.png)
Jakob, Co-Founder og CEO af LassoX, og Joakim Steenfos, Co-Founder og CEO af Radiant, taler om brugen af data i outbound-salg. Samtalen berører kombination af regnskabsdata, stambydata, online signaler og hvordan man skaber et komplet billede af potentielle kunders behov.
Most salespeople know the feeling of calling a company without knowing who to ask for, what they actually need, or whether now is even a good time.
That gap between effort and relevance is exactly what Jakob Benediktson has spent a decade trying to close.
In this episode of Oplev Salg, Joakim Steenfos sits down with Jakob Benediktson, co-founder and CEO of LassoX, to explore how high-quality leads are built from layered data, why the timing of a call matters as much as the contact itself, and what happens when AI starts doing the prospecting for you.
Jakob frames lead quality around three questions. Who should you call – ideally by name and with a direct number, bypassing the receptionist entirely. What defines your target group – a question that has expanded from CVR registry data to include online signals interpreted by AI. And when is the right moment to reach out – right after a company moves, receives investment, or goes through a merger.
Getting the timing right is not a nice-to-have. It is the difference between being first and being too late.
Joakim maps the evolution of outbound data across five levels: your own experience and learnings, financial records, registration data, online data, and third-party data. Seven years ago, most companies operated at levels zero, one and two. Today, level three – online data – has accelerated sharply, driven by automation, LinkedIn, social selling and AI.
The result is that it is now relatively straightforward to combine ESG keywords from annual reports, website signals and decision-maker contact information into a single, actionable lead.
One of Jakob's clients sells solar panels and needed to find commercial properties where the largest part of the roof faces south. Three years ago, solving that problem would have required expensive, custom-built code. Today, LassoX asks the question across all companies at once using AI – pulling from property registries, CVR data and key figures – and delivers the matching leads within a week.
It is the customers themselves, Jakob says, who keep revealing what is possible. He had no idea which direction a building faced could matter so much – until a client explained it closes more deals.
Jakob holds his team to a strict internal benchmark: from the moment a client describes a new lead requirement to the moment they receive their first leads, no more than one week should pass. The first few days are for testing and validating. By the following week, the client is live.
That pace is not just operational. It signals to the client that LassoX can move fast whenever new needs emerge – and new needs always emerge.
Joakim argues that the real competitive advantage ahead lies in combining all five data levels, enriching them, structuring them, and connecting them to AI. The goal is not more data on a screen. It is a system that already knows which 59 companies are your best prospects, and can generate 20 lookalikes for a sales trip to Funen the day after tomorrow.
Both agree that making the value of leads visible – through conversion rates and outcome tracking – will be just as important as the leads themselves. Without that proof, there is no long-term justification for the service.
Alt det, du ikke vidste om dine kunder, ved du nu. Jakob, du er co-founder og CEO af LassoX. Hvad er jeres eksistensgrundlag i forhold til salg?
Det er egentlig meget simpelt. Vi leverer højkvalificerede leads til vores kunder.
Ja, det er så en længere snak. Fordi det er jo en rejse, der startede, da data blev tilgængeligt fra Erhvervsstyrelsen, hvor de sagde, at nu frigiver vi en masse oplysninger, og så begyndte vi at lave en løsning, hvor vi kunne søge efter firmaer. Det var egentlig meget basic. Man kunne finde firmaer ud fra oplysninger fra CVR-registeret. Vi er jo 10 år gamle, så det startede vi ud med, og det gik rigtig godt, og vi leverede gode løsninger. Men i takt med at forventningerne er steget hos forbrugeren og vores kunder, var vi nødt til også at tænke, hvordan kan vi lægge et værdilag på toppen af alt det data, der er fokuseret mod salg? Og det er det, vi har fokuseret på her de seneste år.
Jeg har sådan et term, der er baseret på HV-spørgsmålene: hvem, hvad og hvornår. Hvem, hvis man starter med den, det er egentlig, hvis jeg skal ringe til et firma, så er det rigtig rart at vide, hvem jeg skal ringe til. Det kunne være salgschefen, og hvis jeg har hans telefonnummer og navn, så er det lettere, end at jeg skal forbi receptionisten. Det ved alle sælgere.
Nummer to, hvad? At definere ens målgruppe. Det kunne man jo klassisk gøre ud fra CVR-oplysninger, men nu er det også muligt at gøre det med oplysninger fra online steder, websites, og man kan bruge AI til at fortolke det bedre. Så man faktisk kan få endnu mere specialiserede leads.
Det sidste er så hvornår. Hvornår er det en god idé at ringe? Lige når et firma er flyttet, hvis man er et rengøringsselskab, fordi så har de nok ikke valgt en endnu, frem for at ringe tre uger senere, fordi så har de nok valgt. Eller hvis et firma har fået en investering, så er det også meget godt at ringe, fordi så skal de bruge nogle penge på marketing, hvis man har et reklamebureau. Eller hvis et firma er fusioneret, så er det nok vigtigt at kontakte dem som de første, så man kan få en dialog, for de gør jo nok ikke videre med to leverandører.
Så for os handler det om at finde de rigtige kontaktoplysninger, sørge for at kunderne kan segmentere deres potentielle emner så godt som muligt, og så give dem muligheden for at få beskeder, når det er en god mulighed at kontakte den potentielle nye kunde.
Joakim, hvordan oplever du efterspørgslen efter viden om potentielle kunder i outbound-salg?
Jeg oplever, at den har udviklet sig helt vildt. Hvis vi tager tiden tilbage fra syv år siden, da vi startede i Radiant, så synes jeg, at man generelt set kan kigge på data i fem forskellige lag. Der er niveau 0, og det er ens egen data og læring og erfaringer. Så er der niveau 1, det er regnskabsoplysninger. Niveau 2, det er stamoplysninger. Niveau 3, det er den data, der er tilgængelig online. Og niveau 4, det er andres data.
For 6-7 år siden var det primært niveau 0, 1 og 2, der var i fokus. Der havde vi opgaver, som eksempelvis en meget anderledes af slagsen, der havde et anderledes salgsbehov. Det var en af Danmarks mest velhavende personer, og han kontaktede os, fordi han egentlig gerne ville vide, hvor mange andre der var, der var lige så velhavende som ham. Og det var en opgave, der krævede, at man brugte datatilgængelighed på regnskabsoplysninger og stamoplysninger, niveau 1 og 2, for at finde ud af, hvor mange der egentlig var som ham, så han kunne have en idé omkring risikoen for, at hans børn eller nære blev kidnappet mod en løsesum. Meget anderledes opgave.
Så brugte vi det jo også til opgaver, hvor virksomheder, der skulle børsnoteres, ringer til os måske tre, fire eller fem dage inden, og det er i høj fart, fordi de skal faktisk have information omkring deres eksisterende kundebase. Alt lige fra at vide, hvornår i landet de generelt set befinder sig, hvor store de generelt set er, både på vækst, omsætning og medarbejdere osv., og så sammenligne det med vores egen data på, hvem tjener vi penge på, hvem tjener vi ikke penge på. Så skulle man sidde og lave det benarbejde der, lige indtil måske en halv dag inden, at de stod og ringede med klokken.
Og så har det jo siden da udviklet sig i høj grad, hvor det er gået over til, at niveau 3, altså online data, er accelereret. Det var i takt med, at automatisering af salg og marketing steg eksplosivt, social selling, LinkedIn og beslutningstagerinformationer. Der kom en kæmpe efterspørgsel på det efter corona og efter AI, og det er jo helt normalt nu, at der er platforme og integrationer, der er med til at levere den information direkte ind i ens platform.
Der, hvor vi er i dag, er, at man relativt nemt kan gå ind og segmentere og finde informationer på potentielle kunder, eksempelvis inden for ESG. Så hvis jeg er en virksomhed og skal sælge en service eller platform relateret til ESG, jamen så kan vi gå ind og finde de keywords i ledelsesberetningen inde i regnskabsoplysningerne, double-checke på hjemmesiden, gå ind og finde, hvem der er beslutningstager inden for ESG, og så har man et konkret lead til salg derfra.
Jakob, hvordan ser fremtiden ud i forhold til, hvilke niveauer af viden man kan finde om potentielle kunder?
Jamen jeg tror, at fremtiden inden for levering af højkvalificerede leads handler meget om, hvor mange oplysninger man kan gøre let tilgængeligt for kunderne, og det skal ikke bare være sådan en kæmpe spand af data. Man skal have en forståelse for at sige, hvad er det, du har brug for som kunde at finde emner ud fra? Så jeg tror, der er et kapløb til at sørge for, at vi har adgang til alle mulige datakilder, så vi kan bruge dem til at fortolke på, så kunderne kan få nogle gode leads.
Og jeg tror også, at forventningen til at kunne finde emner på en måde, hvor det sker nærmest af sig selv, er på vej. At man nærmest ikke skal tænke over det. Vi bliver plukket ind i deres CRM-system eller økonomisystem, og så er det vores ansvar selv at regne ud, hvad er et godt kundeemne for dig. Forventningen til, hvad man selv skal gøre, stiger.
Hvad oplever du derude af behov hos kunder i forhold til data, som de har brug for i deres salg?
Det er jo de klassiske ting, som du var inde på også, fra CVR-registeret. Men der er også eksempler på firmaer. Jeg har en meget sjov én. Det var sidste måned. En kunde, som solgte solceller, og de var interesserede i at finde firmaer, hvor den største del af kundens tag vendte mod syd, fordi der er sol. Og der kunne vi bruge AI til at finde det, fordi den brugte boligregisteret, CVR-registeret og nøgletal til at finde ud af, hvordan det her hus nu lå, så de kunne undgå nord, øst og vest og fik de rigtige emner.
Så forventningen til, at man kan få emner på en måde, som man ikke traditionelt kunne. Og det interessante er for os, at når vi begynder at arbejde med AI, så en opgave som den kunne vi godt have lavet for tre år siden, men den ville have været meget omkostningstung, fordi så skulle vi sidde og kode det specifikt til at løse den opgave. Lige nu spørger vi bare. Du kender ChatGPT? Vi gør det samme. Vi gør det bare på en generel måde, så vi spørger egentlig alle firmaer: hvem af jer har det? Og så får vi dem, og det er så dem, du kan få som emner.
Joakim, hvilken viden om potentielle kunder tror du vil blive mest efterspurgt i fremtidens salg?
Jeg tror, at kombinationen af data fremadrettet bliver det mest væsentlige. Fremtiden ligger nok i evnen til at kombinere niveau 0, niveau 1, niveau 2, niveau 3 og niveau 4, for så at samle det, berige det, strukturere det og tilslutte det til AI, sådan så man netop kan bruge unikke egne erfaringer og læringer med de bedste læringer, der er tilgængelige.
Den kombination vil muliggøre, at man kan spørge sit eget datasæt, om det ligger i CRM eller i ERP eller i et data warehouse, tage det samlede datasæt og spørge: kære AI, ud fra den her kombination af data, hvad er det for nogle kunder, som vi tjener flest penge på, har den længste levetid, har den største tilfredshed, den korteste salgscyklus, som er billigst at vinde, som der er tilgængelighed på beslutningstager-niveau, og som vokser hurtigst? Så kommer den med et output: det er de her 59 eller 60 kunder. Og så kan jeg gå ind og sige: kære AI, jeg skal til Fyn i overmorgen, jeg kunne godt tænke mig 20 kloner af de her 59 bedste virksomheder, som jeg kan være aktuel på. Og så får man den tilgængelighed leveret på det rette sted, det rigtige tidspunkt. Det er fremtiden, tror jeg.
Så tror jeg også, at det for os handler om at vise vores kunder, at vi rent faktisk skaber værdi. At når vi leverer leads til en kunde, at vi så kan se, hvad er konverteringsraten på leads, hvad kan jeg optimere, og hvordan kan vi selv automatisk justere, hvis konverteringsraten ikke er så god på den ene kampagne som på en anden? Altså synliggøre værdien af at få emner ind. Vi kender det alle sammen fra de gængse Google Ads og Facebook-marketing: hvad er konverteringsraten? Men jeg tror, at i vores verden, hvor det er outbound leadgenerering, skal vi også tænke ind, hvad konverterer jeg, hvad er værdien af de leads, og synliggøre det. Ellers har vi ikke en berettigelse. Vi skal simpelthen sørge for, at de emner, vi giver til vores kunder, er så gode som overhovedet muligt, så de kan lukke nogle salg.
Og apropos det med simpelt: der er jo så stor informations- og datatilgængelighed, et overload af content og muligheder, når man sidder og arbejder med salg. De her niveauer, som jeg var inde på, forestil dig, at du nu kan få dem serveret alle sammen på én gang. Og det er klart, at man som sælger ikke kan bearbejde det datasæt på en effektiv måde, hvis det hele bare er tilgængeligt. Det skal jo struktureres og simplificeres, sådan så jeg som sælger får den rette information, den relevante information, den rene information.
På det rette tidspunkt.
På det rette tidspunkt og overskueligt. Og der er sammenspillet og renheden meget interessant at se: hvad betyder det for fremtiden, og hvad betyder det for min konvertering? Fordi jeg kan jo kun bearbejde og absorbere en vis mængde information, når jeg skal bruge det helt konkret i en situation.
Så det, I siger, er, at der findes meget ubrugt data derude, at det giver outbound-salg en klar fordel, og at fremtidens salg bliver endnu mere styret af dataindsigt?
Ja, det er det korte svar. Evnen til at kombinere dataen, på det rette tidspunkt, med den rette renhed, lære af det og så eksekvere på det. Det er fremtiden. Og så bliver det spændende at se, om der kommer nogle nye lag, nogle nye niveauer. Det gør der jo nok i fremtiden.
Jeg bliver altid overrasket over nye måder, vi kan bruge data på, og det er kunderne, der fortæller os det. Der er et utal af brancher derude, og hver branche har altid fundet en eller anden måde, hvor de kan finde ud af: hvis jeg kan det her, så kan jeg få nogle gode emner. Hvis vi kan tage de behov, som de stiller, og konvertere det til en løsning, så har vi en berettigelse.
Den forståelse af, hvad kunderne ønsker, den er meget, meget vigtig. Det der med solcelle-eksemplet, jeg havde jo ingen idé om, at det var vigtigt hvilken vej en ejendom vendte. Men det kunne han fortælle mig, at det er virkelig vigtigt, for så kan han close bedre. Hvis vi kan tage den viden fra markedet og muliggøre det for ham, så tror jeg, vi har en fremtid.
Når jeg kigger på, hvordan jeg gerne vil have, at vores forretning skal fungere, så skal vi, ét, have en masse datakilder. To, vi skal gøre det tilgængeligt at tappe ned i dem, og vi skal kunne muliggøre det hurtigt. Jeg har sådan en uges timeframe. Når vi taler med en kunde og de siger, nu bruger jeg solcelle-eksemplet igen, at de gerne vil finde leads, hvor ejendommen vender mod syd, fra han siger det, til han får leads på det, må der maks gå en uge.
Så skal vi først teste det, ringe til kunden og sige, det kan vi godt levere til jer, og så sætte det op. Ugen efter skal han kunne være i drift og få leads, der leverer det. For os, hvis vi kan have den der urgency, så er det vigtigt for vores salg generelt. Men det viser også kunden, at vi agerer hurtigt. Så det er nok ikke den eneste gang, vi kan gøre sådan noget så hurtigt. Hvis de kommer om en måned og siger, kan I også det her, så skal vi levere det med det samme. Hastigheden handler altså også meget om fremtiden.
Præcis, og der er du allerede inde på tre andre datakilder, som også skal blive en kombination. Det er jo det, der vil ske: man kan det ene, så bliver man klogere, og så videre og så videre. Alt sammen med ét formål: lukke nogle salg og bedre konvertering.
.jpg)
