid införandet och beskrev kontinuerlig träning som nödvändig.

Det gör inte resultatet ointressant. Det ändrar frågan från ”fungerar det?” till ”vilken del av resultatet kan vi realistiskt återskapa med vår datakvalitet, affärsstorlek och arbetsinsats?”

Källor: Salesforce customer story och SaaStrs egen tidiga redogörelse

Leta efter försummad efterfrågan före ny teknik

Den här fallstudien börjar inte med Agentforce. Den börjar med en lista över människor som redan hade visat avsikt men som organisationen saknade tid att hjälpa.

En användbar ekonomisk modell är enkel i formen: kontaktbara vilande kundkontakter × kvalificerad svarsfrekvens × stängningsgrad × täckningsbidrag per affär, minus införande och drift. Varje faktor måste fyllas med egna data. SaaStrs utfall är inte en rimlig standardprognos för ett annat företag.

Det första beslutsunderlaget bör därför visa hur många kontakter som faktiskt går att nå, varför de föll ur processen, vilket värde ett återupptaget samtal kan ha och vem som tar över när det blir skarpt läge. Först därefter går det att bedöma om en agent, enklare automation eller bara en förändrad arbetsfördelning är rätt lösning.

Om den möjligheten finns i ert CRM kan Verktygssmide hjälpa er att mäta och bygga ett avgränsat återaktiveringsflöde utan att göra en enskild kundberättelse från en leverantör till en intäktsgaranti.

SaaStr automatiserade inte hela försäljningen. De automatiserade frånvaron av uppföljning. Det är en smalare idé – och sannolikt en mer värdefull plats att börja på.