Vi kom in för att stabilisera SaaS-bolagets applikation, men hittade grundläggande problem som var betydligt allvarligare än de tekniska buggarna.

---

Ledningen styrde i blindo

Bolaget växte snabbt och investerade tungt i digital marknadsföring, men ledningen saknade pålitlig affärsdata för att fatta informerade beslut om budget, annonsering och kundlönsamhet. Ingen kunde svara på den mest grundläggande frågan: tjänar vi pengar på våra kunder?

Kundanskaffningskostnaden räknades ut manuellt i ett Excel-ark genom att samla in data från flera system. Det var tidskrävande, det var felmarginal i varje steg, och ingen i organisationen vågade lita på siffrorna. Instinkten visade sig vara korrekt, för ingenting stämde.

Trots det fortsatte bolaget att spendera 1,8–2,4 MSEK per år på marknadsföring baserat på just de siffrorna.

Appstabilisering var inte det riktiga problemet

Bolaget bad oss stabilisera applikationen. Vi hittade buggar och fixade dem, men under ytan låg ett större problem: datainsamlingen och analysen var fundamentalt trasig. Ledningen hade ingen möjlighet att se vad marknadsföringen faktiskt gav tillbaka, vilka kanaler som konverterade, eller vad en kund kostade att förvärva.

Utan verifierad data är varje beslut en gissning, och det var precis så bolaget styrdes.

Vad vi faktiskt hittade

Vi kopplade ihop bolagets system så att data kunde flöda automatiskt, och resultatet blev en realtidsdashboard i Mixpanel som visade vad som faktiskt hände i verksamheten.

Det förändrade hela bilden.

CAC var nästan lika hög som kundens livstidsvärde. Med en total kundlivstid på cirka 6 månader, varav 3 var gratis provperiod, innebar det att varje kund knappt betalade för sig själv innan de slutade. Marknadsföringen var i praktiken ett nollsummespel. Att sänka annonskostnaderna hade bara inneburit att bolaget förlorade pengar mer effektivt.

Vi hittade också att molnkostnaderna var betydligt högre än vad de borde vara. En snabb optimering av infrastrukturen frigjorde nästan 750 000 kr/år utan att påverka prestanda.

Vad det innebar på riktigt

Med pålitlig data på plats kunde bolaget för första gången fatta beslut baserade på fakta istället för magkänsla. De kunde se exakt vilka kanaler som faktiskt konverterade och omfördela budgeten efter det. De kunde se varför kunder slutade efter cirka 3 betalda månader och jobba med retention istället för att kasta mer pengar på förvärv.

Och 750 000 kr/år i sänkta molnkostnader finansierade hela insatsen.

Samma mönster, fast med AI

Idag ser vi samma mönster fast med AI. Ett företag säger “vi vill implementera AI” på samma sätt som det här bolaget sa “vi behöver en buggfix.” I båda fallen beskrivs en lösning utan förståelse för vad som krävs i grunden.

En AI-byrå hade byggt en AI-lösning ovanpå trasiga system, och den hade aldrig fungerat i produktion. Vi inventerar landskapet först, bygger grunden, och placerar AI där förutsättningarna är rätt. För det här SaaS-bolaget hade grundarbetet varit förutsättningen, och AI-driven optimering av marknadsbudget och churnprediktion hade varit det naturliga nästa steget.

---

Nyfiken på vad som faktiskt begränsar er verksamhet? Boka ett kostnadsfritt samtal så pratar vi igenom er situation.